[0215] 在拍摄到的视频中对象(包括行人、车辆等)越多,对象与车辆的距离越小,则说 明车辆周围越拥挤,拥挤程度越大。反之,拥挤程度越小。拥挤程度可W用拥挤程度分数度 量。例如,在拍摄到的视频中,每出现一个与车辆的距离在Im之内的对象得5分,每出现 一个与车辆的距离在l-3m之内的对象得4分,每出现一个与车辆的距离在3-5m之内的对 象得3分,每出现一个与车辆的距离在5-7之内的对象得2分,每出现一个与车辆的距离在 7-10之内的对象得1分。最后的拥挤程度分数就既反映了视频中对象的数量,也反映了各 对象与车辆的距离。
[0216] 车辆周围的车辆密度也可W用车辆密度分数度量。例如,在拍摄到的视频中,每出 现一个与车辆的距离在Im之内的其它车辆得5分,每出现一个与车辆的距离在l-3m之内 的其它车辆得4分,每出现一个与车辆的距离在3-5m之内的其它车辆得3分,每出现一个 与车辆的距离在5-7之内的其它车辆得2分,每出现一个与车辆的距离在7-10之内的其它 车辆得1分。最后的车辆密度分数就既反映了视频中其它车辆的数量,也反映了各其它车 辆与当前车辆的距离。
[0217] 另外,第一发送单元还可W被配置为发送确定的车辆周围的拥挤程度和/或车辆 周围的车辆密度。
[0218] 图3示出了根据本发明一个实施例的确定区域的拥挤程度和/或车辆密度的设备 2的框图。
[0219]该设备2包括第一接收单元201、第一确定单元202和第二确定单元203。
[0220] 第一接收单元201被配置为实时接收如图1或2所示的各车辆的车载设备发送的 车辆的地理位置、车辆周围的拥挤程度和/或车辆周围的车辆密度。
[0221] 第一确定单元202被配置为根据各车辆的车载设备发送的车辆的地理位置,确定 各车辆中地理位置在所述区域内的车辆。
[0222] 区域是指一个待确定拥挤程度和/或车辆密度的地区。例如,需要确定某个路口 的拥挤程度和/或车辆密度,则可W把该路口当作一个区域。例如该路口四个角的坐标分 别是(1,1)、(1,3)、(3,1)、(3, 3),坐标为(2. 5, 2)、(1.5,1.8)的车辆都位于该路口四个 角之间的正方形区域内,而坐标为化5,3)的车辆不位于该路口四个角之间的正方形区域 内。通过该种方式,就能确定地理位置在所述区域内的所有车辆。
[0223] 第二确定单元203被配置为基于所确定的车辆发送的车辆周围的拥挤程度和/或 车辆周围的车辆密度,确定该区域的拥挤程度和/或车辆密度。
[0224] 一种具体实现方式是将所确定的车辆发送的车辆周围的拥挤程度和/或车辆周 围的车辆密度取平均值,得到该区域的拥挤程度和/或车辆密度。例如,确定出某路口有2 个车辆,车辆1发来的拥挤程度分数是35,车辆2发来的拥挤程度分数是25,则该区域的拥 挤程度分数为(35+25)/2 = 30。 悦2引另外,区域可W是公路上的车道。
[0226]在区域是车道的情况下,就可W让车主知道哪个车道可能拥挤,例如在某一路口 可能左拐的车道堵塞,而直行的车道并不堵塞。实际上,单独发布某一路口的路况信息未必 是车主最需要的,车主往往想要知道自己所去的车道是否容易行驶。
[0227] 可选地,如图4所示,该设备还包括;第一发布单元204,被配置为发布确定的该区 域的拥挤程度和/或车辆密度。例如,可W向所有按照有本发明实施例的车载设备的车辆 广播该确定的该区域的拥挤程度和/或车辆密度。
[0228] 可选地,如图5所示,该设备还包括:
[0229] 第一存储单元205,被配置为存储确定的该区域的拥挤程度和/或车辆密度;
