CN106934107A - 交通出行场景构建方法、装置、设备及存储介质 - Google Patents
交通出行场景构建方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN106934107A CN106934107A CN201710089333.XA CN201710089333A CN106934107A CN 106934107 A CN106934107 A CN 106934107A CN 201710089333 A CN201710089333 A CN 201710089333A CN 106934107 A CN106934107 A CN 106934107A
- Authority
- CN
- China
- Prior art keywords
- traffic trip
- traffic
- vehicle
- trip
- regions
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了交通出行场景构建方法、装置、设备及存储介质,其中方法包括:获取真实的城市路网数据;获取真实的交通出行样本数据;根据获取到的交通出行样本数据确定出交通出行模型;根据城市路网数据以及交通出行模型,模拟出所需的交通出行场景。应用本发明所述方案,能够构建出符合真实情况的交通出行场景。
Description
【技术领域】
本发明涉及计算机应用技术,特别涉及交通出行场景构建方法、装置、设备及存储介质。
【背景技术】
现代城市发展速度越来越快,伴随而来的交通问题也越来越严重,人口及车辆数量不断攀升,但城市的空间和容量有限,不可能无上限的新建道路和交通设施,交通拥堵成为城市发展的重大问题。
因此,必须考虑在不新建道路和交通设施的情况下,如何通过其它方式来减轻交通拥堵问题,即考虑新的和潜在的交通运输解决方案是必然的发展趋势。
比如,引入无人驾驶车辆,但由于无人驾驶车辆是近年来新出现的技术,将其引入到交通出行场景中之后,对于交通状况的影响还是未知的,所以较佳地,需要基于模拟(构建)出的交通出行场景预先进行评估。
现有技术中,通常都是根据人工设定的一些规则如道路情况以及车辆行驶规则等来模拟出交通出行场景,与真实的交通出行场景通常存在很大的偏差,从而影响了后续评估结果的准确性。
【发明内容】
有鉴于此,本发明提供了交通出行场景构建方法、装置、设备及存储介质,能够构建出符合真实情况的交通出行场景。
具体技术方案如下:
一种交通出行场景构建方法,包括:
获取真实的城市路网数据;
获取真实的交通出行样本数据;
根据获取到的交通出行样本数据确定出交通出行模型;
根据所述城市路网数据以及所述交通出行模型,模拟出所需的交通出行场景。
一种交通出行场景构建装置,包括:第一获取单元、第二获取单元以及模拟单元;
所述第一获取单元,用于获取真实的城市路网数据,发送给所述模拟单元;
所述第二获取单元,用于获取真实的交通出行样本数据,并根据获取到的交通出行样本数据确定出交通出行模型,发送给所述模拟单元;
所述模拟单元,用于根据所述城市路网数据以及所述交通出行模型,模拟出所需的交通出行场景。
一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如以上所述的方法。
基于上述介绍可以看出,采用本发明所述方案,可根据真实的城市路网数据以及根据真实的交通出行样本数据确定出的交通出行模型,模拟出所需的交通出行场景,从而相比于现有技术,能够得到更为符合真实情况的交通出行场景。
【附图说明】
图1为本发明所述交通出行场景构建方法实施例的流程图。
图2为本发明所述交通出行场景构建装置实施例的组成结构示意图。
图3示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。
【具体实施方式】
为了使本发明的技术方案更加清楚、明白,以下参照附图并举实施例,对本发明所述方案作进一步地详细说明。
图1为本发明所述交通出行场景构建方法实施例的流程图,如图1所示,包括以下具体实现方式。
在101中,获取真实的城市路网数据。
本发明所述方案中,对于交通状况的模拟全部使用真实的城市路网数据,包括高速、主干道、出入口、小区内道路等,另外,还需要包括多种交通要素,如城市交通中包括的交通标志、交通灯、限行、限速等,与真实场景一致。
如何获取真实的城市路网数据为现有技术。
在102中,获取真实的交通出行样本数据。
交通出行样本数据,通常是指车辆的交通出行样本数据。
如何获取交通出行样本数据可根据实际需要而定,比如,可以从出租车公司获取出租车的交通出行样本数据,或者,通过百度地图获取出租车以及私家车等的交通出行样本数据。
每条交通出行样本数据中可包括:出行时间、起点、终点、路径等。
可预先将整个城市区域划分为M个子区域,M为大于一的正整数,具体取值可根据实际需要而定,如何划分各子区域同样可根据实际需要而定。
相应地,可分别获取每个子区域对应的交通出行样本数据。
比如,对于一个子区域a,可获取最近一天内、从该子区域出发去往其它子区域的交通出行样本数据,子区域a对应的交通出行样本数据中的起点需要位于子区域a内。
