一种检测车道障碍物的方法和装置与流程

本发明涉及计算机技术领域，尤其涉及一种检测车道障碍物的方法和装置。

背景技术

车道上存在障碍物会严重影响该车道上车辆行驶，例如自行车道上的违章停车，其不仅会引起交通拥堵，还很可能会导致交通事故。现有技术中，检测车道上是否存在障碍物的方法主要包括：通过固定点的摄像监控，以及依靠人力识别。

无论是人工识别还是固定点的视频信息采集，都是主动检测方法，其检测失败的几率比较大。而且每个检测点的覆盖范围都十分有限(在人和摄像头的视线范围内)，所以其需要的人力和物力都非常大，导致检测成本较高。

技术实现要素：

有鉴于此，本发明实施例提供一种检测车道障碍物的方法和装置，能够不需要借助于另外的检测设备对车道障碍物进行检测，通过其行驶轨迹数据可更准确的检测出预设的时间段内车道的待检测路段是否存在障碍物。同时，也解决了现有技术中因为覆盖范围有限导致出现检测盲区的问题，并且大大减少了检测成本。

为实现上述目的，根据本发明实施例的一个方面，提供了一种的检测车道障碍物方法。

本发明实施例的检测车道障碍物的方法包括：确定车道的待检测路段的参考偏移量集合；所述参考偏移量集合中的偏移量为车道的待检测路段没有障碍物时，待检测路段中对应于该车道的行驶轨迹点到该车道基线的距离；

确定预设时间段内所述车道的待检测路段的检测偏移量集合；所述检测偏移量集合中的偏移量为预设时间段内，待检测路段中对应于该车道的行驶轨迹点到该车道基线的距离；

根据所述检测偏移量集合与参考偏移量集合的相似度，判断所述车道的待检测路段上是否存在障碍物。

可选地，在确定预设时间段内所述车道的待检测路段的检测偏移量集合之前，还包括：将行驶轨迹点映射到路网中，并确定每个行驶轨迹点的偏移量和车道路段标识；根据所述车道路段标识和行驶轨迹点的时间戳信息，将行驶轨迹点的偏移量进行存储。

可选地，在将行驶轨迹点映射到路网中之前，还包括：根据采集行驶轨迹点的设备的标识信息，将采集到的行驶轨迹点进行分组；计算各组中每个行驶轨迹点的速度，以及确定每组所对应设备的采样频率；根据每个行驶轨迹点的速度和第一预设区间，以及每个轨迹点所对应设备的采样频率和第二预设区间，去除采集到的行驶轨迹点中的异常轨迹点。

可选地，在将行驶轨迹点映射到路网中，并确定出每个行驶轨迹点的偏移量和车道路段标识之后，以及在根据所述车道路段标识和时间戳信息，将行驶轨迹点的偏移量进行存储之前，还包括：根据采集行驶轨迹点的设备的标识信息以及行驶轨迹点的车道路段标识，连接路网中的行驶轨迹点，得到该车道路段的轨迹线；将所述轨迹线分为一个以上的子轨迹线；计算每个子轨迹线中包含的行驶轨迹点的平均偏移量，并确定出平均偏移量大于第一预设阈值的子轨迹线，将该子轨迹线中包含的行驶轨迹点去除；确定出每个子轨迹线的轨迹方向，以及计算出该轨迹方向与车道基线的偏转角；确定出偏转角大于第二预设阈值的子轨迹线，将该子轨迹线中包含的行驶轨迹点去除。

可选地，在将行驶轨迹点映射到路网中，并确定出每个行驶轨迹点的偏移量和车道路段标识之后，以及在根据所述车道路段标识和时间戳信息，将行驶轨迹点的偏移量进行存储之前，还包括：根据采集行驶轨迹点的设备的标识信息以及行驶轨迹点的车道路段标识，连接路网中的行驶轨迹点，得到该车道路段的轨迹线；确定出每个轨迹线的轨迹方向；确定出轨迹方向与车道的待检测路段设置方向不同的轨迹线，并将该轨迹线中包含的行驶轨迹点去除。

可选地，确定预设时间段内所述车道的待检测路段的检测偏移量集合的步骤包括：确定预设时间段内所述车道的每个行驶轨迹点的出发距离，所述出发距离为行驶轨迹点在车道基线上的投影，与该车道的待检测路段的起始节点的距离；根据行驶轨迹点的出发距离以及预设的第一均分值，将行驶轨迹点进行分组；对于每组中的行驶轨迹点，计算该组中行驶轨迹点的平均偏移量，则所有的平均偏移量组成检测偏移量集合。

可选地，确定预设时间段内所述车道的待检测路段的检测偏移量集合的步骤包括：确定预设时间段内所述车道的每个行驶轨迹点的出发距离，所述出发距离为行驶轨迹点在车道基线上的投影，与该车道的待检测路段的起始节点的距离；根据行驶轨迹点的出发距离以及预设的第二均分值，将行驶轨迹点进行分组；对于每组中的行驶轨迹点，将该组中行驶轨迹点的偏移量按照由大至小进行排序，并选出排序中前n个偏移量组成检测偏移量集合；其中，n为预设的正整数。