[0230] 第一预测单元206,被配置为根据历史上存储的确定的该区域的拥挤程度和/或 车辆密度,预测在未来特定时刻该区域的拥挤程度和/或车辆密度。
[0231] 第一预测单元206可W采用机器学习的方式预测在未来特定时刻该区域的拥挤 程度和/或车辆密度。例如,将历史上每隔5分钟采集并存储的该区域的拥挤程度输入 自学习模型,自学习模型不断学习其中的规律,就能预测当前时间后5分钟、10分钟、15分 钟……后的该区域的拥挤程度。
[0232] 该实施例该种预测功能的好处是;它能预测到未来特定时刻该区域的拥挤程度和 /或车辆密度,而不是现在的该区域的拥挤程度和/或车辆密度,把预测的未来的特定时刻 该区域的拥挤程度和/或车辆密度发布出来,对行车的车主更有指导意义,因为车主更希 望知道例如10分钟或半个小时后给区域(如路口)的交通状况,从而灵活调整行车策略, 而不是现在的交通状况。
[0233]可选地,第一接收单元还被配置为实时接收各车辆的车载设备发送的车辆的行驶 速度,且如图6所示,所述设备还包括;第=确定单元207和第二发送单元208。
[0234] 第=确定单元207被配置为基于接收到的各车辆的车载设备发送的车辆的地理 位置和行驶速度,确定在未来特定时刻进入该区域的车辆。
[0235]例如,该区域是一个正方形,正方形的四个角坐标分别是(1,1)、(1,3)、(3,1)、(3, 3)(单位;公里)。某车辆当前坐标是(2,-2),沿着坐标轴上纵向W0. 8公里/分钟的速度 行驶,在5分钟之后坐标是(2,-化0.8X5) = (2,2),即进入了该区域。因此,该车辆被确 定为是确定在未来5分钟进入该区域的车辆。通过该种方式,能够确定在未来特定时刻进 入该区域的所有车辆。
[0236] 第二发送单元208被配置为向在未来特定时刻进入该区域的车辆的车载设备发 送预测的在未来特定时刻该区域的拥挤程度和/或车辆密度。
[0237] 该种做法的好处是,使区域的行车实景图只投放给未来特定时刻可能进入该区域 的车主,提高了投放的针对性。
[0238] 图7是根据本发明的一个实施例的行车实景图再现设备3的框图。
[0239] 行车实景图再现设备3包括;第二接收单元301、第四确定单元302、第一绘制单元 303、第二发布单元304。
[0240]第二接收单元301被配置为实时接收各车辆的车载设备发送的车辆的地理位置、 该车载设备识别出的各对象、及各对象的地理位置、各对象的类型。
[0241] 第四确定单元302被配置为根据各车辆的车载设备发送的车辆的地理位置,确定 各车辆中地理位置在区域内的车辆;
[0242] 第一绘制单元303被配置为根据所确定的地理位置在该区域内的各车辆、各车辆 的车载设备识别出的各对象、及各对象的地理位置、各对象的类型,绘制该区域的行车实景 图。
[0243]W图lOA-B所示,在某一路口确定有2个车辆,即车辆401和车辆402。图lOA示 出了车辆401识别出的各对象、及各对象的地理位置、各对象的类型。它识别出了对象403, 坐标是化9,12),类型是行人;还识别出了对象404,坐标是(10,16),类型是行人。实际上, 该区域内还有一个对象,即图10B中的车辆402,但由于车辆401的车载设备的摄像头角度 的问题,没有发现车辆402。图10B示出了车辆402识别出的各对象、及各对象的地理位置、 各对象的类型。它识别出了对象401',坐标是(4, 7),类型是车辆;还识别出了对象403', 坐标是巧,12),类型是行人。由于摄像头角度的问题,没有发现对象404。
