一种基于车路协同的路侧感知数据质量监测系统及方法技术方案

本方案公开了一种基于车路协同的路侧感知数据质量监测系统及方法,包括,S1.接收路侧感知设备获取的路侧感知数据；获取来自安装在网联车辆内的智能车载单元的车辆消息；S2.从车辆消息中提取目标车辆的第一轨迹数据；从路侧感知数据中提取目标车辆的第二轨迹数据；S3.对同一目标车辆对应的第一轨迹数据和第二轨迹数据进行分析比对以评估路侧感知数据质量评价值并上报至云控平台；S4.当路侧感知数据质量评价值超过质量阈值时，对外报警点位感知异常。本方案聚焦智能网联道路基础设施建设中路侧感知系统数据质量监测的不足，有效保障路侧感知数据的可靠性和准确性，提升了路侧感知系统的运维保障能力，具有推广应用的发展前景和现实价值。景和现实价值。景和现实价值。

【技术实现步骤摘要】
一种基于车路协同的路侧感知数据质量监测系统及方法


[0001]本专利技术属于路侧感知数据质量监测
，尤其涉及一种基于车路协同的路侧感知数据质量监测系统及方法。

技术介绍

[0002]随着智能网联汽车技术的发展以及全国智能网联示范区建设的推进，城市智能网联道路基础设施建设如火如荼。路侧感知系统是智能网联道路基础设施建设的重要组成部分，其数据感知精度直接关系到网联车辆应用场景的实现，对于保障道路交通安全至关重要。当前，路侧感知系统逐步规模化展开部署，如何对系统进行科学地监测、运维，从而有效保障路侧感知数据的质量成为亟需解决的难点。
[0003]现有城市道路智能设备监测系统主要聚焦于设备在线、设备离线、设备故障等基本运维信息。然而，智能网联道路的路侧感知系统对于数据质量的监测要求较高，现有监测系统与方法均难以满足。
[0004]为了解决路侧感知数据的质量问题，人们进行了一系列的研究。但是目前的研究都只意识到要对数据的合理性、波动性和交互异常性等相关质量进行评估，例如中国专利公开了一种道路交通感知轨迹数据的质量评估方法[申请号：CN202110789522.4]，主要步骤为：获取道路交通感知轨迹数据，并从中提取出待评估道路交通感知轨迹数据；计算待评估道路交通感知轨迹数据的质量评估指标；针对无交互关系的道路交通感知轨迹数据，计算其轨迹合理性和轨迹波动性共两类评估指标；针对有交互关系的道路交通感知轨迹数据，计算其轨迹合理性、轨迹波动性和轨迹交互异常性共三类评估指标。针对无交互关系的道路交通感知轨迹数据集Trnone，建立自适应融合的质量评估模型MA，其中，模型MA的输入为轨迹合理性指标以及轨迹波动性指标，通过神经网络进行非线性拟合后，可输出质量评估得分；针对有交互关系的道路交通感知轨迹数据集Tract，建立自适应融合的质量评估模型MB，其中，质量评估模型MB由模型MA与修正网络组成：将轨迹合理性指标以及轨迹波动性指标输入模型MA，输出为质量评估得分再将和轨迹交互异常性指标共同输入修正网络，通过神经网络进行拟合修正后，输出最终质量评估得分。
[0005]上述方案在获取感知数据后，使用相应的评估模型对感知数据的质量进行实时评估，主要用于对数据的合理性、波动性和交互异常性等进行评估。但是有些时候，因为风雨等恶劣天气造成设备轻微移动时，会使设备标定出现问题，这种情况会在一定程度上影响数据的感知精度，并不会出现数据合理性、波动性、交互异常性等问题，也就是不会出现一般意义上的质量问题，类似上述的方案就无法检测到这样的数据质量问题，更无法知道有因为设备的移动而导致数据精度不佳的问题存在，而数据精度不高会对车联网应用的安全性和可靠性造成威胁，所以有必要完善目前的数据质量监测手段以进一步保障数据精度。

