CN107045794B - 路况处理方法及装置 - Google Patents
路况处理方法及装置 Download PDFInfo
- Publication number
- CN107045794B CN107045794B CN201710032661.6A CN201710032661A CN107045794B CN 107045794 B CN107045794 B CN 107045794B CN 201710032661 A CN201710032661 A CN 201710032661A CN 107045794 B CN107045794 B CN 107045794B
- Authority
- CN
- China
- Prior art keywords
- congestion
- query
- road condition
- queue
- road
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
-
- 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
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种路况处理方法及装置。其方法包括:根据接收的路况查询请求,获取用户所请求查询的查询位置的标识和路况查询时刻;检测查询位置周围的预设距离范围内的路段上当前时刻是否发生拥堵;若拥堵,获取包括查询位置的拥堵队列的拥堵发生时刻和拥堵队列的起点;根据拥堵发生时刻、路况查询时刻、拥堵队列的起点以及预先生成的路况预测关系,确定路况查询时刻查询位置的路况状态。本发明的技术方案能够弥补现有技术的不足,在某路段拥堵时,对该路段在拥堵之后的任一时刻的路况状态进行预测,使得用户可以及时确定未来时刻的路况,便于对即将到来的出行做规划,因此本发明的技术方案,能够极大地方便了用户的出行,提高用户的体验度。
Description
【技术领域】
本发明涉及导航技术领域,尤其涉及一种路况处理方法及装置。
【背景技术】
随着科技的发展,各种智能电子设备以及使用在智能电子设备的应用的出现,大大地方便了人们的生活。
例如导航为使用在智能电子设备上的应用,人们在外出时可以通过导航进行路径规划。具体地,用户在外出时,可以打开导航,输入目的地,导航应用根据用户输入的目的地,可以用户规划从用户的当前位置到目的地的至少三条路线。同时导航还能够为用户准确提供当前规划的各条路线上的路况;例如导航可以通过不同的颜色来表示路线上每个位置的路况,如采用红色表示拥堵、黄色表示运行缓慢、绿色表示通畅等等。
但是,现有技术的导航应用中,仅仅能够检测路线的当前时刻的路况状态如拥堵或者畅通,而当某路段拥堵时,无法对该路段在拥堵之后的任一时刻的路况状态进行预测。
【发明内容】
本发明提供了一种路况处理方法和装置,用于弥补现有技术的不足,对路段在拥堵之后的任一时刻的路况状态进行预测。
本发明提供一种路况处理方法,所述方法包括:
根据接收的路况查询请求,获取用户所请求查询的查询位置的标识和路况查询时刻;
检测所述查询位置周围的预设距离范围内的路段上当前时刻是否发生拥堵;
若拥堵时,获取包括所述查询位置的拥堵队列的拥堵发生时刻和所述拥堵队列的起点;
根据所述拥堵发生时刻、所述路况查询时刻、所述拥堵队列的起点以及预先生成的路况预测关系,确定所述路况查询时刻所述查询位置的路况状态;所述路况查询时刻为所述当前时刻之后的任一时刻。
进一步可选地,如上所述的方法中,根据所述拥堵发生时刻、所述路况查询时刻、所述拥堵队列的起点以及预先生成的路况预测关系,确定所述路况查询时刻所述查询位置的路况状态,具体包括:
根据所述拥堵发生时刻和所述路况查询时刻,确定所述拥堵持续时长;
根据所述拥堵发生时刻、所述拥堵持续时长和所述路况预测关系,确定所述拥堵队列的长度;
根据所述拥堵队列的起点、所述查询位置的标识以及所述拥堵队列的长度,确定所述路况查询时刻所述查询位置的路况状态。
进一步可选地,如上所述的方法中,根据所述拥堵队列的起点、所述查询位置的标识以及所述拥堵队列的长度,确定所述路况查询时刻所述查询位置的路况状态,具体包括:
根据所述拥堵队列的起点、所述查询位置的标识以及所述拥堵队列的长度,确定所述查询位置是否处于所述拥堵队列中,若是,确定所述路况查询时刻所述查询位置的路况状态为拥堵,否则确定所述路况查询时刻所述查询位置的路况状态为畅通。
进一步可选地,如上所述的方法中,根据所述拥堵发生时刻、所述路况查询时刻、所述拥堵队列的起点以及预先生成的路况预测关系,确定所述路况查询时刻所述查询位置的路况状态之前,所述方法还包括:
生成所述路况预测关系,所述路况预测关系为所述拥堵队列的长度、所述拥堵持续时长与所述拥堵发生时刻之间的函数关系。
进一步可选地,如上所述的方法中,生成所述路况预测关系,具体包括:
从历史路况数据中挖掘多个所述拥堵队列;
获取各所述拥堵队列的所述拥堵发生时刻、所述拥堵持续时长以及所述拥堵队列的长度;
根据各所述拥堵队列的所述拥堵发生时刻、所述拥堵持续时长以及所述拥堵队列的长度,通过训练模型获取所述拥堵队列的长度、所述拥堵持续时长与所述拥堵发生时刻之间的函数关系。
进一步可选地,如上所述的方法中,从历史路况数据中挖掘多个所述拥堵队列,具体包括:
根据所述历史路况数据,确定各所述拥堵队列的起始路段的标识;
对于各所述拥堵队列,从所述拥堵队列的所述起始路段的标识开始,沿上游方向依次获取相邻的拥堵路段的标识,形成所述拥堵队列。
进一步可选地,如上所述的方法中,根据所述历史路况数据,确定各所述拥堵队列的起始路段的标识,具体包括:
根据所述历史路况数据,获取各所述路段的下游相邻路段对所述路段的第一拥堵传递概率;
将所述第一拥堵传递概率小于预设阈值的各所述路段的标识作为各所述拥堵队列的起始路段的标识。
进一步可选地,如上所述的方法中,对于各所述拥堵队列,从所述拥堵队列的所述起始路段的标识开始,沿上游方向依次获取相邻的拥堵路段的标识,形成所述拥堵队列,具体包括:
对于各所述拥堵队列,以所述起始路段作为当前路段,获取所述当前路段对所述当前路段的上游相邻路段的第二拥堵传递概率;
