特殊路况的识别方法、装置、电子设备和存储介质与流程

本申请实施例涉及车联网技术，尤其涉及一种特殊路况的识别方法、装置、电子设备和存储介质。

背景技术：

随着经济水平的发展，车辆保有量逐步提升。车辆在行驶过程中可能会遇到各种特殊路况，如凹坑、井盖松动、无井盖、减速带、车道限制通行等，驾驶人员有时可能无法避让，进而造成驾驶体验低甚至发生危险。因此如何有效提醒，使得车辆可以安全通过特殊路况的路段尤为重要。

现有技术中，车辆可以采集行驶过程中车辆周围的图像，根据预先设置的特殊路况的图像对该采集到的图像进行比对识别，在识别出图像中包含有特殊路况时提醒驾驶人员，或者根据该特殊路况向自动驾驶车辆发送对应的驾驶指令，如前方有凹坑，该驾驶指令可以控制车辆减速、右拐至右方车道等。

但现有技术中的方式存在实时性不高的问题，如在识别出特殊路况的图像时该车辆可能已经高速行驶过了该特殊路况，不能对特殊路况进行及时地识别。

技术实现要素：

本申请实施例提供一种特殊路况的识别方法、装置、电子设备和存储介质，能够根据当前时刻的地图数据，预先获取特殊路况的区域，实时性高。

第一方面，提供一种特殊路况的识别方法，该方法应用于终端设备，也可以应用于终端设备中的芯片。下面以应用于终端设备为例对该方法进行描述，该方法中终端设备从服务器获取当前时刻的地图数据，所述地图数据包括：所述当前时刻的第一道路区域，所述第一道路区域为特殊路况所处的道路区域，所述第一道路区域是由路况模型和所述当前时刻之前的预设时间段内的车辆参数获取的，所述路况模型用于表征车辆参数的特征和特殊路况的对应关系，即路况模型能够基于一段时间内某个路段区域的车辆参数识别出该路段区域是否存在特殊路况；根据车辆的规划路线，判断所述车辆的规划路线中是否存在第二道路区域，所述第二道路区域为所述第一道路区域中的道路区域。应理解，终端设备可以周期性的向服务器上报车辆参数，车辆参数包括车辆的动态参数和静态参数。其中，车辆的动态参数包括车辆的位置、车辆拍摄的图像或视频，以及车辆的行驶数据，车辆的行驶数据可以为车辆的速度、加速度，以及转向、刹车等驾驶动作。车辆的静态参数为车辆的属性数据。车辆的属性数据可以包括车辆的重量、长宽高、减震性等数据。值得注意的是，车辆在第一次上报车辆参数时，上报车辆的动态参数和静态参数，在后续上报车辆参数时上报动态参数。

可以理解，本申请实施例中的终端设备可以从服务器实时获取当前时刻的地图数据，该地图数据与现有的地图数据不同的是，该当前时刻的地图数据中包括为特殊路况的第一道路区域，且该第一道路区域是服务器根据上报的车辆参数和上述路况模型获取、且标注在地图中的。鉴于上报的车辆参数为多个车辆实时上报的海量的数据，因此可以提高获取的第一道路区域的准确性和实时性，且终端设备可以通过服务器实时获取最新的道路上的表征特殊路况的第一道路区域的信息。

在一种可能的设计中，终端设备可以根据当前时刻的地图数据进行车辆的驾驶应用。

一方面，在车辆行驶过程中，可以根据当前时刻的地图数据判断车辆的规划路线中是否存在特殊路况的第二道路区域。其中，下述分为两种可能的方式对车辆的规划路线中存在特殊路况的场景进行说明：

一种场景为：车辆为自动驾驶车辆，且车辆的规划路线中存在第二道路区域。鉴于自动驾驶车辆非用户自己驾驶，本申请实施例中可以生成驾驶指令(驾驶决策)，以控制车辆的驾驶行为。其中，在车辆行驶至第二道路区域时，根据驾驶指令控制车辆行驶。或者，在车辆行驶至距离第二道路区域预设距离处时，可以根据驾驶指令控制车辆行驶，进而起到有效指导驾驶动作决策的目的。

其中，本申请实施例中可以根据当前时刻的地图数据生成驾驶指令。其中，地图数据还包括：所述第一道路区域的特殊路况的描述信息，所述描述信息用于描述所述特殊路况的场景类型。可选的，所述路况模型为多个，本申请实施例中可以将根据所述第二道路区域的特殊路况的描述信息，生成所述驾驶指令。具体的，可以将获取目标路况模型的历史的车辆参数的特征指示的驾驶行为作为驾驶指令，所述目标路况模型为确定所述第二道路区域为特殊路况的模型。

另一种场景为：车辆为非自动驾驶车辆，且车辆的规划路线中存在第二道路区域。鉴于非自动驾驶车辆是用户自己驾驶，本申请实施例中可以生成提醒信息，以提醒用户所述第二道路区域存在特殊路况，使得当所述车辆即将行驶至所述第二道路区域时，推送所述提醒信息，进而起到预先对特殊路况提醒的目的。

其中，本申请实施例中可以根据当前时刻的地图数据生成驾驶指令。其中，当前时刻的地图数据还包括：所述第一道路区域的特殊路况的描述信息和/或目标图像，所述描述信息用于描述所述特殊路况的场景类型，所述第一道路区域的目标图像为：所述车辆参数中包含有所述第一道路区域的特殊路况的图像。

可选的，本申请实施例中可以将所述第二道路区域的特殊路况的描述信息和/或目标图像作为所述提醒信息。具体的在当所述车辆即将行驶至所述第二道路区域时，播放所述第二道路区域的特殊路况的描述信息，和/或显示所述第二道路区域的特殊路况的目标图像。

另一方面，本申请实施例中还可以根据当前时刻的地图数据为车辆进行预设线路的规划。具体的，终端设备可以向服务器发送路线规划请求，以使得服务器获取规划路线，进而将规划路线发送给终端设备。其中，服务器在设计规划线路时可以避免规划包括有特殊路况的路线，可以避免车辆行驶至需要大量时间才能通过的特殊路况，提高了通行效率和用户体验。

在一种可能的设计中，终端设备的地图上显示每个所述第一道路区域的特殊路况的标识，且接收用户对任一个第一道路区域的特殊路况的标识的选择指令，显示用户选择的第一道路区域的特殊路况的描述信息。

在该种设计中，用户可以对地图中的任意一个特殊路况的信息进行查看，以便于用户可以主动选择行驶路线，提高了用户体验。

第二方面，提供一种特殊路况的识别方法，该方法应用于服务器，该方法包括：服务器根据路况模型和当前时刻之前的预设时间段内的车辆参数，获取所述当前时刻的第一道路区域，以及将在地图数据上标注所述第一道路区域或去掉已经失效的第一道路区域，得到所述当前时刻的地图数据。其中，所述第一道路区域为特殊路况所处的道路区域，所述路况模型用于表征车辆参数的特征和特殊路况的对应关系。

本申请实施例中服务器可以周期性的根据上报的车辆参数对地图数据进行更新，以保证地图中的第一道路区域的实时性，进而能够使得终端设备可以实时获取最新的地图数据，以实现对特殊路况的预先识别和提醒。

