CN103261841A - 道路网分析*** - Google Patents
道路网分析*** Download PDFInfo
- Publication number
- CN103261841A CN103261841A CN2012800042499A CN201280004249A CN103261841A CN 103261841 A CN103261841 A CN 103261841A CN 2012800042499 A CN2012800042499 A CN 2012800042499A CN 201280004249 A CN201280004249 A CN 201280004249A CN 103261841 A CN103261841 A CN 103261841A
- Authority
- CN
- China
- Prior art keywords
- road
- variation
- detection information
- traffic volume
- node
- 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.)
- Granted
Links
- 238000003012 network analysis Methods 0.000 title 1
- 238000001514 detection method Methods 0.000 claims description 125
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 25
- 239000000284 extract Substances 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 abstract description 28
- 230000000694 effects Effects 0.000 abstract description 5
- 238000011835 investigation Methods 0.000 description 32
- 238000000034 method Methods 0.000 description 31
- 238000010586 diagram Methods 0.000 description 18
- 230000003203 everyday effect Effects 0.000 description 10
- 238000009499 grossing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000035772 mutation Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 101000708573 Homo sapiens Y+L amino acid transporter 2 Proteins 0.000 description 1
- 101150061388 LON1 gene Proteins 0.000 description 1
- 101150066689 LON3 gene Proteins 0.000 description 1
- 102100038204 Large neutral amino acids transporter small subunit 1 Human genes 0.000 description 1
- 108091006232 SLC7A5 Proteins 0.000 description 1
- 102100032803 Y+L amino acid transporter 2 Human genes 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3844—Data obtained from position sensors only, e.g. from inertial navigation
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
- G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Ecology (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Instructional Devices (AREA)
Abstract
根据探测器信息检测重要的道路网的变化。每日汇总来自多辆探测车(10)的探测信息,对每条道路计算出以日为单位的通行量的变化。而且,在检测出特定的基准日前后通行量发生显著变化的道路的情况下,判断为在其周边发生对交通有影响的重要的道路网的变化,将该道路作为变化关联道路。接着,在多条变化关联道路的端点间进行路径探索,选择探索到的路径与变化关联道路的重叠多的道路,确定由于一个原因而共同受到影响的具有关联性的变化关联道路及其端点。这样,通过利用通行量的变化和路径探索确定有关联性的地方,能够设定对重要的道路网的变化可高效率地进行当地调查的候补调查路线。
Description
技术领域
本发明涉及根据表示探测车的行驶轨迹的探测信息分析道路网的变化的技术。
背景技术
为了地图数据的整备,谋求活用表示探测车的行驶轨迹的探测信息。所谓探测车是指,利用GPS(Global Positioning System,全球定位***)等时时刻刻检测本车的位置,通过网络将其履历发送出的车辆。专利文献1公开了在从探测车得到未登记的道路的通行信息3次以上时,将该未登记的道路登记于地图数据库的技术。
在先技术文献
专利文献1:日本特开平9-243391号公报。
发明内容
本发明要解决的问题
但是,地图数据的整备不一定是必须对全部道路即时进行的工作,但新的干线道路的开始提供使用、废止、或禁止通行等信息,由于对利用者有较大影响,因此需要快速反映在地图数据中。对这一点,以往的技术虽然能够检测出新道路的开通,但是不能够判断对利用者的影响。又,对全部道路进行现场调查是很费事的。
鉴于上述的存在问题,本发明的目的在于,能够检测出对利用者有影响、有必要快速反映于地图数据中的重要道路网的变化。
解决问题用的手段
表示作为根据表示车辆行驶轨迹的探测信息分析道路网的变化的道路网分析***的本发明的结构。本发明的道路网分析***具备探测信息存储部、道路网络数据存储部、通行量分析部、以及道路网变化判定部。
探测信息存储部按时间序列存储探测信息。车辆的探测信息不一定是将行驶轨迹连续存储的信息,也可以分断开的。最好将多辆车辆的探测信息存储起来。
道路网络数据存储部存储表示道路网的道路网络数据。道路网络数据能够分别以节点和链路表示交叉路口和道路,还有,交叉路口和道路的种类、宽度等属性、已经设定好的通行限制信息等也可以一起存储。
通行量分析部从探测信息存储部针对对象区域的道路网,读出规定的基准时前后的规定期间内的探测信息,对于通过与道路网络数据形成对应关系而构成道路网的已有的各道路,求得规定的基准时前后的各个规定期间的通行量。通行量既可以按照行进方向分别求得,也可以与行进方向无关地求得。要求取通行量的期间,在能够把握通行量的变化倾向的程度下任意设定即可。而且,不一定要求取连续期间的通行量,也可以求取离散设定的期间的通行量。