技术实现思路

[0006]本专利技术的目的是针对上述问题，提出一种基于车路协同的路侧感知数据质量监测
系统及方法，从另一角度确保监测数据的质量，对现有技术的数据质量进行补充和完善以保证路侧感知系统规模化应用的功能安全。
[0007]为达到上述目的，本专利技术采用了下列技术方案：
[0008]一种基于车路协同的路侧感知数据质量监测方法，包括以下步骤：
[0009]S1.接收路侧感知设备获取的路侧感知数据；
[0010]获取来自安装在网联车辆内的智能车载单元的车辆消息；
[0011]S2.从车辆消息中提取目标车辆的第一轨迹数据；
[0012]从路侧感知数据中提取目标车辆的第二轨迹数据；
[0013]S3.对同一目标车辆对应的第一轨迹数据和第二轨迹数据进行分析比对以评估路侧感知数据质量评价值并上报至云控平台；
[0014]S4.当路侧感知数据质量评价值超过质量阈值时，对外报警点位感知异常。
[0015]在上述的基于车路协同的路侧感知数据质量监测方法中，步骤S1所述的路侧感知设备包括路侧雷达、视频相机，所述的路侧感知数据包括由路侧雷达获取的实时点云数据，由视频相机获取的视频图像数据；
[0016]通过智能路侧单元获取来自安装在网联车辆内的智能车载单元的车辆消息。
[0017]在上述的基于车路协同的路侧感知数据质量监测方法中，步骤S2中，通过以下方式确定目标车辆：
[0018]提取设定中心点，提取设定半径，将以中心点为原点，设定半径为半径构成的区域作为感知范围；
[0019]将位于感知范围内的安装有所述智能车载单元的网联车辆作为目标车辆；根据车辆消息判断相应车辆是否位于感知范围内，以及何时进入感知范围、何时离开感知范围。能够收到车辆消息的就是网联车辆，至于是否位于感知范围内，则根据车辆消息确定，对于一辆经过相应路段的网联车辆，经过感知范围的时间段(进入感知范围时间至离开感知范围时间)内被认为是目标车辆，他的第一轨迹数据集合就是边缘计算单元在这个时间段内收到的所有车辆消息中的轨迹数据的集合。
[0020]在上述的基于车路协同的路侧感知数据质量监测方法中，所述的设定中心点和设定半径为事先设定；且当处于十字交叉路口时，交叉路口的中心点被设定为原点。
[0021]在上述的基于车路协同的路侧感知数据质量监测方法中，所述的第一轨迹数据、第二轨迹数据均包括目标车辆的目标ID、目标类型、目标位置(经纬度)、目标速度、目标航向角；
[0022]对于第一轨迹数据，从智能车载单元获取的车辆消息包括数据：相应车辆的目标ID、目标类型、目标位置(经纬度)、目标速度、目标航向角，边缘计算单元直接从车辆消息中提取第一轨迹数据；
[0023]对于第二轨迹数据，边缘计算单元对所有路侧感知数据进行时间戳统一、传感器空间坐标标定，然后使用相应的深度学习算法对车辆进行识别及目标跟踪得到目标车辆的目标ID、目标类型、目标位置(经纬度)、目标速度、目标航向角以获得目标车辆的第二轨迹数据。基于路侧感知数据，使用深度学习算法识别车辆并进行目标跟踪获得目标车辆的ID、类型、位置、速度、航向角等数据直接使用现有技术即可，这里不对该部分进行改进，故不在此赘述。
[0024]在上述的基于车路协同的路侧感知数据质量监测方法中，步骤S2具体包括：
[0025]对来自智能车载单元的车辆消息进行过滤得到在所述感知范围内的车辆消息；可以根据车辆消息中的位置数据判断车辆是否位于感知范围内。
[0026]从车辆消息中得到数据集合{(时间戳、车辆编号、经度、纬度、速度、航向角)}；相应网联车辆进入感知范围时间节点为t0，离开感知范围时间节点为t
