车辆通行处理方法、装置、电子设备和存储介质与流程

1.本技术涉及智能交通技术领域，特别是涉及车辆通行处理方法、装置、电子设备和存储介质。


背景技术：

2.在交通运输场景中，往往有些车辆需要优先通行的权利，以执行应急任务。典型地，这些车辆例如包括救护车、消防车、警车、工程救险车、军事监理车等等。识别具有优先通行权的车辆并高效地调度路口交通灯的切换，是保证具有优先通行权的车辆顺畅通行的关键。
3.相关技术中，通常是在具有优先通行权的车辆上安装电子标签。当车辆经过电子标签读取装置时，电子标签读取装置可以读取到具有优先通行权车辆的信息，并通知交通灯调度系统对车辆即将通行的路口实施交通灯调度，使得车辆快速通行。可见，相关技术中需要在每个具有优先通行权的车辆上安装电子标签，由于具有优先通行权的车辆数量较多，因此，该方式需要耗费较多的时间成本和材料成本。
4.因此，相关技术中亟需一种高效且低成本的车辆通行处理方法。


技术实现要素：

5.本技术实施例提供了一种车辆通行处理方法、装置、电子设备和存储介质，以至少解决相关技术中具有优先通行权车辆的识别成本较高的问题。
6.第一方面，本技术实施例提供了一种车辆通行处理方法，包括：
7.获取第一路段的路段图像；
8.从所述路段图像中识别出具有优先通行权的目标车辆；
9.在确定所述目标车辆在执行任务的情况下，调度下一个路口处的交通灯，使得在所述目标车辆到达所述下一个路口时所述交通灯为可通行状态。
10.本技术实施例提供的车辆通行处理方法，可以根据路段图像识别出具有优先通行权的目标车辆，不需要额外安装电子标签等装置，节省识别成本。另外，在确定所述目标车辆在执行任务的情况下，再调度下一个路口的交通灯。具有优先通行权的目标车辆在未执行任务的情况下，是不需要行驶优先通行权的，这样，可以节省调度资源。
11.可选的，在本技术的一个实施例中，所述确定所述目标车辆在执行任务，包括：
12.获取所述目标车辆处的音频数据；
13.在根据所述音频数据确定所述目标车辆发出预设声音信号的情况下，确定所述目标车辆在执行任务。
14.可选的，在本技术的一个实施例中，所述从所述路段图像中识别出具有优先通行权的目标车辆，包括：
15.将所述路段图像输入至机器学习模型中，经所述机器学习模型输出所述路段图像中是否存在的具有优先通行权的目标车辆的识别结果；
16.其中，所述机器学习模型利用多个路段图像样本训练得到，所述多个路段图像样本中包括路段中具有优先通行权车辆的图像样本。
17.可选的，在本技术的一个实施例中，所述调度下一个路口处的交通灯，包括：
18.获取所述目标车辆与下一个路口之间的距离以及行驶速度；
19.根据所述距离和所述行驶速度，确定所述目标车辆行驶至所述下一个路口的时长；
20.在所述时长之后，将所述交通灯切换至可通行状态。
21.可选的，在本技术的一个实施例中，所述调度下一个路口处的交通灯，包括：
22.确定所述目标车辆的位置与下一个路口之间的路段的拥堵程度；
23.在确定所述拥堵程度大于预设阈值的情况下，将所述下一个路口的交通灯切换至可通行状态，直至所述目标车辆驶离所述下一个路口。
24.可选的，在本技术的一个实施例中，所述目标车辆的数量包括多个的情况下，所述调度所述下一个路口处的交通灯，包括：
25.获取第二路段的路段图像，所述第二路段包括所述目标车辆从所述第一路段经过下一个路口后所经过的路段；
26.调度所述下一个路口处的交通灯，使得在第一辆所述目标车辆到达所述下一个路口时所述交通灯为可通行状态，直至最后一辆所述目标车辆驶离所述下一个路口，其中，所述最后一辆所述目标车辆通过对比所述第一路段的路段图像和所述第二路段的路段图像确定得到。
27.可选的，在本技术的一个实施例中，所述最后一辆所述目标车辆利用下述方式确定：
28.根据所述第一路段的路段图像，确定最后一辆所述目标车辆的车辆标识；
29.根据所述第二路段的路段图像，确定通行车辆的车辆标识；
30.在所述通行车辆的车辆标识与所述最后一辆所述目标车辆的车辆标识进相匹配的情况下，确定所述通行车辆为所述最后一辆所述目标车辆。
31.可选的，在本技术的一个实施例中，在所述调度下一个路口处的交通灯之后，所述方法还包括：
32.在确定所述目标车辆驶离所述下一个路口的情况下，将所述下一个路口处的交通灯恢复至调度之前的状态。
33.第二方面，一种车辆通行处理装置，包括：
34.图像获取模块，用于获取第一路段的路段图像；
35.车辆识别模块，用于从所述路段图像中识别出具有优先通行权的目标车辆；