道路网变化判定部根据规定的基准时前后的通行量求取变化关联道路。所谓变化关联道路是指被认为在其周围道路网发生变化的道路。道路网变化判定部对每一条道路比较规定的基准时前的规定期间中的通行量与规定的基准时后的规定期间中的通行量,将其变化在规定值以上的道路判定为变化关联道路。
判断变化关联道路用的规定值可以任意设定。如果规定值大,被作为变化关联道路检测出的是缩小到对交通影响大的道路。如果规定值小,则也包含对交通影响小的道路,数量增加。规定值可以考虑这样的效果进行设定。
上述的规定基准时可以根据道路的开通等信息由操作者进行指定。
如果采用本发明,则可以根据探测信息检测已有的各道路的通行量的变化,据此判定道路网的变化。例如,如果有新的干线道路开始提供使用,想要利用该干线道路,与干线道路连接的道路的通行量增加,从前利用的道路的通行量减少等周围的交通流会发生变化。利用者多的主要道路的废止、禁止通行等发生的情况也同样地,周围的道路上出现通行量的变化。与此相反,利用者非常少的狭窄的街道即使开通,其周围的通行量也不会发生有意的变化。这样,通过着眼于已有的道路发生的通行量的变化,本发明能够检测出对交通影响大的道路网的变化。
如果在本发明中能够判定变化关联道路,则通过对其周围进行现场调查,能够找出道路网的变化、即新道路的开通、已有的道路的废止、禁止通行等情况,能够将其快速反映于地图数据上。
通行量分析部也可以根据作为分析对象的道路网的属性有选择地读出探测信息。所谓道路网的属性可以包含例如观光地、娱乐设施、办公街等提供道路网的利用倾向的信息。如果是观光地,则是该地方的观光季节,如果是娱乐设施,则是休息日,如果是办公街,则是平日,这样地根据道路网的属性限定期间或星期几,有选择地读入探测信息,如果这样做,则能够确切把握对主要利用者的影响。
属性信息也可以是道路的种类或道路宽度等。在这样的情况下,也可以根据该道路宽度,确定能够通行的车型,有选择性地读出对应于该车型的探测信息。在比较狭窄道路较多的道路网的情况下,可以避开大型车辆读出探测信息。
又,通行量分析部也可以根据探测信息的规定期间内的总数,实施对读出的探测信息进行归一化的处理。在按每规定的单位期间以时间序列存储探测信息的情况下,也可以实施用单位期间内的总数进行归一化的处理。在这里单位期间可以任意设定,可以采用年月日单位、小时单位等。在探测信息的总数按每一期间发生变动的情况下,总数的变化也对通行量发生影响。如果以总数除探测信息实施归一化,则能够缓和总数的影响,能高精度地把握通行量的变动。
在找出多条变化关联道路时,这些变化关联道路中存在共同承受由于新的干线道路的开通等一个道路网的变化产生的影响的道路的可能性大。从而,如果能够确定这样由于共同的原因使得通行量发生变化的变化关联道路,就能够缩小道路网有变化的区域。
在道路网分析***中,还具备根据上述道路网络数据进行指定的两点间的路径探索的路径探索部,因此也可以用下面的方法设定用于调查道路网的变化的候补调查路线(Route)。首先,确定多条变化关联道路的端点。然后,在不同的变化关联道路的端点间,利用路径探索部进行路径探索。提取这样探索到的路径中与变化关联道路重叠的路径。
在利用2条变化关联道路间的路径探索得到的路径与任一变化关联道路重叠的情况下,这些变化关联道路由于一个道路网的变化而共同承受影响的可能性大。因此,如果将连结两者的路径设定为调查路线,则能够高效率地找出这样的道路网变化。
在这样找出候补调查路线的情况下,也可以用下面的方法设定候补调查路线。首先,将通行量增大的变化相关道路或通行量减少的变化相关道路中的一方从探索对象中排除。然后,在先前得到的候补调查路线的两端点之间,利用路径探索部进行路径探索,提取探索到的路径中与留下的变化关联道路重叠的路径。在将通行量增大的变化关联道路除外的情况下,与通行量减少的变化关联道路重叠的路径成为候补调查路线,在将通行量减少的变化关联道路除外的情况下,与通行量增大的变化关联道路重叠的路径成为候补调查路线。
如果认为整个道路网的通行量大概为一定值,若在某一道路通行量增加,则在某一道路通行量会减少,反之也相同。如果采用上述方法,通过在将通行量增大或减少的变化关联道路除外的状态下进行路径探索,能够确定受这样变化的影响并且呈现出通行量减少或增加的逆向变化的变化关联道路。从而,如果将该路径作为候补调查路线,能够高效率地找出受到这样的影响的道路网的变化。
以上说明中,探测信息为求取规定期间内的通行量或变化量的信息。规定期间能够进行各种设定,可以是一天为单位,也可以是以两天为单位统计,还可以是以7天也就是一周、或30天也就是一个月为单位统计。又,也可以不以24小时为单位捕捉信息,而只限于通勤(上下班)时间段等。
此外,本发明也可以作为利用计算机判定道路网的变化用的道路网分析方法来构成,也可以作为使计算机执行这样的分析用的计算机程序来构成。又,可以作为记录这样的计算机程序的计算机可读记录媒体来构成。作为记录媒体,可以使用软盘或CD-ROM、光磁盘、IC卡、ROM卡盒、穿孔卡、印刷有条形码等符号的印刷品、计算机的内部存储装置(RAM或ROM等存储器)以及外部存储装置等计算机可读的各种媒体。
附图说明
图1是表示道路网分析***的结构的说明图。
图2是探测信息的前分析处理的流程图。
图3是表示基准日设定的考虑方法的说明图。
图4是通行量变化分析处理的流程图。
图5是表示调查路线设定的考虑方法的说明图。
图6是表示特殊节点检测的考虑方法的说明图。
图7是表示节点间的关联性的判断方法的说明图。
图8是调查路线设定处理的流程图(1)。
图9是调查路线设定处理的流程图(2)。
符号说明
10……探测车
11……GPS
12……通信模块
100……服务器
110……探测信息数据库
120……地图数据库
130……道路网络数据库
200……分析终端
210……探测信息分析部
211……通行限制判定部
212……回避因素判定部
213……道路网变化判定部
214……通行量分析部
220……路径探索部
230……探测信息读出部
240……探测信息存储部。
具体实施方式
实施例1
A.***结构:
图1是表示道路网分析***的结构的说明图。道路网分析***由个人电脑(具备CPU、RAM、ROM、硬盘等)构成的分析终端200、以及储存数据库的服务器100(具备CPU、RAM、ROM、硬盘等)构成。两者以网络LAN(局域网)连接。分析终端200与服务器100也可以形成一体化结构,也还可以形成利用多个服务器等将分析终端200的功能进一步分散处理的结构。
服务器100储存着探测信息数据库110、地图数据库120、道路网络数据库130。
地图数据库120储存着描绘地图用的多边形数据。地图数据库120是为了在分析终端200中在地图上显示分析结果、或为了探测车10上搭载的导航装置进行地图显示而使用的。
道路网络数据库130储存分别用链路、节点的形式表示由道路和交叉路口构成的道路网的道路网络数据。道路网络数据也可以用于路径探索。道路网络数据中,将各链路、节点,与表示国道·县道等道路种类、车道数等道路宽度、禁止左右转等行进方向限制和单向通行等通行限制的信息一起存储。
探测信息数据库110是按时间序列存储探测车10的行驶轨迹的数据库。
图中示意性表示探测车10的结构。各探测车10中搭载着GPS(Global Positioning System,全球定位***)11,能够测量位置坐标。位置坐标的测量也可以采用GPS以外的方法。探测车10搭载通信模块12,通过网络NE在规定定时将由GPS11测量的位置信息发送到服务器100(以下有时也称为“上传”)。服务器100对于每一探测车10将该位置信息存储于探测信息数据库110。从探测车10上传的信息中除了位置信息之外,也可以包含表示探测车10的行驶速度、油门、刹车、方向盘等的驾驶操作的信息。
