CN106530748A - 车道拥堵指数预测***和方法 - Google Patents

Abstract

本发明涉及一种车道拥堵指数的预测***(包含车载终端)、分析方法、预测方法；所述车道拥堵指数预测包括服务器、车载终端；所述车载终端包括控制器、无线通信装置、定位装置；所述定位装置是高精度多源定位装置；所述车载终端把定位信息传送给服务器。本发明提出的一种车道拥堵指数预测***，服务器通过获得在路车辆高精度、全地域较精确的实时位置，把车辆定位到车道上，并根据预先设置的各种类型的车辆的占用道路的系数，计算出车道或道路的实时拥堵指数，并根据记录的历史拥堵指数，预测未来的拥堵指数，有利于交通管理、交通导航。

Description

车道拥堵指数预测***和方法

技术领域

本发明涉及交通管理，尤其是涉及车道拥堵指数的预测***、车载终端、分析方法和预测方法。

背景技术

反映车道或道路上面车辆密度可以使用道路拥堵指数。道路车辆流量、道路拥堵指数是交通设计、交通管理、交通导航的重要依据；特别是实时的道路拥堵指数，可以用来进行实时的交通管理、交通导航；精确到车道级别的车辆流量、道路拥堵指数更是交通设计、交通管理、交通导航的重要依据；实时的精确到车道级别的车辆流量、道路拥堵指数对实时交通调度、交通导航有很大的意义。

现有的差分卫星定位***的定位精度可以达到毫米级别，并且受地形地物的影响小；还有，通过对单点卫星定位的数据进行误差校正等后处理，获得高精度定位数据的技术；高精度的卫星定位技术可以用来进行交通管理。

现有的中国专利201520285479.8提出了《一种实时车道拥堵指数分析***》能够根据道路上车辆的实时分布情况，计算出道路、车道的实时拥堵指数；但该***使用的是高精度的卫星定位装置，在隧道等处是没有信号的，同时，未涉及拥堵指数的预测。

如果，所有或部分车辆自身携带多源定位装置，就能够更准确地分析出精确的实时的道路使用情况，更能够获得精确的车道使用情况；进一步可以预测出未来某一时段车道、道路的拥堵指数。

发明内容

技术问题：

针对现有技术存在的缺陷，本发明提出一种车道拥堵指数的预测***(包含车载终端)、分析方法、预测方法。通过车辆上安装的高精度的定位***，获得在路的车辆的实时位置，把车辆定位到车道上，进一步分析出实时的道路车辆流量、道路拥堵指数、车道车辆流量、车道拥堵指数；根据历史数据，预测未来某一时段的道路车辆流量、道路拥堵指数、车道车辆流量、车道拥堵指数。

技术方案：

为实现上述目的，本发明提出一种用于车道拥堵指数预测***或车道拥堵指数分析***的车载终端，所述车载终端包括控制器、定位装置、无线通信装置；所述定位装置，是高精度定位装置，其定位精度能够把车辆定位在车道上。