k
，相应网联车辆的第一轨迹数据集合为ID为相应网联车辆编号，分别为为网联车辆相应时刻经度，分别为网联车辆相应时刻纬度，分别为网联车辆相应时刻速度，分别为网联车辆相应时刻航向角；
[0027]经过感知范围的网联车辆在位于感知范围的时间段内被认为为目标车辆；不同的目标车辆具有不同的t0、t
k
；
[0028]获取每辆目标车辆的时刻至时刻的路侧感知数据得到第二轨迹数据集合其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车路协同的路侧感知数据质量监测方法，其特征在于，包括以下步骤：S1.接收路侧感知设备获取的路侧感知数据；获取来自安装在网联车辆内的智能车载单元的车辆消息；S2.从车辆消息中提取目标车辆的第一轨迹数据；从路侧感知数据中提取目标车辆的第二轨迹数据；S3.对同一目标车辆对应的第一轨迹数据和第二轨迹数据进行分析比对以评估路侧感知数据质量评价值并上报至云控平台；S4.当路侧感知数据质量评价值超过质量阈值时，对外报警点位感知异常。2.根据权利要求1所述的基于车路协同的路侧感知数据质量监测方法，其特征在于，步骤S1中，所述的路侧感知设备包括路侧雷达、视频相机，所述的路侧感知数据包括由路侧雷达获取的实时点云数据，由视频相机获取的视频图像数据；通过智能路侧单元获取来自安装在网联车辆内的智能车载单元的车辆消息。3.根据权利要求1或2所述的基于车路协同的路侧感知数据质量监测方法，其特征在于，步骤S2中，通过以下方式确定目标车辆：提取设定中心点，提取设定半径，将以设定中心点为原点，设定半径为半径构成的区域作为感知范围；将位于感知范围内的安装有所述智能车载单元的网联车辆作为目标车辆；根据车辆消息判断相应车辆是否位于感知范围内，以及何时进入感知范围、何时离开感知范围。4.根据权利要求3所述的基于车路协同的路侧感知数据质量监测方法，其特征在于，所述的设定中心点和设定半径为事先设定；且当处于十字交叉路口时，交叉路口的中心点被设定为原点。5.根据权利要求3所述的基于车路协同的路侧感知数据质量监测方法，其特征在于，所述的第一轨迹数据、第二轨迹数据均包括目标车辆的目标ID、目标类型、目标位置(经纬度)、目标速度、目标航向角；对于第一轨迹数据，从智能车载单元获取的车辆消息包括数据：相应车辆的目标ID、目标类型、目标位置(经纬度)、目标速度、目标航向角，边缘计算单元直接从车辆消息中提取第一轨迹数据；对于第二轨迹数据，边缘计算单元对所有路侧感知数据进行时间戳统一、传感器空间坐标标定，然后使用相应的深度学习算法对车辆进行识别及目标跟踪得到目标车辆的目标ID、目标类型、目标位置(经纬度)、目标速度、目标航向角以获得目标车辆的第二轨迹数据。6.根据权利要求5所述的基于车路协同的路侧感知数据质量监测方法，其特征在于，步骤S2具体包括：对来自智能车载单元的车辆消息进行过滤得到在所述感知范围内的车辆消息；从车辆消息中得到数据集合{(时间戳、车辆编号、经度、纬度、速度、航向角)}，相应网联车辆进入感知范围时间节点为t0，离开感知范围时间节点为t
k
，相应网联车辆的第一轨迹数据集合为ID为相应网联车辆编号，分别为为网联车辆相应时刻经度，分别为网联车

【专利技术属性】
技术研发人员：王思洁，段晶，王翔，弓宇飞，杨一峰，吴马军，杨立功，李志伟，刘刚，
申请(专利权)人：浙江嘉兴数字城市实验室有限公司，
类型：发明
国别省市：