36.交通灯调度模块，用于在确定所述目标车辆在执行任务的情况下，调度下一个路口处的交通灯，使得在所述目标车辆到达所述下一个路口时所述交通灯为可通行状态。
37.第三方面，一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述的车辆通行处理方法。
38.可选的，在本技术的一个实施例中，还包括：
39.采集装置，用于采集所述第一路段的路段图像。
40.第四方面，一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述
计算机程序指令被处理器执行时实现所述的车辆通行处理方法。
41.第五方面，一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行所述的车辆通行处理方法。
42.第六方面，一种芯片，包括至少一个处理器，该处理器用于运行存储器中存储的计算机程序或计算机指令，以执行所述的车辆通行处理方法。
43.本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。
附图说明
44.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
45.图1是本技术实施例提供的一种车辆通信处理系统的结构示意图。
46.图2是本技术实施例提供的车辆通行处理方法的方法流程图。
47.图3是本技术实施例提供的车辆通行处理装置的模块结构示意图。
48.图4是本技术实施例提供的电子设备的模块结构示意图。
具体实施方式
49.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。基于本技术提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本技术公开的内容相关的本领域的普通技术人员而言，在本技术揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本技术公开的内容不充分。
50.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本技术所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
51.除非另作定义，本技术所涉及的技术术语或者科学术语应当为本技术所属技术领域内具有一般技能的人士所理解的通常意义。本技术所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本技术所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本技术所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本技术所涉及的“多个”是指大于或者等于两个。“和/或”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。本技术所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
52.另外，为了更好的说明本技术，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本技术同样可以实施。在一些实例中，对于本领域技术人员熟知的装置、手段、元件和电路未作详细描述，以便于凸显本技术的主旨。
53.为了清楚地示出本技术各个实施例的技术方案，下面通过图1对本技术实施例的其中一个示例性场景进行说明。
54.请参见图1，图1是本技术实施例提供的一种车辆通行处理系统的结构示意图，该系统包括采集装置101和车辆通行处理装置103，其中，采集装置101和车辆通行处理装置103可以通过网络通信，以将采集到的路段图像向车辆通行处理装置103发送，由车辆通行处理装置103完成车道通行的处理。
55.采集装置101可以是具有数据采集能力和数据收发能力的电子设备。比如说采集装置101可以是装备有激光雷达、摄像头等一个或多种传感器的路侧单元。所述路侧单元可以安装于路侧，并获取覆盖区域内的路段图像。其中，激光雷达主要用于采集点云数据，因为激光雷达可以精确地反应出位置信息，所以通过激光雷达可以获取道路中车辆的速度信息；摄像头主要用于采集路面的标识、车道线等信息。需要说明的是，可以由一个路侧单元来获取路口信息，也可以由多个路侧单元协作配合来获取路口信息，以达到可以获取到完整路段的信息。其中，路侧单元可以是由高增益定向束控读写天线和射频控制器组成。高增益定向束控读写天线是一个微波收发模块，负责信号和数据的发送/接收、调制/解调、编码/解码、加密/解密；射频控制器是控制发射和接收数据以及处理向上位机收发信息的模块。在其他实施例中，采集装置101还可以包括采集车辆，本技术在此不做限制。