判断所述第二拥堵传递概率是否大于或者等于所述预设阈值;
若是,确定所述当前路段的上游相邻路段为拥堵路段;
获取所述拥堵路段的标识;
继续将所述当前路段的上游相邻路段作为所述当前路段进行分析,直到所述当前路段对所述当前路段的上游相邻路段的所述第二拥堵传递概率小于所述预设阈值,将所述起始路段的标识以及沿上游方向依次相邻的各所述拥堵路段的标识串在一起,形成所述拥堵队列。
进一步可选地,如上所述的方法中,根据所述拥堵发生时刻、所述路况查询时刻、所述拥堵队列的起点以及预先生成的路况预测关系,确定所述路况查询时刻所述查询位置的路况状态之后,所述方法还包括:
向所述用户的客户端发送所述路况查询时刻所述查询位置的路况状态。
本发明还提供一种路况处理装置,所述装置包括:
获取模块,用于根据接收的路况查询请求,获取用户所请求查询的查询位置的标识和路况查询时刻;
检测模块,用于检测所述查询位置周围的预设距离范围内的路段上当前时刻是否发生拥堵;
所述获取模块,还用于若所述查询位置周围的预设距离范围内的路段上拥堵时,获取包括所述查询位置的拥堵队列的拥堵发生时刻和所述拥堵队列的起点;
确定模块,用于根据所述拥堵发生时刻、所述路况查询时刻、所述拥堵队列的起点以及预先生成的路况预测关系,确定所述路况查询时刻所述查询位置的路况状态;所述路况查询时刻为所述当前时刻之后的任一时刻。
进一步可选地,如上所述的装置中,所述确定模块,具体用于:
根据所述拥堵发生时刻和所述路况查询时刻,确定所述拥堵持续时长;
根据所述拥堵发生时刻、所述拥堵持续时长和所述路况预测关系,确定所述拥堵队列的长度;
根据所述拥堵队列的起点、所述查询位置的标识以及所述拥堵队列的长度,确定所述路况查询时刻所述查询位置的路况状态。
进一步可选地,如上所述的装置中,所述确定模块,具体用于根据所述拥堵队列的起点、所述查询位置的标识以及所述拥堵队列的长度,确定所述查询位置是否处于所述拥堵队列中,若是,确定所述路况查询时刻所述查询位置的路况状态为拥堵,否则确定所述路况查询时刻所述查询位置的路况状态为畅通。
进一步可选地,如上所述的装置中,所述装置还包括:
生成模块,用于生成所述路况预测关系,所述路况预测关系为所述拥堵队列的长度、所述拥堵持续时长与所述拥堵发生时刻之间的函数关系。
进一步可选地,如上所述的装置中,所述生成模块,具体用于:
从历史路况数据中挖掘多个所述拥堵队列;
获取各所述拥堵队列的所述拥堵发生时刻、所述拥堵持续时长以及所述拥堵队列的长度;
根据各所述拥堵队列的所述拥堵发生时刻、所述拥堵持续时长以及所述拥堵队列的长度,通过训练模型获取所述拥堵队列的长度、所述拥堵持续时长与所述拥堵发生时刻之间的函数关系。
进一步可选地,如上所述的装置中,所述生成模块,具体用于:
根据所述历史路况数据,确定各所述拥堵队列的起始路段的标识;
对于各所述拥堵队列,从所述拥堵队列的所述起始路段的标识开始,沿上游方向依次获取相邻的拥堵路段的标识,形成所述拥堵队列。
进一步可选地,如上所述的装置中,所述生成模块,具体用于:
根据所述历史路况数据,获取各所述路段的下游相邻路段对所述路段的第一拥堵传递概率;
将所述第一拥堵传递概率小于预设阈值的各所述路段的标识作为各所述拥堵队列的起始路段的标识。
进一步可选地,如上所述的装置中,所述生成模块,具体用于:
对于各所述拥堵队列,以所述起始路段作为当前路段,获取所述当前路段对所述当前路段的上游相邻路段的第二拥堵传递概率;
判断所述第二拥堵传递概率是否大于或者等于所述预设阈值;
若是,确定所述当前路段的上游相邻路段为拥堵路段;
获取所述拥堵路段的标识;
继续将所述当前路段的上游相邻路段作为所述当前路段进行分析,直到所述当前路段对所述当前路段的上游相邻路段的所述第二拥堵传递概率小于所述预设阈值,将所述起始路段的标识以及沿上游方向依次相邻的各所述拥堵路段的标识串在一起,形成所述拥堵队列。
进一步可选地,如上所述的装置中,还包括:
发送模块,用于向所述用户的客户端发送所述路况查询时刻所述查询位置的路况状态。具体技术方案如下:
本发明的路况处理方法及装置,根据接收的路况查询请求,获取用户所请求查询的查询位置的标识和路况查询时刻;检测查询位置周围的预设距离范围内的路段上当前时刻是否发生拥堵;若拥堵时,获取包括查询位置的拥堵队列的拥堵发生时刻和拥堵队列的起点;根据拥堵发生时刻、路况查询时刻、拥堵队列的起点以及预先生成的路况预测关系,确定路况查询时刻查询位置的路况状态。本发明的技术方案,能够弥补现有技术的不足,在某路段拥堵时,对该路段拥堵之后的任一时刻的路况状态进行预测,使得用户可以及时确定未来时刻的路况,便于对即将到来的出行做规划,因此本发明的技术方案,能够极大地方便了用户的出行,提高用户的体验度。
【附图说明】
图1为本发明的路况处理方法实施例的流程图。
图2为本发明的路况处理装置实施例一的结构图。
图3为本发明的路况处理装置实施例二的结构图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
图1为本发明的路况处理方法实施例的流程图。如图1所示,本实施例的路况处理方法,具体可以包括如下步骤:
100、根据接收的路况查询请求,获取用户所请求查询的查询位置的标识和路况查询时刻;
101、检测查询位置周围的预设距离范围内的路段上当前时刻是否发生拥堵;若拥堵时,执行步骤102;否则若不拥堵时,确定该查询位置畅通,结束。
102、获取包括查询位置的拥堵队列的拥堵发生时刻和拥堵队列的起点;执行步骤103;
103、根据拥堵发生时刻、路况查询时刻、拥堵队列的起点以及预先生成的路况预测关系,确定路况查询时刻查询位置的路况状态。
本实施例的路况处理方法的执行主体为路况处理装置,该路况处理装置可以设置在导航应用中,用于在用户请求查询路况时,对路况进行处理。具体实现时,可以在现有的导航应用中,增加本实施例的路况处理的功能。例如,可以在导航界面上增加一个按钮,用于接收用户的路况查询请求。
