1.一种基于计算机视觉技术的路况预测方法,其特征在于,包括:
获取第一设定驾驶车辆的预设起点及预设终点对应的预设导航路线,分别确定与所述预设导航路线相连通的多个交汇路口;
实时以所述第一设定驾驶车辆为中心,所述预设导航路线对应的实时剩余行驶路程为半径,构建在所述多个交汇路口在所述半径内交汇路口对应的实变拓扑网络;
基于所述实变拓扑网络,预测所述第一设定驾驶车辆在所述预设导航路线对应的驾驶路况。
2.根据权利要求1所述的路况预测方法,其特征在于,所述实时以所述第一设定驾驶车辆为中心,所述预设导航路线对应的实时剩余行驶路程为半径,构建在所述多个交汇路口在所述半径内的交汇路口对应的实变拓扑网络,包括:实时以所述第一设定驾驶车辆为中心,所述预设导航路线对应的实时剩余行驶路程为半径,确定实变拓扑范围;
在所述实变拓扑范围内,以所述第一设定驾驶车辆及在所述半径内的交汇路口为节点,以所述第一设定驾驶车辆在所述预设导航路线中最近的交汇路口对应的路线及所述半径内的交汇路口之间的路线为边,构建在所述多个交汇路口在所述半径内的交汇路口对应的实变拓扑网络。
3.根据权利要求2所述的路况预测方法,其特征在于,在所述构建在所述多个交汇路口在所述半径内的交汇路口对应的实变拓扑网络之前,实时确定所述预设导航路线对应的所述第一设定驾驶车辆,包括:实时获取所述第一设定驾驶车辆在所述预设导航路线上视频流对应的多时刻图像;
利用目标检测模型对所述多时刻图像中所有驾驶车辆的车牌进行检测,确定所述预设导航路线对应的所述第一设定驾驶车辆。
4.根据权利要求3所述的路况预测方法,其特征在于,所述利用目标检测模型对所述多时刻图像中所有驾驶车辆的车牌进行检测,确定所述预设导航路线对应的所述第一设定驾驶车辆,包括:所述利用目标检测模型对所述多时刻图像中所有驾驶车辆的车牌进行检测,得到对应的多个车牌检测框;
分别对所述多个车牌检测框内对应的车牌号码进行识别,得到对应的多个识别车牌号码;
基于所述的多个识别车牌号码与所述预设导航路线的所述第一设定驾驶车辆对应的预设车牌号码一致,则将与所述预设车牌号码一致对应的驾驶车辆确定为所述预设导航路线对应的所述第一设定驾驶车辆。
5.根据权利要求3或4任一项所述的路况预测方法,其特征在于,若所述利用目标检测模型对所述多时刻图像中所有驾驶车辆的车牌进行检测,未确定出与所述预设导航路线的预设车牌号码一致对应的所述第一设定驾驶车辆,则分别对所述多时刻图像的多个多尺度特征,得到对应的高层多尺度融合特征和低层多尺度融合特征;
分别对所述多个多尺度特征、高层多尺度融合特征和低层多尺度融合特征执行分组细节增强及融合处理,得到对应的多个协同多尺度融合特征;
分别对所述协同多尺度融合特征进行优化处理,得到对应的多个优化协同多尺度融合特征;
分别基于所述多个优化协同多尺度融合特征检测或确定所述多时刻图像中所述第一设定驾驶车辆。
6.根据权利要求1-4任一项所述的路况预测方法,其特征在于,所述基于所述实变拓扑网络,预测所述预设导航路线对应的驾驶路况,包括:基于所述实变拓扑网络,确定所述预设导航路线中在行驶方向的交汇路口对应的多个核心节点;
分别预测在所述实变拓扑网络中多个第二设定驾驶车辆对所述第一设定驾驶车辆在所述多个核心节点是否产生妨碍;
若产生妨碍,则基于所述多个第二设定驾驶车辆的累计妨碍时间及设定时间,预测所述实变拓扑网络中对应的交汇路的拥堵情况。
7.根据权利要求6所述的路况预测方法,其特征在于,所述分别预测在所述实变拓扑网络中多个第二设定驾驶车辆对所述第一设定驾驶车辆在所述多个核心节点是否产生妨碍,包括:分别计算所述第一设定驾驶车辆及所述实变拓扑网络中多个第二设定驾驶车辆距离所述多个核心节点的多个第一距离及多个第二距离;
预测所述第一设定驾驶车辆在所述剩余行驶路程中到达所述多个核心节点对应的多个第一速度;
分别预测多个第二设定驾驶车辆到达所述多个核心节点对应的多个第二速度;
基于所述第一设定驾驶车辆对应的多个第一距离及所述多个第一速度、所述多个第二设定驾驶车辆距离对用的多个第二距离及所述多个第二速度,确定所述多个第二设定驾驶车辆中的每个第二设定驾驶车辆是否妨碍所述第一设定驾驶车辆通过对应的核心节点。
8.根据权利要求7所述的路况预测方法,其特征在于,所述基于所述第一设定驾驶车辆对应的多个第一距离及所述多个第一速度、所述多个第二设定驾驶车辆距离对用的多个第二距离及所述多个第二速度,确定所述多个第二设定驾驶车辆中的每个第二设定驾驶车辆是否妨碍所述第一设定驾驶车辆通过对应的核心节点,包括:基于所述第一设定驾驶车辆对应的多个第一距离及所述多个第一速度,确定所述第一设定驾驶车辆对应的多个第一位置;
基于所述多个第二设定驾驶车辆距离对用的多个第二距离及所述多个第二速度,确定所述多个第二设定驾驶车辆中的每个第二设定驾驶车辆对应的多个第二位置;
基于所述第一设定驾驶车辆对应的多个第一位置及所述多个第二设定驾驶车辆中的每个第二设定驾驶车辆对应的多个第二位置,确定在每个核心节点对应的交汇路口,所述多个第二设定驾驶车辆对所述第一设定驾驶车辆在所述多个核心节点是否产生妨碍。
9.根据权利要求7或8任一项所述的路况预测方法,其特征在于,所述预测所述第一设定驾驶车辆在所述剩余行驶路程中到达所述多个核心节点对应的多个第一速度,包括:获取所述第一设定驾驶车辆在所述预设导航路线上已行驶路程、已行驶时间、所述剩余行驶路程对应的路况;
基于所述第一设定驾驶车辆在所述预设导航路线上已行驶路程、已行驶时间、所述剩余行驶路程对应的路况,利用机器学习预测模型或时间序列分析算法,分别预测所述第一设定驾驶车辆在所述剩余行驶路程中到达所述多个核心节点对应的多个第一速度;和/或,所述分别预测多个第二设定驾驶车辆到达所述多个核心节点对应的多个第二速度,包括:获取多个所述第二设定驾驶车辆在所述预设导航路线上已行驶路程、已行驶时间、剩余行驶路程对应的路况;
基于所述第二设定驾驶车辆在所述预设导航路线上已行驶路程、已行驶时间、剩余行驶路程对应的路况,利用机器学习预测模型或时间序列分析算法,分别预测所述第一设定驾驶车辆在所述剩余行驶路程中到达所述多个核心节点对应的多个第二速度。
10.根据权利要求1-4、6-8任一项所述的路况预测方法,其特征在于,还包括:若预测所述第一设定驾驶车辆在所述预设导航路线对应的驾驶路况为拥堵,则调整所述第一设定驾驶车辆的目前起点到所述预设终点对应的调整导航路线;其中,所述拥堵配置为轻微拥堵或严重拥堵;
分别确定与调整预设导航路线相连通的多个交汇路口;
实时以所述第一设定驾驶车辆为中心,所述调整导航路线对应的实时剩余行驶路程为半径,构建在所述多个交汇路口在所述半径内交汇路口对应的实变拓扑网络;
基于所述实变拓扑网络,预测所述第一设定驾驶车辆在所述调整导航路线对应的驾驶路况。
11.根据权利要求5所述的路况预测方法,其特征在于,还包括:
若预测所述第一设定驾驶车辆在所述预设导航路线对应的驾驶路况为拥堵,则调整所述第一设定驾驶车辆的目前起点到所述预设终点对应的调整导航路线;其中,所述拥堵配置为轻微拥堵或严重拥堵;
分别确定与调整预设导航路线相连通的多个交汇路口;
实时以所述第一设定驾驶车辆为中心,所述调整导航路线对应的实时剩余行驶路程为半径,构建在所述多个交汇路口在所述半径内交汇路口对应的实变拓扑网络;
基于所述实变拓扑网络,预测所述第一设定驾驶车辆在所述调整导航路线对应的驾驶路况。
12.根据权利要求9所述的路况预测方法,其特征在于,还包括:
若预测所述第一设定驾驶车辆在所述预设导航路线对应的驾驶路况为拥堵,则调整所述第一设定驾驶车辆的目前起点到所述预设终点对应的调整导航路线;其中,所述拥堵配置为轻微拥堵或严重拥堵;
分别确定与调整预设导航路线相连通的多个交汇路口;
实时以所述第一设定驾驶车辆为中心,所述调整导航路线对应的实时剩余行驶路程为半径,构建在所述多个交汇路口在所述半径内交汇路口对应的实变拓扑网络;
基于所述实变拓扑网络,预测所述第一设定驾驶车辆在所述调整导航路线对应的驾驶路况。
13.一种基于计算机视觉技术的路况预测系统,其特征在于,包括:
获取单元,用于获取第一设定驾驶车辆的预设起点及预设终点对应的预设导航路线,分别确定与所述预设导航路线相连通的多个交汇路口;
构建单元,用于实时以所述第一设定驾驶车辆为中心,所述预设导航路线对应的实时剩余行驶路程为半径,构建在所述多个交汇路口在所述半径内交汇路口对应的实变拓扑网络;
预测单元,用于基于所述实变拓扑网络,预测所述第一设定驾驶车辆在所述预设导航路线对应的驾驶路况。
14.一种基于计算机视觉技术的路况预测系统,其特征在于,包括:电子设备,所述电子设备配置有处理器及用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至12中任意一项所述的路况预测方法。
15.一种基于计算机视觉技术的路况预测系统,其特征在于,包括:计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至12中任意一项所述的路况预测方法。
16.一种基于计算机视觉技术的路况预测系统,其特征在于,包括:计算机程序产品,所述计算机程序产品上设置计算机程序/指令, 该计算机程序/指令被处理器执行时实现权利要求1至12中任意一项所述的路况预测方法。