可选地，确定所述检测偏移量集合与参考偏移量集合的相似度的步骤包括：通过柯尔莫可洛夫-斯米洛夫检验确定所述检测偏移量集合与参考偏移量集合中偏移量的分布是否一致。

可选地，所述车道为自行车道；和/或，所述行驶轨迹点为共享单车行驶数据。

为实现上述目的，根据本发明实施例的另一个方面，提供了一种检测车道障碍物的装置。

本发明实施例的检测车道障碍物的装置包括：参考偏移量确定模块，用于确定车道的待检测路段的参考偏移量集合；所述参考偏移量集合中的偏移量为车道的待检测路段没有障碍物时，待检测路段中对应于该车道的行驶轨迹点到该车道基线的距离；

检测偏移量确定模块，用于确定预设时间段内所述车道的待检测路段的检测偏移量集合；所述检测偏移量集合中的偏移量为预设时间段内，待检测路段中对应于该车道的行驶轨迹点到该车道基线的距离；

判断模块，用于根据所述检测偏移量集合与参考偏移量集合的相似度，判断所述车道的待检测路段上是否存在障碍物。

可选地，本发明实施例的检测车道障碍物的装置还包括预处理模块，用于将行驶轨迹点映射到路网中，并确定每个行驶轨迹点的偏移量和车道路段标识；根据所述车道路段标识和行驶轨迹点的时间戳信息，将行驶轨迹点的偏移量进行存储。

可选地，所述预处理模块还用于，根据采集行驶轨迹点的设备的标识信息，将采集到的行驶轨迹点进行分组；计算各组中每个行驶轨迹点的速度，以及确定每组所对应设备的采样频率；根据每个行驶轨迹点的速度和第一预设区间，以及每个轨迹点所对应设备的采样频率和第二预设区间，去除采集到的行驶轨迹点中的异常轨迹点。

可选地，所述预处理模块还用于，根据采集行驶轨迹点的设备的标识信息以及行驶轨迹点的车道路段标识，连接路网中的行驶轨迹点，得到该车道路段的轨迹线；将所述轨迹线分为一个以上的子轨迹线；计算每个子轨迹线中包含的行驶轨迹点的平均偏移量，并确定出平均偏移量大于第一预设阈值的子轨迹线，将该子轨迹线中包含的行驶轨迹点去除；确定出每个子轨迹线的轨迹方向，以及计算出该轨迹方向与车道基线的偏转角；确定出偏转角大于第二预设阈值的子轨迹线，将该子轨迹线中包含的行驶轨迹点去除。

可选地，所述预处理模块还用于，根据采集行驶轨迹点的设备的标识信息以及行驶轨迹点的车道路段标识，连接路网中的行驶轨迹点，得到该车道路段的轨迹线；确定出每个轨迹线的轨迹方向；确定出轨迹方向与车道的待检测路段设置方向不同的轨迹线，并将该轨迹线中包含的行驶轨迹点去除。

可选地，所述检测偏移量确定模块还用于，确定预设时间段内所述车道的每个行驶轨迹点的出发距离，所述出发距离为行驶轨迹点在车道基线上的投影，与该车道的待检测路段的起始节点的距离；根据行驶轨迹点的出发距离以及预设的第一均分值，将行驶轨迹点进行分组；对于每组中的行驶轨迹点，计算该组中行驶轨迹点的平均偏移量，则所有的平均偏移量组成检测偏移量集合。

可选地，所述检测偏移量确定模块还用于，确定预设时间段内所述车道的每个行驶轨迹点的出发距离，所述出发距离为行驶轨迹点在车道基线上的投影，与该车道的待检测路段的起始节点的距离；根据行驶轨迹点的出发距离以及预设的第二均分值，将行驶轨迹点进行分组；对于每组中的行驶轨迹点，将该组中行驶轨迹点的偏移量按照由大至小进行排序，并选出排序中前n个偏移量组成检测偏移量集合；其中，n为预设的正整数。

可选地，所述判断模块还用于通过柯尔莫可洛夫-斯米洛夫检验确定所述检测偏移量集合与参考偏移量集合中偏移量的分布是否一致。

可选地，所述车道为自行车道；和/或，所述行驶轨迹点为共享单车行驶数据。

为实现上述目的，根据本发明实施例的再一个方面，提供了一种检测车道障碍物的电子设备。

本发明实施例的检测车道障碍物的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一项的检测车道障碍物的方法。

为实现上述目的，根据本发明实施例的再一个方面，提供了一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述任一项的检测车道障碍物的方法。