所述车载终端安装在车辆上；所述控制器分别与无线通信装置和定位装置连接。

所述车载终端把定位信息传送给服务器；所述无线通信装置用以服务器与车载终端之间相互传送数据信息；所述定位装置把车辆的定位信息传送给控制器。

为实现上述目的，本发明提出一种车道拥堵指数预测***；所述车道拥堵指数预测***包括服务器、所述车载终端；所述服务器与车载终端通过无线通信装置连接。

所述车道拥堵指数预测***，在做车道拥堵指数分析时，称为车道拥堵指数分析***。

所述定位装置是卫星定位装置、惯性定位装置、基站定位装置的组合。

所述定位装置，根据预先的设置，在卫星定位信号质量差时，自动地切换为惯性定位，在卫星定位信号质量好时，自动地切换为卫星定位。

所述车载终端，记录车辆的唯一识别码。

所述车载终端，还包括数据存储装置，具有数据存储功能；在通信中断时，能够存储待传输的数据。

所述车载终端，还包括行车记录仪；所述行车记录仪用于记录车辆行驶过程中，车辆内部、车辆周围的图像、声音信息。

所述车载终端，还包括与外部设备之间的有线通信接口。

所述车载终端，还包括与外部设备之间的近距离无线通信接口。

所述车载终端，还包括车载设备安全装置，以避免驾驶员主动干扰车载设备的正常工作。

所述车道拥堵指数预测***，还包括交通管理人员使用的应用管理终端，所述应用管理终端是是联网的信息终端，包括固定信息终端和/或移动信息终端。

所述车道拥堵指数预测***，还包括***运行管理人员使用的运行管理终端；所述运行管理终端是联网的信息终端，包括固定信息终端和/或移动信息终端。

所述服务器与车道拥堵指数分析***的服务器之间以通信连接；所述服务器从车道拥堵指数分析***获得拥堵指数，或自己计算获得拥堵指数。

为实现上述目的，本发明提出一种车道拥堵指数分析方法，包含该方法的软件运行在所述的车道拥堵指数预测***或车道拥堵指数分析***的硬件上，包括如下处理步骤：

1)获得车辆的实时高精度的定位数据：车载终端按照预先设置的工作模式把自己最新的定位数据发送到服务器；

2)根据服务器接收到的在设定时间范围内的定位数据、预设的车道区域判断车辆所在的车道；

3)统计各个车道上车辆的数量；认为各个车道上车辆的数量，为车道当前的拥堵指数一。

所述实时车道拥堵指数分析方法，还包括预先分别设置每种不同类型的车辆的占用道路的系数；此时，上述步骤3)变更为如下处理步骤的组合：

3.1)分别统计各个车道上各种不同类型的车辆的数量，认为某个车道上的某种类型的车辆的数量，为该车道上该种类型车辆的在设定时间范围内的拥堵指数一；

3.2)然后对同一个车道上的所有类型车辆的在设定时间范围内的拥堵指数一求和，获得该车道的在设定时间范围内的拥堵指数一；

3.3)再把该车道的各种不同类型的车辆的在设定时间范围内的拥堵指数一分别乘以预先设置的该种类型的车辆占用道路的系数，所得的积为该车道上该种类型车辆的拥堵指数二；

3.4)把该车道上所有类型车辆的在设定时间范围内的拥堵指数二求和，得到该车道的在设定时间范围内的拥堵指数二。

所述实时车道拥堵指数分析方法，可选的还包括如下步骤：

4)把车道和/或道路的在设定时间范围内的拥堵指数一或拥堵指数二除以所属车道和/或道路的面积，获得的商为该车道和/或道路的在设定时间范围内的拥堵指数三或

4.1)把车道和/或道路的在设定时间范围内的某种类型车辆的拥堵指数一或拥堵指数二除以所属车道和/或道路的面积，获得的商为该车道和/或道路的在设定时间范围内的某种类型车辆的拥堵指数三。

所述车道拥堵指数分析方法，可选的还包括如下处理步骤的组合：

5)依据预设的车道与道路的关系，对属于同一条道路的各个车道的在设定时间范围内的拥堵指数一求和，获得该条道路的在设定时间范围内的拥堵指数一；

6)依据预设的车道与道路的关系，对属于同一条道路的各个车道的某种类型的车辆的在设定时间范围内的拥堵指数一求和，获得该条道路该种类型的车辆的在设定时间范围内的拥堵指数一；

7)依据预设的车道与道路的关系，对属于同一条道路的各个车道的在设定时间范围内的拥堵指数二求和，获得该条道路的在设定时间范围内的拥堵指数二；

8)依据预设的车道与道路的关系，对属于同一条道路的各个车道的某种类型的车辆的在设定时间范围内的拥堵指数二求和，获得该条道路该种类型的车辆的在设定时间范围内的拥堵指数二；

