CN103377552A - 交通信息预测装置及方法、终端设备及服务器 - Google Patents
交通信息预测装置及方法、终端设备及服务器 Download PDFInfo
- Publication number
- CN103377552A CN103377552A CN2012101080146A CN201210108014A CN103377552A CN 103377552 A CN103377552 A CN 103377552A CN 2012101080146 A CN2012101080146 A CN 2012101080146A CN 201210108014 A CN201210108014 A CN 201210108014A CN 103377552 A CN103377552 A CN 103377552A
- Authority
- CN
- China
- Prior art keywords
- chain
- time
- road
- route
- transport information
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
公开了一种交通信息预测装置及方法、用户终端及中心服务器。交通信息预测装置包括:路链集合形成部件,将作为预测对象的第一路链和该第一路链的周围路链组成路链集合;集合信息获得部件,获得该路链集合中所有路链在当前时间的当前交通信息,作为该路链集合的当前集合交通信息;匹配集合信息获得部件,在该路链集合的历史集合交通信息中获得与该路链集合的当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相应的时间作为匹配时间;以及路链信息预测部件,利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息预测该第一路链在当前时间之后第一时间间隔处的交通信息。实现了准确的长期交通信息变化趋势预测。
Description
技术领域
本发明涉及交通信息预测领域,更具体地,涉及一种交通信息预测装置及方法,其基于当前实时道路交通信息与历史道路交通信息来预测道路交通状况。本发明还涉及一种终端设备及中心服务器,其基于当前实时道路交通信息与历史道路交通信息来预测用户行程路线所需的运行时间。
背景技术
实时交通信息在车载导航仪、网络电子地图、手机导航软件中得到了广泛的应用。用户可以在出行前通过互联网、手机、车载导航仪接收和查看到各种实时交通信息。已经有一些导航***能够向用户提供基于实时交通信息的路径规划,并预测到达目的地的时间等。然而,由于交通信息是不断变化的,因此,单纯基于实时交通信息进行预测只能进行短期预测。如果用户出发点到目的地的距离比较长,总旅行时间也就很长,那么基于出发时刻的实时交通信息来预测达到目的地的时间就不会准确。
为了解决上述问题,日本专利申请2004-053548提出了一种交通情报预测方法,根据统计交通信息预测包括目的地在内的导航路径上任意地点的到达时间,并通过比较实际到达路径上某点的时间与基于统计交通信息所预测的到达时间求得偏差,然后以此偏差为基础修正对后续导航路径的上任意地点的到达时间的预测。该专利申请利用车辆实际行驶记录和统计交通信息,预测到达目的地的旅行时间,提供到达目的地的预计时刻。
所谓统计交通信息是指以累计的过去的交通信息为基础通过除去异常值或平均化等的统计处理而得到的、再现交通状况的信息。因为统计信息本身也不是一种准确的再现,所以需要利用实际的行驶记录进行修正。因此,上述日本专利申请2004-053548所提出的方法并不能在用户出发时给出对交通信息的准确预测,而是要在用户的行驶过程中进行不断的修正。此外,这种方法可以适用于某些特定用户,如车载导航用户,即用户能够实时记录行驶轨迹信息。然而,对于普通的非导航用户,例如,用户希望在出行前通过互联网查询一下到达某目的地的预计时间,而用户车辆本身并没有导航装置,如果出发前的预测不准确,也不可能在旅行途中向用户提供修正后的预测时间。
综上所述,无论是只基于实时交通信息还是只基于统计交通信息,都不能在出发时向用户提供达到目的地的旅行时间的准确预测。因此,需要一种能够在出发时向用户提供达到目的地的旅行时间的准确预测的装置及方法。
发明内容
考虑到上述问题而提出了本发明。本发明的一个目的是提供一种交通信息预测装置及方法,其通过基于当前实时道路交通信息与历史道路交通信息来预测道路交通状况的变化趋势。
根据本发明的一方面,提供了一种交通信息预测装置,包括:路链集合形成部件,用于将作为预测对象的第一路链和该第一路链的周围路链组成路链集合;集合信息获得部件,用于获得该路链集合中所有路链在当前时间的当前交通信息,以作为该路链集合的当前集合交通信息;匹配集合信息获得部件,用于在该路链集合的历史集合交通信息中获得与该路链集合的当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间;以及路链信息预测部件,用于利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链在当前时间之后第一时间间隔处的交通信息。
优选地,所述交通信息预测装置还包括:行程路线确定部件,用于确定至少一条行程路线;路线路链提取部件,用于对于每条行程路线,按照该行程路线的途经顺序依次提取该行程路线中的每条路链作为第一路链,并将所提取的第一路链提供给路链集合形成部件;路链运行时间预测部件,用于基于该第一路链的长度和该路链信息预测部件的预测结果来预测该第一路链的运行时间;以及行程路线时间预测部件,用于对于每条行程路线,基于该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
根据本发明的另一方面,提供了一种交通信息预测方法,包括:将作为预测对象的第一路链和该第一路链的周围路链组成路链集合;获得该路链集合中所有路链在当前时间的当前交通信息,以作为该路链集合的当前集合交通信息;在该路链集合的历史集合交通信息中获得与当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间;以及利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链在当前时间之后第一时间间隔处的交通信息。
优选地,所述交通信息预测方法还包括:确定至少一条行程路线;对于每条行程路线,按照该行程路线的途经顺序依次提取该行程路线中的每条路链作为所述第一路链以作为预测对象;基于该第一路链的长度和该第一路链在当前时间之后第一时间间隔处的交通信息的预测结果来预测该第一路链的运行时间;以及对于每条行程路线,基于该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
根据本发明实施例的交通信息预测装置及方法通过建立特定路链的路链集合并且找到与该路链集合的当前集合交通信息最匹配的历史集合交通信息及其相应时间,并且利用从所述相应时间起该特定路链的历史交通信息的变化趋势来预测该特定路链的交通信息变化趋势,实现了对道路的准确的短期和长期交通预测。
本发明的另一目的是提供一种终端设备,其通过基于当前实时道路交通信息与历史道路交通信息来预测用户行程路线的旅行时间。
根据本发明的又一方面,提供了一种终端设备,包括:行程路线确定装置,用于确定至少一条行程路线;路链集合形成装置,用于对于每条行程路线,将该行程路线中的每条路链和其周围路链组成路链集合;交通信息获取装置,用于获取每条行程路线中的每条路链的路链集合的当前集合交通信息以及历史集合交通信息;以及路线时间预测装置,用于对于每条行程路线中的每条路链,基于其当前集合交通信息以及历史集合交通信息来预测该路链的运行时间,并且利用该行程路线中的每条路链的预测运行时间来预测该行程路线的总运行时间。
