一种确定路口路径的方法、装置、设备及存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及人工智能、自动驾驶、车联网、车机地图等领域。


背景技术：

2.高精地图是服务于自动驾驶、辅助驾驶的具有更高位置精度及丰富表达的地图数据。在智能驾驶方面可以表达出车道级的拓扑关系。同时，可以基于此类拓扑关系进行路径的决策、规划。
3.目前，一般的路径规划策略通过结合高精地图的拓扑连接，以及实际行车时的路况感知来决策某个路口的通过行为。其中，对于高精地图的路口连接方式所占的权重依然较大。


技术实现要素：

4.本公开提供了一种确定路口路径的方法、装置、设备以及存储介质。
5.根据本公开的第一方面，提供了一种确定路口路径的方法，方法可以包括：获取第一路口的进入退出道路组信息。其中，进入退出道路组信息包括进入退出道路关系信息，进入退出道路关系信息表示进入第一路口的第一车道与退出第一路口的第二车道之间的对应关系。然后，可以根据进入退出道路组信息，从预先配置的路口路径关联信息中，确定预测路口路径。其中，路口路径关联信息为第二路口与第二路口的路口路径之间的关联关系信息。路口路径表示路口中不同车道之间的连线，第一路口与第二路口不同。之后，可以基于预测路口路径，确定第一路口的路口路径。本公开通过利用预先配置路口路径关联信息，预测当前路口可能的路口路径。可以提供更安全、更符合人类驾驶习惯的路径推荐，降低了地图与实际使用过程中不适配所造成的成本。
6.根据本公开的第二方面，提供了一种确定路口路径的装置，包括：获取模块，用于获取第一路口的进入退出道路组信息，其中，进入退出道路组信息包括进入退出道路关系信息，进入退出道路关系信息表示进入第一路口的第一车道与退出第一路口的第二车道之间的对应关系；确定模块，用于根据进入退出道路组信息，从预先配置的路口路径关联信息中，确定预测路口路径，其中，路口路径关联信息为第二路口与第二路口的路口路径之间的关联关系信息，路口路径表示路口中不同车道之间的连线，第一路口与第二路口不同；确定模块还用于，基于预测路口路径，确定第一路口的路口路径。本公开通过利用预先配置路口路径关联信息，预测当前路口可能的路口路径。可以提供更安全、更符合人类驾驶习惯的路径推荐，降低了地图与实际使用过程中不适配所造成的成本。
7.根据本公开的第三方面，提供了一种确定路口路径的设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，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上述第一方面中的任意一项方法。
8.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上述第一方面中的任意一项方法。
9.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时实现上述第一方面中的任意一项方法。
10.本公开提供的一种确定路口路径的方法、装置、设备以及存储介质，通过利用预先配置路口路径关联信息，预测当前路口可能的路口路径。可以提供更安全、更符合人类驾驶习惯的路径推荐，降低了地图与实际使用过程中不适配所造成的成本。
11.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
12.附图用于更好地理解本方案，不构成对本公开的限定。其中：
13.图1是本公开实施例的一种路口车道连线示意图；
14.图2是本公开实施例的一种确定路口路径的方法流程图；
15.图3是本公开实施例的另一种确定路口路径的方法流程图；
16.图4是本公开实施例的又一种确定路口路径的方法流程图；
17.图5是本公开实施例的再一种确定路口路径的方法流程图；
18.图6是本公开实施例的另一种确定路口路径的方法流程图；
19.图7是本公开实施例的又一种确定路口路径的方法流程图；
20.图8是本公开实施例的一种确定路口路径的流程示意图；
21.图9是本公开实施例的一种确定路口路径的装置示意图；
22.图10是本公开实施例的一种确定路口路径的设备示意图。
具体实施方式
23.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。
24.本公开主要应用的场景，例如可以是使用地图应用时，对某个路口进行路径预测的场景。例如，可以是在地图应用生产过程中，对地图中的一些未采集到车辆行驶轨迹的路口，或是新建成的路口进行路径预测。当然，在其它场景中，也可以是用户位于某个路口时，对即将通过的路口进行路径预测。
25.目前的一大难题就是对路口路径的选择。在相关技术中，通常可以利用权重占比较大的高精地图的路口连接方式，对路径进行预测。但是，高精地图的路口连接方式无法以某一集合规则统一适用于多变的路口场景。随着路口大小、形态、车道数、对齐方式、车道转向排列的不同。更符合人类驾驶习惯的路口通过方式，一直是智能驾驶难以解决的问题。