在一种可能的设计中，为了减少服务器的数据处理量，本申请实施例中可以对该预设时间段内接收的至少一个车辆的车辆参数进行预处理，确定初始道路区域，进而将该初始道路区域对应的车辆参数作为上述当前时刻之前的预设时间段内的车辆参数。其中，本申请实施例中可以将与地图数据中车辆的位置处的道路的特征不匹配的车辆参数中的位置所在的区域，确定初始道路区域。对应的，将该与地图数据中车辆的位置处的道路的特征不匹配的车辆参数，作为当前时刻之前的预设时间段内的车辆参数。

应注意，本申请实施例中的路况模型是以多个历史的车辆参数为训练参数获取的。其中，所述历史的车辆参数为所述预设时间段之前接收到的、来自至少一个车辆的车辆参数。

在一种可能的设计中，鉴于经过不同的特殊路况所处的道路区域时，不同的车辆上报的车辆参数不同，因此本申请实施例中针对不同的特殊路况，可以训练不同的路况模型，以提高特殊路况识别的准确性。据此，本申请实施例中的所述路况模型为多个。

其中，在训练上述多个路况模型时，本申请实施例中可以将所述多个历史的车辆参数分成n个训练数据集，将每个训练数据集作为训练一个路况模型的训练数据，以得到所述至少一个路况模型，其中，每个训练数据集中的车辆参数的特征相同，n为大于1的整数。对应的，可以将所述当前时刻之前的预设时间段内的车辆参数输入至所述至少一个路况模型，得到所述第一道路区域。

上述的方法中根据至少一个路况模型和当前时刻之前的预设时间段内的车辆参数，可以得到特殊路况的所述第一道路区域的特征类型，但并不能确定第一道路区域的特殊路况的场景类型。在一种可能的设计中，可以结合上报的车辆参数中的车辆拍摄的图像或视频，确定第一道路区域的特殊路况的场景类型。

其中，可以获取所述第一道路区域的目标图像，所述第一道路区域的目标图像为：所述车辆参数中包含有所述第一道路区域的特殊路况的图像，所述目标图像为所述车辆拍摄的图像或视频中的一个视频帧。本申请实施例中，可以根据所述第一道路区域的目标图像，生成所述第一道路区域的特殊路况的描述信息，所述描述信息用于描述所述特殊路况的场景类型。具体的，生成所述第一道路区域的特殊路况的描述信息的方式可以为：本申请实施例中的服务器中可以预先存储有识别模型，识别模型用于表征图像的特征和特殊路况的场景类型的对应关系，即将图像输入至识别模型中，该识别模型可以识别图像是否为包含有特殊路况的像素块的图像，从而判定特殊路况的场景类型。进一步的，本申请实施例中可以在所述地图数据中添加所述第一道路区域的特殊路况的描述信息和/或目标图像。

在一种可能的设计中，本申请实施例中根据所述第一道路区域的特殊路况的描述信息表征的特殊路况的场景类型，确定所述第一道路区域的特殊路况的持续时间；在所述地图数据中添加所述第一道路区域的特殊路况持续时间。

在上述两种设计中，本申请实施例中可以根据车辆参数中的图像或视频，确定包含有特殊路况的目标图像，以生成特殊路况的描述信息，且还能够根据特殊路况的场景类型，确定特殊路况的持续时间，进而将这些信息添加至地图数据中，进而可以使得终端设备在获取当前时刻的地图数据后，可以生成驾驶决策、或提醒信息、或为车辆进行预设路线的规划。

与上述第一方面相对应的，在车辆的规划路线是由终端设备请求服务器获取的时，服务器可以接收到来自终端设备的路线规划请求，则根据起止点、以及所述第一道路区域的特殊路况的持续时间和所述第一道路区域的特殊路况的场景类型，获取规划路线，所述路线规划请求中包括所述起止点；向所述终端设备推送所述规划路线。

第三方面，提供一种特殊路况的识别装置，包括：

处理模块，用于获取当前时刻的地图数据，所述地图数据包括：所述当前时刻的第一道路区域，且根据车辆的规划路线，判断所述车辆的规划路线中是否存在第二道路区域，所述第二道路区域为所述第一道路区域中的道路区域，所述第一道路区域为特殊路况所处的道路区域，所述第一道路区域是由路况模型和所述当前时刻之前的预设时间段内的车辆参数获取的，所述路况模型用于表征车辆参数的特征和特殊路况的对应关系。

可选的，若所述车辆为自动驾驶车辆，所述处理模块，还用于若所述车辆的规划路线中存在所述第二道路区域，则生成驾驶指令，以及当所述车辆行驶至所述第二道路区域时，根据所述驾驶指令控制所述车辆行驶，所述驾驶指令用于指示所述车辆的驾驶行为。

可选的，所述路况模型为多个，所述地图数据还包括：所述第一道路区域的特殊路况的描述信息，所述描述信息用于描述所述特殊路况的场景类型。

对应的，所述处理模块，具体用于根据所述第二道路区域的特殊路况的描述信息，生成所述驾驶指令，所述驾驶指令指示的驾驶行为与获取目标路况模型的历史的车辆参数的特征指示的驾驶行为相同，所述目标路况模型为确定所述第二道路区域为特殊路况的模型。

可选的，所述车辆为非自动驾驶车辆，所述处理模块，还用于若所述车辆的规划路线中存在所述第二道路区域，则生成提醒信息，且当所述车辆即将行驶至所述第二道路区域时，推送所述提醒信息，所述提醒信息用于指示所述第二道路区域存在特殊路况。

可选的，所述地图数据还包括：所述第一道路区域的特殊路况的描述信息和/或目标图像，所述描述信息用于描述所述特殊路况的场景类型，所述第一道路区域的目标图像为：所述车辆参数中包含有所述第一道路区域的特殊路况的图像。

对应的，所述处理模块，具体用于将所述第二道路区域的特殊路况的描述信息和/或目标图像作为所述提醒信息。

所述播放模块，用于播放所述第二道路区域的特殊路况的描述信息；和/或，

所述显示模块，用于显示所述第二道路区域的特殊路况的目标图像。

可选的，所述地图数据还包括：所述第一道路区域的特殊路况的持续时间。

可选的，所述第一道路区域为多个。所述显示模块，还用于在地图上显示每个所述第一道路区域的特殊路况的标识。

收发模块，用于接收用户对任一个第一道路区域的特殊路况的标识的选择指令；对应的，所述显示模块，还用于显示用户选择的第一道路区域的特殊路况的描述信息。

可选的，所述收发模块，还用于向服务器发送路线规划请求，以及接收所述服务器发送的所述规划路线。

可选的，所述收发模块，还用于向服务器上报车辆参数，所述车辆参数包括车辆的位置、车辆拍摄的图像或视频，以及所述车辆的属性数据、行驶数据。

上述第三方面提供的特殊路况的识别装置，其有益效果可以参见上述第一方面以及各可能的设计中所带来的有益效果，在此不加赘述。

第四方面，提供一种特殊路况的识别装置，包括：

处理模块，用于根据路况模型和当前时刻之前的预设时间段内的车辆参数，获取所述当前时刻的第一道路区域，且在地图数据上标注所述第一道路区域，得到所述当前时刻的地图数据，所述第一道路区域为特殊路况所处的道路区域，所述路况模型用于表征车辆参数的特征和特殊路况的对应关系。

可选的，所述车辆参数包括车辆的位置。

收发模块，用于在所述预设时间段内，接收至少一个车辆上报的车辆参数。

对应的，所述处理模块，还用于根据所述至少一个车辆的车辆参数，确定所述当前时刻之前的预设时间段内的车辆参数，所述当前时刻之前的预设时间段内的车辆参数为：与所述地图数据中所述车辆的位置处的道路的特征不匹配的车辆参数。