优选地,在所述终端设备中,所述路线时间预测装置包括:路链提取部件,用于对于每条行程路线,按照该行程路线的途经顺序依次提取该行程路线中的每条路链作为第一路链;匹配集合信息获得部件,用于在该第一路链的路链集合的历史集合交通信息中获得与该路链集合的当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间;路链时间预测部件,用于利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链的交通信息,并且利用该第一路链的长度和该第一路链的交通信息预测结果来预测该第一路链的运行时间;以及路线时间预测部件,用于对于每条行程路线,利用该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
本发明的又一目的是提供一种中心服务器,其通过基于当前实时道路交通信息与历史道路交通信息来预测用户行程路线的旅行时间。
根据本发明的再一方面,提供了一种中心服务器,包括:行程路线确定装置,用于确定至少一条行程路线;路链集合形成装置,用于对于每条行程路线,将该行程路线中的每条路链和其周围路链组成路链集合;以及路线时间预测装置,用于对于每条行程路线中的每条路链,基于其当前集合交通信息以及历史集合交通信息来预测该路链的运行时间,并且利用该行程路线中的每条路链的预测运行时间来预测该行程路线的总运行时间。
优选地,在所述中心服务器中,所述路线时间预测装置包括:路链提取部件,用于对于每条行程路线,按照该行程路线的途经顺序提取该行程路线中的每条路链作为第一路链;集合信息获得部件,用于获得该第一路链的路链集合中所有路链在当前时间的当前交通信息,以作为该路链集合的当前集合交通信息;匹配集合信息获得部件,用于在该第一路链的路链集合的历史集合交通信息中获得与该路链集合的当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间;路链时间预测部件,用于利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链的交通信息,并且利用该第一路链的长度和该第一路链的交通信息预测结果来预测该第一路链的运行时间;以及路线时间预测部件,用于对于每条行程路线,利用该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
根据本发明实施例的终端设备及中心服务器通过对于用户行程路线中每条路链基于该路链的当前集合交通信息以及历史集合交通信息来预测该路链的运行时间,并且进而预测该用户行程路线的总运行时间,在用户出发时可以实现对用户行程路线的准确的运行时间预测。
附图说明
通过结合附图对本发明的实施例进行详细描述,本发明的上述和其它目的、特征、优点将会变得更加清楚,其中:
图1示出了根据本发明第一实施例的交通信息预测方法的流程图。
图2A和图2B示出了根据本发明第一实施例的路链L1的路链集合的第一示例和第二示例的示意图。
图3A、图3B、图3C和图3D示出了根据本发明第一实施例的对路链L1的交通状况变化趋势进行预测的示意图。
图4示出了根据本发明第一实施例的交通信息预测装置的示意性框图。
图5示出了根据本发明第二实施例的交通信息预测方法的流程图。
图6示出了根据本发明第二实施例的交通信息预测装置的示意性框图。
图7示出了根据本发明实施例的终端设备的示意性框图。
图8示出了根据本发明实施例的终端设备中的路线时间预测装置的示意性框图。
图9示出了根据本发明实施例的中心服务器的示意性框图。
图10示出了根据本发明实施例的中心服务器中的路线时间预测装置的示意性框图。
具体实施方式
首先,将简要说明根据本发明实施例的交通信息预测的基本构思。鉴于前述的只基于实时交通信息或者只基于统计交通信息都无法在较长时间内提供准确的预测的问题,发明人提出基于实时交通信息和历史交通信息对交通信息变化趋势进行预测,其目的在于提供准确的长时段内的交通信息预测。
为了提供准确的长时段内的交通信息预测,需要考虑到路面上的交通状况是不断在变化的。根据本发明实施例的交通信息预测方法采用历史趋势预测方式对道路的交通信息的变化趋势做出长期趋势预测,然后根据该长期趋势预测的结果计算车辆在道路上的运行时间。长期趋势预测是指不仅预测道路在几分钟内的交通状态,还要预测道路在十几分钟或几十分钟之后的交通状态。
本发明所提出的预测方法基于这样一种判断,即某一条道路(路链)的交通状态的变化不是孤立的,而是与其周围的道路的交通状态变化紧密相关的。如果某条道路在某两个时刻点(第一时刻点和第二时刻点)其交通状态相同,且在这两个时刻点其周围与之相连的道路的交通状态也都相同,那么就可以认为这条道路在这两个时刻点的短期交通状态变化也应该是相同的。换句话说,可以由这条道路的第一时刻点的变化趋势推断出第二时刻点的变化趋势。
下面将参考图1-图4来说明根据本发明第一实施例的交通信息预测装置及方法。根据本发明第一实施例的交通信息预测装置及方法针对对于一条道路(路链)进行的交通信息变化趋势预测。
在图1中示出了根据本发明第一实施例的交通信息预测方法100。根据本发明第一实施例的交通信息预测方法100在步骤S101开始。
在步骤S110,将作为预测对象的第一路链和该第一路链的周围路链组成路链集合。将作为预测对象的第一路链表示为L1,其周围的路网结构如图2A和图2B所示。
在图2A中,路链C1、C2、C3、C4、C5和L2与第一路链L1直接相邻。可以将第一路链L1以及与其直接相邻的路链C1、C2、C3、C4、C5和L2组成路链集合A,如图2A所示。替代地,可以将第一路链L1、与L1直接相邻的所有路链(C1、C2、C3、C4、C5和L2)、以及与L1相隔一条路链的所有路链(C6、C7、C8、C9、C10、C11、C12、C13、C14、C15、C16、C17、C18和L3)组成链路集合A,如图2B所示。
应了解,可以进一步在链路集合A中包括与L1相隔两条路链的所有路链、与L1相隔三条路链的所有路链等等,本发明不受到构成链路集合A的方式以及所构成的链路集合A的大小的限制。此外,应了解,链路集合A中的链路元素越多,根据本发明实施例的交通信息预测越复杂、计算量越大,相应地预测结果也就越准确。
在步骤S120,获得该路链集合A中所有路链在当前时间的当前交通信息,以作为该路链集合A的当前集合交通信息。所述当前交通信息可以包括拥堵状态、速度信息、以及拥堵状态和速度信息两者。
图3A示出了在当前时刻点(2012年3月1日18:30)处该第一路链L1所对应的路链集合A的交通状态,其中,利用表示拥堵、利用表示行驶缓慢、利用表示行驶畅通,具体地,链路C1和L1拥堵,链路C2、L2和C5行驶缓慢,链路C3和C4行驶畅通。
接下来,在步骤S130,在该路链集合A的历史集合交通信息中获得与当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间。
如图3B所示,在该路链集合A的历史集合交通信息中查找到该路链集合A在2012年2月5日18:35的历史集合交通信息与该路链集合A的当前集合交通信息最为匹配,并获得2012年2月5日18:35作为匹配时间。尽管在图3B所示的情况下,该路链集合A在当前时刻点2012年3月1日18:30的当前集合交通信息与在历史时刻点2012年2月5日18:35的历史集合交通信息完全匹配,但本发明不限于此。稍后将描述如何选取历史集合交通信息、以及如何从历史集合交通信息中获得与该路链集合A的当前集合交通信息最匹配的匹配集合交通信息。类似地,所述历史集合交通信息中的每个历史交通信息可以包括拥堵状态、速度信息、以及拥堵状态和速度信息两者。
然后,在步骤S140,利用该第一路链L1在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链在当前时间之后第一时间间隔处的交通信息。
所述第一时间间隔可以为任何时间间隔。在以预定的更新时间间隔来更新整个路网的历史交通信息的情况下,优选地,所述第一时间间隔可以为整个路网的历史交通信息的更新时间间隔的倍数。然而,当所述第一时间间隔落在两次相邻更新之间时,可以利用所述两次相邻更新中的第一次更新时的历史交通信息来预测与所述第一时间间隔相对应的历史交通信息。
