基于邻车的车辆控制方法和装置与流程

本发明总体涉及车辆自动控制，尤其涉及一种基于邻车的车辆自动控制方法和装置。

背景技术：

在道路上驾驶车辆时，可根据道路状况对车辆的速度进行调节或控制。然而，现有路况信息仅限于单车道、双车道、道路分隔物位置、弯道或拐点、最大限速或道路交通数据，并未考虑各种道路的异常或反常的状况信息，如道路的平整施工或不平整度、路上的坑洼、静止障碍物或突然出现的障碍物(如倒下的树木或电杆所形成的障碍物)。

由于缺少此类信息，现有系统无法把握车辆可能即将遭遇的异常或反常路况。因此，当驶入存在上述异常或反常路况的路段时，车辆可能采取突然变道以避开异常路况，突然刹车，穿越异常路况，或直接遭遇异常路况等的规避性动作。在任何此类情形中，车内乘坐人员均将遭遇不愉快的体验，而且车辆可能最终以事故或损坏的结局收场。这一问题的影响，尤其在自动或半自动车辆情况下的此类影响，成为人们的主要关注点。

此外，在自动或半自动车辆领域中，如何将与基准对象(fiduciaryobject)相关的数据与邻车的轨迹数据相关联为一项主要的技术难题。这是因为，基准对象的位置可能不断在发生变化，从而使得该关联性无法确定，因此无法实现自动或半自动车辆的实时控制。由此可见，现有技术系统无法将与基准对象相关的数据与邻车的轨迹数据相关联，因此无法通过此类关联对车辆进行控制。

技术实现要素：

在一种实施方式中，公开了一种基于邻车的车辆控制方法。该方法包括由车辆控制装置所根据拍摄到的至少一辆邻车的至少一幅图像，识别所述至少一辆邻车当中的每一辆邻车的相关基准对象。所述方法还包括由所述车辆控制装置基于将所述至少一幅图像中的所述至少一辆邻车当中的每一辆邻车的所述相关基准对象框入其中的边界框，对所述至少一辆邻车当中的每一辆邻车的所述相关基准对象的位置进行跟踪。该方法还包括由所述车辆控制装置根据当前车辆的运动方向和速度，确定所述当前车辆的相关方向/速度矢量。该方法还包括由所述车辆控制装置确定所述至少一辆邻车当中的每一辆邻车的相关轨迹数据。该方法还包括由所述车辆控制装置将所述基准对象的位置与所述至少一辆邻车当中的每一辆邻车的所述相关轨迹数据相关联。该方法还包括由所述车辆控制装置根据所述关联结果，重新计算当前车辆的方向/速度矢量。该方法还包括由所述车辆控制装置根据重新算得的方向/速度矢量，对当前车辆进行控制。

在另一实施方式中，公开了一种基于邻车对车辆进行控制的车辆控制装置。该车辆控制装置包括处理器以及以可通信方式与所述处理器、至少一个第一摄像头以及至少一个第二摄像头连接的存储器，其中，所述存储器存有处理器指令，所述指令在执行时使得所述处理器根据所拍摄到的至少一辆邻车的至少一幅图像，识别所述至少一辆邻车当中的每一辆邻车的相关基准对象。所述处理器指令还使得所述处理器基于将所述至少一幅图像中的所述至少一辆邻车当中的每一辆邻车的所述相关基准对象框入其中的边界框，对所述至少一辆邻车当中的每一辆邻车的所述相关基准对象的位置进行跟踪。所述处理器指令还使得所述处理器根据当前车辆的运动方向和速度，确定所述当前车辆的相关方向/速度矢量。所述处理器指令还使得所述处理器确定所述至少一辆邻车当中的每一辆邻车的相关轨迹数据。所述处理器指令还使得所述处理器将所述基准对象的位置与所述至少一辆邻车当中的每一辆邻车的所述相关轨迹数据相关联。所述处理器指令还使得所述处理器根据所述关联结果，重新计算当前车辆的方向/速度矢量。所述处理器指令还使得所述处理器根据重新算得的方向/速度矢量，对当前车辆进行控制。

在又一实施方式中，公开一种非暂时性计算机可读介质，所述介质具有存于其上的一组计算机可执行指令，所述指令使得包括一个或多个处理器的计算机执行步骤，所述步骤包括：根据所拍摄到的至少一辆邻车的至少一幅图像，识别所述至少一辆邻车当中的每一辆邻车的相关基准对象；基于将所述至少一幅图像中的所述至少一辆邻车当中的每一辆邻车的所述相关基准对象框入其中的边界框，对该所述至少一辆邻车当中的每一辆邻车的所述相关基准对象的位置进行跟踪；根据当前车辆的运动方向和速度，确定所述当前车辆的相关方向/速度矢量；确定所述至少一辆邻车当中的每一辆邻车的相关轨迹数据；将所述基准对象的位置与所述至少一辆邻车当中的每一辆邻车的所述相关轨迹数据相关联；根据所述关联结果，重新计算当前车辆的方向/速度矢量；以及根据重新算得的方向/速度矢量，对当前车辆进行控制。

需要理解的是，以上概略描述与以下详细描述均仅在于例示和说明，而不在于限制所要求保护的发明。

附图说明

所附各图并入本发明之内并构成本发明的一部分，用于对例示实施方式进行描述，并与说明书一道阐明所公开的原理。

图1所示为可供各种实施方式在内使用的例示环境。

图2所示为根据一种实施方式的用于控制自动车辆的车辆控制装置框图。

图3所示为根据一种实施方式的基于邻车对当前车辆进行控制的车辆控制装置的存储器中的各模块框图。

图4所示为根据一种实施方式的基于邻车的用于当前车辆控制的方法的流程图。

图5所述为根据一种实施方式将重新算得的方向/速度矢量多播至一组邻车的方法流程图。

图6所示为根据一种实施方式对与邻车相关的基准对象的位置进行跟踪的方法流程图。

图7所示为根据一种实施方式将基准对象的位置与邻车的相关轨迹数据相关联的方法流程图。

图8a、图8b、图8c和图8d所示为根据一种例示实施方式对与邻车相关基的准对象的位置变化进行确定并随后将其与邻车的相关轨迹数据相关联。

图9为用于实施各种实施方式的例示计算计系统的框图。

具体实施方式

以下，参考附图，对例示实施方式进行描述。在任何方便之处，各图中均采用相同附图标记指代相同或类似部件。虽然本文中描述了所公开原理的实施例和特征，但是在不脱离所公开实施方式的精神和范围的前提下，还可进行修改、调整以及做出其他实施方式。以下具体描述意在仅视作例示，而真正的范围及精神如权利要求书所述。

参考图1，该图所示为可供各种实施方式在内使用的例示环境100。如图所示，环境100示出了在道路104上行驶的当前车辆102。当前车辆102例如包括但不限于汽车、厢式货车、运动型多功能车、多用途车辆、公共汽车、小型公共汽车或卡车。当前车辆102可以为自动车辆、半自动车辆或非自动车辆。

