CN112133105A - 交通流预测辅助装置以及交通流预测辅助方法 - Google Patents
交通流预测辅助装置以及交通流预测辅助方法 Download PDFInfo
- Publication number
- CN112133105A CN112133105A CN202010331632.1A CN202010331632A CN112133105A CN 112133105 A CN112133105 A CN 112133105A CN 202010331632 A CN202010331632 A CN 202010331632A CN 112133105 A CN112133105 A CN 112133105A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- matching
- movement information
- traffic flow
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 49
- 238000013500 data storage Methods 0.000 description 21
- 238000004088 simulation Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供交通流预测辅助装置以及交通流预测辅助方法。能够高精度地预测交通流。在交通流预测辅助装置(10)中,具备:车辆匹配器(13),其取得基于过去的OD数据的多个车辆模型的移动信息,根据推定为存在于预定的实际车辆中的通信终端的移动信息,选择与实际车辆匹配的车辆模型即匹配车辆模型,代替匹配车辆模型的移动信息,而根据匹配车辆模型所匹配的实际车辆的移动信息,生成OD数据。车辆匹配器(13)也可以选择满足预定的条件的车辆模型作为与实际车辆匹配的上述匹配车辆模型。另外,车辆匹配器(13)也可以在不存在满足预定的条件的匹配车辆模型的情况下,生成与实际车辆对应的车辆模型,生成包含所生成的车辆模型的移动信息的OD数据。
Description
技术领域
本发明涉及辅助交通流的预测的技术。
背景技术
以往,已知通过根据过去的OD数据执行交通流模拟来预测交通流的技术。近年来,通过根据配置在道路上的车辆传感器等的实时信息修正观测点的交通量,来提高交通流的预测精度。
例如,使用车辆传感器的观测信息预测交通流的技术,已知专利文献1记载的技术。在该专利文献1的技术中,对用于使基于观测信息的交通量与通过交通流模拟求出的交通量的差最小化的交通量、路径选择参数进行调整,到将该交通量和路径选择参数作为输入执行交通流模拟的结果满足预定的结束条件为止,反复执行调整和交通流模拟。
专利文献1:日本特开2013-235326号公报
发明内容
专利文献1公开的技术使用车辆传感器的观测信息,考虑到该观测点的交通量。因此,并没有考虑到与各个实际的车辆有关的移动,无法反映各个车辆的移动信息,在精度方面存在问题。另外,在专利文献1公开的技术中,必须到满足结束条件为止反复执行调整和交通流模拟,存在处理负荷高并且响应性差的问题。
本发明是鉴于上述情况提出的,其目的在于:提供能够高精度地预测交通流的技术。
为了达到上述目的,一个方面的交通流预测辅助装置具备:取得部,其取得基于过去的OD数据的多个车辆模型的移动信息;车辆选择部,其根据推定为存在于预定的实际车辆中的通信终端的移动信息,选择与实际车辆匹配的车辆模型即匹配车辆模型;以及OD数据生成部,其代替匹配车辆模型的移动信息,而根据匹配车辆模型所匹配的实际车辆的移动信息,生成OD数据。
根据本发明,能够高精度地预测交通流。
附图说明
图1是一个实施方式的交通流预测***的整体结构图。
图2是一个实施方式的OD数据的一个例子的结构图。
图3是一个实施方式的交通流预测辅助装置的硬件结构图。
图4是一个实施方式的OD数据生成处理的流程图。
图5是一个实施方式的实时修正处理的流程图。
具体实施方式
参照附图说明实施方式。此外,以下说明的实施方式并不限定请求专利保护的发明,另外发明的解决方案并不一定必须具备在实施方式中说明的各要素及其组合的全部。
图1是一个实施方式的交通流预测***的整体结构图。
交通流预测***1具备过去OD数据存储部2、移动数据存储部3、交通流预测辅助装置10、修正OD数据存储部4、交通流模拟装置5、显示装置6、公共汽车运行信息存储部7、修正运行信息存储部8。