[0244] 综合图10A所示的车辆401识别出的各对象、及各对象的地理位置、各对象的类 型、W及图10B所示的车辆401识别出的各对象、及各对象的地理位置、各对象的类型,得到 图10C的该路口的形成实景图,其中图10A中车辆401识别出的对象403的坐标是巧.9, 12),图10B中车辆402识别出的对象403'的坐标是巧,12),类型都是行人,由于两个坐标 非常接近,且对象类型一致,认为是同一对象403,因此在图10C中仅画出403,不画403' ;图 10A中车辆401的坐标是(4, 7),图10B中车辆402识别出的对象401'的坐标是(4, 7),类 型都是车辆,由于两个坐标一致,且对象类型一致,认为是同一对象401,因此在图10C中仅 画出401,不画401'。图10C的形成实景图补进了图10A中漏掉的车辆402,补进了图10C 中漏掉的行人404。因此,全面地给车主提供了该路口的行车情况。
[0245] 第二发布单元304被配置为发布绘制的行车实景图。
[0246]另外,第二接收单元还可W被配置为接收各车辆的车载设备发送的各对象的运动 状态;第一绘制单元还可W被配置为根据接收到的地理位置在区域内的车辆的车载设备发 送的各对象的运动状态,擅染绘制的行车实景图。
[0247] 例如,从车辆401接收到的行人403的运动状态是行人403正在跑步,因此可W在 行车实景图上将行人403变成奔跑的小人儿的形状。
[0248] 如图8所示,行车实景图再现设备3还可W包括:
[0249] 第二存储单元305,被配置为存储该区域的行车实景图;
[0巧0] 第二预测单元306,被配置为根据历史上存储的该区域的行车实景图,预测在未来 特定时刻该区域的行车实景图。
[0巧1] 第二预测单元306可W采用机器学习的方式预测在未来特定时刻该区域的行车 实景图。例如,将历史上每隔5分钟采集并存储的该区域的行车实景图输入自学习模型,自 学习模型不断学习其中的规律,就能预测当前时间后5分钟、10分钟、15分钟......后的 该区域的行车实景图。
[0巧2] 该种做法的好处是,使用户能看到未来特定时刻某一区域的行车实景图,就为还 没有到达该区域的车主是否仍然选择经过该区域提供了依据,会大大方便车主行车路线的 选择。
[0253]如图9所示,第二接收单元还可W被配置为实时接收各车辆的车载设备发送的车 辆的行驶速度,且所述设备还包括:
[0巧4] 第五确定单元307,被配置为基于接收到的各车辆的车载设备发送的车辆的地理 位置和行驶速度,确定在未来特定时刻进入该区域的车辆;
[0255] 第=发送单元308,被配置为向在未来特定时刻进入该区域的车辆的车载设备发 送预测的在未来特定时刻该区域的行车实景图。
[0256] 该种做法的好处是,使区域的行车实景图只投放给未来特定时刻可能进入该区域 的车主,提高了投放的针对性。
[0257] 如图11所示,根据本发明的另一个实施例的行车实景图再现设备4包括;第=接 收单元401、第六确定单元402、第二绘制单元403、第四发送单元404。
[0巧引第=接收单元401被配置为接收各车辆的车载设备发送的车辆的地理位置、该车 载设备识别出的各对象、及各对象的地理位置、各对象的类型。
[0巧9] 第六确定单元402被配置为根据各车辆的车载设备发送的车辆的地理位置,确定 各车辆中地理位置与第一车辆相距预定距离之内的所有车辆。
[0%0] 第一车辆例如是当前车辆。例如,当前车辆的坐标是(3,1),预定距离规定为2,第 二车辆的坐标是(4, 2),与第一车辆的距离是1. 41,属于与第一车辆相距2之内的车辆。通 过该种方式,即能确定地理位置与第一车辆相距预定距离之内的所有车辆。
[0%1]第二绘制单元403被配置为根