在道路104上，除了当前车辆102之外，还可有位于当前车辆102附近的邻车106a、邻车106b以及邻车106c(统称多辆邻车106)。该多辆邻车106中的每一邻车均可以为自动车辆、半自动车辆或非自动车辆。当前车辆102及所述多辆邻车106可全部沿同一方向移动。如图1所示，当前车辆102可在所述多辆邻车106当中的每一辆的后方行驶，并且与邻车106b处于同一路径。

道路104上可存在各种异常路况，如图1所示的障碍物108、坑洼110以及减速带112。此外，所述异常路况可例如包括但不限于由于建设不当而形成的不平坦路段、意外导致的损坏路段或顶层受热熔化导致的起伏路段。障碍物108可例如包括但不限于石砾、固定结构、树木、人或事故现场。障碍物108可突然出现于当前车辆102或所述多辆邻车106当中的一辆的路径中。这些异常路况的存在可对当前车辆102内乘坐人员的行驶体验造成不利影响，并使得这些乘坐人员难以获得良好的行驶体验。

举例而言，遭遇障碍物108时，邻车106b可能直接撞向障碍物108，或者可紧急刹车或通过急转弯114避免与障碍物108相撞。这种情况不但可能导致乘坐人员受伤，而且还可能导致邻车106b损坏。类似地，邻车106a可能冲入减速带112，或者邻车106c可能驶入坑洼110内。

现在参考图2，该图为根据一种实施方式基于邻车对当前车辆102进行控制的车辆控制装置200的框图。其中，所述邻车可例如为上述多辆邻车106。车辆控制装置200可集成于当前车辆102内。或者，车辆控制装置200也可以为可置于当前车辆102内的移动装置。在此情况下，车辆控制装置200可例如包括但不限于智能电话、平板电脑和平板手机。此外，当车辆控制装置200为移动装置时，其可通过网络(图2中未示出)与当前车辆102通信。该网络例如可包括但不限于因特网、无线局域网(wlan)、wi-fi网络、长期演进(lte)网络、全球互通微波接入(wimax)网络和通用分组无线电服务(gprs)网络。车辆控制装置200还可以为可从远程位置经上述网络对当前车辆102进行控制的远程服务器。

车辆控制装置200包括与存储器204连接的处理器202。存储器204存有用于处理器202的指令，这些指令在执行时使得处理器202实施所需的操作。存储器204既可以为非易失性存储器，也可以为易失性存储器。非易失性存储器可例如包括但不限于闪存、只读存储器(rom)、可编程只读存储器(prom)、可擦除程只读存储器(eprom)以及电可擦除程只读存储器(eeprom)。易失性存储器可例如包括但不限于动态随机存取存储器(dram)及静态随机存取存储器(sram)。以下结合图3，对存储器204内的各模块进行进一步详细描述。

车辆控制装置200还包括对所述多辆邻车106当中的一辆或多辆进行图像拍摄的摄像头206，该一辆或多辆邻车可处于当前车辆102的前方。摄像头206可例如为深度摄像头、红外线摄像头、可见光摄像头、光场摄像头或位置跟踪摄像头。车辆控制装置200可进一步包括可捕获当前车辆102的各参数的传感器208(如全球定位系统(gps)、罗盘、陀螺仪、三维倾角仪、加速度计、压力传感器、热传感器、环境光传感器、变感器和/或触觉传感器)。车辆控制装置200还可与集成于当前车辆102内且用于捕获当前车辆102的轨迹信息的外部传感器(图2中未示出)通信。此类外部传感器可例如包括但不限于激光检测和测距(lidar)传感器、无线电检测和测距(radar)传感器、红外(ir)传感器、和/或超声波传感器。

车辆控制装置200可通过可支持多种通信协议的通信模块210，与所述外部传感器、所述多辆邻车当中的一辆或多辆和/或车辆基础设施接入点通信。此类通信协议可例如包括但不限于wlan、wi-fi、lte、wimax、gprs、蓝牙、zigbee、红外、nearbytes、近场通信(nfc)或任何其他车辆间(v2v)或车辆与设施间(v2i)的通信协议。

为了能够发出通知或警告，车辆控制装置200还可包括显示器212及扬声器214(与处理器202相连)。显示器212可以为允许乘坐人员与车辆控制装置200交互的触摸屏显示器。显示器212可例如为等离子显示器、液晶显示器(lcd)、发光二极管(led)显示器、有机发光二极管(oled)显示器和有源矩阵有机发光二极管(amoled)显示器。当车辆控制装置200为独立于当前车辆102的移动装置时，车辆控制装置200可进一步包括电池216以使其无需电源也可工作。

以下，结合示出了存储器204的各模块的图3，对车辆控制装置200的各种功能进行进一步详细描述。

现在参考图3，该图所示为根据一种实施方式基于邻车对当前车辆102进行控制的车辆控制装置200的存储器204内的各模块框图。存储器204包括：对多辆邻车当中的一辆或多辆内的基准对象进行识别和跟踪的跟踪模块302；以及根据跟踪模块302所实施的识别和跟踪对当前车辆(如当前车辆102)进行控制的车辆控制模块304。

跟踪模块302进一步包括基准对象模块306、轨迹数据模块308以及关联模块310。车辆控制模块304进一步包括方向/速度估算模块312、运动控制模块314以及多播模块316。基准对象模块306可设置为根据一种或多种图像跟踪和分析技术对摄像头206所拍摄的图像进行分析。基准对象模块306可设置为根据上述跟踪，从拍摄到的邻车图像中确定出与该邻车相关的基准对象。成功确定基准对象后，基准对象模块306可通过一个或多个将该基准对象框入其内的边界框，对该基准对象进行跟踪。以下，将结合图4和图6对此进行进一步详细描述。

轨迹数据模块308可用于确定当前车辆(如当前车辆102)附近的多辆邻车的轨迹数据。其中，根据但不限于lidar、radar、ir感测技术、和/或超声波感测技术当中的一种或多种，确定与所述一辆或多辆邻车当中的每一邻车相关的轨迹数据。此类感测技术可与车辆间(v2v)及车辆与基础设施间(v2i)的通信协议结合使用。对于邻车，所述轨迹数据可包括该邻车的相关变道信息、该邻车的相关速度信息以及该邻车的相关车辆基础设施数据当中的一者或多者。以下，将结合图4、图7、图8a、图8b、图8c及图8d对此进行进一步详细描述。

方向/速度估算模块312用于根据当前车辆的运动方向和速度，确定与该车相关的方向/速度矢量。也就是说，该方向/速度矢量可以为表示当前车辆运动方向的矢量分量以及表示该车速度的矢量分量的和量。随后，关联模块310将所述基准对象的位置、所述多辆邻车当中的每一邻车的相关轨迹数据以及当前车辆的相关方向/速度矢量相关联。根据所接收的邻车的轨迹数据，车辆控制装置200可将第一矢量与该邻车变道信息相关联，将第二矢量与该邻车速度信息相关联，并将第三矢量与所有邻车的相关车辆基础设施数据相关联。此外，还可将第四矢量与所确定的当前车辆方向/速度矢量相关联。以下，将结合图4、图7、图8a、图8b、图8c及图8d对此进行进一步详细描述。

