(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211055960.9 (22)申请日 2022.08.30 (71)申请人 云控智行 （上海） 汽车 科技有限公司 地址 201805 上海市嘉定区墨玉南路8 88号 2201室J879 (72)发明人 宦涣　闫学亮　孙亚风　 (74)专利代理 机构 上海港慧专利代理事务所 (普通合伙) 31402 专利代理师 杨锴 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G08G 1/01(2006.01) G08G 1/052(2006.01) G08G 1/065(2006.01) (54)发明名称 一种基于动态交通流的V2X动态电子车道规 划方法及装置 (57)摘要 本申请的基于动态交通流的V2X动态电子车 道规划方法及装置， 涉及智能管控系统应用技术 领域。 所述方法包括基于X0及每一时间片内的每 一车道的平均车辆数和平均车速， 构造输入特征 向量 基于人工划分车道的宽度比例， 构造输 出特征向量 基于人工划 分车道的预设期间的 历史交通数据， 构建训练集、 验证集、 测试集； 构 建浅层神经网络模型， 包括激活函数Softmax， 损 失函数D(P,Y)； 对所述浅层神经网络模型参数进 行迭代训练； 对完成参数训练的神经网络模型进 行测试； 若测试达到预设正确率， 部署至动态电 子车道规划环境。 本申请基于高精度GNSS定位与 路侧设备信息， 实时动态调整当前交通环境的电 子车道规划， 实现灵活易维护、 可用场景多样的 电子车道效果。 权利要求书3页 说明书10页 附图2页 CN 115423303 A 2022.12.02 CN 115423303 A 1.一种基于动态交通 流的V2X动态电子车道规划方法， 其特 征在于， 包括： S1： 获取道路总宽度X0和车道数m， 并设定时间片间隔n； 基于X0及每一时间片 内的每一 车道的平均车辆数和平均车速， 构造输入特征向量 包括2m+1个属性值； 基于人工划分车 道的宽度比例， 构造 输出特征向量 包括m个属性 值； S2： 基于人工划分车道的预设期间的历史交通数据， 根据S1字段提取每一行信息， 构建 训练集、 验证集、 测试集； S3： 构建浅层神经网络模型， 其中， 激活函数Softmax用于确定车道宽度分配比例之和 为1， 损失函数D(P,Y)基于车道宽度预测 与人工划分比例的交叉熵； S4： 基于S2构建的训练集与S3的损失函数， 对所述浅层神经网络模型参数进行迭代训 练， 以确定Wr、 br参数的最优权 重及偏移参数， 并基于S2构建的验证集进行 过拟合验证； S5： 基于S2构建的测试集， 对完成参数训练的神经网络模型进行测试， 若测试未达到预 设正确率， 返回S4训练； S6： 若测试达 到预设正确率， 部署至动态电子车道规划环境。 2.根据权利要求1所述的基于动态交通流的V2X动态电子车道规划方法， 其特征在于， 具体包括： 根据路侧感知设备实时采集道 路交通数据， 构造输入特征向量 输入完成训练的神经 网络模型， 得到电子车道实时划分比例的预测 将当前道路总宽度根据预测比例 分配至每一车道， 基于GNSS道路中心线点迹坐标， 计 算每一车道的中心线点迹坐标； 根据每一车道的宽度和中心线点迹坐标信息， 更新V2X通信消息的MAP消息， 并将消息 编码后作为动态电子车道信息广播至预设距离内的网联 车辆。 3.据权利要求1所述的基于动态交通流的V2X动态电子车道规划方法， 其特征在于， 当 车道数m＝3时， 具体包括： 获取每n秒时间片 内车道1平均经过车辆数X1,每n秒时间片 内车道1平均车速X2,每n秒 时间片内车道2平均经过车辆数X3,每n秒时间片内车道2平均车速X4,每n秒时间片内车道3 平均经过车辆数X5,每n秒时间片内车道3平均车速X6， 构造输入特征向量X＝[X0,X1,X2,X3, X4,X5,X6]； 基于人工划分 的车道1、 车道2、 车道3宽度比例Y0、 Y1、 Y2， 构造输出特征向量Y＝[Y0,Y1, Y2]， 其中 4.根据权利要求3所述的基于动态交通流的V2X动态电子车道规划方法， 其特征在于， 所述构建浅层神经网络模型， 具体包括： 其中， X0至X6为S1中定义的与车道宽度划分比例有较强相关度的输入特征 向量， P0、 P1、 P2为目标车道宽度分布， wij为使用实时交通特征Xj计算第i条车道宽度Pi时所需的权重系权　利　要　求　书 1/3 页 2 CN 115423303 A 2数， bi为计算第i条 车道宽度时所需加入的偏移， 所述 wij， bi通过训练确定 。 5.根据权利要求4所述的基于动态交通流的V2X动态电子车道规划方法， 其特征在于， 所述激活函数Softmax具体包括： 其中， 激活函数Softmax用于确定车道 宽度分配比例之和为1， Zi为神经网络最后一层第 i个节点的输出值。 6.根据权利要求5所述的基于动态交通流的V2X动态电子车道规划方法， 其特征在于， 根据模型输出 具有概率分布形式的特点P0+P1+P2＝1， 所述损失函数D(P,Y)， 具体包括： 其中， 损失函数D(P,Y)基于车道宽度预测 与人工划分比例的交叉熵， Yi为道路i的实际 宽度比例， Pi为道路i经模型 预测得到的宽度比例。 7.根据权利要求6所述的基于动态交通流的V2X动态电子车道规划方法， 其特征在于， 所述对所述浅层神经网络模型参数进行迭代训练， 具体包括： 利用BP算法， 基于所述训练集和所述损失函数在高性能服务器上对神经网络模型参数 进行迭代训练。 8.根据权利要求7所述的基于动态交通流的V2X动态电子车道规划方法， 其特征在于， 所述对完成参数训练的神经网络模型进行测试 是否达到预设正确率， 具体包括： 从测试集内随机抽取预设期间的数据并根据交通流状况分为4组， 包括无拥堵、 轻微拥 堵、 中度拥堵、 重度拥堵， 每组固定10 00条数据； 对4组数据中的每条数据使用完成参数训练的神经网络模型进行预测， 若预测出的导 向车道用途概率分布中对应概率最大项与人工实际划定的车道用途相同， 则确定本次预测 正确； 若否确定预测错 误； 对4组数据的预测结果分别统计正确率， 所述正确率为每组预测正确次数与每组测试 数据总数的比值， 若正确率分别大于每组对应的预设阈值， 则确定达到实际使用要求； 若否 确定未达 到实际使用要求。 9.根据权利要求8所述的基于动态交通流的V2X动态电子车道规划方法， 其特征在于， 所述正确率分别大于每组对应的预设阈值， 具体包括无拥堵70％、 轻微拥堵75％、 中度拥堵 80％、 重度拥堵85％。 10.一种基于动态交通 流的V2X动态电子车道规划装置， 其特 征在于， 具体包括： 一个存储器， 被配置为存 储数据及指令； 一个与存储器建立通信的处理器， 其中， 当执行存储器 中的指令时， 所述处理器被配置 为： S1： 获取道路总宽度X0和车道数m， 并设定时间片间隔n； 基于X0及每一时间片 内的每一 车道的平均车辆数和 平均车速， 构造输入特征向量 包括2m+1个属性值； 基于人工划分车 道的宽度比例， 构造 输出特征向量 包括m个属性 值； S2： 基于人工划分车道的预设期间的历史交通数据， 根据S1字段提取每一行信息， 构建 训练集、 验证集、 测试集；权　利　要　求　书 2/3 页 3 CN 115423303 A 3