例如,在整个路网的历史交通信息的更新时间间隔为5分钟的情况下,在当前时间为2012年3月1日18:30-18:34之间任一时刻点的情况下,所获得的当前集合交通信息均为在2012年3月1日18:30更新的交通信息。此外,在从当前时间到2012年3月1日18:34之间的时间段,采用所获得的路链L1的当前实时交通信息。然而,对于从2012年3月1日18:35到2012年3月1日18:39之间的时间段,则利用该路链L1在所述匹配时间2012年2月5日18:35之后5分钟(即2012年2月5日18:40)的历史交通信息来预测该第一路链L1的交通信息。类似地,对于从2012年3月1日18:30+5i(min)到2012年3月1日18:30+5i+4(min)之间的时间段,其中i大于等于2,min表示分钟,则利用该路链L1在所述匹配时间2012年2月5日18:35之后5i分钟的历史交通信息来预测该第一路链L1的交通信息。
具体地,如图3C所示,采用该第一路链L1在匹配时间2012年2月5日18:35之后5分钟(即2012年2月5日18:40)的历史交通信息来预测该第一路链L1在当前时间2012年3月1日18:30之后5分钟(即2012年3月1日18:35)的交通信息;如图D所示,采用该第一路链L1在匹配时间2012年2月5日18:35之后10分钟(即2012年2月5日18:45)的历史交通信息来预测该第一路链L1在当前时间2012年3月1日18:30之后10分钟(即2012年3月1日18:40)的交通信息。
在图4中示出了根据本发明第一实施例的交通信息预测装置400的示意性框图。如图4所示,根据本发明第一实施例的交通信息预测装置400包括路链集合形成部件410、集合信息获得部件420、匹配集合信息获得部件430、以及路链信息预测部件440。
路链集合形成部件410接收作为预测对象的第一路链,并将作为预测对象的第一路链和该第一路链的周围路链组成路链集合A。
集合信息获得部件420获得该路链集合A中所有路链在当前时间的当前交通信息,以作为该路链集合A的当前集合交通信息。
匹配集合信息获得部件430在该路链集合A的历史集合交通信息中获得与该路链集合A的当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间。
路链信息预测部件440利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链在当前时间之后第一时间间隔处的交通信息。
如前所述,在根据本发明第一实施例的交通信息预测装置和方法中,在路链集合A的历史集合交通信息中查找到与路链集合A的当前集合交通信息最匹配的历史集合交通信息并获得相应的匹配时间是根据本发明实施例的交通信息预测的关键。
可以根据许多不同的规则来选取该路链集合A的历史集合交通信息。例如,可以选择第一历史时间段内该路链集合A的历史集合交通信息,或者可以选择第一历史时间段内每个工作日该路链集合A的历史集合交通信息,或者可以选择第一历史时间段内每个非工作日该路链集合A的历史集合交通信息,或者可以选择第一历史时间段内每天的第二时间段中该路链集合A的历史集合交通信息,或者可以根据天气状况(例如雨天、雪天)选择第一历史时间段内具有相同或相似天气状态的每天的第二时间段中该路链集合A的历史集合交通信息。所述第一历史时间段可以为一年、一季度、一月、或者一周等,而所述第二历史时间段可以为高峰时段、非高峰时段、当前时间前后各一小时、当前时间前后各半小时等。
例如,在当前时刻为2012年3月1日18:30的情况下,可以将所述第一历史时间段选择为一个月并且将所述第二历史时间段选择为当前时间前后各半小时,即可以选取该路链集合A的历史集合交通信息包括在从2012年2月1日到2012年2月29日这一个月内每个工作日的18:00-19:00之间该路链集合A的所有历史集合交通信息。
此外,在所述历史集合交通信息的查找中,可能出现以下两种情况:第一种情况是找到多个完全相同的历史集合交通信息,第二种情况是找不到与当前实时集合交通信息完全相同的历史集合交通信息。
对于第一种情况,如果有多个完全相同的历史集合交通信息,就选取距离当前日期最近的历史集合交通信息作为最匹配的历史集合交通信息,即匹配集合交通信息,并将其对应时间作为匹配时间。
对于第二种情况,查找与当前实时集合交通信息最相似的历史集合交通信息,作为最匹配的历史集合交通信息,即匹配集合交通信息,并将其对应时间作为匹配时间。
例如,所述最相似可以是:该路链集合A中当前路链(即,第一路链L1)的交通信息状态完全吻合,并且该路链集合A中其它路链中只有一条路链历史交通信息状态与当前时刻交通信息不吻合,而其它都吻合。具体而言,例如,在该链路集合A的历史集合交通信息数据中,如果存在某个历史上的时刻点(记为Dx:Tx,其中Dx是日期,Tx是时间),该链路集合A中的第一路链L1的交通信息状态与当前时刻点(2012年3月1日18:30)该链路集合A中的第一路链L1的交通信息状态完全吻合,并且该链路集合A中其它路链中只有一条路链历史交通信息状态与当前时刻交通信息不吻合,其它都吻合,则选取该时刻点(Dx:Tx)该链路集合A的历史集合交通信息作为最匹配的历史集合交通信息,即匹配集合交通信息,并将其对应时间(Tx)作为匹配时间。
此外,所述最相似还可以是:该路链集合A中当前路链(即,第一路链L1)和与当前路链直接相邻的所有路链的交通信息状态完全吻合,而在与当前路链相隔一条路链的所有路链中仅有一条路链的历史交通信息与当前时刻交通信息不吻合。
应了解,可以根据实际应用情况来设定所述最相似的标准,本发明不受其限制。
更进一步,如果在路链集合A的历史集合交通信息中,找不到最相似的历史集合交通信息,还可以计算当前集合交通信息与历史集合交通信息的相关度,以具有最大相关度的历史集合交通信息作为最匹配的历史集合交通信息,即匹配集合交通信息,并将其对应时间作为匹配时间。
假设对于该链路集合A中的路链L1、L2、C1、C2、C3、C4、C5,其当前交通信息X和历史某时刻点(例如,2012年2月18日18:25)的历史交通信息Y如下表1所示。
表1
路链标识 | X(km/h) | Y(km/h) | X2 | Y2 | XY |
L1 | 35 | 33 | 1225 | 1089 | 1155 |
L2 | 36 | 40 | 1296 | 1600 | 1440 |
C1 | 32 | 29 | 1024 | 841 | 928 |
C2 | 19 | 17 | 361 | 289 | 323 |
C3 | 32 | 35 | 1024 | 1225 | 1120 |
C4 | 21 | 18 | 441 | 324 | 378 |
C5 | 28 | 27 | 784 | 729 | 756 |
合计 | 203 | 199 | 6115 | 6097 | 6100 |
可以如公式(1)所示地计算相关度。
根据公式(1)可计算出相关度为0.958。如果假设相关度0.958是所计算的历史集合交通信息的相关度中最大的,就认为路链集合A在该历史时刻(2012年2月18日18:25)的集合交通信息状态与当前时刻的集合交通信息状态最吻合(2012年3月1日18:30),则对于当前路链L1而言,利用从(2012年2月18日18:25)开始的历史交通信息变化来预测当前时刻(2012年3月1日18:30)之后的交通信息变化。
尽管在表1中当前交通信息X和历史交通信息Y均被表示为具体速度值,然而本发明不限于此。
例如,还可以将速度划分为多个步阶,并且对于每个步阶内的速度利用与该步阶相对应的标识/值来表示,并进而计算相关度。此外,相关度的计算公式也不限于上述的公式(1)。
替代地,当前交通信息X和历史交通信息Y还可以是表示交通拥堵情况的标识。例如,可以利用R来表示交通拥堵,利用Y来表示行驶缓慢,利用B来表示行驶畅通。
应了解,尽管上面描述了在没有找到完全相同的历史集合交通信息的情况下,先查找最相似的历史集合交通信息,并且在没有找到最相似的历史集合交通信息的情况下才进行相关度计算,然而本发明不限于此。
可以直接进行相关度计算,而不是首先查找与当前集合交通信息完全相同的历史集合交通信息。或者,可以在没有找到完全相同的历史集合交通信息的情况下,直接进行相关度计算,而不查找最相似的历史集合交通信息。