根据所述关联的结果，运动控制模块314重新计算当前车辆(如当前车辆102)的方向/速度矢量。根据重新算得的该车方向/速度矢量，运动控制模块314对该车进行控制。对当前车辆的控制可包括对该车速度和运动方向的控制。以下，将结合图4和图7对此进行进一步详细描述。随后，多播模块316可将重新算得的方向/速度矢量经通信模块210多播至所述多辆邻车当中的一组邻车。

现在参考图4，该图为根据一种实施方式的基于邻车车辆用于控制车辆的方法流程图。该车辆例如为当前车辆102。在步骤402中，与当前车辆相关的车辆控制装置200根据所拍摄到的一辆或多辆邻车的一幅或多幅图像，识别出与该一辆或多辆邻车当中的每一邻车相关的基准对象。该一幅或多幅图像可由当前车辆的相关车辆控制装置200拍摄。举例而言，当前车辆102的车辆控制装置200可拍摄所述多辆邻车106当中的每一邻车的一幅或多幅相关图像。

拍摄到的所述多辆邻车106当中的邻车的图像可包括该邻车的相关基准对象。该邻车的相关基准对象可以为相对该邻车保持不动的物体。如此，该基准对象即可合理地作为用于检测所述邻车的运动或移动的可靠参考对象。也就是说，该基准对象与所述邻车的运动完全一致。因此，该基准对象的运动可用于确定所述邻车的运动。该基准对象可例如包括但不限于汽车尾灯、车辆牌照、或所述邻车的任何其他相对于该邻车保持不动的突出或明显特征。

为了从所述图像中识别出所述基准对象，车辆控制装置200可通过一种或多种图像跟踪和分析技术，对该图像进行分析。通过对该图像的分析，车辆控制装置200可识别出所述邻车的相关基准对象。举例而言，通过分析所拍摄到的邻车106b的图像，车辆控制装置200可将邻车106b的牌照识别为所述基准对象。在一种实施方式中，车辆控制装置200可进一步设置为在所识别的基准对象与邻车类型之间建立映射关系并保存该映射关系，从而可针对给定车辆类型，对特定基准对象进行识别和跟踪。如此，一旦识别出特定类型或品牌的车辆时，即可通过该映射关系确定待识别的基准对象。举例而言，对于特定汽车品牌，可将尾灯作为待识别和跟踪的基准对象。再例如，对于另一车辆类型(如卡车或拖拉机)，可将保险杠灯或车辆标识作为待识别和跟踪的基准对象。

在步骤404中，车辆控制装置200基于将所述一辆或多辆邻车当中的每一邻车的相关基准对象框入或围入其内的边界框，对该一辆或多辆邻车当中的每一邻车的相关基准对象的位置进行跟踪。也就是说，一旦从拍摄到的邻车图像中识别出所述基准对象，即可基于将该基准对象框入其中的边界框，对该基准对象进行跟踪。如此，通过跟踪该基准对象的位置，车辆控制装置200便可对所述邻车的位置和运动进行跟踪。为了实现所述基准对象的位置跟踪，车辆控制装置200可确定该基准对象相对于所述边界框的位置的变化。以下，将结合图6对此进行进一步详细描述。

随后，在步骤406中，车辆控制装置200根据当前车辆的运动方向和当前车辆速度，确定该车的相关方向/速度矢量。也就是说，该方向/速度矢量可以为表示当前车辆运动方向的矢量分量与表示当前车辆速度的矢量分量的和量。车辆控制装置200可将所确定的方向/速度矢量存入存储器204内。

为了实现对邻车位置或运动的跟踪，车辆控制装置200可对将识别出的该邻车的基准对象框入其中的边界框以及当前车辆的方向/速度矢量进行处理。在一种实施方式中，车辆控制装置200可相对于步骤406中所确定的车辆方向/速度矢量，将所述边界框的位置锁定。以下，将结合图6对此进行进一步详细描述。

在步骤408中，车辆控制装置200确定与所述一辆或多辆邻车当中的每一邻车相关的轨迹数据。其中，根据但不限于lidar、radar、ir感测、和/或超声波感测当中的一种或多种，并可结合v2v和v2i通信协议，确定所述一辆或多辆邻车当中的每一邻车的相关轨迹数据。对于邻车，所述轨迹数据可包括但不限于该邻车的相关变道信息、该邻车的相关速度信息以及该邻车的相关车辆基础设施数据当中的一者或多者。举例而言，可针对当前车辆102，确定所述多辆邻车106当中每一辆的轨迹数据。其中，通过多项技术确定邻车的相关轨迹数据，可实现该轨迹数据计算的精确性和稳健性。在一种实施方式中，当前车辆(如当前车辆102)的车辆控制装置200可根据经所述v2v或v2i通信协议接收的邻车轨迹数据动态地确定预设覆盖半径，其中，在确定所述轨迹数据时，车辆控制装置200可仅对从处于该预设覆盖半径内的邻车接收的数据加以考虑。举例而言，当道路104为快速道路时，当前车辆102可根据地理位置将所述预设覆盖半径确定为500米，也就是说，仅对所述多辆邻车106当中处于当前车辆102的500米覆盖半径内的一辆或多辆加以考虑。此外，还可根据当前车辆的当前速度和/或该车正在行驶的道路类型，对所述预设覆盖半径进行调整。在一种实施方式中，当前车辆的行驶速度越快，则所述预设覆盖半径可越大。类似地，当前车辆的行驶速度越慢，则所述预设覆盖半径可越小。继续上例，当当前车辆102的当前速度超出120公里/小时时，可将所述预设覆盖半径缩减至50米。与根据当前车辆速度调整所述预设覆盖半径的方式类似，还可根据道路类型，对该预设覆盖半径进行调整。举例而言，对于国家级高速公路或快速道路而言，可以增加所述预设覆盖半径；而对于省级高速公路、山区公路、城市道路而言，可以减小该预设覆盖半径。

在步骤410中，车辆控制装置200将所述基准对象的位置与所述一辆或多辆邻车当中的每一邻车的相关轨迹数据相关联。根据所接收的邻车轨迹数据，车辆控制装置200将第一矢量与所述邻车的变道信息相关联，将第二矢量与该邻车的速度信息相关联，并将第三矢量与所有邻车的相关车辆基础设施数据相关联。此外，还可将第四矢量与所确定的当前车辆的方向/速度矢量相关联。随后，针对每一邻车，还将对所述第一矢量、第二矢量、第三矢量和第四矢量进行关联。以下，将结合图7对此进行进一步详细描述。