可选的，所述处理模块，还用于以多个历史的车辆参数为训练参数，获取所述路况模型，所述历史的车辆参数为所述预设时间段之前接收到的、来自至少一个车辆的车辆参数。

可选的，所述路况模型为多个。

所述处理模块，具体用于将所述多个历史的车辆参数分成n个训练数据集，将每个训练数据集作为训练一个路况模型的训练数据，以得到所述至少一个路况模型，其中，每个训练数据集中的车辆参数的特征相同，n为大于1的整数；。

可选的，所述处理模块，具体用于将所述当前时刻之前的预设时间段内的车辆参数输入至所述至少一个路况模型，得到所述第一道路区域。

可选的，所述车辆参数包括：车辆拍摄的图像或视频。

所述处理模块，还用于获取所述第一道路区域的目标图像，且根据所述第一道路区域的目标图像，生成所述第一道路区域的特殊路况的描述信息，以及在所述地图数据中添加所述第一道路区域的特殊路况的描述信息和/或目标图像，所述第一道路区域的目标图像为：所述车辆参数中包含有所述第一道路区域的特殊路况的图像，所述目标图像为所述车辆拍摄的图像或视频中的一个视频帧，所述描述信息用于描述所述特殊路况的场景类型。

可选的，所述处理模块，还用于根据所述第一道路区域的特殊路况的描述信息表征的特殊路况的场景类型，确定所述第一道路区域的特殊路况的持续时间，以及在所述地图数据中添加所述第一道路区域的特殊路况持续时间。

可选的，所述处理模块，还用于若接收到来自终端设备的路线规划请求，则根据起止点、以及所述第一道路区域的特殊路况的持续时间和所述第一道路区域的特殊路况的场景类型，获取规划路线，所述路线规划请求中包括所述起止点；

所述收发模块，还用于向所述终端设备推送所述规划路线。

可选的，所述车辆参数包括车辆的属性数据、行驶数据。

上述第四方面提供的特殊路况的识别装置，其有益效果可以参见上述第二方面以及各可能的设计中所带来的有益效果，在此不加赘述。

第五方面，提供一种电子设备，包括：处理器、存储器、收发器；所述收发器耦合至所述处理器，所述处理器控制所述收发器的收发动作，处理器执行上述第三方面或第四方面的处理模块执行的动作，收发器执行上述第三方面或第四方面的收发模块执行的动作。

其中，存储器用于存储计算机可执行程序代码，程序代码包括指令；当处理器执行指令时，指令使所述终端设备执行如第一方面或第二方面所提供的方法。

第六方面，提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面或第二方面的方法。

第七方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面或第二方面的方法。

本申请实施例提供一种特殊路况的识别方法、装置、电子设备和存储介质，服务器能够根据上报的海量的车辆参数，确定特殊路况所处的第一道路区域，进而更新地图数据，获取当前时刻的地图数据。应理解，该当前时刻的地图数据中包括第一道路区域，终端设备在获取当前时刻的地图数据后可以识别车辆的规划线路中是否包含有特殊路况，以预先对规划路线中的特殊路况进行识别，能够提高对特殊路况识别的实时性。

附图说明

图1为本申请实施例提供的特殊路况的识别方法适用的场景示意图；

图2为本申请实施例提供的特殊路况的识别方法的流程示意图一；

图3为本申请实施例提供的地图的示意图一；

图4为本申请实施例提供的地图的示意图二；

图5为本申请实施例提供的特殊路况的识别方法的流程示意图二；

图6为本申请实施例提供的获取路况模型的流程示意图；

图7为本申请实施例提供的终端设备的界面变化示意图一；

图8为本申请实施例提供的终端设备的界面变化示意图二；

图9为本申请实施例提供的特殊路况识别的装置的结构示意图一；

图10为本申请实施例提供的特殊路况识别的装置的结构示意图二；

图11为本申请实施例提供的电子设备的结构示意图一；

图12为本申请实施例提供的电子设备的结构示意图二。

具体实施方式

目前，车辆在行驶过程中对特殊路况的识别主要依据导航提示，车辆上辅助驾驶的传感器的识别，或者用户识别。但现有的导航中仅能够对道路施工、交通拥堵等类型的特殊路况进行提示，不能对井盖缺失、井盖不平、道路凹陷坑洼、道路积水、高度较大的减速带、车道或路段临时封闭、发生交通事故等特殊路况进行提示，因此导航提示的特殊路况的类型不全面。且导航对于突发的特殊路况不能进行提示，如某一车道上突发性出现障碍物、发生车祸或出现泥石流等不能进行及时提示，实时性低。对于采用辅助驾驶的传感器识别特殊路况的方式，辅助驾驶的传感器是依靠激光雷达来识别道路上存在障碍物的特殊路况，对于道路凹陷坑洼、井盖缺失、道路积水等特殊路况无法识别，因此辅助驾驶的传感器识别的特殊路况的类型也不全面。用户识别特殊路况，需要依靠用户的驾驶经验，用户粗心或者反应慢均会导致无法对特殊路况进行识别和避让。应理解，本申请实施例中的特殊路况可以包括：井盖缺失、井盖不平、道路凹陷坑洼、道路积水、高度较大的减速带、车道封闭施工、车道或路段临时封闭、发生交通事故、堵车等。

为了解决上述问题，现有技术中提供了一种采用车辆在行驶过程中采集的图像识别特殊路况的方法。其中，车辆根据行驶过程中采集的图像与预先设置的各种特殊路况的图像进行比对识别，在确定采集的图像中包括特殊路况时对用户进行提醒。但该方法存在实时性不高的问题，车辆的行驶速度较大，在采集图像以及识别出图像中包含有特殊路况时该车辆可能已经高速行驶过了该特殊路况，不能及时地进行提醒。另，该方法依靠车辆采集的单张图像识别特殊路况，还存在识别准确性低的问题。

为了解决上述识别特殊路况准确性低的问题，现有技术中服务器可以通过接收用户上传的特殊路况的图像和特殊路况的位置，进而向经过该特殊路况的位置的车辆进行提醒。但该方法仍然存在实时性不高的问题，且若特殊路况的图像没有用户上传，则服务器不能对特殊路况进行提醒。

近年来，随着车联网技术和通信技术的发展，车辆可以实时上报车辆参数至车联网云端服务器。在此基础上，为了解决现有技术中的问题，本申请实施例提供一种特殊路况的识别方法，通过车辆实时上报的海量的车辆参数，识别各类型的特殊路况且标注在地图上，进而实时地对行驶车辆进行提醒。鉴于本申请实施例中采用实时的、海量的车辆在行驶过程中上报的车辆参数对特殊路况进行识别，可以保证特殊路况的识别准确性和实时性，从而支持提醒的实时性。

图1为本申请实施例提供的特殊路况的识别方法适用的场景示意图。如图1所示，该场景中包括：终端设备和服务器。终端设备通过无线的方式与服务器相连。其中，服务器可以为车联网云端服务器。终端设备可以为车辆、或车辆中的车载终端等。