过去OD数据存储部2、移动数据存储部3、修正OD数据存储部4、公共汽车运行信息存储部7、修正运行信息存储部8既可以设置在交通流预测辅助装置10中,也可以设置在其他计算机等中,但在图1的例子中,说明为存储在未图示的其他计算机等中。
过去OD数据存储部2存储过去收集到的OD数据。过去OD数据例如也可以为通过国家的道路交通调查(census)收集到的OD数据。
移动数据存储部3存储包含从各种通信终端发送的位置信息、移动速度的移动数据(移动信息的一个例子)。移动数据例如也可以从各种通信供应商得到或从各通信终端收集。在本实施方式中,移动数据包含能够将同一通信终端的数据识别为同一的ID、通信终端的位置信息。在此,ID既可以是能够直接确定通信终端自身的ID,也可以是无法直接确定通信终端自身的ID。通信终端的位置信息例如也可以是GPS(Global Positioning System,全球定位***)的坐标(纬度和经度)。在本实施例中,作为通信终端,有个人携带的便携电话、智能手机、安装在车辆上的通信终端等。
修正OD数据存储部4存储通过交通流预测辅助装置10生成的OD数据。OD数据的数据形式例如可以与过去OD数据存储部2的OD数据共通。
公共汽车运行信息存储部7存储针对车辆中的公共汽车的包含停车地点、到各停车地点为止的移动时间等的公共汽车运行信息。修正运行信息存储部8存储与公共汽车实际行驶中的公共汽车运行信息的差异相关的信息(修正运行信息)。
交通流模拟装置5将OD数据、修正运行信息等作为输入,执行交通流模拟,由此预测交通流。显示装置6显示交通流模拟装置5的模拟结果即交通流的信息。
交通流预测辅助装置10具备路径/交通量分配计算器11、交通工具推定器12、车辆匹配器13、监视器14。在此,取得部、车辆选择部、OD数据生成部以及运行判定部对应于车辆匹配器13,乖离判定部对应于监视器14,车辆推定部对应于交通工具推定器12。
路径/交通量分配计算器11将存储在过去OD数据存储部2中的过去OD数据作为输入,计算与OD数据中的各车辆对应的模型(车辆模型)的位置、到目的地的移动路径、移动时间等信息(统计数据推定信息:移动信息)。此外,在计算出的统计数据推定信息中,通过可识别的ID(车辆模型ID)管理各车辆模型。路径/交通量分配计算器11针对OD数据中的车辆中的公共汽车,依照公共汽车运行信息存储部7的公共汽车运行信息,计算出与该公共汽车对应的模型(公共汽车模型)的位置、移动路径、移动时间等信息(统计数据推定信息)。
交通工具推定器12将存储在移动数据存储部3中的移动数据作为输入,确定被推定为存在于车辆中的通信终端,将被推定为存在于车辆中的通信终端的移动数据发送到车辆匹配器13。例如,能够与基于移动数据的移动速度对应地,推定通信终端正在被步行者持有、还是安装在车辆中或由乘坐在车辆中的人所持有。另外,在多个通信终端的位置接近、并且以比较快且相同或大致相同的速度移动的情况下,能够推定为多个通信终端被乘坐在公共汽车中的人所持有。在该情况下,可以将被推定为乘坐在公共汽车中的人所持有的通信终端的任意一个的移动数据作为与公共汽车有关的移动数据而传递到车辆匹配器13。
车辆匹配器13从路径/交通量分配计算器11取得基于过去的OD数据的多个车辆模型的统计数据推定信息,针对发送了移动数据的通信终端所在的实际的车辆(实际车辆),选择满足预定的条件的车辆模型(匹配车辆模型),并对应地管理。例如,作为预定的条件,有在设想的时间点(在实时处理中,为当前时刻)位于距离实际车辆的位置预定的距离以内、车辆速度差在预定的速度以内等。另外,作为匹配车辆模型和实际车辆的对应的管理,可以将匹配车辆模型的车辆模型ID和移动数据的ID对应起来进行管理。
代替匹配车辆模型的移动信息,车辆匹配器13根据被推定为存在于匹配车辆模型所匹配的实际车辆中的通信终端的移动数据的移动信息,生成OD数据。另外,车辆匹配器13在不存在满足预定的条件的匹配车辆模型的情况下,生成与实际车辆的移动对应的车辆模型,生成包含所生成的车辆模型的移动信息的OD数据。
另外,车辆匹配器13在判定为匹配车辆模型的移动信息与匹配车辆模型所匹配的实际车辆的移动信息乖离的情况下,选择与实际车辆匹配的新的车辆模型作为新的匹配车辆模型。
另外,车辆匹配器13在推定为实际车辆的种类是公共汽车的情况下,选择与公共汽车匹配的公共汽车模型,根据基于公共汽车模型的运行信息的移动信息、与公共汽车模型匹配的公共汽车的移动信息,确定与实际的公共汽车的运行信息的差异的信息(例如,迟到时间、偏离的距离等),输出到修正运行信息存储部8。
监视器14判定匹配车辆模型的移动信息与匹配车辆模型所匹配的实际车辆的移动信息是否乖离。在此,对于匹配车辆模型与实际车辆的移动信息乖离的情况有匹配车辆模型与实际车辆的位置分离预定以上的情况、匹配车辆模型与实际车辆所通过的路径不同的情况等。
