[发明专利]一种基于车辆传感器与动态交通融合的道路危险提示方法

说明书

本发明公开了一种基于车辆传感器与动态交通融合的道路危险提示方法，其提示方法包括以下步骤：A：车辆传感器数据位置转换，对于点事件以及线事件原始数据采用TMC以及Open LR的位置参考进行数据位置表达，本服务需要识别传感器上传的危险预警数据类型进行位置解码，解码过程需要依赖地图数据，位置参考表TMC，以及Open LR解码服务，解码后的数据结果为地图的基础路网信息；B：对于面事件原始数据采用Google cell的数据格式，提供cell的4顶点坐标。本发明最大化数据发布范围，两种数据源的融合使得可以同步给车辆的数据是两者发布总量的并集，所以无论从数据发布量，还是数据发布种类上使得车辆能够获取到的数据有了很大提升。

技术领域

本发明涉及道路交通危险路段提示技术领域，具体为一种基于车辆传感器与动态交通融合的道路危险提示方法。

背景技术

伴随着高精度地图以及自动化驾驶发展，车辆获取动态交通信息对于实时性，可靠性，数据精度，数据丰富度的要求更加严格，目前应用于自动驾驶中的动态交通信息搜集主要通过两个渠道，第一种是通过车辆传感器搜集，并通过V2V的方式进行车队共享，另一种是传统的动态交通获取方式，使用人工，GPS计算，图像辅助识别等技术，两种数据获取方式均存在一定局限性，车辆传感器数据可以做到实时识别，提供高精度，高时效性危险预警信息，但一方面搭载传感器且具备V2V数据共享功能的车辆有限，另一方面目前车辆通过CAN总线回传数据类型有限，并且进行动态信息识别分析的算法尚不成熟，所以能够识别的动态预警信息也有限，主要可识别类型局限在诸如交通事故，车辆抛锚，道路湿滑，雨雪大雾等信息，所以能够通过云端共享给车队的数据量以及数据类型都受到较大的限制，另外传感器CAN回传的数据为RSD数据，并不具备直接同步给其他车辆，所以各大OEM还需要依托于图商的LBS能力，对数据进行路网转换，最终整合至云服务同步给车队中的其他成员。

传统动态交通信息的搜集主要依赖于人员上报，浮动车轨迹识别，视频摄像头识别，交通广播识别，以及舆情自动化获取等手段，相较于传感器数据因为搜集的渠道多样化，所以数据量级和数据的类型都比较丰富，但随之而来的问题是，因为采集的渠道和采集的手段参差不齐，所以数据的时效性和数据的精确程度较比传感器识别数据要低一些。

发明内容

本发明的目的在于提供一种基于车辆传感器与动态交通融合的道路危险提示方法，具备两种数据融合校验的方式，再通过一定的基础LBS能力结合数据特点进行处理，可以有效的做到数据互补，将最大化的信息提供给车队成员的优点，解决了不管是传统的动态交通服务，还是基于传感器的动态交通服务都存在一定的局限性，同时想要将传感器数据同步给车队其他成员，需要依赖于LBS服务，以及数据整合能力的问题。

为实现上述目的，本发明提供如下技术方案：一种基于车辆传感器与动态交通融合的道路危险提示方法，其提示方法包括以下步骤：

A：车辆传感器数据位置转换，对于点事件以及线事件原始数据采用TMC以及OpenLR的位置参考进行数据位置表达，本服务需要识别传感器上传的危险预警数据类型进行位置解码，解码过程需要依赖地图数据，位置参考表TMC，以及Open LR解码服务，解码后的数据结果为地图的基础路网信息；

B：对于面事件原始数据采用Google cell的数据格式，提供cell的4顶点坐标，由于车辆终端的处理能力不同，需要将面事件分别做路网还原，以及区域还原；

C：路网还原的计算以cell为中心点进行周边9宫格的空间膨胀，空间筛选link的结果需要包含，有任意shape node在9宫格范围内的link数据，并需要对筛选的link结果进行融合去重，另外某些道路一部分在TMC位置参考中，一部分在OLR位置参考中，需要分别进行位置转换和编码；

D：区域还原，同样需要支持9宫格的扩展，并对9宫格有相交的形状进行合并，合并后形成蓝色线围合的区域，作为最终polygon发布的形状；