下面结合具体的实施例对本申请提供的特殊路况的识别方法进行说明。下面这几个实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图2中以服务器和终端设备交互的角度对本申请实施例提供的特殊路况的识别方法进行说明。图2为本申请实施例提供的特殊路况的识别方法的流程示意图一。如图2所示，本申请实施例提供的特殊路况的识别方法可以包括：

s201，服务器根据路况模型和当前时刻之前的预设时间段内的车辆参数，获取当前时刻的第一道路区域，第一道路区域为特殊路况所处的道路区域，路况模型用于表征车辆参数的特征和特殊路况的对应关系。

s202，服务器在地图数据上标注第一道路区域，得到当前时刻的地图数据。

s203，终端设备获取当前时刻的地图数据。

s204，终端设备根据车辆的规划路线，判断车辆的规划路线中是否存在第二道路区域，第二道路区域为第一道路区域中的道路区域。

上述s201中，路况模型用于表征车辆参数的特征和特殊路况的对应关系，即将车辆参数输入至路况模型中，路况模型可以基于一段时间内某个路段区域的车辆参数识别出该路段区域是否存在特殊路况。可选的，本申请实施例中的路况模型是根据历史获取的车辆参数采用聚类算法，或者机器学习等ai算法获取的。其中，ai算法可以为决策树、随机森林、逻辑回归、支持向量机、朴素贝叶斯或神经网络等算法。本申请实施例中对获取路况模型采用的ai算法的类型不做限制。

当前时刻之前的预设时间段为预定义的时间段，本申请实施例中为了保证获取的特殊路况的实时性，可以周期性的采用当前时刻之前的预设时间段的车辆参数获取特殊路况所处的道路区域。示例性的，如当前时刻为8:00，则当前时刻之前的预设时间段内的车辆参数可以为7:50-8:00该时间段内的车辆参数。可以采用该7:50-8:00该时间段内的车辆参数输入至路况模型中，获取8:00的特殊路况所处的道路区域。

本申请实施例中的当前时刻之前的预设时间段的车辆参数可以为：在当前时刻之前的预设时间段内车辆上报至服务器的车辆参数。应理解，车辆在行驶的过程中可以周期性上报车辆参数。车辆参数包括车辆的动态参数和静态参数。其中，车辆的动态参数包括车辆的位置、车辆拍摄的图像或视频，以及车辆的行驶数据，车辆的行驶数据可以为车辆的速度、加速度，以及转向、刹车等驾驶动作。车辆的静态参数为车辆的属性数据。车辆的属性数据可以包括车辆的重量、长宽高、减震性等数据。值得注意的是，车辆在第一次上报车辆参数时，上报车辆的动态参数和静态参数，在后续上报车辆参数时上报动态参数。

本申请实施例中将当前时刻的特殊路况所处的道路区域作为第一道路区域。第一道路区域为车道级别的道路区域。示例性的，如特殊路况为堵车，则第一道路区域可以为xx路至xx路之间的三个车道。如特殊路况为井盖缺失，则第一道路区域可以为xx路上左侧车道的区域。

应理解，上述的“当前时刻之前的预设时间段内的车辆参数”可以为在预设时间段内，至少一个车辆上报的车辆参数。

可选的，为了减少路况模型的数据处理量，本申请实施例中可以对该预设时间段内接收的至少一个车辆的车辆参数进行预处理，确定初始道路区域，进而将该初始道路区域对应的车辆参数作为上述当前时刻之前的预设时间段内的车辆参数。其中，初始道路区域为初步确定的为特殊路况所处的道路区域，初始道路区域对应的车辆参数为：预设时间段内接收的至少一个车辆的车辆参数中的车辆位置在初始道路区域内的车辆参数。示例性的，根据预设时间段内接收的n个车辆的车辆参数，确定区域1为初始道路区域，进而在n个车辆的车辆参数中获取车辆的位置在区域1内的车辆参数，作为上述当前时刻之前的预设时间段内的车辆参数，即输入路况模型的车辆参数。

其中，本申请实施例中可以将与地图数据中车辆的位置处的道路的特征不匹配的车辆参数中的位置所在的区域，确定初始道路区域。对应的，将该与地图数据中车辆的位置处的道路的特征不匹配的车辆参数，作为当前时刻之前的预设时间段内的车辆参数。示例性的，若地图数据中区域1内的道路的特征为直行车道、最低车速为60km/h，而根据车辆参数，确定该区域1内车辆上报的车辆参数中车速为10km/h、0km/h等，则可以确定该区域1内的车辆参数与区域1内道路的特征不匹配，则该区域1内可能存在特殊路况，如堵车，则可以将区域1作为初始道路区域，进而将车辆的位置处于区域1内的车辆参数作为当前时刻之前的预设时间段内的车辆参数。

上述s202中，本申请实施例中可以在地图数据上标注第一道路区域，对地图数据进行更新，得到当前时刻的地图数据。应理解，在地图数据上标注第一道路区域可以为：在地图上第一道路区域对应的位置上标注特殊路况，进而可以得到更新得到的当前时刻的地图数据上标注有第一道路区域。

图3为本申请实施例提供的地图的示意图一。如图1所示，该地图上在3个位置(如a、b和c)标注有第一道路区域。其中，图3以“感叹号”的形式示例性地表征第一道路区域。

应注意，本申请实施例中还可以对特殊路况的消除进行地图数据的更新。示例性的，如上述地图数据中区域1内的道路的特征为直行车道、车速为小于60km/h，而上一时刻的区域1内车辆上报的车辆参数中车速为10km/h、0km/h等，则在上一时刻地图数据中标注区域1为第一道路区域。而根据当前时刻的预设时间段内的车辆参数，确定该区域1内车辆上报的车辆参数中车速最低为60km/h等，则还可以确定该区域1内上一时刻的特殊路况消失，则可以对地图数据进行更新，获取当前时刻的地图数据。其中，对地图数据进行更新的具体方式为：在地图上将标注为第一道路区域的区域1删除。

图4为本申请实施例提供的地图的示意图二。与图3比对，图4中的位置a处的特殊路况消除，则得到更新的当前时刻的地图如图4所示，图4中在位置b和位置c处标注有第一道路区域。

上述s203中，终端设备可以在服务器中获取当前时刻的地图数据。可选的，终端设备中安装有显示地图的应用程序，如导航应用程序，自动驾驶地图应用程序等。终端设备可以获取当前时刻的地图数据，以更新终端设备应用程序中的地图数据。

上述s204中，依据上述s203，终端设备可以获取当前时刻的地图数据，进而可以使得自动驾驶车辆能够预先获取第一道路区域。对应的，终端设备可以显示地图中的第一道路区域，使得用户能够获知第一道路区域。也就是说，本申请实施例中，自动驾驶车辆或非自动驾驶车辆，均可以根据当前时刻的地图数据，预先获取第一道路区域，解决了现有技术中的实时性的问题。

本申请实施例中，若车辆正在按照规划线路行驶，则终端设备可以根据车辆的规划路线，判断车辆的规划路线中是否存在第二道路区域，即可以预先对规划路线中的特殊路况进行识别。其中，第二道路区域为第一道路区域中的道路区域，也就是说本申请实施例中可以预先判断车辆的规划路线中是否存在特殊路况所处的道路区域。若在车辆的规划路线中存在第二道路区域，则可以预先进行驾驶决策(对自动驾驶车辆而言，具体可见下述实施例中的s508)或预先提醒(对非自动驾驶车辆而言)，进而实现及时地提醒。