本实施例中,接收的用户的路况查询请求中可以携带查询位置的标识,例如该位置为用户的出行必须要经过的一个经常出现拥堵的位置,用户在出行前可以先查询该查询位置的路况。由于道路的双向性,同一位置标识,对应同一查询位置标识,可能存在两个方向的路况,本实施例中,可以将两个方向的路况均获取。另外,当某一段道路经常出现拥堵,用户出行前,也可以查询该段道路的路况状态,此时在用户的路况查询请求中还可以携带两个查询位置标识,且用户在请求查询时,也明确这两个查询位置哪个为起点哪个为终点。路况处理装置可以根据用户的路况查询请求中的两个查询位置的标识,获取到起点到终点这一段路线的路况,此时明确用户的行使方向,不用在查询终点到起点的反方向的路况。另外,用户的路况查询请求中还可以携带路况查询时刻,如用户就想查询中午十一点半某查询位置的路况,可以直接在路况查询请求中携带该路况查询时刻。或者用户如果不清楚具体的路况查询时刻,而只想了解该查询位置30分钟之后的路况,也可以在路况查询请求中携带一个时刻差如30分钟,这样,路况处理装置可以在当前时刻的基础上,加30分钟,确定路况查询时刻的时间。即本实施例的路况查询时刻为当前时刻之后的任一时刻。
路况处理装置获取查询位置的标识和路况查询时刻之后,可以从当前的交通数据中获取查询位置周围的预设距离范围内的所有路段上当前时刻是否发生拥堵。其中交通数据可以由各个交通数据提供商检测并上传。因为当前时刻查询位置即使没有拥堵,而若用户向某一方向行使上,在该方向上、查询位置的下游的预设距离范围内发生了拥堵,该拥堵有可能会快就能传递到该查询位置。因此,本实施例中,在路况查询时,对于双向通行的道路上的查询位置,可以获取查询位置在两个方向上的预设距离范围内当前时刻是否发生拥堵。而当查询位置为十字路口时,此时查询该十字路口可以通往的各个方向上预设距离范围是否发生拥堵。而当用户在查询请求中明确了两个查询位置,且确定哪个查询位置为起点,哪个查询位置为终点,此时路况处理装置可以确定用户的行使方向,仅需要检测终点下游的预设距离范围内的路段上当前时刻是否发生拥堵即可。本实施例的预设距离范围可以根据经验数值来选取,例如可以为历史上该路段的发生拥堵时的拥堵队列的最长长度。若拥堵时,路况处理装置可以从交通数据中获取本次拥堵对应的拥堵队列的拥堵发生时刻即拥堵的起始时刻,以及拥堵队列的起点。其中拥堵队列可以采用连续拥堵的两个或者多个link的标识来表示。然后可以根据获取到的拥堵发生时刻、路况查询时刻和拥堵队列的起点,并结合预先生成的路况预测关系,可以确定路况查询时刻查询位置的路况状态。本实施例的预先生成的路况预测关系可以是根据历史交通数据中的各次拥堵数据,通过数据模型的训练得到的。该路况预测关系中可以包括拥堵发生时刻、拥堵持续时长以及拥堵队列的长度之间的关系。由于本实施例的路况查询时刻为当前时刻之后的任一时刻,所以,本实施例确定的路况查询时刻查询位置的路况状态即为一个预测路况状态。
本实施例的上述方案中都将查询位置作为一个点来描述,实际应用中,查询位置也可以为一段link。也就是说,根据用户的路况查询请求,获取的查询位置可以为一个link的标识。其余实现方式相同,详细可以参考上述实施例的记载,在此不再赘述。
本实施例的路况状态为包括拥堵或者畅通。具体地,拥堵状态和畅通状态可以根据一段时间内通过该查询位置的车辆的平均速度来标识;例如如果一段时间内如30分钟通过该查询位置的车辆的平均速度小于或等于为10km/h,则认为对应路况状态为拥堵;若30分钟通过该查询位置的车辆的平均速度大于为10km/h,则认为对应路况状态为拥堵。实际应用中,还可以根据经验,选取其它速度阈值。同时,还可以设置多个速度阈值划分多种路况状态,例如45分钟通过该查询位置的车辆的平均速度小于或等于为10km/h,则认为对应路况状态为拥堵;45分钟通过该查询位置的车辆的平均速度大于10km/h且小于或等于为20km/h,则认为对应路况状态为微拥堵;45分钟通过该查询位置的车辆的平均速度大于20km/h且小于或等于为30km/h,则认为对应路况状态为缓慢;45分钟通过该查询位置的车辆的平均速度大于30km/h且小于或等于为40km/h,则认为对应路况状态为较畅通;45分钟通过该查询位置的车辆的平均速度大于40km/h,则认为对应路况状态为畅通等等。
本实施例的路况处理方法,根据接收的路况查询请求,获取用户所请求查询的查询位置的标识和路况查询时刻;检测查询位置周围的预设距离范围内的路段上当前时刻是否发生拥堵;若拥堵时,获取包括查询位置的拥堵队列的拥堵发生时刻和拥堵队列的起点;根据拥堵发生时刻、路况查询时刻、拥堵队列的起点以及预先生成的路况预测关系,确定路况查询时刻查询位置的路况状态。本实施例的技术方案,能够弥补现有技术的不足,在某路段拥堵时,对该路段在拥堵之后的任一时刻的路况状态进行预测,使得用户可以及时确定未来时刻的路况,便于对即将到来的出行做规划,因此本实施例的技术方案,能够极大地方便了用户的出行,提高用户的体验度。
进一步可选地,在上述实施例的技术方案的基础上,步骤103“根据拥堵发生时刻、路况查询时刻、拥堵队列的起点以及预先生成的路况预测关系,确定路况查询时刻查询位置的路况状态”,具体可以包括如下步骤:
(a1)根据拥堵发生时刻和路况查询时刻,确定拥堵持续时长;
本实施例的拥堵持续时长等于路况查询时刻减去拥堵发生时刻的时间差,即拥堵从开始到路况查询时刻持续的时间长度。
(a2)根据拥堵发生时刻、拥堵持续时长和路况预测关系,确定拥堵队列的长度;
由于拥堵队列的形成和散开,均与拥堵持续时长T以及拥堵队列的长度有关。例如拥堵持续时间越长,拥堵应该散开的概率越大。而拥堵队列越短,拥堵散开越容易,拥堵持续时长相对越短;而拥堵队列越长,拥堵散开越慢,拥堵持续时长相对越长。另外,拥堵发生时刻是指该拥堵在一天中那个时刻开始发生。之所以会加入拥堵发生时刻,是因为发现早晨、中午、夜晚的拥堵模式不尽相同,拥堵散开所需要的时间也不相同,需要进行区分。
本实施例的路况预测关系可以表示为L=f(T,t),即拥堵队列的长度L的函数f(T,t)是关于拥堵发生时刻t、拥堵持续时长T的函数关系。当确定拥堵发生时刻t和拥堵持续时长T,便可以确定拥堵队列的长度L。
(a3)根据拥堵队列的起点、查询位置的标识以及拥堵队列的长度,确定路况查询时刻查询位置的路况状态。
具体地,根据拥堵队列的起点、查询位置的标识以及拥堵队列的长度,确定查询位置是否处于拥堵队列中,若是,确定路况查询时刻查询位置的路况状态为拥堵,否则确定路况查询时刻查询位置的路况状态为畅通。