上述发明中的一个实施例具有如下优点或有益效果：通过挖掘的预设时间段内车道的待检测路段的行驶数据，并将确定出该预设时间段内所述车道的待检测路段的偏移量，与该车道的待检测路段的没有障碍物时的偏移量进行比对，判断预设时间段内该车道的待检测路段是否存在障碍物。与现有技术中通过人工检测或者视频信息采集的方式不同，不需要借助于另外的检测设备对车道障碍物进行检测，通过其行驶轨迹数据可更准确的检测出预设的时间段内车道的待检测路段是否存在障碍物。同时，也解决了现有技术中因为覆盖范围有限导致出现检测盲区的问题，并且大大减少了检测成本。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的检测车道障碍物的方法的主要流程的示意图；

图2是将行驶轨迹点映射到路网中出现的距离错误和方向性错误的示意图；

图3-5是根据本发明实施例确定出的预设时间段内车道的待检测路段偏移量的示意图；

图6是根据本发明实施例的检测自行车道障碍物的方法的主要流程的示意图；

图7-8是将行驶轨迹点映射到路网中的示意图；

图9是子轨迹与道路之间偏转角的示意图；

图10是根据本发明实施例的检测车道障碍物的方法的装置的示意图；

图11是本发明实施例可以应用于其中的示例性系统架构图；

图12是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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。

图1是根据本发明实施例的检测车道障碍物的方法的主要流程的示意图，如图1所示，本发明实施例的检测车道障碍物的方法主要包括：

步骤s101：确定车道的待检测路段的参考偏移量集合。其中，参考偏移量集合中的偏移量为车道的待检测路段没有障碍物时，待检测路段中对应于该车道的行驶轨迹点到该车道基线的距离。该车道为自行车道，和/或，行驶轨迹点为共享单车行驶数据。车道基线为在路网(roadnetwork，是在一定区域内，由各种道路组成的相互联络、交织成网状分布的道路系统)中代表该车道的线段，可以是车道的中轴线或者边界线等。

例如，检测自行车道上是否是存在障碍物，需采集到某一路段或者一定范围内的全部路段的自行车道的参考行驶轨迹点，该参考行驶轨迹点是在自行车道上没有障碍物时，通过gps定位设备采集到的自行车道上的单车行驶轨迹点。获取路段自行车道上的参考行驶轨迹点之后，计算出每个参考行驶轨迹点的偏移量，即参考行驶轨迹点到车道基线的距离，所有参考行驶轨迹点的偏移量则组成参考偏移量集合。

步骤s102：确定预设时间段内车道的待检测路段的检测偏移量集合。其中，检测偏移量集合中的偏移量为预设时间段内，待检测路段中对应于该车道的行驶轨迹点到该车道基线的距离。如果已经通过数据的预处理，将车道的各个路段在预设时间段内的行驶轨迹点的偏移量计算出，则该过程即可直接获取预设时间段内车道待检测路段的检测偏移量集合。否则，该过程首先要确定出预设时间内该车道待检测路段上的行驶轨迹点，然后计算出该行驶轨迹点的偏移量，计算出的偏移量组成待检测偏移量集合。

在步骤s102之前，对数据进行预处理，可一定范围内的车道的行驶轨迹点对应到相应的路段上，便于快速找到相应车道路段上的行驶轨迹点以及相应行驶轨迹点的偏移量。具体的，将行驶轨迹点映射到路网中，并确定每个行驶轨迹点的偏移量和车道路段标识；根据车道路段标识和行驶轨迹点的时间戳信息，将行驶轨迹点的偏移量进行存储。行驶轨迹点由经度、维度和时间戳信息构成，一般通过gps定位设备采集到。通过上述过程，将获取的很多车道或者路段的行驶轨迹点，通过映射到路网中，分别与车道、路段一一对应，进而确定每一行驶轨迹点的车道路段标识。而且，基于映射到路网中的行驶轨迹点，可计算出每个行驶轨迹点的偏移量。以及，根据确定的车道路段标识和行驶轨迹点的时间戳信息，将计算出的偏移量进行存储，使得在后续过程中，可直接通过时间和车道路段，即可直接获取到对应车道待检测路段的偏移量。

采集到的行驶轨迹点可能存在一些异常轨迹点，会影响检测的准确性，例如，由于gps定位设备异常或者交通信号灯导致行驶轨迹点的速度极高或极低，甚至行驶轨迹点丢失等情况。针对上述情况，在将行驶轨迹点映射到路网中之前，根据采集行驶轨迹点的设备的标识信息，将采集到的行驶轨迹点进行分组；计算各组中每个行驶轨迹点的速度，以及确定每组所对应设备的采样频率。根据每个行驶轨迹点的速度和第一预设区间，以及每个轨迹点所对应设备的采样频率和第二预设区间，去除采集到的行驶轨迹点中的异常轨迹点。其中，采样频率，也称为采样速度或者采样率，定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹(hz)来表示。

