(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 202210667488.8 (22)申请日 2022.06.13 (71)申请人 北京宾理信息科技有限公司 地址 100020 北京市朝阳区工 体东路18号2 号楼二层B2180 (72)发明人 张新红　陈翀宇　 (74)专利代理 机构 北京市海问律师事务所 11792 专利代理师 陈桥 (51)Int.Cl. G06F 30/20(2020.01) G06F 30/28(2020.01) G06F 16/9537(2019.01) G06F 111/10(2020.01) G06F 113/08(2020.01)G06F 119/14(2020.01) G06F 119/08(2020.01) (54)发明名称 一种自动驾驶交通 流的仿真方法及系统 (57)摘要 本申请公开了一种自动驾驶交通流的仿真 方法和系统， 用于仿真 交通流， 包括： 获取用户确 定的第一参数数据a， 在交通流模型数据库中进 行匹配， 确定最接近的K条交通流模型； 基于 所述 K条交通流模型， 确定对应于 所述第一参数数据a 的用户交通流模 型， 并根据所述用户交通流模型 确定仿真交通流； 其中， 所述交通流模型数据库 基于获取第一参数数据集X和原始交通流数据集 Q构建。 本申请提供的自动驾驶交通流的仿真方 法和系统， 可以更好地实现在仿真场景中提供更 接近于实际路况的仿真交通流， 且允许用户通过 自行设定参数来获得其想要的且贴合实际路况 的仿真交通 流。 权利要求书3页 说明书10页 附图3页 CN 115270395 A 2022.11.01 CN 115270395 A 1.一种自动驾驶交通 流的仿真方法， 其特 征在于， 包括： 获取用户确定的第一参数数据a， 在交通流模型数据库中进行匹配， 确定最接近的K条 交通流模型； 基于所述K条交通流模型， 确定对应于所述第一参数数据a的用户交通流模型， 并根据 所述用户交通 流模型确定 仿真交通 流； 其中， 所述交通 流模型数据库基于获取第一 参数数据集X和原 始交通流数据集 Q构建。 2.如权利要求1所述的方法， 其特 征在于， 所述第一 参数为天气参数。 3.如权利要求2所述的方法， 其特征在于， 所述天气参数包括如下参数中的至少一种： 气压、 温度、 湿度、 风速、 可 见度、 光照强度。 4.如权利要求3所述的方法， 其特 征在于， 所述天气参数还 包括权重参数。 5.如权利要求4所述的方法， 其特征在于， 所述在交通流模型数据库中进行匹配， 确定 最接近的K条交通流模型， 包括： 基于所述第 一参数数据a和所述权重参数， 通过加权K近邻方法， 确定最接近的K条交通 流模型。 6.根据权利要求5所述的方法， 其特 征在于， 还 包括： 确定所述K条交通流模型中每条交通流模型的均方根误差， 并基于所述均方根误差确 定所述用户交通 流模型。 7.根据权利要求1 ‑6任一项所述的方法， 其特 征在于， 还 包括： 获取用户确定的第二参数数据b， 基于所述第一参数数据a和所述第二参数数据b匹配 确定最接 近的所述K 条交通流模型； 基于所述K条交通流模型， 确定对应于所述第一参数数据a和所述第二参数数据b的用 户交通流模型。 8.根据权利要求7所述的方法， 其特征在于， 所述第二参数为道路参数， 所述道路参数 包括参数至少一种： 道路类型、 车道类型、 车道朝向。 9.根据权利要求1所述的方法， 其特征在于， 所述交通流模型数据库基于获取第 一参数 数据集X和原 始交通流数据集 Q构建包括： 获取所述第一参数数据集X和所述原始交通流数据集Q， 其中所述第一参数数据集X和 所述原始交通流数据集 Q均包括时间信息； 匹配预定时间间隔的第一参数数据x和原始交通流数据q， 属于相同时间间隔的第一参 数数据x、 原 始交通流数据q构成一条交通 流数据(xi,qi)； 选取m条交通流数据， 确定所述m条交通流数据的交通流模型系数， 从而确定所述m条交 通流数据的交通 流模型， 其中， m>1； 重复获取交通 流数据以及交通 流模型， 构建交通 流模型数据库。 10.根据权利要求7所述的方法， 其特征在于， 所述交通流模型数据库基于获取第一参 数数据集X和原 始交通流数据集 Q构建包括： 获取所述第一参数数据集X和所述原始交通流数据集Q， 其中所述第一参数数据集X和 所述原始交通流数据集 Q均包括时间信息及第二 参数信息； 匹配预定时间间隔的第一参数数据x和原始交通流数据q， 属于相同时间间隔的第一参 数数据x、 原 始交通流数据q， 以及第二 参数y构成一条交通 流数据(xi,yi,qi)；权　利　要　求　书 1/3 页 2 CN 115270395 A 2选取m条交通流数据， 确定所述m条交通流数据的交通流模型系数， 从而确定所述m条交 通流数据的交通 流模型， 其中， m>1； 重复获取交通 流数据以及交通 流模型， 构建交通 流模型数据库。 11.根据权利要求9或10所述的方法， 其特征在于， 所述预定时间间隔包括多个不同的 预定时间 间隔。 12.根据权利要求11所述的方法， 其特征在于， 所述匹配预定时间间隔的第 一参数数据 x和原始交通流数据q， 还 包括： 筛去时间 间隔无法对应的所述第一 参数数据x和所述原 始交通流数据q。 13.一种自动驾驶交通流的仿真系统， 包括处理器和存储器， 所述存储器用于存储计算 机可执行程序， 其特 征在于， 当所述计算机程序被所述处 理器执行时， 所述处 理器执行： 获取用户确定的第一参数数据a， 在交通流模型数据库中进行匹配， 确定最接近的K条 交通流模型； 基于所述K条交通流模型， 确定对应于所述第一参数数据a的用户交通流模型， 并根据 所述用户交通 流模型确定 仿真交通 流； 其中， 所述交通 流模型数据库基于获取第一 参数数据集X和原 始交通流数据集 Q构建。 14.如权利要求13所述的系统， 其特 征在于， 所述第一 参数为天气参数。 15.如权利要求14所述的系统， 其特征在于， 所述天气参数包括如下参数： 气压、 温度、 湿度、 风速、 可 见度、 光照强度。 16.如权利要求15所述的系统， 其特 征在于， 所述天气参数还 包括权重参数。 17.如权利要求16所述的系统， 其特征在于， 所述在交通流模型数据库中进行匹配， 确 定最接近的K条交通流模型， 包括： 基于所述第 一参数数据a和所述权重参数， 通过加权K近邻方法， 确定最接近的K条交通 流模型。 18.根据权利要求17 所述的系统， 其特 征在于， 还 包括： 确定所述K条交通流模型中每条交通流模型的均方根误差， 并基于所述均方根误差确 定所述用户交通 流模型。 19.根据权利要求13 ‑18任一项所述的系统， 其特 征在于， 还 包括： 获取用户确定的第二参数数据b， 基于所述第一参数数据a和所述第二参数数据b匹配 确定最接 近的所述K 条交通流模型； 基于所述K条交通流模型， 确定对应于所述第一参数数据a和所述第二参数数据b的用 户交通流模型。 20.根据权利要求19所述的系统， 其特征在于， 所述第二参数为道路参数， 所述道路参 数包括参数至少一种： 道路类型、 车道类型、 车道朝向。 21.根据权利要求13所述的系统， 其特征在于， 所述交通流模型数据库基于获取第 一参 数数据集X和原 始交通流数据集 Q构建包括： 获取所述第一参数数据集X和所述原始交通流数据集Q， 其中所述第一参数数据集X和 所述原始交通流数据集 Q均包括时间信息； 匹配预定时间间隔的第一参数数据x和原始交通流数据q， 属于相同时间间隔的第一参 数数据x、 原 始交通流数据q构成一条交通 流数据(xi,yi)；权　利　要　求　书 2/3 页 3 CN 115270395 A 3