识别车道通行状态的方法、装置、设备以及存储介质与流程

1.本公开人工智能领域，尤其涉及自动驾驶、智能交通等技术领域。具体涉及一种识别车道通行状态的方法、装置、设备以及存储介质。


背景技术：

2.智能驾驶是一种集中运用了先进的信息控制技术、环境感知、多等级辅助驾驶等功能于一体的车辆控制技术。智能驾驶能够提升道路通行效率以及车辆驾驶安全，大大裨益人们的生活。
3.在智能驾驶场景中，理解驾驶车辆周边车辆前方车道的通行状态，能够帮助预测周边车辆的驾驶行为，从而有利于辅助驾驶车辆作出正确的驾驶决策。


技术实现要素：

4.本公开提供了一种用于识别车道通行状态的方法、装置、设备以及存储介质。
5.根据本公开的第一方面，提供了一种识别车道通行状态的方法，应用于第一车辆；方法包括：
6.获取第一车辆预设范围内的至少一个第二车辆的驾驶数据；基于第二车辆的驾驶数据，预测第二车辆对应的目标车道；基于目标车道的障碍物情况确定目标车道的通行状态；基于目标车道的通行状态确定第一车辆的驾驶策略。
7.根据本公开的第二方面，提供了一种识别车道通行状态的装置，应用于第一车辆；装置包括：获取单元，用于获取第一车辆预设范围内的至少一个第二车辆的驾驶数据；预测单元，用于基于第二车辆的驾驶数据，预测第二车辆对应的目标车道；第一确定单元，用于基于目标车道的障碍物情况确定目标车道的通行状态；第二确定单元，用于基于目标车道的通行状态确定第一车辆的驾驶策略。
8.根据本公开的第三方面，提供了一种电子设备，包括：
9.至少一个处理器；以及
10.与至少一个处理器通信连接的存储器；其中，
11.存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面中的任一项方法。
12.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行第一方面中的任一项方法。
13.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行第一方面中的任一项方法。
14.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
15.附图用于更好地理解本方案，不构成对本公开的限定。其中：
16.图1是本公开的实施例提供的一种交通道路平面示意图；
17.图2是本公开的实施例提供的另一种交通道路平面示意图；
18.图3是本公开一些实施例提供的识别车道通行状态的方法的流程示意图；
19.图4是本公开的实施例提供的一条车道上多个车道片段的位置示意图；
20.图5是本公开的实施例提供的一种车道序列对应的车道片段的位置示意图；
21.图6是本公开的实施例提供的另一种车道序列对应的车道片段的位置示意图；
22.图7是本公开的实施例提供的一种预测轨迹的示意图；
23.图8是本公开的实施例提供的一种修正预测轨迹的示意图；
24.图9是本公开的实施例提供交通道路上存在探测盲区的位置示意图；
25.图10是本公开另一些实施例提供的识别车道通行状态的方法的流程示意图；
26.图11是本公开一些实施例提供的识别车道通行的装置的结构示意图；
27.图12是本公开一些实施例提供的电子设备的结构示意图。
具体实施方式
28.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
29.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
30.图1是本公开的实施例提供的一种交通道路平面示意图；图2是本公开的实施例提供的另一种交通道路平面示意图。交通道路上行驶有多个车辆，同一道路上的多个车辆基于各自前往的目的地在道路上行驶。道路上的多个车辆可以包括第一车辆100和第二车辆200。第一车辆可以是自动驾驶车辆，也可以是手动驾驶车辆。第二车辆可以是手动驾驶车辆，也可以是自动驾驶车辆。
31.第一车辆100在道路上的行驶会受到第二车辆200的影响。可以理解地，第一车辆100的驾驶决策会因为第二车辆200采用不同的行驶方式而发生变化。
32.在一些示例中，如图1所示，第二车辆200可以是位于第一车辆100周边的车辆，第二车辆200与第一车辆100间的距离小于阈值，即第二车辆200为第一车辆100预设范围内的车辆。例如，预设范围为以第一车辆为中心半径为预设距离的圆形范围，半径可以为1m、2m、3m、5m、8m、10m、12m、15m、17m、20m等等。又例如，以第二车辆200为行驶在第一车辆100所在道路、且位于第一车辆100前方行驶的车辆201为例，车辆201进行减速行驶的情况下，会导致第一车辆100进行踩刹车的驾驶决策；车辆201进行匀速行驶的情况下，会导致第一车辆100进行保持车速的驾驶决策。又例如，以第二车辆200为行驶在第一车辆100所在道路右侧的邻车道的车辆202为例，车辆202进行向左侧车道变道行驶的情况下，会导致第一车辆100进行踩刹车的驾驶决策。
33.在另一些示例中，第二车辆200也可以是基于第一车辆100和第二车辆200的相对
位置、以及第一车辆100和第二车辆200的行驶状态(比如行驶方向和/或行驶速度)分析后，预测出的未来可能会与第一车辆产生交互的车辆。第一车辆和第二车辆的交互方式可以包括第二车辆与第一车辆在垂直于道路延伸的方向上并排行驶、第二车辆在道路上位于第一车辆的前方或后方，以及其他合适的交互方式，此处不作限定。
34.理论上，道路上的其他车辆都有可能会对第一车辆的驾驶决策产生影响。因此在另一些示例中，如图2所示，第二车辆还可以是除第一车辆之外的全部车辆。
35.第一车辆上可以设置有多种探测设备。第一车辆可以借助探测设备感知周边道路环境中的物体(例如汽车、自行车、行人、路障等等)，从而第一车辆能够获取到更丰富的实际道路信息，以便于第一车辆作出正确的驾驶决策。
36.示例性地，第一车辆上的探测设备可以包括摄像头。摄像头可以是固定摄像头，多个固定摄像头可以分别设置在第一车辆的车身外壁并朝外设置，以采集第一车辆周边道路的环境图像信息。摄像头也可以是旋转摄像头，旋转摄像头可以设置在车身的顶端，在旋转过程中采集第一车辆周边道路的环境图像信息。
37.示例性地，第一车辆上的探测设备也可以包括超声波探头。在第一车辆行驶过程中，超声波探头发射超声波信号，并接收从第一车辆周边环境中的物体反射回的超声波信号。通过分析超声波的反射位置，获知第一车辆周边道路环境中的物体。
38.第一车辆上的探测设备还可以包括其他具有探测功能的传感器，例如激光传感器等等，此处不作限定。
39.上面已经说明，第二车辆会对第一车辆的驾驶决策产生影响，因此第二车辆前方道路的通行状态就显得尤为重要。准确地识别第二车辆前方道路处于通畅状态或处于拥堵状态，对第二车辆未来的驾驶行为进行预测，从而基于预测的第二车辆的驾驶行为辅助第一车辆作出正确的驾驶决策。
40.基于此，本公开的实施例提供一种识别车道通行状态的方法、装置、设备以及存储介质。以帮助第一车辆准确地识别第二车辆前方道路的通行状态，提升对第二车辆未来的驾驶行为预测的准确性，进而辅助第一车辆作出正确的驾驶决策。以下分别进行说明。
41.本公开的实施例提供的识别车道通行状态的方法，可以应用于上述第一车辆，比如应用于第一车辆中的识别车道通行状态的装置。应理解，执行本公开方法的识别车道通行状态的装置不限于部署在第一车辆中，还可以部署在其他设备中，比如路边单元或其他服务器中，其他设备识别第二车辆前方道路的通行状态之后，将识别结果发送给第一车辆，以便第一车辆根据识别结果进行驾驶决策。下面以应用于第一车辆为例进行描述。
42.其中，在第二车辆的数量为多个的情况下，第一车辆可以在同一时刻识别多个第二车辆前方道路的通行状态，本公开下述图3所示方法以识别一个第二车辆前方道路的通行状态为例进行说明，识别其他第二车辆前方道路的通行状态的过程可以参照本公开所述，不予限制。
43.图3是本公开的一些实施例提供的识别车道通行状态的方法的流程图。该方法由第一车辆执行，具体的由第一车辆中的识别车道通行状态的装置执行，如图3所示，识别车道通行状态的方法包括步骤s301～步骤s304。
44.步骤s301：获取第二车辆的驾驶数据。
45.一些示例中，第二车辆的驾驶数据可以包括第二车辆的姿态信息。例如，第二车辆
的车身倾斜(车头朝向)方向。又例如，第二车辆轮胎的偏转方向。
46.又一些示例中，第二车辆的驾驶数据也可以包括第二车辆发出的提示信息。例如，第二车辆的转向灯发出的提示信息。又例如，第二车辆的刹车警示灯发出的提示信息。
47.再一些示例中，第二车辆的驾驶数据还可以包括第二车辆的行驶状态，比如第二车辆当前行驶道路，第二车辆的行驶速度、第二车辆的移动信息。第二车辆的移动信息包括第二车辆在横向(垂直于车道延伸的方向)上的移动方向。又例如，第二车辆向左移动时的横向速度。
48.当然，第二车辆的驾驶数据还可以是其他合适的信息，例如步骤s500中所述的驾驶数据可以是第二车辆的历史驾驶数据(或称为历史时刻的驾驶数据，历史时刻为当前时刻之前的时刻)，也可以是第二车辆当前时刻的驾驶数据，还可以是预设时间段内第二车辆的驾驶数据，该时间段包括当前时刻以及当前时刻之前的多个连续时刻，本公开实施例对此不作限定。
49.示例性的，第一车辆可以通过上述探测设备，获取到第二车辆的驾驶数据。例如，第一车辆可以通过超声波探头获取到第二车辆的姿态信息；和/或，第一车辆可以通过摄像头获取到第二车辆发出的提示信息。
50.步骤s302：基于第二车辆的驾驶数据，预测第二车辆对应的目标车道。
51.在高精地图中，一般包括有大量的道路信息，例如人行道、车道、路口、标识牌、交通信号灯等地图数据，这些地图数据均是通过多个数据片段组成的。以车道为例，高精地图的车道生成装置将车道分割为多个连续的车道片段。在一些示例中，车道片段的划分可以依据车道的延伸方向及其变化趋势划分。以直行车道为例，如图4所示，一条直行车道包括延伸方向不同的至少两个道路段40，其中，一个延伸方向的道路段为一个车道片段41，且该直行车道中另一个延伸方向的道路段为另一个车道片段42。也就是说，高精地图的道路生成装置可依据车道的延伸方向的变化情况将车道分割为不同的车道片段。在另一些示例中，高精地图的道路生成装置也可依据车道横向宽度的变化情况将车道分割为不同的车道片段，还可以依据其他合适的因素将车道分割为不同的车道片段，此处不作限定。
52.可以理解地，不同的车道片段的纵向(平行于车道的延伸方向)长度可以不同。一个车道片段的纵向长度可以为几米，也可以为几百米，此处不作限定。
53.第二车辆对应的目标车道，是指第一车辆预测的第二车辆未来会驶入的车道片段。目标车道可以是第二车辆当前行驶车道的车道片段，也可以是与第二车辆当前行驶车道相邻车道的车道片段。
54.第一车辆在获取到第二车辆的驾驶数据后，基于第二车辆的驾驶数据预测第二车辆的目标车道。需要说明的是，第二车辆的驾驶数据并不是不变的，第二车辆的驾驶数据是变化的，在第二车辆的驾驶数据发生变化之后，第一车辆预测的第二车辆的目标车道也可以相应改变。例如，第一时刻第二车辆的驾驶数据与第二时刻第二车辆的驾驶数据不同，则第一时刻第一车辆预测的第二车辆的目标车道可以与第二时刻第一车辆预测的第二车辆的目标车道不同。
55.步骤s303：基于目标车道的障碍物情况确定目标车道的通行状态。
56.第一车辆可以借助自身的探测设备，探测已确定的目标车道上是否存在除第二车辆之外的物体。若目标车道上存在除第二车辆之外的物体，均可以认为目标车道上存在障
碍物。障碍物可以是汽车、自行车、电动车、行人、动物、以及路障等等，此处不作限定。
57.第一车辆输出的障碍物情况，至少包括目标车道上存在障碍物或目标车道上不存在障碍物。在一些示例中，第一车辆输出的障碍物情况只包括目标车道上存在障碍物或目标车道上不存在障碍物。在另一些示例中，第一车辆输出的障碍物情况，还可以包括障碍物在纵向上的移动速度、障碍物在横向上的障碍宽度等合适的障碍物信息，此处不作限定。
58.目标车道的通行状态表示第二车辆未来道路的通行状态。通行状态可以简单地分为拥堵或畅通，也可以在目标车道处于拥堵状态的情况下，对不同程度的拥堵情况进行分级。
59.目标车道的通行状态的确定方式，可以通过第一车辆的探测设备对目标车道进行探测来确定；也可以基于高精地图实时对实际道路路况的监测数据，确定目标车道的通行状态；还可以通过其他合适的方式确定目标车道的通行状态，此处不作限定。
60.步骤s304：基于目标车道的通行状态确定第一车辆的驾驶策略。
61.需要说明的是，在第一车辆为人工驾驶车辆的情况下，目标车道上通行状态的识别结果可以通过屏幕显示或者语音提示的方式传达给第一车辆的驾驶员，以便于驾驶员进行驾驶决策。在第一车辆为自动驾驶车辆的情况下，自动驾驶车辆的驾驶控制单元可以接收并基于目标车道的通行状态自动作出驾驶决策。
62.本公开的实施例中，识别车道通行状态的方法通过第二车辆的驾驶数据预测第二车辆的目标车道，并通过探测目标车道的障碍物来识别目标车道的通行状态。能够使得第一车辆获取到更丰富且全面的实际道路信息，有助于第一车辆进行驾驶决策，以提升第一车辆的安全性和行车效率。
63.在一些实施例中，识别车道通行状态的方法在步骤s302之前还可以包括：获取第二车辆的车道集合。
64.其中，车道集合包括多个车道片段序列，每个车道片段序列对应第二车辆的一种驾驶行为；每个车道片段序列包括多个连续拼接的车道片段的标识信息所组成的序列。
65.第二车辆的车道集合可以是其他装置创建后发送给第一车辆，也可以是第一车辆自行创建得到的，此处不作限定。
66.示例性的，车道片段序列，是指多个车道片段的标识信息按照第二车辆的行驶顺序排列组合得到的序列。一个车道片段序列用于表示现实道路上第二车辆发生一种驾驶行为后会产生的一条行驶路线，该行驶路线可以分为多个车道片段，一个车道片段对应一个标识信息，该行驶路线对应的多个车道片段的标识信息按照第二车辆的行驶顺序组成在一起作为车道片段序列。
67.上述驾驶行为可以包括刹车、掉头、左转、右转、向左侧变道、向右侧变道等等，此处不作限定。可以理解地，对车辆的行驶方式进行调整的操作均可以作为驾驶行为。
68.在一些示例中，一个车道片段序列包括(p1，p2，p3，p4)。如图5所示，表示现实道路上第二车辆当前行驶车道的车道片段p1、第二车辆当前行驶车道右侧车道的车道片段p2、路口右转车道片段p3、以及过路口后的车道片段p4。车道片段p1～p4依次连续拼接，形成第二车辆发生右转的驾驶行为后会产生的一条行驶路线。
69.在另一些示例中，一个车道片段序列包括(p5，p6，p7)。如图6所示，表示现实道路上第二车辆当前行驶车道的车道片段p5、掉头车道片段p6、以及掉头后对侧车道片段p7。车
道片段p5～p7依次连续拼接，形成第二车辆发生掉头驾驶行为后会产生的一条行驶路线。
70.第二车辆的车道集合可以包括第二车辆所有可能的车道片段序列。例如，第二车辆可以进行左转、直行、右转和掉头等驾驶行为的情况下，第二车辆的车道集合可以包括对应第二车辆左转的车道片段序列、对应第二车辆直行的车道片段序列、对应第二车辆右转的车道片段序列、以及对应第二车辆掉头的车道片段序列。可以理解地，第二车辆的车道集合，包括第二车辆未来会驶入的车道片段。
71.以第一车辆创建第二车辆的车道集合为例，第一车辆首先确定第二车辆所有可选的驾驶行为，之后确定第二车辆在每一种可选的驾驶行为下会形成的行驶路线。确定每个行驶路线包含的车道片段，并将一条行驶路线上车道片段的标识信息按行驶顺序进行组合，得到第二车辆的一个车道片段序列，进而得到第二车辆全部的车道片段序列，成功创建第二车辆的车道集合。
72.示例性地，如图5和图6所示，第一车辆确定第二车辆所有可选的驾驶行为是掉头和右转之后，确定第二车辆在右转行为下会形成的行驶路线1和第二车辆在掉头行为下会形成的行驶路线2，确定行驶路线1包含的车道片段p1～p4组成一个车道片段序列，确定行驶路线2包含的车道片段p5～p7组成另一个车道片段序列，成功创建第二车辆的车道集合。车道集合中包括车道片段p1～p7。
73.在此基础上，步骤s302可以包括：基于第二车辆的驾驶数据，预测第二车辆的目标驾驶行为；从车道集合中，确定与目标驾驶行为对应的目标车道片段序列；选取目标车道片段序列中的至少一个车道片段作为目标车道。
74.一些示例中，第二车辆的驾驶数据包括能够体现第二车辆当前的驾驶状况的数据。例如，第二车辆的轮胎向左偏转，能够体现第二车辆想要向左移动。又例如，第二车辆的左转指示灯闪烁，也能够体现第二车辆想要向左移动。
75.另一些示例中，第二车辆驾驶数据包括能够体现第二车辆中驾驶员的驾驶习惯。又例如，第二车辆驾驶数据包括第二车辆的历史驾驶数据。基于第二车辆的历史驾驶数据，能够获取到第二车辆过往在当前车道上进行不同驾驶行为的比例。
76.可以基于第二车辆的驾驶数据中一种或多种维度(第二车辆轮胎偏转方向、第二车辆指示灯提示信息、第二车辆的历史驾驶数据等)的数据，预测第二车辆的目标驾驶行为。
77.前面已经提到，车道集合中的每个车道片段序列分别对应第二车辆的一种驾驶行为。通过预测出第二车辆的目标驾驶行为后，可以用车道集合中找到对应目标驾驶行为的目标车道片段序列。
78.目标车道可以至少包括目标车道片段序列中第二车辆当前所处的车道片段，还可以包括目标车道片段序列中与该车道片段相连的其他车道片段。本公开的实施例并不限定目标车道中车道片段的数量。
79.本实施例中，第二车辆的车道集合包括第二车辆未来会驶入的车道片段，通过从车道集合中依据第二车辆最可能发生的驾驶行为，选取至少一个车道片段作为目标车道。能够在有限的多个车道片段中选取正确率最高的车道片段作为目标车道，从而提升目标车道预测的准确性。
80.在一些实施例中，基于第二车辆的驾驶数据，预测第二车辆的目标驾驶行为，可以
具体包括：将第二车辆的驾驶数据作为轨迹预测算法的输入数据，并获取轨迹预测算法输出的预测轨迹；基于预测轨迹，确定第二车辆的目标驾驶行为。
81.轨迹预测算法在进行深度学习后，能够取得较佳的预测正确率。轨迹预测算法可以包括vectornet算法、multipath++等合适的算法，此处不作限定。
82.本实施例中，第二车辆的驾驶数据至少包括轨迹预测算法所需的输入数据。这样，将第二车辆的驾驶数据作为轨迹预测算法的输入数据后，轨迹预测算法能够正常输出预测数据。
83.轨迹预测算法输出的预测数据为多个轨迹点，通过对相邻的轨迹点进行连线，从而能够得到轨迹预测算法输出的预测轨迹。
84.通过第二车辆当前所处的位置，以及轨迹预测算法输出的预测轨迹可以知道轨迹预测算法预测车辆未来的行驶路线，从而可以确定与该行驶路线对应的目标驾驶行为。
85.示例性地，如图7所示，第二车辆在左侧第二车道，轨迹预测算法输出的预测轨迹(图7中以黑色粗虚线示出)依次经过左侧第二车道、左侧第三车道且直行穿过前方路口。则可以确定该行驶路线对应的目标驾驶行为是向右变道。
86.可以理解地，在识别车道通行状态的方法利用预测轨迹算法确定目标车道片段序列的方案中，可以将基于预测轨迹确定第二车辆的目标驾驶行为、以及从车道集合中确定与目标驾驶行为对应的目标车道片段序列的步骤，视为将预测轨迹算法输出的预测轨迹和车道集合中多个车道序列进行匹配的过程。
87.本实施例中，利用已完成深度学习的预测轨迹算法对第二车辆的目标驾驶行为进行预测。因为已完成深度学习的预测轨迹算法具有较高的预测精度，从而能够提高第一车辆预测第二车辆的目标驾驶行为的预测正确率。
88.由于第二车辆前方可能存在的阻挡物会影响第二车辆实际的行驶轨迹，使得第二车辆的实际行驶轨迹与预测轨迹不一致。
89.因此在一些实施例中，基于预测轨迹，确定第二车辆的目标驾驶行为具体可以包括：探测至少位于第二车辆前方的阻挡物的外形和大小，并利用凸包表示阻挡物；在预测轨迹与凸包的位置数据发生重叠的情况下，修正预测轨迹；基于修正后的预测轨迹，确定第二车辆的目标驾驶行为。
90.凸包是一种能够在高精地图中表示形状和面积大小的一种几何图形。凸包可以是外围的多个点连接起来构成的封闭多边形。凸包可以在高精地图中表示实际车道上的阻挡物在路面上的正投影范围(即横纵向投影范围)，凸包在高精地图中的位置数据表示阻挡物在路面上的位置。
91.在第一车辆借助自身的探测设备，探测到至少位于第二车辆前方的阻挡物的外形和大小之后，可以基于阻挡物的外形和大小在高精地图中模拟出对应的凸包，用于表示车道上的阻挡物。
92.使用凸包表示阻挡物，相较于中心点表示阻挡物的方式而言，能够使第一车辆更全面、具体地了解阻挡物在实际环境中对车道的阻挡和对车辆通行的影响。
93.轨迹预测算法输出的预测轨迹与凸包的位置数据发生重叠，表示轨迹预测算法预测的第二车辆的行驶轨迹会穿过阻挡物，这显然是不符合实际情况的。
94.因此针对这种情况，可以利用修正算法对轨迹预测算法输出的预测轨迹进行修
正，使得修正后的预测轨迹与凸包的位置数据不重叠，这样表示现实道路上的第二车辆会绕过前方的阻挡物继续行驶。
95.如图8所示，图8中黑色填充为凸包，表示两辆车相撞后暂时无法移动构成了车道中的阻挡物，并且占用了左侧第一车道和第二车道。轨迹预测算法预测第二车辆需要驶入左侧第一车道，以便第二车辆后续左转，因此输出预测轨迹ⅰ。然而，预测轨迹ⅰ与凸包的位置数据发生重叠，这表示第二车辆会穿过阻挡物，这显然是不符合实际情况的。
96.修正算法可以基于凸包的位置数据对预测轨迹ⅰ进行修正，从而得到5预测轨迹ⅱ，预测轨迹ⅱ会绕过前方的阻挡物，驶入左侧第一车道并继续行
97.驶。在轨迹预测算法预测第二车辆驾驶行为正确的情况下，预测轨迹ⅱ相对于预测轨迹ⅰ而言显然是更符合实际情况，也是第二车辆实际会行驶的轨迹。
98.本实施例中，通过将第二车辆前方的阻挡物使用凸包进行表示，并轨0迹预测算法输出的预测轨迹与凸包的位置数据发生重叠的情况下修正预
99.测轨迹，得到更加符合实际情况的预测轨迹，从而能够更全面且具体地预测第二车辆在实际环境中的目标驾驶行为，提升对目标驾驶行为预测的准确性。
100.在一些实施例中，识别车道通行状态的方法在步骤s302之前还可以5包括：获取路面交通信息。
101.第一车辆可以利用自身的探测设备获取路面交通信息。示例性地，第一车辆可以利用摄像头拍摄的交通信号灯图像，获取交通信号灯信息。
102.路面交通信息至少包括交通信号灯信息，路面交通信息还可以包括路面障碍物信息、路面积水信息等等，此处不作限定。
103.0上述基于所述第二车辆的驾驶信息预测所述第二车辆的目标驾驶行
104.为具体可以包括：基于第二车辆的驾驶数据和路面交通信息，预测第二车辆的目标驾驶行为。
105.示例性地，当第二车辆的车头偏左，且有向左的横向速度时，第一车
106.辆可以预测第二车辆的目标驾驶行为是从第二车辆所处的车道向左侧换5道。
107.示例性地，当第二车辆的车头朝正、车速下降，并且前方交通信号灯为红灯时，第一车辆可以预测第二车辆的目标驾驶行为是刹车。
108.本实施例中，在第二车辆的驾驶数据的基础上还结合了路面交通信息，
109.能够使得第一车辆获取到更丰富且全面的实际道路信息，从而能够提升第0一车辆对第二车辆的目标驾驶行为预测的准确性。
110.需要说明的是，本实施例和利用预测轨迹算法的实施例可以分别单独预测第二车辆的目标驾驶行为，也可以结合共同预测第二车辆的目标驾驶行为。
111.在一些实施例中，可以基于第二车辆的车速来确定目标车道中车道片段的数量。上述获取的第二车辆的驾驶数据，包括第二车辆的车速。车速可以是指在第二车辆在纵向上的速度，也可以是指第二车辆实际行驶方向的速度。上述选取所述目标车道片段序列中的至少一个车道片段作为所述目标车道可以具体包括：基于第二车辆的车速，确定距离阈值；距离阈值与第二车辆的车速正相关；从目标车道片段序列的多个车道片段中，选取在车道延伸方向上与第二车辆之间的间隔距离小于或等于距离阈值的至少一个车道片段作为目标车道。
112.距离阈值是用于选择目标车道中车道片段的参照工具。距离阈值可以与第二车辆在预设时长内的行驶距离接近或相等。例如，距离阈值可以等于第二车辆在20秒内行驶的距离，也可以等于第二车辆在30秒内行驶的距离。本公开的实施例对于预设时长不作限定。
113.第二车辆的车速越快，表示第二车辆在预设时长内的行驶距离越远，从而距离阈值可以越大。可以理解地，利用距离阈值选择目标车道中车道片段，可以使得目标车道包括第二车辆当前所处的车道片段、以及之后预设时长内经过的车道片段。
114.如图5所示，以目标车道片段序列包括车道片段p1～p4为例进行说明：在第二车辆的车速较慢的情况下，距离阈值可以为d1，第一车辆可以选取车道片段p1和p2作为目标车道；在第二车辆的车速较快的情况下，距离阈值可以为d2，第一车辆可以选取车道片段p1～p3作为目标车道。
115.需要说明的是，目标车道包括多个车道片段时，为相互连续拼接的多个车道片段。
116.本实施例中，利用与车速正相关的距离阈值选择目标车道中车道片段，可以使得目标车道包括第二车辆当前所处的车道片段、以及之后预设时长内经过的车道片段。从而便于后续识别第二车辆在之后预设时长内的车道通信状况。
117.一些示例中，可以根据障碍物情况直接确定目标车道的通行状态，比如若障碍物情况表征目标车道上存在障碍物，则目标车道的通行状态表征目标车道处于拥堵状态；若障碍物情况表示目标车道上不存在障碍物，则目标车道的通行状态表征目标车道处于畅通状态。拥堵状态表示在第二车辆前方的目标车道上存在障碍物；畅通状态表示在第二车辆前方的目标车道上不存在障碍物。
118.本示例中，能够简化对目标车道的通行状态确定的难度，提升第一车辆对目标车道的通行状态的识别效率，从而提升第一车辆基于目标车道的通行状态对第二车辆未来驾驶行为的预测效率。
119.在一些实施例中，障碍物情况表征目标车道上存在障碍物以及存在的障碍物的属性特征，属性特征包括移动速度的情况下，目标车道的通行状态还可以表征目标车道的拥堵等级。上述根据障碍物情况，确定目标车道的通行状态可以包括：基于障碍物情况，确定目标车道上的障碍物在目标车道延伸方向上的移动速度；根据障碍物在目标车道延伸方向上的移动速度，得到目标车道的拥堵等级。其中，障碍物在目标车道延伸方向上的移动速度可以与目标车道拥堵等级负相关。
120.障碍物在目标车道延伸方向上的移动速度能够体现目标车道上拥堵的程度。例如，障碍物在纵向上的移动速度慢，车辆又无法穿过障碍物，因此目标车道上所有车辆(包括第二车辆)的降速影响严重，从而目标车道拥堵程度严重。又例如，障碍物在纵向上的移动速度快，障碍物后方的车辆受到障碍物降速影响轻微，目标车道上所有车辆(包括第二车辆)的移动速度可以比较快，从而目标车道拥堵程度轻微。
121.在一些示例中，第一车道对目标车道的拥堵状态分为三个等级，包括拥堵程度逐渐增加的一级拥堵状态、二级拥堵状态和三级拥堵状态，其中，一级拥堵状态对应的拥堵程度轻微，三级拥堵状态对应的拥堵程度严重。
122.在障碍物情况包括的障碍物在车道延伸方向上的移动速度大于或等于第二车辆的驾驶数据中第二车辆在车道延伸方向上的车速的情况下，可以认为第二车辆大概率处于跟车状态，第二车辆的驾驶行为很可能不会突然改变，障碍物对第二车辆的降速影响轻微，
因而确定目标车道处于一级拥堵状态。这样，第一车辆在输出目标车道处于拥堵状态的识别结果，可以包括目标车道处于一级拥堵状态。
123.在障碍物情况包括的障碍物在车道延伸方向上的移动速度大于零且小于第二车辆的驾驶数据中第二车辆在车道延伸方向上的车速的情况下，可以认为障碍物对第二车辆的降速影响中等，因而确定目标车道处于二级拥堵状态。这样，第一车辆在输出目标车道处于拥堵状态的识别结果，可以包括目标车道处于二级拥堵状态。
124.在障碍物情况包括的障碍物在车道延伸方向上的移动速度等于零的情况下，可以认为障碍物为非交通参与者的静态物体，如锥筒，栅栏等，障碍物对第二车辆的降速影响严重，因而确定目标车道处于三级拥堵状态。这样，第一车辆在输出目标车道处于拥堵状态的识别结果，可以包括目标车道处于三级拥堵状态。
125.在另一些示例中，第一车辆可以将目标车道的拥堵状态分为两个等级、四个等级等等，此处不作限定。另外，对于障碍物在车道延伸方向上的移动速度对对第二车辆的降速影响的判定因素也可以不同。例如，可以认为障碍物在车道延伸方向上的移动速度大于或等于50km/h，认为障碍物对第二车辆的降速影响轻微，因而确定目标车道处于一级拥堵状态；可以认为障碍物在车道延伸方向上的移动速度小于10km/h，认为障碍物对第二车辆的降速影响严重，因而确定目标车道处于三级拥堵状态。