例如,根据拥堵队列的起点和查询位置的标识,可以计算出查询位置距离拥堵队列起点的距离;然后判断该距离是否小于或者等于拥堵队列的长度,若是,确定查询位置仍处于拥堵队列中,该路况查询时刻该查询位置的路况状态仍为拥堵,否则若,该距离大于拥堵队列的长度,则确定查询位置不在拥堵队列中,说明拥堵可能在慢慢散去,该该路况查询时刻该查询位置的路况状态为畅通。
进一步可选地,在上述实施例的技术方案的基础上,在步骤103“根据拥堵发生时刻、路况查询时刻、拥堵队列的起点以及预先生成的路况预测关系,确定路况查询时刻查询位置的路况状态”之前,还可以包括如下步骤:生成路况预测关系,该路况预测关系为拥堵队列的长度、拥堵持续时长与拥堵发生时刻之间的函数关系。
例如生成路况预测关系,具体可以包括如下步骤:
(b1)从历史路况数据中挖掘多个拥堵队列;
(b2)获取各拥堵队列的拥堵发生时刻、拥堵持续时长以及拥堵队列的长度;
例如,本实施例中,从历史路况数据中挖掘了n个拥堵队列。然后对于每个拥堵队列,获取三元组:拥堵发生时刻t、拥堵持续时长T以及拥堵队列的长度L。从而获取到n个拥堵队列的拥堵发生时刻t、拥堵持续时长T以及拥堵队列的长度L,如(L1,T1,t1),(L2,T2,t2),…,(Ln,Tn,tn)。
(b3)根据各拥堵队列的拥堵发生时刻、拥堵持续时长以及拥堵队列的长度,通过训练模型获取拥堵队列的长度、拥堵持续时长与拥堵发生时刻之间的函数关系。
将n个拥堵队列的上述三元组当做机器学习的训练数据,用机器学习模型(如支持向量机(Support Vector Machine;SVM)模型、或者梯度提升决策树(Gradient BoostingDecision Tree;GBDT)模型学习。其中L_i是目标值,T_i和t_i是特征。通过机器学习模型的训练,可以拟合出拥堵队列长度L和拥堵持续时长T、拥堵发生时刻t之间的函数关系L=f(T,t)。
进一步可选地,在上述实施例的技术方案的基础上,其中步骤(b1)“从历史路况数据中挖掘多个拥堵队列”,具体可以包括如下步骤:
(c1)根据历史路况数据,确定各拥堵队列的起始路段的标识;
实际应用中,有一些路段的拥堵并不是由于前方路段拥堵所致,而是由于道路本身狭窄,无法承受过大的车流量导致的,这样的路段为拥堵的起始路段。拥堵队列的确定中最主要是确定拥堵队列的起始路段,例如具体可以采用如下两个步骤来实现:
(d1)根据历史路况数据,获取各路段的下游相邻路段对路段的第一拥堵传递概率;
(d2)将第一拥堵传递概率小于预设阈值的各路段的标识作为各拥堵队列的起始路段的标识。
具体地,对于某一link,当该link的下游相邻link对该link的第一拥堵传递概率小于预设阈值,则说明该link的拥堵不是下游link传递而来的,此时该link可以为当前拥堵队列的起始link。实际应用中,可以取当前link的一个下游link,也可以取当前link的下游相邻的多个Link。当下游相邻的link取多个时,需要判断每一个下游相邻link的第一拥堵传递概率是否都小于预设阈值,当都小于时,当前link才可以作为当前拥堵队列的起始link。
本实施例中设路网中每条link在历史上所有时刻的拥堵状态S(link_i,t_j)=0or 1。其中0表示第i条link即link_i在时刻t_j是畅通的,1表示第i条link即link_i在时刻t_j是拥堵的。
设当前link为link_i,它的下游link分别为link_i1,link_i2,…,link_in。本实施例的下游link即表示行驶方向的下游的link。
对于link_i,如果在某一时刻k,S(link_i,t_k)=0,且在时刻k+1,S(link_i,t_k+1)=1,则说明link_i发生了一次拥堵变化(由畅通变拥堵),在对历史路况数据分析时,可以记在一段历史时间内,拥堵变化总次数为count(link_i),而在当前link_i发生了拥堵变化的时候,对于当前link_i某个下游link_ij,如果S(link_ij,k+1)=1,count(link_i|link_ij)就进行一次计数,表示当前link_i的拥堵是由下游link_ij的拥堵传递而来的,在该历史时间内的总次数为count(link_i|link_ij)。
对于link_i的每个下游link_ij,根据上述统计值计算出下游相邻link_ij对当前link_i的第一拥堵传递概率P(link_i|link_ij)=count(link_i|link_ij)/count(link_i)。它表示的意义是,若当前link i发生拥堵的时候,有多大概率是其下游link_ij处于拥堵状态。即当前link i变拥堵,有多大可能是由它的下游link_ij的拥堵传递过来的。
对于link_i的每一个下游link_ij,如果P(link_i|link_ij)都小于预设阈值thre,则认为当前link_i是一个拥堵队列的起始link。
(c2)对于各拥堵队列,从拥堵队列的起始路段的标识开始,沿上游方向依次获取相邻的拥堵路段的标识,形成拥堵队列。
即本实施例中的拥堵队列是从起始link的标识开始,由依次相邻的多个拥堵link的标识排列而成。例如该步骤(c2)具体可以包括如下步骤:
(e1)对于各拥堵队列,将起始路段作为当前路段;
(e2)获取当前路段对当前路段的上游相邻路段的第二拥堵传递概率;
本实施例中的第二拥堵传递概率的计算方式与上述第一拥堵传递概率的计算方式相同,详细可以参考上述相关实施例的记载,在此不再赘述。
(e3)判断第二拥堵传递概率是否大于或者等于预设阈值;若是,执行步骤(e4);否则执行步骤(e6);
(e4)确定当前路段的上游相邻路段为拥堵路段;获取并记录拥堵路段的标识;执行步骤(e5);
(e5)将当前路段的上游相邻路段更新为当前路段;执行步骤(e2);
(e6)将起始路段的标识以及沿上游方向依次相邻的各拥堵路段的标识串在一起,形成拥堵队列。
本实施例中以第二拥堵传递概率大于或者等于预设阈值时,表示当前路段的拥堵会传递给当前路段的上游相邻路段的拥堵。而当第二拥堵传递概率小于预设阈值时,表示当前路段的拥堵不会传递给当前路段的上游相邻路段的拥堵,则说明可以认为拥堵队列截止了,此时不需要继续向上游查找拥堵队列了。