接着,说明OD数据。
图2是表示一个实施方式的OD数据的一个例子的结构图。图2所示的OD数据表示存储在修正OD数据存储部4中的OD数据,但存储在过去OD数据存储部2中的OD数据也具有相同的结构。
修正OD数据存储部4存储多个时间点中每个时间点的OD数据41、42、43等。OD数据41、42、43等为汇总了对应的时间点的每个起点和终点的车辆的台数的表。根据OD数据41,可知在与基准时刻(例如,当前时刻)的差为-1小时20分钟的时间点,存在以观测点1为起点且以终点1为终点的50台车辆,存在以观测点2为起点且以终点2为终点的8台车辆。
接着,说明交通流预测辅助装置10的硬件结构图。
图3是一个实施方式的交通流预测辅助装置的硬件结构图。
交通流预测辅助装置10由PC(Personal Computer,个人计算机)等计算机构成,具备通信接口(通信I/F)101、处理器102、存储设备103、存储器104。通信I/F101、处理器102、存储设备103、存储器104经由总线105可通信地连接。
通信I/F101例如是有线LAN卡、无线LAN卡等的接口,经由未图示的网络与其他装置进行通信。
处理器102依照存储在存储器104和/或存储设备103中的程序执行各种处理。
存储器104例如是RAM,存储通过处理器102执行的程序(交通流预测辅助程序106)、必要的信息。
存储设备103例如是HDD(Hard disk drive,硬盘驱动器)、SSD(Solid statedisk,固态硬盘)等,存储通过处理器102执行的程序、被处理器102利用的数据。
在本实施方式中,通过由处理器102执行交通流预测辅助程序106,而构成路径/交通量分配计算器11、交通工具推定器12、车辆匹配器13、监视器14。
接着,说明交通流预测辅助装置10的处理动作。
图4是一个实施方式的OD数据生成处理的流程图。
例如,在每个预定时间执行OD数据生成处理。首先,车辆匹配器13从路径/交通量分配计算器11取得与全部车辆模型有关的统计数据推定信息(步骤S10)。
接着,交通工具推定器12从移动数据存储部3取得通信终端的移动数据(步骤S11)。
接着,交通工具推定器12基于所取得的通信终端的移动数据,根据通信终端的位置、速度、密集度等,推定出存在于车辆中的通信终端,根据该通信终端的移动数据,推定出被推定为该终端所在的车辆(实际车辆)的位置、速度等信息(实时推定信息)(步骤S12)。此外,成为该处理的对象的移动数据是从将通过路径/交通量分配计算器11进行了处理的OD数据作为对象的范围内的通信终端得到的移动数据。
接着,通过车辆匹配器13和监视器14,根据实时推定信息,执行修正车辆模型的信息的实时修正处理(参照图5)(步骤S13)。
接着,车辆匹配器13将通过实时修正处理生成的修正OD数据输出到修正OD数据存储部4。此外,交通流模拟装置5使用输出到修正OD数据存储部4的修正OD数据,执行交通流模拟,由此预测交通流,将预测结果输出到显示装置6。由此,交通流模拟装置5能够高精度地进行符合实际情况的交通流的预测。
图5是一个实施方式的实时修正处理的流程图。
首先,车辆匹配器13从交通工具推定器12取得与一个实际车辆对应的未处理的实时推定信息(步骤S21)。在以下的处理的说明中,将与取得的实时推定信息对应的实际车辆称为对象实际车辆。
接着,车辆匹配器13判定是否是未选择与对象实际车辆匹配的车辆模型、或必须重新选择与对象实际车辆匹配的车辆模型(具体地说,是否设定了重新选择的执行)(步骤S22)。
其结果是,在未选择与对象实际车辆匹配的车辆模型的情况下、或必须重新选择与对象实际车辆匹配的车辆模型的情况下(步骤S22:是),车辆匹配器13根据基于统计的推定信息,选择符合预定的条件的车辆模型(匹配车辆模型),将对象实际车辆与匹配车辆模型对应起来(步骤S23)。由此,能够适当地将匹配车辆模型与对象实际车辆对应起来。例如,在必须重新选择的情况下,能够适当地将新的匹配车辆模型与对象实际车辆对应起来。
接着,车辆匹配器13判定是否有匹配车辆模型(步骤S24),在有匹配车辆模型的情况下(步骤S24:是),使处理前进到步骤S28,另一方面,在没有匹配车辆模型的情况下(步骤S24:否),向基于统计的推定信息追加与对象实际车辆对应的车辆模型(步骤S25),使处理前进到步骤S28。这样,在没有匹配车辆模型的情况下,向基于统计的推定信息追加与对象实际车辆对应的车辆模型,因此能够使基于统计的推定信息符合实际情况。