56.车辆通行处理装置103可以是具有数据处理能力和数据收发能力的电子设备，可以是实体设备如主机、机架式服务器、刀片式服务器等，也可以是虚拟设备如虚拟机、容器等。车辆通行处理装置103可以从所述路段图像中识别出具有优先通行权的目标车辆105。在确定所述目标车辆105在执行任务的情况下，调度下一个路口处的交通灯107，使得在所述目标车辆105到达所述下一个路口时所述交通灯107为可通行状态。
57.需要说明的是，车辆通行处理装置103还可以集成于采集装置101中，例如由路侧单元完成采集路段图像和车辆通行处理的工作流程，本技术实施例不做任何限制。
58.下面结合附图对本技术所述的车辆通行处理方法进行详细的说明。图2是本技术提供的车辆通行处理方法的一种实施例的流程示意图。虽然本技术提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本技术实施例提供的执行顺序。所述方法在实际中的车辆通行处理过程中或者方法执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
59.具体的，本技术提供的车辆通行处理方法的一种实施例如图2所示，所述方法可以包括：
60.s201：获取第一路段的路段图像。
61.本技术实施例中，所述第一路段可以包括道路中的任何路段。可选的，在本技术的
一个实施例中，所述第一路段可以包括与下一个路口之间的距离小于预设距离阈值的路段。所述第一路段与所述下一个路口之间的距离越小，后续可以比较准确地确定出具有优先通行权的目标车辆行驶至所述下一个路口的时长。在一个示例中，所述第一路段可以包括距离下一个路口50
‑
100米处的路段。
62.在本技术实施例中，可以通过采集装置101获取所述第一路段的路段图像。在一些实施例中，所述采集装置101可以包括摄像设备、激光雷达等至少一种传感器的电子设备。采集装置101可以包括路侧单元，也可以包括采集车辆，本技术在此不做限制。其中，所述摄像设备可以采集所述第一路段的图像数据或者视频数据。在利用所述摄像装置采集所述第一路段的视频数据的情况下，所述路段图像可以包括所述视频数据中的视频帧。利用所述激光雷达采集数据的情况下，所述路段图像可以包括所述第一路段的三维点云图像。需要说明的是，可以由一个采集装置101获取所述第一路段的路段图像，也可以由多个采集装置101协作配合来获取所述路段图像，本技术在此不做限制。
63.s203：从所述路段图像中识别出具有优先通行权的目标车辆。
64.本技术实施例中，所述路段图像中可以包括道路中行驶车辆的图像。因此，可以通过一些技术手段从所述路段图像中识别出具有优先通行权的目标车辆。所述具有优先通行权的车辆可以包括特种车辆(救护车、消防车、警车、工程救险车、军事监理车)、或者其他授予优先通行权的车辆(如部分公交车)等，本技术在此不做限制。
65.在本技术的一个实施例中，可以利用机器学习的方式从所述路段图像中识别出所述目标车辆。在实际应用环境中，具有优先通行权的车俩往往具有明显的车辆特征，例如，普通的警车为蓝白色，消防车为红色，救护车为白色，且消防车与救护车通常具有固定的车型。基于此，在本技术的一个实施例中，所述从所述路段图像中识别出具有优先通行权的目标车辆，可以包括：
66.s301：将所述路段图像输入至机器学习模型中，经所述机器学习模型输出所述路段图像中是否存在的具有优先通行权的目标车辆的识别结果；
67.其中，所述机器学习模型利用多个路段图像样本训练得到，所述多个路段图像样本中包括路段中行驶具有优先通行权车辆的图像样本。
68.本技术实施例中，首先可以训练得到用于识别图像中是否具有目标车辆的机器学习模型。具体地，所述机器学习模型可以被设置为按照下述方式训练得到：
69.s401：获取多个路段图像样本，所述多个路段图像样本中包括路段中具有优先通行权车辆的图像样本；
70.s403：构建机器学习模型，所述机器学习模型中设置有训练参数；
71.s405：分别将所述多个路段图像样本输入至所述机器学习模型中，生成预测结果；
72.s407：基于所述预测结果与所述路段图像样本中是否存在具有优先通行的车辆的结果之间的差异，对所述训练参数进行迭代调整，直至所述差异满足预设要求。
