CN102460534B - 基于历史和当前数据预测期望道路交通状况的计算机实现的方法和计算*** - Google Patents
基于历史和当前数据预测期望道路交通状况的计算机实现的方法和计算*** Download PDFInfo
- Publication number
- CN102460534B CN102460534B CN201080027950.3A CN201080027950A CN102460534B CN 102460534 B CN102460534 B CN 102460534B CN 201080027950 A CN201080027950 A CN 201080027950A CN 102460534 B CN102460534 B CN 102460534B
- Authority
- CN
- China
- Prior art keywords
- road
- traffic flow
- vehicle
- traffic
- advancing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明描述了用于确定并使用与车辆在道路上行进的期望道路交通流量状况信息有关的信息的技术。可以通过将与特定道路部分的道路交通流量状况有关的历史典型信息同与该道路部分上或附近的实际交通流量有关的当前信息进行组合,产生该道路部分的期望道路交通流量状况。例如,该组合可以提供以下优点:估计具有结构流障碍物的道路的期望交通流量状况信息,该结构流障碍物导致在特定道路位置和时间处交通流量降低——例如,期望交通流量状况信息可以至少部分地基于使与车辆的实际行进路径有关的部分实际交通流量信息拟合于或以其他方式适配于道路的历史行进分布图,该历史行进分布图包括针对道路位置和时间段的各种组合的典型交通流量信息。
Description
相关申请的交叉引用
本申请要求于2009年4月22日提交的名称为“Predicting ExpectedRoad Traffic Conditions Based On Historical And Current Data”的美国临时专利申请No.61/171,574的权益,该美国临时专利申请的全部内容通过引用合并于此。
技术领域
以下公开大体涉及用于将与道路交通状况有关的历史和当前信息进行组合以产生与当前和/或未来道路交通状况有关的期望信息(例如,用以改进一个或多个地理区域中的道路上的行进)的技术。
背景技术
随着道路交通的增加,增加交通拥堵的影响已经对商业和政府运作和个人安康造成有害影响。相应地,已经以各种方式努力防止增加的交通拥堵,例如通过获得与当前交通状况有关的信息并将该信息提供给个人和组织。这种当前交通状况信息是可以以各种方式(例如,经由无线电广播、互联网网站、被发送至蜂窝电话和其他便携式消费设备的信息等等,该互联网网站显示具有与地理区域中的一些主要道路上的当前交通拥堵有关的颜色编码信息的地理区域地图)提供给所关注方的。
一种用于获得与当前交通状况有关的信息的来源包括人手动供给的观察(例如,提供与交通流量和事故有关的一般信息的交通直升机、由驾驶员经由蜂窝电话呼入的报告等等),而一些更大城市区域中的另一来源是能够测量该区域中的各种道路的交通流量(例如,经由嵌入道路路面中的传感器)的交通传感器的网络。不幸的是,关于这种信息以及由其他类似来源提供的信息,存在各种问题。例如,许多道路不具有道路传感器(例如,不具有道路传感器的网络的地理区域和/或不足够大以具有作为附近网络的一部分的道路传感器的主干道路),甚至,具有道路传感器的道路可能通常不提供精确数据(例如,被破坏而不提供任何数据或提供不精确数据的传感器)。此外,尽管人手动供给的观察可能在有限情形中提供一些值,但是这种信息典型地仅限于一次较少区域,并且典型地缺少足以大量使用的细节。
发明内容
根据本发明的一方面,提供了一种计算机实现的方法。该方法包括:针对具有多个位置的道路的指示部分,接收与多个先前时间的先前道路交通流量状况有关的信息,所述道路的指示部分在所述多个位置中的一个或多个处具有一个或多个结构交通流障碍物,所述一个或多个结构交通流障碍物是在所述一个或多个位置处所述道路的指示部分的一部分并降低所述一个或多个位置处的交通流量;至少部分地基于接收到的与先前道路交通流量状况有关的信息,自动产生所述道路的指示部分的历史行进分布图,所产生的历史行进分布图针对所述多个位置和多个时间段的多个不同组合,指示不同的典型交通流量状况,所述自动产生由一个或多个已编程计算***执行;使与车辆的实际行进路径有关的部分数据自动拟合于所产生的历史行进分布图,以确定与车辆的实际行进路径有关的附加数据,该车辆的实际行进路径经过所述道路的指示部分,使车辆的部分数据自动拟合于所产生的历史行进分布图由所述一个或多个已编程计算***中的至少一个执行并包括:获得与经过所述道路的指示部分的车辆的实际行进路径有关的信息,所获得的信息包括所述部分数据并指示所述车辆在所述道路的指示部分的多个位置中的两个或更多个位置的子集处的实际交通流量状况;至少部分地基于所获得的部分数据和所产生的历史行进分布图,自动确定与车辆的实际行进路径有关的附加数据,自动确定附加数据包括:通过使车辆的实际行进路径拟合于由所产生的历史行进分布图指示的典型交通流量状况,针对所述道路的指示部分的多个位置中不是所获得的信息指示实际交通流量状况的子集的一部分的至少一些位置,计算车辆的期望交通流量状况;以及提供对车辆的自动计算的期望交通流量状况的一个或多个指示。
根据本发明的另一方面,提供了一种计算机实现的方法。该方法包括:获得道路的指示部分的已产生行进分布图,已产生行进分布图针对所述道路的指示部分上的多个位置指示不同的典型交通流量状况,已产生行进分布图基于针对所述道路的指示部分的与先前道路交通流量状况有关的信息,并反映降低所述多个位置中的一个或多个处的交通流量的一个或多个流障碍物;以及针对一个或多个车辆中的每一个,使与该车辆的实际行进路径有关的部分数据自动适配于已产生行进分布图,以便以专用于该车辆的方式确定与该车辆的实际行进路径有关的附加数据,该车辆的实际行进路径包括所述道路的至少一些指示部分。针对一个或多个车辆中的每一个使部分数据自动适配于已产生行进分布图由已配置计算设备执行并包括:获得与车辆在所述道路的指示部分中的至少一些上的实际行进路径有关的信息,所获得的信息包括所述部分数据并指示车辆在所述道路的指示部分的多个位置中的两个或更多个位置的子集处的实际交通流量状况;至少部分地基于该车辆的所获得的部分数据和已产生行进分布图,以专用于该车辆的方式自动确定与该车辆的实际行进路径有关的附加数据,自动确定附加数据包括:通过使该车辆的实际行进路径的至少一些所获得的信息适配于来自已产生行进分布图的典型交通流量状况,针对所述道路的指示部分的多个位置中不是所获得的信息指示实际交通流量状况的子集的一部分的至少一些位置,计算车辆的期望交通流量状况;以及提供对车辆的自动计算的期望交通流量状况的一个或多个指示。
根据本发明的又一方面,提供了一种计算***。该计算***包括:一个或多个处理器;以及一个或多个模块,被配置为在被所述一个或多个处理器中的至少一个执行时,通过针对多个车辆中的每一个进行以下操作来产生多个车辆在一个或多个道路上的行进路径的期望交通流量信息:获得所述一个或多个道路中的一个道路的指示部分的已产生行进分布图,已产生行进分布图指示针对所述道路的指示部分上的多个位置的不同典型交通流量状况,已产生行进分布图基于针对所述道路的指示部分的与先前道路交通流量状况有关的信息并反映降低所述多个位置中的一个或多个处的交通流量的一个或多个流障碍物;使与车辆的实际行进路径有关的部分数据自动拟合于已产生行进分布图,以确定与车辆的实际行进路径有关的附加数据,该车辆的实际行进路径包括所述道路的至少一些指示部分。使车辆的部分数据自动拟合于已产生历史行进分布图是以专用于该车辆的方式执行的并包括:获得与车辆在所述道路的指示部分中的至少一些上的实际行进路径有关的信息,所获得的信息包括所述部分数据并指示车辆在所述道路的指示部分的多个位置中的两个或更多个位置的子集处的实际交通流量状况;至少部分地基于车辆的所获得的部分数据和已产生行进分布图,以专用于该车辆的方式自动确定与车辆的实际行进路径有关的附加数据,自动确定附加数据包括:通过使车辆的实际行进路径的至少一些所获得的信息拟合于来自已产生行进分布图的典型交通流量状况,针对所述道路的指示部分的多个位置中不是所获得的信息指示实际交通流量状况的子集的一部分的至少一些位置,计算车辆的期望交通流量状况;以及提供对车辆的自动计算的期望交通流量状况的一个或多个指示。
根据本发明的另一方面,提供了一种计算机实现的方法。该方法包括:获得道路的指示部分的已产生行进分布图,已产生行进分布图针对所述道路的指示部分上的多个位置指示不同的典型交通流量状况,已产生行进分布图基于针对所述道路的指示部分的与先前道路交通流量状况有关的信息以及反映降低所述多个位置中的一个或多个处的交通流量的一个或多个流障碍物;自动产生多个数据样本,所述多个数据样本反映了车辆在所述道路的指示部分的所述多个位置中的多个位置的子集处的实际行进流量状况,所述车辆具有实际行进路径,所述实际行进路径包括所述道路的至少一些指示部分并与所述多个数据样本中的至少一些相对应,所述多个数据样本由与所述车辆一起行进的已配置计算设备周期性地产生;针对所述道路的指示部分的多个位置中不是所述子集中的多个位置的一部分的至少一些位置,自动计算车辆的期望交通流量状况,自动计算所述期望交通流量状况由所述已配置计算设备执行并包括:使车辆的实际行进路径拟合于来自已产生行进分布图的典型交通流量状况;以及由所述已配置计算设备向车辆中的一个或多个用户提供对车辆的自动计算的期望交通流量状况的一个或多个指示,以便于车辆的未来行进。
根据本发明的又一方面,提供了一种计算机实现的方法。该方法包括:接收反映多个车辆在多个先前时间、在具有一系列多个已定义道路链路的道路的指示分段上的先前行进的历史交通数据,所述历史交通数据包括来自多个道路交通传感器的多个读数,所述多个道路交通传感器中的每一个具有与道路链路之一相关联的位置,来自道路交通传感器的读数中的每一个报告道路交通传感器在多个时间之一处在关联的道路链路上的平均交通速度,所述道路的指示分段具有降低在至少一些先前时间期间在至少一个道路链路上的交通速度的一个或多个结构交通流障碍物;基于接收到的历史交通数据的聚合,自动产生所述道路的指示分段的历史行进分布图,自动产生的历史行进分布图针对道路链路中的每一个以及表示不同的一天中的时间的时间范围的多个时间段中的每一个指示平均交通速度,所指示的平均交通速度至少部分地基于结构交通流障碍物而具有不同值,自动产生由估计交通信息提供器***的一个或多个已编程计算***执行;以及通过执行使多个车辆的部分实际行进信息拟合于已产生历史行进分布图的最佳拟合,自动估计沿着所述道路的指示分段行进的多个车辆的行进信息。自动估计由所述一个或多个已编程计算***执行并包括:针对所述多个车辆中的每一个,获得与多个数据样本有关的信息,所述多个数据样本中的每一个报告车辆在所指示的时间处以及在所指示的关联道路位置处的实际交通速度,所述数据样本反映了车辆沿所述道路的指示分段的实际行进路径并由与车辆相关联的设备周期性地产生;自动确定所述道路的指示分段的第一子集,以及自动确定所述道路的指示分段的第二子集,其中,所述第一子集包括多个道路链路中与所述多个数据样本相对应的一个或多个道路链路,基于所述一个或多个数据样本的所指示的关联道路位置是道路链路的一部分,所述第一子集中的一个或多个道路链路中的每一个与所述多个数据样本中的一个或多个相关联;所述第二子集包括多个道路链路中与所述多个数据样本不相对应的一个或多个其他道路链路,所述第二子集中的一个或多个其他道路链路与所述第一子集中的一个或多个道路链路不同,并且所述第二子集中的一个或多个其他道路链路中的每一个与所述多个数据样本中的任一个不相关联;自动确定车辆的实际行进路径上与所述第一子集中的一个或多个道路链路相对应的第一部分的实际交通速度,所述自动确定实际交通速度基于由与所述第一子集中的一个或多个道路链路相关联的数据样本所报告的实际交通速度;使用所述道路的指示分段的已产生历史行进分布图,针对车辆的实际行进路径上与所述第二子集中的一个或多个其他道路链路相对应的第二部分自动计算车辆的期望交通速度,所述自动计算期望交通速度包括:识别针对所述第一子集中的一个或多个道路链路而确定的实际交通速度与来自所述第一子集中的一个或多个道路链路的已产生历史行进分布图的所指示的平均交通速度之间的差值;以及将来自所述第二子集中的一个或多个其他道路链路的已产生历史行进分布图的信息调整为反映针对所述第一子集而识别的差值;以及提供对车辆的自动计算的预期交通速度的一个或多个指示,以便于道路上的车辆导航。
附图说明
图1是示意了适于执行所描述的估计交通信息提供器***的实施例的计算机***的框图。
图2A至2D示意了以各种方式使用与道路交通状况有关的历史和当前信息的示例。
图3是估计交通信息提供器例程的示例实施例的流程图。
图4是历史数据管理器例程的示例实施例的流程图。
图5是当前数据管理器例程的示例实施例的流程图。
图6是当前交通状况估计器例程的示例实施例的流程图。
具体实施方式
描述了用于以各种方式产生与期望的当前和/或未来道路交通流量状况有关的信息以及以各种方式使用已产生交通流量状况信息的技术。在至少一些实施例中,道路的特定分段或其他部分的期望道路交通流量状况是通过将与该道路部分的道路交通流量状况有关的历史典型信息同与该道路上或附近的实际交通流量有关的当前或最近信息进行组合来产生的。例如,历史信息可以包括来自道路附近或嵌入道路中的物理传感器的数据读数和/或来自在道路上行进的车辆和其他移动数据源的数据样本,并可以以各种方式(例如,为了表示一周中的特定某天或其他类型的某天的特定时间段内的平均交通状况)过滤、调节和/或聚合。例如,与实际交通流量有关的当前或最近信息可以包括从当前或最近在特定道路和所关注的道路部分上行进的车辆和/或其他移动数据源获得的数据样本。例如,这种用于将历史典型交通流量信息和最近实际交通流量信息进行组合的技术可以提供以下优点:估计在具有结构流障碍物的道路上行进的车辆的期望交通流量状况信息,该结构流障碍物导致在特定道路位置处以及在至少一些时间期间交通流量降低;具体地,对期望交通流量状况信息的估计可以至少部分地基于使与车辆的实际行进路径有关的部分实际交通流量信息拟合于或适配于道路的历史行进分布图,该历史行进分布图包括针对道路位置和时间段的各种组合的典型交通流量信息。这里包括了与以特定方式产生和使用期望交通流量状况信息相关的附加细节。此外,在至少一些实施例中,一些或所有所描述的技术是在如以下所述的估计交通信息提供器(“ETIP”)***的实施例的控制下自动执行的。
在各个实施例中,可以针对多种有益的交通状况度量(例如,在多个时间段中的每一个期间针对多个道路位置(如道路分段、道路地图链路、道路上的特定点等)或其他道路部分中的每一个)产生期望信息。例如,这种交通状况度量可以包括平均速度、所指示的时间段的交通量、一个或多个交通传感器或道路上其他位置的平均占用时间(例如,用于指示车辆处于传感器上方或激活传感器的时间的平均百分比)、道路拥堵的多个计数级别之一(例如,基于一个或多个其他交通状况度量而测量)等等。在不同的实施例中,可以在不同的精度级别下表示每个这种交通状况度量的值。例如,可以载不同的精度下以最近1-MPH(“英里每小时”)的增量、最近5-MPH的增量、5-MPH斗量(bucket)(如0-5MPH、6-10MPH、11-15MPH等)、1-MPH的一小部分的增量等等表示平均速度状况度量的值。这种交通状况度量还可以以绝对项和/或相对项(例如,用于表示与典型值或与最大值的差值)而测量或表示。以下包括与产生期望信息相关的附加细节。
在一些实施例中,历史交通数据可以包括与地理区域中所关注的各个目标道路(例如,地理区域中的所选道路的网络)的交通有关的信息。在一些实施例中,给定地理地区中的一个或多个道路可以使用道路链路来建模或表示。每个道路链路可以用于表示道路的一部分,例如通过将给定的物理道路划分为多个道路链路。例如,每个链路可能是特定长度,例如道路的一英里长度。例如,这种道路链路可以由创建地图的政府或私人团体(例如:政府标准;作为准标准或事实上标准的商业地图公司;等等)和/或期望交通信息提供器***的提供方(例如,手动地和/或以自动方式)定义,使得不同实体可以利用不同的道路链路来表示给定的道路。
此外,在一些实施例中,给定地理区域中的一个或多个道路可以使用道路分段(例如,由期望交通信息提供器***的提供方(例如,手动地和/或以自动方式)定义的道路分段)而建模或表示。每个道路分段可以用于表示具有作为道路分段的一部分的一个或多个道路链路(或其部分)的类似交通状况特性的道路(或多个道路)的一部分。因此,给定物理道路可以被划分为多个道路分段,例如,利用与道路的接续部分相对应的多个道路分段,或者备选地,在一些实施例中,通过具有不作为任何道路分段的一部分的重叠或介入的道路部分。此外,每个道路分段可以被选择为包括一个或多个道路链路中的一些或全部,例如一系列多个道路链路。此外,道路分段可以表示给定物理道路上行进的一个或多个车道。相应地,具有沿两个方向中的每一个行进的一个或多个车道的特定的多车道道路可以与至少两个道路分段相关联,其中,至少一个道路分段与沿一个方向的行进相关联,并且,至少另一道路分段与沿另一方向的行进相关联。类似地,如果道路链路表示具有沿两个方向中的每一个行进的一个或多个车道的多车道道路,则至少两个道路分段可以与用于表示不同行进方向的道路链路相关联。此外,在一些情形中,例如,在这些车道具有不同行进状况特性的情况下,沿单个方向行进的道路的多个车道可以由多个道路分段表示。例如,给定的快速路***可以具有高速或高占用率车(“HOV”)车道,该高速或HOV车道可以有益于通过与表示沿与高速或HOV车道相同的方向行进的常规(如非HOV)车道的道路分段不同的道路分段而表示。道路分段还可以连接至或以其他方式关联于其他相邻道路分段,从而形成道路分段的链或网络。
在各个实施例中,可以以各种方式选择其期望交通状况信息被产生的道路和/或道路分段/链路。在一些实施例中,针对多个地理区域(如城市区域)中的每一个产生期望交通状况信息,其中,每个地理区域具有多个互连道路的网络。可以以各种方式选择这种地理区域,例如,基于历史交通数据便利可用的区域(例如基于区域中至少一些道路的道路传感器的网络)、交通拥堵成为严重问题的区域和/或时常出现高容量道路交通的区域。在一些这种实施例中,产生期望交通状况信息的道路包括历史交通状况信息可用的那些道路,而在其他实施例中,对这种道路的选择可以至少部分地基于一个或多个其他因素(例如,基于道路的大小或容量,例如包括快速路和主要公路;基于道路在承载交通方面起到的作用,例如包括主干道路以及针对较大容量道路(如快速路和主要公路)的主要备选的支路;基于道路的功能类别,例如由联邦公路管理局指定;等等)。此外,在一些实施例中,针对一个或多个大型地区(例如,一个或多个州或国家中的每一个)中的一些或所有道路产生期望交通状况信息(例如,用于产生美国和/或其他国家或地区的国家范围数据)。在一些这种实施例中,可以覆盖地区中的一个或多个功能类别的所有道路,例如包括所有州间快速路、所有快速路和公路、所有快速路和公路以及主干路、所有局部道路和/或支路、所有道路等等。在其他实施例中,可以针对单个道路进行期望交通状况信息产生计算,而不论该道路的大小和/或与其他道路的相互关系如何。
在至少一些实施例中,针对一个或多个交通流量聚合分类或类别中的每一个(例如,针对一些或所有道路链路或其他道路部分)产生特定道路链路或其他道路部分的期望交通状况信息。具体地,在至少一些实施例中,选择各个基于时间的类别,并且,针对基于时间的类别中的每一个分别产生期望交通状况信息。如上所述,在一些实施例中,可以选择所关注的各个时间段,并且,每个基于时间的类别可以与一个或多个这种时间段相关联。作为一个示例,时间段可以至少部分地基于与一周中的某天和/或一天中的某时间(例如一天中的某小时、一天中给定某小时的某分钟等等)有关的信息,使得每个基于时间的类别可以与一周的一天或多天以及一周中的这些天的一个或多个时间相对应。例如,如果利用基于时间的类别来分别对一周中的每天和一天中的每小时进行建模,则可以使用168(24*7)个基于时间的类别(例如,其中,一个类别是星期一从上午9点至上午9点59分,另一类别是星期一从上午10点至上午10点59分,另一类别是星期日从上午9点至上午9点59分等)。在该示例中,至少部分地通过对与道路链路和特定的基于时间的类别(例如星期一从上午10点至上午10点59分)相对应的历史交通信息(例如,在先前星期一处于上午10点与上午10点59分之间针对该道路链路而报告的交通状况信息)进行聚合,产生该道路链路和类别的期望交通状况信息。
备选地,特定的基于时间的类别可以包括对一周中的多天和/或一天中的多小时进行分组,例如在分组后的时间很可能具有类似交通状况信息(例如,对一周中的某些天以及与类似工作的基于通勤的时间或不基于通勤的时间相对应的一天中的某些时间进行分组)的情况下。一周中的某天的分组的示例的非独占列表包括以下各项:(a)星期一至星期四、星期五、以及星期六至星期日;(b)星期一至星期五以及星期六至星期日;(c)星期一至星期四、星期五、星期六、以及星期日;以及(d)星期一至星期五、星期六、以及星期日。一天中的某时间的分组的示例的非独占列表包括以下各项:(a)上午6点至上午8点59分、上午9点至下午2点59分、下午3点至下午8点59分、以及下午9点至上午5点59分;以及(b)上午6点至下午6点59分以及下午7点至上午5点59分。相应地,其期望交通状况信息可被产生的基于时间的类别的一个示例组如下:
类别 | 一周中的某天 | 一天中的某时间 |
1 | 星期一至星期四 | 上午6点至上午8点59分 |
2 | 星期一至星期四 | 上午9点至下午2点59分 |
3 | 星期一至星期四 | 下午3点至下午8点59分 |
4 | 星期一至星期四 | 下午9点至上午5点59分 |
5 | 星期五 | 上午6点至上午8点59分 |
6 | 星期五 | 上午9点至下午2点59分 |
7 | 星期五 | 下午3点至下午8点59分 |
8 | 星期五 | 下午9点至上午5点59分 |
9 | 星期六至星期日 | 上午6点至下午6点59分 |
10 | 星期六至星期日 | 下午7点至上午5点59分 |
此外,在一些实施例中,可以针对小于1小时的时间增量(例如15分钟、5分钟或1分钟间隔)选择基于时间的类别的时间段。例如,如果分别表示了一周中的每天的一天中的每分钟,则可以使用10,080(60*24*7)个基于时间的类别(例如,其中,一个类别是星期一上午9点,另一类别是星期一上午9点1分,另一类别是星期日上午9点1分等等)。在这种实施例中,如果有足够的历史数据可用,则可以针对特定道路链路和特定的基于时间的类别、仅使用与该道路链路和基于时间的类别的特定分钟相对应的历史交通信息来产生期望交通状况信息,而在其他实施例中,可以使用更大持续时间的历史信息。例如,对于与星期一上午9点1分相对应的示例基于时间的类别,可以使用来自该时间附近的一小时的滚动持续时间(或另一持续时间)的历史信息(例如,星期一从上午8点31分至上午9点31分、星期一从上午8点1分至上午9点1分、星期一从上午9点1分至上午10点1分等)。在其他实施例中,可以基于除一天中的某时间和一周中的某天以外的信息(例如,基于一个月中的某天、一年中的某天、一个月中的某周、一年中的某周等)来定义时间段。