另一方面,在步骤S22中选择了与对象实际车辆匹配的车辆模型、并且不需要重新选择与对象实际车辆匹配的车辆模型的情况下(步骤S22:否),监视器14判定对象实际车辆与车辆模型的移动信息是否有乖离(步骤S26)。
其结果是,在对象实际车辆与车辆模型的移动信息有乖离的情况下(步骤S26:是),监视器14设定成车辆匹配器13执行重新选择(步骤S27),使处理前进到步骤S28,另一方面,在对象实际车辆与车辆模型的移动信息没有乖离的情况下(步骤S26:否),监视器14使处理前进到步骤S28。
在步骤S28中,车辆匹配器13判定是否经过了预定的设定时间、即以表形式汇总修正OD数据的对象的时间。设定时间例如既可以以分钟为单位,也可以以任意的时间为单位。
其结果是,在没有经过预定的设定时间的情况下(步骤S28:否),车辆匹配器13使处理前进到步骤S21,进一步执行针对未处理的实时推定信息的处理。
另一方面,在经过了预定的经过时间(步骤S28:是)的情况下,车辆匹配器13执行调整基于统计的推定信息所包含的车辆模型的个数的处理(步骤S29)。具体地说,例如在能够取得与几乎全部的车辆有关的实时推定信息那样的情况下,车辆匹配器13可以删除不与实际车辆对应的车辆模型的信息。由此,能够从基于统计的推定数据中删除这时实际不存在的车辆模型的信息。另外,车辆匹配器13在步骤S25中追加了新的车辆模型的情况下,也可以删除与追加的车辆模型的个数相同的个数的不与实际车辆对应的车辆模型的信息。由此,不变动基于统计的推定数据的车辆模型的总数,就能够成为符合实际的车辆模型。另外,在推定出实际车辆中的能够取得实时推定信息的实际车辆的比例(可取得比例)的情况下,也可以调整车辆模型的个数,使得与实际车辆对应的车辆模型的个数相对于车辆模型的总数的比例与可取得比例相同、或成为与之接近的比例。此外,并不一定必须执行步骤S29的处理。
接着,车辆匹配器13根据基于统计的推定数据、实际车辆与车辆模型的匹配关系,生成修正OD数据、在此为与某时间范围对应的修正OD数据的表(步骤S30)。具体地说,车辆匹配器13针对基于统计的推定数据的车辆模型的信息中与实际车辆匹配的车辆模型,使用符合实际车辆的实时推定信息的移动信息(位置等),生成OD数据。由此,不将车辆模型的数据,而能够将从实际车辆得到的信息包含在OD数据中,能够生成高精度地反映了实际情况的OD数据。
此外,本发明并不限于上述实施方式,在不脱离本发明的主要内容的范围内,能够适当地变形实施。
例如,在上述实施方式中,将成为移动数据的收集对象的通信终端设为个人携带的便携电话、智能手机等通信终端、安装在车辆中的通信终端等各种通信终端,但本发明并不限于此,也可以只将安装在车辆中的通信终端作为对象。在该情况下,可以在来自车辆的移动数据中包含输入到车辆的导航***等的车辆的目的地信息。这样,在只将安装在车辆中的通信终端作为对象的情况下,不需要通过交通工具推定器12进行是否是存在于车辆中的通信终端等的推定。
另外,在移动数据中包含目的地信息的情况下,在车辆匹配器13中,也可以还考虑到目的地信息的目的地而选择与搭载了通信终端的车辆匹配的车辆模型。由此,能够防止车辆与选择为匹配的车辆模型在以后由于目的地不同而移动信息乖离的情况,能够高精度地使实际车辆与匹配车辆模型对应起来,能够进一步提高修正OD数据的精度。
另外,在上述实施方式中,针对一个实际车辆选择一个匹配车辆模型,代替匹配车辆模型的移动信息,而使用实际车辆的移动信息,生成OD数据,但本发明并不限于此,例如,也可以针对一个实际车辆,选择多个匹配车辆模型,代替多个匹配车辆模型各自的移动信息,而根据多个匹配车辆模型所匹配的实际车辆的移动信息,生成OD数据。
另外,在上述实施方式中,在同一装置中具备路径/交通量分配计算器11、交通工具推定器12、车辆匹配器13、监视器14,但本发明并不限于此,也可以在多个装置中分散地具备这些功能部,例如也可以将具备路径/交通量分配计算器11的装置、具备交通工具推定器12、车辆匹配器13、监视器14的装置设为不同的装置。
另外,在上述实施方式中,将交通流预测辅助装置10和交通流模拟装置5设为不同的装置,但本发明并不限于此,也可以由一个装置构成交通流预测辅助装置10和交通流模拟装置5。
另外,在上述实施方式中,也可以通过硬件电路进行处理器102进行的处理的一部分或全部,另外,可以从程序源安装上述实施方式中的程序。程序源可以是程序发布服务器或存储介质(例如可移动型的存储介质)。
符号说明
1:交通流预测***;2:过去OD数据存储部;3:移动数据存储部;4:修正OD数据存储部;5:交通流模拟装置6:显示装置;10:交通流预测辅助装置;11:路径/交通量分配计算器;12:交通工具推定器;13:车辆匹配器;14:监视器。