图2是将行驶轨迹点映射到路网中出现的距离错误和方向性错误的示意图。如果路网数据不全，则映射过程中可能将行驶轨迹点映射到错误位置导致距离错误(distanceerror)，以及短途行驶比较容易导致方向性错误(directionalerror)，都会导致检测的准确性，所以要对映射到路网中的行驶轨迹点进行检测并去除异常的点。如图2所示，车辆实际行驶的轨迹为a1到b1以及b1到c1，但是由于路网中没有b1到c1路网数据，则在映射过程中可能会将b1到c1段的轨迹映射到b1到d1路段，则在计算其行驶轨迹点的偏移量会比较大，而且在后续检测b1到d1路段中是否有障碍物时，该数据就会引起误差，所以需要将这类距离错误轨迹去除。以及，车辆实际行驶的轨迹为a2到b2以及c2到d2等，这些轨迹对于检测车道上障碍物会带来很大误差，所以要将其去除。对于这些方向性错误的轨迹，例如a2到b2、c2到d2轨迹方向与车道基线的偏转角会比较大，所以可通过子轨迹方向与车道基线的偏转角将其去除。具体的，在将行驶轨迹点映射到路网中，并确定出每个行驶轨迹点的偏移量和车道路段标识之后，以及在根据车道路段标识和时间戳信息，将行驶轨迹点的偏移量进行存储之前，根据采集行驶轨迹点的设备的标识信息以及行驶轨迹点的车道路段标识，连接路网中的行驶轨迹点，得到该车道路段的轨迹线。则该轨迹线是由一个车辆在车道上连续行驶产生，例如，自行车在自行车道上连续行驶20分钟，通过gps定位设备获取其行驶轨迹点，将该行驶轨迹点在路网中连接起来即为其行驶的轨迹线。将轨迹线分为一个以上的子轨迹线，计算每个子轨迹线中包含的行驶轨迹点的平均偏移量，并确定出平均偏移量大于第一预设阈值的子轨迹线，将该子轨迹线中包含的行驶轨迹点去除；确定出每个子轨迹线的轨迹方向，以及计算出该轨迹方向与车道基线的偏转角；确定出偏转角大于第二预设阈值的子轨迹线，将该子轨迹线中包含的行驶轨迹点去除。

如果车道为单行车道，则该车道上逆行的车辆会遇到比较多的行驶障碍，其轨迹数据对于检测该车道上是否存在障碍物不太有参考价值，可将逆行的轨迹删除。具体的，在将行驶轨迹点映射到路网中，并确定出每个行驶轨迹点的偏移量和车道路段标识之后，以及在根据车道路段标识和时间戳信息，将行驶轨迹点的偏移量进行存储之前，根据采集行驶轨迹点的设备的标识信息以及行驶轨迹点的车道路段标识，连接路网中的行驶轨迹点，得到该车道路段的轨迹线；确定出每个轨迹线的轨迹方向；确定出轨迹方向与车道的待检测路段设置方向不同的轨迹线，并将该轨迹线中包含的行驶轨迹点去除。其中，车道的待检测路段设置方向即为该车道在待检测路段正确行驶的方向。

图3-5是根据本发明实施例确定出的预设时间段内车道的待检测路段偏移量的示意图，其中，图3-5的横坐标表示行驶轨迹点的出发距离(offset)，纵坐标表示行驶轨迹点的偏移量(shift)，出发距离为行驶轨迹点在车道基线上的投影，与该车道的待检测路段的起始节点的距离，偏移量为行驶轨迹点到车道基线的距离。

如图3所示，确定出预设时间段内车道待检测路段的行驶轨迹点以及每个轨迹点的偏移量后，可将所有的偏移量组成检测偏移量集合，为提高准确性以及减少后续数据处理，可对该所有的偏移量进行筛选，将筛选出的偏移量组成检测偏移量集合。筛选的方式主要包括：提取平均偏移量和提取前n个最大的偏移量。

对于提取平均偏移量的方法，具体的，确定预设时间段内车道的每个行驶轨迹点的出发距离，根据行驶轨迹点的出发距离以及预设的第一均分值，将行驶轨迹点进行分组。对于每组中的行驶轨迹点，计算该组中行驶轨迹点的平均偏移量，则所有的平均偏移量组成检测偏移量集合。如图4所示，预设的第一均分值为5米(m)，则根据行驶轨迹点的出发距离以及预设的第一均分值，将行驶轨迹点进行分组，即确定出发距离在0-5m范围内的行驶轨迹点、出发距离在5-10m范围内的行驶轨迹点、出发距离在10-15m范围内的行驶轨迹点等。并进一步计算出每组中行驶轨迹点的平均偏移量，每组中的平均偏移量组成检测偏移量集合，图4中三角号所示的轨迹点为每组平均偏移量所对应的轨迹点。通过该方法，可以避免由偏移度过高或过低引起检测不准确的问题。