26.在一些相关技术中，高精地图当前在静态地图数据中，根据进入路口前的实际车道以及进入路口后的实际车道之间，建立虚拟车道几何，联通前后车道。同时根据统一的对齐原则进行车道间的连接。例如采用左对齐原则。例如图1所示出的一种路口车道连线示意
图，可以看出，进入车道101到退出车道102之间的连线
①
，即表示为路口连接路径(或称路口路径、车道连线)。路口中的每个进入车道和退出车道之间都可能存在一条虚拟的路口路径。而对于一些路口，若进入车道与退出车道数量不一致时，可以利用左对齐原则进行车道连接。例如，若存在3个进入车道，2个退出车道，则从左数第一个进入车道与从左数第一个退出车道构建车道连接，从左数第二个进入车道与从左数第二个退出车道构建车道连接，而从左数第三个进入车道则与从左数最后一个退出车道(即从左数第二个退出车道)构建车道连接。当然，假设进入车道为4个，则从左数第四个进入车道依然与从左数最后一个退出车道(即从左数第二个退出车道)构建车道连接。也就是说，当进入车道与退出车道数量不一致时，多余的车道则与相对应的进入/退出车道中从左数最后一个车道进行车道连接。当然，右对齐原则则方向相反，即从右依次连接各个车道。
27.继续回到图1，在相关技术中，进行车道连接得到的路口路径在数据属性上并不差异，即没有路径权重的区别。例如图1中显示的4条路口路径。对于直行方向，路口路径
①
和路口路径
②
都可以通过该路口。但是，通常人们行驶过程中会更倾向于选择路口路径
①
。又例如左转方向，路口路径
③
和路口路径
④
都可以到达同一个退出车道。然而人们驾驶习惯通常会感觉路口路径
④
的轨迹更舒适。
28.在实际车辆驾驶应用时，车辆在利用高精地图通过路口时，在通过路口前会获取到该路口的车道连线(即路口路径)，并进行局部车道级的路径规划。例如优先选取高精地图中现有的路口路径，若遇到环境中存在障碍物、障碍车等影响，会根据现有的路口连接情况进行变道、绕过障碍物等行为。
29.然而，上述相关技术中，高精地图的路口连接规则非常单一，无法是用于各种类型、形态的路口。同时车道的连接规则也与人们实际的驾驶习惯或更安全的路径选择不相符。因此，在进行自动驾驶时，若作为先验信息，可能会给用户带来十分不好的影响和体验。例如，相关技术在实际自动驾驶应用过程中，会根据实际驾驶频繁要求地图进行路径修改，非常不利于高精地图量产的需求，使用效果不好。
30.因此，本公开提供了一种确定路口路径的方法，通过利用预先配置路口路径关联信息，预测当前路口可能的路口路径。可以提供更安全、更符合人类驾驶习惯的路径推荐，降低了地图与实际使用过程中不适配所造成的成本。可以为自动驾驶的感知模块、规划与控制(planning and control，pnc)模块等模块提供一个更准确的先验信息，以供车辆提供给用户更安全、更符合人类驾驶习惯的路口通过方式。
31.接下来将结合附图对本公开进行详细阐述。
32.图2是本公开实施例的一种确定路口路径的方法流程图。
33.如图2所示出的，本公开还提供了一种确定路口路径的方法。该方法可以应用于终端设备或者网络设备等设备上。其中，终端设备例如可以包括但不限于手机、可穿戴设备、平板电脑、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，umpc)、上网本、个人数字助理(personal digitalassistant，pda)、膝上型计算机(laptop)、移动电脑、增强现实(augmented reality，ar)设备、虚拟现实(virtual reality，vr)设备、人工智能(artificial intelligence，ai)设备和/或车载设备等任意终端设备或便携式终端设备。
34.在另一些例子中，网络设备例如可以是服务器或者服务器集群。当然，也可以是运
行中虚拟机上的服务器或者服务器集群，本公开不作限定。
35.本公开所涉及的方法可以包括以下步骤：
36.s201，获取第一路口的进入退出道路组信息。
37.在一些例子中，设备可以获取第一路口的进入退出道路组信息。其中，第一路口可以为需要进行路径规划的路口，例如可以是在地图生产过程中未采集到车辆行驶轨迹的路口，或是新建成的路口；又例如可以是实际应用中用户当前准备通过的路口。
38.在一些例子中，进入退出道路组信息中可以包括进入退出道路关系信息。进入退出道路关系信息可以表示进入第一路口的第一车道与退出第一路口的第二车道之间的对应关系。可以理解的是，第一路口可以认为是进入路口，第二路口可以认为是退出路口。
39.当然，在其它例子中，进入退出道路组信息还可以包括多个进入退出道路关系信息，每个进入退出道路关系信息可以包括相应的进入车道、退出车道、各车道的车道宽度、进入退出道路关系信息对应的车道夹角、进入车道的车道类型、退出车道的车道类型等信息。因此，通过进入退出车道组信息可以得到该路口对应的路口特征，例如，可以包括第一路口进入车道数、退出车道数、各车道的车道宽度、各进入退出道路关系信息对应的车道夹角、进入车道的车道类型、退出车道的车道类型等信息。其中，进入车道可以是进入路口对应的车道，例如上述第一车道；退出车道可以是退出路口对应的车道，例如上述第二车道。