本申请实施例中的规划线路可以是终端设备根据用户输入的起止点获取的，也可以是终端设备请求服务器获取的。

本申请实施例中，服务器根据上报的车辆参数和路况模型，获取当前时刻的特殊路况所处的区域，即第一道路区域，以对地图数据进行更新，得到当前时刻的地图数据，该当前时刻的地图数据中包括第一道路区域。对应的，终端设备在服务器获取当前时刻的地图数据后，可以识别车辆的规划线路中是否包含有特殊路况，以预先对规划路线中的特殊路况进行识别，能够提高对特殊路况识别的实时性。

在上述实施例的基础上，图5为本申请实施例提供的特殊路况的识别方法的流程示意图二。如图5所示，本申请实施例提供的特殊路况的识别方法可以包括：

s501，服务器将当前时刻之前的预设时间段内的车辆参数输入至少一个路况模型，得到第一道路区域。

s502，服务器获取第一道路区域的目标图像，第一道路区域的目标图像为：车辆参数中包含有第一道路区域的特殊路况的图像，目标图像为车辆拍摄的图像或视频中的一个视频帧。

s503，服务器根据第一道路区域的目标图像，生成第一道路区域的特殊路况的描述信息，描述信息用于描述特殊路况的场景类型。

s504，服务器根据第一道路区域的特殊路况的描述信息表征的特殊路况的场景类型，确定第一道路区域的特殊路况的持续时间。

s505，服务器在地图数据上标注第一道路区域，且在地图数据中添加第一道路区域的特殊路况的描述信息和/或目标图像，以及第一道路区域的特殊路况持续时间，得到当前时刻的地图数据。

s506，终端设备获取当前时刻的地图数据。

s507，终端设备根据车辆的规划路线，判断车辆的规划路线中是否存在第二道路区域。

s508，若车辆为自动驾驶车辆，且车辆的规划路线中存在第二道路区域，则终端设备生成驾驶指令，驾驶指令用于指示车辆的驾驶行为。

s509，当车辆行驶至第二道路区域时，终端设备根据驾驶指令控制车辆行驶。

s510，若车辆为非自动驾驶车辆，且车辆的规划路线中存在第二道路区域，则终端设备生成提醒信息，提醒信息用于指示第二道路区域存在特殊路况。

s511，当车辆即将行驶至第二道路区域时，终端设备推送提醒信息。

在上述s501中，本申请实施例中的路况模型为多个。其中，每个路况模型用于识别不同特征的车辆参数为特殊路况对应的车辆参数。示例性的，路况模型1用于识别缺井盖的特殊路况，路况模型2用于识别道路不通的特殊路况，路况模型3用于识别车辆打滑的特殊路况。

鉴于经过不同的特殊路况所处的道路区域时，不同的车辆上报的车辆参数不同，因此针对不同的特殊路况，可以训练不同的路况模型，以提高特殊路况识别的准确性。本申请实施例中可以将当前时刻之前的预设时间段内的车辆参数输入至少一个路况模型，得到第一道路区域。对于一个车辆参数而言，其输入至路况模型1，路况模型1输出的结果可以为车辆参数并非特殊路况对应的车辆参数，但其输入至路况模型2，路况模型2输出的结果可能为车辆参数为特殊路况对应的车辆参数，进而可以判定该车辆参数为道路不通对应的车辆参数。

应理解，本申请实施例中获取第一道路区域的方式可以为：根据至少一个路况模型，可以得到输出为特殊路况对应的车辆参数的车辆参数，鉴于车辆参数中包括车辆的位置，本申请实施例中可以将包括预设数量个特殊路况对应的车辆参数的区域作为第一道路区域。示例性的，如区域1内，10个车辆上报的车辆参数均被确定为是特殊路况对应的车辆参数，则可以将该区域1作为第一道路区域。

或者，本申请实施例中获取第一道路区域的方式还可以为：可以将当前时刻之前的预设时间段内的车辆参数输入至少一个路况模型中，即可获取为特殊路况的第一道路区域，不用经过上述特殊路况对应的车辆参数的车辆参数的分析过程。

本申请实施例中可以以多个历史的车辆参数为训练参数，获取路况模型。其中，历史的车辆参数为预设时间段之前接收到的、来自至少一个车辆的车辆参数。下面结合图6对获取路况模型的方法进行具体说明。图6为本申请实施例提供的获取路况模型的流程示意图。如图6所示，本申请实施例中获取路况模型的方法包括：

s601，将所述多个历史的车辆参数分成n个训练数据集。

每个历史的车辆参数中可以包括车辆的位置、车辆的拍摄的图像或视频，以及车辆的属性数据、行驶数据。其中，属性数据、行驶数据具体可以参照上述s201中的相关描述。其中，每个训练数据集中的车辆参数的特征相同，n为大于或等于1的整数。

本申请实施例中，可以预先获取不同特征类型的特殊路况。不同特征类型的特殊路况可以为影响车辆产生不同的车辆参数的特征。如特殊路况的特征类型为：道路不通、缺井盖、道路结冰、减速带等。

鉴于车辆在遇到不同特征类型的特殊路况时的车辆参数不同，因此本申请实施例中可以根据历史的车辆参数的特征，分成n个训练数据集。其中，每个训练数据集中的车辆参数的特征相同，即每个训练数据集中的车辆参数均是由一种特征类型的特殊路况影响生成的。示例性的，如道路不通影响生成的车辆参数的特征可以为：减速后右转弯、或者减速后左转弯、减速后掉头等。减速带影响生成的车辆参数的特征可以为：减速后车身震动等。

另，本申请实施例中还可以对减速、车身震动和拐弯等区分程度，以确定历史的车辆参数对应的特殊路况的特征类型，以划分历史的车辆参数所在的训练数据集。其中，减速可以包括缓慢减速、急减速等，车身震动可以包括车身震动为小幅度震动、大幅度震动(如可以车身震动幅度离散成不同的整数值，如0-10实现幅度划分)等，拐弯可以包括急拐弯和缓慢拐弯等。

s602，将每个训练数据集作为训练一个路况模型的训练数据，以得到所述至少一个路况模型。

本申请实施例中，可以以每个训练数据集作为训练一个路况模型的训练数据，训练一个路况模型，进而对n个训练数据集训练，以得到至少一个路况模型。

其中，在对一个训练数据集进行训练得到路况模型时，可以该训练数据集中的车辆参数打标签，进而对打标签后的训练数据集作为训练一个路况模型的训练数据，训练一个路况模型。对应的，本申请实施例中对n个训练数据集进行训练，可以获取n个(即至少一下个)路况模型。应理解，对车辆参数进行打标签，例如，将车辆参数中减速部分对应的车辆参数的标识为“减速”，将左转弯部分对应的车辆参数的标识为“左转弯”。

应理解，上述s201中讲述了可以采用路况模型获取第一道路区域，应理解，上述实施例中的路况模型可以为一个综合本申请实施例中的至少一个路况模型的模型，进而能够实现对不同特征的车辆参数进行特殊路况的识别。

上述s502中，依据上述s501在得到第一道路区域后，可以得到特殊路况的所述第一道路区域的特征类型，但并不能确定第一道路区域的特殊路况的场景类型。示例性的，上述特殊路况的特征类型如：“道路不通”、“道路颠簸”、“道路拥堵”。但并不能确定特殊路况的场景类型，如“车祸引起的道路不通”、“道路积水引起的道路不通”。