此外,在至少一些实施例中,代替基于时间的类别或者除了基于时间的类别以外,用于期望交通状况信息的交通流量聚合分类或类别可以基于除更改或影响交通状况的时间以外的临时或其他可变状况。具体地,在至少一些实施例中,可以选择各种基于状况的类别,并且,可以针对一个或多个道路链路或其他道路部分的基于状况的类别中的每一个分别产生期望交通状况信息。每个这种基于状况的类别可以与一种或多种类型的一个或多个交通更改状况相关联。例如,在一些实施例中,与特定道路链路或其他道路部分相关的用于该道路链路/部分的基于状况的类别的交通更改状况可以基于以下一项或多项:天气状态(例如,基于包括该道路链路/部分的地理区域中的天气);与影响该道路链路/部分上的行进的非周期性事件的发生有关的状态(例如,基于出现次数足以影响该道路链路/部分上的行进的事件,如主要体育事件、音乐会、表演等);与这一年的当前季节或某些天的其他指定组有关的状态;与一种或多种类型的假日或相关的某些天的出现有关的状态;与影响该道路链路/部分上的行进的交通事故(例如,该道路链路/部分上或附近道路链路/部分上的当前或最近交通事故)的出现有关的状态;与影响该道路链路/部分上的行进的道路工作(例如,该道路链路/部分上或附近道路链路/部分上的当前或最近道路工作)有关的状态;以及与影响该道路链路/部分上的行进的学校集会(例如,特定附近学校的集会、包括该道路链路/部分的地理区域中的大多数或所有学校的集会等)有关的状态。
出于示意的目的,以下描述了一些实施例,其中,使用具体类型的输入、以具体方式产生期望交通状况的具体类型的度量,并且,以各种具体方式使用已产生度量。然而,应当理解,在其他实施例中,可以以其他方式并使用其他类型的输入数据产生这种信息,可以在许多种其他情形中使用所描述的技术,可以以各种方式类似地产生和使用其他类型的交通状况度量或其他度量的信息,因此,本发明不限于所提供的示例细节。
在一些实施例中,特定道路的各种历史数据可能可用,例如反映公路和二级道路上的交通模式,并且,各种当前或最近交通状况信息还可能可用于这些道路(例如,来自当前或最近在特定道路上行进的车辆和/或其他移动数据源的实时或几乎实时的数据样本,这里也被称作“最近交通探测数据”)。如果是这样,则可以将历史交通信息与最近交通探测数据进行组合,以提供对期望当前和/或未来交通状况的估计,其具有超出单独从历史交通信息或单独从最近交通探测数据可得的优点。作为一个示例,在至少一些实施例中,这种用于将历史交通信息和最近交通探测数据进行组合的技术可以提供以下优点:估计具有作为道路的一部分的结构流障碍物(如信号灯、停止标志、交通转盘、减速带、人行横道、交叉路口、铁道路口、合流车道或道路等)和/或具有不作为道路的一部分的非结构流障碍物(如从道路可见的分散注意力或引起关注的景物、不定期的动物横跨(animal crossings)等)的道路上的期望平均交通速度和行进时间。此外,在至少一些实施例中,这种用于将历史交通信息和最近交通探测数据进行组合的技术可以提供以下具体优点:估计不是公路的二级道路(如主干道路和/或其他局部城市街道)上的期望平均交通速度和行进时间;而在其他实施例中,代替非公路道路或除了非公路道路以外,这种技术可以与公路道路一起使用。
在以下所示的实施例中,描述了用于将历史交通信息与最近交通探测数据进行组合以产生对期望当前和/或未来交通状况的估计的具体所示的技术,然而应当认识到,其他实施例可以使用其他技术。在所示的技术中,执行活动以产生对期望当前和/或未来交通状况的估计如下:计算或以其他方式产生道路的特定部分的“道路分布图”或“行进分布图”;针对多个车辆中的每一个,将来自个体车辆的多个最近交通探测数据点链接在一起,以表示车辆的实际行进路径的部分;以及使来自车辆的实际行进路径的多个探测数据点拟合于针对与实际行进路径相对应的道路部分而产生的分布图。在各个实施例中,使来自车辆的实际行进路径的多个探测数据点拟合于所产生的行进分布图可以包括各种活动,例如:针对探测数据点不可用的实际行进路径的部分内插车辆的行进速度或其他行进流量状况信息;将可用探测数据点所拟合于的所产生的行进分布图的一部分调整为对应于与实际行进路径的实际时间段不同的时间段和/或对应于行进分布图中与实际行进路径的实际位置不同的位置等等。与这些类型的活动相关的附加示例细节如下。
计算行进/道路分布图
这里讨论的道路或行进分布图可以包括典型交通流量状况值或其他信息,例如道路的一部分的在一定时间段内求平均的平均或典型交通速度。考虑覆盖若干英里的道路的示例部分。车辆在该道路部分上的一些或所有点或者其他位置处的平均速度可以是各个时刻处所关注的。通过在扩展的时间段内针对该道路部分采集报告速度(被称作道路“历史”)(例如至少部分地来自在道路部分上行进的车辆或其他移动数据源和/或至少部分地来自与道路部分上的位置相关联的道路传感器),可以针对道路部分上的一些或所有点估计平均报告速度,并且可以进一步产生点的平均报告速度周围的误差估计(或“误差棒”)。作为一个示例,在至少一些实施例中,平均报告速度的标准差可以用作对一天中的特定时间的平均速度的误差的估计。因此,在一些情形中,可以将行进/道路分布图表示或解释为3维曲面,其中,x维度是一天中的某时间,y维度是沿道路部分与起始点的距离,z维度是平均速度。在其他实施例中,行进/道路分布图可以具有其他形式,例如2维表面,其中,x维度是一天中的某时间和沿道路部分与起始点的距离之一,y维度是平均速度或其他典型交通流量状况信息。
即使在非常长的时间内针对道路部分采集历史交通数据,在道路部分中也可能存在以下一些位置:根据用于表示这些位置的空间分辨率(例如,每英尺、每10英尺、每100英尺、每1000英尺等),没有足够的数据来产生平均速度或其他典型交通流量状况信息。在这种情形中,历史数据可能仅在沿道路部分的间歇点处可用。在各个实施例中,可以以各种方式执行针对其他点使该历史数据平滑并内插/外插数据的动作。例如,一种方案可以是使参数曲面拟合于历史数据点,而另一种方案可以是使非参数曲面拟合于历史数据点。又一种方案涉及创建对曲面进行近似的值的“网格”。该网格创建过程涉及首先将道路部分组织进固定距离部分(可选地基于已定义的道路链路),出于该讨论的目的,该固定距离部分将被称作“边缘”。这种边缘可以具有通过历史数据的密度而不是通过其他条件(例如基于已定义的道路链路)而确定的长度。在任一种情况下,在将道路部分划分为具有所设置的长度的固定数目的边缘之后,可以使用在一天的给定时间的道路历史上、给定边缘或其他边缘上的报告速度(例如,来自物理道路传感器和/或来自移动数据源)来计算针对一天的该时间以及该边缘的平均速度和标准差。
在一些情形中,相邻边缘中的平均速度可以非常类似,例如针对平均速度通常在较长的一段时间内恒定的至少一些公路。相应地,可以在产生行进/道路分布图时执行“分段”步骤,涉及合并相邻边缘以减少表示道路的分段的总数。在各个实施例中可以使用多种合并技术,并且,一种合并技术的特定示例如下。具体地,在道路部分中的第一点处开始,考虑第一边缘与第二边缘之间的平均速度差值。可以计算该差值的统计显著性,以决定是否合并这两个边缘——例如,给定两个边缘i和i+1,那么在示例合并技术中使用以下等式来计算这两个边缘的t统计:
Δvi=vi-v(i+1)
其中,vi表示速度,σi表示标准差,ni是在特定时间段内在一定的时间长度期间采集的边缘i中的历史数据样本的数目(例如,可以在星期一的下午4点至下午5点的特定时间段内在2年的时间长度内采集数据)。如果t值比特定阈值小,则将两个边缘合并在一起以形成新的分段。然后,可以在新的分段(如果合并了第一和第二分段)和与其紧邻的边缘(在该示例中,第三分段)上执行相同过程。重复该过程,直到所有边缘都被检验为止。还可以并入其他因素作为将两个类似边缘进行合并的附加或备选准则,例如两个边缘之间的绝对速度差值、两个边缘之间的速度标准差的差值等等。
在一些情形中,可能没有可用的足够数据以计算一天中的每分钟的平均速度,例如即使当合并了边缘时也是如此。如果是这样,那么可以将24小时的时段划分为更大的时间段(或“时间块(time bin)”)。例如,在具体实施例和情形中,时间块可以是1小时的时段、多小时的时段(例如,从上午5点至上午10点的早晨拥堵时段)、一周的整个某天等。如上所述,关于特定时间块和边缘执行合并活动。
确定车辆行进路径
来自车辆和其他移动数据源的数据样本通常包括对点(如GPS坐标)、航向和速度(PHS)的指示,并且还可以包括报告特定PHS数据样本的车辆或其他设备的代理标识或某种其他形式的标识符,然而标识符可以是例如不揭示车辆/设备或者其驾驶员或其他用户的特定标识数据的唯一号码。在确定行进路径的信息时,可以收集来自特定车辆或其他设备的一些或所有数据点,并使用这些数据点来表示该车辆/设备的实际行进路径。具体地,在一些实施例中,特定行进路径可以是可针对该车辆/设备链接在一起的数据点的最长集合。行进路径可以非常长(许多英里)或非常短(几英尺)。根据实施例,可以以各种方式断开行进路径,例如在车辆/设备报告比所定义的阈值长的时间段的0速度(或比所定义的速度阈值低的速度)的情况下、在车辆/设备报告可变性超过所定义的阈值的航向的情况下等等。
使车辆行进路径拟合于行进分布图
考虑特定道路部分的行进/道路分布图。历史速度可以作为沿道路的距离的函数而上升和下降,例如反映持续拥堵区(例如基于交通流障碍物,如信号灯等)。由于各种原因,该道路部分的最近交通探测数据(如一个或多个车辆/设备的行进路径所表示)可能与道路分布图中的历史数据不匹配。例如,缺少匹配可能是:由于在与行进路径相对应的特定时间(而不是更大的时间段或对历史速度求平均的时间块)内行进状况不同;由于外部状况可能不同(例如,在与行进路径相对应的某天学校放假,使得公共拥堵区具有小得多的交通以及作为结果的拥堵);由于对于历史平均速度来说更典型的,报告行进路径的一些或所有车辆/设备经过交通灯却不停止,而不是必须等待;等等。执行“拟合”活动使得特定车辆/设备的实际行进路径能够与行进/道路分布图相匹配。概念上,这种活动涉及在一天中的已经报告最近交通探测数据的时间内将最近交通探测数据速度估计与由道路分布图所表示的历史速度相匹配。例如,点对可以在时间上以1分钟或更多而分隔,并且,在该时间期间,进行报告的车辆/设备可以行进可观的距离。“拟合”活动可以包括执行“规整”活动,以便针对没有足够(如任何)交通探测数据点可用的路面的一些或所有边缘估计与行进/道路分布图最一致的那些边缘上的行进时间。例如,如果从相同车辆报告两个速度数据点并且这两个速度数据点以足够大以使得车辆可以行进可观距离的时间段分隔,则可以期望能够估计数据点之间的多个特定中间位置处的多个特定速度。为了这样做,可以使用历史数据来估计数据点之间的这种速度,其中,所描述的“拟合”技术执行数据点之间的这种速度估计,以使得总体行进时间与所报告的数据点之间的时间相一致,但是,所估计的多个速度不同,从而反映了针对数据点之间的多个中间位置的典型历史速度变化。
作为一个具体示例,以下等式使点对速度和计算出的行进时间拟合于点对之间的道路的历史速度行进分布图。关于以下等式,假定历史平均速度及其标准差σi可用于行进时间将拟合的道路部分的每个分段i。根据以下等式,针对分段i计算行进时间以及行进时间中的关联标准差
以及
其中,di是道路分段i的距离,并且,距离和速度已经被适当转换为公共单位。然后,根据以下等式来产生权重W:
其中,针对点对的历史行进时间和测量行进时间之间的差值由Δt=tavg-tmeasured给出。注意,在该等式中,W与道路分段i无关。最后,针对道路分段i而估计的行进时间由下式给出:
并且,分段i的点速度可以通过而计算。
关于这种时间规整,可能发生多种特殊情况,并且可以以各种方式来解决这些特殊情况。例如,当成对点的行进时间比历史平均值小得多时,该算法可以针对一些分段(较大的分段)估计非常大的速度。为了限制该影响,可以将等式(4)修改如下:
其中,vref是出现分段的道路的参考速度(例如,道路上的全速的85%),并且α是对参考速度的某百分比进行控制的因子。典型地,α被设置为1.2,使得针对道路分段i而估计的行进时间从不大于可通过超过参考速度20%而得到的行进时间。此外,如果已知点速度,则权重W可以被设置为0,分段的速度可以被已知速度替代。还可以存在应用这种拟合的道路的一些部分以及不使用(或者在较低的程度上使用)这种拟合的其他部分。如果是这样,那么特定道路部分可以被预定义为应用或不应用这种拟合,或者模型可以被定义为动态检测道路部分之间的对应差值,以使得拟合能够以不同方式应用在这些部分上。
在上述示例中,已经在固定的时间块内对行进路径数据进行匹配,使得在行进/道路分布图上在单个时间块内进行拟合。然而,在其他实施例和情形中,来自最近交通探测数据的当前速度可以与历史行进分布图的典型平均速度或其他典型速度显著不同,并且,如果是这样,则可以在空间(如道路位置)和时间维度上都进行拟合。概念上,这与在道路分布图曲面上寻找对行进路径应用最小调整程度的路径相同。实现这一点的一个示例如下:对于每个空间分段,评估所有时间块并选择需要行进路径的最低调整程度的路径,可选地,应用作为当前时间块与最佳拟合时间块之间的时间差的递增函数的成本因素,以趋于改进路径在曲面上的连续性。在其他实施例中,可以在其他情形中在空间和时间维度上都进行拟合,和/或,可以关于空间维度进行拟合而不改变时间维度。
如上所述,可以以各种方式以及为了提供各种优点而将历史交通数据与来自车辆和其他设备的最近交通流量状况信息进行组合。提供特定优点的所描述的技术的方面的非独占列表包括如下内容:使用历史数据来估计所报告的最近交通探测数据点之间的数据点的精确行进时间和速度;计算历史行进/道路分布图,在该分布图中,空间和时间划分的大小是样本大小的函数;创建包括来自单个车辆的所有点对的行进路径;当车辆速度在超过时间阈值的时间段内降至低于某一阈值时,分割行进路径;通过作为道路部分的位置的历史行进时间和包括这些位置的总行进时间的函数而计算道路部分的位置的精确行进时间,执行使实际行进路径拟合于道路部分的行进分布图;通过寻找最佳匹配时间块和/或道路位置,以优化3D分布图上的路径的方式执行使实际行进路径拟合于道路部分的3D行进分布图;等等。应当认识到,其他方面可以类似地提供各种优点。
图2A至2D示意了以各种方式使用与道路交通状况有关的历史和当前信息的示例。具体地,图2A和2C至2D示意了使用行进分布信息的示例,图2B示意了其行进分布图可被产生的道路信息的示例。
参照图2A,图2A示意了表示针对城市街道或其他主干道路(在该示例中被称作“道路X”)的示例道路部分而产生的历史行进分布图的至少一部分的示例信息200。具体地,示例信息200包括2D曲线图,其中,x轴对应于沿所定义的道路部分与起始点的距离,y轴对应于交通速度。如其他部分所讨论,在一些实施例中,行进分布图可以包含至少三个维度的典型交通流量状况信息,例如在不同时间段内分别聚合典型交通流量状况信息的情况下,并且,在这些实施例中,示例信息200可以与单个时间段内历史行进分布图的分段或部分相对应。
在该示例中,历史行进分布信息包括曲线图上的线220,线220示出了沿道路部分的多个位置中的每一个的典型交通流量状况信息,例如可以是基于在多个先前时刻处来自多个车辆的聚合的历史信息的、在一定时间段内给定位置的平均历史交通流量。此外,在该示例中,信息200还包括线215和210,线215和线210分别表示对历史典型交通流量状况信息的下和上估计——如其他部分更详细讨论,这种下和上估计可以表示历史典型交通流量状况信息的可能或很可能的值的范围,例如,对应于例如最小和最大历史值、来自基于历史信息的典型值的一个或多个标准差等等。此外,在其他实施例中可以以其他方式表示针对给定的道路位置和时间段的历史典型交通流量状况信息的这种范围(例如,利用误差棒,如图2C和2D所示),或者在一些实施例中,可以不使用这种范围。示例信息200还包括对各种道路位置处的各种结构交通流障碍物的指示205,在该示例中,其对应于交通灯,并且其中,至少部分地基于这些流障碍物,各种所显示的典型交通流量状况信息值在各种道路位置处(以及在未示出的各种时间段内)不同。
示例信息200还包括线225,线225与针对车辆沿由行进分布信息所表示的道路部分的实际行进路径而估计的交通流量状况信息相对应,其中,线225是使用历史行进分布图的历史典型交通流量状况信息结合车辆的部分实际交通流量信息来估计的。例如,线225包括对包括车辆在两个所指示的道路位置处的实际交通流速度值的两个实际数据样本230的指示(在该示例中,在与起始点相距大约1.7和2.5英里的位置处,以及分别具有大约21mph和18mph的实际交通流速度)。例如,如果1.7英里距离位置处的数据样本230a出现在第一时刻T处,并且如果2.5英里距离位置处的第二数据样本230b出现在第二时刻T+2.5分钟处,则在这2.5分钟期间行进的0.8英里的平均速度大约为19mph。在不存在历史行进分布信息的情况下,可以通过假定来自数据样本230的实际交通流速度之间的直线改变,以不复杂的方式估计交通速度235。然而,这样做就忽视了在实际数据样本230的位置之间的道路上出现的三个流障碍物,在历史典型交通流量状况信息值中有对应的变化。
相应地,在至少一些实施例中,不是根据直线235来估计交通流速度,而是所描述的技术基于使实际交通流量值拟合于历史行进分布图(例如,由估计交通信息提供器***的实施例自动地)来确定期望交通流速度值240,其中,这些值240是作为两个数据样本230之间的线225的一部分而包括的。在该示例中,两个实际数据样本230的这两个实际交通流速度均低于在相关时间段期间该道路位置的典型交通流速度,并且,已经基于两个实际数据样本230之间的道路位置的行进分布图的历史典型交通流量状况信息值来产生期望交通流速度值240,使得线225的形状与该示例中的线220类似,但偏离于线220,从而与来自数据样本230(以及未示出的其他道路位置的其他实际数据样本)的实际交通流速度相对应。因此,类似地,实际数据样本230之间的线225可以与以大约19mph的平均交通速度在2.5分钟中行进0.8英里的距离相对应,但可以在这0.8英里期间在速度上具有显著变化。
相应地,与值235相比,这种期望交通流速度值240可以提供针对特定道路位置的明显更精确的交通速度估计。例如,如果另一车辆正在规划在不远的将来在包括示例道路X上距离2.0和2.2英里的位置之间的部分的路线上行进,那么通过知道道路的该0.2英里距离的实际交通流量状况的当前期望值包括大约33mph的平均速度(如值240中的两个值所反映)而不是数据样本230之间的19mph的总体平均速度,这种路线的规划信息可以明显有益,并且在这种情况下,所述当前期望值一般与该时间段内该0.2英里距离的历史典型交通流量状况信息值相一致。备选地,如果报告数据样本230的车辆仅行进至2.5英里距离位置或更短距离远处(例如,如果以实时或几乎实时的方式接收到数据样本230b),并且如果针对该2.5英里距离位置外的位置的估计交通流量状况信息225由估计交通信息提供器***以实时或几乎实时的方式(例如在几分钟或几秒内)自动确定,则针对该2.5英里距离位置外的那些位置的估计交通流量状况信息225可以用于便于该车辆在该道路上行进更远,例如更新先前时间估计以到达特定位置、在估计交通流量状况比正常状况明显更差的情况下建议备选路线等等。例如,尽管在该示例中预期交通流速度值240与对应的典型历史交通流量状况信息值类似,但是在其他情形中,可以确定一个或多个道路位置处的实际交通流量状况的当前期望值与在对应的时间段内那些道路位置的典型历史交通流量状况信息值明显偏离,例如反映了当前交通相对于历史平均值异常,类似地,这可以由那些道路位置的所确定的期望交通流速度值表示。应当认识到,有益地,可以通过将来自在道路上行进的多个车辆的信息进行组合来进一步对当前实际行进流量状况的估计值进行确定,从而可以使用来自这些车辆的数据样本的实际交通流量信息和/或基于来自这些车辆的那些数据样本的期望交通流量值。
图2B示意了其行进分布图可被产生的道路信息的示例。具体地,图2B示出了Washington州的Seattle城市地理区域中的道路网络的示例地图。如其他部分更详细讨论,在各个实施例和情形中,可以针对包括公路和/或非公路道路、包括主干城市街道和其他局部道路的各种类型的道路产生和使用历史行进分布图。例如,参照图2B的地图,可以针对州间90公路的至少一部分和/或示例R203主干城市街道的至少一部分产生历史行进分布图。
参照更大的Seattle城市区域中的州间道路90,在该示例中,道路链路L1217是作为州间道路90的一部分的链路285,并具有相邻道路链路L1216和L1218。在该示例中,道路链路1217是与向东和向西的交通相对应的双向链路,从而是分别与方向之一相对应的两个道路分段290和295的一部分。具体地,示例道路分段S4860与向西的交通相对应,并包括链路L1217的向西的交通(以及相邻链路L1216和L1218的向西的交通),并且,示例道路分段S2830与向东的交通相对应,并包括链路L1217的向东的交通(以及附近链路L1218、L1219和L1220的向东的交通)。在各个实施例中,道路链路和道路分段可以具有各种关系,例如,道路链路L1221和道路分段S4861与相同道路部分相对应、多个道路分段与多个邻接道路链路相对应,而道路分段S4862与非邻接道路链路L1227和L1222相对应。因此,例如,如果针对分段S4860聚合并确定历史典型交通流量状况信息(例如,作为图2B的地图中所示的州间道路90的部分的历史行进分布图的一部分),那么可以基于道路链路L1216、L1217和L1218的数据来确定整个道路分段S4860的平均速度。此外,可以基于这些道路链路上的特定道路位置处的固定位置道路传感器(未示出)和/或从沿这些道路链路行进的车辆(未示出)收集的数据样本,收集这种历史典型交通流量状况信息。此外,尽管在该示例实施例中各个道路链路具有不同的长度,但是在其他实施例中,道路链路可以均具有相同的长度。此外,道路分段不仅可以包括邻接的道路链路(如道路分段S4860、S4863和S4864),而且可以包括非邻接的道路链路。例如,图2B中的道路分段S4862包括道路链路L1222和L1227,尽管这两个道路链路不邻接。然而,这两个链路可以具有类似的交通流量特性,以便在一个道路分段中分组在一起。此外,为了易于示意,仅示出了每物理道路部分一个链路和/或分段指示符;但是,可以向每个车道指派一个或多个唯一的链路和/或部分指示符。类似地,可以向双向道路部分的交通的每个方向指派一个或多个唯一的链路和/或部分指示符。
参照示例R203主干城市街道(例如Mercer Island市的Island CrestWay局部道路),在该示例中,类似地将其划分为六个邻接道路分段S201a至S201f,但其不具有任何示意的道路链路(例如,基于具有未示意的道路链路;基于不具有任何道路链路,例如具有地图提供器或其他装置尚未定义道路链路的功能道路分类;等等)。在该示例中,道路R203不具有任何关联的道路传感器,因此,从由沿道路R203行进的车辆(未示出)和/或用户(未示出)提供的数据样本收集道路R203的历史典型交通流量状况信息。在该示例中,基于所示意的三个结构交通流障碍物,道路R203的历史典型交通流量状况信息还在六个邻接道路分段S201a至S201f之间具有可变性,这三个结构交通流障碍物如下:FO202a障碍物,其为分段S201b上的交通信号;FO202b障碍物,其为分段S201c上的车道合并位置,在该车道合并位置处,障碍物北侧的4个交通车道(每个方向上2个车道)合并为障碍物南侧的3个交通车道(每个方向上1个车道以及中央转弯车道);以及FO202c障碍物,其为分段S201e上的停止标志。
图2C和2D示意了与图2A有点类似但与参照图2B讨论的示例道路R203相对应的示例历史行进分布信息。参照图2C,所显示的曲线图的x轴包括对图2B所示的示例道路的六个道路分段S201a至S201f的指示以及在该示例中根据向南行进的州间道路90测量的对应距离。然而,不是如图2A所示那样示意了线220、210和215以示意分别针对历史典型交通流量状况值的典型的下和上信息,取而代之,图2C示意了每个分段的单个典型历史交通流量状况值255以及每个分段的值范围250。