对于提取前n个最大的偏移量的方法，具体的，确定预设时间段内车道的每个行驶轨迹点的出发距离，出发距离为行驶轨迹点在车道基线上的投影，与该车道的待检测路段的起始节点的距离。根据行驶轨迹点的出发距离以及预设的第二均分值，将行驶轨迹点进行分组。对于每组中的行驶轨迹点，将该组中行驶轨迹点的偏移量按照由大至小进行排序，并选出排序中前n个偏移量组成检测偏移量集合；其中，n为预设的正整数。如图5所示，预设的第二均分值为50m，n为10，则根据行驶轨迹点的出发距离以及预设的第二均分值，将行驶轨迹点进行分组，即确定出发距离在0-50m范围内的行驶轨迹点(如图5所示的行驶轨迹点)、出发距离在50-100m范围内的行驶轨迹点等。以及，进一步将每组中行驶轨迹点的偏移量按照由大至小进行排序，并选出排序中前10(top-10)个偏移量，每组中top-10的偏移量组成检测偏移量集合，图5中三角号所示的轨迹点为该top-10的轨迹点。因为车道障碍物可能会造成最高的偏移量，所以通过该方式可更准确的检测出道路中是否存在障碍物。

步骤s103：根据检测偏移量集合与参考偏移量集合的相似度，判断车道的待检测路段上是否存在障碍物。具体的，通过柯尔莫可洛夫-斯米洛夫检验(kolmogorov-smirnovtest，kstest)确定检测偏移量集合与参考偏移量集合中偏移量的分布是否一致。利用kstest检验检测偏移量集中偏移量的分布是否符合参考偏移量集合中偏移量的分布，如果符合，则认为该车道待检测路段上在预设时间段内存在障碍物。

本发明实施例通过挖掘的预设时间段内车道的待检测路段的行驶数据，并将确定出该预设时间段内所述车道的待检测路段的偏移量，与该车道的待检测路段的没有障碍物时的偏移量进行比对，判断预设时间段内该车道的待检测路段是否存在障碍物。与现有技术中通过人工检测或者视频信息采集的方式不同，不需要借助于另外的检测设备对车道障碍物进行检测，通过其行驶轨迹数据可更准确的检测出预设的时间段内车道的待检测路段是否存在障碍物。同时，也解决了现有技术中因为覆盖范围有限导致出现检测盲区的问题，并且大大减少了检测成本。

图6是根据本发明实施例的检测自行车道障碍物的方法的主要流程的示意图。由于自行车道的行驶数据较多，尤其是共享单车行驶数据丰富且优质，通过共享单车行驶数据可有效检测自行车道上的障碍物，该障碍物包括自行车道上的违章停车。其中，自行车，又称脚踏车或单车，自行车道为自行车专用道。

共享单车具有广泛的使用范围和用户，经统计现今拥有超过2亿注册用户和3000万次的日常旅行，而且工序单车记录有详细的gps轨迹数据。同时，非法车辆停放事件通常发生在路边自行车道上，这会阻碍自行车使用者的路径并显着影响单车行驶轨迹。因此，通过在同一条道路上聚集大量的自行车轨迹，就可以通过检查其轨迹的不同部分来识别非法停车事件。现有技术中，检测非法车辆停放事件的传统方法主要依靠人力，例如警察巡逻。随着视频对象识别技术的进步，也有基于监控摄像机识别非法停车事件。然而，所有现有的方法(警察巡逻和监控摄像机)都是主动检测方法，并且只能覆盖有限的空间范围，这使得它们非常低效、成本高，尤其在大城市中实现高覆盖水平。

在本发明实施例中，其步骤的先后不受图6所限，例如也可先执行步骤s602再执行步骤s601。如图6所示，本发明实施例的检测自行车道障碍物的方法的主要流程包括：

步骤s601：定时采集城市中自行车道各个路段上的行驶轨迹点，根据速度和采样率规则清洗采集到的行驶轨迹点，将清洗后的行驶轨迹点映射到路网中，并根据行驶轨迹点的车道路段标识(rid)和时间戳信息，保存各个时段自行车道各个路段上的行驶轨迹点的偏移量。

该步骤s601为数据预处理过程，是获取城市中每个时段自行车道各个路段共享单车行驶数据，并将清洗后的行驶数据映射到该城市的路网中。基于映射到相应的路段的轨迹数据，确定出每个路段自行车道的偏移量，并根据每个路段自行车道的行驶数据的rid和时间戳信息保存该偏移量。进而，便于在该城市中对自行车道的某个路段进行检测时，直接根据待检测路段的rid和检测的预设时间，直接获取相应的偏移量。

共享单车的行驶具有以下特点：行驶速度比较低；即使在单向的道路上，也经常双向行驶；可以进入没有路网的区域；短途旅行比较多。鉴于上述特点，需要在数据预处理过程中对数据进行清洗。具体的，利用速度和采样率规则来去除那些由于人们各种不同方式使用单车产生的错误轨迹点。该速度和采样率规则为根据轨迹的速度和设备的采样频率，去除获取的行驶轨迹数据中的异常数据。该异常数据主要包括了以下两种情况：1)不正常的速度；由于采集的行驶轨迹点是根据用户手机的定位系统，如果用户忘记关锁之后又乘坐另外一种交通工具，则采集到的轨迹点不再是单车的行驶轨迹点，而且用户后续乘坐的另一种交通工具的行驶轨迹，该行驶轨迹对于检测自行车道没有参考价值；或者在交叉路口等待红绿灯产生的非常慢的轨迹。2)不正常的轨迹采样率，由于不同用户使用的gps采集数据的设备不同，有一些设备在记录轨迹过程中会短暂失效，从而产生轨迹的跳跃点，通过该gps采集数据的设备采集到的数据对检测自行车道也没有参考价值。

通过上述过程对采集到的单车行驶轨迹点进行清洗后，将清洗后的行驶轨迹点映射到路网中。对于一辆单车连续行驶产生的行驶轨迹点映射到路网中，形成轨迹线，则该轨迹线由行驶轨迹点的时间序列组成。轨迹线τ＝{p1，p2，...pn}，其中行驶轨迹点pi＝(lati,lngi,ti)，1≤i≤n，n为采集到的单车行驶轨迹点的数量，lati为纬度，lngi为经度，ti为时间戳。以及，路网为是一个有向图g＝(v，e)，其中v＝{v1，v2，…，vm}是一组交叉点，并且e＝{e1，e2，…，es}是一组自行车道基线，m为该路网中自行车道的交叉点的个数，s为该路网中自行车道路段的个数。如图7所示，映射到路网中的一条轨迹线为τ＝{p1，p2，p3，p4，p5}，路网中的交叉点v＝{v1，v2，v3，v4，v5，v6，v7}，自行车道基线e＝{e1，e2，e3，e4，e5，e6，e7，e8}。

将采集到的行驶轨迹点映射到路网中之后，确定每个行驶轨迹点的rid、shift、offset。如图8所示，行驶轨迹点p1、p2、p3映射到路网中之后，确定其对应的路段(fromnode-tonode)，进一步确定出行驶轨迹点的rid、shift、offset：p1(rid＝1829、shift＝1m、offset＝0.5m)，p2(rid＝1829、shift＝1m、offset＝4m)，p3(rid＝1829、shift＝-1m、offset＝6m)。对于偏移量shift的正负的设置，可如图8所示，在路的一侧为正(如p1、p2)，在路的另一处为负(如p3)。

在本发明实施例中，确定出每个行驶轨迹点的rid、shift、offset之后，由于路网数据不全或者自行车轨迹很短导致的映射不准确，可利用几何滤波器对于该错误的映射结果进行筛选并去除。考虑到由gps传感器引起的随机移位，使用基于几何细化来消除这些误差。首先，如果子轨迹的平均偏移度大于某个阈值(例如20米)，则将该子轨迹中包含的行驶轨迹点去除以消除距离误差。为了消除方向误差，计算子轨迹与道路之间的偏转角，如图9所示。将该子轨迹分成两部分，如图9所示的halvesofthetrajectory，并确定出这两部分的质心点(centroid)。如图9所示，子轨迹方向与该道路基线的偏转角(deviationangle)δ为第一部分和第二部分之间的质心点连线与道路基线直接的夹角。如果该偏转角大于相应的预设阈值(例如60度)，则将该子轨迹中包含的行驶轨迹点删除。

由于在地图匹配的过程中所有的道路都被认为是双向道路，但对于单向道路来说，会存在一些反向行驶的情况。虽然反向行驶轨迹的数量是有限的，但由于他们很可能遭遇非法停车事件以外的障碍(正常方向上行驶的自行车)，所以逆行的轨迹通常具有更高的移位值偏移量。因此，反向轨迹影响了非法停车检测模型的准确性。所以可根据待检测道路的正常行驶方向，将该待检测道路中逆行的轨迹数据去除。

步骤s602：确认路段上没有障碍物时，采集城市中自行车道各个路段上的行驶轨迹点，根据速度和采样率规则清洗该行驶轨迹点，将清洗后的行驶轨迹点映射到路网中，并根据行驶轨迹点的车道路段标识，保存自行车道各个路段上的行驶轨迹点的偏移量。对于自行车道的每一条路段，都先统计一个参考的偏移量，假设夜间自行车道上的违章停车情况较少，而且停车情况比较稳定，利用大规模的夜间骑行(晚上11：00到第二天凌晨4：00)的轨迹数据确定出自行车道每一路段的参考偏移量集合。根据行驶轨迹点的车道路段标识，保存自行车道各个路段上的行驶轨迹点的偏移量，可便于查找某一时段内某个路段的参考偏移量集合。

步骤s603：确定自行车道待检测路段的车道路段标识，根据该车道路段标识，从步骤s601中存储的偏移量中获取自行车道待检测路段的偏移量，并根据获取的该偏移量确定车道的待检测路段的检测偏移量集合。