40.可以理解的是，进入退出道路组信息可以认为是第一路口抽象出的路口特征。当然，在一些例子中，这些特征可以矢量几何特征，例如包括二维坐标信息以及高度信息。其中，二维坐标信息可以对应于地图数据中建立的地图坐标，如经纬度坐标等。
41.s202，根据进入退出道路组信息，从预先配置的路口路径关联信息中，确定预测路口路径。
42.在一些例子中，设备可以根据s201中获取到的第一路口的进入退出道路组信息，从预先配置的路口路径关联信息中，确定出第一路口对应的预测路口路径。其中，路口路径关联信息为第二路口与第二路口的路口路径之间的关联关系信息。第一路口与第二路口为不同的路口。路口路径表示为一个路口中不同进入车道与退出车道之间的连线。
43.在一些例子中，可以预先构建路口与路口路径之间的关联关系表，每个表对应一个路口，可以通过上述路口特征进行唯一标识。每个表中可以存储该路口对应的所有路口路径。当然在一些例子中，还可以包含高度信息，例如针对某些路口存在部分二维坐标存在重合的道路，如一些立交桥、环路交汇路口、高架桥等。设备可以通过进入退出道路组信息与关联关系表进行匹配。确定与当前第一路口相似的第二路口的关联关系表。并利用进入退出道路组信息中的进入退出道路关系信息，确定出所有可能的预测路口路径。也就是说，设备利用了与第一路口相似的第二路口的关联关系表，根据第一路口的进入退出道路关系信息对第一路口可能的路径进行预测，即确定第一路口对应的预测路口路径。
44.当然，上述关联关系表中存储的路口路径可以是预先配置好，且符合人类驾驶习惯的路口路径。
45.在另一些例子中，还可以预先构建路口与路口路径之间的关联模型，即路口连接模型。该路口连接模型可以是第二路口对应的路口连接模型。设备基于第一路口的进入退出道路关系信息，通过第二路口对应的路口连接模型，确定出第一路口对应的预测路口路径。
46.可以理解，还可以采用任意等效的方式构建路口与路口路径之间的关联关系，并基于此关系，利用第一路口的进入退出道路关系信息，确定出第一路口对应的预测路口路径，本公开不作限定。
47.在另一些例子中，第一路口也可以第二路口相同，即针对已经采集到车辆行驶轨迹的路口进行路径预测。例如，可以应用于用户行驶到已经构建路口与路口路径之间关联关系的路口，并重新对该路口进行路径预测的场景。
48.s203，基于预测路口路径，确定第一路口的路口路径。
49.在一些例子中，设备可以将s202中确定的预测路口路径，作为第一路口的路口路径。例如，设备将s203中确定的第一路口对应的预测路口路径，直接作为第一路口的路口路径。并可以用于后续自动驾驶时进行路径推荐。
50.本公开通过利用预先配置路口路径关联信息，预测当前路口可能的路口路径。可以提供更安全、更符合人类驾驶习惯的路径推荐，降低了地图与实际使用过程中不适配所造成的成本。
51.在一些实施例中，为了更好的模拟人类驾驶习惯，以及更有效的融入道路的高度信息，即可以针对二维坐标重合但高度不同的道路进行路径预测。对于s202中的路口路径关联信息可以采用路口连接模型。路口连接模型为基于第二路口与第二路口的路口路径之间的关联关系预先训练得到。图3是本公开实施例的另一种确定路口路径的方法流程图，如图3所示，s202的根据进入退出道路组信息，从预先配置的路口路径关联信息中，确定预测路口路径，可以包括以下步骤：
52.s301，根据进入退出道路组信息，确定与进入退出道路组信息相匹配的路口连接模型。
53.在一些例子中，设备可以根据进入退出道路组信息，确定与该进入退出道路组信息相匹配的路口连接模型。其中，每个路口连接模型可以认为对应一个路口。可以理解，路口连接模型是基于一个路口和该路口的路口路径之间的关联关系预先训练得到的。可以理解的是，路口连接模型对应第二路口。
54.例如，可以预先收集到各个路口以及相应路口的车辆行驶轨迹。比如，可以包括用于采集数据的主车行驶轨迹，以及该主车采集到的其它车辆(可以称为障碍车)的行驶轨迹。在训练阶段，可以采用神经网络的网络架构进行训练，例如，以每条路径对应的进入退出道路组信息作为模型的输入，并利用车辆的真实轨迹作为标签对神经网络进行有监督学习训练。从而构建出相应路口对应的路口连接模型。显然，不同的路口对应构建出不同的路口连接模型。
55.可以理解，车辆行驶轨迹可以是通过现有的轨迹拟合方式得到，例如采用聚合方法，本公开不再赘述。
56.在一些例子中，可以将不同的路口对应的路口连接模型，构建一个路口连接模型库。每个路口连接模型，可以通过各自路口对应的进入退出道路组信息进行唯一标识。因为每个路口的路况或多或少都有差异，因此，可以通过各自路口对应的进入退出道路组信息确定出唯一的路口，从而可以确定出该路口对应的路口连接模型。