据此，本申请实施例中还可以基于车辆参数获取第一道路区域的特殊路况的场景类型，以获取更为详细的第一道路区域的特殊路况的信息。其中，车辆上报的车辆参数中包括车辆拍摄的图像或视频，本申请实施例中可以根据第一道路区域，以及车辆参数中的车辆的位置，获取车辆在第一道路区域内上报的车辆参数，进而在该第一道路区域内上报的车辆参数中获取车辆拍摄的图像或视频。为了便于说明，下述描述中将在该第一道路区域内上报的车辆参数称为目标车辆参数。

本申请实施例中可以在目标车辆参数中获取第一道路区域的目标图像。应理解，目标车辆参数可以为多个，对应的，目标车辆参数中的图像或视频也为多个。其中，在目标车辆参数中获取目标图像的方式可以为：将包含有第一道路区域的特殊路况的图像或视频帧作为待选图像，进而在待选图像中获取目标图像。应理解，目标车辆参数中的视频可以包括多个视频帧。

可选的，本申请实施例中的服务器中可以预先存储有识别模型，识别模型用于表征图像的特征和特殊路况的场景类型的对应关系，即将图像输入至识别模型中，该识别模型可以识别图像是否为包含有特殊路况的像素块的图像，从而判定特殊路况的场景类型。本申请实施例中可以将目标车辆参数中的图像或视频帧输入至识别模型，将包含有特殊路况的图像或视频帧作为待选图像。进一步的，该识别模型还可以输出待选图像相似度，以表征待选图像中包含有特殊路况的准确度。本申请实施例中可以在待选图像中，根据图像清晰度、相似度确定目标图像，如将图像清晰度最高的待选图像作为目标图像，或者将相似度最高的待选图像作为目标图像。

应理解，本申请实施例中的识别模型可以是以多种类型的包含有特殊路况的图像作为训练数据集，采用机器学习的方式训练得到的。其中，训练识别模型的机器学习方法可以与上述训练路况模型的方法相同。

上述s503中，本申请实施例中的特殊路况的描述信息用于描述特殊路况的场景类型。如特殊路况的场景类型可以为堵车、井盖缺失、井盖不平等。

本申请实施例中可以根据第一道路区域的目标图像，确定第一道路区域的特殊路况的类型，以根据第一道路区域的特殊路况的场景类型，生成第一道路区域的特殊路况的描述信息。示例性的，第一道路区域的特殊路况的类型为井盖缺失，则第一道路区域的特殊路况的描述信息可以为对第一道路区域的特殊路况的场景类型的细致描述，如第一道路区域的特殊路况的描述信息可以为：xx路的东行方向左侧第一车道井盖缺失。

其中，本申请实施例中确定第一道路区域的特殊路况的类型的一种方式可以为：上述的识别模型用于表征图像的特征和特殊路况的场景类型的对应关系，即将图像输入至识别模型，即可以获取图像中的特殊路况的场景类型。

其中，确定第一道路区域的特殊路况的类型的另一种方式可以为：识别模型可以为多个。其中，每个识别模型用于表征一种场景类型的特殊路况与图像的特征的对应关系。本申请实施例中可以将目标车辆参数中的图像或视频帧输入至多个识别模型，输入图像为特殊路况的识别模型表征的特殊路况的场景类型即为图像中包含的特殊路况的场景类型。示例性的，如识别模型1用于表征井盖缺失与图像的特征的对应关系，即用于识别包含有井盖缺失的图像；识别模型2用于表征堵车与图像的特征的对应关系，即识别包含有堵车的图像；识别模型3用于表征减速带与图像的特征的对应关系，即用于识别包含有减速带的图像。

该种方式中，在训练每个识别模型时采用的机器学习方法可以与上述训练识别模型的方法相同。但应注意，训练每个识别模型与上述训练识别模型的训练数据不同。该方法中训练每个识别模型时的训练数据为包含有相同场景类型的特殊路况的图像，而上述训练识别模型的训练数据为包含有各种场景类型的特殊路况的图像。示例性的，本申请实施例中训练识别模型1的训练数据可以为包含有井盖缺失的多个图像。

上述s504中，第一道路区域的特殊路况的持续时间，指的是第一道路区域从当前时刻至消除的时间。应理解，该第一道路区域的特殊路况的持续时间可以为根据大数据进行统计的经验均值确定，也可以指从特殊路况出现到消除的时间。本申请实施例可以根据第一道路区域的特殊路况的场景类型，确定第一道路区域的特殊路况的持续时间。可选的，服务器中存储有每种场景类型的特殊路况的持续时间的经验值，该经验值可以为用户(技术人员)输入的，或者服务器根据历史的特殊路况的持续时间获取的。示例性的，如服务器可以将历史的特殊路况的持续时间的均值、最大值或最小值，作为与历史的特殊路况的场景类型相同的特殊路况的持续时间。示例性的，如特殊路况为井盖缺失的持续时间为1天，特殊路况为泥石流的持续时间为4小时等。

上述s505中，本申请实施例在获取第一道路区域，以及第一道路区域的特殊路况的描述信息和/或目标图像、第一道路区域的特殊路况持续时间后，可以将在地图数据上标注第一道路区域，且在地图数据中添加第一道路区域的特殊路况的描述信息和/或目标图像，以及第一道路区域的特殊路况持续时间。也就是说，当前的地图数据中包括第一道路区域，以及第一道路区域的特殊路况的描述信息和/或目标图像、第一道路区域的特殊路况持续时间。

应理解，本申请实施例中的s506-s507中的实施方式可以参照上述实施例中s203-s204中的相关描述，在此不做赘述。

上述s508中，若车辆为自动驾驶车辆，且车辆的规划路线中存在第二道路区域，则本申请实施例中可以为自动驾驶车辆生成驾驶决策，即驾驶指令，该驾驶指令用于指示车辆的驾驶行为。示例性的，如驾驶指令可以为指示车辆减速且右拐，或者减速等指令。

鉴于本申请实施例中的路况模型为多个，且地图数据还包括第一道路区域的特殊路况的描述信息，本申请实施例中可以根据第二道路区域的特殊路况的描述信息，生成驾驶指令。应理解，驾驶指令指示的驾驶行为与获取目标路况模型的历史的车辆参数的特征指示的驾驶行为相同，目标路况模型为确定第二道路区域为特殊路况的模型。也就是说，本申请实施例中将输入第二道路区域为特殊路况的模型作为目标路况模型，且将训练该目标路况模型的历史的车辆参数的特征指示的驾驶行为作为驾驶指令。示例性的，第二道路区域为井盖缺失，输出第二道路区域为特殊路况的模型为路况模型2，而训练路况模型2的历史的车辆参数的特征为先减速后右拐，则可以将先减速后右拐作为第二道路区域的驾驶指令。

上述s509中，在自动驾驶车辆行驶至第二道路区域时，终端设备根据驾驶指令控制车辆行驶。具体的，本申请实施例中，上述s508中可以预先生成自动驾驶车辆在第道路区域的驾驶指令，可以对自动驾驶车辆进行预先提醒，以使自动驾驶车辆在行驶至第二道路区域时，可以根据驾驶指令行驶。示例性的，如第二道路区域的驾驶指令为先减速后右拐，则自动驾驶车辆在行驶至第二道路区域时可以先减速后右拐。

可选的，为了进一步提高自动驾驶车辆的安全性，本申请实施例中还可以在自动驾驶车辆行驶至第二道路区域前预设距离处，执行该驾驶指令。示例性的，如在距离第二道路区域还有1米时先减速后右拐。