此外,图2C示意了在与工作日的早晨通勤时间(例如,表示一周中的周一至周四从上午8点至上午9点的时间范围的时间段)相对应的时间段Y期间沿道路R203行进的车辆的两个实际数据样本230c和230d的信息,其中,在该示例中,实际数据样本分别与道路分段S201a和S201e上的位置相对应。图2C还示意了已由估计交通信息提供器***的实施例自动确定的期望交通流量状况值240,以表示车辆沿介入的道路分段S201b至S201d和接下来的道路分段S201f的实际行进路径。如参照图2A和其他部分所讨论,期望交通流量状况值240基于将来自行进分布图的历史典型交通流量信息与来自数据样本230的实际交通流量信息进行组合。
然而,在该示例中,实际交通流量状况比该时间段内(例如,基于假期、学校放假等)的历史典型交通流量状况明显更好,例如由具有完全比该时间段期间道路分段S201e的上历史范围高的实际交通速度值的实际数据样本230d反映。然而,在一些实施例中,可以通过使车辆的实际交通流量值拟合于所示的历史典型交通流量状况值,以与先前讨论的方式类似的方式,基于该时间段内的所示的历史典型交通流量状况,产生期望交通流量状况值240,尽管期望交通流量状况值240中的两个或更多个处于该时间段期间其对应的道路分段的历史典型交通流量状况值的范围之外。
备选地,在一些实施例中,可以基于使用示例道路R203的其他历史典型交通流量状况信息来产生期望交通流量状况值240,例如通过将实际交通流量值所拟合于的历史典型交通流量状况信息移位至另一时间段,该另一时间段更好地表示产生实际交通流量值的道路R203上的实际交通流量状况。例如,图2D示意了与图2C的信息类似但与在历史通勤交通已结束例如道路R203之后的后续时间段(例如,表示一周中的星期一至星期四从上午10点至上午11点的时间范围的时间段)相对应的信息。如直观期望的,图2D中的在后续时间段内的历史典型交通流量状况信息255和对应的范围250b针对至少一些道路分段具有较高值,而一些道路分段的典型交通流量状况信息可以改变为低于其他道路分段(例如,在该示例中,对于均不具有对应流障碍物的道路分段S201a和S201f)。因此,尽管图2D中的期望交通流量状况值240相对于图2C的期望交通流量状况值未改变,但是可以直观地确定,与图2C所示的历史典型交通流量状况信息相比,它们与图2D所示的历史典型交通流量状况信息更好地匹配。可以以各种方式进行这种匹配和确定,包括基于数学加权和曲线拟合,如其他部分更详细讨论的。此外,尽管这里未示意,但是在一些实施例中,代替对时间段进行移位或者除了对时间段进行移位之外,可以关于对空间或位置进行移位(例如,通过将图2C的实际数据样本230d视为移位至曲线图的右侧并视为图2C的示例道路分段S201f的一部分,可选地,具有针对实际数据样本230c的对应移位),将实际交通流量值与历史典型交通流量状况信息进行匹配。
应当认识到,出于示意的目的提供了图2A至2D的细节,并且,所描述的本发明的技术不限于这些细节。
图1是示意了适于执行至少一些所描述的技术(例如通过执行期望交通信息提供器***的实施例)的服务器计算***100的实施例的框图。示例服务器计算***100包括中央处理单元(“CPU”)135、各种输入/输出(“I/O”)组件105、存储装置140和存储器145。所示的I/O组件包括显示器110、网络连接115、计算机可读介质120和其他I/O设备130(如键盘、鼠标或其他指点设备、麦克风、扬声器等)。
在所示的实施例中,如可选的路线选择器***160和由程序162提供的可选的其他***(例如,至少部分地基于历史交通数据的预测***通预报程序、用于以实时或几乎实时的方式向客户端提供交通信息的实时交通信息提供器***等等)那样,期望交通信息提供器***150在存储器145中执行,其中,这里,这些各种执行***被统称为交通分析***,并且,***150包括各种软件指令,在一些实施例中,软件指令在被执行时将CPU135编程为提供所描述的功能。服务器计算***及其执行的交通分析***可以经由网络180(如互联网、一个或多个蜂窝电话网络等)和无线通信链路185来与其他计算***(如各种客户端设备182、基于车辆的客户端和/或数据源184、道路交通传感器186、其他数据源188和第三方计算***190)进行通信。
在各个实施例中,客户端设备182可以呈现各种形式,并且一般可以包括能够向交通分析***发出请求和/或从交通分析***接收信息的任何通信设备和其他计算设备。在一些情况下,客户端设备182可以包括在特定道路上行进的移动设备(例如,由在车辆中行进的用户(例如车辆的操作者和/或乘客)所携带的具有GPS能力或其他位置确定能力的手持蜂窝电话或其他移动设备),并且如果是这样,则客户端设备可以充当基于道路上的当前行进(例如,是否有客户端设备的用户处于道路上)提供当前交通数据的移动数据源。此外,在一些情形中,客户端设备可以运行交互式控制台应用(如Web浏览器),用户可以利用该交互式控制台应用、基于历史交通信息来发出针对所产生的期望交通相关信息的请求,而在其他情况下,可以将至少一些这种所产生的期望交通相关信息从一个或多个交通分析***自动发送至客户端设备(例如,作为文本消息、新网页、专门的程序数据更新等)。
在该示例中,基于车辆的客户端/数据源184中的每一个可以包括位于向一个或多个交通分析***提供数据和/或从一个或多个这些***接收数据的车辆内的计算***。在一些实施例中,由期望交通信息提供器***使用的历史信息可以至少部分地源自提供与当前交通状况相关的信息的基于车辆的数据源的分布式网络。例如,每个车辆可以包括GPS(“全球定位***”)设备(例如具有GPS能力的蜂窝电话、独立GPS设备等)和/或能够确定与车辆的行进相关的地理位置、速度、方向和/或其他数据的其他地理定位设备。车辆上或车辆中的一个或多个设备(不论是地理定位设备还是不同的通信设备)可以偶尔收集这种数据并将其提供给一或多个交通分析***(例如通过无线链路)。例如,由其他程序162之一提供的***可以以各种方式获得并使用当前道路交通状况信息,并且,这种信息(不论是原始获得的还是处理后的)可以后续被期望交通信息提供器***用作历史数据。这种车辆可以包括个体用户、车队(例如,用于快递公司、运输公司、政府团体或机构、车辆租赁服务的车辆等)、属于提供相关信息(如安吉星服务)的商用网络的车辆、为了获得这种交通状况信息(例如通过在预定义路线上行进或者通过在动态导向的道路上行进,例如以便获得与所关注的道路有关的信息)而操作的车辆组等等的分布式网络。此外,在其他实施例中,可以以其他方式产生这种基于车辆的信息,例如由可检测和跟踪与车辆经过网络中的多个发射机/接收机中的每一个有关的信息的蜂窝电话网络、其他无线网络(例如Wi-Fi热点的网络)和/或其他外部***(例如使用RFID或其他通信技术的车辆发射机应答器的检测器、可观察和识别牌照和/或用户面部的摄像机***)产生。
道路交通传感器186包括安装在各个街道、公路或其他道路中、处或附近的多个传感器(例如针对一个或多个地理区域)。这些传感器包括环形传感器,环形传感器能够测量每单位时间经过传感器上方的车辆的数目、车辆速度和/或与交通状况相关的其他数据。此外,这种传感器可以包括摄像机、运动传感器、雷达测距设备、以及与道路相邻地定位的其他类型的传感器。道路交通传感器186可以使用一个或多个数据交换机制(例如推送、拉拽、轮询、请求-响应、对等,等等)、通过网络180、经由基于有线或基于无线的数据链路向一个或多个交通分析***周期性地或连续地提供测量数据。例如,由其他程序162之一提供的***可以以各种方式获得并使用当前道路交通状况信息,并且,这种信息(不论是原始获得的还是处理后的)可以后续被期望交通信息提供器***用作历史信息。此外,尽管这里未示意,但是在一些实施例中,这种道路交通传感器信息的一个或多个聚合器(例如,操作传感器的政府运输团体、产生和/或聚合数据的私人公司等等)可以取而代之地获得交通数据并使该数据可用于一个或多个交通分析***(不论具有原生形式还是处理后的)。在一些实施例中,还可以使交通数据成批可用于交通分析***。
其他数据源188包括多种类型的其他数据源,这些其他数据源可以被一个或多个交通分析***利用以产生期望交通状况信息。这种数据源包括但不限于:用于确定如何针对具体某些天和时间对历史数据进行分组和分类的假期和季节调度或其他信息、用于非周期性事件的调度信息、与交通集会相关的调度信息、用于所规划的道路构造和其他道路工作的调度信息等等。
第三方计算***190包括一个或多个可选的计算***,这些计算***由除交通分析***的操作者以外的某些方(例如,向交通分析***提供当前和/或历史交通数据的某些方,以及接收并利用由一个或多个交通分析***提供的交通相关数据的某些方)操作。例如,第三方计算***可以是向交通分析***(例如成批)提供数据的地图供应商***。在一些实施例中,可以以与来自其他源的数据不同的方式对来自第三方计算***的数据进行加权。这种加权可以指示例如许多测量如何参与每个数据点。其他第三方计算***可以从一个或多个交通分析***接收所产生的期望交通相关信息,然后(例如,经由网络门户或预订服务)向用户或其他人提供相关信息(不论是接收到的信息还是基于接收到的信息的其他信息)。备选地,第三方计算***190可以由其他类型的某些方(例如,收集这种交通相关信息并将其报告给消费者的媒体组织,或者将这种交通相关信息作为行进规划服务的一部分提供给用户的在线地图公司)操作。
在图1所示的实施例中,期望交通信息提供器***150包括历史数据管理器模块152、当前数据管理器模块154、当前交通状况估计器模块156和信息供应器模块158,其中,模块152、154、156和158中的一个或多个均包括各种软件指令,在一些实施例中,这些软件指令在被执行时将CPU135编程为提供所描述的功能。
在该示例中,期望交通信息提供器***从各种来源中的一个或多个获得历史交通数据,并将历史数据存储在存储装置140上的数据库142中。如上所述,历史数据可以包括先前最初从一个或多个外部源接收的具有原生形式的数据,或者可以是以处理后的形式获得并存储的。例如,对于所关注的一个或多个交通状况度量中的每一个,历史数据可以包括在多个先前时间段中的每一个内一些或所有道路分段和/或道路链路的该度量的值。历史交通数据可能最初由一个或多个外部源(例如,基于车辆的数据源184、道路交通传感器186、其他数据源188和/或第三方计算***190)产生,并且,在一些实施例中,备选地,历史交通数据可以由一个或多个这种源存储,并被从这种存储装置当前提供给期望交通信息提供器***。在一些实施例中,***150或其他***还可以检测和/或纠正历史数据中的各种误差(例如,由于传感器中断和/或故障、网络中断、数据提供器中断等而引起),例如在所获得的数据是先前未处理过的原生历史数据的情况下。例如,可以以各种方式对数据进行过滤和/或加权,以在数据不精确或者数据不表示所关注的历史交通状况的情况下从考虑中去掉或不强调该数据,包括:通过至少部分地基于与不关注的数据样本相关联的道路和/或作为相对于其他数据样本的统计异常值的数据样本,识别不关注的数据样本。在一些实施例中,过滤还可以包括:将数据样本与特定道路、道路分段和/或道路链路相关联。数据过滤还可以排除反映不关注的车辆位置或活动(例如,停放的车辆、环绕在停车场或结构中的车辆等等)的数据样本和/或不表示所关注的道路上的车辆行进的数据样本。在一些实施例中,可选地,***150或其他***还可以聚合从多个数据源获得的数据,并且还可以执行多种活动中的一个或多个以便准备好数据以供使用,例如:以统一的格式放置数据;使连续数据离散,例如将实值数映射至枚举的可能值;对离散数据进行二次采样;对相关数据(例如,以所指示的方式聚合的、沿单个道路分段定位的多个交通传感器的序列)进行分组;等等。
在获得并可选地处理历史交通数据之后,期望交通信息提供器***的历史数据管理器模块152就分析历史数据,以用于针对多种度量中的一个或多个产生期望交通状况信息,例如,用在所产生的一个或多个行进/道路分布图中。例如,模块152或其他模块可以分析历史交通数据,以针对交通状况的一个或多个度量产生平均交通流量状况信息。例如,这些度量可以包括:平均车辆速度;所指示的时间段内的交通量;一个或多个交通传感器的平均占用时间;等等。然后,可以存储所产生的平均交通状况信息以供后续使用,例如存储在数据库142中。模块152还可以执行其他活动,以实现对期望交通状况信息的产生,例如通过使用历史交通信息来产生一个或多个行进/道路分布图网格或其他行进/道路分布图。还可以将这种所产生的行进/道路分布信息作为历史数据的一部分存储在数据库142中以供后续使用,或者在其他实施例中以其他方式存储。
期望交通信息提供器***150还可以以各种方式获得最近交通探测数据或其他最近交通信息,例如在***150的当前数据管理器模块154的控制下。例如,模块154可以发起与特定的基于车辆的数据源184和/或移动客户端设备182的交互195以收集这种信息,或者,这种数据源184和客户端设备182可以取而代之以将这种信息转发至模块154(例如周期性地)。如上所述,在一些实施例和情形中,这种通信可以包括无线链路185。例如,这种最近交通信息可以存储在存储装置140上的数据库143中,或者在其他实施例中以其他方式存储。模块154还可以执行其他活动以实现对当前或最近交通状况信息的使用,例如通过将多个探测数据样本或针对特定车辆的其他交通流量状况信息块进行组合,以用于表示车辆的实际行进路径中的至少一些。还可以将这种与一个或多个车辆的实际行进路径有关的信息作为当前数据的一部分存储在数据库143中以供后续使用,或者在其他实施例中以其他方式存储。
在历史交通信息和最近交通信息可用之后,***150的当前交通状况估计器模块156可以以各种方式组合和分析该信息,例如使特定车辆/设备的实际行进路径拟合于特定对应行进/道路分布图的部分,以及基于该拟合来产生实际行进路径的部分的期望交通状况信息。例如,然后,可以将一个或多个实际行进路径的所产生的期望交通状况信息存储在存储装置140上的数据库144中,或者在其他实施例中以其他方式存储。还可以以各种方式使用道路部分上的一个或多个车辆的实际行进路径的所产生的期望交通状况信息,例如,根据道路部分的所产生的行进/道路分布图来调整历史典型交通流量状况信息,以便至少部分地基于所产生的期望交通状况信息来反映实际交通流量的当前或最近改变(例如,以用于提供调整后的交通流量信息,以便于车辆在道路部分上的未来行进),和/或,可以以其他方式使用所产生的期望交通状况信息,例如在至少一些实施例中,将其提供给可选的路线选择器***、客户端设备182、基于车辆的客户端184、第三方计算***和/或其他用户。还可以将这种所产生的期望交通状况信息存储在数据库144中以供后续使用,或者在其他实施例中以其他方式存储。
此外,在已经针对道路部分上的一个或多个车辆的实际行进路径的一个或多个交通状况度量产生期望交通流量状况信息,并且可选地以一种或多种方式使用期望交通流量状况信息(例如,根据道路部分的所产生的行进/道路分布图来调整历史典型交通流量状况信息,以便至少部分地基于所产生的期望交通状况信息来反映实际交通流量的当前或最近改变)之后,***150的信息供应器模块158可以例如基于当前或先前供应的请求向各个客户端提供对应的信息。例如,可选地,路由选择器***160可以至少部分地基于期望交通流量状况信息(例如,基于预计平均速度或者被预计为基于该期望交通状况信息而当前发生的其他交通状况)来确定一个或多个车辆的行进路线信息,并可以以各种方式向其他人提供这种路线信息。此外,在一些实施例中,所产生的期望交通状况信息可以用作***的一种类型的输入,该***基于当前状况来预测和/或预报未来的交通状况信息,例如通过使用期望交通状况信息来预计当前状况(例如,在当前状况信息在预测时刻处不可用的情况下,或者通过在更早时刻处使用期望交通状况信息来预先执行预测或预报)。
应当认识到,所示的计算***仅是示意性的,而不意在限制本发明的范围。例如,计算***100可以连接至未示意的其他设备,包括通过诸如互联网之类的一个或多个网络或者经由Web。更一般地,“客户端”或“服务器”计算***或设备或者交通分析***和/或模块可以包括可交互并执行所描述的类型的功能的硬件或软件的任意组合,包括但不限于台式或其他计算机、数据库服务器、网络存储设备和其他网络设备、PDA、蜂窝电话、无线电话、寻呼机、电子组织器、互联网装置、基于电视的***(例如,使用机顶盒和/或个人/数字录像机)、以及包括适当相互通信能力的各种其他消费产品。此外,在一些实施例中,可以在更少模块中组合由所示的***模块提供的功能或者可以在附加模块中分发这些功能。类似地,在一些实施例中,可以不提供所示的模块中的一些的功能,和/或,其他附加功能可能可用。此外,尽管在该示例中将期望交通信息提供器***150及其示例模块152至158示意为与各个示例车辆184远离的一个或多个已编程计算***的一部分,但是在其他实施例中,期望交通信息提供器***150中的一些或全部(例如,模块152至158中的一个或多个)可以作为一个或多个车辆184的一部分或与一个或多个车辆184一起行进的一个或多个计算设备的一部分而执行,并且可选地,期望交通信息提供器***150中的一些或全部可以将一些或所有所产生、所计算或所确定的信息传送至***150的其他远程部分(例如,模块152至158中的其他模块)。
还应当认识到,尽管将各个项目示意为在被使用时存储在存储器中或存储装置上,但是出于存储管理和/或数据完整性的目的,可以在存储器与其他存储设备之间传送这些项目中的三个项目或部分。备选地,在其他实施例中,软件模块和/或***中的一些或全部可以在另一设备上的存储器中执行,并经由计算机间通信与所示的计算***/设备进行通信。此外,在一些实施例中,可以以其他方式实现或提供模块中的一些或全部,例如至少部分地以固件和/或硬件,包括但不限于一个或多个特定用途集成电路(ASIC)、标准集成电路、控制器(例如通过执行适当指令,并包括微控制器和/或嵌入式控制器)、现场可编程门阵列(FPGA)、复杂可编程逻辑器件(CPLD)等。还可以将***模块或数据结构中的一些或全部存储(例如,作为软件指令或结构化数据)在非瞬变计算机可读存储介质(例如,硬盘、存储器、网络或者由适当驱动器读取或经由适当连接而读取的便携式介质物件)上。还可以在包括基于无线和基于有线/电缆的介质在内的多种计算机可读传输介质上将***模块和数据结构作为所产生的数据信号(例如,作为载波或其他模拟或数字传播的信号的一部分)进行传输,并且,***模块和数据结构可以采取多种形式(例如,作为单个或复用模拟信号的一部分,或者作为多个离散数字分组或帧)。在其他实施例中,这种计算机程序产品还可以采取其他形式。相应地,可以利用其他计算机***配置来实施本发明。
图3是估计交通信息提供器例程300的示例实施例的流程图。例如,该例程可以是通过执行图1的估计交通信息提供器***150来提供的,例如,通过将与道路交通流量状况有关的历史和当前信息进行组合来产生车辆的行进路径的期望交通流量状况信息。
例程300的所示实施例开始于框305,在框305处,接收信息或其他指示。该例程继续至框310,确定在框305中是否接收到可用作一个或多个道路的历史交通流量状况信息的信息。如果是,则该例程继续至框315,执行历史数据管理器例程以分析历史交通流量状况信息,例如,可选地产生或更新一个或多个道路部分的一个或多个历史行进分布图,其中,参照图4来进一步描述这种例程的一个示例实施例。
如果在框310中确定了在框305中接收到的信息不是历史交通流量信息,则该例程继续至框320,确定在框305中是否接收到反映一个或多个道路的最近或当前交通流量信息的信息。如果是,则该例程继续至框325,执行当前数据管理器例程以分析当前交通流量信息,例如,使用车辆的部分实际交通流量信息(例如,使用由与车辆相关联的设备报告的多个周期性数据样本)来构造一个或多个车辆的行进路径的表示,其中,参照图5来进一步描述这种例程的一个示例实施例。在框325之后,该例程继续至框330,执行当前交通状况估计器例程以确定一个或多个车辆的期望交通流量状况信息,例如基于使由框325构造且从框325接收的行进路径表示拟合于先前参照框315所产生的对应历史行进分布图,其中,参照图6来进一步描述这种例程的一个示例实施例。
在框330之后,该例程继续至框335,可选地接收并使用来自框330的期望交通流量状况信息,例如执行以下一项或多项:更新一个或多个道路部分的典型历史交通流量状况信息,以反映与典型历史交通流量状况信息不同的当前交通流量状况信息;向未来将在一个或多个道路部分上行进的各个车辆或用户提供信息,以指示更新后的典型交通流量状况信息或者指示从框330接收的特定期望交通流量状况信息;向当前正在一个或多个道路部分上行进的车辆或用户(例如,从这些车辆或用户接收到当前交通流量状况信息,或者当前交通流量状况信息与这些车辆或用户相对应)提供信息,以便于这些车辆/用户在这些道路部分的一部分上进一步行进;等等。此外,在所示的实施例中,还可以以其他方式使用这种期望交通流量控制信息,例如参照框355将它提供给请求者或者在框390中使用它。
如果在框320中确定了在框305中接收到的信息不是当前交通流量信息,则该例程继续至框350,确定是否在框305中接收到针对一种或多种类型的交通流量状况信息的请求,例如从特定卖方和/或用户、从使用来自估计交通信息提供器***的信息向客户端提供附加功能的一个或多个其他交通分析***等等。如果是,则该例程继续至框355,在适当时检索所请求的信息并将其提供给请求者,例如在可选地确定了请求者被授权以接收信息(例如,是被授权的合作伙伴或附属机构、已支付相应的费用以实现对所请求的信息的访问等等)之后。在各个实施例中,可请求和提供的信息的类型可以具有各种形式,包括由框315、325、330和335中的任一个使用和/或产生的任何数据。此外,在一些实施例中,可以提供框355的功能,作为估计交通信息提供器***的信息供应器模块的一部分,如参照图1的***150的模块158更详细讨论的。
如果在框350中确定了在框305中未接收到针对期望交通流量信息的请求,则该例程继续至框390,在适当时执行一个或多个其他操作。在各个实施例中,这种其他操作可以具有各种形式,包括接收和存储信息以供后续使用(例如,与特定道路、特定交通流障碍物等有关的信息)、执行与估计交通信息提供器***有账务往来或与估计交通信息提供器***有关系的用户或其他***的账户相关活动(例如,注册新用户/附属机构、针对估计交通信息提供器***的基于费用的功能从用户/附属机构获得支付相关信息、发起支付托收活动或与针对具有关联费用的过去和/或所规划的未来活动从用户/附属机构获得支付相关的其他活动等等)、执行偶尔的内务处理操作等等。
在步骤315、335、355或390之后,该例程继续至步骤395,确定是否继续,例如直到接收到针对终止的显式指令为止。如果是,则该例程返回至步骤305,而如果否,则该例程继续至步骤399并结束。
图4是历史数据管理器例程400的示例实施例的流程图。例如,该例程可以是通过执行图1的历史数据管理器模块152来提供的,例如以各种方式分析和使用历史交通流量信息,包括可选地产生或更新一个或多个道路部分的一个或多个历史行进分布图。在一些情形中,可以从图3所示的例程300调用例程400,例如参照框315。
例程400的所示实施例开始于框405,在框405处,接收可用作一个或多个道路的历史交通流量状况信息的信息。在各个实施例和情形中,这种历史交通流量状况信息可以具有各种形式,如其他部分更详细讨论,包括来自与一个或多个道路相关联的固定位置道路传感器的数据读数和/或来自与在一个或多个道路上行进的车辆和/或用户相关联的设备的数据样本。然后,该例程继续至框410,确定与该信息相关联的一个或多个道路部分(例如,根据基于GPS的位置或与特定历史交通流量状况信息块相关联的其他位置信息),并在框415中以与对应的所确定的道路部分相关联的方式存储接收到的历史信息。
然后,在框420中,该例程确定是否在当前时刻处产生一个或多个行进分布图,例如,基于在框405中接收到的信息来确定至少一个所确定的道路部分的一个或多个行进分布图(例如,响应于具有足以针对所确定的道路部分进行这种产生的数据、响应于在框405中接收到的与历史信息相对应的指令、周期性地等等)。如果是,则该例程继续至框425,检索所确定的道路部分的所存储的或以其他方式可用的历史交通流量状况信息,并在框430中确定聚合分类以用于每个这种所确定的道路部分。如其他部分更详细讨论,在一些实施例中,聚合分类可以至少部分地基于所确定的道路部分上的不同位置和/或不同的时间段,例如,其中,每个聚合分类具有一个或多个道路位置和至少一个时间段的不同组合。如其他部分更详细讨论,在至少一些实施例中,可以确定和/或修改要使用的特定道路位置和/或时间段,包括在一些实施例中基于特定历史信息的可用性或不可用性,例如合并两个或更多个预定义道路位置组(例如道路链路)和/或合并两个或更多个预定义时间段,或将单个预定义道路位置组分离为多个这种组和/或将单个预定义时间段分离为多个这种时间段。
在框430之后,该例程继续至框435,针对所分析的每个道路部分的每个聚合分类,对与该聚合分类相对应的历史交通流量状况信息进行聚合,并确定对于该聚合分类来说(例如,在所确定的道路部分的这些一个或多个道路位置处聚合分类的时间段内)典型的典型交通流量状况信息。例如,在一些实施例中,可以针对每个聚合分类确定平均交通速度,可选地利用各种误差估计或其他可变性指示,如其他部分更详细讨论。然后,在框440中,该例程将来自所确定的道路部分中的每一个的各种聚合分类的信息进行组合,以产生该道路部分的历史行进分布图,并存储所产生的行进分布图以供后续使用。
如果在框420中确定了在当前时刻处不产生一个或多个行进分布图,则该例程继续至框490,可选地,在适当时执行一个或多个其他所指示的操作。在各个实施例中,这种其他操作可以具有各种形式,包括接收和存储信息以供后续使用(例如,与特定道路、特定时间段和/或道路位置组等有关的信息)、更新先前产生的行进分布图(例如基于在框405中接收到的新历史交通流量状况信息)等等。在步骤440或490之后,该例程继续至步骤495并返回。
图5是当前数据管理器例程500的示例实施例的流程图。例如,该例程可以是通过执行图1的当前数据管理器模块154来提供的,例如将特定车辆的多个探测数据样本或其他交通流量状况信息块进行组合,以用于表示车辆的实际行进路径中的至少一些。在一些情形中,可以从图3所示的例程300调用例程500,例如参照框325。
例程500所示的实施例开始于框505,在框505处,针对一个或多个道路以及一个或多个车辆接收当前交通流量状况信息。在各个实施例和情形中,这种当前交通流量状况信息可以具有各种形式,如其他部分更详细讨论,包括来自与在一个或多个道路上行进的车辆和/或这些车辆中的用户相关联的设备的数据样本。然后,该例程继续至框510,针对一个或多个车辆中的每一个,识别与车辆相关联的、当前交通流量状况信息中的数据样本或其他信息块,例如在一个或多个指示的时刻处以及在一个或多个所指示的道路位置处提供车辆的部分实际交通流量状况信息。然后,在框515中,该例程使用针对每个车辆而识别的信息块来构造车辆在车辆最近行进或当前正在行进的一个或多个道路部分上的实际行进路径的部分的表示,例如通过按照关联的时间和/或以其他方式对信息块进行排序,以及可选地对一些或所有信息块执行附加处理(例如,识别比所定义的速度阈值低的车辆速度在至少所定义的时间阈值内的任何出现次数)。
在框515之后,该例程继续至框520,可选地存储在框505中接收到的当前交通流量状况信息以供后续使用,例如在后续时间用作历史交通流量状况信息。然后,在框525中,该例程存储与在框515中构造的交通分布图表示有关的信息,并且可选地提供对这些所构造的行进分布图表示中的一个或多个的指示。然后,该例程继续至框599并返回。尽管这里未示意,但是在一些实施例中以及在一些时刻处,可选地,该例程还可以在适当时执行其他所指示的操作,例如检索并存储信息以供后续使用(例如,与特定道路、特定速度阈值和/或时间阈值有关的信息,以用于构造行进分布图表示等)、更新先前构造的行进分布图表示(例如基于在框505中接收到的新的对应当前交通流量状况信息)等等。
图6是当前交通状况估计器例程600的示例实施例的流程图。例如,该例程可以是通过执行图1的当前交通状况估计器模块156来提供的,例如使特定车辆/设备的实际行进路径拟合于特定对应行进分布图的部分,以及基于该拟合来产生实际行进路径的部分的期望交通状况信息。在一些情形中,可以从图3所示的例程300调用例程600,例如参照框330。
例程600所示的实施例开始于框605,在框605处,接收包括一个或多个车辆的一个或多个所构造的行进路径表示在内的信息,所述一个或多个所构造的行进路径表示用于反映车辆在一个或多个道路上的实际行进路径,在这种情况下,所述一个或多个所构造的行进路径表示是从框325的输出接收的。这种所构造的行进路径表示包括对应的实际行进路径的一部分的实际行进流量状况信息,如其他部分更详细讨论。然后,该例程继续至框610,针对每个所构造的行进路径表示,检索与所构造的行进路径表示相对应的道路部分的至少一个所产生的历史行进分布图,例如,所产生的历史行进分布图可以是先前参照图3的框315产生的或者在一些实施例中是动态产生的。
在框610之后,该例程继续至框615,针对每个所构造的行进路径表示,执行使所构造的行进路径表示拟合于对应的所检索的历史行进分布图的活动,例如,通过将来自所构造的行进路径表示的实际交通流量状况信息与针对所构造的行进路径表示的对应聚合分类的对应典型交通流量状况信息相匹配,以及通过根据针对所构造的行进路径表示的对应聚合分类的不同的典型交通流量状况信息,针对实际交通流量状况信息不可用的所构造的行进路径表示的其他部分确定期望交通流量状况信息。在其他部分提供了附加细节,该附加细节关于这种确定与车辆的实际行进路径相对应的期望交通流量状况信息,例如基于使这种实际行进路径信息拟合于所产生的历史行进分布图。
然后,在框620中,该例程存储与针对所构造的行进路径表示而确定的期望交通流量状况信息有关的信息,以及可选地,更一般地存储与使来自所构造的行进路径表示的这种实际行进路径信息拟合于历史行进分布图相对应的信息。可选地,该例程还提供对所构造的行进路径表示的期望交通流量状况信息中的至少一些的指示,然后继续至框599并返回。尽管这里未示意,但是在一些实施例中以及在一些时刻处,可选地,该例程还可以在适当时执行其他所指示的操作,例如接收并存储信息以供后续使用(例如,与用于拟合活动的特定信息有关的信息)、更新来自先前拟合的信息(例如基于在框605中接收到的新信息)等等。
与对关于道路状况的信息进行过滤、调节和聚合以及产生所预测、预报和期望的期望交通信息相关的附加细节可见于以下申请中:于2006年6月22日提交的名称为“Obtaining Road Traffic Condition DataFrom Mobile Data Sources”的未决美国专利申请No.11/473,861(代理人案号#480234.402);于2006年3月3日提交的名称为“Dynamic TimeSeries Prediction of Future Traffic Conditions”的未决美国专利No.11/367,463;以及于2007年8月7日提交的名称为“Representative RoadTraffic Flow Information Based On Historical Data”的未决美国申请No.11/835,357;上述每一个申请的全部内容通过引用合并于此。
还应当认识到,在一些实施例中,可以以备选方式提供由上述例程提供的功能,例如在更多例程之间分割该功能或者将该功能合并至更少例程中。类似地,在一些实施例中,所示的例程可以提供比所描述的更多或更少的功能,例如当其他所示的例程分别缺少或包括这种功能时或者当更改了所提供的功能的量时。此外,尽管各种操作可能被示意为以特定方式(例如串行或并行)和/或按特定顺序执行,但是本领域技术人员应当认识到,在其他实施例中,可以按照其他顺序以及以其他方式执行操作。本领域技术人员还应当认识到,可以以不同方式构造上述数据结构,例如通过将单个数据结构分割为多个数据结构或者通过将多个数据结构合并为单个数据结构。类似地,在一些实施例中,所示的数据结构可以存储比所描述的更多或更少的信息,例如当其他所示的数据结构分别缺少或包括这种信息时或者当更改了所存储的信息的量或类型时。
从以上内容中应当认识到,尽管这里出于示意的目的描述了具体实施例,但是在不脱离本发明的精神和范围的前提下,可以进行各种修改。相应地,本发明仅由所附权利要求以及其中记载的元素限定。此外,尽管可能以特定权利要求的形式提出了本发明的特定方面,但是发明人想到了本发明的具有任何可用权利要求形式的各个方面。例如,尽管本发明的仅一些方面可能被记载为在特定时刻处以计算机可读介质体现,但是其他方面同样可以如此体现。
Claims (36)
1.一种基于历史和当前数据预测期望道路交通状况的计算机实现的方法,包括:
针对具有多个位置的道路的指示部分,接收与多个先前时间的先前道路交通流量状况有关的信息,所述道路的指示部分在所述多个位置中的一个或多个处具有一个或多个结构交通流障碍物,所述一个或多个结构交通流障碍物是在所述一个或多个位置处所述道路的指示部分的一部分并降低所述一个或多个位置处的交通流量;以及至少部分地基于接收到的与先前道路交通流量状况有关的信息,自动产生所述道路的指示部分的历史行进分布图,所产生的历史行进分布图针对所述多个位置和多个时间段的多个不同组合,指示不同的典型交通流量状况,所述自动产生由一个或多个已编程计算***执行,
其特征在于,所述方法还包括:
使与车辆的实际行进路径有关的部分数据自动拟合于所产生的历史行进分布图,以确定与车辆的实际行进路径有关的附加数据,该车辆的实际行进路径经过所述道路的指示部分,使车辆的部分数据自动拟合于所产生的历史行进分布图由所述一个或多个已编程计算***中的至少一个执行并包括:
获得与经过所述道路的指示部分的车辆的实际行进路径有关的信息,所获得的信息包括所述部分数据并指示所述车辆在所述道路的指示部分的多个位置中的两个或更多个位置的子集处的实际交通流量状况;
至少部分地基于所获得的部分数据和所产生的历史行进分布图,自动确定与车辆的实际行进路径有关的附加数据,自动确定附加数据包括:通过使车辆的实际行进路径拟合于由所产生的历史行进分布图指示的典型交通流量状况,针对所述道路的指示部分的多个位置中不是所获得的信息指示实际交通流量状况的子集的一部分的至少一些位置,计算车辆的期望交通流量状况;以及
提供对车辆的自动计算的期望交通流量状况的一个或多个指示。
2.根据权利要求1所述的方法,其中,所述道路的指示部分包括一系列多个已定义道路链路,其中,接收到的与先前道路交通流量状况有关的信息包括来自多个道路交通传感器的多个读数,所述多个道路交通传感器中的每一个具有与道路链路之一相关联的位置,并且,所述读数中的每一个报告所述道路交通传感器之一在先前时间之一处在关联的道路链路上的平均交通速度。
3.根据权利要求2所述的方法,其中,所获得的与车辆的实际行进路径有关的信息包括多个数据样本,所述多个数据样本中的每一个报告车辆在所指示的时间、在所指示的关联道路位置处的实际交通速度,所述数据样本由与车辆相关联的设备周期性地产生,并且,针对所述多个数据样本的所指示的关联道路位置包括所述子集中的两个或更多个位置。
4.根据权利要求3所述的方法,其中,所述道路的指示部分中的不是所述子集的一部分的至少一些位置包括:所述子集中的两个或更多个位置之间、所述车辆经过而所述设备不产生对应数据样本的位置。
5.根据权利要求1所述的方法,其中,接收到的与多个先前时间的先前道路交通流量状况有关的信息包括多个先前交通流量值,所述多个先前交通流量值中的每一个与所述先前时间之一和所述多个位置之一相关联,并且,自动产生所述道路的指示部分的历史行进分布图包括:
选择多个时间段,以用于对接收到的与先前道路交通状况有关的信息进行聚合,所述多个时间段中的每一个至少部分地基于一天中的时间信息;
确定多个交通流量聚合分类,将在所产生的历史行进分布图中,不同地表示针对所述多个交通流量聚合分类的典型交通流量状况信息,所述交通流量聚合分类中的每一个与多个不同组合之一相对应,并包括所述多个位置中的至少一个以及所述时间段之一;以及
针对所述交通流量聚合分类中的每一个,产生表示以下信息的典型交通流量状况信息:在交通流量聚合分类的一个时间段期间、在交通流量聚合分类的至少一个位置处出现的先前交通,所述典型交通流量状况信息的产生至少部分地基于以下操作:对与所述至少一个位置且同所述一个时间段相对应的一个或多个先前时间相关联的多个先前交通流量值进行聚合;基于聚合的先前交通流量值,确定典型交通流量状况值;以及将所确定的典型交通流量状况值用作针对交通流量聚合分类的所产生的典型交通流量状况信息。
6.根据权利要求5所述的方法,其中,所述先前交通流量值中的每一个包括一个或多个车辆的交通速度,并且,所确定的典型交通流量状况值表示多个车辆的平均交通速度。
7.根据权利要求5所述的方法,其中,所获得的指示车辆在两个或更多个位置处的实际交通流量状况的信息包括车辆的多个实际交通流量状况值,所述多个实际交通流量状况值中的每一个与所述两个或更多个位置之一以及所指示的时间相关联,并且,使车辆的实际行进路径拟合于由所产生的历史行进分布图所指示的典型交通流量状况包括:
针对车辆的至少一些实际交通流量状况值中的每一个,
确定交通流量聚合分类中、包括实际交通流量状况值的关联位置、且包括与实际交通流量状况值的关联指示时间相对应的时间段的一个交通流量聚合分类,并检索针对所确定的一个交通流量聚合分类的已确定典型交通流量状况值;以及
确定实际交通流量状况值与检索到的已确定典型交通流量状况值之间的数值差。
8.根据权利要求7所述的方法,其中,使车辆的实际行进路径拟合于由所产生的历史行进分布图所指示的典型交通流量状况还包括:
针对所述道路的指示部分中的不是所述子集的一部分的至少一些位置中的一个或多个位置中的每一个位置,
针对车辆的实际行进路径,确定与该位置相对应的多个时间段之一;
识别交通流量聚合分类中、包括该位置、且包括已确定一个时间段的一个交通流量聚合分类,并检索针对所识别的一个交通流量聚合分类的已确定典型交通流量状况值;
至少部分地基于针对实际交通流量状况值而确定的数值差值中的一个或多个,调整检索到的针对所识别的一个交通流量聚合分类的已确定典型交通流量状况值;以及
选择调整后的典型交通流量状况值,作为车辆的针对该位置的期望交通流量状况。
9.根据权利要求5所述的方法,其中,使车辆的实际行进路径拟合于由已产生历史行进分布图所指示的典型交通流量状况还包括:
针对所述道路的指示部分中不是所述子集的一部分的至少一些位置中的一个或多个位置中的每一个位置,
针对车辆的实际行进路径,确定与该位置相对应的多个时间段之一;
识别交通流量聚合分类中、包括该位置、且包括已确定一个时间段的一个交通流量聚合分类,并检索针对所识别的一个交通流量聚合分类的已确定典型交通流量状况值;
识别交通流量聚合分类中、包括与该位置不同的另一第二位置的另一交通流量聚合分类,并检索针对所识别的另一交通流量聚合分类的已确定典型交通流量状况值;
确定与检索到的针对所识别的一个交通流量聚合分类的已确定典型交通流量状况值相比,检索到的针对所识别的另一交通流量聚合分类的已确定典型交通流量状况值是针对车辆的实际行进路径的更好匹配;以及
选择检索到的针对所识别的另一交通流量聚合分类的已确定典型交通流量状况值,用作车辆的针对该位置的期望交通流量状况。
10.根据权利要求5所述的方法,其中,使车辆的实际行进路径拟合于由已产生历史行进分布图所指示的典型交通流量状况还包括:
针对所述道路的指示部分中不是所述子集的一部分的至少一些位置中的一个或多个位置中的每一个位置,
针对车辆的实际行进路径,确定与该位置相对应的多个时间段之一;
识别交通流量聚合分类中、包括该位置、且包括已确定一个时间段的一个交通流量聚合分类,并检索针对所识别的一个交通流量聚合分类的已确定典型交通流量状况值;
识别交通流量聚合分类中、包括与已确定一个时间段不同的另一第二时间段的另一交通流量聚合分类,并检索针对所识别的另一交通流量聚合分类的已确定典型交通流量状况值;
确定与检索到的针对所识别的一个交通流量聚合分类的已确定典型交通流量状况值相比,检索到的针对所识别的另一交通流量聚合分类的已确定典型交通流量状况值是针对车辆的实际行进路径的更好匹配;以及
选择检索到的针对所识别的另一交通流量聚合分类的已确定典型交通流量状况值,用作车辆的针对该位置的期望交通流量状况。
11.根据权利要求1所述的方法,其中,所述一个或多个结构交通流障碍物包括一个或多个交通信号灯中的至少一个、一个或多个停止标志中的至少一个、或与其他道路的一个或多个交通交叉路口中的至少一个。
12.根据权利要求1所述的方法,其中,所述一个或多个已编程计算***是估计交通信息提供器***的一部分,并且,所述方法还包括:在所述一个或多个已编程计算***的控制下,使用所述道路的指示部分的已产生历史行进分布图,来自动计算沿着所述道路的指示部分行进的多个车辆的行进路径的期望交通流量状况。
13.根据权利要求1所述的方法,其中,所述一个或多个已编程计算***与所述车辆相关联,并且,所获得的与所述车辆的实际行进路径有关的信息包括多个数据样本,所述多个数据样本中的每一个报告所述车辆在所指示的时间、在所指示的关联道路位置处的实际交通速度,所述数据样本由作为所述一个或多个已编程计算***之一的与所述车辆相关联的设备产生。
14.一种基于历史和当前数据预测期望道路交通状况的计算机实现的方法,所述方法包括:
获得道路的指示部分的已产生行进分布图,已产生行进分布图针对所述道路的指示部分上的多个位置指示不同的典型交通流量状况,已产生行进分布图基于针对所述道路的指示部分的与先前道路交通流量状况有关的信息,并反映降低所述多个位置中的一个或多个处的交通流量的一个或多个流障碍物,
其特征在于所述方法还包括:
针对一个或多个车辆中的每一个,使与该车辆的实际行进路径有关的部分数据自动适配于已产生行进分布图,以便以专用于该车辆的方式确定与该车辆的实际行进路径有关的附加数据,该车辆的实际行进路径包括所述道路的至少一些指示部分,针对一个或多个车辆中的每一个使部分数据自动适配于已产生行进分布图由已配置计算设备执行并包括:
获得与车辆在所述道路的指示部分中的至少一些上的实际行进路径有关的信息,所获得的信息包括所述部分数据并指示车辆在所述道路的指示部分的多个位置中的两个或更多个位置的子集处的实际交通流量状况;
至少部分地基于该车辆的所获得的部分数据和已产生行进分布图,以专用于该车辆的方式自动确定与该车辆的实际行进路径有关的附加数据,自动确定附加数据包括:通过使该车辆的实际行进路径的至少一些所获得的信息适配于来自已产生行进分布图的典型交通流量状况,针对所述道路的指示部分的多个位置中不是所获得的信息指示实际交通流量状况的子集的一部分的至少一些位置,计算车辆的期望交通流量状况;以及
提供对车辆的自动计算的期望交通流量状况的一个或多个指示。
15.根据权利要求14所述的方法,其中,所述一个或多个流障碍物是位于所述道路的指示部分中的一个或多个位置处的一个或多个结构交通流障碍物,并且,获得所述道路的指示部分的已产生行进分布图包括:
针对所述道路的指示部分,接收与先前道路交通流量状况有关的信息,所述与先前道路交通流量状况有关的信息反映了多个车辆在多个先前时间处在所述道路的指示部分上的先前行进,并且还反映了降低所述道路的指示部分上的一个或多个位置处的交通流量的一个或多个结构交通流障碍物;以及
由已配置计算设备至少部分地基于接收到的与先前道路交通流量状况有关的信息,自动产生所述道路的指示部分的行进分布图,由已产生行进分布图指示的不同的典型交通流量状况还与多个时间段相对应。
16.根据权利要求15所述的方法,其中,所获得的与车辆中的一个车辆的实际行进路径有关的信息与所述多个时间段中的第一时间段相对应,并且,自动计算所述一个车辆的期望交通流量状况包括使所述一个车辆的实际行进路径拟合于来自所述道路的指示部分的不是所述一个车辆的子集的一部分的至少一些位置的已产生历史行进分布图的典型交通流量状况,所述拟合是通过以下操作进行的:将所述典型交通流量状况调整为:反映来自所获得的信息的所述一个车辆在所述两个或更多个位置处的实际交通流量状况与来自所述两个或更多个位置的已产生行进分布图的典型交通流量状况之间的差值以及反映来自多个时间段中与所述第一时间段不同的一个或多个内的已产生行进分布图的典型交通流量状况。
17.根据权利要求14所述的方法,其中,车辆中的一个车辆的实际行进路径与所述一个车辆沿所述一个车辆的道路的至少一些指示部分的行进相对应,其中,所述一个车辆尚未到达所述道路的指示部分中与所述道路的至少一些指示部分不同的一个或多个其他部分,其中,所述一个车辆的期望交通流量状况被自动计算的至少一些位置包括沿着所述道路的指示部分中所述一个车辆尚未到达的一个或多个其他部分的一个或多个位置,并且,提供对所述一个车辆的自动计算的期望交通流量状况的一个或多个指示包括:动态使用所述一个车辆的针对所述一个或多个位置而自动计算的期望交通流量状况,来辅助所述一个车辆在所述道路的指示部分的一个或多个其他部分上的未来行进。
18.根据权利要求14所述的方法,其中,已配置计算设备是估计交通信息提供器***的一部分,其中,计算多个车辆中的每一个的期望交通流量状况包括使车辆的实际行进路径拟合于来自所述道路的指示部分的不是车辆的所述子集的一部分的至少一些位置的已产生行进分布图的典型交通流量状况,所述拟合是通过以下操作进行的:将所述来自车辆的所述道路的指示部分的至少一些位置的已产生行进分布图的典型交通流量状况调整为:以专用于该车辆的方式反映来自所获得的信息的车辆在所述两个或更多个位置处的实际交通流量状况与来自所述两个或更多个位置的已产生行进分布图的典型交通流量状况之间的差值,并且,所述方法还包括:在所述估计交通信息提供器***的已配置计算设备的控制下,使用所述道路的指示部分的已产生行进分布图,来自动计算沿着所述道路的指示部分行进的多个车辆的行进路径的期望交通流量状况。
19.一种基于历史和当前数据预测期望道路交通状况的计算***,包括:一个或多个处理器;以及一个或多个模块,被配置为在被所述一个或多个处理器中的至少一个执行时,通过针对多个车辆中的每一个进行以下操作来产生多个车辆在一个或多个道路上的行进路径的期望交通流量信息:获得所述一个或多个道路中的一个道路的指示部分的已产生行进分布图,已产生行进分布图指示针对所述道路的指示部分上的多个位置的不同典型交通流量状况,已产生行进分布图基于针对所述道路的指示部分的与先前道路交通流量状况有关的信息并反映降低所述多个位置中的一个或多个处的交通流量的一个或多个流障碍物,
其特征在于,所述期望交通流量信息的产生还通过以下操作执行:使与车辆的实际行进路径有关的部分数据自动拟合于已产生行进分布图,以确定与车辆的实际行进路径有关的附加数据,该车辆的实际行进路径包括所述道路的至少一些指示部分,使车辆的部分数据自动拟合于已产生历史行进分布图是以专用于该车辆的方式执行的并包括:
获得与车辆在所述道路的指示部分中的至少一些上的实际行进路径有关的信息,所获得的信息包括所述部分数据并指示车辆在所述道路的指示部分的多个位置中的两个或更多个位置的子集处的实际交通流量状况;
至少部分地基于车辆的所获得的部分数据和已产生行进分布图,以专用于该车辆的方式自动确定与车辆的实际行进路径有关的附加数据,自动确定附加数据包括:通过使车辆的实际行进路径的至少一些所获得的信息拟合于来自已产生行进分布图的典型交通流量状况,针对所述道路的指示部分的多个位置中不是所获得的信息指示实际交通流量状况的子集的一部分的至少一些位置,计算车辆的期望交通流量状况;以及
提供对车辆的自动计算的期望交通流量状况的一个或多个指示。
20.根据权利要求19所述的计算***,其中,所述计算***还包括附加模块,所述附加模块被配置为产生多个道路的多个指示部分的多个行进分布图,其中,针对多个车辆中的每一个获得所述道路的指示部分的已产生行进分布图包括:检索已产生多个行进分布图之一,并且,对于多个车辆中的一个车辆,降低所述一个车辆在所述道路的指示部分上的一个或多个位置处的交通流量的一个或多个流障碍物是位于所述一个或多个位置处的一个或多个结构交通流障碍物,并且,由所述附加模块产生针对所述一个车辆而检索的所述道路的指示部分的行进分布图包括:
针对所述道路的指示部分,接收与先前道路交通流量状况有关的信息,所述与先前道路交通流量状况有关的信息反映了多个车辆在多个先前时间处在所述道路的指示部分上的先前行进,并且还反映了降低所述道路的指示部分上的一个或多个位置处的交通流量的一个或多个结构交通流障碍物;以及
至少部分地基于接收到的与先前道路交通流量状况有关的信息,自动产生所述道路的指示部分的行进分布图,由已产生行进分布图指示的不同的典型交通流量状况还与多个时间段相对应。
21.根据权利要求20所述的计算***,其中,所获得的与所述一个车辆的实际行进路径有关的信息与所述多个时间段中的第一时间段相对应,并且,自动计算所述一个车辆的期望交通流量状况包括使所述一个车辆的实际行进路径拟合于来自针对所述第一时间段和所述道路的指示部分的不是所述子集的一部分的至少一些位置的已产生行进分布图的典型交通流量状况,所述拟合是通过以下操作进行的:将所述典型交通流量状况调整为:反映来自所获得的信息的所述一个车辆在所述两个或更多个位置处的实际交通流量状况与来自所述两个或更多个位置的已产生行进分布图的典型交通流量状况之间的差值。
22.根据权利要求20所述的计算***,其中,所述一个车辆的实际行进路径与所述一个车辆沿所述道路的至少一些指示部分的行进相对应,其中,所述一个车辆尚未到达所述道路的指示部分中与所述道路的所述至少一些指示部分不同的一个或多个其他部分,其中,车辆的期望交通流量状况被自动计算的至少一些位置包括:沿着所述道路的指示部分中所述一个车辆尚未到达的一个或多个其他部分的一个或多个位置,并且,提供对所述一个车辆的自动计算的期望交通流量状况的一个或多个指示包括:动态使用所述一个车辆的针对所述一个或多个位置而自动计算的期望交通流量状况,来辅助所述一个车辆在所述道路的指示部分的一个或多个其他部分上的未来行进。
23.根据权利要求20所述的计算***,其中,所述一个或多个模块和所述附加模块包括历史数据管理器模块、当前数据管理器模块和当前交通状况估计器模块,并且,所述历史数据管理器模块、所述当前数据管理器模块和所述当前交通状况估计器模块中的每一个具有由所述一个或多个处理器执行的软件指令。
24.根据权利要求19所述的计算***,其中,所述一个或多个道路包括多个道路,其中,针对所述多个车辆而获得的已产生行进分布图包括所述多个道路的指示部分的多个不同行进分布图,其中,所述一个或多个模块是便于所述多个车辆在所述多个道路上的行进的估计交通信息提供器***的一部分,并且,自动计算所述多个车辆中的每一个的期望交通流量状况包括使车辆的实际行进路径拟合于来自所述道路的指示部分的不是所述子集的一部分的至少一些位置的已产生行进分布图的典型交通流量状况,所述拟合是通过以下操作进行的:将所述典型交通流量状况调整为:反映来自所获得的信息的车辆在所述两个或更多个位置处的实际交通流量状况与来自所述两个或更多个位置的已产生行进分布图的典型交通流量状况之间的差值。
25.根据权利要求19所述的计算***,其中,所述一个或多个模块由用于通过针对多个车辆中的每一个进行以下操作来产生多个车辆在一个或多个道路上的行进路径的期望交通流量信息的装置构成:
获得所述一个或多个道路中的一个道路的指示部分的已产生行进分布图,已产生行进分布图指示针对所述道路的指示部分上的多个位置的不同典型交通流量状况,已产生行进分布图基于针对所述道路的指示部分的与先前道路交通流量状况有关的信息并反映降低所述多个位置中的一个或多个处的交通流量的一个或多个流障碍物;
获得与包括所述道路的指示部分中的至少一些在内的车辆的实际行进路径有关的信息,所获得的信息指示车辆在所述道路的指示部分的多个位置中的两个或更多个位置的子集处的实际交通流量状况;
针对所述道路的指示部分的多个位置中不是所获得的信息指示实际交通流量状况的子集的一部分的至少一些位置,自动计算车辆的期望交通流量状况,自动计算所述期望交通流量状况包括:使车辆的实际行进路径的至少一些所获得的信息拟合于至少针对所述道路的指示部分的两个或更多个位置的来自已产生行进分布图的典型交通流量状况;以及
提供对车辆的自动计算的期望交通流量状况的一个或多个指示。
26.一种基于历史和当前数据预测期望道路交通状况的计算机实现的方法,包括:获得道路的指示部分的已产生行进分布图,已产生行进分布图针对所述道路的指示部分上的多个位置指示不同的典型交通流量状况,已产生行进分布图基于针对所述道路的指示部分的与先前道路交通流量状况有关的信息以及反映降低所述多个位置中的一个或多个处的交通流量的一个或多个流障碍物,
其特征在于所述方法还包括:
自动产生多个数据样本,所述多个数据样本反映了车辆在所述道路的指示部分的所述多个位置中的多个位置的子集处的实际行进流量状况,所述车辆具有实际行进路径,所述实际行进路径包括所述道路的至少一些指示部分并与所述多个数据样本中的至少一些相对应,所述多个数据样本由与所述车辆一起行进的已配置计算设备周期性地产生;
针对所述道路的指示部分的多个位置中不是所述子集中的多个位置的一部分的至少一些位置,自动计算车辆的期望交通流量状况,自动计算所述期望交通流量状况由所述已配置计算设备执行并包括:使车辆的实际行进路径拟合于来自已产生行进分布图的典型交通流量状况;以及
由所述已配置计算设备向车辆中的一个或多个用户提供对车辆的自动计算的期望交通流量状况的一个或多个指示,以便于车辆的未来行进。
27.根据权利要求26所述的方法,其中,获得所述道路的指示部分的已产生行进分布图包括:
针对所述道路的指示部分,接收与先前道路交通流量状况有关的信息,所述与先前道路交通流量状况有关的信息反映了多个车辆在多个先前时间处在所述道路的指示部分上的先前行进,并且还反映了降低所述道路的指示部分上的一个或多个位置处的交通流量的一个或多个结构交通流障碍物;以及
由已配置计算设备至少部分地基于接收到的与先前道路交通状况有关的信息,自动产生所述道路的指示部分的行进分布图,由已产生行进分布图所指示的不同典型交通流量状况还与多个时间段相对应。
28.根据权利要求26所述的方法,其中,所述与先前道路交通流量状况有关的信息基于多个车辆在多个先前时间、在所述道路的指示部分上的先前行进,其中,已产生行进分布图指示针对所述道路的指示部分的反映多个时间段的不同历史典型交通流量状况,其中,至少一些数据样本是在与所述多个时间段中的第一时间段相对应的时间处产生的,并且,自动计算车辆的期望交通流量状况包括使车辆的实际行进路径拟合于来自所述道路的指示部分的不是所述子集的一部分的至少一些位置的已产生行进分布图的历史典型交通流量状况,所述拟合是通过以下操作进行的:将所述典型交通流量状况调整为:反映来自已产生数据样本的车辆在所述多个位置处的实际交通流量状况与来自所述多个位置的已产生行进分布图的历史典型交通流量状况之间的差值,以及反映来自多个时间段中与所述第一时间段不同的一个或多个内的已产生行进分布图的历史典型交通流量状况。
29.根据权利要求26所述的方法,其中,车辆的实际行进路径与车辆沿所述道路的至少一些指示部分的行进相对应,其中,车辆尚未到达所述道路的指示部分中与所述道路的至少一些指示部分不同的一个或多个其他部分,其中,车辆的期望交通流量状况被自动计算的至少一些位置包括沿着所述道路的指示部分中车辆尚未到达的一个或多个其他部分的一个或多个位置,并且,提供对车辆的自动计算的期望交通流量状况的一个或多个指示包括:动态使用车辆的针对所述一个或多个位置而自动计算的期望交通流量状况,辅助车辆在所述道路的指示部分的一个或多个其他部分上的未来行进。
30.根据权利要求26所述的方法,其中,自动计算车辆的期望交通流量状况包括使车辆的实际行进路径拟合于来自所述道路的指示部分的不是所述子集的一部分的至少一些位置的已产生行进分布图的典型交通流量状况,所述拟合是通过以下操作进行的:将所述来自已产生行进分布图的典型交通流量状况调整为反映来自已产生数据样本的车辆在所述多个位置处的实际交通流量状况与来自所述多个位置的已产生行进分布图的典型交通流量状况之间的差值。
31.根据权利要求26所述的方法,其中,获得所述道路的指示部分的已产生行进分布图包括:从远程估计交通信息提供器***接收已产生行进分布图,并且,所述方法还包括:由已配置计算设备向所述估计交通信息提供器***提供车辆的自动计算的期望交通流量状况,以便于其他车辆在所述道路的指示部分上的未来行进。
32.一种基于历史和当前数据预测期望道路交通状况的计算机实现的方法,包括:接收反映多个车辆在多个先前时间、在具有一系列多个已定义道路链路的道路的指示分段上的先前行进的历史交通数据,所述历史交通数据包括来自多个道路交通传感器的多个读数,所述多个道路交通传感器中的每一个具有与道路链路之一相关联的位置,所述道路的指示分段具有降低在至少一些先前时间期间在至少一个道路链路上的交通速度的一个或多个结构交通流障碍物;以及基于接收到的历史交通数据的聚合,自动产生所述道路的指示分段的历史行进分布图,自动产生的历史行进分布图针对道路链路中的每一个以及表示不同的一天中的时间的时间范围的多个时间段中的每一个指示平均交通速度,所指示的平均交通速度至少部分地基于结构交通流障碍物而具有不同值,
其特征在于,来自道路交通传感器的读数中的每一个报告道路交通传感器在多个时间之一处在关联的道路链路上的平均交通速度,自动产生由估计交通信息提供器***的一个或多个已编程计算***执行,以及所述方法还包括:
通过执行使多个车辆的部分实际行进信息拟合于已产生历史行进分布图的最佳拟合,自动估计沿着所述道路的指示分段行进的多个车辆的行进信息,自动估计由所述一个或多个已编程计算***执行并包括:
针对所述多个车辆中的每一个,
获得与多个数据样本有关的信息,所述多个数据样本中的每一个报告车辆在所指示的时间处以及在所指示的关联道路位置处的实际交通速度,所述数据样本反映了车辆沿所述道路的指示分段的实际行进路径并由与车辆相关联的设备周期性地产生;
自动确定所述道路的指示分段的第一子集,以及自动确定所述道路的指示分段的第二子集,其中,所述第一子集包括多个道路链路中与所述多个数据样本相对应的一个或多个道路链路,基于所述一个或多个数据样本的所指示的关联道路位置是道路链路的一部分,所述第一子集中的一个或多个道路链路中的每一个与所述多个数据样本中的一个或多个相关联;所述第二子集包括多个道路链路中与所述多个数据样本不相对应的一个或多个其他道路链路,所述第二子集中的一个或多个其他道路链路与所述第一子集中的一个或多个道路链路不同,并且所述第二子集中的一个或多个其他道路链路中的每一个与所述多个数据样本中的任一个不相关联;
自动确定车辆的实际行进路径上与所述第一子集中的一个或多个道路链路相对应的第一部分的实际交通速度,所述自动确定实际交通速度基于由与所述第一子集中的一个或多个道路链路相关联的数据样本所报告的实际交通速度;
使用所述道路的指示分段的已产生历史行进分布图,针对车辆的实际行进路径上与所述第二子集中的一个或多个其他道路链路相对应的第二部分自动计算车辆的期望交通速度,所述自动计算期望交通速度包括:识别针对所述第一子集中的一个或多个道路链路而确定的实际交通速度与来自所述第一子集中的一个或多个道路链路的已产生历史行进分布图的所指示的平均交通速度之间的差值;以及将来自所述第二子集中的一个或多个其他道路链路的已产生历史行进分布图的信息调整为反映针对所述第一子集而识别的差值;以及
提供对车辆的自动计算的预期交通速度的一个或多个指示,以便于道路上的车辆导航。
33.根据权利要求32所述的方法,其中,对于多个车辆中的每一个,针对车辆的实际行进路径的第二部分自动计算车辆的期望交通速度包括:
根据车辆在一个或多个时间段期间、针对所述第一子集中的一个或多个道路链路的已产生历史行进分布图,确定平均行进速度,所述一个或多个时间段的一天中的时间的时间范围与来自同车辆的第一子集中的一个或多个道路链路相关联的数据样本所指示的时间相对应;
识别针对车辆的第一子集中的一个或多个道路链路而确定的平均交通速度与由同车辆的第一子集中的一个或多个道路链路相关联的数据样本所报告的车辆的实际交通速度之间的一个或多个差值;以及
针对车辆的第二子集中的一个或多个其他道路链路中的每一个,通过从针对其他道路链路以及与车辆经过所述其他道路链路的实际行进相对应的时间段而产生的历史行进分布图中检索平均交通速度,以及通过将检索到的平均交通速度调整为反映所识别的一个或多个差值,来内插车辆针对所述其他道路链路的估计实际交通速度。
34.根据权利要求33所述的方法,其中,对于多个车辆中的一个车辆,所述一个车辆的第二子集中的一个或多个其他道路链路包括第一其他道路链路,所述第一其他道路链路位于作为所述一个车辆的第一子集的一部分的系列中的两个相邻道路链路之间,并且,针对所述第二子集中的第一其他道路链路内插所述一个车辆的估计实际交通速度基于所述一个车辆的所识别的差值中、与所述两个相邻道路链路相对应的一个或多个差值。
35.根据权利要求32所述的方法,其中,所述道路的指示分段上的一个或多个结构交通流障碍物包括一个或多个交通信号灯中的至少一个、一个或多个停止标志中的至少一个、或与其他道路的一个或多个交通交叉路口中的至少一个。
36.根据权利要求32所述的方法,其中,针对所述多个车辆中的一个或多个车辆中的每一个,提供对车辆的自动计算的期望交通速度的一个或多个指示由估计交通信息提供器***的一个或多个已编程计算***执行,并包括更新被提供给一个或多个车辆的信息以改进所述一个或多个车辆在所述道路的指示分段上的未来行进,所述估计交通信息提供器***向所述一个或多个车辆提供更新后的信息,以交换代表所述一个或多个车辆接收到的一个或多个费用。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17157409P | 2009-04-22 | 2009-04-22 | |
US61/171,574 | 2009-04-22 | ||
PCT/US2010/032123 WO2010124138A1 (en) | 2009-04-22 | 2010-04-22 | Predicting expected road traffic conditions based on historical and current data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102460534A CN102460534A (zh) | 2012-05-16 |
CN102460534B true CN102460534B (zh) | 2014-10-29 |
Family
ID=42331580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080027950.3A Expired - Fee Related CN102460534B (zh) | 2009-04-22 | 2010-04-22 | 基于历史和当前数据预测期望道路交通状况的计算机实现的方法和计算*** |
Country Status (10)
Country | Link |
---|---|
US (1) | US9257041B2 (zh) |
EP (1) | EP2422330B1 (zh) |
KR (1) | KR101413505B1 (zh) |
CN (1) | CN102460534B (zh) |
AU (1) | AU2010238762C1 (zh) |
BR (1) | BRPI1014364A2 (zh) |
CA (1) | CA2758972A1 (zh) |
ES (1) | ES2536209T3 (zh) |
WO (1) | WO2010124138A1 (zh) |
ZA (1) | ZA201107368B (zh) |
Families Citing this family (141)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11482058B2 (en) | 2008-09-09 | 2022-10-25 | United Parcel Service Of America, Inc. | Systems and methods for utilizing telematics data to improve fleet management operations |
US8416067B2 (en) | 2008-09-09 | 2013-04-09 | United Parcel Service Of America, Inc. | Systems and methods for utilizing telematics data to improve fleet management operations |
US8519868B2 (en) * | 2009-10-29 | 2013-08-27 | Siemens Corporation | Estimation of travel times using bluetooth |
US8396663B2 (en) | 2009-12-15 | 2013-03-12 | Navteq B.V. | Speed profile dictionary |
US9558520B2 (en) * | 2009-12-31 | 2017-01-31 | Hartford Fire Insurance Company | System and method for geocoded insurance processing using mobile devices |
US9053513B2 (en) | 2010-02-25 | 2015-06-09 | At&T Mobility Ii Llc | Fraud analysis for a location aware transaction |
US9008684B2 (en) | 2010-02-25 | 2015-04-14 | At&T Mobility Ii Llc | Sharing timed fingerprint location information |
US9196157B2 (en) | 2010-02-25 | 2015-11-24 | AT&T Mobolity II LLC | Transportation analytics employing timed fingerprint location information |
US10527448B2 (en) * | 2010-03-24 | 2020-01-07 | Telenav, Inc. | Navigation system with traffic estimation using pipeline scheme mechanism and method of operation thereof |
US20120143587A1 (en) * | 2010-06-16 | 2012-06-07 | Panasonic Corporation | Accident reduction measure simulation device and accident reduction measure simulation method |
JP5460869B2 (ja) * | 2010-06-29 | 2014-04-02 | 本田技研工業株式会社 | 渋滞予測装置 |
US8694241B1 (en) | 2010-10-05 | 2014-04-08 | Google Inc. | Visualization of traffic patterns using GPS data |
US8694240B1 (en) * | 2010-10-05 | 2014-04-08 | Google Inc. | Visualization of paths using GPS data |
US8825403B1 (en) | 2010-10-06 | 2014-09-02 | Google Inc. | User queries to model road network usage |
US8930123B2 (en) * | 2010-11-19 | 2015-01-06 | International Business Machines Corporation | Systems and methods for determining traffic intensity using information obtained through crowdsourcing |
US9009629B2 (en) | 2010-12-01 | 2015-04-14 | At&T Mobility Ii Llc | Motion-based user interface feature subsets |
CN102176264B (zh) * | 2011-01-30 | 2013-04-24 | 北京东方车云信息技术有限公司 | 一种实现汽车租赁业务的方法及*** |
GB201113112D0 (en) | 2011-02-03 | 2011-09-14 | Tomtom Dev Germany Gmbh | Method of generating expected average speeds of travel |
US8886457B2 (en) | 2011-03-31 | 2014-11-11 | Google Inc. | Mobile state determination of location aware devices |
US9208626B2 (en) | 2011-03-31 | 2015-12-08 | United Parcel Service Of America, Inc. | Systems and methods for segmenting operational data |
US9953468B2 (en) | 2011-03-31 | 2018-04-24 | United Parcel Service Of America, Inc. | Segmenting operational data |
US9070100B2 (en) | 2011-03-31 | 2015-06-30 | United Parcel Service Of America, Inc. | Calculating speed and travel times with travel delays |
US9462497B2 (en) | 2011-07-01 | 2016-10-04 | At&T Mobility Ii Llc | Subscriber data analysis and graphical rendering |
US8897802B2 (en) | 2011-07-21 | 2014-11-25 | At&T Mobility Ii Llc | Selection of a radio access technology resource based on radio access technology resource historical information |
US9519043B2 (en) | 2011-07-21 | 2016-12-13 | At&T Mobility Ii Llc | Estimating network based locating error in wireless networks |
US8744736B2 (en) * | 2011-07-28 | 2014-06-03 | GM Global Technology Operations LLC | Method and apparatus for updating travel time estimation |
US8762050B2 (en) * | 2011-09-07 | 2014-06-24 | National Tsing Hua University | Fuel-saving path planning navigation system and fuel-saving path planning method thereof |
US8762048B2 (en) * | 2011-10-28 | 2014-06-24 | At&T Mobility Ii Llc | Automatic travel time and routing determinations in a wireless network |
US8909247B2 (en) | 2011-11-08 | 2014-12-09 | At&T Mobility Ii Llc | Location based sharing of a network access credential |
US9026133B2 (en) | 2011-11-28 | 2015-05-05 | At&T Mobility Ii Llc | Handset agent calibration for timing based locating systems |
US8970432B2 (en) | 2011-11-28 | 2015-03-03 | At&T Mobility Ii Llc | Femtocell calibration for timing based locating systems |
US8676480B2 (en) * | 2012-02-29 | 2014-03-18 | Navteq B.V. | Three-dimensional traffic flow presentation |
US8925104B2 (en) | 2012-04-13 | 2014-12-30 | At&T Mobility Ii Llc | Event driven permissive sharing of information |
US9094929B2 (en) | 2012-06-12 | 2015-07-28 | At&T Mobility Ii Llc | Event tagging for mobile networks |
US9326263B2 (en) | 2012-06-13 | 2016-04-26 | At&T Mobility Ii Llc | Site location determination using crowd sourced propagation delay and location data |
US8938258B2 (en) | 2012-06-14 | 2015-01-20 | At&T Mobility Ii Llc | Reference based location information for a wireless network |
US8897805B2 (en) | 2012-06-15 | 2014-11-25 | At&T Intellectual Property I, L.P. | Geographic redundancy determination for time based location information in a wireless radio network |
US9408174B2 (en) | 2012-06-19 | 2016-08-02 | At&T Mobility Ii Llc | Facilitation of timed fingerprint mobile device locating |
GB201211618D0 (en) | 2012-06-29 | 2012-08-15 | Tomtom Dev Germany Gmbh | Methods of providing traffic flow messages |
US8892054B2 (en) | 2012-07-17 | 2014-11-18 | At&T Mobility Ii Llc | Facilitation of delay error correction in timing-based location systems |
DE112012006711T5 (de) * | 2012-07-17 | 2015-05-07 | Mitsubishi Electric Corporation | Im Fahrzeug-Verkehrsinformation-Benachrichtigungsvorrichtung |
US9351223B2 (en) | 2012-07-25 | 2016-05-24 | At&T Mobility Ii Llc | Assignment of hierarchical cell structures employing geolocation techniques |
US8892343B2 (en) | 2012-07-31 | 2014-11-18 | Hewlett-Packard Development Company, L.P. | Determining a spatiotemporal impact of a planned event on traffic |
CN102831772B (zh) * | 2012-08-30 | 2014-07-02 | 西北工业大学 | 基于Zhang宏观交通流模型的FPGA在线预测控制方法 |
CN102842232B (zh) * | 2012-08-30 | 2015-07-15 | 西北工业大学 | 基于Kerner-Konhauser宏观交通流模型的FPGA在线预测控制方法 |
DE102012018212A1 (de) * | 2012-09-14 | 2014-03-20 | Audi Ag | Erfassen von Verkehrs- und Unfalldaten an Knotenpunkten im Straßenverkehr |
CN102945610B (zh) * | 2012-11-19 | 2014-10-22 | 西安费斯达自动化工程有限公司 | 基于FPGA及改进Zhang改进模型的在线交通瓶颈预测控制方法 |
CN103035128B (zh) * | 2012-12-30 | 2015-02-25 | 西安费斯达自动化工程有限公司 | 基于fpga阵列统一智能结构的交通流仿真***控制方法 |
JP6055848B2 (ja) * | 2013-02-01 | 2016-12-27 | 日立オートモティブシステムズ株式会社 | 走行制御装置及び走行制御システム |
US8825359B1 (en) | 2013-02-27 | 2014-09-02 | Google Inc. | Systems, methods, and computer-readable media for verifying traffic designations of roads |
US10359290B2 (en) * | 2013-03-22 | 2019-07-23 | Here Global B.V. | Method and apparatus for two dimensional edge-based map matching |
US9414301B2 (en) | 2013-04-26 | 2016-08-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Network access selection between access networks |
US9625497B2 (en) | 2013-04-26 | 2017-04-18 | Telefonaktiebolaget Lm Ericsson (Publ) | Predicting a network performance measurement from historic and recent data |
CN104123845A (zh) * | 2013-04-28 | 2014-10-29 | 朱孝杨 | 基于现代控制理论的智能型动态导航 |
CN103258440B (zh) * | 2013-05-02 | 2015-04-15 | 同济大学 | 一种基于道路属性和实时路况的行车轨迹还原算法 |
WO2014197911A1 (en) * | 2013-06-07 | 2014-12-11 | Yandex Europe Ag | Methods and systems for representing a degree of traffic congestion using a limited number of symbols |
US10909845B2 (en) * | 2013-07-01 | 2021-02-02 | Conduent Business Services, Llc | System and method for enhancing images and video frames |
US20150045986A1 (en) * | 2013-08-09 | 2015-02-12 | Pulsar Informatics, Inc. | Systems and Methods for Determining Driver Fatigue Level from Lane Variability and Geographic Location |
CN104424294A (zh) * | 2013-09-02 | 2015-03-18 | 阿里巴巴集团控股有限公司 | 一种信息处理方法及装置 |
US9582999B2 (en) * | 2013-10-31 | 2017-02-28 | Here Global B.V. | Traffic volume estimation |
CN103685944A (zh) * | 2013-11-26 | 2014-03-26 | 移康智能科技(上海)有限公司 | 一种摄像设备的定位摄像方法 |
US9805521B1 (en) | 2013-12-03 | 2017-10-31 | United Parcel Service Of America, Inc. | Systems and methods for assessing turns made by a vehicle |
DE102013226195A1 (de) * | 2013-12-17 | 2015-06-18 | Volkswagen Aktiengesellschaft | Verfahren und System zur Bestimmung von Parametern eines Modells zur Längsführung und zur Bestimmung einer Längsführung für ein Fahrzeug |
US9536424B2 (en) * | 2014-02-10 | 2017-01-03 | Here Global B.V. | Adaptive traffic dynamics prediction |
US9396651B2 (en) | 2014-03-19 | 2016-07-19 | International Business Machines Corporation | Auto-calibration for road traffic prediction |
DE102014208541A1 (de) * | 2014-05-07 | 2015-11-12 | Continental Teves Ag & Co. Ohg | Bestimmung redundanter Absolutpositionen mit Fahrdynamiksensoren |
GB201408474D0 (en) * | 2014-05-13 | 2014-06-25 | Tomtom Int Bv | Methods and systems for detecting a partial closure of a navigable element |
US9663111B2 (en) | 2014-05-30 | 2017-05-30 | Ford Global Technologies, Llc | Vehicle speed profile prediction using neural networks |
CN104200657B (zh) * | 2014-07-22 | 2018-04-10 | 杭州智诚惠通科技有限公司 | 一种基于视频和传感器的交通流量参数采集方法 |
CN105335597B (zh) * | 2014-07-30 | 2019-04-16 | 国际商业机器公司 | 用于获取路线的轨迹模式的方法和*** |
US10545247B2 (en) * | 2014-08-26 | 2020-01-28 | Microsoft Technology Licensing, Llc | Computerized traffic speed measurement using sparse data |
CN104200660B (zh) * | 2014-08-29 | 2017-02-15 | 百度在线网络技术(北京)有限公司 | 路况信息更新的方法及装置 |
US9460615B2 (en) * | 2014-09-12 | 2016-10-04 | Umm Al-Qura University | Automatic update of crowd and traffic data using device monitoring |
US20160210633A1 (en) * | 2015-01-15 | 2016-07-21 | Aleksander Epelman | Fraud detection systems utilizing reasonable travel time values from transactional data |
US9351111B1 (en) | 2015-03-06 | 2016-05-24 | At&T Mobility Ii Llc | Access to mobile location related information |
US9650039B2 (en) * | 2015-03-20 | 2017-05-16 | Ford Global Technologies, Llc | Vehicle location accuracy |
CN104766476B (zh) * | 2015-04-16 | 2017-01-11 | 上海理工大学 | 一种路段以及路网区域交通状态指数的计算方法 |
US20160321764A1 (en) * | 2015-04-29 | 2016-11-03 | Flux Group, LLC | Method of and system for planning and redistributing congested flows based on integrated calendar information |
US20160334225A1 (en) * | 2015-05-11 | 2016-11-17 | United Parcel Service Of America, Inc. | Determining street segment headings |
CN104882020B (zh) * | 2015-06-05 | 2017-01-25 | 刘光明 | 预测交通状况和行车时间 |
CN104952248B (zh) * | 2015-06-08 | 2017-09-12 | 浙江大学 | 一种基于欧氏空间的车辆汇聚预测方法 |
CN106469475B (zh) * | 2015-08-21 | 2019-08-27 | 联想(北京)有限公司 | 一种控制方法及电子设备 |
US9694813B2 (en) * | 2015-08-25 | 2017-07-04 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle operation within a center turn lane |
US20170083013A1 (en) * | 2015-09-23 | 2017-03-23 | International Business Machines Corporation | Conversion of a procedural process model to a hybrid process model |
US10303176B2 (en) * | 2015-10-15 | 2019-05-28 | Ford Global Technologies, Llc | Determining variance factors for complex road segments |
US9818296B2 (en) | 2015-10-16 | 2017-11-14 | Uber Technologies, Inc. | System for providing a city planning tool |
CN105491124B (zh) * | 2015-12-03 | 2018-11-02 | 北京航空航天大学 | 移动车辆分布式聚合方法 |
CN106846826A (zh) * | 2015-12-07 | 2017-06-13 | 东华软件股份公司 | 道路路况监测方法及装置 |
US9743493B2 (en) * | 2015-12-09 | 2017-08-22 | General Electric Company | Methods, apparatus, system and media for use in association with lighting systems |
KR102477362B1 (ko) * | 2015-12-18 | 2022-12-15 | 삼성전자주식회사 | 통신 단말의 릴레이 기반 통신 기법 |
CN105608894B (zh) * | 2016-02-29 | 2018-04-03 | 青岛海信网络科技股份有限公司 | 一种确定突发性拥堵状态的方法及装置 |
CN107346610B (zh) * | 2016-05-05 | 2021-05-04 | 阿里巴巴集团控股有限公司 | 一种路况提醒方法及装置 |
US10068470B2 (en) * | 2016-05-06 | 2018-09-04 | Here Global B.V. | Determination of an average traffic speed |
US10054454B2 (en) * | 2016-05-06 | 2018-08-21 | Ford Global Technologies, Llc | Network based storage of vehicle and infrastructure data for optimizing vehicle routing |
US9799218B1 (en) | 2016-05-09 | 2017-10-24 | Robert Gordon | Prediction for lane guidance assist |
WO2018035058A1 (en) * | 2016-08-15 | 2018-02-22 | University Of Southern California | Latent space model for road networks to predict time-varying traffic |
EP3293694A1 (en) * | 2016-09-12 | 2018-03-14 | Mastercard International Incorporated | Method of managing the delivery of purchased items |
US10204499B1 (en) * | 2016-09-23 | 2019-02-12 | Symantec Corporation | Anomaly based geofencing leveraging location duration |
US10661805B2 (en) * | 2016-11-22 | 2020-05-26 | Samsung Electronics Co., Ltd. | Vehicle control unit (VCU) and operating method thereof |
CN106781460B (zh) * | 2016-11-30 | 2019-05-17 | 北京掌行通信息技术有限公司 | 一种路段交通状态确定方法及装置 |
WO2018116312A2 (en) * | 2016-12-21 | 2018-06-28 | Allstate Solutions Private Limited | Highway detection system for generating customized notifications |
CN106845888A (zh) * | 2016-12-22 | 2017-06-13 | 安徽杰瑞信息科技有限公司 | 一种智能物流配送方法 |
US20180188057A1 (en) * | 2017-01-03 | 2018-07-05 | International Business Machines Corporation | Detecting and simulating a moving event for an affected vehicle |
US9911329B1 (en) | 2017-02-23 | 2018-03-06 | Robert Gordon | Enhanced traffic sign information messaging system |
US20180345801A1 (en) * | 2017-06-06 | 2018-12-06 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for optimizing battery pre-charging using adjusted traffic predictions |
US10551842B2 (en) * | 2017-06-19 | 2020-02-04 | Hitachi, Ltd. | Real-time vehicle state trajectory prediction for vehicle energy management and autonomous drive |
KR102395924B1 (ko) * | 2017-08-31 | 2022-05-10 | 현대오토에버 주식회사 | 도로 교통정보 생성 장치 및 방법 |
JP2019053578A (ja) * | 2017-09-15 | 2019-04-04 | トヨタ自動車株式会社 | 交通量判定システム、交通量判定方法、及び交通量判定プログラム |
KR101952037B1 (ko) * | 2017-10-23 | 2019-02-25 | 한양대학교 산학협력단 | 차량의 속도를 예측하는 방법 |
CN108268974A (zh) * | 2017-12-28 | 2018-07-10 | 阿里巴巴集团控股有限公司 | 一种路径推荐的方法及装置 |
US11125574B2 (en) * | 2018-04-25 | 2021-09-21 | Here Global B.V. | Navigation optimized for unexpected traffic events |
US10516972B1 (en) | 2018-06-01 | 2019-12-24 | At&T Intellectual Property I, L.P. | Employing an alternate identifier for subscription access to mobile location information |
US10242571B1 (en) * | 2018-08-02 | 2019-03-26 | Mapanything, Inc. | Utilizing determined optimized time windows for precomputing optimal path matrices to reduce computer resource usage |
US20200124435A1 (en) * | 2018-10-17 | 2020-04-23 | Toyota Motor North America, Inc. | Distributed route determination system |
EP3681180A1 (en) * | 2019-01-09 | 2020-07-15 | Volkswagen Aktiengesellschaft | Method, apparatus and computer program for determining a plurality of traffic situations |
US11403938B2 (en) | 2019-04-04 | 2022-08-02 | Geotab Inc. | Method for determining traffic metrics of a road network |
US11335189B2 (en) | 2019-04-04 | 2022-05-17 | Geotab Inc. | Method for defining road networks |
US11335191B2 (en) | 2019-04-04 | 2022-05-17 | Geotab Inc. | Intelligent telematics system for defining road networks |
CN110164127B (zh) * | 2019-04-04 | 2021-06-25 | 中兴飞流信息科技有限公司 | 一种车流量预测的方法、装置及服务器 |
US10699564B1 (en) * | 2019-04-04 | 2020-06-30 | Geotab Inc. | Method for defining intersections using machine learning |
US11341846B2 (en) | 2019-04-04 | 2022-05-24 | Geotab Inc. | Traffic analytics system for defining road networks |
CN109987098B (zh) * | 2019-04-09 | 2020-09-29 | 莫日华 | 基于路面分析进行安全驾驶控制的方法及装置 |
US11682295B2 (en) * | 2019-06-20 | 2023-06-20 | Here Global B.V. | Adjusting historical probe data for new road geometry |
JP7372058B2 (ja) * | 2019-06-24 | 2023-10-31 | 株式会社日立製作所 | 交通流予測支援装置、交通流予測支援方法、及び交通流予測支援プログラム |
US11663378B2 (en) * | 2019-07-16 | 2023-05-30 | Here Global B.V. | Method, apparatus, and system for providing traffic simulations in a smart-city infrastructure |
EP3872594B1 (en) * | 2020-02-26 | 2023-12-06 | Volkswagen Ag | A method, a computer program, an apparatus, a vehicle, and a network entity for predicting a deadlock situation for an automated vehicle |
CN111553517A (zh) * | 2020-04-17 | 2020-08-18 | 平安科技(深圳)有限公司 | 道路优化方法、***、终端及计算机可读存储介质 |
CN113763739B (zh) * | 2020-06-04 | 2022-08-05 | 比亚迪股份有限公司 | 一种车辆行驶路径确定方法、装置、设备及介质 |
US11238729B1 (en) * | 2020-09-11 | 2022-02-01 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for traffic flow prediction |
CN111986490A (zh) * | 2020-09-18 | 2020-11-24 | 北京百度网讯科技有限公司 | 路况预测方法、装置、电子设备和存储介质 |
CN112700650B (zh) * | 2021-01-29 | 2022-09-30 | 杭州易龙安全科技有限公司 | 一种安全智能监测预警的方法 |
US11862013B2 (en) * | 2021-05-17 | 2024-01-02 | GM Global Technology Operations LLC | Method of measuring road performance using headway dynamics |
CN113362597B (zh) * | 2021-06-03 | 2022-11-29 | 济南大学 | 一种基于非参数建模的交通序列数据异常检测方法及*** |
CN113592136A (zh) * | 2021-06-18 | 2021-11-02 | 阿波罗智联(北京)科技有限公司 | 一种交通数据预测方法、装置及电子设备 |
CN114283590B (zh) * | 2021-09-02 | 2023-03-21 | 青岛海信网络科技股份有限公司 | 车流量高峰预测方法及装置、电子设备 |
CN114822016B (zh) * | 2022-03-11 | 2023-07-25 | 上海工程技术大学 | 一种基于gps数据流的路段均速估计*** |
CN114822061B (zh) * | 2022-03-30 | 2023-11-28 | 阿里巴巴(中国)有限公司 | 到达时间预估方法、装置、电子设备及计算机程序产品 |
CN114973681B (zh) * | 2022-07-28 | 2022-11-01 | 山东高速信息集团有限公司 | 一种在途车辆感知方法及设备 |
CN115331439B (zh) * | 2022-08-09 | 2023-08-18 | 山东旗帜信息有限公司 | 一种基于车辆历史画像的高速公路立交的车流量预测方法 |
CN115195791B (zh) * | 2022-09-19 | 2023-01-03 | 上海伯镭智能科技有限公司 | 一种基于大数据的无人驾驶速度控制方法及装置 |
CN116109223B (zh) * | 2023-04-11 | 2023-06-16 | 合肥新鸟科技有限公司 | 一种商家智能物流数据管理方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6317686B1 (en) * | 2000-07-21 | 2001-11-13 | Bin Ran | Method of providing travel time |
JP2002312886A (ja) * | 2001-04-11 | 2002-10-25 | Toshiba Corp | 道路交通情報管理システム |
CN1449551A (zh) * | 2000-06-26 | 2003-10-15 | 卡斯特姆交通Pty有限公司 | 用于提供交通和相关信息的方法和*** |
US6690292B1 (en) * | 2000-06-06 | 2004-02-10 | Bellsouth Intellectual Property Corporation | Method and system for monitoring vehicular traffic using a wireless communications network |
WO2007103123A2 (en) * | 2006-03-03 | 2007-09-13 | Inrix, Inc. | Dynamic time series prediction of future traffic conditions |
CN101046919A (zh) * | 2006-10-12 | 2007-10-03 | 华南理工大学 | 基于交通流相特征的城市交通***状态可视化评价方法及其应用 |
WO2008021551A3 (en) * | 2006-08-18 | 2008-10-16 | Inrix Inc | Representative road traffic flow information based on historical data |
Family Cites Families (84)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US664922A (en) * | 1900-01-11 | 1901-01-01 | Edward W Bening | Smoke-bell. |
FR1478429A (fr) * | 1966-02-09 | 1967-04-28 | Automatisme Cie Gle | Procédé et dispositif de mesure de la concentration de la circulation automobile |
US3626413A (en) * | 1970-02-02 | 1971-12-07 | Howard C Zachmann | Traffic surveillance and control system |
DE3712314A1 (de) * | 1987-04-11 | 1988-10-20 | Robot Foto Electr Kg | Verkehrsueberwachungsvorrichtung |
DE3810357A1 (de) * | 1988-03-26 | 1989-10-05 | Licentia Gmbh | Verfahren zur lokalen verkehrsdatenerfassung und -auswertung und vorrichtung zum durchfuehren des verfahrens |
US5289183A (en) * | 1992-06-19 | 1994-02-22 | At/Comm Incorporated | Traffic monitoring and management method and apparatus |
US5590217A (en) * | 1991-04-08 | 1996-12-31 | Matsushita Electric Industrial Co., Ltd. | Vehicle activity measuring apparatus |
US5337082A (en) * | 1992-12-07 | 1994-08-09 | Whelen Technologies, Inc. | Traffic management system |
US5465289A (en) * | 1993-03-05 | 1995-11-07 | E-Systems, Inc. | Cellular based traffic sensor system |
DE4408547A1 (de) * | 1994-03-14 | 1995-10-12 | Siemens Ag | Verfahren zur Verkehrserfassung und Verkehrssituationserkennung auf Autostraßen, vorzugsweise Autobahnen |
US5610821A (en) * | 1994-11-18 | 1997-03-11 | Ibm Corporation | Optimal and stable route planning system |
JP3656277B2 (ja) * | 1995-05-17 | 2005-06-08 | 味の素株式会社 | 組換えdna法によるトランスグルタミナーゼの効率的製造法 |
US5663720A (en) * | 1995-06-02 | 1997-09-02 | Weissman; Isaac | Method and system for regional traffic monitoring |
US5745865A (en) * | 1995-12-29 | 1998-04-28 | Lsi Logic Corporation | Traffic control system utilizing cellular telephone system |
US6108555A (en) | 1996-05-17 | 2000-08-22 | Ksi, Inc. | Enchanced time difference localization system |
US6011515A (en) * | 1996-10-08 | 2000-01-04 | The Johns Hopkins University | System for measuring average speed and traffic volume on a roadway |
EP0958565B1 (de) * | 1997-02-06 | 2004-06-16 | ATX Europe GmbH | Übermittlung gebietsbezogener verkehrsinformationen |
US6664922B1 (en) | 1997-08-28 | 2003-12-16 | At Road, Inc. | Method for distributing location-relevant information using a network |
SE510430C2 (sv) * | 1998-01-30 | 1999-05-25 | Dinbis Ab | Metod och anordning för nätverksstyrning av trafik |
US6150961A (en) * | 1998-11-24 | 2000-11-21 | International Business Machines Corporation | Automated traffic mapping |
CA2266208C (en) * | 1999-03-19 | 2008-07-08 | Wenking Corp. | Remote road traffic data exchange and intelligent vehicle highway system |
US6466862B1 (en) * | 1999-04-19 | 2002-10-15 | Bruce DeKock | System for providing traffic information |
DE19928082C2 (de) | 1999-06-11 | 2001-11-29 | Ddg Ges Fuer Verkehrsdaten Mbh | Filterungsverfahren zur Bestimmung von Reisegeschwindigkeiten bzw. -zeiten und Domänen-Restgeschwindigkeiten |
US6490519B1 (en) * | 1999-09-27 | 2002-12-03 | Decell, Inc. | Traffic monitoring system and methods for traffic monitoring and route guidance useful therewith |
US6480783B1 (en) * | 2000-03-17 | 2002-11-12 | Makor Issues And Rights Ltd. | Real time vehicle guidance and forecasting system under traffic jam conditions |
US6282486B1 (en) | 2000-04-03 | 2001-08-28 | International Business Machines Corporation | Distributed system and method for detecting traffic patterns |
US7689437B1 (en) | 2000-06-16 | 2010-03-30 | Bodymedia, Inc. | System for monitoring health, wellness and fitness |
US6882313B1 (en) * | 2000-06-21 | 2005-04-19 | At Road, Inc. | Dual platform location-relevant service |
US6587781B2 (en) | 2000-08-28 | 2003-07-01 | Estimotion, Inc. | Method and system for modeling and processing vehicular traffic data and information and applying thereof |
KR100345792B1 (ko) * | 2000-08-30 | 2002-07-24 | 주식회사 로티스 | 차량의 진행방향별 구간속도 실시간 예측 방법 |
SG97934A1 (en) | 2000-09-13 | 2003-08-20 | Mediaring Ltd | Quality of transmission across packet-based networks |
US20070192863A1 (en) | 2005-07-01 | 2007-08-16 | Harsh Kapoor | Systems and methods for processing data flows |
US6650948B1 (en) * | 2000-11-28 | 2003-11-18 | Applied Generics Limited | Traffic flow monitoring |
GB2369709B (en) * | 2000-11-30 | 2004-08-04 | Nec Technologies | System and method for measuring traffic flow |
DE10063763A1 (de) | 2000-12-21 | 2002-07-25 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Erzeugung und Ausgabe von streckenbezogenen Routeninformationen |
SE0100351D0 (sv) * | 2001-02-06 | 2001-02-06 | Sergio Luciani | Traffic monitoring system and method |
US6463382B1 (en) * | 2001-02-26 | 2002-10-08 | Motorola, Inc. | Method of optimizing traffic content |
JP3487346B2 (ja) * | 2001-03-30 | 2004-01-19 | 独立行政法人通信総合研究所 | 道路交通監視システム |
US6594576B2 (en) * | 2001-07-03 | 2003-07-15 | At Road, Inc. | Using location data to determine traffic information |
CN1294773C (zh) * | 2001-09-13 | 2007-01-10 | 艾尔塞奇公司 | 利用无线网络的操作数据提供交通信息的***和方法 |
US6728628B2 (en) * | 2001-12-28 | 2004-04-27 | Trafficgauge, Inc. | Portable traffic information system |
US6989765B2 (en) | 2002-03-05 | 2006-01-24 | Triangle Software Llc | Personalized traveler information dissemination system |
US7221287B2 (en) | 2002-03-05 | 2007-05-22 | Triangle Software Llc | Three-dimensional traffic report |
US6832140B2 (en) * | 2002-03-08 | 2004-12-14 | At Road, Inc. | Obtaining vehicle usage information from a remote location |
US20040034467A1 (en) * | 2002-08-09 | 2004-02-19 | Paul Sampedro | System and method for determining and employing road network traffic status |
GB0220062D0 (en) | 2002-08-29 | 2002-10-09 | Itis Holdings Plc | Traffic scheduling system |
AU2003259357B2 (en) | 2002-08-29 | 2009-08-13 | Inrix Uk Limited | Apparatus and method for providing traffic information |
US7116326B2 (en) * | 2002-09-06 | 2006-10-03 | Traffic.Com, Inc. | Method of displaying traffic flow data representing traffic conditions |
US7027915B2 (en) * | 2002-10-09 | 2006-04-11 | Craine Dean A | Personal traffic congestion avoidance system |
US6922566B2 (en) * | 2003-02-28 | 2005-07-26 | At Road, Inc. | Opt-In pinging and tracking for GPS mobile telephones |
JP4255007B2 (ja) * | 2003-04-11 | 2009-04-15 | 株式会社ザナヴィ・インフォマティクス | ナビゲーション装置、およびその旅行時間算出方法 |
WO2005013063A2 (en) | 2003-07-25 | 2005-02-10 | Landsonar, Inc. | System and method for determining recommended departure time |
DE10336590A1 (de) | 2003-08-08 | 2005-02-24 | Daimlerchrysler Ag | Verfahren zur fahrzeugindividuellen Verkehrsprognose |
US7096115B1 (en) * | 2003-09-23 | 2006-08-22 | Navteq North America, Llc | Method and system for developing traffic messages |
US7026958B2 (en) * | 2003-11-07 | 2006-04-11 | The Boeing Company | Method and system of utilizing satellites to transmit traffic congestion information to vehicles |
JP3928639B2 (ja) | 2003-12-26 | 2007-06-13 | アイシン・エィ・ダブリュ株式会社 | 自動車用ナビゲーションシステム |
JP4346472B2 (ja) | 2004-02-27 | 2009-10-21 | 株式会社ザナヴィ・インフォマティクス | 交通情報予測装置 |
US8019535B2 (en) * | 2004-03-25 | 2011-09-13 | Xanavi Informatics Corporation | Traffic information collecting system for navigation device |
US7620402B2 (en) | 2004-07-09 | 2009-11-17 | Itis Uk Limited | System and method for geographically locating a mobile device |
JP4211706B2 (ja) | 2004-07-28 | 2009-01-21 | 株式会社日立製作所 | 交通情報提供装置 |
JP4501619B2 (ja) | 2004-09-24 | 2010-07-14 | アイシン・エィ・ダブリュ株式会社 | ナビゲーションシステム |
EP1640691B1 (en) | 2004-09-24 | 2015-05-06 | Aisin Aw Co., Ltd. | Navigation systems, methods, and programs |
US7519564B2 (en) * | 2004-11-16 | 2009-04-14 | Microsoft Corporation | Building and using predictive models of current and future surprises |
US7698055B2 (en) * | 2004-11-16 | 2010-04-13 | Microsoft Corporation | Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data |
US7610560B2 (en) * | 2004-11-16 | 2009-10-27 | Microsoft Corporation | Methods for automated and semiautomated composition of visual sequences, flows, and flyovers based on content and context |
US8606516B2 (en) * | 2004-11-30 | 2013-12-10 | Dash Navigation, Inc. | User interface system and method for a vehicle navigation device |
WO2006060518A2 (en) * | 2004-11-30 | 2006-06-08 | Circumnav Networks, Inc. | Methods for deducing road geometry and connectivity |
US7908080B2 (en) * | 2004-12-31 | 2011-03-15 | Google Inc. | Transportation routing |
US7363144B2 (en) | 2005-02-07 | 2008-04-22 | International Business Machines Corporation | Method and apparatus for predicting future travel times over a transportation network |
US20060224797A1 (en) | 2005-04-01 | 2006-10-05 | Parish Warren G | Command and Control Architecture |
US8099326B2 (en) | 2005-06-01 | 2012-01-17 | Google Inc. | Traffic estimator |
US20070005419A1 (en) | 2005-06-30 | 2007-01-04 | Microsoft Corporation | Recommending location and services via geospatial collaborative filtering |
US7388491B2 (en) | 2005-07-20 | 2008-06-17 | Rockwell Automation Technologies, Inc. | Mobile RFID reader with integrated location awareness for material tracking and management |
US8024112B2 (en) | 2005-09-29 | 2011-09-20 | Microsoft Corporation | Methods for predicting destinations from partial trajectories employing open-and closed-world modeling methods |
KR100772511B1 (ko) * | 2005-12-09 | 2007-11-01 | 한국전자통신연구원 | 교통 예측을 기반으로 하는 최단 경로 검색 방법 및 그장치 |
US7818788B2 (en) | 2006-02-14 | 2010-10-19 | Microsoft Corporation | Web application security frame |
US20070208498A1 (en) | 2006-03-03 | 2007-09-06 | Inrix, Inc. | Displaying road traffic condition information and user controls |
US7831380B2 (en) | 2006-03-03 | 2010-11-09 | Inrix, Inc. | Assessing road traffic flow conditions using data obtained from mobile data sources |
US7899611B2 (en) | 2006-03-03 | 2011-03-01 | Inrix, Inc. | Detecting anomalous road traffic conditions |
US7912628B2 (en) | 2006-03-03 | 2011-03-22 | Inrix, Inc. | Determining road traffic conditions using data from multiple data sources |
US7912627B2 (en) | 2006-03-03 | 2011-03-22 | Inrix, Inc. | Obtaining road traffic condition data from mobile data sources |
US8014936B2 (en) | 2006-03-03 | 2011-09-06 | Inrix, Inc. | Filtering road traffic condition data obtained from mobile data sources |
US8126641B2 (en) * | 2006-06-30 | 2012-02-28 | Microsoft Corporation | Route planning with contingencies |
US7627432B2 (en) | 2006-09-01 | 2009-12-01 | Spss Inc. | System and method for computing analytics on structured data |
-
2010
- 2010-04-22 AU AU2010238762A patent/AU2010238762C1/en not_active Ceased
- 2010-04-22 ES ES10717366.8T patent/ES2536209T3/es active Active
- 2010-04-22 CN CN201080027950.3A patent/CN102460534B/zh not_active Expired - Fee Related
- 2010-04-22 CA CA2758972A patent/CA2758972A1/en not_active Abandoned
- 2010-04-22 EP EP10717366.8A patent/EP2422330B1/en active Active
- 2010-04-22 KR KR1020117027649A patent/KR101413505B1/ko not_active IP Right Cessation
- 2010-04-22 WO PCT/US2010/032123 patent/WO2010124138A1/en active Application Filing
- 2010-04-22 BR BRPI1014364A patent/BRPI1014364A2/pt not_active IP Right Cessation
- 2010-04-22 US US12/765,742 patent/US9257041B2/en active Active
-
2011
- 2011-10-07 ZA ZA2011/07368A patent/ZA201107368B/en unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6690292B1 (en) * | 2000-06-06 | 2004-02-10 | Bellsouth Intellectual Property Corporation | Method and system for monitoring vehicular traffic using a wireless communications network |
CN1449551A (zh) * | 2000-06-26 | 2003-10-15 | 卡斯特姆交通Pty有限公司 | 用于提供交通和相关信息的方法和*** |
US6317686B1 (en) * | 2000-07-21 | 2001-11-13 | Bin Ran | Method of providing travel time |
JP2002312886A (ja) * | 2001-04-11 | 2002-10-25 | Toshiba Corp | 道路交通情報管理システム |
WO2007103123A2 (en) * | 2006-03-03 | 2007-09-13 | Inrix, Inc. | Dynamic time series prediction of future traffic conditions |
WO2008021551A3 (en) * | 2006-08-18 | 2008-10-16 | Inrix Inc | Representative road traffic flow information based on historical data |
CN101046919A (zh) * | 2006-10-12 | 2007-10-03 | 华南理工大学 | 基于交通流相特征的城市交通***状态可视化评价方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
ZA201107368B (en) | 2013-03-27 |
US9257041B2 (en) | 2016-02-09 |
KR101413505B1 (ko) | 2014-07-01 |
BRPI1014364A2 (pt) | 2019-09-24 |
AU2010238762C1 (en) | 2015-01-22 |
KR20120049846A (ko) | 2012-05-17 |
WO2010124138A4 (en) | 2010-12-16 |
AU2010238762B2 (en) | 2014-08-07 |
WO2010124138A1 (en) | 2010-10-28 |
ES2536209T3 (es) | 2015-05-21 |
AU2010238762A1 (en) | 2011-11-10 |
EP2422330B1 (en) | 2015-02-25 |
CN102460534A (zh) | 2012-05-16 |
CA2758972A1 (en) | 2010-10-28 |
EP2422330A1 (en) | 2012-02-29 |
US20110106416A1 (en) | 2011-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102460534B (zh) | 基于历史和当前数据预测期望道路交通状况的计算机实现的方法和计算*** | |
Herrera et al. | Evaluation of traffic data obtained via GPS-enabled mobile phones: The Mobile Century field experiment | |
Wang et al. | Estimating dynamic origin-destination data and travel demand using cell phone network data | |
Weijermars | Analysis of urban traffic patterns using clustering | |
Li et al. | Identifying important variables for predicting travel time of freeway with non-recurrent congestion with neural networks | |
US20080071466A1 (en) | Representative road traffic flow information based on historical data | |
Ryus et al. | Methods and technologies for pedestrian and bicycle volume data collection | |
Kumar et al. | A model based approach to predict stream travel time using public transit as probes | |
Sharma et al. | Evaluation of opportunities and challenges of using INRIX data for real-time performance monitoring and historical trend assessment | |
Byon et al. | Bunching and headway adherence approach to public transport with GPS | |
Oskarbski et al. | Estimating the average speed of public transport vehicles based on traffic control system data | |
Bogenberger et al. | Quality management methods for real-time traffic information | |
Bertini | Congestion and its extent | |
Ackaah et al. | Empirical evaluation of real-time traffic information for in-vehicle navigation and the variable speed limit system | |
Balke et al. | Collection and dissemination of real-time travel time and incident information with in-vehicle communication technologies | |
Lorkowski et al. | New ITS applications for metropolitan areas based on Floating Car Data | |
Figliozzi et al. | Design and implementation of pedestrian and bicycle-Specific data collection methods in Oregon | |
Wunderlich et al. | ITS impacts assessment for seattle MMDI evaluation: Modeling methodology and results | |
WO2002089089A1 (en) | Method of determination of travel times and travel time forecasts in a traffic network using the positioning of mobile telephones and system for the implementation thereof | |
Ackaah | Empirical Analysis of Real-time Traffic Information for Navigation and the Variable Speed Limit System | |
Lin et al. | Revealing the spatial variation in vehicle travel time with weather and driver travel frequency impacts: Findings from the Guangdong–Hong Kong–Macao Greater Bay Area, China | |
Purser | Exploring Travel Time Reliability Using Bluetooth Data Collection: Case Study In San Luis Obispo, California | |
Pisarski | Summary and Recommendations of the Workshop on National Urban Congestion Monitoring | |
Bacchus et al. | An opportunity assessment of wireless monitoring of network-wide road traffic conditions | |
Haas et al. | Evaluation of Automatic Vehicle Identification for San Antonio's TransGuide for Incident Detection and Advanced Traveler Information Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141029 Termination date: 20180422 |
|
CF01 | Termination of patent right due to non-payment of annual fee |