57.在一些例子中，可以利用第一路口的进入退出道路组信息与路口连接模型库中的不同路口连接模型进行匹配。若与某个路口连接模型对应的进入退出道路组信息相似度最
高，则可以将该路口连接模型作为相匹配的路口连接模型。若存在多个路口连接模型对应的进入退出道路组信息与第一路口的进入退出道路组信息相似度最高且相同。则可以根据预设方式从多个路口连接模型中选择一个作为相匹配的路口连接模型。例如预设方式可以是采用随机选择或者对不同路口连接模型设置权重，选择权重较高的路口连接模型等等，具体从多个路口连接模型中选择一个作为相匹配的路口连接模型的方式，可以根据实际情况进行任意选择，本公开不作限定。
58.可以理解，设备可以通过有线或无线的方式访问路口连接模型库。其中，本公开所涉及的无线方式可以包括2g/3g/4g/5g/6g等无线通信的解决方案。或是包括无线局域网(wireless local area networks，wlan)、蓝牙(bluetooth，bt)、全球导航卫星系统(global navigation satellite system，gnss)、调频(frequency modulation，fm)、近距离无线通信技术(near field communication，nfc)、紫蜂(zigbee)和红外技术(infrared，ir)等无线通信的解决方案。其中，wlan例如可以是无线保真(wireless fidelity，wi-fi)网络。
59.s302，根据进入退出道路关系信息和路口连接模型，得到预测路口路径。
60.在一些例子中，设备可以根据第一路口的进入退出道路关系信息，和s301中确定的相匹配的第二路口对应的路口连接模型，确定出针对第一路口的预测路口路径。
61.例如，将第一路口的进入退出道路关系信息输入至第二路口对应的路口连接模型中，从而得到第一路口相应的预测路口路径。可以理解，由于第二路口与第一路口的进入退出道路关系信息相匹配，因此可以认为第二路口与第一路口可能十分相似。因此，可以利用第二路口的路口连接模型。对第一路口的路口路径进行预测。通过第一路口实际的进入退出道路关系信息，以第二路口的路口连接模型为基础，推测第一路口可能的路口路径。
62.本公开利用路口连接模型确定对第一路口的路口路径进行预测，可以保证模型更好的学习到人类驾驶习惯，从而可以更准确的对路口路径进行预测，从而提高安全性与驾驶体感。
63.在一些实施例中，图4是本公开实施例的又一种确定路口路径的方法流程图，如图4所示，s203中的基于预测路口路径，确定第一路口的路口路径，还可以包括以下步骤：
64.s401，根据预先配置的路径选择概率数据库，确定预测路口路径对应的路径选择概率。
65.在一些例子中，设备在确定出预测路口路径之后，还可以根据预先配置的路径选择概率数据库，为各预测路口路径确定相应的路径选择概率。
66.例如，可以利用第二路口对应采集到的真实行驶轨迹，确定出第二路口各路口路径用户选择情况。例如第二路口的路口路径a有75％的车辆行驶，而路口路径b有10％的车辆行驶，路口路径c有15％的车辆行驶。相应的，路口路径a的路径选择概率可以为75％，路口路径b的路径选择概率可以为10％，路口路径c的路径选择概率可以为15％。
67.在另一些例子中，还可以根据不同路口路径的曲率变化或路径最短等原则为不同的路口路径配置相应的路径选择概率。
68.对于预先配置的路径选择概率数据库中，存储有第二路口对应的各路口路径的路径选择概率。由于预测路口路径是通过第二路口对应的路口路径关联信息确定的。因此，设备可以通过路径选择概率数据库确定出预测路口路径对应的路径选择概率。
69.s402，基于预测路口路径以及预测路口路径对应的路径选择概率，确定具有路径选择概率的第一路口的路口路径。
70.在一些例子中，设备可以基于s401中确定的预测路口路径对应的路径选择概率，以及相应的预测路口路径，确定具有路径选择概率的第一路口的路口路径。也就是说，设备在确定第一路口的路口路径时，一并确定相应路口路径的路径选择概率。
71.在一些例子中，对于具有相同进入路口的多个预测路口路径，还可以将路径选择概率最高的作为第一路口的路口路径。例如若存在两个预测路口路径，其中，预测路口路径1对应进入路口1和退出路口1，预测路口路径2对应进入路口1和退出路口2。而预测路口路径1对应的路径选择概率为80％，预测路口路径2对应的路径选择概率为20％。则可以发现预测路口路径1对应的路径选择概率更高，因此将预测路口路径1作为第一路口的路口路径，而舍弃预测路口路径2。
72.本公开在确定第一路口的路口路径时，同时确定相应路口路径的路径选择概率，以便在自动驾驶阶段可以为用户提供出不同路径的选择推荐，有利于用户基于不同选择概率选择出更安全、更准确的驾驶路径。
73.在一些实施例中，图5是本公开实施例的再一种确定路口路径的方法流程图，如图5所示出的，该方法还可以包括以下步骤：
74.s501，获取车辆行驶轨迹信息。
75.在一些例子中，设备还可以获取车辆行驶轨迹信息。其中，车辆行驶轨迹信息对应第一路口的路口路径。例如，设备可以获取当前经过第一路口的车辆所采集的车辆行驶轨迹信息。例如可以是某车辆行驶第一路口，该车辆采集自身的车辆行驶轨迹信息，并发送至设备上。
76.s502，根据车辆行驶轨迹信息，确定第一路口的路口路径对应的路径选择更新概率。
77.在一些例子中，设备可以根据s501中获取到的车辆行驶轨迹信息，确定出定第一路口相应的路口路径所对应的路径选择更新概率。例如，假设设备推荐的第一路口的路口路径包括路口路径a和路口路径b。当实际应用时，用户选择了路口路径a，并实际按照路口路径a路径行驶。则设备通过车辆反馈的车辆行驶轨迹信息，确定第一路口的路口路径a对应的路径选择更新概率。可以理解的是，路径选择更新概率即该路口路径新的选择概率。
78.s503，基于路径选择更新概率对路径选择概率数据库中相应路口路径对应的路径选择概率进行更新。
79.在一些例子中，设备可以基于s502中确定的路径选择更新概率对路径选择概率数据库中相应路口路径对应的路径选择概率进行更新。
80.例如，第一路口的路口路径a基于第二路口的路口路径a’预测得到。当设备确定了第一路口的路口路径a对应的路径选择更新概率之后，可以对路径选择概率数据库中第二路口的路口路径a’对应的路径选择概率进行更新。
81.本公开可以通过应用阶段接收车辆行驶轨迹信息，不断对路径选择概率数据库中相应路口路径对应的路径选择概率进行更新，从而可以为相应路口路径提供更准确的路径选择概率。从而在自动驾驶阶段可以为用户提供更符合人类驾驶习惯的路口路径。
82.在一些实施例中，图6是本公开实施例的另一种确定路口路径的方法流程图。如图
6所示出的，该方法还可以包括以下步骤：
83.s601，获取第一路口的路口特征和第一路口的车辆行驶轨迹信息。
84.在一些例子中，设备可以获取第一路口的路口特征和第一路口的车辆行驶轨迹信息。其中，第一路口的路口特征包括第一路口的进入退出道路关系信息。可以理解的是，第一路口的路口特征可以包括第一路口进入车道数、退出车道数、各车道的车道宽度、各进入退出道路关系信息对应的车道夹角、进入车道的车道类型、退出车道的车道类型等信息。
85.在一些例子中，第一路口的路口特征可以是新采集到的，例如通过大量真实的车辆在行驶时采集到的。当然在另一些例子中，也可以是基于s201中获取到的进入退出道路组信息得到的，本公开不作限定。
86.可以理解，通常情况下可以通过真实的车辆在行驶过程中采集第一路口的车辆行驶轨迹信息，同时可以一并采集第一路口的路口特征。
87.s602，将第一路口的路口特征和第一路口的车辆行驶轨迹信息，对路口连接模型进行优化。
88.在一些例子中，设备可以利用s601中获取的第一路口的路口特征和第一路口的车辆行驶轨迹信息，对路口连接模型进行优化，即对第二路口对应的路口连接模型进行优化训练。
89.可以理解的是，由于第二路口的路口连接模型与第一路口的进入退出道路关系信息相匹配，则可以认为第一路口与第二路口相类似。因此，可以利用第一路口的路口特征和第一路口的车辆行驶轨迹信息，对第二路口的路口连接模型进行优化。从而可以得到更加完善的路口连接模型。
90.本公开利用第一路口的路口特征和第一路口的车辆行驶轨迹信息对相匹配的路口连接模型进行优化训练，从而得到更加完善的路口连接模型，提升后续利用该路口连接模型对相应的路口进行路径预测时的准确性。
91.在一些实施例中，对路口连接模型进行优化还可以预先设定相应条件，因此，图7是本公开实施例的又一种确定路口路径的方法流程图，如图7所示，该方法还可以包括以下步骤：
92.s701，确定进入退出道路组信息与路口连接模型之间的匹配度。
93.在一些例子中，设备可以确定第一路口对应的进入退出道路组信息与第二路口对应的路口连接模型之间的匹配度。例如在根据第一路口对应的进入退出道路组信息与路口连接模型库中的各个模型进行匹配时，可以确定出第一路口对应的进入退出道路组信息与相应路口连接模型的匹配度。例如，确定出相匹配的第二路口的路口模型时，可以同时确定第一路口对应的进入退出道路组信息与其相匹配的匹配度，例如匹配度达到90％。
94.s702，若匹配度满足预设条件，利用第一路口的路口特征和第一路口的车辆行驶轨迹信息，生成第一路口对应的路口连接模型。
95.在一些例子中，设备确定若s701中第一路口对应的进入退出道路组信息与第二路口对应的路口连接模型之间的匹配度满足预设条件，则设备可以利用第一路口的路口特征和第一路口的车辆行驶轨迹信息，生成第一路口对应的路口连接模型。
96.例如，可以预先设定匹配度阈值，预设条件可以是当匹配度小于匹配度阈值时，利用第一路口的路口特征和第一路口的车辆行驶轨迹信息，生成第一路口对应的路口连接模
型。也就是说，若第一路口进入退出道路组信息与第二路口的路口连接模型匹配度没有达到预设的匹配度阈值，可以认为第一路口进入退出道路组信息与第二路口的路口连接模型不是很匹配。因此，可以利用第一路口的路口特征和第一路口的车辆行驶轨迹信息，为第一路口生成对应的路口连接模型。