上述s510中，若车辆为非自动驾驶车辆，且车辆的规划路线中存在第二道路区域，则本申请实施例中可以生成提醒信息，以对驾驶车辆的用户进行提醒。鉴于地图数据还包括第一道路区域的特殊路况的描述信息和/或目标图像，本申请实施例中生成的提醒信息中可以将第二道路区域的特殊路况的描述信息和/或目标图像作为提醒信息。

上述s511中，为了预先对第二道路区域的特殊路况进行提醒，可以在当车辆即将行驶至第二道路区域时，终端设备推送提醒信息。具体的，推送提醒信息的方式可以为播放第二道路区域的特殊路况的描述信息，和/或显示第二道路区域的特殊路况的目标图像。

示例性的，如第一道路区域的特殊路况的场景类型为井盖缺失，第一道路区域的特殊路况的描述信息可以为：xx路的东行方向左侧第一车道井盖缺失。本申请实施例可以在当车辆即将行驶至第二道路区域(如在距离第二道路区域还有预设距离)时，播放“xx路的东行方向左侧第一车道井盖缺失”的提醒信息，以及在终端设备的显示屏幕上显示第二道路区域的特殊路况的目标图像。

图7为本申请实施例提供的终端设备的界面变化示意图一。如图7中的界面701所示，该界面701上显示为车辆的导航界面，在车辆即将行驶至第二道路区域时，界面701可以跳转至界面702，该界面702上显示有第二道路区域的特殊路况的目标图像。示例性的，如界面702上显示的为第二道路区域处“井盖缺失”的图像。应理解，本申请实施例中以终端设备为车载终端为例进行说明。

可选的，本申请实施例中的第一道路区域为多个，且还可以在地图上显示每个第一道路区域的特殊路况的标识。图8为本申请实施例提供的终端设备的界面变化示意图二。如图8中的界面801所示，该界面801在界面701显示的车辆的导航界面上显示有第一道路区域的特殊路况的标识。

示例性的，第一道路区域的特殊路况的标识可以相同，如均为感叹号的图标。或者第一道路区域的特殊路况的标识可以表征第一道路区域的特殊路况的场景类型。如图8界面801所示，第一道路区域的特殊路况包括井盖缺失、井盖不平和泥石流时，可以在地图的第一道路区域对应的位置上显示有对应的标识。如位置a处标注有表征井盖缺失的标识1，在位置b处标注有表征井盖不平的标识2，在位置c处标注有表征井盖缺失的标识3。

本申请实施例中，在终端设备接收用户对任一个第一道路区域的特殊路况的标识的选择指令，显示用户选择的第一道路区域的特殊路况的描述信息，以使用户获取选择的第一道路区域的特殊路况的场景类型。示例性的，如用户以点击的方式选择标识1，则上述界面801跳转至界面802，该界面802上显示有位置a处的特殊路况的描述信息，如：xx路的东行方向左侧第一车道井盖缺失。

应理解，上述s508-s509和s510-s511是择一执行的步骤。应理解，s508-s509是车辆为自动驾驶车辆时执行的步骤，s510-s511是车辆为非自动驾驶车辆时执行的步骤。

其中，上述s507-s511为车辆在行驶的过程中的场景。在该场景下，鉴于地图数据还包括：第一道路区域的特殊路况的持续时间，若车辆的规划路线中存在第二道路区域，且第二道路区域的特殊路况的场景类型为预设场景类型，以及车辆行驶至第二道路区域的时间小于第二道路区域的特殊路况的持续时间，则可以请求服务器更新车辆的规划路线，得到更新后的规划路线。可选的，预设场景类型为预先约定的场景类型，可以为车辆不能快速通过的特殊路况的场景类型，如堵车、泥石流等。

示例性的，若车辆的规划路线中存在第二道路区域，且第二道路区域的特殊路况的场景类型为泥石流，且车辆行驶至第二道路区域的时间需要30分钟，而该第二道路区域的泥石流的持续时间为4小时，则可以请求服务器更新车辆的规划路线，以避免该第二道路区域，得到更新后的规划路线，进而在终端设备上显示更新后的规划路线。可选的，还可以在终端设备上显示更新规划路线的原因，如“前方有泥石流，已为您更新路线”的文字提醒信息。

上述的车辆的规划路线可以为终端设备请求服务器获取的。其中，终端设备在接收到用户输入的路线规划请求时，可以将该路线规划请求发送给服务器。在服务器接收到来自终端设备的路线规划请求，可以根据起止点、以及第一道路区域的特殊路况的持续时间和第一道路区域的特殊路况的场景类型，获取规划路线。其中，服务器在设计规划线路时可以避免规划包括有预设场景类型的特殊路况的路线。

本申请实施例中的路况模型是由历史的海量车辆参数经训练后得到的，因此采用该路况模型对当前时刻的第一道路区域进行识别具有较高的准确性。且本申请实施例中，终端设备可以根据当前的地图数据，可以预先生成驾驶决策或提醒信息，以对自动驾驶车辆和非自动驾驶车辆进行预先提醒，提高了用户体验。另终端设备还可以根据当前的地图数据对预先规划的预设线路进行更新，或者为车辆设置预设线路，能够进一步提高用户体验。

图9为本申请实施例提供的特殊路况识别的装置的结构示意图一。如图9所示，该特殊路况识别的装置可以为上述实施例中的终端设备。其中，特殊路况识别的装置900中包括：处理模块901、播放模块902、显示模块903和收发模块904。

处理模块901，用于获取当前时刻的地图数据，所述地图数据包括：所述当前时刻的第一道路区域，且根据车辆的规划路线，判断所述车辆的规划路线中是否存在第二道路区域，所述第二道路区域为所述第一道路区域中的道路区域，所述第一道路区域为特殊路况所处的道路区域，所述第一道路区域是由路况模型和所述当前时刻之前的预设时间段内的车辆参数获取的，所述路况模型用于表征车辆参数的特征和特殊路况的对应关系。

可选的，若所述车辆为自动驾驶车辆，所述处理模块901，还用于若所述车辆的规划路线中存在所述第二道路区域，则生成驾驶指令，以及当所述车辆行驶至所述第二道路区域时，根据所述驾驶指令控制所述车辆行驶，所述驾驶指令用于指示所述车辆的驾驶行为。

可选的，所述路况模型为多个，所述地图数据还包括：所述第一道路区域的特殊路况的描述信息，所述描述信息用于描述所述特殊路况的场景类型。

对应的，所述处理模块901，具体用于根据所述第二道路区域的特殊路况的描述信息，生成所述驾驶指令，所述驾驶指令指示的驾驶行为与获取目标路况模型的历史的车辆参数的特征指示的驾驶行为相同，所述目标路况模型为确定所述第二道路区域为特殊路况的模型。

可选的，所述车辆为非自动驾驶车辆，所述处理模块901，还用于若所述车辆的规划路线中存在所述第二道路区域，则生成提醒信息，且当所述车辆即将行驶至所述第二道路区域时，推送所述提醒信息，所述提醒信息用于指示所述第二道路区域存在特殊路况。

可选的，所述地图数据还包括：所述第一道路区域的特殊路况的描述信息和/或目标图像，所述描述信息用于描述所述特殊路况的场景类型，所述第一道路区域的目标图像为：所述车辆参数中包含有所述第一道路区域的特殊路况的图像。