73.本技术实施例中，可以获取到多个路段图像样本，在所述多个路段图像样本中，可以包括路段中行驶具有优先通行权车辆的多个图像样本。不仅如此，所述路段图像样本中还可以标注有具有优先通行权车辆的车辆类型，例如标注所述路段图像样本中的车辆是消防车还是救护车。然后，构建机器学习模型，用于学习所述路段图像样本。具体地，可以分别将所述多个路段图像样本输入至所述机器学习模型中，生成预测结果。在本技术的一个实
施例中，所述预测结果可以包括所述路段图像样本中存在具有优先通行权车辆的概率，在包括多种车辆类型的情况下，所述预测结果可以包括所述路段图像样本中存在不同类型具有优先通行权车辆的概率。最后，可以基于所述预测结果与所述路段图像样本中是否存在具有优先通行的车辆的结果之间的差异，对所述训练参数进行迭代调整，直至所述差异满足预设要求。
74.本技术实施例中，所述机器学习模型可以包括利用机器学习方式训练得到的模型。所述机器学习方式还可以包括k近邻算法、感知机算法、决策树、支持向量机、逻辑斯底回归、最大熵等，相应的，生成的模型如朴素贝叶斯、隐马尔科夫等。当然，在其他实施例中，所述机器学习方式还可以包括深度学习学习方式、强化学习方式等等，生成的模型可以包括卷积神经网络模型(convolutional neural networks，cnn)、循环神经网络模型(recurrent neural network，rnn)、lenet、resnet、长短期记忆网络模型(long short
‑
term memory，lstm)，双向长短期记忆网络模型(bi
‑
lstm)等等，本技术在此不做限制。
75.本技术实施例中，利用机器学习的方式从所述路段图像中识别出目标车辆，通过车辆的外观特征就可以识别出具有优先通行权的车辆，还具有较高的精确度和较高的识别效率。
76.当然，在其他实施例中，还可以利用车牌识别等方式识别出所述路段图像中具有优先通行权的目标车辆，本技术在此不做限制。
77.s205：在确定所述目标车辆在执行任务的情况下，调度下一个路口处的交通灯，使得在所述目标车辆到达所述下一个路口时所述交通灯为可通行状态。
78.在实际应用中，一些具有优先通行权的目标车辆无论是否在执行任务都可以在道路中正常通行，例如警车。但是如果具有优先通行权的目标车辆没有在执行紧急任务，也就没有必要行使优先通行的权利。基于此，在本技术的一个实施例中，在确定所述目标车辆在执行任务的情况下，再通过调度交通灯使得所述目标车辆行使优先通行的权利。基于此，在本技术的一个实施例中，可以通过下述方式确定所述目标车辆在执行任务：
79.s501：获取所述目标车辆处的音频数据；
80.s503：在根据所述音频数据确定所述目标车辆发出预设声音信号的情况下，确定所述目标车辆在执行任务。
81.本技术实施例中，基于具有优先通行权的车辆在执行任务时发出声音的现象，可以根据音频数据判定所述目标车辆是否在执行任务。在一些示例中，警车、消防车、救护车在执行任务时都会发出特定的鸣笛声，例如，警车鸣笛声的频率是2
‑
3hz，救护车鸣笛声的频率是1hz，消防车鸣笛声的频率是0.3hz。因此，通过分析所述音频数据中声音信号的特征信息，可以识别出所述目标车辆是否发出预设声音信号，所述预设声音信号可以包括具有优先通行权车辆在执行任务时所发出的声音信号。例如，可以分析采集的音频数据中是否包括频率为1hz的救护车鸣笛声。在一些实施例中，可以通过机器学习的方式确定所述目标车辆是否发出所述预设声音信号，例如，将所述音频数据输入至声音处理机器学习模型中，经所述声音处理机器学习模型输出所述音频数据中是否包括预设声音信号的结果，本技术对于对所述音频数据的处理方式不做限制。需要说明的是，在本技术实施例中，可以通过麦克风采集所述目标车辆处的音频数据。所述麦克风可以单独安装于路侧，也可以与所述采集装置101耦合在一起，本技术在此不做限制。
82.当然，在其他实施例中，还可以通过图像识别等方式确定所述目标车辆是否在执行任务。例如，在执行任务过程中，具有优先通行权的车辆可以打开警灯，那么，可以通过图像识别的方式识别出目标车辆上的警灯是否处于开启状态。进一步，可以通过将上述多种确定所述目标车辆是否在执行任务的方式相结合，例如，在确定所述目标车辆发出所述预设声音信号，且警灯处于开启状态的情况下，确定所述目标车辆在执行任务，本技术在此不做限制。
83.本技术实施例中，在确定所述目标车辆在执行任务的情况下，可以调度下一个路口处的交通灯。所述下一个路口可以包括在所述目标车辆的行驶路线上距离所述目标车辆最近的路口，所述路口可以设置有交通灯。通过调度所述下一个路口的交通灯，使得所述目标车辆抵达所述下一个路口时，所述交通灯为可通行状态。具体地，在本技术的一个实施例中，所述调度下一个路口处的交通灯，可以包括：
84.s601：获取所述目标车辆与下一个路口之间的距离以及行驶速度；
85.s603：根据所述距离和所述行驶速度，确定所述目标车辆行驶至所述下一个路口的时长；
86.s605：在所述时长之后，将所述交通灯切换至可通行状态。
87.本技术实施例中，首先，可以确定所述目标车辆与所述下一个路口之间的距离以及行驶速度。在一个示例中，可以基于所述采集装置101的位置确定所述目标车辆距离所述下一个路口的距离。具体来说，根据所述采集装置101采集得到的路段图像，可以确定所述目标车辆与所述采集装置101之间的距离s1，而所述采集装置101与所述下一个路口之间的距离s2也是已知的，因此，可以确定出所述目标车辆与所述下一个路口之间的距离s＝s1+s2。所述目标车辆的行驶速度也可以根据所述路段图像获取。在一个示例中，相邻两帧路段图像的采样间隔可以根据所述采集装置101的采集频率确定，例如，素数采集装置101的采集频率为100hz，那么，相邻两帧路段图像的采样间隔为10ms。另外，根据相邻两帧路段图像中所述目标车辆的位移s，可以确定所述目标车辆的行驶速度为s/10ms。需要说明的是，在所述采集装置101包括雷达的情况下，所述路段图像包括三维点云图像，由于所述三维点云图像根据从所述目标车辆反射的雷达回波数据生成，因此可以更加准确地确定得到所述目标车辆的行驶速度。
88.在获取到所述目标车辆与所述下一个路口之间的距离和行驶速度，可以确定所述目标车辆行驶至所述下一个路口的时长。基于此，可以调度所述交通灯，使得在所述时长之后，所述交通灯的状态为可通行状态。在一些示例中，若在所述时长之后，所述交通灯的状态为不可通行的状态(如红灯或者黄灯状态)，可以将所述交通灯调整为可通行状态。当然，若在所述时长之后，所述交通灯的状态为可通行的状态(如绿灯状态)，可以继续保持所述交通灯的状态。
89.在实际应用下，所述目标车辆与所述下一个路口之间的路段存在一定的拥堵程度，在此情况下，可以快速响应，调度所述交通灯，使得所述交通灯的状态切换为可通行状态。基于此，在本技术的一个实施例中，所述调度下一个路口处的交通灯，可以包括：
90.s701：确定所述目标车辆的位置与下一个路口之间的路段的拥堵程度；
91.s703：在确定所述拥堵程度大于预设阈值的情况下，将所述下一个路口的交通灯切换至可通行状态，直至所述目标车辆驶离所述下一个路口。
92.本技术实施例中，可以对所述目标车辆的位置与所述下一个路口之间的路段的拥堵程度进行量化，例如，所述拥堵程度可以根据该路段的长度以及该路段上的车辆数量确定。单位长度的路段上的车辆数量越多，表示拥堵越严重。在确定所述拥堵程度大于预设阈值的情况下，可以将所述下一个路口的交通灯切换至可通行状态，直至所述目标车辆驶离所述下一个路口。
93.通过上述实施例，可以针对道路拥堵这种特殊的应用场景提出解决方案，使得在道路拥堵的情况下，所述目标车辆也能够顺利通行。
94.在实际应用下，具有优先通行权车辆在执行任务时，往往是多个车辆一起行动，比如消防车、警车等等。在此情况下，在调度所述交通灯的过程中，可以确保全部执行任务中的目标车辆通行。基于此，在本技术的一个实施例中，所述目标车辆的数量包括多个的情况下，所述调度所述下一个路口处的交通灯，可以包括：
95.s801：获取第二路段的路段图像，所述第二路段包括所述目标车辆从所述第一路段经过下一个路口后所经过的路段；
96.s803：调度所述下一个路口处的交通灯，使得在第一辆所述目标车辆到达所述下一个路口时所述交通灯为可通行状态，直至最后一辆所述目标车辆驶离所述下一个路口，其中，所述最后一辆所述目标车辆通过对比所述第一路段的路段图像和所述第二路段的路段图像确定得到。
97.本技术实施例中，所述第二路段可以包括所述目标车辆从所述第一路段经过下一个路口后所经过的路段。所述第二路段的路段图像的获取方式可以参考所述第一路段的路段图像的获取方式，在此不再赘述。由于所述第一路段和所述第二路段分别是位于所述下一个路口两侧的路段，因此，通过对比所述第一路段和所述第二路段的路段图像，可以确定多个所述目标车辆中的最后一辆是否驶离所述下一个路口。在本技术的一个实施例中，在确定所述第二路段的过程中，可以根据所述目标车辆的行驶方向确定所述第二路段。具体可以根据所述第一路段的路段图像，确定所述目标车辆的行驶方向。例如，若所述目标车辆在直行车道上行驶，可以确定所述目标车辆为直行行驶，若所述目标车辆在左转车道上行驶，可以确定所述目标车辆为左转。在确定所述行驶方向之后，可以根据所述行驶方向确定所述第二路段。当然，在其他实施例中，还可以分别获取直行、右转和左转三个方向上路段的路段图像，在从所述路段图像识别出目标车辆的情况下，即确定对应的路段为所述第二路段。
98.上述实施例中提供一种多个目标车辆同时执行任务时的车辆通行处理方式，保证全部目标车辆从所述下一个路口通行，防止出现部分车辆无法被滞留在路口的情况发生。
99.在本技术的一个实施例中，所述最后一辆所述目标车辆可以利用下述方式确定：
100.s901：根据所述第一路段的路段图像，确定最后一辆所述目标车辆的车辆标识；
101.s903：根据所述第二路段的路段图像，确定通行车辆的车辆标识；
102.s905：在所述通行车辆的车辆标识与所述最后一辆所述目标车辆的车辆标识进相匹配的情况下，确定所述通行车辆为所述最后一辆所述目标车辆。
103.本技术实施例中，可以通过对比所述第一路段和所述第二路段的路段图像中车辆的车辆标识，确定所述第二路段中的通行车辆是否为最后一辆所述目标车辆。其中，所述车辆标识可以包括所述车辆的车牌号、电子标签等信息。在一个示例中，根据所述第一路段的
路段图像，确定最后一辆所述目标车辆的车辆号为“浙a12345”，那么，通过读取所述第二路段中通行车辆的车牌号并车牌号“浙a12345”进行对比，可以确定第二路段中的通行车辆是否为最后一辆所述目标车辆。
104.上述实施例中，通过对比通行方向上两个路段中车辆的车辆标识，能够快速确定第二路段中的通行车辆是否为最后一辆所述目标车辆。
105.需要说明的是，在确定所述目标车辆驶离所述下一个路口的情况下，可以结束对所述下一个路口的交通灯的调度，将所述交通灯恢复至调度之前的状态。
106.本技术另一方面还提供一种车辆通行处理装置，如图3所示，车辆通行处理装置300可以包括：
107.图像获取模块301，用于获取第一路段的路段图像；
108.车辆识别模块303，用于从所述路段图像中识别出具有优先通行权的目标车辆；
109.交通灯调度模块305，用于在确定所述目标车辆在执行任务的情况下，调度下一个路口处的交通灯，使得在所述目标车辆到达所述下一个路口时所述交通灯为可通行状态。
110.可选的，在本技术的一个实施例中，所述交通灯调度模块，具体用于：
111.获取所述目标车辆处的音频数据；
112.在根据所述音频数据确定所述目标车辆发出预设声音信号的情况下，确定所述目标车辆在执行任务。
113.可选的，在本技术的一个实施例中，所述车辆识别模块，具体用于：
114.将所述路段图像输入至机器学习模型中，经所述机器学习模型输出所述路段图像中是否存在的具有优先通行权的目标车辆的识别结果；
115.其中，所述机器学习模型利用多个路段图像样本训练得到，所述多个路段图像样本中包括路段中具有优先通行权车辆的图像样本。
116.可选的，在本技术的一个实施例中，所述交通灯调度模块，具体用于：
117.获取所述目标车辆与下一个路口之间的距离以及行驶速度；
118.根据所述距离和所述行驶速度，确定所述目标车辆行驶至所述下一个路口的时长；
119.在所述时长之后，将所述交通灯切换至可通行状态。
120.可选的，在本技术的一个实施例中，所述交通灯调度模块，具体用于：
121.确定所述目标车辆的位置与下一个路口之间的路段的拥堵程度；
122.在确定所述拥堵程度大于预设阈值的情况下，将所述下一个路口的交通灯切换至可通行状态，直至所述目标车辆驶离所述下一个路口。
123.可选的，在本技术的一个实施例中，所述目标车辆的数量包括多个的情况下，所述交通灯调度模块，具体用于：
124.获取第二路段的路段图像，所述第二路段包括所述目标车辆从所述第一路段经过下一个路口后所经过的路段；
125.调度所述下一个路口处的交通灯，使得在第一辆所述目标车辆到达所述下一个路口时所述交通灯为可通行状态，直至最后一辆所述目标车辆驶离所述下一个路口，其中，所述最后一辆所述目标车辆通过对比所述第一路段的路段图像和所述第二路段的路段图像确定得到。
126.可选的，在本技术的一个实施例中，所述最后一辆所述目标车辆利用下述方式确定：
127.根据所述第一路段的路段图像，确定最后一辆所述目标车辆的车辆标识；
128.根据所述第二路段的路段图像，确定通行车辆的车辆标识；
129.在所述通行车辆的车辆标识与所述最后一辆所述目标车辆的车辆标识进相匹配的情况下，确定所述通行车辆为所述最后一辆所述目标车辆。
130.可选的，在本技术的一个实施例中，所述装置还包括：
131.恢复模块，用于在确定所述目标车辆驶离所述下一个路口的情况下，将所述下一个路口处的交通灯恢复至调度之前的状态。
132.本技术的实施例提供了一种电子设备，如图4所示，所述装置包括：处理器以及用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令时实现上述方法。
133.可选的，在本技术的一个实施例中，所述电子设备还包括：
134.采集装置，用于采集所述第一路段的路段图像。本技术的实施例提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
135.本技术的实施例提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
136.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(random access memory，ram)、只读存储器(read only memory，rom)、可擦式可编程只读存储器(electrically programmable read
‑
only
‑
memory，eprom或闪存)、静态随机存取存储器(static random
‑
access memory，sram)、便携式压缩盘只读存储器(compact disc read
‑
only memory，cd
‑
rom)、数字多功能盘(digital video disc，dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。
137.这里所描述的计算机可读程序指令或代码可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
138.用于执行本技术操作的计算机程序指令可以是汇编指令、指令集架构(instruction set architecture，isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部
分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(local area network，lan)或广域网(wide area network，wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(field
‑
programmable gate array，fpga)或可编程逻辑阵列(programmable logic array，pla)，该电子电路可以执行计算机可读程序指令，从而实现本技术的各个方面。
139.这里参照根据本技术实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本技术的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
140.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
141.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
142.附图中的流程图和框图显示了根据本技术的多个实施例的装置、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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。
143.也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行相应的功能或动作的硬件(例如电路或asic(application specific integrated circuit，专用集成电路))来实现，或者可以用硬件和软件的组合，如固件等来实现。
144.尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其它变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其它单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
145.以上已经描述了本技术的各实施例，上述说明是示例性的，并非穷尽性的，并且也
不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。