应了解,路链集合A中的路链元素越多,找到与当前集合交通信息完全相同的历史集合交通信息的概率就越小。然而,一旦得到完全相同的历史集合交通信息,其预测的精度就越高。
长期趋势预测所要解决的另一问题是:针对某一条用户行程路线,根据当前的实时交通信息和历史交通信息,预测该用户行程路线的运行时间。
接下来,将参考图5-6来描述根据本发明第二实施例的交通信息预测装置和方法。根据本发明第二实施例的交通信息预测装置和方法针对对于一条用户行程路线的运行时间进行预测。
根据本发明第二实施例的交通信息预测装置和方法首先确定至少一条用户行程路线,接下来对于每条用户行程路线基于当前实时交通信息和历史交通信息对当前交通信息变化趋势进行预测,然后基于所预测的当前实时交通信息的变化趋势来预测包括目的地在内的每条用户行程路线上任意地点的到达时间。
在图5中示出了根据本发明第二实施例的交通信息预测方法500。根据本发明第二实施例的交通信息预测方法500在步骤S501开始。
在步骤S510,确定至少一条用户行程路线。
例如,用户可以输入出发地和目的地,根据用户输入的出发地和目的地产生在该出发地和目的地之间的所有可能且合理的路线,即至少一条用户行程路线。替代地,用户也可以预先注册一些经常用的路线,比如用户有一些常用的出发地和目的地(例如,住宅、公司等),往返于这些出发地和目的地之间会有一些经常用的路线,在此情况下,根据用户输入的出发地和目的地直接获取用户已经注册的行程路线。所述出发地和目的地可以是出发地名称、出发地坐标与目的地名称、目的地坐标的任一组合。
在用户已经预先注册了一行程路线的路线名称/编号的情况下,用户可以直接输入路线名称/编号。在此情况下,还可以根据用户输入的路线名称/编号或者用户标识/代码来确定相应的用户行程路线。
在表2中示出了用户注册的行程路线的示例格式。此外,在根据用户输入的出发地和目的地产生至少一条用户行程路线的情况下,所产生的行程路线也可以采用表2的示例格式。
表2
用户编号 | 出发地 | 目的地 | 路线编号 | 用户路线包含的路链 |
3322 | 融科 | 发展 | 1 | 123545,23546,223547,...,234123 |
3322 | 融科 | 发展 | 2 | 23545,323546,323547,...,234123 |
其中,用户路线包含的每条路链利用一个数字串(例如,123545)来表示,该数字串是该条路链在路网中的唯一标识。
在步骤S520,确定所述至少一条行程路线中待预测的行程路线。当然,在仅存在一条行程路线的情况下,步骤S520可以省略或者可以直接合并在步骤S510中。
在步骤S530,按照待预测的行程路线的途经顺序依次提取该行程路线中的路链作为所述第一路链以作为预测对象。
接下来,在步骤S540中,预测该第一路链在当前时间之后第一时间间隔处的交通信息。例如,可以如前所述地根据本发明第一实施例的交通信息预测方法100中的步骤S110-S140来预测该第一路链在当前时间之后第一时间间隔处的交通信息,在此不再进行赘述。
在步骤S550中,基于该第一路链的长度和该第一路链在当前时间之后第一时间间隔处的交通信息的预测结果来预测该第一路链的运行时间。
在步骤S560,确定是否已经到达该行程路线的终点,即目的地。
在步骤S560确定未到达该行程路线的终点的情况下,根据本发明第二实施例的交通信息预测方法返回至步骤S530,并且在步骤S530中按照待预测的该行程路线的途经顺序提取该行程路线中的下一路链作为所述第一路链以作为预测对象。
在步骤S560确定已经到达该待预测的行程路线的终点的情况下,根据本发明第二实施例的交通信息预测方法前进到步骤S570。
在步骤S570,基于该待预测的行程路线中每条路链的预测运行时间来计算该待预测的行程路线的总运行时间。
例如,可以将该行程路线中每条路链的运行时间相加以计算该行程路线的总运行时间。替代地,可以假设存在一个虚拟车辆,其沿该待预测的行程路线与用户同时出发,那么预测该行程路线的总运行时间就是相当于“虚拟车辆”沿该行程路线模拟行驶的过程,由此可推算出虚拟车辆最终到达目的地的时间。
然后,在步骤S580,确定是否还有行程路线未被预测。
在步骤S580确定还有行程路线未被预测的情况下,根据本发明第二实施例的交通信息预测方法返回至步骤S520,并在步骤S520确定未被预测的行程路线之一作为待预测的行程路线。
在步骤S580确定没有行程路线未被预测的情况下,根据本发明第二实施例的交通信息预测方法前进到步骤S599。
最后,根据本发明第二实施例的交通信息预测方法在步骤S599结束。
此外,在步骤S580之后,还可以在所述至少一个行程路线中选择具有最短总运行时间的行程路线作为最佳行程路线。
下面以图2中所示的包括路链L1、L2、L3、L4和L5的行程路线为例,来说明根据本发明第二实施例的步骤S530-S570的具体示例操作。此外,还假设路网的交通信息每5分钟发布/更新一次,相应地,中心***所保留的交通信息都是以5分钟为间隔的。
在步骤S530,提取该行程路线中的第一条路链L1作为第一路链。
在步骤S540,预测该第一路链L1的交通信息。具体地,在步骤S110,产生该第一路链L1的路链集合A,该路链集合A包括L1、C1、C2、C3、C4、C5和L2;在步骤S120,获得该路链集合A的当前集合交通信息,如图3A所示;在步骤S130,查找与该路链集合A的当前集合交通信息最匹配的历史集合交通信息,如图3B所示;然后在步骤S140,预测该第一路链L1在当前时间之后的第一时间间隔后的交通信息,如图3C和3D所示。
在步骤S550,结合当前实时交通信息和在步骤S540中预测所得的交通信息,得到虚拟车辆沿着第一路链L1行驶的速度v。速度v可分为两个阶段,首先,出发时间为当前时刻(2012年3月1日18:30),此时按照当前实时交通信息设定虚拟车辆的行驶速度v。然后,按照此速度v模拟车辆行驶,如果在5分钟内行驶到下一条路链L2,当行驶到路线中下一条路链(第二条路链L2)时,将模拟进入下一条路链L2的时间作为当前时间,假设为(2012年3月1日18:34)。如果虚拟车辆沿着第一条路链行驶的时间比较长,超过了5分钟,即超出了交通信息的发布间隔,例如虚拟车辆在(2012年3月1日18:30)时刻出发,行驶到距第一条路链终点100米处时,虚拟时间已经过了5分钟,此时实际的交通信息是否已经变化是无法知道的,只能是根据步骤S140中所预测的(2012年3月1日18:35)时刻该第一路链L1的交通信息来获取虚拟车辆在这最后100米上的速度v1,然后虚拟车辆以预测速度v1行驶完第一路链L1上的最后100米,并记录到达下一条路链(第二条路链)的时间。假设为(2012年3月1日18:36)。
然后,在步骤S560,确定尚未到达该待预测的行程路线的终点,于是返回步骤S530,提取第二条路链L2作为第一路链。
在步骤S540,预测该第一路链L2的交通信息。具体地,首先在步骤S110,产生该第一路链L2的路链集合B,该路链集合B包括L2以及与L2直接相邻的所有路链;在步骤S120,获得该路链集合B的当前集合交通信息(即,该路链集合B在2012年3月1日18:30的当前集合交通信息(未示出));在步骤S130,查找与该路链集合B的当前集合交通信息最匹配的历史集合交通信息(未示出);然后在步骤S140,预测该第一路链L2在当前时间之后的第一时间间隔后的交通信息。类似地,对于行程路线中的除了起始路链之外的其它路链,第一时间间隔为在该其它路链之前的所有路链的预测运行时间之和。
然后,在步骤S550,利用在步骤S540中预测的进入该第一路链L2时以及之后的交通信息来得到虚拟车辆在该第二路链L2上的行驶速度。在进入该第一路链L2的时间与所述当前时间(即,出发时间)之差大于等于所述交通信息发布时间间隔的情况下,对该第二路链L2进行的模拟行驶就完全是按照预测速度进行的。反之,在进入该第一路链L2的时间与所述当前时间(即,出发时间)之差小于所述交通信息发布时间间隔的情况下,对该第一路链L2进行的模拟行驶中至少有一部分是基于实时交通信息进行的。
对于路链L3、L4和L5,与路链L2相似地执行步骤S530-S550。然后,在执行完路链L5的预测之后,在步骤S560确定到达该行程路线的终点。接下来,在步骤S570,计算该行程路线的总运行时间。