确定自行车道待检测路段的车道路段标识，并根据该车道路段标识获取到待检测路段在预设时间段内(例如最近一小时)的偏移量，以组成检测偏移量集合。确定检测偏移量集合的方法包括：(1)提取平均偏移量；把每一条待分析的轨迹，按照行驶轨迹点的offset每10米之间的平均偏移量来提取特征；(2)最大偏移量提取，它提取了每一条待分析轨迹上面的最大的n个偏移值作为特征。

步骤s604：根据该车道路段标识，从步骤s603中存储的偏移量中获取自行车道待检测路段的偏移量，获取的该偏移量组成车道的待检测路段的参考偏移量集合。

步骤s605：利用kstest检验检测偏移量集中偏移量的分布是否符合参考偏移量集合中偏移量的分布，如果符合，则认为该自行车道待检测路段上在预设时间段内存在障碍物。通过ks检验可确定出检测偏移量集中偏移量的分布与参考偏移量集合中偏移量的分布一致的概率，如果该概率低于预设的判断阈值，则说明自行车道待检测路段上在预设时间段内存在障碍物；否则，自行车道待检测路段上在预设时间段内不存在障碍物。其中，预设的判断阈值的范围为0.19-0.35，在本发明实施例中，该预设阈值设置为0.29。

本发明实施例通过挖掘的预设时间段内自行车道的待检测路段的行驶数据，并挖掘出自行车道的待检测路段在没有障碍物时的行驶数据。以及，进一步确定出该预设时间段内自行车道的待检测路段的偏移量分布，和该自行车道的待检测路段的没有障碍物时的偏移量分布，通过ks检验判断这两个分布是否一致，则判断出预设时间段内该车道的待检测路段是否存在障碍物。与现有技术中通过人工巡逻或者视频信息采集的方式不同，本发明实施例不需要借助于另外的检测设备对自行车道上的障碍物违章停车进行检测，通过自行车道上的行驶轨迹数据可更准确的检测出预设的时间段内自行车道的待检测路段是否存在违章停车的情况。同时，也解决了现有技术中因为覆盖范围有限导致出现检测盲区的问题，并且大大减少了检测成本。

图10是根据本发明实施例检测车道障碍物的装置的主要模块的示意图，如图10所示，本发明实施例检测车道障碍物的装置1000包括。

参考偏移量确定模块1001用于，确定车道的待检测路段的参考偏移量集合；参考偏移量集合中的偏移量为车道的待检测路段没有障碍物时，待检测路段中对应于该车道的行驶轨迹点到该车道基线的距离。

检测偏移量确定模块1002用于，确定预设时间段内车道的待检测路段的检测偏移量集合；检测偏移量集合中的偏移量为预设时间段内，待检测路段中对应于该车道的行驶轨迹点到该车道基线的距离。

检测偏移量确定模块还用于，确定预设时间段内车道的每个行驶轨迹点的出发距离，出发距离为行驶轨迹点在车道基线上的投影，与该车道的待检测路段的起始节点的距离；根据行驶轨迹点的出发距离以及预设的第一均分值，将行驶轨迹点进行分组；对于每组中的行驶轨迹点，计算该组中行驶轨迹点的平均偏移量，则所有的平均偏移量组成检测偏移量集合。

检测偏移量确定模块还用于，确定预设时间段内车道的每个行驶轨迹点的出发距离，出发距离为行驶轨迹点在车道基线上的投影，与该车道的待检测路段的起始节点的距离；根据行驶轨迹点的出发距离以及预设的第二均分值，将行驶轨迹点进行分组；对于每组中的行驶轨迹点，将该组中行驶轨迹点的偏移量按照由大至小进行排序，并选出排序中前n个偏移量组成检测偏移量集合；其中，n为预设的正整数。

判断模块1003用于，根据检测偏移量集合与参考偏移量集合的相似度，判断车道的待检测路段上是否存在障碍物。判断模块还用于通过柯尔莫可洛夫-斯米洛夫检验确定检测偏移量集合与参考偏移量集合中偏移量的分布是否一致。