9)把计算获得的设定时间范围内的拥堵指数一、拥堵指数二、拥堵指数三，记入数据库中。

所述拥堵指数一、拥堵指数二、拥堵指数三统称为拥堵指数。

为实现上述目的，本发明提出一种车道拥堵指数预测方法，包含该方法的软件运行在所述的车道拥堵指数预测***或车道拥堵指数分析***的硬件上，包括如下处理步骤：

1)取出相应车道和/或道路在历史上一段时间的拥堵指数数据；

2)对取出的历史数据，进行数理分析，获得后续某一时段相应车道和/或道路的拥堵指数的预测数据。

或者，所述车道拥堵指数预测方法，包括如下步骤：

3)取出前边的N(大于等于1)个类似日期的相同时段、前一时段、后续时段的拥堵指数数据；优选的N为3；设置N个拥堵指数预测系数，N个拥堵指数预测系数之和为1；

4)本日前一时段的拥堵指数，除以前一类似日期对应时段的拥堵指数，得到的商为拥堵指数比例；

5)步骤3)取出的N个后续时段的拥堵指数，分别连乘以对应的拥堵指数预测系数、拥堵指数比例，所得的积求和，所得的和为后一时段的拥堵指数预测数据；

所述步骤4)，还可以是下述步骤之一:

4b)本日前一时段的拥堵指数，除以前边N个类似日期对应时段的拥堵指数的平均值，得到的商为拥堵指数比例；

4c)本日前一时段的拥堵指数，除以前边N个类似日期对应时段的拥堵指数的最大值或最小值，得到的商为拥堵指数比例；

4d)本日前一时段的拥堵指数，除以前边N个类似日期对应时段的拥堵指数的任意一个，得到的商为拥堵指数比例；

所述步骤5)，还可以是:

5b)步骤3)取出的N个后续时段的拥堵指数，分别乘以对应的拥堵指数预测系数，所得的积求和，所得的和再乘以拥堵指数比例，得到的积为后一时段的拥堵指数预测数据。

技术效果：

本发明提出的一种车道拥堵指数预测***，服务器通过获得在路车辆高精度、全地域较精确的实时位置，把车辆定位到车道上，并根据预先设置的各种类型的车辆的占用道路的系数，计算出车道或道路的实时拥堵指数，并根据记录的历史拥堵指数，预测未来的拥堵指数，有利于交通管理、交通导航。

附图说明

图1是本发明的车道拥堵指数预测***的原理示意图。

图2是本发明的车载终端的原理示意图。

图3是本发明的定位装置的原理示意图：

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明提出一种车道拥堵指数预测***，包括：服务器、车载终端、应用管理终端、运行管理终端、通信***；所述车载终端、应用管理终端、运行管理终端通过通信***与服务器通信。所述服务器与车载终端通过无线通信装置连接；所述车道拥堵指数预测***，在做车道拥堵指数分析时，称为车道拥堵指数分析***。

如图2所示，所述车载终端包括：控制器、无线通信装置、定位装置、行车记录仪、车载设备安全装置；所述控制器、无线通信装置、定位装置、行车记录仪、车载设备安全装置之间的连接是现有技术。

如图3所示，所述定位装置包括：控制器、卫星定位装置、惯性定位装置、基站定位装置；所述控制器、卫星定位装置、惯性定位装置、基站定位装置之间的连接是现有技术。

所述车载终端安装在车辆上；所述控制器分别与无线通信装置和定位装置连接；所述无线通信装置用以服务器与车载终端之间相互传送数据信息；所述车载终端的定位装置把车辆的定位信息传送给控制器。

所述车载终端是所述车道拥堵指数预测***或车道拥堵指数分析***的组成部分。

所述定位装置是卫星定位装置、惯性定位装置、基站定位装置的组合。

所述定位装置，是高精度定位装置，其定位精度能够把车辆定位在车道上。

所述定位装置，能够根据预先的设置，在卫星定位信号质量差时，自动地切换为惯性定位，在卫星定位信号质量好时，自动地切换为卫星定位。

所述卫星定位装置；选用差分卫星定位装置，或者卫星定位增强装置，或者其他的高精度卫星定位装置；所选用的卫星定位装置的定位精度优于0.5米，优选的使用差分卫星定位装置，其定位精度优于0.1米。

所述定位装置，在包含基站定位装置时，依照预先的设定，使用基站定位数据检测卫星定位、惯性定位的定位数据的误差是否合理；其判断方法是，检测卫星定位、惯性定位的定位数据与基站定位的定位数据之间的差异是否在预先设定的合理的范围之内；如果，差异过大，则3种定位装置之一可能工作不正常。发现定位装置工作不正常时，及时检修。

所述基站定位装置，其定位误差较大，基站密度较低的地方定位精度更低；在卫星定位装置、惯性定位装置工作都不正常时，使用基站定位装置提供的定位数据。

预先设置各个区域的基站定位精度；预先设置各个区域的卫星定位、惯性定位的定位数据与基站定位的定位数据之间的合理差异阈值。

所述无线通信装置是蜂窝无线通信终端、或数字电台。

所述车载终端，记录车辆的唯一识别码。

所述车载终端，还包括数据存储装置，具有数据存储功能；在通信中断时，能够存储待传输的数据。

所述车载终端，可选的还包括车载设备安全装置；其综合应用下述两份专利的技术：中国专利2015202687899，提出的《双源定位的机动车电子身份证安全防护***》，中国专利2015202701773，提出的《一种机动车电子身份证安全防护***》。

所述车载终端，可选的还包括行车记录仪；所述行车记录仪用于记录车辆行驶过程中，车辆内部、车辆周围的图像、声音信息。优选的包括有行车记录仪；是现有技术。

所述车道拥堵指数预测***，可选的还包括交通管理人员使用的应用管理终端，所述应用管理终端是联网的信息终端，包括固定信息终端和/或移动信息终端；优选的包括应用管理终端；是现有技术。

所述车道拥堵指数预测***，在做车道拥堵指数分析时，称为车道拥堵指数分析***。

所述车道拥堵指数预测***，可选的还包括***运行管理人员使用的该***的运行管理终端；所述运行管理终端是联网的信息终端，包括固定信息终端和/或移动信息终端；优选的包括运行管理终端；是现有技术。

所述车载终端，可选的还包括与外部设备之间的有线通信接口。优选的包括有线通信接口；是现有技术。

所述车载终端，可选的还包括与外部设备之间的近距离无线通信接口。优选的包括近距离无线通信接口；是现有技术。

所述车载终端安装在车辆上，由车载供电***供电，其安装、供电技术是现有技术。

所述服务器与车道拥堵指数分析***的服务器之间以通信连接；所述服务器从车道拥堵指数分析***获得拥堵指数，或自己计算获得拥堵指数。

所述拥堵指数是所述的拥堵指数一、拥堵指数二、拥堵指数三的组合。

一种车道拥堵指数分析方法，包含该方法的软件运行在所述的车道拥堵指数预测***或车道拥堵指数分析***的硬件上，包括如下处理步骤：

1)获得车辆的实时高精度的定位数据：车载终端按照预先设置的工作模式把自己最新的定位数据发送到服务器；

2)根据服务器接收到的在设定时间范围内的定位数据、预设的车道区域判断车辆所在的车道；

3)统计各个车道上车辆的数量；认为各个车道上车辆的数量，为车道当前的拥堵指数一。

所述实时车道拥堵指数分析方法，还包括预先分别设置每种不同类型的车辆的占用道路的系数；此时，上述步骤3)变更为如下处理步骤的组合：

3.1)分别统计各个车道上各种不同类型的车辆的数量，认为某个车道上的某种类型的车辆的数量，为该车道上该种类型车辆的在设定时间范围内的拥堵指数一；

3.2)然后对同一个车道上的所有类型车辆的在设定时间范围内的拥堵指数一求和，获得该车道的在设定时间范围内的拥堵指数一；

3.3)再把该车道的各种不同类型的车辆的在设定时间范围内的拥堵指数一分别乘以预先设置的该种类型的车辆占用道路的系数，所得的积为该车道上该种类型车辆的拥堵指数二；

3.4)把该车道上所有类型车辆的在设定时间范围内的拥堵指数二求和，得到该车道的在设定时间范围内的拥堵指数二。

所述实时车道拥堵指数分析方法，可选的还包括如下步骤：

4)把车道和/或道路的在设定时间范围内的拥堵指数一或拥堵指数二除以所属车道和/或道路的面积，获得的商为该车道和/或道路的在设定时间范围内的拥堵指数三或

4.1)把车道和/或道路的在设定时间范围内的某种类型车辆的拥堵指数一或拥堵指数二除以所属车道和/或道路的面积，获得的商为该车道和/或道路的在设定时间范围内的某种类型车辆的拥堵指数三。

所述车道拥堵指数分析方法，可选的还包括如下处理步骤的组合：

5)依据预设的车道与道路的关系，对属于同一条道路的各个车道的在设定时间范围内的拥堵指数一求和，获得该条道路的在设定时间范围内的拥堵指数一；

6)依据预设的车道与道路的关系，对属于同一条道路的各个车道的某种类型的车辆的在设定时间范围内的拥堵指数一求和，获得该条道路该种类型的车辆的在设定时间范围内的拥堵指数一；

7)依据预设的车道与道路的关系，对属于同一条道路的各个车道的在设定时间范围内的拥堵指数二求和，获得该条道路的在设定时间范围内的拥堵指数二；

8)依据预设的车道与道路的关系，对属于同一条道路的各个车道的某种类型的车辆的在设定时间范围内的拥堵指数二求和，获得该条道路该种类型的车辆的在设定时间范围内的拥堵指数二；

9)把计算获得的设定时间范围内的拥堵指数一、拥堵指数二、拥堵指数三，记入数据库中。

本发明提出一种车道拥堵指数预测方法，包含该方法的软件运行在所述的车道拥堵指数预测***或车道拥堵指数分析***的硬件上，包括如下处理步骤：

1)取出相应车道和/或道路在历史上一段时间的拥堵指数数据；

2)对取出的历史数据，进行数理分析，获得后续某一时段相应车道和/或道路的拥堵指数的预测数据。

所述步骤2)，通过对历史上的某一特定类型的拥堵指数的数据分析，获得后续某一时段的某一特定类型的拥堵指数的预测数据。其分析方法是时空分析法：根据同一道路和/或车道在历史上相同和/或相似时段的、类似日期的拥堵指数数据，按照预设的分析方法计算，获得后续特定时段的拥堵指数的预测数据。

所述相同和/或相似时段，一般指的是同一时段，如早上7:30到8:00，也可以是时间稍微差异的时段，如早上7:30到8:00对应早上7:40到8:10。

所述相同和/或相似时段的、类似日期，指的是同一时段或时间稍微差异的时段、道路和/或车道交通情况类似的情况，如上班的周一的早上7:30到8:00。

所述时段，根据分析的需要，预先设置，其最小范围可以设置到秒，最大范围设置到年；优选的设置为6分钟。

所述预设的分析方法，是所述车道拥堵指数预测方法的步骤；

或者，所述车道拥堵指数预测方法，包括如下步骤：

3)取出前边的N(大于等于1)个类似日期的相同时段、前一时段、后续时段的拥堵指数数据；优选的N为3；设置N个拥堵指数预测系数，N个拥堵指数预测系数之和为1；所述N个拥堵指数预测系数，根据经验设置；

4)本日前一时段的拥堵指数，除以前一类似日期对应时段的拥堵指数，得到的商为拥堵指数比例；

5)步骤3)取出的N个后续时段的拥堵指数，分别连乘以对应的拥堵指数预测系数、拥堵指数比例，所得的积求和，所得的和为后一时段的拥堵指数预测数据；

所述步骤4)，还可以是下述步骤之一:

4b)本日前一时段的拥堵指数，除以前边N个类似日期对应时段的拥堵指数的平均值，得到的商为拥堵指数比例；

4c)本日前一时段的拥堵指数，除以前边N个类似日期对应时段的拥堵指数的最大值或最小值，得到的商为拥堵指数比例；

4d)本日前一时段的拥堵指数，除以前边N个类似日期对应时段的拥堵指数的任意一个，得到的商为拥堵指数比例；

4e)本日前一时段的拥堵指数，分别除以前边N个类似日期对应时段的拥堵指数，得到的N个商为对应日期的拥堵指数比例；

所述步骤5)，还可以是:

5b)步骤3)取出的N个后续时段的拥堵指数，乘以对应的拥堵指数预测系数，所得的积求和，所得的和再乘以拥堵指数比例，得到的积为后一时段的拥堵指数预测数据。

本发明提出的一种车道拥堵指数预测***，服务器通过获得在路车辆高精度、全地域较精确的实时位置，把车辆定位到车道上，并根据预先设置的各种类型的车辆的占用道路的系数，计算出车道或道路的实时拥堵指数，并根据记录的历史拥堵指数，预测未来的拥堵指数，有利于交通管理、交通导航。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于车道拥堵指数预测***或车道拥堵指数分析***的车载终端，其特征在于：所述车载终端包括控制器、定位装置、无线通信装置；所述定位装置，是高精度定位装置，其定位精度能够把车辆定位在车道上。

2.一种车道拥堵指数预测***或车道拥堵指数分析***，其特征在于：包括：服务器、车载终端；所述车载终端是权利要求1及其从属权利要求所述的车载终端；所述服务器与车载终端通过无线通信装置连接；所述车道拥堵指数预测***，在做车道拥堵指数分析时，称为车道拥堵指数分析***。

3.根据权利要求1所述的车载终端，其特征在于：所述定位装置是卫星定位装置、惯性定位装置、基站定位装置的组合。

4.根据权利要求3所述的车载终端，其特征在于：所述定位装置，根据预先的设置，在卫星定位信号质量差时，自动地切换为惯性定位，在卫星定位信号质量好时，自动地切换为卫星定位。

5.根据权利要求1所述的车载终端，其特征在于：所述车载终端，记录车辆的唯一识别码。

6.根据权利要求1所述的车载终端，其特征在于：所述车载终端，还包括行车记录仪；所述行车记录仪用于记录车辆行驶过程中，车辆内部、车辆周围的图像、声音信息。

7.根据权利要求2所述的车道拥堵指数预测***或车道拥堵指数分析***，其特征在于：还包括车载设备安全装置。

8.根据权利要求2所述的车道拥堵指数预测***或车道拥堵指数分析***，其特征在于：还包括交通管理人员使用的应用管理终端和/或***运行管理人员使用的运行管理终端。

9.一种车道拥堵指数分析方法，其特征在于：包含该方法的软件运行在所述一种车道拥堵指数预测***或车道拥堵指数分析***的硬件上，包括如下处理步骤：

1)获得车辆的实时高精度的定位数据：车载终端按照预先设置的工作模式把自己最新的定位数据发送到服务器；

2)根据服务器接收到的在设定时间范围内的定位数据、预设的车道区域判断车辆所在的车道；

3)统计各个车道上车辆的数量；认为各个车道上车辆的数量，为车道当前的拥堵指数一；

所述实时车道拥堵指数分析方法，还包括预先分别设置每种不同类型的车辆的占用道路的系数；此时，上述步骤3)变更为如下处理步骤的组合：

3.1)分别统计各个车道上各种不同类型的车辆的数量，认为某个车道上的某种类型的车辆的数量，为该车道上该种类型车辆的在设定时间范围内的拥堵指数一；

3.2)然后对同一个车道上的所有类型车辆的在设定时间范围内的拥堵指数一求和，获得该车道的在设定时间范围内的拥堵指数一；

3.3)再把该车道的各种不同类型的车辆的在设定时间范围内的拥堵指数一分别乘以预先设置的该种类型的车辆占用道路的系数，所得的积为该车道上该种类型车辆的拥堵指数二；

3.4)把该车道上所有类型车辆的在设定时间范围内的拥堵指数二求和，得到该车道的在设定时间范围内的拥堵指数二；

所述实时车道拥堵指数分析方法，可选的还包括如下步骤：

4)把车道和/或道路的在设定时间范围内的拥堵指数一或拥堵指数二除以所属车道和/或道路的面积，获得的商为该车道和/或道路的在设定时间范围内的拥堵指数三或

4.1)把车道和/或道路的在设定时间范围内的某种类型车辆的拥堵指数一或拥堵指数二除以所属车道和/或道路的面积，获得的商为该车道和/或道路的在设定时间范围内的某种类型车辆的拥堵指数三；

所述车道拥堵指数分析方法，可选的还包括如下处理步骤的组合：

5)依据预设的车道与道路的关系，对属于同一条道路的各个车道的在设定时间范围内的拥堵指数一求和，获得该条道路的在设定时间范围内的拥堵指数一；

6)依据预设的车道与道路的关系，对属于同一条道路的各个车道的某种类型的车辆的在设定时间范围内的拥堵指数一求和，获得该条道路该种类型的车辆的在设定时间范围内的拥堵指数一；

7)依据预设的车道与道路的关系，对属于同一条道路的各个车道的在设定时间范围内的拥堵指数二求和，获得该条道路的在设定时间范围内的拥堵指数二；

8)依据预设的车道与道路的关系，对属于同一条道路的各个车道的某种类型的车辆的在设定时间范围内的拥堵指数二求和，获得该条道路该种类型的车辆的在设定时间范围内的拥堵指数二；

9)把计算获得的设定时间范围内的各种类型的拥堵指数一、拥堵指数二、拥堵指数三，记入数据库中。

10.一种车道拥堵指数预测方法，其特征在于：包含该方法的软件运行在所述一种车道拥堵指数预测***或车道拥堵指数分析***的硬件上，包括如下处理步骤：

1)取出相应车道和/或道路历史上一段时间的拥堵指数数据；

2)对取出的历史数据，进行数理分析，获得后续某一时段相应车道和/或道路的拥堵指数的预测数据；

或者，包括如下处理步骤：

3)取出前边的N(大于等于1)个类似日期的相同时段、前一时段、后续时段的拥堵指数数据；优选的N为3；设置N个拥堵指数预测系数，N个拥堵指数预测系数之和为1；

4)本日前一时段的拥堵指数，除以前一类似日期对应时段的拥堵指数，得到的商为拥堵指数比例；

5)步骤3)取出的N个后续时段的拥堵指数，分别连乘以对应的拥堵指数预测系数、拥堵指数比例，所得的积求和，所得的和为后一时段的拥堵指数预测数据；

所述步骤4)，还可以是下述步骤之一:

4b)本日前一时段的拥堵指数，除以前边N个类似日期对应时段的拥堵指数的平均值，得到的商为拥堵指数比例；

4c)本日前一时段的拥堵指数，除以前边N个类似日期对应时段的拥堵指数的最大值或最小值，得到的商为拥堵指数比例；

4d)本日前一时段的拥堵指数，除以前边N个类似日期对应时段的拥堵指数的任意一个，得到的商为拥堵指数比例；

所述步骤5)，还可以是:

5b)步骤3)取出的N个后续时段的拥堵指数，分别乘以对应的拥堵指数预测系数，所得的积求和，所得的和再乘以拥堵指数比例，得到的积为后一时段的拥堵指数预测数据。