从探测车10将探测信息上传到服务器100的定时能够进行各种设定。本实施例中,为了收集对分析有实效性的信息,在探测车10以规定速度以上的速度行驶的状态下并且处于道路网络数据库130中存储的任何节点、链路上的情况下进行上传。是否处于链路、节点上的判断,通过在探测车10上预先搭载利用与道路网络数据库130相同的道路网络数据的导航装置能够容易地实现。
图中以方框图表示分析终端200实现的功能。这些功能通过在分析终端200上安装实现各功能用的计算机程序来实现。也可以采取以硬件方式实现功能的一部分或全部的结构。
下面对分析终端200的功能进行说明。
探测信息读出部230从服务器100的探测信息数据库110读出分析所需要的探测信息,存储于探测信息存储部240。探测信息数据库110中,将各探测车10的位置信息以坐标形式储存。本实施例中,探测信息读出部230为了便于在分析中使用实施将位置信息变换为以节点、链路表示的形式的前分析处理,在此基础上存储于探测信息存储部240。该前分析处理的内容将在后面叙述。以下的说明中,只要不特别表示,将实施前分析处理后的信息称为探测信息。
路线探索部220利用道路网络数据进行指定的2点间的路径探索。路径探索可以使用众所周知的迪杰斯特拉法(Dijkstra)等。本实施例中,路径探索的结果被使用于探测信息分析部210进行的种种分析中。
探测信息分析部210实施基于存储于探测信息存储部240的探测信息的分析。在本实施例的分析终端200能够进行通行限制的分析和道路网变化的判定。
通行限制判定部211根据探测信息判定道路和交叉路口的通行限制。如先前说明的那样,道路网络数据中同时也存储着通行限制信息,但是因道路和交叉路口的不同,可能或有遗漏,或有带新的限制,或成为与从前带有的限制不同的限制。通行限制判定部211根据探测信息判定通行限制信息,以支持道路网络数据的通行限制信息的整备。
回避因素判定部212判定有无使驾驶员避开道路和交叉路口通行的因素及其程度。以下将该因素称为回避因素。作为回避因素,可以列举例如在以对象通行方法通行的情况下,想要进入的道路比当前的道路宽度窄,道路在交叉路口连接成锐角状、用户已知绕远路、进入偏离主要道路的封闭地段等。回避因素判定部212得到的判定结果被使用于通行限制判定部211进行的分析中。
道路网变化判定部213根据从探测信息得到的各道路和交叉路口的通行量的每天的变化,判定有必要使其反映于道路网络数据程度的道路网的变化。
为了在上述的分析中使用,通行量分析部214根据探测信息统计性地汇总各道路和交叉路口的每天的通行量。
B.前分析处理:
在读出服务器100中储存的探测信息时,分析终端200实施将位置信息从坐标变换为节点、链路的形式的前分析处理。
图2是探测信息的前分析处理的流程图。相当于探测信息读出部230的处理内容,是分析终端200的CPU以硬件方式执行的处理。
首先,CPU从服务器100读出探测信息(步骤S10)。图中例示探测信息的结构。对应于时刻t1~t3,像位置坐标(LAT1、LON1)~(LAT3、LON3)那样,以经纬度的坐标形式进行存储。此外,也可以读出速度V1~V3以及驾驶操作等。
CPU对该位置坐标实施地图匹配处理(步骤S12)。图中表示处理的考虑方法。例示以链路L1~L3以及节点N1所构成的交叉路口。对于这些链路L1~L3,根据车道数等表示道路宽度的属性,设定宽度W1~W3的区域AL1~AL3。宽度W1~W3也可以考虑由GPS得到的位置信息的测量误差采用比道路宽度更大的值。在节点N1,设定将这些区域AL1~AL3重合定义的区域AN1。图中,对于区域AN1赋予影线,以便于判别各区域。
CPU通过判定探测信息的位置坐标是否在区域AL1~AL3、AN1中的任意一个,将位置坐标变换为链路、节点。图中的点P1~P3表示对应于时刻t1~t3的位置坐标的点。点P1由于位于区域AL1内,因此位置坐标被变换为链路L1。点P2由于在区域AL1外,因此位置坐标的变换出错。点P3由于位于区域AN1内,因此位置坐标被变换为节点N1。
CPU将如上分析得到的分析后的探测信息输出到探测信息存储部240(步骤S14)。图中表示分析后的数据结构。相对于分析前,形成时刻t1的位置信息变换为链路L1、时刻t3的位置信息变换为节点N1这样的将位置信息变换为链路、节点的形式。时刻t2由于位置坐标的变换出错,为出错显示(Err)。
C.通行量变化分析处理:
本实施例根据探测信息的通行量的变化检测道路网的变化。以下将推定为道路网发生了变化的日子称为“基准日”。基准日也可以根据行政机关等提供的信息由操作者设定,但是也可以根据探测信息的变化进行分析性地设定。下面,首先表示分析地设定基准日的考虑方法,之后对通行量变化分析处理进行说明。
C1.基准日设定的考虑方法:
图3是表示基准日设定的考虑方法的说明图。上侧表示每一日期的探测信息,也就是作为分析对象的道路的通过台数的每天的变化。细线表示的锯齿状曲线图表示探测信息的原始数据,也就是每天的通行台数的汇总结果。所有探测车未必每天有规则地行动,也不一定能够将探测车的行驶轨迹全部不遗漏地作为探测信息检测出,因此,形成表示通行台数这样每天激烈变化的曲线图。
图中粗线所示的曲线表示使通行台数平滑化的结果。平滑化可以以各种方法进行。例如,作为某一天的通行台数,也可以使用其前后3~5天左右的通行台数的平均值。又,可以对原始数据用最小二乘法求平滑化的曲线,或也可以计算出样条(Spline)曲线。也可以使原始数据通过所谓低通滤波器,除去噪音成分。
无论看原始数据还是平滑化曲线,都可以看到在后半部分中,以某期间为界,通行台数显著增多。在这里目的就是分析性地确定通行台数这样显著变化的分界日。
一旦得到平滑化的曲线,就利用其微分计算出变化率。在下侧表示变化率的曲线。由于平滑化的曲线也有凹凸,因此如图所示,在整条曲线上显示有正或负的变化率。但是,在通行台数显著增多的部分,出现正的大变化率,在其他期间,变化率的绝对值停留在比较小的范围。
因此,设定将伴随探测信息的日常变动的变化率判断为平稳的阈值±Th,超过该阈值时判断为发生可以说是不连续的显著变化,以该期间内的代表日为基准日。为了避免噪音带来的影响,也可以只提取多日中变化率连续超出阈值Th的期间。代表日可以采用最初超过阈值Th的日子、超过阈值Th的最后日、超过阈值Th的期间的中央日等。
一旦规定基准日,就能够求取基准日前后的通行量的变化。如图中所示,在变化率的绝对值收敛于阈值Th的基准日前后的期间内,选择规定日数份额的期间PD1、PD2,求取该期间的通行量的平均值。然后,通过求取该平均值的变化量(相当于图中的A),可以得到基准日前后的通行量的变化。求取平均值的规定日数可任意设定。
C2. 通行量变化分析处理:
图4是通行量变化分析处理的流程图。这是通行量分析部214(参照图1)实行的处理,是分析终端200的CPU以硬件方式执行的处理。
首先,CPU根据作为分析对象的对象区域的属性设定探测信息的提取条件(步骤S20)。图中例示了确定探测信息的提取期间或星期几的条件。对象区域为旅行等访问的观光地的情况下,缩小到与该场所相应的观光季节提取探测信息。对于出门当天往返的游乐场所或游乐园、其他的娱乐设施周边的对象区域,提取休息日的探测信息。对于其他的对象区域提取平日(星期一到星期五)的探测信息。对象区域与什么相符合,可以由操作者输入,也可以由分析终端200判定对象区域内是否存在观光地或游乐场所。提取条件除了这样缩小(絞る)期间之外,也可以有种种设定。也可以不设定这样的提取条件,而使用全部探测信息。