本发明实施例检测车道障碍物的装置还包括预处理模块，用于将行驶轨迹点映射到路网中，并确定每个行驶轨迹点的偏移量和车道路段标识；根据车道路段标识和行驶轨迹点的时间戳信息，将行驶轨迹点的偏移量进行存储。预处理模块还用于，根据采集行驶轨迹点的设备的标识信息，将采集到的行驶轨迹点进行分组；计算各组中每个行驶轨迹点的速度，以及确定每组所对应设备的采样频率；根据每个行驶轨迹点的速度和第一预设区间，以及每个轨迹点所对应设备的采样频率和第二预设区间，去除采集到的行驶轨迹点中的异常轨迹点。预处理模块还用于，根据采集行驶轨迹点的设备的标识信息以及行驶轨迹点的车道路段标识，连接路网中的行驶轨迹点，得到该车道路段的轨迹线；将轨迹线分为一个以上的子轨迹线；计算每个子轨迹线中包含的行驶轨迹点的平均偏移量，并确定出平均偏移量大于第一预设阈值的子轨迹线，将该子轨迹线中包含的行驶轨迹点去除；确定出每个子轨迹线的轨迹方向，以及计算出该轨迹方向与车道基线的偏转角；确定出偏转角大于第二预设阈值的子轨迹线，将该子轨迹线中包含的行驶轨迹点去除。预处理模块还用于，根据采集行驶轨迹点的设备的标识信息以及行驶轨迹点的车道路段标识，连接路网中的行驶轨迹点，得到该车道路段的轨迹线；确定出每个轨迹线的轨迹方向；确定出轨迹方向与车道的待检测路段设置方向不同的轨迹线，并将该轨迹线中包含的行驶轨迹点去除。

在本发明实施例中，车道为自行车道。行驶轨迹点为共享单车行驶数据。

本发明实施例通过挖掘的预设时间段内车道的待检测路段的行驶数据，并将确定出该预设时间段内所述车道的待检测路段的偏移量，与该车道的待检测路段的没有障碍物时的偏移量进行比对，判断预设时间段内该车道的待检测路段是否存在障碍物。与现有技术中通过人工检测或者视频信息采集的方式不同，不需要借助于另外的检测设备对车道障碍物进行检测，通过其行驶轨迹数据可更准确的检测出预设的时间段内车道的待检测路段是否存在障碍物。同时，也解决了现有技术中因为覆盖范围有限导致出现检测盲区的问题，并且大大减少了检测成本。

图11示出了可以应用本发明实施例的检测车道障碍物的方法或检测车道障碍物的装置的示例性系统架构1100。

如图11所示，系统架构1100可以包括终端设备1101、1102、1103，网络1104和服务器1105。网络1104用以在终端设备1101、1102、1103和服务器1105之间提供通信链路的介质。网络1104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备1101、1102、1103通过网络1104与服务器1105交互，以接收或发送消息等。终端设备1101、1102、1103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备1101、1102、1103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器1105可以是提供各种服务的服务器，例如对用户利用终端设备1101、1102、1103所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果反馈给终端设备。

需要说明的是，本发明实施例所提供的检测车道障碍物的方法一般由服务器1105执行，相应地，检测车道障碍物的装置一般设置于服务器1105中。

应该理解，图11中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图12，其示出了适于用来实现本发明实施例的终端设备的计算机系统1200的结构示意图。图12示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图12所示，计算机系统1200包括中央处理单元(cpu)1201，其可以根据存储在只读存储器(rom)1202中的程序或者从存储部分1208加载到随机访问存储器(ram)1203中的程序而执行各种适当的动作和处理。在ram1203中，还存储有系统1200操作所需的各种程序和数据。cpu1201、rom1202以及ram1203通过总线1204彼此相连。输入/输出(i/o)接口1205也连接至总线1204。

以下部件连接至i/o接口1205：包括键盘、鼠标等的输入部分1206；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分1207；包括硬盘等的存储部分1208；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分1209。通信部分1209经由诸如因特网的网络执行通信处理。驱动器1210也根据需要连接至i/o接口1205。可拆卸介质1211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1210上，以便于从其上读出的计算机程序根据需要被安装入存储部分1208。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1209从网络上被下载和安装，和/或从可拆卸介质1211被安装。在该计算机程序被中央处理单元(cpu)1201执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括参考偏移量确定模块、检测偏移量确定模块和判断模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，判断模块还可以被描述为“根据所述检测偏移量集合与参考偏移量集合的相似度，判断所述车道的待检测路段上是否存在障碍物的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：确定车道的待检测路段的参考偏移量集合；参考偏移量集合中的偏移量为车道的待检测路段没有障碍物时，待检测路段中对应于该车道的行驶轨迹点到该车道基线的距离；确定预设时间段内车道的待检测路段的检测偏移量集合；检测偏移量集合中的偏移量为预设时间段内，待检测路段中对应于该车道的行驶轨迹点到该车道基线的距离；根据检测偏移量集合与参考偏移量集合的相似度，判断车道的待检测路段上是否存在障碍物。

本发明实施例通过挖掘的预设时间段内车道的待检测路段的行驶数据，并将确定出该预设时间段内所述车道的待检测路段的偏移量，与该车道的待检测路段的没有障碍物时的偏移量进行比对，判断预设时间段内该车道的待检测路段是否存在障碍物。与现有技术中通过人工检测或者视频信息采集的方式不同，不需要借助于另外的检测设备对车道障碍物进行检测，通过其行驶轨迹数据可更准确的检测出预设的时间段内车道的待检测路段是否存在障碍物。同时，也解决了现有技术中因为覆盖范围有限导致出现检测盲区的问题，并且大大减少了检测成本。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。