97.又例如，若第一路口进入退出道路组信息与第二路口的路口连接模型匹配度达到了预设的匹配度阈值，即匹配度大于或等于匹配度阈值。则可以认为第一路口进入退出道路组信息与第二路口的路口连接模型基本匹配。可以认为第一路口与第二路口为是同一个路口或者是相同路口。则可以执行图6中的步骤，对第二路口的路口连接模型进行优化。
98.当然，在又一些例子中，还可以不考虑匹配度，直接利用第一路口的路口特征和第一路口的车辆行驶轨迹信息，为第一路口生成对应的路口连接模型。本公开不作限定。
99.本公开通过在第一路口与第二路口不太匹配的情况下，为第一路口生成行的路口连接模型，从而丰富了路口连接模型库，有利于后续为其它路口进行路径预测，提升预测路径的准确性。
100.图8是本公开实施例的一种确定路口路径的流程示意图。如图8所示，本公开提供了一种确定路口路径的流程示意图。该流程可以大致包括三部分，即建立路口连接模型库部分、地图标注部分和车端应用部分。可以理解通常情况下，模型库建立可以应用在网络设备上，地图标注可以应用在网络设备或终端设备上，车端应用可以应用在终端设备上。当然，可以根据实际情况选择该方法应用在网络设备或是终端设备等任意设备上，本公开不作限定。
101.其中，建立路口连接模型库部分可以包括以下步骤：
102.s801，样本特征提取。
103.在一些例子中，设备从获取到的大量路口样本中，提取各样本的特征。例如提取各个路口对应的路口特征，以及对应各路口可能的车辆行驶轨迹。
104.s802，路口连接模型有监督训练。
105.在一些例子中，设备可以基于s801中提取到的路口特征以及对应路口的车辆行驶轨迹，对神经网络模型进行有监督训练，从而训练得到各个路口对应的路口连接模型。
106.在一些例子中，当得到不同路口对应的路口连接模型后，可以根据各路口连接模型，构建得到路口连接模型库。
107.地图标注部分可以包括以下步骤：
108.s803，获取进入退出道路组信息。
109.在一些例子中，设备获取第一路口的进入退出道路组信息。进入退出道路组信息中可以包括进入退出道路关系信息。进入退出道路关系信息可以表示进入第一路口的第一车道与退出第一路口的第二车道之间的对应关系。
110.在一些例子中，可以是对某一路口的进入车道、退出车道进行框选，从而确定出第一路口的进入退出道路组信息。
111.s804，路口连接模型库匹配。
112.在一些例子中，设备可以基于s804中获取的进入退出道路组信息，与构建的路口连接模型库进行匹配，从而确定相匹配的路口连接模型。
113.可以理解，若匹配到多个路口连接模型，可以选择匹配度最高的路口连接模型作
为匹配成功的路口连接模型。当然，在一些例子中，若匹配度最高的路口连接模型为多个，可以按照预设方式选择其中一个路口连接模型。例如采用随机方式，或者任意等效的方式，本公开不作限定。
114.s805，进行地图标注。
115.在一些例子中，设备可以通过路口连接模型对地图进行标注。例如，通过第一路口的进入退出道路组信息与相匹配的路口连接模型，确定第一路口的所有可能的路口路径。并将第一路口的所有可能的路口路径在地图中第一路口的位置上进行标注。
116.s806，确定路口路径是否为第一次标注。
117.在一些例子中，设备可以确定本次对地图中第一路口进行标注是否为第一次标注。若是则继续执行s807，否则，可以执行s808。
118.s807，确定初始路径选择概率。
119.在一些例子中，若确定本次对地图中第一路口进行标注为第一次标注，设备可以确定第一路口对应各个路口路径预先配置的初始路径选择概率。
120.s808，更新路径选择概率。
121.在一些例子中，若确定本次对地图中第一路口进行标注不是第一次标注，设备可以从路径选择概率数据库中，确定第一路口对应各个路口路径的路径选择更新概率。之后，利用路径选择更新概率对第一路口的各个路口路径进行标注。
122.在一些例子中，路径选择概率数据库中还可以预先存储初始路径选择概率，则s807中的初始路径选择概率也可以通过路径选择概率数据库确定，本公开不作限定。
123.车端应用部分可以包括以下步骤：
124.s809，获取地图。
125.在一些例子中，设备可以获取经过标注的地图数据。可以理解的是，经过标注的地图数据中包含相应路口的各路口路径推荐，以及各路口路径的路径选择概率。
126.在一些例子中，可以通过设备上的pnc模块获取经过标注的地图数据。
127.s810，设备根据第一路口的路口路径并基于预设条件进行路径决策，并控制车辆按照路径决策结果进行驾驶。
128.在一些例子中，设备可以根据s809中获取到的经过标注的地图，按照预先设定的决策方案，确定需要执行的路口路径，并控制车辆按照决策结果进行驾驶。