在步骤412中，车辆控制装置200根据上述关联结果重新计算当前车辆(如当前车辆102)的方向/速度矢量。在步骤414中，车辆控制装置200根据重新算得的当前车辆的方向/速度矢量，对该车进行控制。对当前车辆的控制可包括对该车的速度和运动方向的控制。举例而言，当前车辆102的车辆控制装置200可根据邻车106b的相关基准对象的横向位置变化和/或邻车106b的相关轨迹数据，判断出邻车106b已发生突然变道。所述横向位置变化的原因可例如为即将遭遇障碍物(如障碍物110)，或邻车106b的正常变道。无论何种情形，根据步骤410所述关联重新算得的当前车辆102的方向/速度矢量均可指引当前车辆102逐渐变道或减速，以避开即将遭遇的障碍物。

作为另一例，当前车辆102的车辆控制装置200可根据邻车106a和106c的相关基准对象的纵向位置变化和/或邻车106a和106c的相关轨迹数据，判断出邻车106a和106c正在穿越道路104的坑洼路段、减速带或不平整路段。无论何种情形，根据步骤410所述关联重新算得的当前车辆102的方向/速度矢量均可指引当前车辆102改变当前车辆道或逐渐减速，以避免当前车辆102内的乘坐人员遭受突然颠簸。

现在参考图5，该图为根据一种实施方式将重新算得的方向/速度矢量多播至一组邻车的方法流程图。在步骤502中，如图4所示，根据关联结果，重新计算当前车辆的方向/速度矢量。以上，已结合图4，对当前车辆方向/速度矢量的重新计算步骤进行了详细描述。在步骤504中，识别出处于当前车辆预设覆盖半径内的一组邻车。其中，所识别出的该组邻车为所述多辆邻车当中的车辆。在一种实施方式中，所述一组邻车可包括所述多辆邻车当中的每一邻车。所述预设覆盖半径可随当前车辆的当前位置、道路类型和/或当前车辆的当前速度的变化而变化。

随后，在步骤506中，将重新算得的所述方向/速度矢量多播至所述一组邻车。其中，可使用v2v通信协议对重新算得的方向/速度矢量进行多播。在一种实施方式中，当前车辆可优选地将重新算得的方向/速度矢量多播至跟随当前车辆后方的邻车。除了所述重新算得的方向/速度矢量，当前车辆还可向所述一组邻车多播与所述道路的坑洼路段、减速带、障碍物、事故多发路段或不平整路段相关的路况信息。在一种实施方式中，该信息可存储或缓存于远程服务器的数据库内，以供其他车辆的车辆控制装置通过访问和检索此类信息而分别对这些车辆进行相应控制。在一种实施方式中，当车辆在后续情形中接近相同路段时，所存储的信息可由该车的车辆控制装置200自动获取。相应地，根据所获取的该信息，该车可对方向/速度矢量进行自动调节，无需借助任何邻车。也就是说，一旦收集到与障碍物相关的信息，该信息便可存储，以供后续时间点上重新使用，从而允许车辆在无需依赖邻车的情况下，安全地驶过之前已观察到异常路况的相同路段。在该情况下，如果该车为遭遇所述异常路况的头一辆车，其仍然能够避开该异常路况。

作为替代或补充，当前车辆可将所述重新算得的方向/速度矢量和路况信息经v2i通信协议单播至接入点。该接入点可位于当前车辆正在行驶的道路附近。该接入点可将所述重新算得的方向/速度矢量和路况信息进一步多播至行驶于所述道路上的其他车辆。在此情况下，可实现多辆车的同时更新。

现在参考图6，该图为根据一种实施方式对邻车的相关基准对象进行位置跟踪的方法流程图。在步骤602中，识别出该邻车的相关基准对象相对于将该基准对象框入其中的边界框的当前位置。

在步骤604中，确定所述基准对象的当前位置处于所述边界框内的持续时长。在步骤606中，实施检验，以判断所述持续时长是否大于第一预设时间段。在步骤608中，当所述持续时长大于所述第一预设时间段时，确认所述基准对象的当前位置，并锁定所述边界框相对于该基准对象的位置，以开始跟踪。如此，该边界框将随着所述基准对象的移动而移动。也就是说，所述基准对象的当前位置被确立为可供后续分析的连贯性位置。

随后，在步骤610中，当被跟踪车辆的突然移动使得基准对象相对于所述边界框发生突然变化，并且该突然变化使得该基准对象被检测到在短暂时间位于所述边界框的外面，则车辆控制装置200确定出该基准对象的一部分被检测到位于所述边界框的外面的总持续时长。

在步骤612中，实施检验，以判断所述总持续时长是否大于第二预设时间段。如果该总持续时长小于所述第二预设时间段，则认为基准对象的移动不足以视为导致基准对象发生变化。在一种实施方式中，所述第二预设时间段的起始时间为检测到所述基准对象的一部分脱出所述边界框的时间。

当判断所述总持续时长大于所述第二预设时间段时，在步骤614中，实施检验，以判断所述基准对象在第三时间段结束之前是否已经被检测到重新进入了所述边界框内。该第三预设时间段的起始时间同样为检测到所述基准对象的一部分脱出所述边界框的时间。当检测到基准对象在上述时间段结束前还未进入边界框，则表示该基准对象的当前位置相对于边界框发生了变化。在一种例示情形中，此类变化可对应于邻车为了避开异常路况或障碍物而做出的规避性动作，而且一旦避开所述障碍物或异常路况后，邻车可重新回到原来的路线行驶。在一种实施方式中，所述当前位置的变化可包括所述基准对象相对于将该基准对象框入其内的边界框的横向位置变化、纵向位置变化或横向和纵向位置同时变化当中的一者或多者。

在一情形中，如果在所述第三预设时间段结束之前未检测到所述基准对象，车辆控制装置200可将此情况解读为所述邻车行驶路线的变线动作(如改变车道)、上坡动作或下坡动作。在此情况下，该方法随后进入结束步骤618。

参考图7，该图为根据一种实施方式将基准对象位置与邻车相关轨迹数据相关联的方法流程图。在步骤702中，确定第一矢量、第二矢量、第三矢量和第四矢量。其中，所述第一矢量可与所述多辆邻车当中的某一邻车的变道信息相关，所述第二矢量可与该邻车的速度信息相关，所述第三矢量可与所述多辆邻车的相关车辆基础设施数据相关。最后，所述第四矢量与当前车辆的方向/速度矢量相关。

在步骤704中，向所述第一矢量、第二矢量、第三矢量和第四矢量当中的每一矢量分配相对权重值。其中，当检测到所述基准对象的横向位置变化时，向所述第一矢量分配的权重值高于向所述第二矢量分配的权重值。此外，当检测到所述基准对象的纵向位置变化时，向所述第二矢量分配的权重值高于向所述第一矢量分配的权重值。通过分配相对权重值，可使得车辆控制装置200在实际路况方面做出更加准确和明智的决策。举例而言，当邻车为了避开即将遭遇的障碍物而侧向移动时，可以检测到其横向位置的变化。在此情况下，可以向所述第二矢量分配相对较高的权重值，如此车辆控制装置200即可提示所述邻车将面临障碍物。当该加权矢量与从当前车辆附近的一辆或多辆邻车当中的每一邻车接收的轨迹数据相关联时，可使得车辆控制装置200能够更加准确地估计所述邻车所遭遇的道路障碍物或异常路况的类型，并从而使得车辆控制装置200能够确定当前车辆应该采取的最为合适的位置变化。

为了进行上述关联，在步骤706中，根据所述第一矢量、第二矢量、第三矢量和第四矢量，计算多变量vinecopula。在一种实施方式中，该多变量vinecopula可以为常规vine，其中，该常规vine包括由多条边联结的多个节点。该多个节点表示所述第一矢量、第二矢量、第三矢量和第四矢量，而所述多条边表示所有所述多个节点(即所述各矢量)之间的相关程度。随后，步骤708中，根据所述多变量vinecopula，对作为控制对象的当前车辆的相关车道变化和速度变化当中的一者或多者进行估算。以下，将结合图8a、图8b、图8c和图8d，对此进行进一步详细描述。

现在参考图8a、图8b、图8c和图8d，其所示为根据一种例示实施方式确定邻车的相关基准对象的位置变化并随后将其与所述一辆或多辆邻车的相关轨迹数据相关联。如图6的详细图示，基准对象的位置变化可包括横向变化(如邻车变道时发生的横向变化)以及纵向变化(如邻车遭遇坑洼路段或起伏路段时发生的纵向变化)。

所述邻车的相关基准对象的横向位置变化由图8a的802所示，而该基准对象的纵向位置变化由图8b的804所示。802和804将所述基准对象的当前位置图示为(x，y)坐标，其中，x坐标表示横向或水平方向，而y坐标表示垂直方向。对于本领域技术人员而言容易理解的是，所述基准对象的当前位置也可表示为(x，y，z)坐标的形式，即三维表示形式。

802和804中均示出了所述基准对象在t1和t2两个时刻的位置。其中，通过将t1和t2之差与阈值时间进行比较，确定车辆控制系统200是否应该对所述基准对象的位置变化加以考虑。该计算如下式1所示：

(t2-t1)>th……(式1)

其中，th为上述阈值时间。

当t2和t1之差大于所述阈值时间时，则确定车辆控制装置200应该对所述基准对象的位置变化加以考虑。在802中：在t1时刻，所述基准对象的坐标为(4，0)；而在t2时刻，该基准对象的坐标为(2，0)。因此，所述基准对象的x坐标变化量为-2，标志着该基准对象朝左发生了2单位大小的横向位置变化。这可能表示该基准对象的相关邻车在t2时刻已经发生了向左移动，其目的在于变道或避开即将遭遇的障碍物。本领域普通技术人员可理解的是，针对各种类型道路，可通过调节“t1”和“t2”的值而对所述阈值进行调节。在应用情形中，当已知所述道路颠簸不平时，可提高“t1”值，以防止基准对象位置变化检测时产生误报。此外，在该情况下，也可通过提高“t2”值实现相同目的。相反，对于优质道路，考虑到因优质道路允许交通工具快速移动而降低车辆控制所需的反应时间这一事实，可以减小“t1”和“t2”值。

类似地，在804中：在t1时刻，基准对象的坐标为(4，0)；而在t2时刻，该基准对象的坐标为(4，2)。由此可见，虽然基准对象的x坐标保持不变，但是其y坐标发生了大小为2的变化，标志着该基准对象从原来的位置朝北发生了2单位大小的纵向位置变化。这可能表示该基准对象的相关邻车在t2时刻遭遇了道路上的突起路段，从而发生向上移动。或者，如果所述基准对象的y坐标发生了大小为-2的变化，则表示所述邻车在t2时刻遭遇了下凹或坑洼路段。

一旦识别及确定了所述基准对象的位置变化(即相应邻车的位置变化)，便可确定以下四个矢量：与所述邻车变道信息相关的第一矢量v1，该矢量根据所述邻车的相关基准对象的横向和/或纵向位置变化确定；与该邻车速度信息相关的第二矢量v2；与多辆邻车的车辆基础设施数据相关的第三矢量v3，所述数据包括所述多辆邻车的车道变化、速度变化和/或轨迹数据信息；以及与给定位置处的当前车辆的方向/速度矢量相关的第四矢量v4。

在确定了上述第一矢量、第二矢量、第三矢量和第四矢量后，根据这四个矢量计算多变量vinecopula。其中，“多变量数据集”是指含m维变量的观察点的数据集。例如，m维变量的“n”个观察点可组成一个多变量数据集。举例而言，轨迹数据可包括一辆或多辆邻车的变道信息、速度信息和车辆基础设施数据，其中，一个或多个上述参数对应于所述m个维度，而该一辆或多辆邻车对应于所述“n”个观察点。该轨迹数据即为所述多变量数据集的一例。

“copula”是指多变量数据集的多变量概率分布，其可用于解耦该多变量数据集的各个维度之间的相互关联关系。在一种实施方式中，所述copula可表示为所述多变量数据集的各个维度的相应单变量边分布的函数。在一种实施方式中，各单变量边分布可均匀分布。在一种实施方式中，m维copula可表示为多变量分布函数c：[0，1]^m→[0，1]。式2表示m维多变量数据集的通过m维copula函数“c”联结的联合分布函数f与各单变量边分布f1(x1)、f2(x2)、......、fm(xm)之间的关系：

f(x1，x2，...xm)＝c(f1(x1)，f2(x2)，...fm(xm))......式(2)

其中：

xi为所述m维多变量数据集的第i维的随机变量(如多变量医疗数据集的生理参数度量)；

fi(xi)为该m维多变量数据集的第i维的单变量边分布，其中，ui≤fi(xi)，ui为xi的累积分布；

f()为该m维多变量数据集的联合分布函数；

c()为m维copula函数。

“联合密度函数”是指多变量数据集的联合概率分布。在一种实施方式中，所述联合密度函数可表示将值分配给所述多变量数据集的处于每一维度相关范围内的各维度的概率。在一种实施方式中，m维多变量数据集的联合密度函数f可如式3所示，由m维copula密度函数c1......m和单变量边密度函数f1、f2、......fm表示：

f(x1，x2，…xm)＝c1...m(f1(x1)，f2(x2)，…fm(xm))·f1(x1)·f2(x2)…fm(xm)......式(3)

其中：

f()为所述m维多变量数据集的联合密度函数；

fi(xi)为xi的边密度函数；

c1……m为m维copula密度函数，其中，

在一种实施方式中，所述m维多变量数据集的联合密度函数f也可如式5所示，由随机变量的条件密度表示：

f(x1,x2,…xm)＝fm(xm)·f(xm-1|xm)…f(x1|x2，…xm)...(5)

其中，f(xl|xl+1，…xl+j-1)为随机变量xl(第l维的随机变量)的条件密度，1≤l≤m-1且j＝m-l。

通过简化式3、式4和式5，所述联合密度函数f可如式6所示，由单变量边密度函数f1、f2、……fm和双变量copula密度表示：

其中，cl，l+j|l+1，...l+j-1为双变量copula分布cl，l+j|l+1，...l+j-1的密度，f(xl|xl+1，...xl+j-1)为所述随机变量xl的条件累积分布。

“双变量copula分布”是指可表示多变量数据集的一对维度之间的关联关系的copula分布。所述双变量copula分布例如可包括但不限于t学生copula(t-studentcopula)分布、克莱顿copula(claytoncopula)分布、耿贝尔copula(gumbelcopula)分布或高斯copula(gaussiancopula)分布。在一种实施方式中，所述双变量copula分布可以为dvinecopula(d-vinecopula)分布的一部分。

“dvinecopula”是指双变量copula分布的层级关系集合。在一种实施方式中，该dvinecopula可以以一组层级关系树的图形方式表示，每一层级关系树均可包括按顺序排列且由一组边连接的一组节点。此外，每一连接层级关系树内一对节点的边可表示一种双变量copula分布。在一种实施方式中，对于“m”个随机变量，所述dvinecopula可对应于含m-1个层级关系树的层级关系结构，该m-1个层级关系树共表示种双变量copula分布。

举例而言，dvinecopula可用于表示式6所述的各双变量copula分布。在该情况下，式6中的变量j可表示该dvinecopula的层级关系树，式6中的变量l可表示该层级关系树内的边，如此即可通过该dvinecopula表示出式6中的每种双变量copula分布。在一种实施方式中，该dvinecopula可作为多变量数据集的每一对维度间关联关系的模型。在一种实施方式中，该dvinecopula模型内的各双变量copula分布可以为不同copula函数组的成员。各copula函数组例如包括但不限于t学生copula(t-studentcopula)分布、克莱顿copula(claytoncopula)分布、耿贝尔copula(gumbelcopula)分布或高斯copula(gaussiancopula)分布。

“h函数”是指由根据参数已知的双变量copula分布而表示的随机变量条件分布。在一种实施方式中，h函数可用于表示由一对(m-1)维条件分布所表示的m维条件分布。如此，该h函数即可用于对由表示原始条件分布的各个维度的各随机变量所表示的条件分布进行递归评价。下式7为由h函数所表示的条件累积分布函数的一例：

其中：

f(xj|x1，...xj-1)为xj的条件累积分布；

cj，1|2，...j-1为由第2参数、第3参数、……第(j-1)参数决定的第j个和第1个维度之间的双变量copula分布；

∑j，1|2...j-1为双变量copula分布cj，1|2，...j-1的各参数，其中，这些参数可预先估算；

h()为上述h函数。

本领域技术人员可理解的是，随机变量的条件累积分布可等同于该随机变量的相应边分布的条件累积分布。也就是说，由随机变量所表示的h函数可等同于由该随机变量的相应边分布所表示的h函数。例如，对于相应的边分布为u1＝f1(x1)和u2＝f2(x2)的随机变量x1和x2而言，f(u1|u2)＝f(x1|x2)＝h(x1，x2)＝h(u1，u2)。

“累积分布”是指描述具有给定概率分布的实值随机变量x的值小于或等于x的概率的分布函数。“边累积分布”是指表示多变量数据集的单个维度的随机变量的累积分布。举例而言，表示多变量数据集的第i个维度的随机变量xi的边累积分布可表示为fi(xi)或ui。“条件累积分布”是指由多个随机变量当中的至少一个随机变量所决定的该多个随机变量的多变量累积分布。举例而言，对于随机变量x1，x2和x3的三维条件累积分布f(x3|x2,x1)而言，随机变量x3的边累积分布可由随机变量x1和x2的边累积分布决定。

“反向累积分布”是指随机变量x的累积分布的反向函数。“概率”应广义地理解为包括：任何概率计算；利用任何类型的输入数据进行的粗略概率估算(无论其是否精确)；用于表示概率的任何数字(无论计算值，还是预设值)；或者具有使用或求取与概率具有某种关系的某些数据的效果的任何方法步骤。“随机变量”是指可概率性或随机性赋值的变量。“期望最大化(em)算法”是指用于确定某个分布的一个或多个参数的最大似然估计值的统计技术，其中，该分布取决于未发现的潜在变量。

参考以上解释内容，在本例示实施方式中，采用四维常规vinecopula，该copula为一系列层级关系树。根据式8，确定该系列层级关系树的数目：

(d-1)……式(8)

其中，d为节点数。

由于以上已确定了四个矢量，因此d的取值为四。如此，所述四维常规vinecopula即具有三个层级关系树。图8c中的vine结构806所示为所述四维常规vinecopula的vine结构。vine结构806具有v1、v2、v3和v4四个节点，以上已对每一该节点进行了解释。该vine结构806包括c-12、c-14、c-24和c-34四对vinecopula。其中，该vinecopula可根据双变量copula函数确定，该函数为所述多辆邻车当中的每一邻车的具有均匀边的轨迹数据分布。该双变量copula可由下9表示：

c:[0,1]²……式(9)

图8d所示为vine结构806的dvinecopula808。dvinecopula808对应于所述多变量数据包括v1、v2、v3和v4四个矢量的情形。因此，如图8d所示，dvinecopula808可包括以下三个层级关系树(即m-1个层级关系树，其中，m为矢量数)：层级关系树810；层级关系树812；层级关系树814。

dvinecopula808的特定层级的层级关系树可包括一系列相互连接的节点。在一种实施方式中，处于dvinecopula808的第一层级的层级关系树810可表示所述多变量数据的各个矢量。因此，该第一层级的节点数可与表示变道信息、速度信息、车辆基础设施数据及方向/速度信息的参数的数目相等。此外，层级关系树810可表示各对上述参数之间的双变量copula分布。

在一种实施方式中，每一下方层级的层级关系树(即层级关系树812和层级关系树814)可表示上一层级的双变量copula分布及根据该上一层级的双变量copula分布确定的条件双变量copula分布。举例而言，层级关系树810包括分别表示v1、v2、v3和v4所述四个矢量的四个节点810a～810d。节点810a～810d分别由边810ab、810bc和810cd按顺序连接。每一条边表示两个相应矢量之间的双变量copula分布。例如，如图8d所示，连接节点810a(表示v1)和节点810b(表示v2)的边810ab可表示双变量copulac12。类似地，边810bc可表示双变量copulac23，边810cd可表示双变量copulac34。

dvinecopula808的第二层级的层级关系树812包括812a、812b和812c三个节点。该三个节点(即812a～812c)当中的每一节点可表示上一层级所表示的相应双变量copula。例如，如图8d所示，第二层级的节点812a可对应于第一层级的边810ab。类似地，第二层级的节点812b可对应于第一层级的边810bc，第二层级的节点812c可对应于第一层级的边810cd。因此，节点812a可表示由上一层级(即第一层级)的相应边810ab所表示的双变量copulac12。类似地，节点812b可表示第一层级的相应边810bc所表示的双变量copulac23，节点812c可表示第一层级的相应边810cd所表示的双变量copulac34。

此外，dvinecopula808的第二层级的节点812a～812c可分别由边812ab和812bc按顺序连接。第二层级的每一对节点之间的边均可表示可根据该对节点所表示的一对双变量copula确定的条件双变量copula。例如，连接节点812a(表示c12)和节点812b(表示c23)的边812ab可表示条件双变量copulac13|2。类似地，连接节点812b和812c(分别表示c23和c34)的边812bc可表示条件双变量copulac24|3。

此外，dvinecopula808的第三层级的层级关系树814包括814a和814b两个节点。节点814a可对应于上一层级(即第二层级)的边812ab。此外，节点814b可对应于第二层级的边812bc。因此，节点814a可表示相应边812ab所表示的条件双变量copulac13|2。类似地，节点814b可表示相应边812bc所表示的条件双变量copulac24|3。此外，节点814a和814b可由边814ab连接。边814ab可表示可根据条件双变量copulac13|2和c24|3(分别由节点814a和814b表示)确定的条件双变量copulac14|3,2。

此外，在一种实施方式中，dvinecopula808的各个双变量copula可包括但不限于t学生copula(t-studentcopula)分布、克莱顿copula(claytoncopula)分布、耿贝尔copula(gumbelcopula)分布或高斯copula(gaussiancopula)分布。本领域技术人员可理解的是，虽然以上将dvinecopula808描述为用于本申请所述的四个矢量的例示情形，但dvinecopula808还可类似地扩展至任何数目的矢量。在一种实施方式中，dvinecopula808的层级数可表示为m-1，dvinecopula808所表示的双变量copula数可表示为m(m-1)/2，其中，m为矢量数。

随后，计算copula密度，该copula密度可计算为由下式10所示所述第一矢量、第二矢量、第三矢量和第四矢量的函数：

copula密度＝f(v1,v2,v3,v4)……式(10)

而且，可按照下式11，下式12和下式13，计算总copula密度：

copula密度＝f(copula对密度×边密度)……式(11)

边密度＝f4(v4).f3(v3).f2(v2).f1(v1)……式(12)

copula对密度＝{c-12[f1(v1),f2(v2)].c-23[f2(v2),f3(v3)].c-34[f3(v3),f4(v4)]}*{c-13|2[f1|2(v1|v2),f3|2(v3|v2)].c24|3[f2|3(x2|x3),f4|3(x4|x3)]}*{c14|23[f1|23(v2|v3),f4|23(v2|v3)]}……式(13)

随后，确定式14所示的关联模型：

vine结构树+copula密度+copula参数……式(14)

在此之后，对式14所示的关联模型进行双变量最大似然估计，以确定当前车辆的方向及当前车辆的速度。

图9为用于实施各种实施方式的例示计算机系统框图。计算机系统902可包括中央处理单元(“cpu”或“处理器904”)。处理器904可包括至少一个用于执行程序组件的数据处理器，该程序组件用于执行用户或系统生成的请求。用户可包括个人，使用设备(例如，本发明范围内的设备)的个人或此类设备本身。处理器904可包括集成系统(总线)控制器、内存管理控制单元、浮点单元、图形处理单元、数字信号处理单元等的专用处理单元。处理器904可包括微处理器，例如速龙微处理器、毒龙微处理器或皓龙微处理器，arm应用处理器，嵌入式或安全处理器，intel处理器、安腾处理器、至强处理器、赛扬处理器或其他处理器产品线等。处理器904可通过主机、分布式处理器、多核、并行、网格或其他架构实现。一些实施方式可使用专用集成电路(asic)、数字信号处理器(dsp)、现场可编程门阵列(fpga)等的嵌入式技术。

处理器904可设置为通过输入/输出(i/o)接口906与一个或多个i/o设备进行通信。i/o接口906可采用通信协议/方法，例如但不限于，音频、模拟、数字、单声道、rca、立体声、ieee-1394、串行总线、通用串行总线(usb)、红外、ps/2、bnc、同轴、组件、复合、数字视觉接口(dvi)、高清晰度多媒体接口(hdmi)、射频天线、s-video，vga、ieee802.n/b/g/n/x、蓝牙、蜂窝(例如码分多址(cdma)、高速分组接入(hspa+)、移动通信全球系统(gsm)、长期演进(lte)、wimax等)等。

计算机系统902可通过i/o接口906与一个或多个i/o设备通信。输入设备908可例如为天线、键盘、鼠标、操纵杆、(红外)遥控、摄像头、读卡器、传真机、加密狗、生物计量阅读器、麦克风、触摸屏、触摸板、轨迹球、传感器(例如加速度计、光传感器、gps、陀螺仪、接近传感器等)、触控笔、扫描仪、存储设备、收发器、视频设备/视频源、头戴式显示器等。输出设备910可以为打印机、传真机、视频显示器(如阴极射线管(crt)、液晶显示器(lcd)、发光二极管(led)、等离子等)、音频扬声器等。在一些实施方式中，收发器912可与处理器904连接。收发器912可促进各类无线传输或接收。收发器912可例如包括以可操作方式连接至收发器芯片(例如德州仪器(texas)wilink收发器、博通收发器、英飞凌科技(infineon)x-gold918-收发器等)的天线，以实现ieee802.11a/b/g/n、蓝牙、fm、全球定位系统(gps)、2g/3ghsdpa/hsupa通信等。

在一些实施方式中，处理器904可设置为通过网络接口916与通信网络914通信。网络接口916可与通信网络914通信。网络接口916可采用连接协议，包括但不限于，直接连接，以太网(例如双绞线10/100/1000baset)，传输控制协议/网际协议(tcp/ip)，令牌环，ieee802.11a/b/g/n/x等。通信网络914可包括，但不限于，直接互连、局域网(lan)、广域网(wan)、无线网络(例如使用无线应用协议)、因特网等。通过网络接口916和通信网络914，计算机系统902可与设备918、920和922通信。这些设备可包括，但不限于，个人计算机，服务器，传真机，打印机，扫描仪，以及各种移动设备，例如蜂窝电话、智能电话(例如苹果智能电话、黑莓智能电话、安卓类电话等)、平板电脑、电子书阅读器(亚马逊电子书阅读器，平板电脑等)、膝上型计算机、笔记本电脑、游戏机(微软游戏机、任天堂游戏机，索尼游戏机等)等。在一些实施方式中，计算机系统902可本身包含一个或多个上述设备。

在一些实施方式中，处理器904可配置为通过存储接口924与一个或多个存储设备(例如ram926、rom928等)通信。存储接口924可采用串行高级技术连接(sata)、集成驱动电子设备(ide)、ieee1394、通用串行总线(usb)、光纤通道、小型计算机系统接口(scsi)等的连接协议连接至存储设备，该存储设备包括，但不限于，存储驱动器、可移除磁盘驱动器等。所述存储驱动器还可包括磁鼓、磁盘驱动器、磁光驱动器、光盘驱动器、独立磁盘冗余阵列(raid)、固态存储设备、固态驱动器等。

存储器930可存储一系列程序或数据库组件，包括但不限于，操作系统932、用户界面应用程序934、网页浏览器936、邮件服务器938、邮件客户端940、用户/应用程序数据942(例如本发明中所述的任何数据变量或数据记录)等。操作系统932可促进计算机系统902的资源管理和运行。操作系统932例如包括，但不限于，苹果osx平台、unix平台、unix类系统套件(例如伯克利软件套件(bsd)、freebsd、netbsd、openbsd等)、linux套件(如red等)、os/2平台、微软windows平台(xp，vista/7/8等)、苹果平台、谷歌和平台、黑莓操作系统平台等。用户界面934可利用文本或图形工具促进程序组件的显示、执行、互动、操控或操作。例如，用户界面可在以可操作方式连接至计算机系统902的显示系统上提供光标、图标、复选框、菜单、滚动条、窗口、窗口部件等的计算机交互界面元件。此外，还可采用图形用户界面(gui)，包括但不限于，苹果macintosh操作系统的平台、平台、微软平台(例如平台、平台等)、unixx-windows、网页界面库(例如平台、编程语言、编程语言、编程语言、html、平台等)等。

在一些实施方式中，计算机系统902可执行网页浏览器936存储的程序组件。网页浏览器936可以为微软internet网页浏览器、谷歌网页浏览器、谋智火狐网页浏览器、苹果网页浏览器等的超文本浏览应用程序。其中，可通过https(安全超文本传输协议)、安全套接字层(ssl)、安全传输层(tls)等实现安全网页浏览。网页浏览器可使用ajax、dhtml、平台、编程语言、编程语言、应用程序编程接口(api)等工具。在一些实施方式中，计算机系统902可执行邮件服务器738存储的程序组件。邮件服务器938可以为微软邮件服务器等的因特网邮件服务器。邮件服务器938可使用asp、activex、ansic++/c#、微软.编程语言、cgi脚本、编程语言、编程语言、编程语言、编程语言、编程语言、webobjects等工具。邮件服务器938还可使用因特网信息访问协议(imap)，邮件应用程序编程接口(mapi)，微软exchange，邮局协议(pop)，简单邮件传输协议(smtp)等的通信协议。在一些实施方式中，计算机系统902可执行邮件客户端740存储的程序组件。邮件客户端940可为苹果邮件客户端、微软邮件客户端、微软邮件客户端、谋智邮件客户端等的邮件查看程序。

在一些实施方式中，计算机系统902可存储用户/应用程序数据942，例如本发明中所述数据、变量、记录等。此类数据库可以为容错、关系、可扩展、安全数据库，例如甲骨文数据库或赛贝斯数据库。或者，上述数据库可通过数组、散列、链表、结构、结构化文本文件(例如xml)、表格等标准化数据结构实现，或者实施为面向对象的数据库(例如通过对象数据库、对象数据库、对象数据库等)。上述数据库可以为合并或分布数据库，有时分布于本发明所讨论的上述各种计算机系统之间。应该理解的是，上述任何计算机或数据库组件的结构及操作可以以任何可行的组合形式进行组合、合并或分布。

可以理解的是，为了清楚起见，以上已参考不同功能单元和处理器对本发明实施方式进行了描述。然而，容易理解的是，在不脱离本发明的前提下，还可将功能在不同功能单元、处理器或域之间进行任何合适的分布。例如，描述为由各不同处理器或控制器实现的功能也可由同一处理器或控制器实现。因此，所指的特定功能单元仅视为指代用于提供所描述功能的合适手段，而不严格表示逻辑上或物理上的结构或组织。

本发明的各种实施方式提供了一种基于邻车的车辆控制方法和装置。所公开的实施方式具有多项优点。通过使用dvinecopula分布模型，本发明可实现多变量数据集的有效聚类。该多变量数据集可例如为车辆基础设施数据集。通过使用dvinecopula分布模型，可以计算方向/速度矢量。dvinecopula分布模型虽然在数值类型数据的聚类方面表现稳健，但是在类别类型数据的处理方面可能较为低效。此外，当所述多变量数据集中存在缺失值时，dvinecopula分布模型可能表现不佳。此外，为了确定dvinecopula分布模型，可能需要进行大量的潜在变量采样工作。本发明克服了dvinecopula分布模型在对多变量数据集进行聚类及确定该多变量数据集中复杂关联关系方面的上述缺点，从而实现所有矢量的精确关联以及当前车辆方向/速度矢量的高效计算。因此，本发明方法可实现自动和半自动车辆的有效控制，并有助于促进非自动车辆的控制，从而使得车辆不易发生事故。

上文所述各步骤并非常规、现有或本领域的已知步骤，相反，这些步骤能够为现有技术中存在的问题提供下述解决之道。为了实现车辆的有效控制，现有技术未将道路的平整施工或不平整度、路上坑洼、静止障碍物或突然出现的障碍物(如山体滑坡或倒下树木所形成的障碍物)等的各种道路异常或反常状况的相关信息考虑在内。本发明方法通过图像拍摄以及从拍摄到的图像中识别基准对象而对邻车的位置变化进行识别和跟踪。随后，相对于将所述基准对象框入其内的边界框，对该基准对象进行跟踪，以检测所述邻车的位置变化。此外，还通过使用多项技术的组合，确定多辆邻车的相关轨迹数据。该多项技术的运用可实现所述轨迹数据的准确稳健估算。该方法还将所述基准对象的位置变化信息、所述轨迹数据及方向/速度矢量相关联，从而实现更加精确地估计所述邻车所遭遇的异常状况或异常路况的类型。如此，当前车辆便可通过采取最合适的位置变化避开所述异常状况，而且该方法和装置可使得当前车辆内的乘坐人员获得良好的行驶体验。

本说明书已对基于邻车的车辆控制方法和装置进行了描述。所示步骤用于说明所述例示实施方式，并且应当预想到的是，随着技术的不断发展，特定功能的执行方式也将发生改变。本文所呈现的上述实施例用于说明而非限制目的。此外，为了描述的方便性，本文各组成功能段落的划界较为随意，只要能够恰当地实现上述各功能及其关系，所述各功能段落可采用其他划界方式。根据本申请技术内容，替代方案(包括本申请所述的等同方案、扩展方案、变形方案、偏差方案等)对于相关领域技术人员是容易理解的。这些替代方案均落入所公开实施方式的范围和精神内。

此外，一个或多个计算机可读存储介质可用于实施本发明的实施方式。计算机可读存储介质是指可对处理器可读取的信息或数据进行存储的任何类型的物理存储器。因此，计算机可读存储介质可对由一个或多个处理器执行的指令进行存储，包括用于使处理器执行根据本申请实施方式的步骤或阶段的指令。“计算机可读介质”一词应理解为包括有形物件且不包括载波及瞬态信号，即为非暂时性介质，例如包括随机存取存储器(ram)、只读存储器(rom)、易失性存储器、非易失性存储器、硬盘驱动器、cd-rom、dvd、闪存驱动器、磁盘以及其他任何已知物理存储介质。

以上公开内容及各实施例旨在仅视为示例性内容及实施例，所公开实施方式的真正范围和精神如权利要求所示。