[发明专利]一种车道选择的引导方法、装置、系统、设备及存储介质

权利要求书

1.一种车道选择的引导方法，其特征在于，包括：

获取检测相机采集的车道口数据；获取路侧单元接收的车道口处的第一车辆数据；所述第一车辆数据包括车辆类型以及类型对应的数量；获取实时路侧单元接收的车道口处网联车行驶数据；对所述网联车行驶数据进行筛选与大数据分析，预测网联车的转向意图；所述车道口包括至少两条同方向车道；

根据所述车道口数据确定车道渠化数据、第二车辆数据及交通事件数据；其中，所述第二车辆数据包括检测相机采集的车辆类型及各类型车辆的数量，所述第二车辆数据包括所述第一车辆数据；根据所述网联车的转向意图、第一车辆类型数据、车道渠化数据、第二车辆类型数据、交通事件数据构建各车道的车道特征向量；

将所述车道特征向量分别输入神经网络模型，获取各车道的通行时间；

比较同方向车道所述通行时间的大小，将各方向所述通行时间最短的车道确定为该方向的引导车道；

将各方向的所述引导车道信息提供至所述车道口处的车辆。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型的训练方式为：

获取车道口处的历史数据，将所述历史数据划分为训练集和验证集，所述历史数据包括历史交通数据和实际通行时间；

基于所述历史交通数据提取所述训练集的第一特征向量，将所述第一特征向量输入待训练神经网络模型，获取预测通行时间；

计算所述预测通行时间和所述实际通行时间的误差；

基于所述误差调整所述待训练神经网络模型参数，返回执行将所述第一特征向量输入待训练神经网络模型的操作，直到所述误差在设定阈值内，获得训练好的神经网络模型；

基于所述历史交通数据提取所述验证集的第二特征向量，将所述第二特征向量输入所述训练好的神经网络模型，获取预测正确率。

3.根据权利要求2所述的方法，其特征在于，所述获取车道口处的历史数据，将所述历史数据划分为训练集和验证集，包括：

获取所述历史数据包含的时间段信息和道路方向信息；

基于所述时间段信息和/或道路方向信息对所述历史数据进行类别划分，获得至少两个类别数据库；

将所述至少两个类别数据分别划分为训练集和验证集；

相应的，将所述第一特征向量输入待训练神经网络模型，包括：

将所述第一特征向量输入所述历史数据的类别对应的待训练神经网络模型。

4.根据权利要求1所述的方法，其特征在于，将所述引导车道信息提供给车道口处车辆，包括；

将所述引导车道信息显示在显示屏上；所述显示屏设置于所述车道口处；

将所述引导车道信息发送至路侧单元，使得所述路侧单元将所述引导车道信息转发至网联车。

5.一种车道选择的引导装置，其特征在于，包括：

交通数据获取模块，用于获取车道口处的交通数据，所述车道口包括至少两条同方向车道；所述交通数据获取模块还用于：获取检测相机采集的车道口数据；获取路侧单元接收的车道口处的第一车辆数据；所述第一车辆数据包括车辆类型以及类型对应的数量；获取实时路侧单元接收的车道口处网联车行驶数据；对所述网联车行驶数据进行筛选与大数据分析，预测网联车的转向意图；

车道特征向量构建模块，用于对所述交通数据进行预处理，构建各车道的车道特征向量；所述车道特征向量构建模块还用于：根据所述车道口数据确定车道渠化数据、第二车辆数据及交通事件数据；其中，所述第二车辆数据包括检测相机采集的车辆类型及各类型车辆的数量，所述第二车辆数据包括所述第一车辆数据；根据所述网联车的转向意图、第一车辆类型数据、车道渠化数据、第二车辆类型数据、交通事件数据构建各车道的车道特征向量；

通行时间获取模块，用于将所述车道特征向量分别输入神经网络模型，获取各车道的通行时间；

引导车道确定模块，用于比较同方向车道所述通行时间的大小，将各方向所述通行时间最短的车道确定为该方向的引导车道；

引导车道信息提供模块，用于将各方向的所述引导车道信息提供至所述车道口处的车辆。