下面,在表3中示出包括路链L1、L2、L3、L4和L5的行程路线的交通信息预测结果以及运行时间的第一示例。
表3
下面,在表4中示出包括路链L1、L2、L3、L4和L5的行程路线的交通信息预测结果以及运行时间的第二示例。
表4
接下来,将参考图6来说明根据本发明第二实施例的交通信息预测装置600。
根据本发明第二实施例的交通信息预测装置600包括行程路线确定部件610、路线路链提取部件620、路链集合形成部件410、集合信息获得部件420、匹配集合信息获得部件430、路链信息预测部件440、路链运行时间预测部件630、以及行程路线时间预测部件640。
行程路线确定部件610确定至少一条行程路线。如前所述,所述用户输入可以为行程的出发地和目的地,或者可以为已经预先注册的行程路线的标识/编号,或者可以为用户的标识/代码等。
路线路链提取部件620对于每条行程路线,按照该行程路线的途经顺序依次提取该行程路线中的每条路链作为第一路链,并将所提取的第一路链提供给路链集合形成部件410。
路链集合形成部件410、集合信息获得部件420、匹配集合信息获得部件430和路链信息预测部件440的操作与在针对本发明第一实施例中的操作基本相同,在此不再进行赘述。
路链运行时间预测部件630基于该第一路链的长度和该路链信息预测部件440的预测结果来预测该第一路链的运行时间。
行程路线时间预测部件640对于每条行程路线,基于该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
接下来,将参考图7-8来说明根据本发明实施例的终端设备700。根据本发明实施例的终端设备700包括行程路线确定装置710、路链集合形成装置720、交通信息获取装置730、以及路线时间预测装置740。
行程路线确定装置710根据用户输入来确定至少一条行程路线。例如,行程路线确定装置710可以根据用户输入的出发地和目的地来产生至少一条行程路线。或者,行程路线确定装置710可以根据用户输入的预先注册的行程路线标识/编号等来确定预测注册的行程路线。或者,行程路线确定装置710可以根据用户输入的用户标识/编号来确定该用户预先关联或注册的行程路线。
路链集合形成装置720对于每条行程路线,将该行程路线中的每条路链和其周围路链组成路链集合。
交通信息获取装置730可以通过各种通信方式从中心服务器获取每条行程路线中的每条路链的路链集合的当前集合交通信息以及历史集合交通信息。
在根据本发明实施例的终端设备700中,可以从所述中心服务器获取每条行程路线中的每条路链的路链集合的在预定时间段中的历史集合交通信息。所述预定时间段可以为所述第一历史时间段,或者可以为第一历史时间段内每个工作日,或者可以选择第一历史时间段内每个非工作日,或者可以选择第一历史时间段内每天的第二时间段中,或者可以根据天气状况(例如雨天、雪天)选择第一历史时间段内具有相同或相似天气状态的每天的第二时间段中。所述第一历史时间段可以为一年、一季度、一月、或者一周等,而所述第二历史时间段可以为高峰时段、非高峰时段、当前时间前后各一小时、当前时间前后各半小时等。
路线时间预测装置740对于每条行程路线中的每条路链,基于其当前集合交通信息以及历史集合交通信息来预测该路链的运行时间,并且利用该行程路线中的每条路链的预测运行时间来预测该行程路线的总运行时间。
所述路线时间预测装置740可以包括:路链提取部件7410、匹配集合信息获得部件7420、路链时间预测部件7430、以及路线时间预测部件7440。
路链提取部件7410对于每条行程路线,按照该行程路线的途经顺序依次提取该行程路线中的每条路链作为第一路链。
匹配集合信息获得部件7420在该第一路链的路链集合的历史集合交通信息中获得与该路链集合的当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间。
路链时间预测部件7430利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链的交通信息,并且利用该第一路链的长度和该第一路链的交通信息预测结果来预测该第一路链的运行时间。
路线时间预测部件7440对于每条行程路线,利用该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
此外,根据本发明实施例的终端设备700还可以包括最佳行程路线选择装置(未示出),基于每条行程路线的预测总运行时间来从所述至少一条行程路线中选择出预测总运行时间最短的行程路线作为最佳行程路线。
有利地,根据本发明实施例的终端设备700可以在完成一条路链的预测之后删除其相关的路链集合的历史集合交通信息,然后接收下一条路链的历史集合交通信息,并开始关于下一条路链的预测。更进一步,所接收的所述下一条路链的历史交通信息所对应的时间长度还可以根据进入所述下一条路链的的时间进行相应调整,例如,在进入第10条路链时已经行驶了35分钟(即在19:05分进入第10条路链)的情况下,可以相应地获取该第10条路链从2012年2月5日18:35到19:00以及从2012年2月5日19:00到19:30的历史交通信息,以便预测该第10条路链在2012年3月1日19:05分以后的交通信息。
接下来,将参考图9-10来描述根据本发明实施例的中心服务器900。在该中心服务器900中存储了整个路网的交通信息数据。
根据本发明实施例的中心服务器900包括行程路线确定装置910、路链集合形成装置920、以及路线时间预测装置930。
行程路线确定装置910基于用户输入确定至少一条行程路线。例如,行程路线确定装置910可以从终端设备接收用户输入的出发地和目的地,并据此产生至少一条行程路线。或者,行程路线确定装置910可以从终端设备接收用户输入的预先注册的行程路线标识/编号等来确定预测注册的行程路线。或者,行程路线确定装置910可以从终端设备接收用户输入的用户标识/编号,并据此来确定该用户预先关联或注册的行程路线。或者,行程路线确定装置910可以直接从用户终端接收行程路线,并将所接收的行程路线确定为所述至少一条行程路线。
路链集合形成装置920对于每条行程路线,将该行程路线中的每条路链和其周围路链组成路链集合。
路线时间预测装置930对于每条行程路线中的每条路链,基于其当前集合交通信息以及历史集合交通信息来预测该路链的运行时间,并且利用该行程路线中的每条路链的预测运行时间来预测该行程路线的总运行时间。具体地,路线时间预测装置930对于每条行程路线中的每条路链,基于与其当前集合交通信息最匹配的历史集合交通信息所对应的时刻点及该时刻点之后的该路链的历史交通信息来预测该路链的运行时间。
所述路线时间预测装置930可以包括:路链提取部件9310、集合信息获得部件9320、匹配集合信息获得部件9330、路链时间预测部件9340、以及路线时间预测部件9350。
路链提取部件9310对于每条行程路线,按照该行程路线的途经顺序提取该行程路线中的每条路链作为第一路链。
集合信息获得部件9320获得该第一路链的路链集合中所有路链在当前时间的当前交通信息,以作为该路链集合的当前集合交通信息。
匹配集合信息获得部件9330在该路链集合的历史集合交通信息中获得与该路链集合的当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间。
路链时间预测部件9340利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链的运行时间。
路线时间预测部件9350对于每条行程路线,利用该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
根据本发明实施例的中心服务器900还可以包括最佳行程路线选择装置(未示出),基于每条行程路线的预测总运行时间来从所述至少一条行程路线中选择出预测总运行时间最短的行程路线作为最佳行程路线。
有利地,根据本发明实施例的中心服务器900还可以包括预测结果提供部件(未示出),用于将所述至少一条行程路线中的每条行程路线及其总运行时间、所述至少一条行程路线中的最佳行程路线及其总运行时间、所述至少一条行程路线中满足特定条件的行程路线及其总运行时间发送给用户终端。所述特定条件可以包括但不限于例如距离最短、高速优先等等。