这样,子区域a对应的一个交通出行样本数据可为:出租车b在**时间从**地(位于子区域a中)出发,于**时间到达**地(位于子区域c中),路径为**。
交通出行样本数据即为真实交通出行数据的抽样数据,交通出行样本数据与真实交通出行数据的比例不能相差太悬殊,否则该抽样将很难代表整体的特征,交通出行样本数据的具体数量可根据实际需要而定。
在103中,根据获取到的交通出行样本数据确定出交通出行模型。
可将每个子区域内发生的交通出行需求均视作一个泊松过程,可根据每个子区域对应的交通出行样本数据,分别确定出每个子区域在不同时间段内发生的交通出行事件的数目,将确定结果作为每个子区域在不同时间段内的交通出行需求评估结果。
将不同子区域内发生的交通出行需求看作一个泊松过程,在时间区间[t,t+τ]内发生的交通出行事件的数目的概率分布为:
可按照现有技术,通过每个子区域对应的不同时间段的交通出行样本数据,分别确定出每个子区域对应于不同时间段的参数λ,各时间段的具体时长τ可根据实际需要而定。
比如,可根据子区域a对应的晚6:00~6:30这一时间段的交通出行样本数据,即出发时间位于6:00~6:30这一时间段的交通出行样本数据,确定出子区域a对应于晚6:00~6:30这一时间段的参数λ,进而可根据上述概率分布公式,确定出子区域a在晚6:00~6:30这一时间段内发生的交通出行事件的数目,并可将确定结果作为子区域a在晚6:00~6:30这一时间段内的交通出行需求评估结果。
按照上述方式,可分别得到每个子区域在不同时间段内的交通出行需求评估结果。
并且,针对每个交通出行需求评估结果,可进一步区分出其中去往不同子区域的出行需求数。
比如,子区域a对应的晚6:00~6:30这一时间段的交通出行样本数据共有四个,其中两个去往子区域c,另外两个去往子区域d,两者的比例为1:1,那么则可认为子区域a在晚6:00~6:30这一时间段内去往子区域c和去往子区域d的出行需求数相同。
另外,上述交通出行需求评估结果是根据抽样的交通出行样本数据确定出的,为使其更接近真实情况,还可根据获取到的关键路口的交通流量信息,对各交通出行需求评估结果进行修正。
具体地,可通过设置在各关键路口的摄像头拍摄到的不同时间段的交通流量视频,分析出各关键路口的交通流量信息。
比如,通过分析确定出在晚6:00~6:30这一时间段内从国贸桥下经过,从东向西行驶的车辆数为100,而根据获取到的交通出行样本数据,分析出在晚6:00~6:30这一时间段内从国贸桥下经过,从东向西行驶的车辆数为20,从而可知真实分析结果为样本分析结果的5倍;同样地,通过分析可确定出在晚6:00~6:30这一时间段内从学知桥下经过,从东向西行驶的车辆数为90,而根据获取到的交通出行样本数据,分析出在晚6:00~6:30这一时间段内从学知桥下经过,从东向西行驶的车辆数为15,从而可知真实分析结果为样本分析结果的6倍;…;在分别得到各关键路口对应的所述倍数之后,可将其求平均,根据计算出的均值对各子区域在晚6:00~6:30这一时间段内的交通出行需求评估结果进行修正,即用交通出行需求评估结果乘以计算出的均值,相应地,还可对各交通出行需求评估结果中去往不同子区域的出行需求数进行修正。
当然,以上所述方式仅为举例说明,并不用于限制本发明的技术方案,除上述方式外,还可以采用本领域技术人员能够想到的其它任意方式,只要能够使交通出行需求评估结果与真实情况尽可能地相符即可。
在104中,根据城市路网数据以及交通出行模型,模拟出所需的交通出行场景。
经过101~103中的处理之后,即可根据城市路网数据以及修正后的各交通出行需求评估结果等,模拟出所需的交通出行场景。
基于之前的介绍可知,根据修正后的各交通出行需求评估结果等,可知道不同的时间段、不同的子区域内的交通出行需求情况,即有多少车辆需要从哪里到哪里等,相应地,可根据实际需求,如需要模拟的区域以及时间段信息等,模拟出所需的交通出行场景。
比如,模拟出国贸地区晚6:00~6:30的交通出行场景,如何进行模拟为现有技术。
可以看出,采用本发明所述方案,可根据真实的城市路网数据以及根据真实的交通出行样本数据确定出的交通出行模型,模拟出所需的交通出行场景,从而相比于现有技术能够得到更为符合真实情况的交通出行场景。
在此基础上,还可将待评估车辆加入到模拟出的交通出行场景中,进而评估出待评估车辆对交通状况的影响。
待评估车辆可为无人驾驶车辆。
未来,如果将无人驾驶车辆加入到真实的交通出行场景中,会具有多种优势,比如:
无人驾驶车辆可以作为公共交通车辆,其定位和调度的效率远高于出租车,可以有效解决公共出行问题;
无人驾驶车辆作为公共交通车辆,利于共享出行,便于调度,可以大幅减少路面车辆数量,并提高乘坐舒适度;
将乘客送到指定位置后,可以自动泊车到较远位置,或继续载客,适用于城市中心停车位较少的黄金地区;
无人驾驶车辆可避免因为人为错误而产生的交通事故,从而可降低事故率,减少因事故而产生的拥堵;
无人驾驶车辆严格遵守交通规则,可避免因为不遵守交通规则而造成的交通拥堵。
在实际应用中,可分别按照不同策略将无人驾驶车辆加入到模拟出的交通出行场景中,从而分别评估出不同策略下无人驾驶车辆对交通状况的影响。
比如,可用无人驾驶车辆来替换交通出行场景中随机挑选出的部分出租车,无人驾驶车辆在将乘客送到指定位置后,可调度其自动泊车到较远位置,或继续载客等,评估出所作替换对交通状况的影响。
再比如,可以改变加入(如上述替换)到交通出行场景中的无人驾驶车辆的数量,并分别评估出不同数量对交通状况的影响。
总之,采用何种策略将无人驾驶车辆加入到交通出行场景中可根据实际的测试需求而定。
可针对模拟出的交通出行场景,比较加入无人驾驶车辆之前的交通指数以及加入无人驾驶车辆之后的交通指数,从而得到无人驾驶车辆对于交通状况的改善情况。
根据不同策略下分别对应的交通状况改善情况,可以知道以何种方式使用无人驾驶车辆,可以更好地发挥无人驾驶车辆的优势,这对于后续的无人驾驶车辆的投入运营具有重要的意义。
以上是关于方法实施例的介绍,以下通过装置实施例,对本发明所述方案进行进一步说明。
图2为本发明所述交通出行场景构建装置实施例的组成结构示意图,如图2所示,包括:第一获取单元201、第二获取单元202以及模拟单元203。
第一获取单元201,用于获取真实的城市路网数据,发送给模拟单元203;
第二获取单元202,用于获取真实的交通出行样本数据,并根据获取到的交通出行样本数据确定出交通出行模型,发送给模拟单元203;
模拟单元203,用于根据城市路网数据以及交通出行模型,模拟出所需的交通出行场景。
第二获取单元201可分别获取每个子区域对应的交通出行样本数据,其中,预先将整个城市区域划分为M个子区域,M为大于一的正整数。
第二获取单元202可将每个子区域内发生的交通出行需求均视作一个泊松过程,根据每个子区域对应的交通出行样本数据,分别确定出每个子区域在不同时间段内发生的交通出行事件的数目,将确定结果作为每个子区域在不同时间段内的交通出行需求评估结果。
针对每个交通出行需求评估结果,还可进一步区分出其中去往不同子区域的出行需求数。
另外,上述交通出行需求评估结果是根据抽样的交通出行样本数据确定出的,为使其更接近真实情况,还可根据获取到的关键路口的交通流量信息,对各交通出行需求评估结果进行修正。
即第二获取单元202还可进一步用于,根据获取到的关键路口的交通流量信息,分别对各交通出行需求评估结果进行修正。
相应地,模拟单元203可根据城市路网数据以及修正后的各交通出行需求评估结果,模拟出所需的交通出行场景。
在此基础上,模拟单元203还可将待评估车辆加入到交通出行场景中,评估出待评估车辆对交通状况的影响。
待评估车辆可为无人驾驶车辆。
在实际应用中,模拟单元203可分别按照不同策略将待评估车辆加入到交通出行场景中,分别评估出不同策略下待评估车辆对交通状况的影响。
图2所示装置实施例的具体工作流程请参照前述方法实施例中的相应说明,此处不再赘述。
图3示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。图3显示的计算机***/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机***/服务器12以通用计算设备的形式表现。计算机***/服务器12的组件可以包括但不限于:一个或者多个处理器(处理单元)16,存储器28,连接不同***组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机***/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信,和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机***/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图3所示,网络适配器20通过总线18与计算机***/服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机***/服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理器16通过运行存储在存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现图1所示实施例中的方法,即获取真实的城市路网数据,获取真实的交通出行样本数据,根据获取到的交通出行样本数据确定出交通出行模型,根据城市路网数据以及交通出行模型,模拟出所需的交通出行场景。
另外,还可将待评估车辆加入到交通出行场景中,评估出待评估车辆对交通状况的影响。
比如,可分别按照不同策略将待评估车辆加入到所述交通出行场景中,分别评估出不同策略下待评估车辆对交通状况的影响。
较佳地,待评估车辆为无人驾驶车辆。
本发明同时公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时将实现如图1所示实施例中的方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法等,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (14)
1.一种交通出行场景构建方法,其特征在于,包括:
获取真实的城市路网数据;
获取真实的交通出行样本数据;
根据获取到的交通出行样本数据确定出交通出行模型;
根据所述城市路网数据以及所述交通出行模型,模拟出所需的交通出行场景。
2.根据权利要求1所述的方法,其特征在于,
该方法进一步包括:
将待评估车辆加入到所述交通出行场景中,评估出所述待评估车辆对交通状况的影响。
3.根据权利要求2所述的方法,其特征在于,
所述将待评估车辆加入到所述交通出行场景中,评估出所述待评估车辆对交通状况的影响包括:
分别按照不同策略将所述待评估车辆加入到所述交通出行场景中,分别评估出不同策略下所述待评估车辆对交通状况的影响。
4.根据权利要求2所述的方法,其特征在于,
所述待评估车辆包括:无人驾驶车辆。
5.根据权利要求1所述的方法,其特征在于,
所述获取真实的交通出行样本数据包括:
将整个城市区域划分为M个子区域,M为大于一的正整数;
分别获取每个子区域对应的交通出行样本数据;
所述根据获取到的交通出行样本数据构建出交通出行模型包括:
将每个子区域内发生的交通出行需求均视作一个泊松过程;
根据每个子区域对应的交通出行样本数据,分别确定出每个子区域在不同时间段内发生的交通出行事件的数目,将确定结果作为每个子区域在不同时间段内的交通出行需求评估结果。
6.根据权利要求5所述的方法,其特征在于,
所述将确定结果作为每个子区域在不同时间段内的交通出行需求评估结果之后,进一步包括:
根据获取到的关键路口的交通流量信息,分别对各交通出行需求评估结果进行修正;
所述根据所述城市路网数据以及所述交通出行模型,模拟出所需的交通出行场景包括:
根据所述城市路网数据以及修正后的各交通出行需求评估结果,模拟出所需的交通出行场景。
7.一种交通出行场景构建装置,其特征在于,包括:第一获取单元、第二获取单元以及模拟单元;
所述第一获取单元,用于获取真实的城市路网数据,发送给所述模拟单元;
所述第二获取单元,用于获取真实的交通出行样本数据,并根据获取到的交通出行样本数据确定出交通出行模型,发送给所述模拟单元;
所述模拟单元,用于根据所述城市路网数据以及所述交通出行模型,模拟出所需的交通出行场景。
8.根据权利要求7所述的装置,其特征在于,
所述模拟单元进一步用于,
将待评估车辆加入到所述交通出行场景中,评估出所述待评估车辆对交通状况的影响。
9.根据权利要求8所述的装置,其特征在于,
所述模拟单元分别按照不同策略将所述待评估车辆加入到所述交通出行场景中,分别评估出不同策略下所述待评估车辆对交通状况的影响。
10.根据权利要求8所述的装置,其特征在于,
所述待评估车辆包括:无人驾驶车辆。
11.据权利要求7述的装置,其特征在于,
所述第二获取单元分别获取每个子区域对应的交通出行样本数据,其中,预先将整个城市区域划分为M个子区域,M为大于一的正整数;
所述第二获取单元将每个子区域内发生的交通出行需求均视作一个泊松过程,根据每个子区域对应的交通出行样本数据,分别确定出每个子区域在不同时间段内发生的交通出行事件的数目,将确定结果作为每个子区域在不同时间段内的交通出行需求评估结果。
12.根据权利要求11所述的装置,其特征在于,
所述第二获取单元进一步用于,根据获取到的关键路口的交通流量信息,分别对各交通出行需求评估结果进行修正;
所述模拟单元根据所述城市路网数据以及修正后的各交通出行需求评估结果,模拟出所需的交通出行场景。
13.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~6中任一项所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710089333.XA CN106934107A (zh) | 2017-02-20 | 2017-02-20 | 交通出行场景构建方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710089333.XA CN106934107A (zh) | 2017-02-20 | 2017-02-20 | 交通出行场景构建方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106934107A true CN106934107A (zh) | 2017-07-07 |
Family
ID=59423368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710089333.XA Pending CN106934107A (zh) | 2017-02-20 | 2017-02-20 | 交通出行场景构建方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106934107A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909180A (zh) * | 2017-09-30 | 2018-04-13 | 百度在线网络技术(北京)有限公司 | 公共交通出行用时的处理方法、设备及可读介质 |
CN110008299A (zh) * | 2019-04-08 | 2019-07-12 | 百度在线网络技术(北京)有限公司 | 一种地图评估方法、装置、电子设备及存储介质 |
CN110378502A (zh) * | 2018-09-13 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 辅助无人车确定路径的方法和装置 |
CN110995548A (zh) * | 2020-03-04 | 2020-04-10 | 杭州云动智能汽车技术有限公司 | 一种测试边界工况下v2x协议有效性的方法 |
CN111091156A (zh) * | 2019-12-20 | 2020-05-01 | 斑马网络技术有限公司 | 路口的通行时间估算方法、装置及电子设备 |
CN111091581A (zh) * | 2018-10-24 | 2020-05-01 | 百度在线网络技术(北京)有限公司 | 基于生成对抗网络的行人轨迹模拟方法、装置和存储介质 |
WO2020224462A1 (zh) * | 2019-05-09 | 2020-11-12 | 腾讯科技(深圳)有限公司 | 驾驶仿真场景的处理方法、装置及存储介质 |
CN114066001A (zh) * | 2021-09-25 | 2022-02-18 | 苏州智能交通信息科技股份有限公司 | 基于出行本征的交通服务优化方法、***、终端及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881173A (zh) * | 2012-09-24 | 2013-01-16 | 青岛海信网络科技股份有限公司 | 交通需求控制方法和*** |
CN103412975A (zh) * | 2013-07-11 | 2013-11-27 | 吴建平 | 动态交通仿真平台及其仿真方法 |
CN103593535A (zh) * | 2013-11-22 | 2014-02-19 | 南京洛普股份有限公司 | 基于多尺度融合的城市交通复杂自适应网络平行仿真***及方法 |
CN106153352A (zh) * | 2016-07-04 | 2016-11-23 | 江苏大学 | 一种无人驾驶车辆测试验证平台及其测试方法 |
-
2017
- 2017-02-20 CN CN201710089333.XA patent/CN106934107A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881173A (zh) * | 2012-09-24 | 2013-01-16 | 青岛海信网络科技股份有限公司 | 交通需求控制方法和*** |
CN103412975A (zh) * | 2013-07-11 | 2013-11-27 | 吴建平 | 动态交通仿真平台及其仿真方法 |
CN103593535A (zh) * | 2013-11-22 | 2014-02-19 | 南京洛普股份有限公司 | 基于多尺度融合的城市交通复杂自适应网络平行仿真***及方法 |
CN106153352A (zh) * | 2016-07-04 | 2016-11-23 | 江苏大学 | 一种无人驾驶车辆测试验证平台及其测试方法 |
Non-Patent Citations (3)
Title |
---|
于雷等: "《城市交通流理论》", 31 August 2016, 北京交通大学出版社 * |
王春: "基于VR_GIS一体化城市微观交通虚拟仿真***的研究与应用", 《中国博士学位论文全文数据库工程科技Ⅱ辑(月刊)》 * |
高志强: "基于浮动车数据的社会车辆出行仿真场景构建", 《中国学位论文全文数据库》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909180B (zh) * | 2017-09-30 | 2022-03-25 | 百度在线网络技术(北京)有限公司 | 公共交通出行用时的处理方法、设备及可读介质 |
CN107909180A (zh) * | 2017-09-30 | 2018-04-13 | 百度在线网络技术(北京)有限公司 | 公共交通出行用时的处理方法、设备及可读介质 |
CN110378502A (zh) * | 2018-09-13 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 辅助无人车确定路径的方法和装置 |
CN111091581A (zh) * | 2018-10-24 | 2020-05-01 | 百度在线网络技术(北京)有限公司 | 基于生成对抗网络的行人轨迹模拟方法、装置和存储介质 |
CN110008299A (zh) * | 2019-04-08 | 2019-07-12 | 百度在线网络技术(北京)有限公司 | 一种地图评估方法、装置、电子设备及存储介质 |
US11971723B2 (en) | 2019-05-09 | 2024-04-30 | Tencent Technology (Shenzhen) Company Limited | Processing method and apparatus for driving simulation scene, and storage medium |
WO2020224462A1 (zh) * | 2019-05-09 | 2020-11-12 | 腾讯科技(深圳)有限公司 | 驾驶仿真场景的处理方法、装置及存储介质 |
CN111091156A (zh) * | 2019-12-20 | 2020-05-01 | 斑马网络技术有限公司 | 路口的通行时间估算方法、装置及电子设备 |
CN111091156B (zh) * | 2019-12-20 | 2023-06-23 | 斑马网络技术有限公司 | 路口的通行时间估算方法、装置及电子设备 |
CN110995548A (zh) * | 2020-03-04 | 2020-04-10 | 杭州云动智能汽车技术有限公司 | 一种测试边界工况下v2x协议有效性的方法 |
CN110995548B (zh) * | 2020-03-04 | 2020-06-16 | 杭州云动智能汽车技术有限公司 | 一种测试边界工况下v2x协议有效性的方法 |
CN114066001A (zh) * | 2021-09-25 | 2022-02-18 | 苏州智能交通信息科技股份有限公司 | 基于出行本征的交通服务优化方法、***、终端及介质 |
CN114066001B (zh) * | 2021-09-25 | 2024-03-19 | 苏州智能交通信息科技股份有限公司 | 基于出行本征的交通服务优化方法、***、终端及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106934107A (zh) | 交通出行场景构建方法、装置、设备及存储介质 | |
CN111841012B (zh) | 一种自动驾驶模拟仿真***及其测试资源库建设方法 | |
CN104683405B (zh) | 在车联网中集群服务器分发地图匹配任务的方法和装置 | |
CN106897919A (zh) | 用车类型预测模型建立、信息提供方法及装置 | |
CN106920038A (zh) | 无人驾驶车辆的调度方法、装置、设备及存储介质 | |
CN106951627A (zh) | 车辆自动驾驶的仿真测试方法、装置、设备及计算机可读存储介质 | |
CN106960219A (zh) | 图片识别方法及装置、计算机设备及计算机可读介质 | |
CN108256553A (zh) | 车辆搭载无人机双层路径的构造方法及装置 | |
CN106875670B (zh) | Spark平台下基于GPS数据的出租车调配方法 | |
CN107133645A (zh) | 预估乘客取消订单行为的方法、设备及存储介质 | |
CN115100848B (zh) | 一种地面交通拥堵的出行溯源方法和*** | |
CN106919908A (zh) | 障碍物识别方法及装置、计算机设备及可读介质 | |
CN108615190A (zh) | 风控模型验证方法、装置、设备和存储介质 | |
JP2021514883A (ja) | 自律走行における走行経路を決定するためのシステムおよび方法 | |
CN109406166A (zh) | 无人车的分级方法、装置、设备、存储介质和车辆 | |
CN109118787A (zh) | 一种基于深度神经网络的车辆速度预测方法 | |
US20220340146A1 (en) | Apparatus and method for calculating ratio of negligence based on 3d simulator | |
US20220237529A1 (en) | Method, electronic device and storage medium for determining status of trajectory point | |
Xu et al. | Spatial ensemble prediction of hourly PM2. 5 concentrations around Beijing railway station in China | |
CN114005297B (zh) | 一种基于车联网的车队协调行驶方法 | |
Liu et al. | Heuristic approach for the multiobjective optimization of the customized bus scheduling problem | |
CN113947948A (zh) | 一种车辆通行控制方法和装置 | |
Araldo et al. | Implementation & policy applications of AMOD in multi-modal activity-driven agent-based urban simulator simmobility | |
CN115080388B (zh) | 一种面向自动驾驶***的仿真测试场景生成方法 | |
CN113657606B (zh) | 车联网场景下分压聚合的局域联邦学习方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170707 |
|
RJ01 | Rejection of invention patent application after publication |