129.例如，当车辆行驶到第一路口时，车辆通过s809中获取到的经过标注的地图，确定当前存在两条路口路径可以行驶，即路口路径xx和路口路径yy。假设路口路径xx的路径选择概率为x％，路口路径yy的路径选择概率为y％。设备可以根据预先配置的决策方案，选择一条路口路径作为即将行驶的路口路径。预先配置的决策方案例如可以优先选择路径选择概率最高的路口路径。又或是基于当前车辆周边的环境情况，例如检测到部分车道存在障碍物等，并综合决策确定出更适合行驶的路口路径。可以理解，本公开对于如何决策不作限定。
130.在一些例子中，当车辆被控制按照某个路口路径行驶后，可以获取车辆行驶轨迹，并对路径选择概率数据库中相应路口路径的路径选择概率进行更新。
131.例如，若车辆选择按照路口路径xx行驶，则可以对路径选择概率数据库中相应路口的路口路径所对应的路径选择概率进行更新，例如更新为x’％。
132.s811，获取环境信息。
133.在一些例子中，设备还可以试试获取车辆周围的环境信息，例如第一路口的路口特征。以便将该数据和车辆行驶轨迹一并作为路口样本进行存储。方便后续对路口连接模型进行周期性或非周期性更新，又或者，基于新存储的路口样本生成第一路口对应的路口连接模型。
134.可以理解，图8所示出的方式，先进行路口连接模型的建立，之后在对地图进行路口路径标注时，通过确定相匹配的路口连接模型，从而对各个路口进行路口路径预测。例如包括未采集到车辆行驶轨迹的路口，或是新建成的路口，又或是已经采集到车辆行驶轨迹的路口等。
135.本公开通过利用预先配置路口路径关联信息，预测当前路口可能的路口路径。可以提供更安全、更符合人类驾驶习惯的路径推荐，降低了地图与实际使用过程中不适配所造成的成本，提升用户体验。
136.基于相同的构思，本公开实施例还提供一种确定路口路径的装置。
137.可以理解的是，本公开实施例提供的一种确定路口路径的装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤，本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本公开实施例的技术方案的范围。
138.作为一示例性实施方式，图9是根据本公开一示例性实施方式中示出的一种确定路口路径的装置示意图。参阅图9所示，提供了一种确定路口路径的装置900，该装置900可以实现上述图2至图8中所涉及的任意一种方法。该装置900可以包括：获取模块901，用于获取第一路口的进入退出道路组信息，其中，进入退出道路组信息包括进入退出道路关系信息，进入退出道路关系信息表示进入第一路口的第一车道与退出第一路口的第二车道之间的对应关系；确定模块902，用于根据进入退出道路组信息，从预先配置的路口路径关联信息中，确定预测路口路径，其中，路口路径关联信息为第二路口与第二路口的路口路径之间的关联关系信息，路口路径表示路口中不同车道之间的连线，第一路口与第二路口不同；确定模块902还用于，基于预测路口路径，确定第一路口的路口路径。
139.本公开通过利用预先配置路口路径关联信息，预测当前路口可能的路口路径。可以提供更安全、更符合人类驾驶习惯的路径推荐，降低了地图与实际使用过程中不适配所造成的成本。
140.在一些可能的实施方式中，路口路径关联信息为路口连接模型，路口连接模型为基于第二路口与第二路口的路口路径之间的关联关系预先训练得到；确定模块902还用于：根据进入退出道路组信息，确定与进入退出道路组信息相匹配的路口连接模型；根据进入退出道路关系信息和路口连接模型，得到预测路口路径。
141.本公开利用路口连接模型确定对第一路口的路口路径进行预测，可以保证模型更好的学习到人类驾驶习惯，从而可以更准确的对路口路径进行预测，从而提高安全性与驾驶体感。
142.在一些可能的实施方式中，确定模块902还用于：根据预先配置的路径选择概率数
据库，确定预测路口路径对应的路径选择概率；基于预测路口路径以及预测路口路径对应的路径选择概率，确定具有路径选择概率的第一路口的路口路径。
143.本公开在确定第一路口的路口路径时，同时确定相应路口路径的路径选择概率，以便在自动驾驶阶段可以为用户提供出不同路径的选择推荐，有利于用户基于不同选择概率选择出更安全、更准确的驾驶路径。
144.在一些可能的实施方式中，装置900还包括更新模块903；获取模块901还用于，获取车辆行驶轨迹信息，车辆行驶轨迹信息对应第一路口的路口路径；确定模块902还用于，根据车辆行驶轨迹信息，确定第一路口的路口路径对应的路径选择更新概率；更新模块903，用于基于路径选择更新概率对路径选择概率数据库中相应路口路径对应的路径选择概率进行更新。
145.本公开可以通过应用阶段接收车辆行驶轨迹信息，不断对路径选择概率数据库中相应路口路径对应的路径选择概率进行更新，从而可以为相应路口路径提供更准确的路径选择概率。从而在自动驾驶阶段可以为用户提供更符合人类驾驶习惯的路口路径。
146.在一些可能的实施方式中，装置900还包括优化模块904；获取模块901还用于，获取第一路口的路口特征和第一路口的车辆行驶轨迹信息，路口特征包括路口的进入退出道路关系信息；优化模块904，用于将第一路口的路口特征和第一路口的车辆行驶轨迹信息，对路口连接模型进行优化。