本发明是基于历史交通信息和路链的连接关系来预测路链的未来交通信息变化趋势。根据本发明的装置及方法既可以用于对单一或多条道路的交通预测,也可以用于对路线的总旅行时间的预测。此外,根据本发明的装置及方法既可以用于对道路的短期交通预测,也可以用于对道路的长期交通预测。
广义来说交通信息除了包含正常的拥堵信息,还包含交通事故、交通管制等信息,对交通事故、交通管制等这些突发性事件的预测不是本发明的内容,这些信息往往也是无法预测的,只能是采用其它技术手段来检测。当然如果这些信息如果包含在历史交通信息中,那么在利用本发明预测拥堵变化等普通交通信息时,需要剔除这些突发事件的影响。
根据本发明实施例的交通信息预测装置及方法通过建立特定路链的路链集合并且找到与该路链集合的当前集合交通信息最匹配的历史集合交通信息及其相应时间,并且利用从所述相应时间起该特定路链的历史交通信息的变化趋势来预测该特定路链的交通信息变化趋势,实现了对道路的准确的短期和长期交通预测。
应当理解,可以以硬件、软件、固件、专用处理器或它们的组合的各种形式来实现根据本发明实施例的交通信息预测装置及方法、终端设备及中心服务器。
还应当理解,优选地用软件来实现在附图中示出的一些组成***组件和方法,因此这些***组件或处理功能块之间的实际连接可以根据本发明被编程的方式而不同。给出这里的描述,相关领域的普通技术人员将能够想到本发明的这些和类似的实现或配置。
尽管在这里参照附图描述了本发明的一些实施例,但是应当理解,所述实施例仅是示例性的,而非限制性的。本领域技术人员应当理解,在不背离权利要求及其等价物中限定的本发明的范围和精神的情况下,可以对这些示例性实施例做出各种形式和细节上的变化。
Claims (18)
1.一种交通信息预测装置,包括:
路链集合形成部件,用于将作为预测对象的第一路链和该第一路链的周围路链组成路链集合;
集合信息获得部件,用于获得该路链集合中所有路链在当前时间的当前交通信息,以作为该路链集合的当前集合交通信息;
匹配集合信息获得部件,用于在该路链集合的历史集合交通信息中获得与该路链集合的当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间;以及
路链信息预测部件,用于利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链在当前时间之后第一时间间隔处的交通信息。
2.如权利要求1所述的交通信息预测装置,其中,
第一路链的周围路链至少包括与该第一路链直接相连的周围路链。
3.如权利要求1所述的交通信息预测装置,其中,
该路链集合的历史集合交通信息包括在第一历史时间段内每天的第二时间段中的该路链集合的历史集合交通信息。
4.如权利要求1所述的交通信息预测装置,其中,
所述匹配集合信息获得部件所获得的最匹配的匹配集合交通信息为与该路链集合的当前集合交通信息完全匹配的历史集合交通信息、或者与该路链集合的当前集合交通信息最相似或相关度最高的历史集合交通信息。
5.如权利要求1所述的交通信息预测装置,还包括:
行程路线确定部件,用于确定至少一条行程路线;
路线路链提取部件,用于对于每条行程路线,按照该行程路线的途经顺序依次提取该行程路线中的每条路链作为第一路链,并将所提取的第一路链提供给路链集合形成部件;
路链运行时间预测部件,用于基于该第一路链的长度和该路链信息预测部件的预测结果来预测该第一路链的运行时间;以及
行程路线时间预测部件,用于对于每条行程路线,基于该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
6.如权利要求5所述的交通信息预测装置,其中,
对于行程路线中的除了起始路链之外的其它路链,第一时间间隔为在该其它路链之前的所有路链的预测运行时间之和。
7.如权利要求5所述的交通信息预测装置,还包括:
最佳行程路线选择部件,用于基于每条行程路线的预测总运行时间来从所述至少一条行程路线中选择出预测总运行时间最短的行程路线作为最佳行程路线。
8.如权利要求1所述的交通信息预测装置,其中,
每条路链的当前交通信息至少包括拥堵状态和速度信息之一。
9.一种终端设备,包括:
行程路线确定装置,用于确定至少一条行程路线;
路链集合形成装置,用于对于每条行程路线,将该行程路线中的每条路链和其周围路链组成路链集合;
交通信息获取装置,用于获取每条行程路线中的每条路链的路链集合的当前集合交通信息以及历史集合交通信息;以及
路线时间预测装置,用于对于每条行程路线中的每条路链,基于其当前集合交通信息以及历史集合交通信息来预测该路链的运行时间,并且利用该行程路线中的每条路链的预测运行时间来预测该行程路线的总运行时间。
10.如权利要求9所述的终端设备,其中,所述路线时间预测装置包括:
路链提取部件,用于对于每条行程路线,按照该行程路线的途经顺序依次提取该行程路线中的每条路链作为第一路链;
匹配集合信息获得部件,用于在该第一路链的路链集合的历史集合交通信息中获得与该路链集合的当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间;
路链时间预测部件,用于利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链的交通信息,并且利用该第一路链的长度和该第一路链的交通信息预测结果来预测该第一路链的运行时间;以及
路线时间预测部件,用于对于每条行程路线,利用该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
11.如权利要求9所述的终端设备,还包括:
最佳行程路线选择装置,用于基于每条行程路线的预测总运行时间来从所述至少一条行程路线中选择出预测总运行时间最短的行程路线作为最佳行程路线。
12.一种中心服务器,包括:
行程路线确定装置,用于确定至少一条行程路线;
路链集合形成装置,用于对于每条行程路线,将该行程路线中的每条路链和其周围路链组成路链集合;以及
路线时间预测装置,用于对于每条行程路线中的每条路链,基于其当前集合交通信息以及历史集合交通信息来预测该路链的运行时间,并且利用该行程路线中的每条路链的预测运行时间来预测该行程路线的总运行时间。
13.如权利要求12所述的中心服务器,其中,所述路线时间预测装置包括:
路链提取部件,用于对于每条行程路线,按照该行程路线的途经顺序提取该行程路线中的每条路链作为第一路链;
集合信息获得部件,用于获得该第一路链的路链集合中所有路链在当前时间的当前交通信息,以作为该路链集合的当前集合交通信息;
匹配集合信息获得部件,用于在该第一路链的路链集合的历史集合交通信息中获得与该路链集合的当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间;
路链时间预测部件,用于利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链的交通信息,并且利用该第一路链的长度和该第一路链的交通信息预测结果来预测该第一路链的运行时间;以及
路线时间预测部件,用于对于每条行程路线,利用该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
14.如权利要求12所述的中心服务器,还包括:
最佳行程路线选择装置,用于基于每条行程路线的预测总运行时间来从所述至少一条行程路线中选择出预测总运行时间最短的行程路线作为最佳行程路线。
15.一种交通信息预测方法,包括:
将作为预测对象的第一路链和该第一路链的周围路链组成路链集合;
获得该路链集合中所有路链在当前时间的当前交通信息,以作为该路链集合的当前集合交通信息;
在该路链集合的历史集合交通信息中获得与当前集合交通信息最匹配的匹配集合交通信息,并获得与该匹配集合交通信息相对应的时间作为匹配时间;以及
利用该第一路链在该匹配时间之后第一时间间隔处的历史交通信息来预测该第一路链在当前时间之后第一时间间隔处的交通信息。
16.如权利要求15所述的交通信息预测方法,还包括:
确定至少一条行程路线;