Claims (12)
1.一种交通流预测辅助装置,其特征在于,具备:
取得部,其取得基于过去的OD数据的多个车辆模型的移动信息;
车辆选择部,其根据推定为存在于预定的实际车辆中的通信终端的移动信息,选择与上述实际车辆匹配的车辆模型即匹配车辆模型;以及
OD数据生成部,其代替上述匹配车辆模型的移动信息,而根据上述匹配车辆模型所匹配的上述实际车辆的移动信息,生成OD数据。
2.根据权利要求1所述的交通流预测辅助装置,其特征在于,
上述车辆选择部选择满足预定的条件的车辆模型作为与上述实际车辆匹配的上述匹配车辆模型。
3.根据权利要求2所述的交通流预测辅助装置,其特征在于,
在不存在满足上述预定的条件的匹配车辆模型的情况下,上述车辆选择部生成与上述实际车辆对应的车辆模型,
上述OD数据生成部生成包含所生成的上述车辆模型的移动信息的OD数据。
4.根据权利要求1所述的交通流预测辅助装置,其特征在于,
上述交通流预测辅助装置还具备:乖离判定部,其判定上述匹配车辆模型的移动信息与上述匹配车辆模型所匹配的上述实际车辆的移动信息是否乖离,
在判定为上述匹配车辆模型的移动信息与上述匹配车辆模型所匹配的上述实际车辆的移动信息乖离了的情况下,上述车辆选择部选择与上述实际车辆匹配的新的车辆模型作为新的匹配车辆模型,
上述OD数据生成部根据上述新的匹配车辆模型的移动信息,生成OD数据。
5.根据权利要求1所述的交通流预测辅助装置,其特征在于,
上述通信终端是搭载于实际车辆中的终端。
6.根据权利要求5所述的交通流预测辅助装置,其特征在于,
上述移动信息包括表示上述实际车辆的目的地的目的地信息,
上述车辆选择部选择驶向与上述实际车辆的目的地信息所示的目的地相同的目的地的车辆模型作为上述匹配车辆模型。
7.根据权利要求1所述的交通流预测辅助装置,其特征在于,
上述交通流预测辅助装置还具备:车辆推定部,其取得从通信终端发送的移动信息,并根据上述移动信息,推定上述通信终端是不是存在于预定的实际车辆中的通信终端。
8.根据权利要求1所述的交通流预测辅助装置,其特征在于,
上述车辆选择部根据基于上述通信终端的移动信息的通信终端的存在密度,确定上述通信终端的实际车辆的种类,并根据上述实际车辆的种类,选择匹配的车辆模型。
9.根据权利要求8所述的交通流预测辅助装置,其特征在于,
基于上述过去的OD数据的多个车辆模型的移动信息包括公共汽车模型的移动信息,
上述车辆选择部根据上述通信终端的移动信息,确定存在于公共汽车中的通信终端,选择与上述公共汽车匹配的公共汽车模型,
上述交通流预测辅助装置还具备:运行判定部,其根据基于上述公共汽车模型的运行信息的移动信息和上述公共汽车模型所匹配的公共汽车的移动信息,确定并输出与上述公共汽车的上述运行信息的差异。
10.根据权利要求1所述的交通流预测辅助装置,其特征在于,
上述车辆选择部针对上述实际车辆选择多个匹配车辆模型,
代替上述多个匹配车辆模型的移动信息,上述OD数据生成部根据上述多个匹配车辆模型所匹配的上述实际车辆的移动信息,生成OD数据。
11.一种交通流预测辅助方法,其是生成OD数据的交通流预测辅助装置的交通流预测辅助方法,其特征在于,
取得基于过去的OD数据的多个车辆模型的移动信息;
根据推定为存在于预定的实际车辆中的通信终端的移动信息,选择与上述实际车辆匹配的车辆模型即匹配车辆模型;以及
代替上述匹配车辆模型的移动信息,而根据上述匹配车辆模型所匹配的上述实际车辆的移动信息,生成OD数据。
12.一种存储有交通流预测辅助程序的计算机可读介质,该交通流预测辅助程序由生成OD数据的计算机执行,其特征在于,该交通流预测辅助程序使上述计算机作为以下的部件发挥功能:
车辆选择部,其根据推定为存在于预定的实际车辆中的通信终端的移动信息,选择与上述实际车辆匹配的车辆模型即匹配车辆模型;以及
OD数据生成部,其代替上述匹配车辆模型的移动信息,而根据上述匹配车辆模型所匹配的上述实际车辆的移动信息,生成OD数据。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-116250 | 2019-06-24 | ||
JP2019116250A JP7372058B2 (ja) | 2019-06-24 | 2019-06-24 | 交通流予測支援装置、交通流予測支援方法、及び交通流予測支援プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112133105A true CN112133105A (zh) | 2020-12-25 |
CN112133105B CN112133105B (zh) | 2023-05-02 |
Family
ID=73850655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010331632.1A Active CN112133105B (zh) | 2019-06-24 | 2020-04-24 | 交通流预测辅助装置以及交通流预测辅助方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7372058B2 (zh) |
CN (1) | CN112133105B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0936590A2 (de) * | 1998-02-13 | 1999-08-18 | DaimlerChrysler AG | Verfahren und Vorrichtung zur Bestimmung der Verkehrslage auf einem Verkehrswegenetz |
JP2005084722A (ja) * | 2003-09-04 | 2005-03-31 | Toshiba Corp | 道路交通状況の解析装置および予測装置 |
JP2005182383A (ja) * | 2003-12-18 | 2005-07-07 | Ryuichi Kitamura | Odデータ推定方法 |
CN101127158A (zh) * | 2006-08-18 | 2008-02-20 | 株式会社查纳位资讯情报 | 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端 |
CN102460534A (zh) * | 2009-04-22 | 2012-05-16 | 因瑞克斯有限公司 | 基于历史和当前数据预测期望道路交通状况 |
CN103116808A (zh) * | 2013-01-18 | 2013-05-22 | 同济大学 | 一种快速路短时交通流实时预测的方法 |
CN103440764A (zh) * | 2013-08-19 | 2013-12-11 | 同济大学 | 一种基于车辆自动识别数据的城市路网车辆出行路径重构方法 |
CN104900054A (zh) * | 2015-04-30 | 2015-09-09 | 深圳市中盟科技股份有限公司 | 交通状态的判定方法和装置 |
CN105321375A (zh) * | 2014-06-04 | 2016-02-10 | 丰田自动车株式会社 | 驾驶辅助装置 |
CN106875314A (zh) * | 2017-01-31 | 2017-06-20 | 东南大学 | 一种城市轨道交通线网客流od动态估计方法 |
US20170268896A1 (en) * | 2016-03-17 | 2017-09-21 | Honda Motor Co., Ltd. | Vehicular communications network and methods of use and manufacture thereof |
CN107533797A (zh) * | 2015-04-28 | 2018-01-02 | 株式会社日立制作所 | 到达时刻预测装置、到达时刻预测***以及程序 |
CN108364463A (zh) * | 2018-01-30 | 2018-08-03 | 重庆交通大学 | 一种交通流量的预测方法和*** |
CN108364490A (zh) * | 2018-01-17 | 2018-08-03 | 佛山杰致信息科技有限公司 | 城市公路交通***车辆运行调控方法 |
CN108550098A (zh) * | 2018-04-24 | 2018-09-18 | 西南交通大学 | 一种城市轨道交通网络客流限流方法 |
US20190130199A1 (en) * | 2018-12-27 | 2019-05-02 | Intel Corporation | Infrastructure element state model and prediction |
CN109886444A (zh) * | 2018-12-03 | 2019-06-14 | 深圳市北斗智能科技有限公司 | 一种交通短时客流预测方法、装置、设备和存储介质 |