接着,CPU根据提取条件提取对象区域内各道路的探测信息,计算出每一天的通过台数(步骤S22)。然后,通过将各天的通过台数除以对象区域内的总台数来实现归一化(步骤S24)。对象区域内的探测车的总数对各道路的通行量产生影响。如果探测车的总数增加,则即使是道路网没有发生变化的情况下,也有各道路的通行量发生不连续增加的情况。归一化是用于缓和该影响的处理。所谓探测车的总数不单意味着搭载了发送探测信息的装置的车辆的总数,而且意味着每一天发送来探测信息的探测车的总数。
归一化处理不一定必要。例如在能够充分确保探测车总数的情况下,每天的总数变动造成的影响相对变小,因此也可以省略归一化处理。又,该实施例中例示了每天实施归一化的例子,但是也可以用求取上述平均值的规定天数份额的总数来实施归一化。还有,归一化不一定以日为单位进行,一日的探测信息中,只活用特定时间带的信息的情况下,也可以采用该时间带的总数进行处理。
一旦求得各天的通行量,CPU就使各道路的通行量平滑化,计算出通行量的变化率(步骤S26)。求取图3的上侧所示的平滑化曲线以及下侧所示的变化率。然后,确定变化率的绝对值超过阈值Th的期间,设定基准日(步骤S28)。其设定方法如图3所述。
图4的步骤S28中,表示出对多条道路找出基准日的情况的处理例。当对于对象区域内的各道路进行以通行量的变化为依据的分析时,就存在以多条道路求取基准日的情况。在这样的情况下,根据各道路的分析结果重复的期间设定基准日。
例如,如图所示,对于道路A,在期间A1、A2变化率超过阈值Th,对于道路C,在期间C1变化率超过阈值Th。在道路B,不存在变化率超过阈值Th的期间。这样的情况下,根据对于道路A检测出的期间A1、A2和对于道路C检测出的期间C1重复的期间SD设定基准日。因为期间A2、C1的道路网的变化被认为是对道路A、C产生影响的共同的变化,被判断为重要性高。
一旦这样决定了基准日,CPU根据基准日前后期间的通行量计算出各道路通行量的变化(步骤S30)。与先求取图3说明的变化量A的处理相当。变化量可以用通行量的变化台数、变化比例(%)等形式表示。如下所述,该通行量的变化大的道路被判断为由于道路网的变化而受到影响的部分。本实施例将这样的道路称为变化关联道路。
D.调查路线的设定:
下面对调查路线的设定方法进行说明。本实施例中,如上所述,根据通行量的变化确定变化关联道路,但对于这样使通行量变化的原因则进行现场调查,使其反映于道路网络数据。为了使正确的信息反映于道路网络数据中,光进行探测信息的分析是不够的,因为现场调查是不可或缺的。本实施例的分析终端200为了能够高效率地进行现场场调查,能够缩小道路网发生变化的地方即进行现场调查的调查区域或候补调查路线。
D1.设定调查路线的考虑方法:
图5是表示设定调查路线的考虑方法的说明图。如图5(a)所示,考虑由链路L1~L16、节点N1~N4构成的道路网。在这里,以前不存在的旁路BPS(以虚线表示)开始提供使用。
开通旁路BPS前,多数利用者通过路径Ra1(链路L1、L3、L6、L16)通行。一旦旁路BPS开通,由于利用者利用旁路BPS,而成为通过路径Ra2(链路L1、L7),通过旁路BPS,通过路径Ra3(链路L16)。由于旁路BPS的道路网络数据不存在,在探测信息上不能够确定各探测车通过旁路BPS行驶这样的情况。在旁路BPS上行驶的期间,探测信息不与以链路L12为首的任何链路进行地图匹配,只作为出被处理(参照图2)。从而,探测信息上形成流入节点N3的探测车在那里忽然消失,在节点N2上突然出现的状态。
一旦如上所述交通流发生变化,各链路的通行量也发生变化。链路L3、L6(以实线和虚线的双重线表示)由于以前的利用者流向链路L7,因此通行量减少。与此相对,链路L7、L16(以粗线表示)则由于旁路利用者行驶而通行量增加。其他链路上通行量没有发生显著变化。这样,通行量显著增加或减少的链路L3、L6、L7、L16相当于变化关联道路。
该变化关联道路的两端的节点(节点N1~N4)由于设定调查路线而成为关联性高的节点。本实施例中,像节点N1、N2那样,将相当于通行量增大的链路与通行量减少的链路的交点的节点称为“重要节点”。像节点N4那样,将变化关联道路的其他节点称为“留意节点”。再者,将节点N3、N2称为“特别节点”,对其内容将在后面叙述。
变化关联道路的两端的节点(节点N1~N4)即使被求得,这些节点是否全部受到单一的道路网变化的影响也不清楚。图5的例子中,节点N1~N4显然都会因为旁路BPS的建设而受到影响,但仅仅对通行量的变化进行分析是不能确定影响到那个程度的。
因此,为了确定在受单一的道路网影响的意义上具有关联性的节点的组合,对这些节点N1~N4中的两点间的组合的全部进行路径探索。从得到的路径中选择与变化关联道路重合多的路径,判断其两端的节点具有关联性。图5的例子中,节点N1、N2间的路径由于与链路L3、L6重复,在全部路径上与变化关联道路重叠,因此判定其两端的节点N1、N2具有关联性。
还有,节点N1、N4间的路径、节点N2、N4间的路径也分别与变化关联道路L3、L6重叠,但节点N1、N2都是重要性高的“重要节点”、“特殊节点”,相比之下,节点N4是重要性低的“留意节点”,因此节点N1、N2优先。
一旦能够确定具有关联性的节点,则调查路线可以用连结这两个节点的路径进行设定。这时,从旁路BPS开通的位置可知,最好是将从节点N1起通过链路L7的路径设定为调查路线。本实施例中,用下面所示的方法求取这样的调查路线。
图5(b)表示设定调查路线的情况。
首先,从探索对象中排除与确定有关联性的节点时进行的路径探索重复的变化关联道路(链路L3、L6)。也可以缩小到通行量增加的链路或通行量减少的链路来进行排除。图5(a)的例子中将链路L3、L6除外。图5(b)例示将这些除外的状态。
然后,设定包含节点N1、N2的调查区域AA。调查区域AA的宽度及形状能够任意设定。在该调查区域AA的周边的节点间进行路径探索,选择与调查区域AA内存在的变化关联道路的重复大的路径作为调查路线。
图5(b)的例子中,节点S、D间的路径(箭头Rb1~Rb3)与对应于变化关联道路的链路L7、L16重复,因此成为调查路线。如果进行沿着这样设定的调查路线的现场调查,在沿着链路7行驶时,如果链路7与旁路BPS间没有遮蔽物,就很容易发现旁路BPS的开通。
D2. 特殊节点的检测:
图5(a)的说明中对“重要节点”、“留意节点”进行了说明,并且表示出节点N3、N2符合“特殊节点”的情况。以下对该“特殊节点”的意义和检测方法进行说明。
图6是表示检测特殊节点的考虑方法的说明图。图6(a)~图6(c)分别表示对于图5(a)的节点N1、N3、N2这些节点的全进入量、全退出量的变化。左侧是旁路BPS开通前的状态,右侧是BPS旁路开通后的状态。
如图6(a)的左侧所示,旁路BPS开通前,车辆从链路L1进入节点N1、向链路L3退出的车流成为主流。将进入量、退出量作成曲线图进行表示。探测信息如果能够正确检测对节点N1的进入量/退出量的话,两者理应一致,但是实际上存在检测误差,因此进入量/退出量之间产生差异E1。
如图6(a)的右侧所示,旁路BPS开通后,车辆从链路L1进入节点N1、向链路L7退出的车流成为主流。进入量、退出量之间产生相应于探测信息的检测误差的差异E2。显示出的情况是,旁路BPS开通前进入量比退出量少,开通后进入量比退出量多,但这只不过表示两者的差异可以以各种形态表现出来,不一定意味着发生这样的逆转现象。
同样观察节点N3的变化。
如图6(b)的左侧所示,旁路BPS开通前,车辆从链路L7进入节点N3、向链路L10退出的车流成为主流。进入量、退出量之间存在相应于探测信息的检测误差的差异E3。