进一步可选地,在上述实施例的技术方案的基础上,步骤103“根据拥堵发生时刻、路况查询时刻、拥堵队列的起点以及预先生成的路况预测关系,确定路况查询时刻查询位置的路况状态”之后,还可以包括:向用户的客户端发送路况查询时刻查询位置的路况状态,以及时向用户发送路况查询时刻该查询位置的路况状态,以便于用户根据该路况查询时刻该查询位置的路况状态,及时做出出行调整,规避拥堵路段,增强用户的使用体验。
上述实施例的技术方案,能够弥补现有技术的不足,在某路段拥堵时,对该路段在拥堵之后的任一时刻的路况状态进行预测,使得用户可以及时确定未来时刻的路况,便于对即将到来的出行做规划,因此本实施例的技术方案,能够极大地方便了用户的出行,提高用户的体验度。
图2为本发明的路况处理装置实施例一的结构图。如图2所示,本实施例的路况处理装置,具体可以包括:获取模块10、检测模块11和确定模块12。
其中获取模块10用于根据接收的路况查询请求,获取用户所请求查询的查询位置的标识和路况查询时刻;检测模块11用于检测获取模块10获取的查询位置周围的预设距离范围内的路段上当前时刻是否发生拥堵;获取模块10还用于若检测模块11检测到查询位置周围的预设距离范围内的路段上拥堵时,获取包括查询位置的拥堵队列的拥堵发生时刻和拥堵队列的起点;确定模块12用于根据获取模块10获取的拥堵发生时刻、路况查询时刻、拥堵队列的起点以及预先生成的路况预测关系,确定路况查询时刻查询位置的路况状态;路况查询时刻为当前时刻之后的任一时刻。
本实施例的路况处理装置,通过采用上述模块实现路况处理的实现原理以及技术效果与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
图3为本发明的路况处理装置实施例二的结构图。如图3所示,本实施例的路况处理装置,在上述图2所示实施例的技术方案的基础上,进一步更加详细地描述本发明的技术方案。
本实施例的路况处理装置中,确定模块12具体用于:
根据获取模块10获取的拥堵发生时刻和路况查询时刻,确定拥堵持续时长;
根据拥堵发生时刻、拥堵持续时长和路况预测关系,确定拥堵队列的长度;
根据拥堵队列的起点、查询位置的标识以及拥堵队列的长度,确定路况查询时刻查询位置的路况状态。
进一步可选地,本实施例的路况处理装置中,确定模块12具体用于根据获取模块10获取的拥堵队列的起点、查询位置的标识以及拥堵队列的长度,确定查询位置是否处于拥堵队列中,若是,确定路况查询时刻查询位置的路况状态为拥堵,否则确定路况查询时刻查询位置的路况状态为畅通。
进一步可选地,如图3所示,本实施例的路况处理装置中,还包括:生成模块13。
生成模块13用于生成路况预测关系,该路况预测关系为拥堵队列的长度、拥堵持续时长与拥堵发生时刻之间的函数关系。
进一步可选地,本实施例的路况处理装置中,生成模块13具体用于:
从历史路况数据中挖掘多个拥堵队列;
获取各拥堵队列的拥堵发生时刻、拥堵持续时长以及拥堵队列的长度;
根据各拥堵队列的拥堵发生时刻、拥堵持续时长以及拥堵队列的长度,通过训练模型获取拥堵队列的长度、拥堵持续时长与拥堵发生时刻之间的函数关系。
进一步可选地,本实施例的路况处理装置中,生成模块13具体用于:
根据历史路况数据,确定各拥堵队列的起始查询位置的标识;
对于各拥堵队列,从拥堵队列的起始查询位置的标识开始,沿上游方向依次获取相邻的拥堵查询位置的标识,形成拥堵队列。
进一步可选地,本实施例的路况处理装置中,生成模块13具体用于:
根据历史路况数据,获取各查询位置的下游相邻查询位置对查询位置的第一拥堵传递概率;
将第一拥堵传递概率小于预设阈值的各查询位置的标识作为各拥堵队列的起始查询位置的标识。
进一步可选地,本实施例的路况处理装置中,生成模块13具体用于:
对于各拥堵队列,以起始查询位置作为当前查询位置,获取当前查询位置对当前查询位置的上游相邻查询位置的第二拥堵传递概率;
判断第二拥堵传递概率是否大于或者等于预设阈值;
若是,确定当前查询位置的上游相邻查询位置为拥堵查询位置;
获取拥堵查询位置的标识;
继续将当前查询位置的上游相邻查询位置作为当前查询位置进行分析,直到当前查询位置对当前查询位置的上游相邻查询位置的第二拥堵传递概率小于预设阈值,将起始查询位置的标识以及沿上游方向依次相邻的各所述拥堵查询位置的标识串在一起,形成所述拥堵队列。
对应地,本实施例的路况处理装置中,确定模块12与生成模块13连接,确定模块12用于根据获取模块10获取的拥堵发生时刻、路况查询时刻、拥堵队列的起点以及生成模块13生成的预先生成的路况预测关系,确定路况查询时刻查询位置的路况状态。
进一步可选地,如图3所示,本实施例的路况处理装置中,还包括:发送模块14。发送模块14用于向用户的客户端发送确定模块12确定的路况查询时刻查询位置的路况状态。
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,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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,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 (18)
1.一种路况处理方法,其特征在于,所述方法包括:
根据接收的路况查询请求,获取用户所请求查询的查询位置的标识和路况查询时刻;所述查询位置的数量为一个或者两个;
检测所述查询位置周围的预设距离范围内的路段上当前时刻是否发生拥堵;
若拥堵时,获取包括所述查询位置的拥堵队列的拥堵发生时刻和所述拥堵队列的起点;
根据所述拥堵发生时刻、所述路况查询时刻以及预先生成的路况预测关系,确定所述拥堵队列的长度;根据所述拥堵队列的长度、所述拥堵队列的起点和所述查询位置的标识,确定所述路况查询时刻所述查询位置的路况状态;所述路况查询时刻为所述当前时刻之后的任一时刻;其中,所述路况预测关系为所述拥堵队列的长度关于所述拥堵持续时长与所述拥堵发生时刻的函数关系。
2.根据权利要求1所述的方法,其特征在于,根据所述拥堵发生时刻、所述路况查询时刻、所述拥堵队列的起点以及预先生成的路况预测关系,确定所述路况查询时刻所述查询位置的路况状态,具体包括:
根据所述拥堵发生时刻和所述路况查询时刻,确定所述拥堵持续时长;
根据所述拥堵发生时刻、所述拥堵持续时长和所述路况预测关系,确定所述拥堵队列的长度;
根据所述拥堵队列的起点、所述查询位置的标识以及所述拥堵队列的长度,确定所述路况查询时刻所述查询位置的路况状态。
3.根据权利要求2所述的方法,其特征在于,根据所述拥堵队列的起点、所述查询位置的标识以及所述拥堵队列的长度,确定所述路况查询时刻所述查询位置的路况状态,具体包括:
根据所述拥堵队列的起点、所述查询位置的标识以及所述拥堵队列的长度,确定所述查询位置是否处于所述拥堵队列中,若是,确定所述路况查询时刻所述查询位置的路况状态为拥堵,否则确定所述路况查询时刻所述查询位置的路况状态为畅通。
4.根据权利要求1所述的方法,其特征在于,根据所述拥堵发生时刻、所述路况查询时刻、所述拥堵队列的起点以及预先生成的路况预测关系,确定所述路况查询时刻所述查询位置的路况状态之前,所述方法还包括:
生成所述路况预测关系,所述路况预测关系为所述拥堵队列的长度、所述拥堵持续时长与所述拥堵发生时刻之间的函数关系。
5.根据权利要求4所述的方法,其特征在于,生成所述路况预测关系,具体包括:
从历史路况数据中挖掘多个所述拥堵队列;
获取各所述拥堵队列的所述拥堵发生时刻、所述拥堵持续时长以及所述拥堵队列的长度;
根据各所述拥堵队列的所述拥堵发生时刻、所述拥堵持续时长以及所述拥堵队列的长度,通过训练模型获取所述拥堵队列的长度、所述拥堵持续时长与所述拥堵发生时刻之间的函数关系。
6.根据权利要求5所述的方法,其特征在于,从历史路况数据中挖掘多个所述拥堵队列,具体包括:
根据所述历史路况数据,确定各所述拥堵队列的起始路段的标识;
对于各所述拥堵队列,从所述拥堵队列的所述起始路段的标识开始,沿上游方向依次获取相邻的拥堵路段的标识,形成所述拥堵队列。
7.根据权利要求6所述的方法,其特征在于,根据所述历史路况数据,确定各所述拥堵队列的起始路段的标识,具体包括:
根据所述历史路况数据,获取各所述路段的下游相邻路段对所述路段的第一拥堵传递概率;
将所述第一拥堵传递概率小于预设阈值的各所述路段的标识作为各所述拥堵队列的起始路段的标识。
8.根据权利要求6所述的方法,其特征在于,对于各所述拥堵队列,从所述拥堵队列的所述起始路段的标识开始,沿上游方向依次获取相邻的拥堵路段的标识,形成所述拥堵队列,具体包括:
对于各所述拥堵队列,以所述起始路段作为当前路段,获取所述当前路段对所述当前路段的上游相邻路段的第二拥堵传递概率;
判断所述第二拥堵传递概率是否大于或者等于所述预设阈值;
若是,确定所述当前路段的上游相邻路段为拥堵路段;
获取所述拥堵路段的标识;
继续将所述当前路段的上游相邻路段作为所述当前路段进行分析,直到所述当前路段对所述当前路段的上游相邻路段的所述第二拥堵传递概率小于所述预设阈值,将所述起始路段的标识以及沿上游方向依次相邻的各所述拥堵路段的标识串在一起,形成所述拥堵队列。
9.根据权利要求1-8任一所述的方法,其特征在于,根据所述拥堵发生时刻、所述路况查询时刻、所述拥堵队列的起点以及预先生成的路况预测关系,确定所述路况查询时刻所述查询位置的路况状态之后,所述方法还包括:
向所述用户的客户端发送所述路况查询时刻所述查询位置的路况状态。
10.一种路况处理装置,其特征在于,所述装置包括:
获取模块,用于根据接收的路况查询请求,获取用户所请求查询的查询位置的标识和路况查询时刻;所述查询位置的数量为一个或者两个;
检测模块,用于检测所述查询位置周围的预设距离范围内的路段上当前时刻是否发生拥堵;
所述获取模块,还用于若所述查询位置周围的预设距离范围内的路段上拥堵时,获取包括所述查询位置的拥堵队列的拥堵发生时刻和所述拥堵队列的起点;
确定模块,用于根据所述拥堵发生时刻、所述路况查询时刻以及预先生成的路况预测关系,确定所述拥堵队列的长度;根据所述拥堵队列的长度、所述拥堵队列的起点和所述查询位置的标识,确定所述路况查询时刻所述查询位置的路况状态;所述路况查询时刻为所述当前时刻之后的任一时刻;其中,所述路况预测关系为所述拥堵队列的长度随所述拥堵持续时长与所述拥堵发生时刻变化的函数关系。
11.根据权利要求10所述的装置,其特征在于,所述确定模块,具体用于:
根据所述拥堵发生时刻和所述路况查询时刻,确定所述拥堵持续时长;
根据所述拥堵发生时刻、所述拥堵持续时长和所述路况预测关系,确定所述拥堵队列的长度;
根据所述拥堵队列的起点、所述查询位置的标识以及所述拥堵队列的长度,确定所述路况查询时刻所述查询位置的路况状态。
12.根据权利要求11所述的装置,其特征在于,所述确定模块,具体用于根据所述拥堵队列的起点、所述查询位置的标识以及所述拥堵队列的长度,确定所述查询位置是否处于所述拥堵队列中,若是,确定所述路况查询时刻所述查询位置的路况状态为拥堵,否则确定所述路况查询时刻所述查询位置的路况状态为畅通。
13.根据权利要求10所述的装置,其特征在于,所述装置还包括:
生成模块,用于生成所述路况预测关系,所述路况预测关系为所述拥堵队列的长度、所述拥堵持续时长与所述拥堵发生时刻之间的函数关系。
14.根据权利要求13所述的装置,其特征在于,所述生成模块,具体用于:
从历史路况数据中挖掘多个所述拥堵队列;
获取各所述拥堵队列的所述拥堵发生时刻、所述拥堵持续时长以及所述拥堵队列的长度;
根据各所述拥堵队列的所述拥堵发生时刻、所述拥堵持续时长以及所述拥堵队列的长度,通过训练模型获取所述拥堵队列的长度、所述拥堵持续时长与所述拥堵发生时刻之间的函数关系。
15.根据权利要求14所述的装置,其特征在于,所述生成模块,具体用于:
根据所述历史路况数据,确定各所述拥堵队列的起始路段的标识;
对于各所述拥堵队列,从所述拥堵队列的所述起始路段的标识开始,沿上游方向依次获取相邻的拥堵路段的标识,形成所述拥堵队列。
16.根据权利要求15所述的装置,其特征在于,所述生成模块,具体用于:
根据所述历史路况数据,获取各所述路段的下游相邻路段对所述路段的第一拥堵传递概率;