CN109920250A (zh) * | 2019-05-10 | 2019-06-21 | 李天学 | 动态预测城市道路智能交通管理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3316919B2 (ja) * | 1993-03-09 | 2002-08-19 | 三菱電機株式会社 | 道路交通管制シミュレーション装置 |
JP2004213098A (ja) * | 2002-12-26 | 2004-07-29 | Toshiba Corp | 混雑予測システム、混雑予測方法及び混雑予測プログラム |
JP2011003002A (ja) * | 2009-06-18 | 2011-01-06 | Toyota Central R&D Labs Inc | エンジン作動時排出物質の排出量計算装置及びプログラム |
-
2019
- 2019-06-24 JP JP2019116250A patent/JP7372058B2/ja active Active
-
2020
- 2020-04-24 CN CN202010331632.1A patent/CN112133105B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0936590A2 (de) * | 1998-02-13 | 1999-08-18 | DaimlerChrysler AG | Verfahren und Vorrichtung zur Bestimmung der Verkehrslage auf einem Verkehrswegenetz |
JP2005084722A (ja) * | 2003-09-04 | 2005-03-31 | Toshiba Corp | 道路交通状況の解析装置および予測装置 |
JP2005182383A (ja) * | 2003-12-18 | 2005-07-07 | Ryuichi Kitamura | Odデータ推定方法 |
CN101127158A (zh) * | 2006-08-18 | 2008-02-20 | 株式会社查纳位资讯情报 | 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端 |
CN102460534A (zh) * | 2009-04-22 | 2012-05-16 | 因瑞克斯有限公司 | 基于历史和当前数据预测期望道路交通状况 |
CN103116808A (zh) * | 2013-01-18 | 2013-05-22 | 同济大学 | 一种快速路短时交通流实时预测的方法 |
CN103440764A (zh) * | 2013-08-19 | 2013-12-11 | 同济大学 | 一种基于车辆自动识别数据的城市路网车辆出行路径重构方法 |
CN105321375A (zh) * | 2014-06-04 | 2016-02-10 | 丰田自动车株式会社 | 驾驶辅助装置 |
CN107533797A (zh) * | 2015-04-28 | 2018-01-02 | 株式会社日立制作所 | 到达时刻预测装置、到达时刻预测***以及程序 |
CN104900054A (zh) * | 2015-04-30 | 2015-09-09 | 深圳市中盟科技股份有限公司 | 交通状态的判定方法和装置 |
US20170268896A1 (en) * | 2016-03-17 | 2017-09-21 | Honda Motor Co., Ltd. | Vehicular communications network and methods of use and manufacture thereof |
CN106875314A (zh) * | 2017-01-31 | 2017-06-20 | 东南大学 | 一种城市轨道交通线网客流od动态估计方法 |
CN108364490A (zh) * | 2018-01-17 | 2018-08-03 | 佛山杰致信息科技有限公司 | 城市公路交通***车辆运行调控方法 |
CN108364463A (zh) * | 2018-01-30 | 2018-08-03 | 重庆交通大学 | 一种交通流量的预测方法和*** |
CN108550098A (zh) * | 2018-04-24 | 2018-09-18 | 西南交通大学 | 一种城市轨道交通网络客流限流方法 |
CN109886444A (zh) * | 2018-12-03 | 2019-06-14 | 深圳市北斗智能科技有限公司 | 一种交通短时客流预测方法、装置、设备和存储介质 |