如图6(b)的右侧所示,旁路BPS开通后,车辆从链路L7进入节点N3、向旁路BPS退出的车流成为主流。对链路7的进入量比开通前增加。如先前说明的那样,由于没有从向旁路BPS退出的车辆得到探测信息,表观上从节点N3的退出量只是向旁路BPS以外的方向行驶的车辆的份额,变得非常少。其结果是,进入量与退出量之间产生不能说是探测信息的检测误差程度大的差异E4。
图6(c)表示节点N2的变化。
如图6(c)的左侧所示,旁路BPS开通前,车辆从链路N6进入节点N2、向链路L16退出的车流成为主流。进入量、退出量之间产生相应于探测信息的检测误差的差异E5。
如图6(c)的右侧所示,旁路BPS开通后,车辆从旁路BPS进入节点N3、向链路L16退出的车流成为主流。由于从由旁路BPS进入的车辆得不到探测信息,因此表观上进入节点N2的进入量只是从旁路BPS以外进入的车辆的份额,变得非常少。其结果是,进入量与退出量之间产生不能说是探测信息的检测误差程度大的差异E6。
如图6(b)、图6(c)所示,由于道路网的变化状态的不同,会有在节点的进入量与退出量之间产生不能说是探测信息的检测误差程度的差异的部分。能够判定产生这样大的差异的节点是表示在其最近的地方道路网发生变化的非常特殊的节点。
D3. 节点相互间的关联性的判断:
图5表示在比较狭窄的区域内判断节点的关联性的例子。在道路网变化的分析对象区域宽阔的情况下,变化关联道路中也包含由于不同的因素而发生通行量变化的道路。示例即使是这样的情况下也能够以先前用图5(a)说明的利用路径探索的方法来判断节点间的关联性的例子。
图7是表示节点间的关联性的判断方法的说明图。图中节点N1、N2、N3相当于图5(a)中所示的范围,在该区域内建设旁路BPS。图中,粗线(链路L7、L16、L20)表示通行量增大的变化关联道路,实线与虚线的双重线(链路L3、L6、L21)表示通行量减少的变化关联道路。右上方所示的链路L20、L21分别相当于变化关联道路,但显然是旁路BPS开通以外的因素造成的。
节点N1~N3以及N10分别表示特殊节点或重要节点。
为了调查节点N1~N3、N10的关联性,进行以这些节点作为端点的路径探索。为了避免使图复杂化,省略全部路径的图示,但能够根据节点的组合,分别得到路径R71~R74等。
然后选择这些路径中与变化关联道路的重复比例高的路径。
路径R71因为与通行量减少的变化关联道路L3、L6完全重复而被选择。
路径R72由于完全不与变化关联道路重叠而被排除。
路径R73与链路L20重叠,路径R74与链路L20、L7重叠,但在该路径中所占的比例比路径R71小,所以被排除。
从而,路径R71被选出,处于其两端的节点N2、N3被判定为具有关联性的节点。对像链路L20、L21那样由于与旁路BPS开通不通的因素导致产生通行量变化的节点,如图7所示,路径探索的结果是,探测出通过与通行量变化无关的道路的路径,因此自然与变化关联道路重叠的比例小,被判定为没有关联性的节点。
D4. 调查路线设定处理:
图8、9是调查路线设定处理的流程图。是道路网变化判定部213(参照图1)执行的处理,是分析终端200的CPU以硬件方式实行的处理。
CPU首先将基准日以后对节点的进入量和退出量的误差为阈值Eth以上的节点作为特殊节点提取(步骤S50)。首先执行图6中说明的处理。阈值Eth是用于判断在对交叉路口的进入量和退出量之间是否产生不能说是探测信息的检测误差程度的差异的基准值。可以预先调查探测信息发生的检测误差,将超过该误差的值设定为任意。
CPU接着将通行量变化的绝对值比阈值δ大的链路作为变化关联链路提取(步骤S52)。通行量增大的变化关联链路被称为“增大链路”,通行量减少的变化关联链路被称为“减少链路”。通行量的变化(相当于图3的A)也可以用台数或变化比例中的任一个来表示。判断为变化关联链路与否的阈值δ能够任意设定。如果将阈值δ设定得大,则道路网变化的检测灵敏度下降,或者,如果设定得过小,则不能说是道路网的变化造成的影响也能够检测出。阈值δ只要考虑两者的效果进行设定即可。
而且,CPU将增大链路与减小链路交叉的节点作为重要节点提取(步骤S54),将其他的增大链路、减少链路的端点作为留意节点提取(步骤S56)。留意节点中包含增大链路相互间的交点、减少链路相互间的交点、变化关联道路以外的道路与增大链路或减少链路的交点。
接着,CPU为了调查提取出的特殊节点、重要节点、留意节点的关联性,在这些节点间进行路径探索,提取通过增大链路或减少链路的路径(步骤S58)。节点数量多的情况下,也可以省略留意节点进行路径探索。
一旦路径探索结束,CPU根据下面所示的优先顺序选择一条路径(步骤S60)
条件1 增大链路、减少链路所占的比例高;
条件2 通过顺序优先顺序高的节点;
优先顺序依序为“特殊节点”、“重要节点”、“留意节点”的顺序。在根据条件1不能够缩小到一条路径的情况下,可以考虑条件2。
一旦选择好一条路径,其两端成为具有关联性的节点。CPU将包含所选择的路径的区域设定为调查区域(步骤S62)。这相当于图5(b)的区域AA。而且,将调查区域内的减少链路从探索对象中排除,在调查区域周边的节点之间进行路径探索(步骤S64)。相当于图5(b)中说明的处理。也可以取代减少链路,限定于步骤S60选择的路径上的变化关联链路进行去除,也可以取代减少链路而将增加链路去除。
CPU还从步骤S64的处理得到的路径探索中将增大链路占的比例高的路径确定为调查路线(步骤S66)。由于在步骤S64将减少链路除外,因此可以看到增大链路所占的比例,而在步骤S64将增大链路除外的情况下,只要可以看到减少链路所占比例即可。
通过这样做,如图5(b)所示,能够设定用于有效检测道路网的变化的调查路线。
E.效果:
如果采用本实施例的道路网分析***,则能够根据探测信息的分析结果,检测出道路网的变化中有无对交通影响大的重要的变化。而且,借助于利用路径探索的方法,能够确定用于对该变化有效地进行现场调查用的调查路线。
在以上的实施例中,以旁路等新道路开通的情况作为例子进行了说明,但本实施例不仅是这样的情况,也能够适用于已有的道路被废止的情况、或停止通行的情况等。在已有的道路废止或禁止通行等情况下,发生下述的变化,即以往利用的道路的通行量减少,而代之以其他道路的通行量增大。如果是这样发生交通变化程度的重要变化,可以利用与实施例一样的考虑方法进行检测。
以上对本发明的实施例进行了说明。道路网***不一定要具备上述实施例的全部功能,也可以只实现一部分。又可以在上述内容中设置追加功能。
本发明不限于上述实施例,当然也可以在不脱离其趣旨的范围内采用各种结构。例如,实施例中的以硬件方式构成的部分也可以用软件方式构成,反之亦然。
工业应用性
本发明能够检测出影响交通程度的重要的道路网变化,能够用于支持地图数据的整备。
Claims (4)
1.一种道路网分析***,根据表示车辆的行驶轨迹的探测信息分析道路网的变化,其特征在于,具备:
探测信息存储部,对于多辆车辆按时间序列存储所述探测信息;
道路网络数据存储部,存储表示道路网的道路网络数据;
通行量分析部,对于对象区域的道路网,从所述探测信息存储部读出规定基准时的前后的规定期间内的探测信息,对于通过与所述道路网络数据形成对应关系而构成所述道路网的已有的各道路,求取所述规定基准时的前后各规定期间的通行量;以及
道路网变化判定部,将相对所述规定基准时之前的规定期间的通行量,该规定基准时之后的规定期间的通行量的变化在规定值以上的道路,判定为在该道路的周围所述道路网发生了变化的变化关联道路。
2.根据权利要求1所述的道路网分析***,其特征在于,
所述通行量分析部实施下述处理的至少之一:
根据作为所述分析对象的道路网的属性选择性地读出所述探测信息的处理;以及