对于每条行程路线,按照该行程路线的途经顺序依次提取该行程路线中的每条路链作为所述第一路链以作为预测对象;
基于该第一路链的长度和该第一路链在当前时间之后第一时间间隔处的交通信息的预测结果来预测该第一路链的运行时间;以及
对于每条行程路线,基于该行程路线中每条路链的预测运行时间来预测该行程路线的总运行时间。
17.如权利要求16所述的交通信息预测方法,其中,
对于行程路线中的除了起始路链之外的其它路链,第一时间间隔为在该其它路链之前的所有路链的预测运行时间之和。
18.如权利要求15所述的交通信息预测方法,还包括:
基于每条行程路线的预测总运行时间来从所述至少一条行程路线中选择出预测总运行时间最短的行程路线作为最佳行程路线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210108014.6A CN103377552B (zh) | 2012-04-13 | 2012-04-13 | 交通信息预测装置及方法、终端设备及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210108014.6A CN103377552B (zh) | 2012-04-13 | 2012-04-13 | 交通信息预测装置及方法、终端设备及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103377552A true CN103377552A (zh) | 2013-10-30 |
CN103377552B CN103377552B (zh) | 2016-03-16 |
Family
ID=49462608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210108014.6A Expired - Fee Related CN103377552B (zh) | 2012-04-13 | 2012-04-13 | 交通信息预测装置及方法、终端设备及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103377552B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104851298A (zh) * | 2015-06-09 | 2015-08-19 | 刘光明 | 预测交通状况和行车时间 |
CN104848871A (zh) * | 2015-06-09 | 2015-08-19 | 刘光明 | 带有交通状况变化趋势的地图与行车路线 |
CN104882020A (zh) * | 2015-06-05 | 2015-09-02 | 刘光明 | 预测交通状况和行车时间 |
CN105258707A (zh) * | 2015-11-24 | 2016-01-20 | 上海斐讯数据通信技术有限公司 | 一种导航优化方法、***、及一种电子设备 |
WO2017181932A1 (en) * | 2016-04-18 | 2017-10-26 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for recommending an estimated time of arrival |
WO2018068605A1 (zh) * | 2016-10-13 | 2018-04-19 | 腾讯科技(深圳)有限公司 | 行程时间预测方法、装置及服务器 |
CN108132056A (zh) * | 2017-11-15 | 2018-06-08 | 北京通途永久科技有限公司 | 一种通过gps推断公交路径方法 |
WO2018227325A1 (en) * | 2017-06-12 | 2018-12-20 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining an estimated time of arrival |
WO2019019189A1 (en) * | 2017-07-28 | 2019-01-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | SYSTEMS AND METHODS FOR ESTIMATED ARRIVAL TIME DETERMINATION |
CN111341099A (zh) * | 2020-02-27 | 2020-06-26 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004295756A (ja) * | 2003-03-28 | 2004-10-21 | Equos Research Co Ltd | 所要時間推定装置 |
WO2010107394A1 (en) * | 2009-03-17 | 2010-09-23 | St Electronics (Info-Comm Systems) Pte Ltd | Determining a traffic route using predicted traffic congestion |
US20110066315A1 (en) * | 2009-09-15 | 2011-03-17 | Clarion Co., Ltd. | On-Vehicle Information Terminal and Information Distribution System |
CN102110365A (zh) * | 2009-12-28 | 2011-06-29 | 日电(中国)有限公司 | 基于时空关系的路况预测方法和*** |
CN102128631A (zh) * | 2010-01-14 | 2011-07-20 | 歌乐株式会社 | 路径搜索方法、导航服务器和导航仪 |
-
2012
- 2012-04-13 CN CN201210108014.6A patent/CN103377552B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004295756A (ja) * | 2003-03-28 | 2004-10-21 | Equos Research Co Ltd | 所要時間推定装置 |
WO2010107394A1 (en) * | 2009-03-17 | 2010-09-23 | St Electronics (Info-Comm Systems) Pte Ltd | Determining a traffic route using predicted traffic congestion |
US20110066315A1 (en) * | 2009-09-15 | 2011-03-17 | Clarion Co., Ltd. | On-Vehicle Information Terminal and Information Distribution System |
CN102110365A (zh) * | 2009-12-28 | 2011-06-29 | 日电(中国)有限公司 | 基于时空关系的路况预测方法和*** |
CN102128631A (zh) * | 2010-01-14 | 2011-07-20 | 歌乐株式会社 | 路径搜索方法、导航服务器和导航仪 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104882020A (zh) * | 2015-06-05 | 2015-09-02 | 刘光明 | 预测交通状况和行车时间 |
CN104848871B (zh) * | 2015-06-09 | 2018-11-16 | 刘光明 | 带有交通状况变化趋势的地图与行车路线 |
CN104848871A (zh) * | 2015-06-09 | 2015-08-19 | 刘光明 | 带有交通状况变化趋势的地图与行车路线 |
CN104851298A (zh) * | 2015-06-09 | 2015-08-19 | 刘光明 | 预测交通状况和行车时间 |