将所述第一拥堵传递概率小于预设阈值的各所述路段的标识作为各所述拥堵队列的起始路段的标识。
17.根据权利要求15所述的装置,其特征在于,所述生成模块,具体用于:
对于各所述拥堵队列,以所述起始路段作为当前路段,获取所述当前路段对所述当前路段的上游相邻路段的第二拥堵传递概率;
判断所述第二拥堵传递概率是否大于或者等于所述预设阈值;
若是,确定所述当前路段的上游相邻路段为拥堵路段;
获取所述拥堵路段的标识;
继续将所述当前路段的上游相邻路段作为所述当前路段进行分析,直到所述当前路段对所述当前路段的上游相邻路段的所述第二拥堵传递概率小于所述预设阈值,将所述起始路段的标识以及沿上游方向依次相邻的各所述拥堵路段的标识串在一起,形成所述拥堵队列。
18.根据权利要求10-17任一所述的装置,其特征在于,所述装置还包括:
发送模块,用于向所述用户的客户端发送所述路况查询时刻所述查询位置的路况状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710032661.6A CN107045794B (zh) | 2017-01-16 | 2017-01-16 | 路况处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710032661.6A CN107045794B (zh) | 2017-01-16 | 2017-01-16 | 路况处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107045794A CN107045794A (zh) | 2017-08-15 |
CN107045794B true CN107045794B (zh) | 2021-09-21 |
Family
ID=59543293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710032661.6A Active CN107045794B (zh) | 2017-01-16 | 2017-01-16 | 路况处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107045794B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109945879A (zh) * | 2017-12-20 | 2019-06-28 | 上海博泰悦臻网络技术服务有限公司 | 导航路径控制方法、***、导航终端及存储介质 |
CN108399778A (zh) * | 2018-05-08 | 2018-08-14 | 深圳市易成自动驾驶技术有限公司 | 群体智能拥堵提示方法、***及计算机可读存储介质 |
CN111681432B (zh) * | 2020-04-30 | 2022-03-29 | 大连理工大学 | 一种包含信号灯路口的拥堵源头确定方法及装置 |
CN112530163B (zh) * | 2020-11-23 | 2022-03-01 | 腾讯科技(深圳)有限公司 | 交通事故预测方法、装置、电子设备及存储介质 |
CN114512001B (zh) * | 2022-01-14 | 2024-04-26 | 阿里巴巴创新公司 | 区域交通监测方法、装置、电子设备、介质及程序产品 |
CN115273513B (zh) * | 2022-07-23 | 2023-06-13 | 宁波市杭州湾大桥发展有限公司 | 一种高速公路预警信息表示方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632546A (zh) * | 2013-11-27 | 2014-03-12 | 中国航天***工程有限公司 | 一种基于浮动车数据的城市道路交通事故影响预测方法 |
CN104240500A (zh) * | 2014-08-25 | 2014-12-24 | 奇瑞汽车股份有限公司 | 一种路况信息预测方法及*** |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3007019B2 (ja) * | 1995-04-07 | 2000-02-07 | 三菱電機株式会社 | 交通流計測装置 |
JP2004094444A (ja) * | 2002-08-30 | 2004-03-25 | Tokio Marine Research Institute | 交通事故防止のための情報処理方法 |
DE602004002048T2 (de) * | 2003-07-30 | 2007-02-22 | Pioneer Corp. | Gerät, System und Verfahren zur Signaliseren von der Verkehrslage |
US8798897B2 (en) * | 2010-11-01 | 2014-08-05 | International Business Machines Corporation | Real-time traffic analysis through integration of road traffic prediction and traffic microsimulation models |
CN102353380A (zh) * | 2011-06-30 | 2012-02-15 | 福建慧翰信息技术有限公司 | 路况预测和查询***及方法 |
CN102436753A (zh) * | 2011-10-12 | 2012-05-02 | 北京世纪高通科技有限公司 | 实时交通信息发布的方法和装置 |
CN102568194B (zh) * | 2011-12-26 | 2014-06-11 | 浙江工业大学 | 一种城市道路交通拥堵持续时间和空间扩散预测方法 |
CN103245347B (zh) * | 2012-02-13 | 2015-11-25 | 腾讯科技(深圳)有限公司 | 基于路况预测的智能导航方法及*** |