基于所述探测信息的所述规定期间内的总数、或按规定的每单位期间以时间系列存储所述探测信息的情况下的该单位期间内的总数,对所述读出的探测信息进行归一化的处理,
求所述通行量。
3.根据权利要求1或2所述的道路网分析***,其特征在于,
还具备根据所述道路网络数据进行指定的2点间的路径探索的路线探索部,
所述道路网变化判定部
确定所述多条变化关联道路的端点,
在不同的所述变化关联道路的端点间,利用所述路径探索部进行路径探索,
提取该探索的路径中与所述变化关联道路重叠的路径。
4.根据权利要求3所述的道路网分析***,其特征在于,
所述道路网变化判定部
在去除通行量增大的所述变化关联道路或通行量减少的所述变化关联道路中的一方的状态下,在所述提取的路径的两个端点间,利用所述路径探索部进行路径探索,
提取该探索到的路径中与剩下的变化关联道路重叠的路径。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011-009158 | 2011-01-19 | ||
JP2011009158A JP5315363B2 (ja) | 2011-01-19 | 2011-01-19 | 道路網解析システム |
PCT/JP2012/050880 WO2012099136A1 (ja) | 2011-01-19 | 2012-01-17 | 道路網解析システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103261841A true CN103261841A (zh) | 2013-08-21 |
CN103261841B CN103261841B (zh) | 2015-12-09 |
Family
ID=46515759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280004249.9A Expired - Fee Related CN103261841B (zh) | 2011-01-19 | 2012-01-17 | 道路网分析*** |
Country Status (5)
Country | Link |
---|---|
US (1) | US8731808B2 (zh) |
EP (1) | EP2650649B1 (zh) |
JP (1) | JP5315363B2 (zh) |
CN (1) | CN103261841B (zh) |
WO (1) | WO2012099136A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139682A (zh) * | 2015-07-27 | 2015-12-09 | 福建工程学院 | 一种封闭道路的确认方法及*** |
CN109509346A (zh) * | 2017-09-15 | 2019-03-22 | 丰田自动车株式会社 | 交通量确定***、交通量确定方法及计算机可读存储介质 |
CN109509347A (zh) * | 2017-09-15 | 2019-03-22 | 丰田自动车株式会社 | 交通量确定***、交通量确定方法及计算机可读存储介质 |
CN112639919A (zh) * | 2018-08-31 | 2021-04-09 | 株式会社电装 | 车辆侧装置、服务器、方法和存储介质 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5819868B2 (ja) | 2013-02-12 | 2015-11-24 | 株式会社ゼンリン | 新規道路検出ロジック |
GB201400382D0 (en) | 2014-01-10 | 2014-02-26 | Tomtom Dev Germany Gmbh | Methods and systems for detecting a closure of a navigable element |
JP6174502B2 (ja) * | 2014-02-21 | 2017-08-02 | 株式会社ゼンリン | 経路探索装置、経路探索方法、コンピュータプログラム、および、データ構造 |
JP6423212B2 (ja) * | 2014-09-12 | 2018-11-14 | 株式会社ゼンリン | 運転支援システム、データ構造 |
US9891057B2 (en) | 2015-03-23 | 2018-02-13 | Kabushiki Kaisha Toyota Chuo Kenkyusho | Information processing device, computer readable storage medium, and map data updating system |
US10288434B2 (en) * | 2015-06-26 | 2019-05-14 | Here Global B.V. | Map-centric map matching method and apparatus |
GB201515487D0 (en) | 2015-09-01 | 2015-10-14 | Tomtom Traffic Bv | Methods and systems for detecting an open navigable element |
US9818296B2 (en) * | 2015-10-16 | 2017-11-14 | Uber Technologies, Inc. | System for providing a city planning tool |
JP2017138179A (ja) * | 2016-02-03 | 2017-08-10 | 株式会社日立製作所 | ナビゲーションシステム、センタ装置 |
US10319221B2 (en) * | 2016-11-04 | 2019-06-11 | Ford Global Technologies, Llc | Systems and methods for vehicular application of detected traffic flow |
WO2018141351A1 (en) * | 2017-01-31 | 2018-08-09 | Nokia Solutions And Networks Oy | Base station efficiency control based on load counters |
WO2018221456A1 (ja) * | 2017-05-31 | 2018-12-06 | パイオニア株式会社 | 経路探索装置、制御方法、プログラム及び記憶媒体 |
EP3460406B1 (en) * | 2017-08-28 | 2024-04-03 | Panasonic Intellectual Property Corporation of America | Information processing apparatus, vehicle, information processing method, running control method, and map updating method |
US10166991B1 (en) * | 2017-12-01 | 2019-01-01 | GM Global Technology Operations LLC | Method and apparatus of selective sensing mechanism in vehicular crowd-sensing system |
US10497256B1 (en) | 2018-07-26 | 2019-12-03 | Here Global B.V. | Method, apparatus, and system for automatic evaluation of road closure reports |
US10847029B2 (en) * | 2018-10-09 | 2020-11-24 | Here Global B.V. | Method, apparatus, and system for automatic road closure detection |
US11004334B2 (en) * | 2018-10-09 | 2021-05-11 | Here Global B.V. | Method, apparatus, and system for automatic verification of road closure reports |
US11719554B2 (en) * | 2019-01-25 | 2023-08-08 | Uber Technologies, Inc. | Determining dissimilarities between digital maps and a road network using predicted route data and real trace data |
US11561547B2 (en) | 2019-02-20 | 2023-01-24 | Gm Cruise Holdings Llc | Autonomous vehicle routing based upon spatiotemporal factors |
US11049390B2 (en) * | 2019-02-26 | 2021-06-29 | Here Global B.V. | Method, apparatus, and system for combining discontinuous road closures detected in a road network |
US11403938B2 (en) * | 2019-04-04 | 2022-08-02 | Geotab Inc. | Method for determining traffic metrics of a road network |
JP7039536B2 (ja) * | 2019-09-05 | 2022-03-22 | 株式会社 ミックウェア | 地図情報処理システム |
US11468768B2 (en) * | 2019-11-18 | 2022-10-11 | Here Global B.V. | Method, apparatus, and system for automatic road closure detection during probe anomaly |
US11222531B2 (en) * | 2019-11-18 | 2022-01-11 | Here Global B.V. | Method, apparatus, and system for providing dynamic window data transfer between road closure detection and road closure verification |
US11990032B2 (en) | 2021-12-06 | 2024-05-21 | Here Global B.V. | Method, apparatus, and system for verifying reported ramp closures |
CN115617829B (zh) * | 2022-12-05 | 2023-03-28 | 交通运输部科学研究院 | 面向路网矢量数据的变量识别方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004198165A (ja) * | 2002-12-17 | 2004-07-15 | Toyota Central Res & Dev Lab Inc | 経路探索装置 |
EP1484729A1 (en) * | 2003-06-05 | 2004-12-08 | HONDA MOTOR CO., Ltd. | Travel time prediction system |
US20060058940A1 (en) * | 2004-09-13 | 2006-03-16 | Masatoshi Kumagai | Traffic information prediction system |
US20060064234A1 (en) * | 2004-09-17 | 2006-03-23 | Masatoshi Kumagai | Traffic information prediction system |
CN101441817A (zh) * | 2008-12-22 | 2009-05-27 | 浙江中天信息技术有限公司 | 一种基于多信息源的动态交通信息的车辆导航方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3557776B2 (ja) | 1996-03-08 | 2004-08-25 | 日産自動車株式会社 | 車両用経路誘導装置 |
JP2004077360A (ja) | 2002-08-21 | 2004-03-11 | Toyota Motor Corp | 交通情報提供方法、交通情報提供センターおよび交通情報取得装置 |
JP4329711B2 (ja) * | 2005-03-09 | 2009-09-09 | 株式会社日立製作所 | 交通情報システム |
JP4623050B2 (ja) * | 2007-04-25 | 2011-02-02 | アイシン・エィ・ダブリュ株式会社 | 道路情報生成装置、道路情報生成方法および道路情報生成プログラム |
US8103435B2 (en) * | 2007-07-27 | 2012-01-24 | George Mason Intellectual Properties, Inc. | Near real-time traffic routing |
EP2218063A1 (en) * | 2007-11-06 | 2010-08-18 | Tele Atlas North America, Inc. | Method and system for the use of probe data from multiple vehicles to detect real world changes for use in updating a map |
-
2011
- 2011-01-19 JP JP2011009158A patent/JP5315363B2/ja active Active
-
2012
- 2012-01-17 WO PCT/JP2012/050880 patent/WO2012099136A1/ja active Application Filing
- 2012-01-17 EP EP12736683.9A patent/EP2650649B1/en not_active Not-in-force
- 2012-01-17 CN CN201280004249.9A patent/CN103261841B/zh not_active Expired - Fee Related
-
2013
- 2013-07-17 US US13/944,770 patent/US8731808B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004198165A (ja) * | 2002-12-17 | 2004-07-15 | Toyota Central Res & Dev Lab Inc | 経路探索装置 |
EP1484729A1 (en) * | 2003-06-05 | 2004-12-08 | HONDA MOTOR CO., Ltd. | Travel time prediction system |
US20060058940A1 (en) * | 2004-09-13 | 2006-03-16 | Masatoshi Kumagai | Traffic information prediction system |
US20060064234A1 (en) * | 2004-09-17 | 2006-03-23 | Masatoshi Kumagai | Traffic information prediction system |
CN101441817A (zh) * | 2008-12-22 | 2009-05-27 | 浙江中天信息技术有限公司 | 一种基于多信息源的动态交通信息的车辆导航方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139682A (zh) * | 2015-07-27 | 2015-12-09 | 福建工程学院 | 一种封闭道路的确认方法及*** |
CN109509346A (zh) * | 2017-09-15 | 2019-03-22 | 丰田自动车株式会社 | 交通量确定***、交通量确定方法及计算机可读存储介质 |
CN109509347A (zh) * | 2017-09-15 | 2019-03-22 | 丰田自动车株式会社 | 交通量确定***、交通量确定方法及计算机可读存储介质 |
CN112639919A (zh) * | 2018-08-31 | 2021-04-09 | 株式会社电装 | 车辆侧装置、服务器、方法和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2650649A1 (en) | 2013-10-16 |
US8731808B2 (en) | 2014-05-20 |
US20130345955A1 (en) | 2013-12-26 |
JP2012150016A (ja) | 2012-08-09 |
WO2012099136A1 (ja) | 2012-07-26 |
CN103261841B (zh) | 2015-12-09 |
EP2650649A4 (en) | 2014-02-12 |
EP2650649B1 (en) | 2015-03-25 |
JP5315363B2 (ja) | 2013-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103261841A (zh) | 道路网分析*** | |
US11443617B2 (en) | Method for defining intersections using machine learning | |
CN107195180B (zh) | 一种基于电警数据的交通出行轨迹提取方法和装置 | |
US11710074B2 (en) | System for providing corridor metrics for a corridor of a road network | |
US11335191B2 (en) | Intelligent telematics system for defining road networks | |
CN109754594A (zh) | 一种路况信息获取方法及其设备、存储介质、终端 | |
US11341846B2 (en) | Traffic analytics system for defining road networks | |
CN113847925A (zh) | 基于轨迹数据检测车辆偏航的方法、装置、设备及介质 | |
US11335189B2 (en) | Method for defining road networks | |
CN103262137A (zh) | 限制信息分析*** | |
US20220011123A1 (en) | Method of characterizing a route travelled by a user | |
DE102015223656A1 (de) | Fahrerassistenzsystem und -Verfahren zur Fahrspurempfehlung | |
CN110675631A (zh) | 一种交通流溯源分析方法及*** | |
US20220172606A1 (en) | Systems and Methods for Extracting Data From Autonomous Vehicles | |
EP3922947A2 (en) | Traffic analytics system for defining road networks | |
JP2002342879A (ja) | 交通情報処理方法及び交通情報処理システム | |
CN113903169B (zh) | 一种交通优化方法、装置、电子设备及存储介质 | |
EP3913551A1 (en) | Method for defining road networks | |
EP3919860A1 (en) | Intelligent telematics system for defining road networks | |
Badran | The use of crowd-sensed Global Positioning System trajectory data to improve Transport Modelling practice | |
CN118193613A (zh) | 高速公路车辆od的智能分析方法及*** | |
Moecker | Driving profile and energy demand analysis for electrical vehicles based on gps trajectories | |
Olthof | Lane Change Recognition from Floating Car Data | |
CN117609793A (zh) | 一种目标数据生成方法、装置及设备 | |
Ge et al. | Improved system for parknet mobile network |
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: 20151209 |
|
CF01 | Termination of patent right due to non-payment of annual fee |