CN105258707A (zh) * | 2015-11-24 | 2016-01-20 | 上海斐讯数据通信技术有限公司 | 一种导航优化方法、***、及一种电子设备 |
WO2017181932A1 (en) * | 2016-04-18 | 2017-10-26 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for recommending an estimated time of arrival |
US10948301B2 (en) | 2016-04-18 | 2021-03-16 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for recommending an estimated time of arrival |
GB2558502A (en) * | 2016-04-18 | 2018-07-11 | Beijing Didi Infinity Science And Tech Limited | Systems and methods for recommending an estimated time of arrival |
GB2558502B (en) * | 2016-04-18 | 2022-10-26 | Beijing Didi Infinity Technology & Dev Co Ltd | Systems and methods for recommending an estimated time of arrival |
US10254119B2 (en) | 2016-04-18 | 2019-04-09 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for recommending an estimated time of arrival |
WO2018068605A1 (zh) * | 2016-10-13 | 2018-04-19 | 腾讯科技(深圳)有限公司 | 行程时间预测方法、装置及服务器 |
US11143522B2 (en) | 2016-10-13 | 2021-10-12 | Tencent Technology (Shenzhen) Company Limited | Travel time prediction method, apparatus and server |
WO2018227325A1 (en) * | 2017-06-12 | 2018-12-20 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining an estimated time of arrival |
US10922778B2 (en) | 2017-06-12 | 2021-02-16 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining an estimated time of arrival |
US20200160225A1 (en) * | 2017-07-28 | 2020-05-21 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining estimated time of arrival |
WO2019019189A1 (en) * | 2017-07-28 | 2019-01-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | SYSTEMS AND METHODS FOR ESTIMATED ARRIVAL TIME DETERMINATION |
US11580451B2 (en) * | 2017-07-28 | 2023-02-14 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for determining estimated time of arrival |
CN108132056A (zh) * | 2017-11-15 | 2018-06-08 | 北京通途永久科技有限公司 | 一种通过gps推断公交路径方法 |
CN111341099A (zh) * | 2020-02-27 | 2020-06-26 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103377552B (zh) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103377552B (zh) | 交通信息预测装置及方法、终端设备及服务器 | |
US10854018B2 (en) | Determining an amount for a toll based on location data points provided by a computing device | |
CN112818497B (zh) | 交通仿真方法、装置、计算机设备和存储介质 | |
JP4591395B2 (ja) | ナビゲーションシステム | |
US8494991B2 (en) | Optimizing traffic predictions and enhancing notifications | |
JP5350703B2 (ja) | 交通情報生成装置、コンピュータプログラム、及び交通情報の生成方法 | |
Dandl et al. | Microsimulation of an autonomous taxi-system in Munich | |
CN104121918A (zh) | 一种实时路径规划的方法和*** | |
JP4506663B2 (ja) | 交通状況予測装置、方法及びプログラム、経路探索システム並びに交通状況提供システム | |
JP2005274144A (ja) | ナビゲーションシステム | |
CN104937650A (zh) | 用于定位可用停车位的***及方法 | |
CN104123833A (zh) | 一种道路状况的规划方法和装置 | |
CN102890869A (zh) | 车辆行车路线预测通知方法及移动智能终端 | |
JP6190627B2 (ja) | 情報処理システム、情報処理サーバ、情報処理方法、および、情報処理プログラム | |
US20190063938A1 (en) | Route estimation apparatus, route estimation method and computer program | |
JP6803205B2 (ja) | 対象経路を含む移動位置範囲群に基づき通行量を推定する装置、プログラム及び方法 | |
JP2005107942A (ja) | 経路案内情報提示プログラムおよび経路案内情報提示システム | |
CN101479571A (zh) | 地图更新分配和通知*** | |
JP2019028526A (ja) | 混雑予測装置 | |
JP6527060B2 (ja) | 経路探索システム、経路探索方法及びコンピュータプログラム | |
JP5768526B2 (ja) | 渋滞予測装置および渋滞予測データ | |
CN111862657B (zh) | 一种确定路况信息的方法及装置 | |
JP4605073B2 (ja) | ナビゲーション装置及びナビゲーションシステム | |
JP4559442B2 (ja) | ナビゲーションシステム、経路探索サーバおよび端末装置ならびにナビゲーション方法 | |
CN103258421A (zh) | 用于提供交通信息服务的中心服务器以及方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160316 Termination date: 20200413 |