CN114694371A - 估算方法、车辆、服务器和路侧设备 - Google Patents
估算方法、车辆、服务器和路侧设备 Download PDFInfo
- Publication number
- CN114694371A CN114694371A CN202011614780.0A CN202011614780A CN114694371A CN 114694371 A CN114694371 A CN 114694371A CN 202011614780 A CN202011614780 A CN 202011614780A CN 114694371 A CN114694371 A CN 114694371A
- Authority
- CN
- China
- Prior art keywords
- information
- road
- congestion
- vehicle
- traffic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004891 communication Methods 0.000 claims abstract description 62
- 206010021033 Hypomenorrhoea Diseases 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种道路拥堵的估算方法，估算方法包括：接收路侧设备发送的当前道路信息，响应于驾驶员根据当前道路信息选择的通行路线生成反馈信息，发送反馈信息至路侧设备，并接收路侧设备反馈的拥堵信息，其中拥堵信息为经由与路侧设备通信的服务器根据反馈信息和当前道路信息估算的通信路线。本申请实施方式的估算方法，通过路侧设备实时获取当前道路信息，并利用拥堵模型估算出拥堵信息，在一定程度上保障了拥堵信息的实时性和准确性。本申请还公开了一种车辆、服务器和路侧设备。
Description
技术领域
本申请涉及车辆技术领域，特别涉及一种用于道路拥堵的估算方法、车辆、服务器和路侧设备。
背景技术
随着道路交通拥堵情况的复杂化，相关技术中，驾驶员通常通过地图软件，结合车辆或终端GPS对当前所处路段定位，来进行道路拥堵情况的查看，然而，这种方式需要道路上的车主都进行联网来采集数据，从而搜集当前路线的行驶车辆数来判断拥堵情况，结果不够准确。且目前往往仅有行驶时间和对拥堵路段的大概预计时间，驾驶员很难获知更细化的行驶时间或拥堵信息，不利于驾驶员在行驶过程中进行实时的判断如优化行驶路线。
发明内容
有鉴于此，本申请的实施例提供了一种用于道路拥堵的估算方法、车辆、服务器和路侧设备。
本申请提供了一种道路拥堵的估算方法，包括：
接收路侧设备发送的当前道路信息；
响应于驾驶员根据所述当前道路信息选择的通行路线生成反馈信息；
发送所述反馈信息至所述路侧设备；
接收所述路侧设备反馈的拥堵信息，所述拥堵信息为经由与所述路侧设备通信的服务器根据所述反馈信息和所述当前道路信息估算的所述通信路线。
在某些实施方法中，所述当前道路信息包括：每个红绿灯周期、车辆平均行驶速度、车头间距、相邻两个路段的红绿灯距离、每个所述红绿灯周期里实际通行车辆数量、可选择通行路线中的至少一个。
在某些实施方法中，所述估算方法还包括：
根据所述当前道路信息和车辆的行驶信息估算所述车辆行驶至下一个路侧设备的通行时间。
在某些实施方法中，所述车辆的行驶信息包括所述车头间距和/或所述车辆的当前车速。
在某些实施方法中，所述估算方法还包括：
根据所述拥堵信息和/或所述通信时间进行预警提示。
本申请还提供了一种道路拥堵的估算方法，包括：
接收路侧设备发送的当前道路的交通信息；
接收路侧设备发送的驾驶员的通行路线；
根据所述交通信息和所述通行路线估算所述通行路线的拥堵信息；
将所述拥堵信息经由所述路侧设备发送至与所述路侧设备通信的车辆。
本申请还提供了一种道路拥堵的估算方法，包括：
接收车辆发送的根据当前道路的交通信息选择的通行路线所生成的反馈信息；
发送当前道路的交通信息和所述反馈信息至服务器；
接收服务器根据所述交通信息和所述反馈信息估算的所述通行路线的拥堵信息；
将所述拥堵信息发送至所述车辆。
本申请还提供了一种车辆，包括：
通信模块，用于接收路侧设备发送的当前道路信息；
控制模块，用于响应于驾驶员根据所述当前道路信息选择的通行路线生成反馈信息；
所述通信模块还用于发送所述反馈信息至所述路侧设备；及
接收所述路侧设备反馈的拥堵信息，所述拥堵信息为经由与所述路侧设备通信的服务器根据所述反馈信息和所述当前道路信息估算的所述通信路线。
本申请还提供了一种服务器，包括：
通信模块，用于接收路侧设备发送的当前道路的交通信息；及
接收路侧设备发送的驾驶员的通行路线；
计算模块，用于根据所述交通信息和所述通行路线估算所述通行路线的拥堵信息；
所述通信模块还用于将所述拥堵信息经由所述路侧设备发送至与所述路侧设备通信的车辆。
本申请还提供了一种路侧设备，包括：
通信模块，用于接收车辆发送的根据当前道路的交通信息选择的通行路线所生成的反馈信息；及
发送当前道路的交通信息和所述反馈信息至服务器；及
接收服务器根据所述交通信息和所述反馈信息估算的所述通行路线的拥堵信息；及
将所述拥堵信息发送至所述车辆。
本申请实施方式的用于道路拥堵的估算方法、车辆、服务器和路侧设备中，车辆与路侧设备进行通信，路侧设备实时获取当前道路信息，并对其进行估算得到拥堵信息，然后发送至当前道路的车辆。如此，道路拥堵根据实时的道路信息进行估算，在一定程度上保障了数据来源的准确性。同时路侧设备将实时的道路信息发送至与其通信的服务器，服务器经过大数据构建的拥堵模型对拥堵进行估算，亦在一定程度上保障了拥堵信息的准确性。而车辆与路侧设备可实时进行通信交互并获取实时的道路信息，有效地提高了拥堵信息的实时性。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解。
图1是本申请某些实施方式的道路拥堵的估算方法流程示意图；
图2是本申请某些实施方式的道路拥堵的估算方法流程示意图；
图3是本申请某些实施方式的道路拥堵的估算方法流程示意图；
图4是本申请某些实施方式的道路拥堵的估算方法装置模块图；
图5是本申请某些实施方式的道路拥堵的估算方法装置模块图；
图6是本申请某些实施方式的道路拥堵的估算方法装置模块图；
图7是本申请某些实施方式的道路拥堵的估算方法网络架构图；
图8是本申请某些实施方式的道路拥堵的估算方法流程示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
请参阅图1，本申请提供了道路拥堵的估算方法，在该实施方式中，以车辆作为执行对象为例，估算方法包括：
S10：接收路侧设备发送的当前道路信息；
S20：响应于驾驶员根据当前道路信息选择的通行路线生成反馈信息；
S30：发送反馈信息至路侧设备；
S40：接收路侧设备反馈的拥堵信息，拥堵信息为经由与路侧设备通信的服务器根据反馈信息和当前道路信息估算的通信路线。
同理，请参阅图2，在某些实施方式中，以路侧设备作为执行对象为例，估算方法包括：
S50：接收车辆发送的根据当前道路的交通信息选择的通行路线所生成的反馈信息；
S60：发送当前道路的交通信息和反馈信息至服务器；
S70：接收服务器根据交通信息和反馈信息估算的通行路线的拥堵信息；
S80：将拥堵信息发送至车辆。
同理，请参阅图3，在某些实施方式中，以服务器作为执行对象为例，估算方法包括：
S90：接收路侧设备发送的当前道路的交通信息；
S100：接收路侧设备发送的驾驶员的通行路线；
S110：根据交通信息和通行路线估算通行路线的拥堵信息；
S120：将拥堵信息经由路侧设备发送至与路侧设备通信的车辆。
请参阅图4，本申请实施方式还提供了一种车辆1000，本申请实施方式的估算方法可以由车辆1000实现。车辆1000包括通信模块1100和控制模块1200。S10、S30和S40可以通信模块1100实现，S20可以由控制模块1200实现。或者说，通信模块1100用于接收路侧设备发送的当前道路信息，并发送反馈信息至路侧设备，以及接收路侧设备反馈的拥堵信息，拥堵信息为经由与路侧设备通信的服务器根据反馈信息和当前道路信息估算的通信路线。控制模块1200用于响应于驾驶员根据当前道路信息选择的通行路线生成反馈信息。
请参阅图5，本申请实施方式还提供了一种路侧设备2000，与车辆1000通过无线通信连接。本申请实施方式的以路侧设备为执行对象的估算方法可以由服务器2000实现。路侧设备2000包括通信模块2100。S50-S80可以通信模块2100实现。或者说，通信模块2100用于接收车辆1000发送的根据当前道路的交通信息选择的通行路线所生成的反馈信息，并发送当前道路的交通信息和反馈信息至服务器，还用于接收服务器根据交通信息和反馈信息估算的通行路线的拥堵信息，以及将拥堵信息发送至车辆1000。
请参阅图6，本申请实施方式还提供了一种服务器3000，与路侧设备2000通信连接。本申请实施方式的以服务器为执行对象的估算方法可以由服务器3000实现。服务器3000包括通信模块3100和计算模块3200。S90、S100和S120可以通信模块3100实现，S110可以由计算模块3200实现。或者说，通信模块3100用于接收路侧设备2000发送的当前道路的交通信息，及路侧设备2000发送的驾驶员的通行路线，还用于将拥堵信息经由路侧设备2000发送至与路侧设备2000通信的车辆1000。计算模块3200用于根据交通信息和通行路线估算通行路线的拥堵信息。
请参阅图7，车辆1000与路侧设备2000通过无线通信进行连接，可实时发送或接收通信信息，同时，路侧设备2000与路侧***的服务器3000进行通信连接，其中服务器3000可为云端服务器。
具体地，随着车路协同及车联网智能化的发展，路侧设备2000内置多种通信方式，提供多种传感器接口如信号机、检测器等，其路侧设备2000的内置检测器可将实时交通信息发送至行驶车辆1000。在车辆端设有与路侧设备2000进行无线通信连接的智能通信设备如OBU，或通过车辆电子控制单元(Electronic Control Unit，ECU)来进行通信，如车载导航***ECU。进一步地，与路侧设备2000相连的服务器端如云服务器，可与路侧设备2000进行实时通信，对路侧设备2000发送的通信请求进行处理并返回。
可以理解的是，路侧设备2000可与某一范围内的车辆1000进行通信。其中，路侧设备2000包括红绿灯***内置检测器，其内置检测器可与车辆1000进行通信。红绿灯内置检测器可设置与当前至下一个红绿灯范围内的通信车辆进行通信，并实时将此范围内的当前道路信息发送至此范围内的车辆1000。其中，当前道路信息为与交通流相关的参数如每条车道的拥堵情况等。
进一步地，车辆1000通过通信设备来实时接收路侧设备2000的当前道路信息。当车辆1000进入路侧设备如红绿灯A的通信范围内后，会接收到当前红绿灯A发送的实时当前道路信息，直至行驶出此通信范围。可以理解的是，通信范围为可设置范围，如可设置红绿灯A的通信范围为前一个红绿灯之后到红绿灯A之间的道路范围，其中，前后方向以车辆行驶方向为准。
车辆1000接收到路侧设备2000发送的当前道路信息。其中，包括红绿灯相关信息，当前路段平均车速，当前路段各条通行路线的拥堵情况等。驾驶员可根据当前道路信息选择通行路线，车辆通信设备将选择的通行路线作为反馈信息发送至路侧设备2000去获取更多的信息。可以理解的是，当前道路包括多条通行路线。
进一步地，路侧设备2000接收到此反馈信息即选择的通行路线后，提取此通行路线的实时交通信息并发送至车辆1000。其中，实时交通信息为此通行路线的当前道路信息，包括车辆平均行驶速度，红绿灯相关信息等。
同时，路侧设备2000接收到此反馈信息即选择的通行路线后，将此反馈信息以及当前道路的交通信息发送至服务器3000进行拥堵估算。
服务器3000与路侧设备2000进行通信连接，可为云端服务器。当服务器3000接收到通行路线及路线的实时交通信息后，根据预设拥堵模型进行拥堵估算，从而得到当前通行路线的拥堵信息，包括通过当前拥堵路段的拥堵时间、或当前道路所有通行路线的拥堵时间等。并将此拥堵信息发送至路侧设备2000。
其中，拥堵模型为服务器3000在前期根据大数据训练的拥堵模型，可周期性根据实时数据进行训练更新。拥堵模型可包括基于智能理论的预测模型或基于非线性理论的预测模型等。基于智能理论的预测模型可包括神经网络模型或深度学习模型等。其中，神经网络模型采用典型的黑箱式学习模式，无需经验公式，即可从已有数据中自动归纳规则，获得这些数据的内在规律。即使不清楚预测问题的内部机理，只要有大量的输入、输出样本，经神经网络“黑箱”内部自动调整后，便可建立良好的输入、输出映射模型。服务器3000可通过连接的路侧设备2000实时获取大量的实时交通信息用以对模型进行训练，且用于当前道路。因交通流的大数据性和实时性，神经网络模型可在一定程度上保障拥堵估算的准确性。
进一步地，当服务器3000估算出拥堵信息后，将此信息返回至路侧设备2000，然后路侧设备2000再转发给车辆1000。
如此，创建基于大数据的拥堵模型对实时交通信息进行估算以得到拥堵信息，然后将此拥堵信息发送至车辆1000，使得车辆1000可实时获取拥堵信息。由路侧设备2000的实时交通信息估算的拥堵信息可在一定程度上保障数据来源的准确性。同时路侧设备将实时的道路信息发送至与其通信的服务器3000，服务器3000经过拥堵模型对拥堵进行估算，亦在一定程度上保障了拥堵信息的准确性。而车辆1000与路侧设备2000可进行通信交互并获取实时的道路信息，有效地提高了拥堵信息的实时性。
在某些实施方法中，当前道路信息包括：每个红绿灯周期、车辆平均行驶速度、车头间距、相邻两个路段的红绿灯距离、每个红绿灯周期里实际通行车辆数量、可选择通行路线中的至少一个。
其中，当前道路信息为路侧设备2000实时获取的交通信息，主要为交通流参数。交通流参数主要包括平均车流量、平均车速、平均占有率、车流密度、车头时距、车头间距等。具体可根据拥堵模型所需的特征进行采集。
请参阅图8，在某些实施方法中，估算方法还包括：
S130：根据当前道路信息和车辆的行驶信息估算车辆行驶至下一个路侧设备的通行时间。
在某些实施方法中，车辆的行驶信息包括车头间距和/或车辆的当前车速。
在某些实施方法中，S130可以由控制模块1200实现。或者说，控制模块1200用于根据当前道路信息和车辆1000的行驶信息估算车辆1000行驶至下一个路侧设备2000的通行时间。
具体地，当车辆1000接收到路侧设备2000返回的当前道路信息后，结合其当前行驶信息包括车头间距/或车辆的当前车速，可估算到达下一个路侧设备2000如红绿灯的通行时间。其中可自当前道路信息中提取当前红绿灯周期、当前道路车辆的平均行驶速度、车头间距、当前道路实际通行车辆数量及当前红绿灯至下一个红绿灯的距离。
如此，经路侧设备2000实时详细的交通信息及车辆1000自身的行驶信息，可使得车辆1000估算出更准确的行驶时间如到达下一个路侧设备2000的通行时间。可以理解的是，车辆1000可根据此类信息估算出更多信息如到达目的地的行驶时间等。
请再次参阅图8，在某些实施方式中，估算方法还包括：
S140：根据拥堵信息和/或通信时间进行预警提示。
在某些实施方法中，S140可以由控制模块1200实现。或者说，控制模块1200用于根据拥堵信息和/或通信时间进行预警提示。
具体地，如上文所述，服务器3000可估算出当前道路的拥堵时间，并将此拥堵时间发送至路侧设备2000，进一步转发给车辆1000。同时，车辆1000的通信设备如ECU可结合自身的行驶信息估算出行驶时间如到达下一个路侧设备2000的通行时间。当车辆1000获取拥堵时间和到达下一个路侧设备2000的通行时间后，可根据此信息进行预警提示，如在车载中控大屏或其它显示屏设备显示，或通过语音***进行提示，显示或提示信息如“当前红绿灯通行时间预计5分钟，到达下一个红绿灯时间预计8分钟”。
如此，根据拥堵信息和/或通信时间对驾驶员进行预警提示可使得驾驶员清楚地获悉比全路段行驶时间更为精确的各路段通行时间，从而可做出更优的判断如重新选择通行路段，在一定程度上提升用户体验。
综上所述，本申请实施方式的用于道路拥堵的估算方法、车辆、服务器和路侧设备中，创建基于大数据的拥堵模型对实时交通信息进行计算以得到拥堵信息，然后将此拥堵信息发送至车辆1000，使得车辆1000可实时获取拥堵信息。由路侧设备2000的实时交通信息估算的拥堵信息可在一定程度上保障数据来源的准确性。同时路侧设备将实时的道路信息发送至与其通信的服务器3000，服务器3000经过拥堵模型对拥堵进行估算，亦在一定程度上保障了拥堵信息的准确性。而车辆1000与路侧设备2000可进行通信交互并获取实时的道路信息，有效地提高了拥堵信息的实时性。进一步地，车辆1000可同时根据当前道路信息和自身行驶信息估算出更多行驶时间如到达下一个路侧设备2000的通行时间，并将拥堵信息和行驶时间通过预警提示驾驶员，有效地丰富了驾驶员所能获得的行驶相关数据，以使得驾驶员可根据多样化的拥堵信息和行驶时间做出更优的判断，在一定程度上可缓解交通压力，并提升用户体验。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的软件来完成。程序可存储于一非易失性计算机可读存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种道路拥堵的估算方法，其特征在于，包括：
接收路侧设备发送的当前道路信息；
响应于驾驶员根据所述当前道路信息选择的通行路线生成反馈信息；
发送所述反馈信息至所述路侧设备；
接收所述路侧设备反馈的拥堵信息，所述拥堵信息为经由与所述路侧设备通信的服务器根据所述反馈信息和所述当前道路信息估算的所述通信路线。
2.根据权利要求1所述的估算方法，其特征在于，所述当前道路信息包括：每个红绿灯周期、车辆平均行驶速度、车头间距、相邻两个路段的红绿灯距离、每个所述红绿灯周期里实际通行车辆数量、可选择通行路线中的至少一个。
3.根据权利要求1所述的估算方法，其特征在于，所述估算方法还包括：
根据所述当前道路信息和车辆的行驶信息估算所述车辆行驶至下一个路侧设备的通行时间。
4.根据权利要求3所述的估算方法，其特征在于，所述车辆的行驶信息包括所述车头间距和/或所述车辆的当前车速。
5.根据权利要求3所述的估算方法，其特征在于，所述估算方法还包括：
根据所述拥堵信息和/或所述通信时间进行预警提示。
6.一种道路拥堵的估算方法，其特征在于，包括：
接收路侧设备发送的当前道路的交通信息；
接收路侧设备发送的驾驶员的通行路线；
根据所述交通信息和所述通行路线估算所述通行路线的拥堵信息；
将所述拥堵信息经由所述路侧设备发送至与所述路侧设备通信的车辆。
7.一种道路拥堵的估算方法，其特征在于，包括：
接收车辆发送的根据当前道路的交通信息选择的通行路线所生成的反馈信息；
发送当前道路的交通信息和所述反馈信息至服务器；
接收服务器根据所述交通信息和所述反馈信息估算的所述通行路线的拥堵信息；
将所述拥堵信息发送至所述车辆。
8.一种车辆，其特征在于，包括：
通信模块，用于接收路侧设备发送的当前道路信息；
控制模块，用于响应于驾驶员根据所述当前道路信息选择的通行路线生成反馈信息；
所述通信模块还用于发送所述反馈信息至所述路侧设备；及
接收所述路侧设备反馈的拥堵信息，所述拥堵信息为经由与所述路侧设备通信的服务器根据所述反馈信息和所述当前道路信息估算的所述通信路线。
9.一种服务器，其特征在于，包括：
通信模块，用于接收路侧设备发送的当前道路的交通信息；及
接收路侧设备发送的驾驶员的通行路线；
计算模块，用于根据所述交通信息和所述通行路线估算所述通行路线的拥堵信息；
所述通信模块还用于将所述拥堵信息经由所述路侧设备发送至与所述路侧设备通信的车辆。
10.一种路侧设备，其特征在于，包括：
通信模块，用于接收车辆发送的根据当前道路的交通信息选择的通行路线所生成的反馈信息；
发送当前道路的交通信息和所述反馈信息至服务器；
接收服务器根据所述交通信息和所述反馈信息估算的所述通行路线的拥堵信息；及
将所述拥堵信息发送至所述车辆。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011614780.0A CN114694371A (zh) | 2020-12-30 | 2020-12-30 | 估算方法、车辆、服务器和路侧设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011614780.0A CN114694371A (zh) | 2020-12-30 | 2020-12-30 | 估算方法、车辆、服务器和路侧设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114694371A true CN114694371A (zh) | 2022-07-01 |
Family
ID=82132267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011614780.0A Pending CN114694371A (zh) | 2020-12-30 | 2020-12-30 | 估算方法、车辆、服务器和路侧设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114694371A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0725032D0 (en) * | 2006-12-28 | 2008-01-30 | Denso Corp | Traffic congestion degree determination device, traffic congestion degree notification devicen and program |
| JP2011196786A (ja) * | 2010-03-18 | 2011-10-06 | Toyota Central R&D Labs Inc | 渋滞時間算出装置、出発時刻算出装置、渋滞なし時間算出装置、及びプログラム |
| JP2015018396A (ja) * | 2013-07-10 | 2015-01-29 | 矢崎エナジーシステム株式会社 | 車載器、サーバ、及び渋滞検出システム |
| CN108109415A (zh) * | 2017-12-20 | 2018-06-01 | 东风汽车集团有限公司 | 一种具有防拥堵功能的网联自动驾驶控制***及方法 |
| CN109920264A (zh) * | 2019-04-29 | 2019-06-21 | 深圳成谷科技有限公司 | 基于车流信息的变道指引方法及*** |
| CN110517514A (zh) * | 2019-08-23 | 2019-11-29 | 深圳成谷科技有限公司 | 一种车流量的管控方法、装置和设备 |
-
2020
- 2020-12-30 CN CN202011614780.0A patent/CN114694371A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0725032D0 (en) * | 2006-12-28 | 2008-01-30 | Denso Corp | Traffic congestion degree determination device, traffic congestion degree notification devicen and program |
| JP2011196786A (ja) * | 2010-03-18 | 2011-10-06 | Toyota Central R&D Labs Inc | 渋滞時間算出装置、出発時刻算出装置、渋滞なし時間算出装置、及びプログラム |
| JP2015018396A (ja) * | 2013-07-10 | 2015-01-29 | 矢崎エナジーシステム株式会社 | 車載器、サーバ、及び渋滞検出システム |
| CN108109415A (zh) * | 2017-12-20 | 2018-06-01 | 东风汽车集团有限公司 | 一种具有防拥堵功能的网联自动驾驶控制***及方法 |
| CN109920264A (zh) * | 2019-04-29 | 2019-06-21 | 深圳成谷科技有限公司 | 基于车流信息的变道指引方法及*** |
| CN110517514A (zh) * | 2019-08-23 | 2019-11-29 | 深圳成谷科技有限公司 | 一种车流量的管控方法、装置和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11113960B2 (en) | Intelligent traffic management for vehicle platoons | |
| US11176845B2 (en) | Adaptive analysis of driver behavior | |
| CN110249609B (zh) | 用于自主车辆的带宽约束图像处理 | |
| CN110431037B (zh) | 包括运用部分可观察马尔可夫决策过程模型示例的自主车辆操作管理 | |
| JP6328254B2 (ja) | 自動走行管理システム、サーバおよび自動走行管理方法 | |
| US11597395B2 (en) | Systems and methods to manage vehicles under anomalous driving behavior | |
| JP5057166B2 (ja) | 安全運転評価システム及び安全運転評価プログラム | |
| CN111357258B (zh) | 用于交通工具应用程序编程接口的***及方法 | |
| CN111052202A (zh) | 用于基于相对定位的安全自主驾驶的***和方法 | |
| JP2016051467A (ja) | 適合化予測のために広域的シーンコンテクストを使用する方法およびシステム並びに対応するプログラム、該システムを備えた乗り物 | |
| CN110473421A (zh) | 基于5g通信网络的智能交通导航*** | |
| US20220324467A1 (en) | Driving safety systems | |
| US11577747B2 (en) | Method for operating at least one automated vehicle | |
| 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 | |
| US20210039664A1 (en) | Machine learning system for modifying adas behavior to provide optimum vehicle trajectory in a region | |
| JP7046274B1 (ja) | 通信管理装置、通信管理方法、通信管理プログラム、運転支援装置、運転支援方法及び運転支援プログラム | |
| CN117496726A (zh) | 一种基于智能交通***的交通控制协同方法及*** | |
| JP7095673B2 (ja) | 高ネットワーク負荷状況におけるコネクティッド車両のための無線通信保証 | |
| WO2020248136A1 (zh) | 用于驾驶控制的方法、装置、设备、介质和*** | |
| CN114694371A (zh) | 估算方法、车辆、服务器和路侧设备 | |
| DE102022120226A1 (de) | Adaptive Kommunikation für ein Fahrzeug in einem Kommunikationsnetz | |
| CN114945501B (zh) | 用于通过服务器装置协调交通参与者的方法以及服务器装置和用于执行方法的控制回路 | |
| US11380198B2 (en) | Managing anomalies and anomaly-affected entities | |
| CN112150807B (zh) | 车辆预警方法和装置、存储介质及电子设备 | |
| JP7276653B2 (ja) | 車両交通管理装置、車載装置、車両交通管理システム、車両交通管理方法および車両交通管理プログラム |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220701 |