US9255809B2 (en) * | 2012-03-30 | 2016-02-09 | Global Eagle Entertainment Inc. | System and method for integrated trip planning based on fixed and flexible itinerary components |
CN103488893B (zh) * | 2013-09-23 | 2017-02-15 | 北京交通发展研究中心 | 一种桥下积水导致的交通拥堵蔓延预测技术方案 |
CN103839411B (zh) * | 2014-03-20 | 2016-03-02 | 中国航天***工程有限公司 | 一种基于动态交通信息的事故影响范围分析方法 |
CN104778835B (zh) * | 2015-03-17 | 2017-01-18 | 同济大学 | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 |
CN105849790B (zh) * | 2015-10-16 | 2020-10-09 | 华为技术有限公司 | 一种路况信息获取方法 |
CN106327881A (zh) * | 2016-10-19 | 2017-01-11 | 安徽四创电子股份有限公司 | 用于过渡路段的交通阻塞时间计算方法 |
-
2017
- 2017-01-16 CN CN201710032661.6A patent/CN107045794B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632546A (zh) * | 2013-11-27 | 2014-03-12 | 中国航天***工程有限公司 | 一种基于浮动车数据的城市道路交通事故影响预测方法 |
CN104240500A (zh) * | 2014-08-25 | 2014-12-24 | 奇瑞汽车股份有限公司 | 一种路况信息预测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN107045794A (zh) | 2017-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107045794B (zh) | 路况处理方法及装置 | |
US10642268B2 (en) | Method and apparatus for generating automatic driving strategy | |
CN110100271B (zh) | 用于使用交通信号数据估计道路交通状况的方法和装置 | |
US11597395B2 (en) | Systems and methods to manage vehicles under anomalous driving behavior | |
EP2255349B1 (en) | Driving support device, driving support method, and driving support program | |
US20170213455A1 (en) | Management of moving objects | |
US20180365999A1 (en) | System and method for collision avoidance | |
EP3667638A1 (en) | Traffic lane information management method, running control method, and traffic lane information management device | |
US10198941B2 (en) | Method and apparatus for evaluating traffic approaching a junction at a lane level | |
JP2016201051A (ja) | 車両情報処理装置、及び車両情報処理プログラム | |
CN108932470B (zh) | 图像处理***、图像处理方法、信息处理装置和记录介质 | |
JP2018136934A (ja) | 自動車運行に対応して運転者プロファイリングをするためのシステムおよび方法 | |
CN107111938B (zh) | 用于确定拥堵末端位置的服务器、***和方法 | |
CN104875740B (zh) | 用于管理跟随空间的方法、主车辆以及跟随空间管理单元 | |
JP5907249B2 (ja) | 不慮予測感度判定装置 | |
JP5378002B2 (ja) | 車両動作推定装置、車両動作推定方法および車両動作推定プログラム | |
CN112885112B (zh) | 车辆行驶检测的方法、车辆行驶预警的方法和装置 | |
CN107957267B (zh) | 一种导航路径提示信息的确定方法及装置 | |
CN105185117A (zh) | 一种公路旅行时间预测方法、***及装置 | |
Liu et al. | A novel method for predicting vehicle state in internet of vehicles | |
CN110197583B (zh) | 一种道路路况的识别方法、装置及存储介质 | |
CN112150807B (zh) | 车辆预警方法和装置、存储介质及电子设备 | |
JP2020009189A (ja) | 渋滞状態特定方法、渋滞状態特定装置及びコンピュータプログラム | |
JP4572944B2 (ja) | 運転支援装置、運転支援方法および運転支援プログラム | |
JP2018147037A (ja) | 交通情報管理システム、交通情報案内システムおよびプログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |