System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及车路协同领域,更具体地,特别是指一种挖掘高价值交通流片段的方法、系统、设备和存储介质。
技术介绍
1、在车路协同领域,交通数据的处理至关重要。其中,高价值交通片段的挖掘对于实现智能交通系统具有重要意义。传统的自动驾驶领域也在研究高价值交通片段,但它们通常使用有限的数据来源,如单车道路采集数据或多车模拟生成的数据。这导致所获得的交通流片段与真实交通流片段存在差异。
技术实现思路
1、有鉴于此,本专利技术实施例的目的在于提出一种挖掘高价值交通流片段的方法、系统、电子设备及计算机可读存储介质,本专利技术根据标记的高价值交通流片段构建特征模型,并根据特征模型确定高价值交通流片段的多特征联合阈值,并根据多特征联合阈值筛选高价值交通流片段,提高了数据的利用率。
2、基于上述目的,本专利技术实施例的一方面提供了一种挖掘高价值交通流片段的方法,包括如下步骤:将获取到的交通数据进行分析以确定特征阈值,根据所述特征阈值确定基础子场景,并将基础子场景进行组合以生成普通交通流片段;对所述普通交通流片段中的高价值交通流片段进行标记,并根据标记的高价值交通流片段构建特征模型;根据所述特征模型确定高价值交通流片段的多特征联合阈值;以及根据所述多特征联合阈值从待挖掘交通流片段中筛选高价值交通流片段。
3、在一些实施方式中,所述将获取到的交通数据进行分析以确定特征阈值的步骤包括:结合地图数据,创建包括运动状态信息、基础属性信息、地图信息和相邻交通参与者信息的基础特征宽表,并根据
4、在一些实施方式中,所述根据所述基础特征宽表确定特征阈值的步骤包括:根据所述基础特征宽表绘制曲线图,并将所述曲线图中特征值发生突变的区间作为特征阈值。
5、在一些实施方式中,所述根据标记的高价值交通流片段构建特征模型的步骤包括:根据标记的高价值交通流片段分别构建多特征联合分布散点矩阵和高斯回归模型。
6、在一些实施方式中,所述根据标记的高价值交通流片段分别构建多特征联合分布散点矩阵和高斯回归模型的步骤包括:根据已标记的高价值交通流片段和非高价值交通流片段的特征构建多特征联合分布散点矩阵;以及根据已标记的高价值交通流片段中特征的联系构建多特征高斯回归模型。
7、在一些实施方式中,所述根据所述特征模型确定高价值交通流片段的多特征联合阈值的步骤包括:构建多特征的协方差矩阵,根据所述协方差矩阵构建高斯分布的概率密度函数;以及使用预设置信度计算所述概率密度函数中各个特征的阈值,以形成多特征联合阈值。
8、在一些实施方式中,所述方法还包括:对筛选的高价值交通流片段进行复核,并标记出误判的交通流片段;以及将筛选的正确的高价值交通流片段和误判的交通流片段输入回归模型以更新所述多特征联合阈值。
9、本专利技术实施例的另一方面,提供了一种挖掘高价值交通流片段的系统,包括:分析模块,配置用于将获取到的交通数据进行分析以确定特征阈值,根据所述特征阈值确定基础子场景,并将基础子场景进行组合以生成普通交通流片段;构建模块,配置用于对所述普通交通流片段中的高价值交通流片段进行标记,并根据标记的高价值交通流片段构建特征模型;阈值模块,配置用于根据所述特征模型确定高价值交通流片段的多特征联合阈值;以及执行模块,配置用于根据所述多特征联合阈值从待挖掘交通流片段中筛选高价值交通流片段。
10、本专利技术实施例的又一方面,还提供了一种电子设备,包括:至少一个处理器;以及存储器,所述存储器存储有可在所述处理器上运行的计算机指令,所述指令由所述处理器执行时实现如上方法的步骤。
11、本专利技术实施例的再一方面,还提供了一种计算机可读存储介质,计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
12、本专利技术具有以下有益技术效果:根据标记的高价值交通流片段构建特征模型,并根据特征模型确定高价值交通流片段的多特征联合阈值,并根据多特征联合阈值筛选高价值交通流片段,提高了数据的利用率。
本文档来自技高网...【技术保护点】
1.一种挖掘高价值交通流片段的方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的挖掘高价值交通流片段的方法,其特征在于,所述将获取到的交通数据进行分析以确定特征阈值的步骤包括:
3.根据权利要求2所述的挖掘高价值交通流片段的方法,其特征在于,所述根据所述基础特征宽表确定特征阈值的步骤包括:
4.根据权利要求1所述的挖掘高价值交通流片段的方法,其特征在于,所述根据标记的高价值交通流片段构建特征模型的步骤包括:
5.根据权利要求4所述的挖掘高价值交通流片段的方法,其特征在于,所述根据标记的高价值交通流片段分别构建多特征联合分布散点矩阵和高斯回归模型的步骤包括:
6.根据权利要求4所述的挖掘高价值交通流片段的方法,其特征在于,所述根据所述特征模型确定高价值交通流片段的多特征联合阈值的步骤包括:
7.根据权利要求1所述的挖掘高价值交通流片段的方法,其特征在于,所述方法还包括:
8.一种挖掘高价值交通流片段的系统,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10
...【技术特征摘要】
1.一种挖掘高价值交通流片段的方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的挖掘高价值交通流片段的方法,其特征在于,所述将获取到的交通数据进行分析以确定特征阈值的步骤包括:
3.根据权利要求2所述的挖掘高价值交通流片段的方法,其特征在于,所述根据所述基础特征宽表确定特征阈值的步骤包括:
4.根据权利要求1所述的挖掘高价值交通流片段的方法,其特征在于,所述根据标记的高价值交通流片段构建特征模型的步骤包括:
5.根据权利要求4所述的挖掘高价值交通流片段的方法,其特征在于,所述根据标记的高价值交通流片段分别构建多...
【专利技术属性】
技术研发人员:杜逸文,李程,赵志猛,陈伟,
申请(专利权)人:天翼交通科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。