对应的，所述处理模块901，具体用于将所述第二道路区域的特殊路况的描述信息和/或目标图像作为所述提醒信息。

所述播放模块902，用于播放所述第二道路区域的特殊路况的描述信息；和/或，

所述显示模块903，用于显示所述第二道路区域的特殊路况的目标图像。

可选的，所述地图数据还包括：所述第一道路区域的特殊路况的持续时间。

可选的，所述第一道路区域为多个。所述显示模块903，还用于在地图上显示每个所述第一道路区域的特殊路况的标识。

收发模块904，用于接收用户对任一个第一道路区域的特殊路况的标识的选择指令；对应的，所述显示模块903，还用于显示用户选择的第一道路区域的特殊路况的描述信息。

可选的，所述收发模块904，还用于向服务器发送路线规划请求，以及接收所述服务器发送的所述规划路线。

可选的，所述地图数据还包括：所述第一道路区域的特殊路况的持续时间。

可选的，所述收发模块904，还用于向服务器上报车辆参数，所述车辆参数包括车辆的位置、车辆拍摄的图像或视频，以及所述车辆的属性数据、行驶数据。

本申请实施例提供的特殊路况识别的装置，其有益效果可以参见上述特殊路况的识别方法中的有益效果，在此不加赘述。

图10为本申请实施例提供的特殊路况识别的装置的结构示意图二。如图10所示，该特殊路况识别的装置可以为上述实施例中的服务器。其中，特殊路况识别的装置1000中包括：处理模块1001、收发模块1002。

处理模块1001，用于根据路况模型和当前时刻之前的预设时间段内的车辆参数，获取所述当前时刻的第一道路区域，且在地图数据上标注所述第一道路区域，得到所述当前时刻的地图数据，所述第一道路区域为特殊路况所处的道路区域，所述路况模型用于表征车辆参数的特征和特殊路况的对应关系。

可选的，所述车辆参数包括车辆的位置。

收发模块1002，用于在所述预设时间段内，接收至少一个车辆上报的车辆参数。

对应的，所述处理模块1001，还用于根据所述至少一个车辆的车辆参数，确定所述当前时刻之前的预设时间段内的车辆参数，所述当前时刻之前的预设时间段内的车辆参数为：与所述地图数据中所述车辆的位置处的道路的特征不匹配的车辆参数。

可选的，所述处理模块1001，还用于以多个历史的车辆参数为训练参数，获取所述路况模型，所述历史的车辆参数为所述预设时间段之前接收到的、来自至少一个车辆的车辆参数。

可选的，所述路况模型为多个。

所述处理模块1001，具体用于将所述多个历史的车辆参数分成n个训练数据集，每个训练数据集中的车辆参数的特征相同，n为大于1的整数；将每个训练数据集作为训练一个路况模型的训练数据，以得到所述至少一个路况模型。

可选的，所述处理模块1001，具体用于将所述当前时刻之前的预设时间段内的车辆参数输入至所述至少一个路况模型，得到所述第一道路区域。

可选的，所述车辆参数包括：车辆拍摄的图像或视频。

所述处理模块1001，还用于获取所述第一道路区域的目标图像，且根据所述第一道路区域的目标图像，生成所述第一道路区域的特殊路况的描述信息，以及在所述地图数据中添加所述第一道路区域的特殊路况的描述信息和/或目标图像，所述第一道路区域的目标图像为：所述车辆参数中包含有所述第一道路区域的特殊路况的图像，所述目标图像为所述车辆拍摄的图像或视频中的一个视频帧，所述描述信息用于描述所述特殊路况的场景类型。

可选的，所述处理模块1001，还用于根据所述第一道路区域的特殊路况的描述信息表征的特殊路况的场景类型，确定所述第一道路区域的特殊路况的持续时间，以及在所述地图数据中添加所述第一道路区域的特殊路况持续时间。

可选的，所述处理模块1001，还用于若接收到来自终端设备的路线规划请求，则根据起止点、以及所述第一道路区域的特殊路况的持续时间和所述第一道路区域的特殊路况的场景类型，获取规划路线，所述路线规划请求中包括所述起止点；

所述收发模块1002，还用于向所述终端设备推送所述规划路线。

可选的，所述车辆参数包括车辆的属性数据、行驶数据。

本申请实施例提供的特殊路况识别的装置，其有益效果可以参见上述特殊路况的识别方法中的有益效果，在此不加赘述。

图11为本申请实施例提供的电子设备的结构示意图一。如图11所示，该电子设备可以为上述图9中的终端设备，该电子设备可以包括：处理器1101、播放器1102、显示器1103、收发器1104和存储器1105。应理解，处理器1101执行上述处理模块901的动作，播放器1102执行上述播放模块902的动作，显示器1103执行上述显示模块903的动作，以及收发器1104执行上述收发模块904的动作。存储器1105中可以存储各种指令，以用于完成各种处理功能以及实现本申请的方法步骤。

其中，上述收发器1104耦合至处理器1101，处理器1101控制收发器1104(1202)的收发动作；存储器1105可能包含高速随机存取存储器(random-accessmemory，ram)，也可能还包括非易失性存储器(non-volatilememory，nvm)，例如至少一个磁盘存储器。可选的，本申请涉及的电子设备还可以包括：电源1106、通信总线1107以及通信端口1108。收发器1104可以集成在终端设备的收发信机中，也可以为终端设备上独立的收发天线。通信总线1107用于实现元件之间的通信连接。上述通信端口1108用于实现终端设备与其他外设之间进行连接通信。其中，显示器1103可以与处理器1101连接，以在处理器1101的控制下显示上述实施例中的设置界面。

在本申请实施例中，上述存储器1105用于存储计算机可执行程序代码，程序代码包括指令；当处理器1101执行指令时，指令使终端设备的处理器1101执行上述方法实施例中终端设备的处理动作，使收发器1104执行上述方法实施例中终端设备的收发动作，其实现原理和技术效果类似，在此不再赘述。

图12为本申请实施例提供的电子设备的结构示意图二。如图12所示，该电子设备可以为上述图10中的服务器，该电子设备可以包括：处理器1201、收发器1202和存储器1203。应理解，处理器1201执行上述处理模块1001的动作，以及收发器1202执行上述收发模块1002的动作。存储器1203中可以存储各种指令，以用于完成各种处理功能以及实现本申请的方法步骤。

其中，上述收发器1202耦合至处理器1201，处理器1201控制收发器1202(1202)的收发动作；处理器1203可能包含高速随机存取存储器(random-accessmemory，ram)，也可能还包括非易失性存储器(non-volatilememory，nvm)，例如至少一个磁盘存储器。可选的，本申请涉及的电子设备还可以包括：电源1204、通信总线1205以及通信端口1206。收发器1202可以集成在终端设备的收发信机中，也可以为终端设备上独立的收发天线。通信总线1205用于实现元件之间的通信连接。上述通信端口1206用于实现终端设备与其他外设之间进行连接通信。其中，显示器1103可以与处理器1201连接，以在处理器1201的控制下显示上述实施例中的设置界面。

在本申请实施例中，上述处理器1203用于存储计算机可执行程序代码，程序代码包括指令；当处理器1201执行指令时，指令使终端设备的处理器1201执行上述方法实施例中终端设备的处理动作，使收发器1202执行上述方法实施例中终端设备的收发动作，其实现原理和技术效果类似，在此不再赘述。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

本文中的术语“多个”是指两个或两个以上。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系；在公式中，字符“/”，表示前后关联对象是一种“相除”的关系。

可以理解的是，在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本申请的实施例的范围。

可以理解的是，在本申请的实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。