126.本实施例中，通过障碍物在纵向上的移动速度，对目标车道上的拥堵状态进行分级，能够使得第一车辆获取到更丰富且全面的实际道路信息，有助于第一车辆进行驾驶决策。
127.在另一些实施例中，障碍物情况表征目标车道上存在障碍物以及存在的障碍物的属性特征，属性特征包括障碍物在横向上的尺寸的情况下，目标车道的通行状态还可以表征目标车道的拥堵等级。上述根据障碍物情况，确定目标车道的通行状态可以包括：基于障碍物情况，确定目标车道上的障碍物在横向上的尺寸；根据障碍物在横向上的尺寸，得到目标车道的拥堵等级。其中，障碍物在横向上的尺寸可以与目标车道拥堵等级正相关。
128.本实施例中，凸包可以在高精地图中表示实际车道上的障碍物在路面上的正投影范围，凸包在高精地图中的位置数据表示障碍物在路面上的位置。
129.障碍物在横向上的尺寸能够直接影响车辆绕过障碍物所需的耗时和绕行距离，进而影响目标车道上拥堵的程度。例如，障碍物在横向上的尺寸长，车辆绕过障碍物所需的耗时长且绕行距离长，因此目标车道上所有车辆(包括第二车辆)的降速影响严重，从而目标车道拥堵程度严重。又例如，障碍物在横向上的尺寸短，车辆绕过障碍物所需的耗时短且绕行距离短，因此目标车道上所有车辆(包括第二车辆)的降速影响轻微，从而目标车道拥堵程度轻微。
130.本实施例中，通过障碍物在横向上的尺寸，对目标车道上的拥堵状态进行分级，能够使得第一车辆获取到更丰富且全面的实际道路信息，有助于第一车辆进行驾驶决策。
131.在一些道路场景中，第一车辆可能对目标车道存在探测盲区。例如，如图9所示，第一车辆与目标车道之间有大型车辆(例如重型卡车、公交车等等)，大型车辆会阻挡第一车辆的探测设备向目标车道进行探测，导致对目标车道存在探测盲区。
132.在第一车辆确定对目标车道存在探测盲区，并且识别目标车道处于畅通状态的情况下，第一车辆对于目标车道关于畅通状态的判断可能是不准确的。
133.为此一些实施例中，第一车辆在第一时刻确定目标车道的通行状态用于表征目标车道处于畅通状态的情况下，如图10所示，识别车道通行状态的方法还包括步骤s305～步骤s307。
134.步骤s305：确定第一车辆对目标车道是否存在探测盲区。
135.需要说明的是，第一车辆的探测设备在接收到反馈回的探测信号后，第一车辆可以基于反馈回的探测信号，确定在实际道路环境中是否存在探测盲区。
136.示例性地，通过判断探测盲区与目标车道是否存在重叠，在探测盲区与目标车道重叠的情况下，确定目标车道存在探测盲区。
137.步骤s306：在第一车辆对目标车道存在探测盲区的情况下，基于第二车辆的驾驶数据，监测第二车辆在第二时刻的车速是否低于第二车辆在第一时刻的车速。
138.在第一车辆确定对目标车道存在探测盲区，并且识别目标车道处于畅通状态的情况下，第一车辆通过获取第二车辆的驾驶数据，持续监测第二车辆的车速相较于之前确定目标车道处于畅通状态时刻下的车速是否降低。
139.步骤s307：若第二车辆在第二时刻的车速低于第二车辆在第一时刻的车速，则目标车道的通行状态用于表征目标车道处于拥堵状态。
140.若第二车辆在第二时刻的车速低于第二车辆在第一时刻的车速，表明目标车道中的探测盲区可能存在障碍物对第二车辆起到降速的影响。因此，目标车道的通行状态表征目标车道处于拥堵状态。
141.本实施例中，在第一车辆确定对目标车道存在探测盲区，并且识别目标车道处于畅通状态的情况下，为了避免因第一车辆存在探测盲区而导致识别结果不准确的问题发生，通过在监测到第二车辆车速降低的情况下，修正识别结果为目标车道处于拥堵状态，以提升识别结果的准确性，进而有助于第一车辆基于目标车道上通行状态的识别结果进行驾驶决策。
142.图11是本公开一些实施例提供的识别车道通行的装置的结构示意图。识别车道通行状态的装置，应用于第一车辆。如图11所示，装置包括：
143.获取单元401，用于获取第一车辆预设范围内的至少一个第二车辆的驾驶数。预测单元402，用于基于第二车辆的驾驶数据，预测第二车辆对应的目标车道。第一确定单元403，用于基于目标车道的障碍物情况确定目标车道的通行状态。第二确定单元404，用于基于目标车道的通行状态确定第一车辆的驾驶策略。
144.可选的，预测单元402，具体用于基于第二车辆的驾驶数据，预测第二车辆的目标驾驶行为；从车道集合中，确定与目标驾驶行为对应的目标车道片段序列；车道集合包括多个车道片段序列，每个车道片段序列对应第二车辆的一种驾驶行为；每个车道片段序列包括多个连续拼接的车道片段；选取目标车道片段序列中的至少一个车道片段作为目标车道。
145.可选的，第二车辆的驾驶数据，包括第二车辆的车速。预测单元402，还用于基于第二车辆的车速，确定距离阈值；距离阈值与第二车辆的车速正相关；从目标车道片段序列的多个车道片段中，选取在车道延伸方向上与第二车辆之间的间隔距离小于或等于距离阈值的至少一个车道片段作为目标车道。
146.可选的，预测单元402，还用于将第二车辆的驾驶数据作为轨迹预测算法的输入数
据，并获取轨迹预测算法输出的预测轨迹；基于预测轨迹，确定第二车辆的目标驾驶行为。
147.可选的，获取单元401，还用于获取路面交通信息；路面交通信息至少包括交通信号灯信息。预测单元402，还用于基于第二车辆的驾驶数据和路面交通信息，预测第二车辆的目标驾驶行为。
148.可选的，预测单元402，还用于探测至少位于第二车辆前方的阻挡物的外形和大小，并利用凸包表示阻挡物；在预测轨迹与凸包的位置数据发生重叠的情况下，修正预测轨迹；基于修正后的预测轨迹，确定第二车辆的目标驾驶行为；修正后的预测轨迹与凸包的位置数据不重叠。
149.可选的，障碍物情况表征是否存在障碍物。第一确定单元403，具体用于若障碍物情况表征目标车道上存在障碍物，则识别结果表征目标车道处于拥堵状态；若障碍物情况表征目标车道上不存在障碍物，则识别结果表征目标车道处于畅通状态。
150.可选的，障碍物情况表征目标车道上存在障碍物以及存在的障碍物的属性特征，属性特征包括移动速度。第一确定单元403，还用于基于障碍物情况，确定目标车道上的障碍物在目标车道延伸方向上的移动速度；根据障碍物在目标车道延伸方向上的移动速度，得到目标车道的拥堵等级，其中障碍物在目标车道延伸方向上的移动速度与目标车道拥堵等级负相关。
151.可选的，在第一时刻目标车道的通行状态用于表征目标车道处于畅通状态的情况下。第一确定单元403，还用于确定第一车辆对目标车道是否存在探测盲区；在第一车辆对目标车道存在探测盲区的情况下，基于第二车辆的驾驶数据，监测第二车辆在第二时刻的车速是否低于第二车辆在第一时刻的车速；若第二车辆在第二时刻的车速低于第二车辆在第一时刻的车速，则目标车道的通行状态用于表征目标车道处于拥堵状态。
152.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
153.图12示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
154.如图12所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执行各种适当的动作和处理。在ram 803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
155.电子设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
156.计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单
元801的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如识别车道通行状态的方法。例如，在一些实施例中，识别车道通行状态的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的识别车道通行状态的方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行识别车道通行状态的方法。
157.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
158.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
159.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
160.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
161.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界
面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
162.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
163.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提供的技术方案所期望的结果，本文在此不进行限制。
164.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。