CN115544393A - 智慧城市交通时间确定方法、物联网***、装置及介质 - Google Patents
智慧城市交通时间确定方法、物联网***、装置及介质 Download PDFInfo
- Publication number
- CN115544393A CN115544393A CN202211231983.0A CN202211231983A CN115544393A CN 115544393 A CN115544393 A CN 115544393A CN 202211231983 A CN202211231983 A CN 202211231983A CN 115544393 A CN115544393 A CN 115544393A
- Authority
- CN
- China
- Prior art keywords
- time
- traffic
- preset
- layer
- platform
- 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 61
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims description 23
- 230000002123 temporal effect Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 description 48
- 238000012549 training Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 230000001953 sensory effect Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000008447 perception Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
- G08G1/096838—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the user preferences are taken into account or the user selects one route out of a plurality
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Toxicology (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Environmental & Geological Engineering (AREA)
- Business, Economics & Management (AREA)
- Operations Research (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明内容提供一种智慧城市交通时间确定方法、物联网***、装置及介质,该方法包括:获取政府传感网络平台传输的交通数据信息;基于时间预测模型对交通数据信息进行处理,确定通过前往目标位置的预设路径中预设通道的通过时间。该物联网***包括交通路径确定管理平台、政府传感网络平台和对象平台。该方法可以通过智慧城市交通时间确定装置实现。该方法还可以通过计算机可读存储介质存储的计算机指令被读取后运行。
Description
分案说明
本申请是2022年7月11日提交的题为“智慧城市交通路径确定方法、物联网***、装置及介质”的中国专利申请CN 202210807146.1的分案申请。
技术领域
本说明书涉及物联网与云平台领域,特别涉及一种智慧城市交通时间确定方法、物联网***、装置及介质。
背景技术
随着社会经济的不断发展,国内出行人数和国际出行人数均与日俱增。高峰期时,高速公路上设置的收费站或不同国家设置的出入境关口等通道都存在严重的排队现象,使市民用户的出行时间急剧增加。
因此希望提供一种智慧城市交通时间确定方法、物联网***、装置及介质,利用物联网与云平台来帮助市民用户合理规划出行的交通路径,减少市民用户到达目标位置所需的时间,提高出行效率。同时也可以实现一定的分流作用,降低国内或国际关口的拥堵现象。
发明内容
发明内容包括一种智慧城市交通时间确定方法,基于智慧城市交通时间确定***实现,所述智慧城市交通路径确定***包括交通路径确定管理平台、政府传感网络平台和对象平台;所述方法由所述交通路径确定管理平台执行,所述方法包括:获取所述政府传感网络平台传输的交通数据信息,所述交通数据信息基于所述对象平台获取;所述交通数据信息包括用户的行程信息、预设路径的车辆信息和预设通道的通道信息;基于时间预测模型对所述交通数据信息进行处理,确定通过前往目标位置的所述预设路径中所述预设通道的通过时间,其中,所述时间预测模型的结构包括第一嵌入层、流量分布层、第二嵌入层、排队分布层以及通道通过时间输出层。
发明内容包括一种智慧城市交通时间确定物联网***,包括交通路径确定管理平台、政府传感网络平台和对象平台;所述对象平台用于获取交通数据信息,所述交通数据信息包括用户的行程信息、预设路径的车辆信息和预设通道的通道信息;所述政府传感网络平台用于传输所述交通数据信息;所述交通路径确定管理平台用于基于时间预测模型对所述交通数据信息进行处理,确定通过前往目标位置的所述预设路径中所述预设通道的通过时间,其中,所述时间预测模型的结构包括第一嵌入层、流量分布层、第二嵌入层、排队分布层以及通道通过时间输出层。
发明内容包括一种智慧城市交通时间确定装置,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现所述方法。
发明内容包括一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行所述方法。
本发明为了克服市民用户出行效率低,且高峰期通道拥堵的问题。通过智慧城市交通时间确定方法,可以实现向用户推荐从用户当前位置到目标位置的路径中预设通道的通过时间。市民用户可以根据通过时间选择更合理的路径,减少了市民用户到达目标位置所需的时间,提高出行效率,同时也可以实现一定的分流作用,降低通道的拥堵现象。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的智慧城市交通路径确定***的应用场景示意图;
图2是根据本说明书一些实施例所示的智慧城市交通路径确定***的示例性结构图;
图3是根据本说明书一些实施例所示的智慧城市交通路径确定方法的示例性流程图;
图4是根据本说明书一些实施例所示的智慧城市交通路径确定方法的示例性示意图;
图5是根据本说明书一些实施例所示的时间预测模型结构的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“***”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的***所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的智慧城市交通路径确定***100的应用场景示意图。在一些实施例中,智慧城市交通路径确定***100可以包括服务器110、存储设备120、用户终端130、传感设备140、网络150。
在一些实施例中,服务器110可以是单个服务器或者服务器组。服务器组可以是集中式的或分布式的。例如,服务器110可以是分布式***。在一些实施例中,服务器110可以是本地的或远程的。在一些实施例中,服务器110可以在云平台上实现。在一些实施例中,服务器110或服务器110的一部分可以集成到传感设备140中。
在一些实施例中,服务器110可以包括处理设备112。处理设备112可以用于获取信息,并对收集的信息进行分析加工,以执行本申请中描述的一个或以上功能。例如,处理设备112可以获取传感设备140所监控的交通数据信息,结合用户终端130发起的预设路径查询需求,生成相应的到达时间提供给用户,以便于用户合理规划出行的交通路径。
在一些实施例中,处理设备112可以包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为范例,处理设备112可以包括中央处理单元(CPU)、特定应用集成电路(ASIC)等或其任意组合。
存储设备120可以用于存储数据和/或指令,例如,存储设备120可以用于存储传感设备140所监控的交通数据信息。存储设备120可以从例如服务器110、用户终端130等获得数据和/或指令。在一些实施例中,存储设备120可以储存处理设备112用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。
用户终端130可以是指用户用来输入查询各个预设路径到达目标位置的时间等信息的终端。例如,用户终端130可以包含但不限于智能电话130-1、平板电脑130-2、膝上型计算机130-3、处理器130-4等其他具有输入和/或输出功能的设备中的一种或其任意组合。在一些实施例中,用户终端130可以与服务器110相关联。例如,服务器110可以通过用户终端130获取用户的行程信息。在一些实施例中,使用用户终端130可以是一个或多个用户,可以包括直接使用服务的用户,也可以包括其他相关用户。
传感设备140可以是指用于获取交通数据信息的设备。例如,传感设备140可以包括但不限于道路监控设备140-1和无人机拍摄设备140-2。在一些实施例中,道路监控设备140-1可以是红外摄像机、高清数码相机。在一些实施例中,无人机拍摄设备140-2可以是利用无线电遥控装置操纵的不载人飞行机。例如,无人机拍摄设备140-2可以包括多旋翼无人机、无人直升机、太阳能无人机等。
网络150可以提供信息和/或数据交换的渠道。在一些实施例中,服务器110、存储设备120、用户终端130、传感设备140之间可以通过网络150交换信息。例如,服务器110可以通过网络150接收用户终端130发送的查询各个预设路径到达目标位置的时间等信息的请求。又例如,服务器110可以通过网络150获取传感设备140上传的交通数据信息并储存于存储设备120。
应当注意智慧城市交通路径确定***100仅仅是为了说明的目的而提供的,并不意图限制本申请的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,智慧城市交通路径确定***100还可以包括数据库。又例如,智慧城市交通路径确定***100可以在其他设备上实现以实现类似或不同的功能。然而,这些变化和修改不会背离本申请的范围。
物联网***是一种包括用户平台、服务平台、管理平台、传感网络平台、对象平台中部分或全部平台的信息处理***,其中,用户平台是整个物联网运行体系的主导者,可以用于获取用户需求。用户需求是物联网运行体系形成的基础和前提,物联网***的各平台之间的联系均是为了满足用户的需求。服务平台是位于用户平台和管理平台之间以实现用户平台和管理平台联系的桥梁,服务平台可以为用户提供输入和输出服务。管理平台可以实现统筹、协调各功能平台(如用户平台、服务平台、传感网络平台、对象平台)之间的联系和协作,管理平台汇聚着物联网运行体系的信息,可以为物联网运行体系提供感知管理和控制管理功能;传感网络平台可以实现连接管理平台和对象平台,起着感知信息传感通信和控制信息传感通信的功能。对象平台是对感知信息生成和控制信息进行执行的功能平台。
物联网***中信息的处理可以分为感知信息的处理流程及控制信息的处理流程,控制信息可以是基于感知信息而生成的信息。其中,感知信息的处理是由对象平台获取感知信息,并通过传感网络平台传递至管理平台,管理平台将经过计算的感知信息传输给服务平台,最后传递至用户平台,用户经过对感知信息的判断分析,生成控制信息。控制信息则是由用户平台生成并下发至服务平台,服务平台再将控制信息传递给管理平台,管理平台对控制信息进行计算处理,并通过传感网络平台下发至对象平台,进而实现对相应对象的控制。
在一些实施例中,将物联网***应用于城市管理时,可以将其称之为智慧城市物联网***。
图2是根据本说明书一些实施例所示的智慧城市交通路径确定***200的示例性结构图。如图2所示,智慧城市交通路径确定***200包括市民用户平台210、政府服务平台220、交通路径确定管理平台230、政府传感网络平台240、对象平台250。在一些实施例中,智慧城市交通路径确定***200可以为服务器110的一部分或由服务器110实现。
在一些实施例中,智慧城市交通路径确定***200可以应用于交通路径确定的多种场景。在一些实施例中,智慧城市交通路径确定***200可以基于用户发起的对预设路径的查询需求,得到查询指令,并根据查询指令,获取查询结果。在一些实施例中,智慧城市交通路径确定***200可以基于预设路径的查询需求信息,预测各个预设路径到达目标位置的时间。
智慧城市交通路径确定的多种场景可以包括如国内出行场景、国际出行场景等。需要说明的是以上场景仅为示例,并不对智慧城市交通路径确定***200的具体应用场景起限制作用,本领域技术人员可以在本实施例公开的内容基础上,将智慧城市交通路径确定***200应用于其他合适的任何场景。
在一些实施例中,智慧城市交通路径确定***200可以应用于国内出行。在应用于国内出行时,交通路径确定管理平台可以用于采集预设路径的查询需求及交通数据信息,并基于上述信息确定国内出行各个预设路径到达目标位置的时间及各个收费站的通过时间。
在一些实施例中,智慧城市交通路径确定***200可以应用于国际出行。在应用于国际出行时,交通路径确定管理平台可以用于采集预设路径的查询需求及交通数据信息,并基于上述信息确定国际出行各个预设路径到达目标位置的时间及各个出入境关口的通过时间。
以下将以智慧城市交通路径确定***200应用于国内出行场景为例,对智慧城市交通路径确定***200进行具体说明。
市民用户平台210可以是面向用户的服务接口。在一些实施例中,市民用户平台210可以接收用户发起的对预设路径的查询需求。在一些实施例中,市民用户平台210可以被配置为将查询结果反馈至用户。在一些实施例中,市民用户平台210可以将查询需求发送至政府服务平台。在一些实施例中,市民用户平台210可以接收政府服务平台发送的查询结果等。
政府服务平台220可以是对查询需求进行初步处理的平台。在一些实施例中,政府服务平台220可以将查询需求传递至交通路径确定管理平台,并基于交通路径确定管理平台生成查询指令,查询指令包含各个预设路径到达目标位置的时间。在一些实施例中,政府服务平台220可以接收交通路径确定管理平台发送的查询结果等。
交通路径确定管理平台230可以是指统筹、协调各功能平台之间的联系和协作,提供感知管理和控制管理的物联网平台。
在一些实施例中,交通路径确定管理平台230还可以根据政府传感网络平台上传的交通数据信息,确定预设路径到达目标位置的时间。并且通过政府服务平台,将预设路径到达目标位置的时间结果反馈至市民用户平台。
在一些实施例中,交通路径确定管理平台230可以生成查询指令。在一些实施例中,交通路径确定管理平台230可以将查询指令下发至传感网络总平台。在一些实施例中,交通路径确定管理平台230可以接收政府服务平台发送的查询需求。
在一些实施例中,交通路径确定管理平台230进一步用于:基于交通数据信息通过时间预测模型确定各个预设路径到达目标位置的时间。关于时间预测模型的具体说明,参见图5及其相关描述。
政府传感网络平台240可以是交通路径确定管理平台和对象平台之间实现交互的衔接的平台。在一些实施例中,政府传感网络平台240可以接收交通路径确定管理平台发送的查询指令。在一些实施例中,政府传感网络平台240可以将查询指令发送给对应的对象平台。在一些实施例中,政府传感网络平台240采用前分式布置;前分式布置包括一个传感网络总平台和多个传感网络分平台。多个传感网络分平台分别存储和处理对象平台发送的不同的交通数据信息。一个传感网络总平台对多个传感网络分平台的数据进行汇总后存储和处理,并传输数据至交通路径确定管理平台。
对象平台250可以是感知信息生成和控制信息最终执行的功能平台。对象平台250可以用于根据查询指令,获取交通数据信息。交通数据信息可以包括用户的行程信息、预设路径的车辆信息、意向通道的通道信息等。在一些实施例中,对象平台250还可以分别通过对应的传感网络分平台、传感网络总平台,将交通数据信息上传至交通路径确定管理平台。
通过五种平台的物联网功能体系结构实施智慧城市交通路径确定,使用户出行的交通路径规划更合理,减少了街道拥堵,同时提升了用户的出行体验。
对于本领域的技术人员来说,在了解该***的原理后,可能在不背离这一原理的情况下,将公共场所人流量统计与调控物联网***200移用到其他任何合适的场景下。
需要注意的是,以上对于***及其组成部分的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该***的原理后,可能在不背离这一原理的情况下,对各个组成部分进行任意组合,或者构成子***与其他组成部分连接。例如,各个组成部分可以共用一个存储设备,各个组成部分也可以分别具有各自的存储设备。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的智慧城市交通路径确定方法的示例性流程图。如图3所示,流程300可以包括以下步骤。在一些实施例中,图3所示的过程300的一个或一个以上操作可以在图1所示的智慧城市交通路径确定***100中实现。例如,图3所示的过程300可以以指令的形式存储在存储设备120中,并由处理设备110调用和/或执行。
步骤310,基于市民用户平台接收用户发起的对预设路径的查询需求。在一些实施例中,步骤310可以由市民用户平台210执行。
预设路径是指用户由当前位置前往目标位置时可以选择的路径。在一些实施例中,预设路径可以包括一个或多个。例如,用户可以从当前位置A经由通道C前往目标位置B,用户也可以从当前位置A经由通道D前往目标位置B时,则路线A-C-B和A-D-B均可以称为预设路径。
查询需求是指用户向平台发起的指令。例如,查询需求可以包括各个预设路径到达目标位置的时间等查询内容。
在一些实施例中,查询需求可以由用户在用户终端中输入获取,此时用户终端作为市民用户平台接收查询需求。例如,用户可以在手机中输入“查询从A到B的各个路线所需的时间”,则手机作为市民用户平台成功接收由用户发起的从A出发各个预设路径到达目标位置B的时间的查询需求。
步骤320,基于政府服务平台将查询需求传递至交通路径确定管理平台,并基于交通路径确定管理平台生成查询指令;查询指令包含各个预设路径到达目标位置的时间。在一些实施例中,步骤320可以由政府服务平台220执行。
查询指令是指从查询需求中提取的可以被***识别的内容信息。例如,查询指令可以包括查询时间等信息。例如,查询指令可以是查询时间等信息组成的矩阵和/或数据表等。
预设路径到达目标位置的时间是指基于预设路径,从当前位置到达目标位置时的时间点。例如,如图4所示的智慧城市交通路径确定方法400的示例性示意图,其中,A为用户当前位置,B为目标位置,用户需要从A前往B,a1-a6以及b1-b6分别为从A到B途中的预设通道。由图4知,预设路径可以包括A-a1-a2-a3-a4-a5-a6-B、A-b1-b2-b3-b4-b5-b6-B、A-a1-a2-b3-b4-b5-b6-B以及A-a1-a2-b3-b4-a5-a6-B等。则预设路径到达目标位置的时间可以包括用户由当前位置分别通过A-a1-a2-a3-a4-a5-a6-B、A-b1-b2-b3-b4-b5-b6-B、A-a1-a2-b3-b4-b5-b6-B以及A-a1-a2-b3-b4-a5-a6-B路径到达B时的时间等。关于预设通道的更多说明可以参见步骤330及其相关描述。
如图4所示,A-a1-a2-a3-a4-a5-a6-B路径较A-b1-b2-b3-b4-b5-b6-B路径路径短,但有可能预设通道a3和a4的通过时间较预设通道b3和b4的通过时间长很多。则有可能A-a1-a2-a3-a4-a5-a6-B路径的总用时较A-b1-b2-b3-b4-b5-b6-B路径的总路径长很多,因此选择A-b1-b2-b3-b4-b5-b6-B路径较为合适。
在一些实施例中,从市民用户平台接收的查询需求可以经过政府服务平台发送至交通路径确定管理平台,并进行初步处理,形成可以被***识别的查询指令。
步骤330,基于交通路径确定管理平台将查询指令下发至传感网络总平台;传感网络总平台根据交通数据信息的类型将查询指令下发至对应的传感网络分平台。在一些实施例中,步骤330可以由交通路径确定管理平台230执行。
交通数据信息是指用户从当前位置前往目标位置的预设路径中的道路交通数据。在一些实施例中,交通数据信息可以包括用户的行程信息、预设路径的车辆信息、预设通道的通道信息等。
行程信息是指用户从当前位置到目标位置的时间和/或地点等信息。在一些实施例中,用户的行程信息可以至少包括用户的当前位置、当前时间和/或用户的目标位置等。
车辆信息是指用户从当前位置到目标位置的预设路径中的一辆或多辆行驶车辆信息。在一些实施例中,车辆信息可以至少包括车辆速度、车流量和/或车型分布等。例如,车型分布可以包括车辆品牌、型号和/或动力来源等。
预设通道是指用户从当前位置前往目标位置的预设路径中需经过的容易发生拥堵的关卡。例如,预设通道可以包括预设路径上的收费站、收费亭和/或出入境关口等。预设通道可能一次只允许一辆车通过,也可能需要办理手续(缴费)才能通过,因此可能需要排队依次通过,容易发生拥堵。
通道信息是指用户从当前位置前往目标位置的预设路径中的预设通道的相关数据信息。在一些实施例中,通道信息可以至少包括预设通道的初始通过时间,以及预设路径与预设通道的转移矩阵。例如,初始通过时间可以包括用户在初始位置时,根据相关数据预测的通过通道的时间。在一些实施例中,可以利用用户当前位置与预设通道的距离,构建预设路径与预设通道的转移矩阵。
在一些实施例中,传感网络总平台可以包括多个传感网络分平台,不同传感网络分平台可以用于接受传感网络总平台下发的不同交通数据信息类型的查询指令。传感网络总平台可以对不同的对象平台的数据采用不同的传感网络分平台进行数据存储、数据处理和/或数据传输;其中,不同的传感网络分平台对应不同的交通数据信息。
步骤340,基于传感网络分平台将查询指令发送给对应的对象平台。在一些实施例中,步骤340可以由政府传感网络平台240执行。
在一些实施例中,政府传感网络平台可以将查询指令发送给对应的对象平台。
步骤350,基于对象平台根据查询指令,获取交通数据信息;交通数据信息包括用户的行程信息、预设路径的车辆信息、预设通道的通道信息。在一些实施例中,步骤350可以由对象平台250执行。
在一些实施例中,对象分平台可以根据相关查询指令,获取交通数据信息。例如,对象分平台可以基于道路监控设备和/或无人机监控设备获取预设路径的车辆信息、预设通道的通道信息。例如,对象分平台可以基于用户终端获取用户的行程信息。
关于交通数据信息的更多说明,参见步骤330及其相关描述。
步骤360,基于对象平台分别通过对应的传感网络分平台、传感网络总平台,将交通数据信息上传至交通路径确定管理平台;交通路径确定管理平台基于交通数据信息确定各个预设路径到达目标位置的时间。在一些实施例中,步骤360可以由对象平台250执行。
基于对象平台分别通过对应的传感网络分平台、传感网络总平台,将交通数据信息上传至交通路径确定管理平台为基于所述交通路径确定管理平台将查询指令下发至对象平台的反过程,此处不再赘述。
在一些实施例中,交通路径确定管理平台可以基于交通数据信息通过时间预测模型确定各个预设路径到达目标位置的时间。关于如何确定到达目标位置的时间的更多说明,参见图5及其相关描述。
步骤370,基于交通路径确定管理平台通过政府服务平台,将各个预设路径到达目标位置的时间反馈至市民用户平台。在一些实施例中,步骤370可以由交通路径确定管理平台230执行。
基于交通路径确定管理平台通过政府服务平台,将各个预设路径到达目标位置的时间反馈至市民用户平台的过程为上述用户需求、查询指令传输过程的反过程,此处不再赘述。
在一些实施例中,由于预设路径的车辆信息会不断发生变化,预设通道的初始通过时间也会不断发生变化,交通路径确定管理平台可以对各个预设路径到达目标位置的时间保持实时更新。例如,交通路径确定管理平台可以通过每间隔一定时间(例如,10min、30min、60min等)重复步骤330至步骤370,来将更新的当前位置到达目标位置的各个预设路径到达目标位置的时间反馈至市民用户平台。
通过本说明书一些实施例所述的智慧城市交通路径确定方法,可以实现向用户推荐从用户当前位置到目标位置的路径,以及到达目标位置时的时间。市民用户可以根据推荐信息选择更合理的路径,减少了市民用户到达目标位置所需的时间,提高出行效率,同时也可以实现一定的分流作用,降低通道的拥堵现象。另外,交通路径确定管理平台还可以在用户行驶过程中对各个预设路径到达目标位置的时间保持实时更新,从而更准确的提供参考信息,提高用户体验。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程300进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。例如,流程300还可以包括预处理步骤。
图5是根据本说明书一些实施例所示的时间预测模型结构500的示意图。
如图5所示,在一些实施例中,时间预测模型500可以包括第一嵌入层520-1、流量分布层520-2、到达时间输出层520-3、第二嵌入层520-4、排队分布层520-5以及通道通过时间输出层520-6等。
在一些实施例中,第一嵌入层520-1、流量分布层520-2、到达时间输出层520-3、第二嵌入层520-4、排队分布层520-5以及通道通过时间输出层520-6可以包括卷积神经网络(Convolutional Neural Networks,CNN)、深度神经网络(Deep Neural Networks,DNN)或其组合得到的模型等。在一些实施例中,流量预测模型500可以分别对输入的车辆信息510-1、预设通道的初始通过时间510-2、预设路径与预设通道的转移矩阵510-3、用户的行程信息510-4等进行处理,得到各个预设路径到达目标位置的时间540-1。在一些实施例中,流量预测模型500的输出还可以包括各个预设通道的通过时间540-2。
在一些实施例中,第一嵌入层520-1的输入可以包括车辆信息510-1,输出可以包括车辆信息特征向量530-1。在一些实施例中,车辆信息特征向量530-1可以反映一条或多条预设路径上的车速、车流量和/或车型分布。
在一些实施例中,流量分布层520-2的输入可以包括第一嵌入层520-1的输出车辆信息特征向量530-1以及预设路径与预设通道的转移矩阵510-3,输出可以包括流量向量530-2。在一些实施例中,流量向量530-2可以反映预设路径中车流量信息。关于预设路径与预设通道的转移矩阵510-3的更多说明,参见图3及其相关描述。
在一些实施例中,达到时间输出层520-3的输入可以包括流量分布层520-2的输出流量向量530-2、排队分布层520-5的输出排队向量530-4以及用户的行程信息510-4,输出可以包括各个预设路径到达目标位置的时间540-1。关于排队分布层的更多说明,参见下述相关描述。
在一些实施例中,第二嵌入层520-4的输入可以包括预设通道的初始通过时间510-2,输出可以包括初始通过时间向量530-3。在一些实施例中,初始通过时间向量530-3可以反映一个或多个预设通道的初始通过时间。
在一些实施例中,排队分布层520-5的输入可以包括第二嵌入层520-4的输出初始通过时间向量530-3等,输出可以包括排队向量530-4。在一些实施例中,排队向量530-4可以反映预设通道的初始排队信息。
在一些实施例中,通道通过时间输出层520-6的输入可以包括排队分布层520-5的输出排队向量530-4和流量分布层520-2的输出流量向量530-2,输出可以包括各个预设通道的通过时间540-2。
在一些实施例中,时间预测模型500可以基于训练获取,时间预测模型500的训练可以由处理设备执行。例如,时间预测模型500的训练可以基于对第一嵌入层520-1、流量分布层520-2、到达时间输出层520-3、第二嵌入层520-4、排队分布层520-5以及通道通过时间输出层520-6的单独训练实现。
在一些实施例中,时间预测模型500的训练可以基于对第一嵌入层520-1、流量分布层520-2、到达时间输出层520-3、第二嵌入层520-4、排队分布层520-5以及通道通过时间输出层520-6的联合训练实现。例如,可以通过获取多个训练样本,基于多个训练样本训练得到时间预测模型500。其中,训练样本包括历史车辆信息、历史预设通道的初始通过时间信息、历史预设路径与预设通道的转移矩阵信息、历史用户行程信息及其标签。标签表征对应的各个预设路径到达目标位置的历史时间以及各个预设通道的历史通过时间。
在一些实施例中,可以通过构建第一损失函数和第二损失函数用于时间预测模型500的训练。其中,第一损失函数中各个预设路径到达目标位置的时间权重较大,第二损失函数中各个预设通道的通过时间权重较大,对第一损失函数和第二损失函数的权重交替调节。迭代执行上述步骤,直至所述时间预测模型满足预设条件。例如,将某一预设路径到达目标位置的时间和该预设路径上的各个预设通道的通过时间分别作为各自损失函数的变量,交替调节,直到两个损失函数符合预设条件。其中,预设条件可以是损失函数小于阈值、收敛,或训练周期达到阈值等。
在一些实施例中,样本可以分成多个批次,依次采用第一类训练方法和第二类训练方法,交替调节损失函数的参数。例如,令A=预设路径到达目标位置的时间/该预设路径上的各个预设通道的通过时间的总和,样本的A值越大,说明样本在该预设路径上的各个预设通道的通过时间的总和占比越小;样本的A值越小,说明样本在该预设路径上的各个预设通道的通过时间的总和占比越大。其中,第一类训练方法关注预设路径到达目标位置过程中非通过预设通道的时间,损失项中各个预设路径到达目标位置的时间设置较大。此时可以认为A值较小的样本为低质量样本,进一步地可以对低质量样本的权重设置较小,例如用改进的FocalL1 Loss等;第二类训练方法是在第一批训练的基础上,增大损失项中各个预设通道的通过时间的权重,关注通过通道的时间估计。此时可以认为A值较大的样本为低质量样本,进一步地可以对低质量样本的权重设置较小,例如用改进的FocalL1 Loss等。
本说明书一些实施例中,时间预测模型具有多层结构,能够同时输入及输出多种参数,可以在提高预测效率的同时提高预测的准确率。此外,在模型的训练方面,分批训练可以使模型训练效果更好,可以减少损失函数结果的震荡,解决高/低质量样本类别不平衡的问题。而联合训练有利于解决单独训练第一嵌入层、流量分布层、第二嵌入层以及排队分布层时难以获得标签的问题,不仅可以减少需要的样本数量,还可以提高训练效率。
在一些实施例中,可以采用一种计算机可读存储介质用于存储计算机指令,当所述计算机指令被处理器执行时,可以实现智慧城市交通路径确定方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种智慧城市交通时间确定方法,基于智慧城市交通时间确定***实现,所述智慧城市交通路径确定***包括交通路径确定管理平台、政府传感网络平台和对象平台;
所述方法由所述交通路径确定管理平台执行,所述方法包括:
获取所述政府传感网络平台传输的交通数据信息,所述交通数据信息基于所述对象平台获取;所述交通数据信息包括用户的行程信息、预设路径的车辆信息和预设通道的通道信息;
基于时间预测模型对所述交通数据信息进行处理,确定通过前往目标位置的所述预设路径中所述预设通道的通过时间,其中,所述时间预测模型的结构包括第一嵌入层、流量分布层、第二嵌入层、排队分布层以及通道通过时间输出层。
2.根据权利要求1所述的方法,所述预设通道的通道信息包括:所述预设通道的初始通过时间,以及所述预设路径与所述预设通道的转移矩阵。
3.根据权利要求2所述的方法,所述第一嵌入层对所述车辆信息进行处理,所述第二嵌入层对所述预设通道的初始通过时间进行处理,所述流量分布层通过对所述第一嵌入层的输出以及所述转移矩阵进行处理,所述排队分布层对所述第二嵌入层的输出进行处理;所述通道通过时间输出层对所述排队分布层何所述流量分布层的输出进行处理,确定所述预设通道的通过时间。
4.根据权利要求3所述的方法,所述时间预测模型还包括:达到时间输出层,
所述达到时间输出层基于对所述用户的行程信息、所述排队分布层何所述流量分布层的输出进行处理,确定通过所述预设路径前往所述目标位置的时间。
5.一种智慧城市交通时间确定物联网***,包括交通路径确定管理平台、政府传感网络平台和对象平台;
所述对象平台用于获取交通数据信息,所述交通数据信息包括用户的行程信息、预设路径的车辆信息和预设通道的通道信息;
所述政府传感网络平台用于传输所述交通数据信息;
所述交通路径确定管理平台用于基于时间预测模型对所述交通数据信息进行处理,确定通过前往目标位置的所述预设路径中所述预设通道的通过时间,其中,所述时间预测模型的结构包括第一嵌入层、流量分布层、第二嵌入层、排队分布层以及通道通过时间输出层。
6.根据权利要求5所述的***,所述预设通道的通道信息包括:所述预设通道的初始通过时间,以及所述预设路径与所述预设通道的转移矩阵。
7.根据权利要求6所述的***,所述第一嵌入层对所述车辆信息进行处理,所述第二嵌入层对所述预设通道的初始通过时间进行处理,所述流量分布层通过对所述第一嵌入层的输出以及所述转移矩阵进行处理,所述排队分布层对所述第二嵌入层的输出进行处理;所述通道通过时间输出层对所述排队分布层何所述流量分布层的输出进行处理,确定所述预设通道的通过时间。
8.根据权利要求7所述的***,所述时间预测模型还包括:达到时间输出层,
所述达到时间输出层基于对所述用户的行程信息、所述排队分布层何所述流量分布层的输出进行处理,确定通过所述预设路径前往所述目标位置的时间。
9.一种智慧城市交通时间确定装置,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~4中任意一项所述的方法。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211231983.0A CN115544393A (zh) | 2022-07-11 | 2022-07-11 | 智慧城市交通时间确定方法、物联网***、装置及介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210807146.1A CN114861091B (zh) | 2022-07-11 | 2022-07-11 | 智慧城市交通路径确定方法、物联网***、装置及介质 |
CN202211231983.0A CN115544393A (zh) | 2022-07-11 | 2022-07-11 | 智慧城市交通时间确定方法、物联网***、装置及介质 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210807146.1A Division CN114861091B (zh) | 2022-07-11 | 2022-07-11 | 智慧城市交通路径确定方法、物联网***、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115544393A true CN115544393A (zh) | 2022-12-30 |
Family
ID=82626141
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211231983.0A Pending CN115544393A (zh) | 2022-07-11 | 2022-07-11 | 智慧城市交通时间确定方法、物联网***、装置及介质 |
CN202210807146.1A Active CN114861091B (zh) | 2022-07-11 | 2022-07-11 | 智慧城市交通路径确定方法、物联网***、装置及介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210807146.1A Active CN114861091B (zh) | 2022-07-11 | 2022-07-11 | 智慧城市交通路径确定方法、物联网***、装置及介质 |
Country Status (2)
Country | Link |
---|---|
US (2) | US11754410B1 (zh) |
CN (2) | CN115544393A (zh) |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101168423B1 (ko) * | 2003-02-05 | 2012-07-25 | 가부시키가이샤 자나비 인포메틱스 | 내비게이션 장치의 경로 탐색 방법 및 교통 정보 표시 방법 |
US20080229371A1 (en) * | 2007-02-22 | 2008-09-18 | Mick Colin K | Digital multimedia network including method and apparatus for high speed user download of digital files |
CN101944095B (zh) * | 2009-07-08 | 2012-09-12 | 广东瑞图万方科技股份有限公司 | 路径搜索方法和*** |
CN102709984B (zh) * | 2012-06-13 | 2014-04-16 | 清华大学 | 一种基于智能交通***的电动汽车充电路径规划方法 |
WO2014066429A1 (en) * | 2012-10-22 | 2014-05-01 | Jean-Louis Fiorucci | Apparatus and methods for providing city services |
CN104021674B (zh) * | 2014-06-17 | 2016-07-06 | 武汉烽火众智数字技术有限责任公司 | 一种快速准确预测车辆通过路段旅行时间的方法 |
CN106297357B (zh) * | 2016-08-26 | 2019-01-29 | 华南理工大学 | 基于车联网的实时路径规划和poi信息检索***及方法 |
CN106297291B (zh) | 2016-08-29 | 2020-06-26 | 苏州金螳螂怡和科技有限公司 | 城市快速路交通信息采集*** |
CN107230351B (zh) * | 2017-07-18 | 2019-08-09 | 福州大学 | 一种基于深度学习的短时交通流预测方法 |
CN107154150B (zh) * | 2017-07-25 | 2019-07-02 | 北京航空航天大学 | 一种基于道路聚类和双层双向lstm的交通流量预测方法 |
WO2019070237A1 (en) | 2017-10-03 | 2019-04-11 | Ford Global Technologies, Llc | VEHICLE AND NAVIGATION SYSTEM |
WO2019090753A1 (en) | 2017-11-13 | 2019-05-16 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for monitoring traffic congestion |
US11312372B2 (en) * | 2019-04-16 | 2022-04-26 | Ford Global Technologies, Llc | Vehicle path prediction |
CN110675621B (zh) * | 2019-05-23 | 2021-01-15 | 北京嘀嘀无限科技发展有限公司 | 预测交通信息的***和方法 |
CN110675625B (zh) * | 2019-09-27 | 2020-11-13 | 合肥未来计算机技术开发有限公司 | 智慧交通大数据方法及*** |
CN113965590B (zh) * | 2020-07-01 | 2024-04-12 | 成都秦川物联网科技股份有限公司 | 基于车联网的智慧城市网内运算方法及*** |
US20220100756A1 (en) * | 2020-09-30 | 2022-03-31 | Microsoft Technology Licensing, Llc | Navigation agent for a search interface |
CN112382099B (zh) * | 2021-01-15 | 2021-04-13 | 腾讯科技(深圳)有限公司 | 交通路况预测方法、装置、电子设备及存储介质 |
CN113159457A (zh) * | 2021-05-19 | 2021-07-23 | 北京邮电大学 | 一种智能路径规划的方法、***及电子设备 |
CN114241762B (zh) * | 2021-12-14 | 2022-11-15 | 深圳市鹏城交通网络股份有限公司 | 一种基于物联网的智慧城市交通综合数据采集分析*** |
CN114418468B (zh) * | 2022-03-29 | 2022-07-05 | 成都秦川物联网科技股份有限公司 | 一种智慧城市交通调度策略控制方法和物联网*** |
-
2022
- 2022-07-11 CN CN202211231983.0A patent/CN115544393A/zh active Pending
- 2022-07-11 CN CN202210807146.1A patent/CN114861091B/zh active Active
- 2022-07-27 US US17/815,569 patent/US11754410B1/en active Active
-
2023
- 2023-07-24 US US18/358,002 patent/US20230366690A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US11754410B1 (en) | 2023-09-12 |
CN114861091B (zh) | 2022-11-01 |
CN114861091A (zh) | 2022-08-05 |
US20230366690A1 (en) | 2023-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114418468B (zh) | 一种智慧城市交通调度策略控制方法和物联网*** | |
Li et al. | Deep reinforcement scheduling for mobile crowdsensing in fog computing | |
WO2021249071A1 (zh) | 一种车道线的检测方法及相关设备 | |
Tuyishimire et al. | Cooperative data muling from ground sensors to base stations using UAVs | |
CN110287945A (zh) | 一种5g环境下无人机目标检测方法 | |
CN108428338A (zh) | 交通路况分析方法、装置以及电子设备 | |
CN112004197A (zh) | 一种基于车辆轨迹预测的异构车联网切换方法 | |
CN114743401B (zh) | 一种基于公交数字化转型的数据可视化公交调度管理平台 | |
CN111242395B (zh) | 用于od数据的预测模型构建方法及装置 | |
Hossain et al. | A UAV-based traffic monitoring system for smart cities | |
WO2023276420A1 (en) | Distributed multi-task machine learning for traffic prediction | |
CN111161545B (zh) | 基于视频的交叉口区域交通参数统计方法 | |
CN116760536A (zh) | 一种多智能体协同感知方法、***、电子设备及存储介质 | |
CN108334079A (zh) | 无人驾驶汽车路况信息实时获取方法 | |
Luo et al. | Spatiotemporal hashing multigraph convolutional network for service-level passenger flow forecasting in bus transit systems | |
US12026951B2 (en) | Methods and internet of things systems for place management and control of smart cities | |
CN114861091B (zh) | 智慧城市交通路径确定方法、物联网***、装置及介质 | |
Chen et al. | Adadrone: Quality of navigation based neural adaptive scheduling for edge-assisted drones | |
CN113724507A (zh) | 基于深度强化学习的交通控制与车辆诱导协同方法和*** | |
US20230394552A1 (en) | Method and internet of things system of charging information recommendation for new energy vehicle in smart city | |
US20230153742A1 (en) | Methods for shared bicycle delivery and operation area planning in smart cities and internet of things (iot) systems thereof | |
US20230274238A1 (en) | Methods for determining garbage treatment in smart cities, internet of things system, and storage medium | |
Liu et al. | Multiple UAVs collaborative traffic monitoring with intention-based communication | |
CN113220311B (zh) | 一种移动感知的云边端协同应用卸载方法、***及其存储介质 | |
Tuyishimire et al. | Real-time data muling using a team of heterogeneous unmanned aerial vehicles |
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 |