147.本公开利用第一路口的路口特征和第一路口的车辆行驶轨迹信息对相匹配的路口连接模型进行优化训练，从而得到更加完善的路口连接模型，提升后续利用该路口连接模型对相应的路口进行路径预测时的准确性。
148.在一些可能的实施方式中，装置900还包括生成模块905；确定模块902还用于，确定进入退出道路组信息与路口连接模型之间的匹配度；生成模块905，用于若匹配度满足预设条件，利用第一路口的路口特征和第一路口的车辆行驶轨迹信息，生成第一路口对应的路口连接模型。
149.本公开通过在第一路口与第二路口不太匹配的情况下，为第一路口生成行的路口连接模型，从而丰富了路口连接模型库，有利于后续为其它路口进行路径预测，提升预测路径的准确性。
150.关于本公开上述涉及的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
151.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
152.根据本公开的实施例，本公开还提供了一种确定路口路径的设备、一种可读存储介质和一种计算机程序产品。
153.图10示出了可以用来实施本公开的实施例的一种确定路口路径的设备1000的示意性框图。可以理解，该设备1000可以是终端设备也可以是网络设备。该设备1000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、服务器集群和其它适合的计算机。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10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(rom)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(ram)1003中的计算机程序，来执行各种适当的动作和处理。在ram 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、rom 1002以及ram 1003通过总线1004彼此相连。输入/输出(i/o)接口1005也连接至总线1004。
155.设备1000中的多个部件连接至i/o接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000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1001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1001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1001执行上文所描述的各个方法和处理，例如图2至图8所描述的任意一种方法。例如，在一些实施例中，图2至图8所描述的任意一种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1008。在一些实施例中，计算机程序的部分或者全部可以经由rom 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到ram 1003并由计算单元1001执行时，可以执行上文描述的任意一种方法的一个或多个步骤。备选地，在其它实施例中，计算单元1001可以通过其它任何适当的方式(例如，借助于固件)而被配置为执行上述图2至图8所描述的任意一种方法。
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)、负载可编程逻辑设备(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。当然，在一些例子中，服务器还可以指代服务器集群。
163.本公开首先对路口连接标注方式进行了更合理的改进，利用机器学习对不同类型的路口连接进行模型的抽象与规则提炼，在生产中自动匹配最合适的连接模型。另外在使用过程中，根据实际车辆运行数据持续不断的对地图模型进行强化学习和改进。
164.本公开所涉及的方案，可以更好的适用于城市场景下，自动驾驶车辆在路口的规划决策。相比于现阶段自动驾驶在复杂路况下，依然依赖高精地图的信息。通过本方案建立的路口模型进行路口建图后，车辆在通过路口会更符合人类驾驶习惯，提高安全性与驾驶体感。
165.同时对于高精地图的量产，本公开所涉及的方案极大的提升了路口建图的自动化程度，提升了效率，减少了地图与实际使用情况不适配所造成的成本。
166.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公开的技术方案所期望的结果，本文在此不进行限制。
167.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。