US20190130199A1 (en) * | 2018-12-27 | 2019-05-02 | Intel Corporation | Infrastructure element state model and prediction |
CN109920250A (zh) * | 2019-05-10 | 2019-06-21 | 李天学 | 动态预测城市道路智能交通管理方法 |
Non-Patent Citations (2)
Title |
---|
江竹;李树彬;黄永宣;: "基于OD预测信息的高速公路优化控制***设计与仿真" * |
聂佩林;龚峻峰;: "一种路网交通流参数的融合预测方法" * |
Also Published As
Publication number | Publication date |
---|---|
CN112133105B (zh) | 2023-05-02 |
JP7372058B2 (ja) | 2023-10-31 |
JP2021002252A (ja) | 2021-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11629966B2 (en) | Technologies for route navigation sharing in a community cloud | |
CN103115626B (zh) | 计算拥堵信息并基于其进行导航的方法、装置和设备 | |
CN108286981B (zh) | 车联网的车辆路径规划方法、装置和计算机设备 | |
JP2017126179A (ja) | 経路予測装置および経路予測方法 | |
WO2014084901A1 (en) | Method and computer software for telematics providing battery efficient|trajectoryand mileage inference | |
CN101506857B (zh) | 接收交通状况报告并生成方向信息的方法 | |
US20190101404A1 (en) | Information processing method and electronic device | |
CN113253722B (zh) | 电动车充电路径规划方法、装置及*** | |
US10775178B2 (en) | Spatio-temporal re-routing of navigation | |
CN103715725A (zh) | 电动车充电***和方法 | |
CN107331149B (zh) | 预测车辆行驶时间的方法和装置 | |
CN112985442A (zh) | 行驶路径匹配方法、可读存储介质和电子设备 | |
CN105723744A (zh) | 调度在线服务的数据的下载 | |
CN112133105B (zh) | 交通流预测辅助装置以及交通流预测辅助方法 | |
JP2021077362A (ja) | 車両による性能データの収集のためのシステムおよび方法 | |
US20200051197A1 (en) | Information processing apparatus, information processing method, and non-transitory storage medium | |
CN104614704B (zh) | 一种确定移动终端位置的方法和装置 | |
CN108877210B (zh) | 一种实时路况数据生产方法及车载终端 | |
CN117222863A (zh) | 用于确定通过可导航网络的估计行进时间的方法及*** | |
CN112665599A (zh) | 信息处理设备、非暂时性存储介质和*** | |
KR101369264B1 (ko) | 분리형 네비게이션 시스템 | |
CN112446412A (zh) | 用于确定道路车辆中的当前位置速度限制的方法和布置 | |
JP2019211484A (ja) | 画像処理装置、画像処理管理装置、端末装置及び画像処理方法 | |
CN111829537B (zh) | 车辆定位方法及装置 | |
JP2018109631A (ja) | 画像処理装置、画像処理管理装置、端末装置及び画像処理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |