CN116989789A - 复合交通路径规划方法、装置、电子设备及介质 - Google Patents
复合交通路径规划方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN116989789A CN116989789A CN202310786642.8A CN202310786642A CN116989789A CN 116989789 A CN116989789 A CN 116989789A CN 202310786642 A CN202310786642 A CN 202310786642A CN 116989789 A CN116989789 A CN 116989789A
- Authority
- CN
- China
- Prior art keywords
- time
- predicted
- path
- traffic
- composite
- 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
- 239000002131 composite material Substances 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012937 correction Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000007423 decrease Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种复合交通路径规划方法,可以应用于汽车控制技术领域。该复合交通路径规划方法包括:获取至少一个预测路径;将所述预测路径分为多个子预测路径;根据所述子预测路径的多个同时刻历史数据,计算所述预测路径的复合预测通行时间。基于所述预测路径的复合预测通行时间修正当前规划路径。本公开能够综合考虑历史数据、时间周期性因素提高路径预测规划的准确度。
Description
技术领域
本公开涉及及汽车控制技术领域,具体地涉及一种复合交通路径规划方法、装置、电子设备和介质。
背景技术
随着城市化进程的加快,交通拥堵问题日益严重,给人们的出行带来诸多不便,银行作为重要的城市基础设施,其周边通常会出现较高的客流量,从而导致交通拥堵。
目前,已有各种导航软件提供路径规划服务,帮助用户选择最佳路线。然而,这些导航软件往往只考虑当前时刻的路况,而忽略了历史数据和时间周期性因素,导致所提供的路线并非最优。因此,有必要开发一种能够综合考虑历史数据、时间周期性因素以及实时路况的交通路径规划***,以缓解交通拥堵问题,提高通行效率。
发明内容
鉴于上述问题,本公开提供了提高路线规划准确率的复合交通路径规划方法、装置、电子设备及介质。
根据本公开的第一个方面,提供了一种复合交通路径规划方法,包括:获取至少一个预测路径;将预测路径分为多个子预测路径;根据子预测路径的多个同时刻历史数据,计算预测路径的复合预测通行时间;基于复合预测通行时间修正当前规划路径。
根据本公开的实施例,计算子预测路径的复合预测通行时间包括:获取子预测路径的当前时刻通行数据;获取子预测路径的多个非当前时刻历史通行数据;获取子预测路径的多个同时刻历史数据;根据当前时刻通行数据、多个非当前时刻历史通行数据与以及多个同时刻历史数据计算预测路径的复合预测通行时间。
根据本公开的实施例,同时刻历史数据包括一天前同时刻历史数据,一周前同时刻历史数据,一个月前同时刻历史数据,一年前同时刻历史数据中的至少一个。
根据本公开的实施例,非当前时刻历史通行数据包括当前时刻前十分钟至前二十分钟内任一时刻的历史通行数据。
根据本公开的实施例,根据当前时刻通行数据、多个非当前时刻历史通行数据与以及多个同时刻历史数据计算预测路径的复合预测通行时间包括:将当前时刻通行数据乘以当前时刻通行权重获得第一子预测通行时间;将非当前时刻历史通行数据乘以非当前时刻通行权重获得第二子预测通行时间;将预测路径的全部子预测路径的第一子预测通行时间与预测路径的全部子预测路径的第二子预测通行时间相加获得第一预测时间;将同时刻历史数据乘以历史通行权重获得第二预测时间;将预测路径的全部子预测路径的第二预测时间相加获得预测路径的第三预测时间;将第一预测时间乘以第一预测权重并与第三预测时间相加获得预测路径的复合通行时间。
根据本公开的实施例,历史通行权重随同时刻历史数据的产生时间距离当前时刻的时间差的增大而减小。
根据本公开的实施例,基于复合预测通行时间修正当前规划路径包括:获取用户的当前位置;根据当前位置,获取当前规划路线的复合通行时间;在复合预测通行时间与复合通行时间的差值大于预设阈值的情况下,向用户发出路线修正请求;基于用户对路线修正请求的反馈结果,修正当前规划路线。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述复合交通路径规划方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述复合交通路径规划方法。
本公开在路径规划的基础之上,依据过去某一天同一时刻的通行时间数据,以及当前时刻前10~20分钟的通行时间数据对当前规划出的路径通行时间进行矫正,综合考虑历史数据、时间周期性因素对推荐路线进行优化,提高路径通行时间预测的精准度,以提高路线推荐的可靠性。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的复合交通路径规划的应用场景图;
图2示意性示出了根据本公开实施例的复合交通路径规划方法的流程图;
图3示意性示出了根据本公开实施例的计算预测路径的复合预测通行时间的流程图;
图4示意性示出了根据本公开实施例的修正当前规划路径的流程图;
图5示意性示出了根据本公开实施例的复合交通路径规划装置的结构框图;
图6示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机***的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
图1示意性示出了根据本公开实施例的复合交通路径规划的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。终端设备可以是处于智能手机、平板电脑、膝上型便携计算机和台式计算机等等实体上的单独应用程序,也可以是处于某一应用程序的内的功能模块。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的复合交通路径规划方法一般可以由服务器105执行。相应地,本公开实施例所提供的复合交通路径规划装置一般可以设置于服务器105中。本公开实施例所提供的复合交通路径规划方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的复合交通路径规划装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图4对公开实施例的复合交通路径规划方法进行详细描述。
图2示意性示出了根据本公开实施例的复合交通路径规划方法的流程图。
如图2所示,该实施例的复合交通路径规划方法包括操作S210~操作S240,该交易处理方法可以由服务器或其他计算设备执行。
在操作S210,获取至少一个预测路径。
具体的,用户输入起始点和目的地:用户在导航地图应用中输入起始点(例如当前位置或手动输入的地址)和目的地(例如一个地址、一个地标或一个兴趣点);选择合适的地图数据源,如谷歌地图、百度地图、高德地图等,导航地图应用会根据用户输入的起始点和目的地,查询地图数据,这些数据可能来自于在线地图服务器或离线地图数据包。地图数据包括道路、交通规则、速度限制等信息;导航地图应用使用路径搜索算法(如Dijkstra算法、A*算法等)在地图数据中搜索从起始点到目的地的路径。这些算法会考虑各种因素,如道路长度、道路等级、交通规则等,以找到一条或多条可行路径;根据实时交通信息(如拥堵情况、道路封闭、事故等)以及用户需求,导航地图应用会对搜索到的路径进行优化,例如如避免收费路段、选择风景优美的路线等,以获得最终的至少一个预测路径。
在一些实施例中,在用户未操作的情况下,当前规划路径由终端自行根据用户常用路线、车辆油量、用户路线偏好等因素自动选择概率最高的预测路径。用户也可手动通过终端从提供的至少一个预测路径中选择出一个作为当前规划路径。
本公开实施例中,将预测路径记为记为Si(i=1,2,...,m);i为计数单位,Si表示第i个预测路径。
在操作S220,将预测路径分为多个子预测路径。
具体的,将预测路径分为多个子预测路径可以根据以下几种策略进行:
基于距离分段:将预测路径按照固定距离或距离区间进行分段。例如,每隔1公里或每隔500米将路径分为一个子预测路径。
基于道路等级分段:将预测路径按照道路等级进行分段,例如高速公路、主干道、次干道、支路等。这样可以针对不同道路等级的特点,更准确地预测整个路径的通行时间。
基于交通节点分段:将预测路径按照交通节点进行分段,例如路口、红绿灯、桥梁、隧道等。这种方法可以更准确地考虑交通节点对通行时间的影响,如等红灯、转弯等。
基于实时交通信息分段:根据实时交通信息,将预测路径按照拥堵情况、道路封闭、事故等进行分段。这样可以针对实时交通状况,动态调整子预测路径的通行时间,从而更准确地预测整个路径的通行时间。
也可基于混合策略进行分段,结合上述多种策略,将预测路径进行分段。例如,首先按照道路等级进行分段,然后在每个道路等级内,根据交通节点和实时交通信息进一步细分子预测路径。
需要说明的是,由于现在的道路大多为双车道,双车道的车辆通行方向相反,因此车辆在每个通行段的开始端和结束端正好相反,由于双车道的通行拥堵情况并不一致,因此需要区分所划分的子预测路径中的车辆的通行方向是正向还是逆向。
子预测路径记为Sij(j=1,2,...,n);其中,j为计数单位,Sij表示第i个预测路径的第j个子预测路径。
在操作S230,根据子预测路径的多个同时刻历史数据,计算预测路径的复合预测通行时间。
在操作S240,基于预测路径的复合预测通行时间修正当前规划路径。
图3示意性示出了根据本公开实施例的计算预测路径的复合预测通行时间的流程图。
如图3所示,步骤S230还包括步骤S310~S340。
在操作S310,获取子预测路径的当前时刻通行数据。
具体的,首先,需要选择合适的实时路况数据源。这可以包括政府交通部门提供的实时交通数据、第三方地图服务商(如谷歌地图、百度地图等)提供的实时路况信息、车载导航***收集的数据等。其次,通过调用相应的API(应用程序接口)或使用SDK(软件开发工具包),从所选数据源获取实时路况信息。这些接口通常会返回包含车辆在特定路段上的通行时间、速度、拥堵情况等信息的实时数据。再次,对获取到的实时通行数据进行必要的处理,以便于后续的分析和预测。例如,可以将通行时间转换为通行速度,或者将通行速度转换为通行时间。此外,还可以对数据进行归一化处理,以消除不同数据源之间的差异。例如,可以根据道路长度和速度限制计算理论通行时间,然后根据实时交通信息对通行时间进行调整。在计算结果的基础上,可以考虑一些额外因素对通勤时间的影响,例如天气、节假日等,这些因素可以通过设置权重系数或其他方法进行调整。
获取到的当前时刻通行数据记为tij0。
在操作S320,获取子预测路径的多个非当前时刻历史通行数据。
首先,需要从多个数据源收集历史通行数据。这些数据源可能包括政府交通部门、第三方地图服务商、车载导航***、手机地图应用等。这些数据通常包含车辆在特定路段上的通行时间、速度、拥堵情况等信息。
将收集到的历史通行数据按照时间段进行筛选和分组。例如,可以将数据分为上午高峰时段、下午高峰时段、非高峰时段等。在筛选和分组的基础上,选择合适的时间段作为本日非当前时刻历史通行数据的获取时间段,由于历史通行数据可能存在一定的波动,除平均数法外,我们可以对数据进行平滑处理,以减小数据波动对预测结果的影响。常用的平滑方法有移动平均法、指数平滑法等。
根据本公开实施例,非当前时刻历史通行数据包括当前时刻前十分钟至前二十分钟任一时刻的历史通行数据。
需要说明的是,非当前时刻历史通行数据的选取可以加入特定因素的考虑,比如,下一个子预测路径中,前二十分钟发生了交通事故,但在当前时刻的前十分钟,交通事故被处理,道路恢复正常运行,那么在前十分钟到前二十分钟这个时间段内的非当前时刻历史通行数据不具有代表性,若加入计算则会大幅度影响实际预测的结果,因此需要将当前时刻前十分钟至前二十分钟内的数据排除,选择此范围以外的时刻的通行数据作为本公开的非当前时刻历史通行数据。
根据本公开实施例,选取2个非当前时刻历史通行数据,分别为当前时刻前十分钟时刻的历史通信数据tij10,以及,当前时刻前二十分钟时刻的历史通信数据tij20。tij10可以由子预测路径中,车辆通行时间取平均值j计算得到,同理可得tij20。
在操作S330,获取子预测路径的多个同时刻历史数据。
在本公开实施例中,同时刻历史数据包括一天前同时刻历史数据,一周前同时刻历史数据,一个月前同时刻历史数据,一年前同时刻历史数据中的至少一个。
需要说明的是,同时刻历史数据的选取可以加入特定时间的考虑,比如,某些特定日子的同一时刻数据不具有代表性,例如,七天前同时刻的子预测路径上,发生了交通事故,一个月前同时刻为节假日,一年前的同时刻突发恶劣天气等。则这类日期的同时刻通行数据不具有代表性,可以根据实际情况选择此日期前或此日期后的某一天作为同时刻历史数据的采取日期,也可以标记此特殊日期,在后续乘以权重的过程中,设定较低的权重。
在本公开实施例中,选取四个同时刻历史数据,分别为一天前同时刻历史数据Ti1,七天前同时刻历史数据Ti7,一个月前同时刻历史数据Ti30,一年前同时刻历史数据Ti365。Ti1为子预测路径中前一天同时刻所有车辆的通信时间的平均值,Ti7、Ti7、Ti365的计算方法类似。
需要说明的是,同时刻历史数据的计算方法不仅限于此,由于车辆、路况、天气等差异,还可以使用的方法包括但不限于移动平均法、指数平滑法等。
需要说明的是,在获取当前时刻通行数据、多个非当前时刻历史通行数据与以及多个同时刻历史数据有些数据来源没有考虑车辆将在红绿灯路口的转向情况,因为在红绿灯路口的转向不影响在通行段上的移动时间,但由于车辆在红绿灯路口的转向不同,导致车辆在红绿灯路口的等待时间不同,因此需要筛选出跟参考车辆移动方向相同的通行车辆,采集该通行车辆在包含红绿灯路口的子预测路径中的当前时刻通行数据、多个非当前时刻历史通行数据与以及多个同时刻历史数据。
在操作S340,根据当前时刻通行数据、多个非当前时刻历史通行数据与以及多个同时刻历史数据计算预测路径的复合预测通行时间。
将所述当前时刻通行数据乘以当前时刻通行权重获得第一子预测通行时间;将所述非当前时刻历史通行数据乘以非当前时刻通行权重获得第二子预测通行时间;将所述预测路径的全部子预测路径的所述第一子预测通行时间与所述预测路径的全部子预测路径的所述第二子预测通行时间相加获得第一预测时间Ti0。
需要说明的是,非当前时刻历史通行数据所对应的非当前时刻通行权重,应随着非当前时刻历史通行数据的产生时间距离当前时刻的时间差值的增大而呈现减小趋势。
在本公开实施例中,当前时刻通行权重设定为85%,非当前时刻历史通行数据tij10的非当前时刻通行权重设定为10%,非当前时刻历史通行数据tij20的非当前时刻通行权重设定为5%,因此,第一预测时间Ti0的计算公式如下式:
其中,j为计数单位,j的值从0开始取,n为子预测路径的个数。
再将所述同时刻历史数据乘以历史通行权重获得第二预测时间;将所述预测路径的全部子预测路径的所述第二预测时间相加获得所述预测路径的第三预测时间;将所述第一预测时间乘以第一预测权重并与所述第三预测时间相加获得所述预测路径的所述复合通行时间。
需要说明的是,历史通行权重随同时刻历史数据的产生时间距离当前时刻的时间差的增大而呈现减小趋势。
在本公开实施例中,一天前同时刻历史数据Ti1的历史通行权重设定为10%,七天前同时刻历史数据Ti7的历史通行权重设定为10%,一个月前同时刻历史数据Ti30的历史通行权重设定为5%,一年前同时刻历史数据Ti365的历史通行权重设定为5%,第一预测权重设定为70%,复合通行时间Ti如下式:
Ti=70%*Ti0+10%*Ti1+10%*Ti7+5%*Ti30+5%*Ti365。
需要说明的是,以上各类权重,可以是由开发人员在程序中预设好的权重,也可以由用户手动设定偏好。例如,用户的生活、行车习惯较为规律的时候,可以更多地侧重周期性的数据对于通行时间预测的影响,用户则可以手动将第一预测权重调低,将历史通行权重调高。
图4示意性示出了根据本公开实施例的修正当前规划路径的流程图。
如图4所示,步骤S240包括步骤S410~S440。
在操作S410,获取用户的当前位置。
例如,获取用户的当前位置的方法包括但不限于以下方法:
通过GPS定位:车辆上的GPS接收器可以接收来自卫星的信号,并计算出车辆的当前位置。
蜂窝网络定位:通过手机或车载通信设备连接到蜂窝网络,利用基站信号强度和距离等信息计算出车辆位置。
Wi-Fi定位:Wi-Fi定位是通过接收周围Wi-Fi热点的信号强度和位置信息来确定车辆位置。
惯性导航***定位:利用加速度计和陀螺仪等传感器测量车辆的运动状态,并通过积分计算出车辆位置。
多源融合定位方法:为了提高定位精度和可靠性,可以将以上多种定位方法进行融合,利用各种方法的优势互补,实现更为准确的车辆定位。例如,可以将GPS、蜂窝网络和Wi-Fi定位数据进行加权融合,或者在GPS信号受到干扰时,自动切换到惯性导航***。
需要说明的是,用户的位置可以是用户在地图软件中手动输入的某个地点,此时,用户的位置应以用户输入为准而不是用户的实际定位为准。
在操作S420,根据当前位置,获取当前规划路线的复合通行时间。具体的,根据当前位置确定当前规划路线,通过当前规划路线获得复合通行时间Ts的具体方法与上述获得预测路线的复合预测通行时间Ti的方法相同,在此不做赘述。
在操作S430,在复合预测通行时间与复合通行时间的差值大于预设阈值的情况下,向用户发出路线修正请求。
预设的阈值可以是预先由开发人员设定好的默认阈值,用户也可以根据实际情况对此预设阈值进行人工调整,例如可以设置为5分钟、10分钟等。
根据本公开实施例,预设的阈值设定为8min,若Ts-Tf>8min,则向用户发送路线修正请求,询问用户是否将规划的路线更换为Ts对应的路径。询问用户的方式包括但不限于以下方式:
语音提示,通过语音播报的方式通知用户修正路线;
可视化提示:在导航界面上以箭头、高亮路线等形式展示更优的路线,提示用户修正路线;
文字提示:在导航界面上以文字形式展示路线修正建议;
振动提示:对于智能手表等可穿戴设备,可以通过振动的方式提醒用户修正路线;
同时,为了提高用户体验,可以将多种方式结合使用,例如语音提示和可视化提示相结合,既方便用户理解,又不影响驾驶安全。
在操作S440,基于用户对路线修正请求的反馈结果,修正当前规划路线。
若用户同意修改路线,则将当前规划路径修改为Ts对应的路径,若用户不同意,则不执行修改。
需要说明的是,获取当前用户位置这一操作,可以实时进行随时获取当前用户的位置;也可以按路段进行,例如,按照预测路径划分子预测路径的方法,将当前规划路径划分为多个子规划路径,当用户进入一个新的子预测路径时,获取一次用户位置。也可以按时间进行,例如,每半分钟获取一次车辆位置。也可以采取多种方法融合获取用户位置,例如不仅进入一个新的子预测路径时获取位置,同时也每隔半分钟获取一次用户位置,以避免如发生交通事故,子预测路径拥堵,但仍需进入子预测路径才触发获取当前用户的位置的操作。
同样的,将当前规划路径修改为Ts对应的路径,可以在用户的车辆进入下一个子预测路径之前进行修改,也可以在获取到用户反馈的第一时间修改。
在一些实施例中,用户的位置可能是不变的,例如在停车场,或在家里预先规划路线等,但随着时间的推移,路况会发生变化,获得的预测路径、子预测路径也会发生变化,所得到的复合预测时间可能随着时间的推移同样会发生变化。此时,对于用户可以采用按时间获取位置的方法。
在一些实施例中,用户可以选择默认全程最优模式,即,每当发现复合预测通行时间与复合通行时间的差值大于预设阈值的预测路线时,无需向用户发出路径修改请求,自动将当前规划路线更改为预测路线。
在一些实施例中,当用户偏离当前规划路线的时候,无论是否到下一个子预测路径,无论是否到下一个采样时间点,皆触发一次获取用户当前位置的操作,并重新根据当前位置获取至少一个预测路径,并从至少一个预测路径中选择一个作为当前规划路径。
本公开提供的复合交通路径规划方法在路径规划的基础之上,依据过去某一天同一时刻的通行时间数据,以及当前时刻前一段时间的通行时间数据对当前规划出的路径通行时间进行矫正,综合考虑历史数据、时间周期性因素对推荐路线进行优化,提高路径通行时间预测的精准度,以此提高路线推荐的可靠性。
基于上述复合交通路径规划方法,本公开还提供了一种复合交通路径规划装置。以下将结合图5对该装置进行详细描述。
图5示意性示出了根据本公开实施例的复合交通路径规划装置的结构框图。
如图5所示,该实施例的复合交通路径规划装置800包括获取模块510、路径分段模块520、计算模块530和修正模块540。
获取模块510用于获取至少一个预测路径。在一实施例中,获取模块510可以用于执行前文描述的操作S210,在此不再赘述。
路径分段模块520用于将预测路径分为多个子预测路径。在一实施例中,路径分段模块520可以用于执行前文描述的操作S220,在此不再赘述。
计算模块530用于根据子预测路径的多个同时刻历史数据,计算预测路径的复合预测通行时间。在一实施例中,计算模块530可以用于执行前文描述的操作S230,在此不再赘述。
修正模块540用于根据子预测路径的多个同时刻历史数据,计算预测路径的复合预测通行时间。在一实施例中,修正模块540可以用于执行前文描述的操作S240,在此不再赘述。
根据本公开的实施例,获取模块510、路径分段模块520、计算模块530和修正模块540中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块510、路径分段模块520、计算模块530和修正模块540中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块510、路径分段模块520、计算模块530和修正模块540中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机***的方框图。
具体地,处理器610例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器610还可以包括用于缓存用途的板载存储器。处理器610可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质620,例如可以是非易失性的计算机可读存储介质,具体示例包括但不限于:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;等等。
计算机可读存储介质620可以包括计算机程序621,该计算机程序621可以包括代码/计算机可执行指令,其在由处理610执行时使得处理器610执行根据本公开实施例的方法或其任何变形。
计算机程序621可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序621中的代码可以包括一个或多个程序模块,例如包括621A、模块621B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器610执行时,使得处理器610可以执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例,获取模块510、路径分段模块520、计算模块530和修正模块540中的至少一个可以实现为参考图6描述的计算机程序模块,其在被处理器610执行时,可以实现上面描述的相应操作。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/***中所包含的;也可以是单独存在,而未装配入该设备/装置/***中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、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。在本公开中,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。
至此,已经结合附图对本公开实施例进行了详细描述。需要说明的是,在附图或说明书正文中,未绘示或描述的实现方式,均为所属技术领域中普通技术人员所知的形式,并未进行详细说明。此外,上述对各零部件的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行简单地更改或替换。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上所述的具体实施例,对本公开的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本公开的具体实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种复合交通路径规划方法,其特征在于,包括:
获取至少一个预测路径;
将所述预测路径分为多个子预测路径;
根据所述子预测路径的多个同时刻历史数据,计算所述预测路径的复合预测通行时间;
基于所述复合预测通行时间修正当前规划路径。
2.根据权利要求1所述的复合交通路径规划方法,其特征在于,所述计算所述子预测路径的复合预测通行时间包括:
获取所述子预测路径的当前时刻通行数据;
获取所述子预测路径的多个非当前时刻历史通行数据;
获取所述子预测路径的多个所述同时刻历史数据;
根据所述当前时刻通行数据、多个所述非当前时刻历史通行数据与以及多个所述同时刻历史数据计算所述预测路径的复合预测通行时间。
3.根据权利要求2所述的复合交通路径规划方法,其特征在于,所述同时刻历史数据包括一天前同时刻历史数据,一周前同时刻历史数据,一个月前同时刻历史数据,一年前同时刻历史数据中的至少一个。
4.根据权利要求2所述的复合交通路径规划方法,其特征在于,所述非当前时刻历史通行数据包括当前时刻前十分钟至前二十分钟内任一时刻的历史通行数据。
5.根据权利要求2所述的复合交通路径规划方法,其特征在于,所述根据所述当前时刻通行数据、多个所述非当前时刻历史通行数据与以及多个所述同时刻历史数据计算所述预测路径的复合预测通行时间包括:
将所述当前时刻通行数据乘以当前时刻通行权重获得第一子预测通行时间;
将所述非当前时刻历史通行数据乘以非当前时刻通行权重获得第二子预测通行时间;
将所述预测路径的全部子预测路径的所述第一子预测通行时间与所述预测路径的全部子预测路径的所述第二子预测通行时间相加获得第一预测时间;
将所述同时刻历史数据乘以历史通行权重获得第二预测时间;
将所述预测路径的全部子预测路径的所述第二预测时间相加获得所述预测路径的第三预测时间;
将所述第一预测时间乘以第一预测权重并与所述第三预测时间相加获得所述预测路径的所述复合通行时间。
6.根据权利要求5所述的复合交通路径规划方法,其特征在于,所述历史通行权重随所述同时刻历史数据的产生时间距离当前时刻的时间差的增大而减小。
7.根据权利要求1所述的复合交通路径规划方法,其特征在于,所述基于所述复合预测通行时间修正当前规划路径包括:
获取用户的当前位置;
根据所述当前位置,获取所述当前规划路线的复合通行时间;
在所述复合预测通行时间与所述复合通行时间的差值大于预设阈值的情况下,向用户发出路线修正请求;
基于所述用户对所述路线修正请求的反馈结果,修正所述当前规划路线。
8.一种复合交通路径规划装置,其特征在于,包括:
获取模块,用于获取至少一个预测路径;
路径分段模块,用于将所述预测路径分为多个子预测路径;
计算模块,用于根据所述子预测路径的多个同时刻历史数据,计算所述预测路径的复合预测通行时间;以及
修正模块,用于基于所述复合预测通行时间修正当前规划路径。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310786642.8A CN116989789A (zh) | 2023-06-29 | 2023-06-29 | 复合交通路径规划方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310786642.8A CN116989789A (zh) | 2023-06-29 | 2023-06-29 | 复合交通路径规划方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116989789A true CN116989789A (zh) | 2023-11-03 |
Family
ID=88527419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310786642.8A Pending CN116989789A (zh) | 2023-06-29 | 2023-06-29 | 复合交通路径规划方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116989789A (zh) |
-
2023
- 2023-06-29 CN CN202310786642.8A patent/CN116989789A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10928209B2 (en) | Assessing inter-modal passenger travel options | |
US9945678B2 (en) | Navigation system with arrival time mechanism and method of operation thereof | |
US10720057B2 (en) | Methods and systems for generating profile data for segments of an electronic map | |
EP3227873B1 (en) | Method and apparatus for providing point of interest information | |
JP4682865B2 (ja) | 経路探索システム、経路案内システムにおける経路案内方法、及びナビゲーション装置 | |
EP2986945B1 (en) | Methods and apparatus for providing travel information | |
JP4346472B2 (ja) | 交通情報予測装置 | |
CN108604407B (zh) | 用于生成预期行进速度的方法及*** | |
EP3051259B1 (en) | Navigation system with map update mechanism and method of operation thereof | |
US20190114909A1 (en) | Method and Apparatus for Identifying Congestion Bottlenecks | |
US11125574B2 (en) | Navigation optimized for unexpected traffic events | |
JP2012127770A (ja) | 経路探索方法および装置 | |
EP2689214A2 (en) | Navigation to dynamic endpoint | |
JP2006337182A (ja) | カーナビゲーションシステム、交通情報提供装置、カーナビゲーション装置、交通情報提供方法および交通情報提供プログラム | |
CN103459982A (zh) | 产生堵塞相关区段数据 | |
JP2016033500A (ja) | 出発地・目的地抽出装置、出発地・目的地抽出方法 | |
JP2016520190A (ja) | 推奨ナビゲート可能区間を示す情報を提供する方法及びシステム | |
US9188452B2 (en) | System and method for improved routing that combines real-time and likelihood information | |
JP4845096B2 (ja) | ナビゲーション装置、地図サーバ、地図更新方法および地図更新プログラム | |
JP5768526B2 (ja) | 渋滞予測装置および渋滞予測データ | |
JP2019100763A (ja) | すれ違い困難区間回避システム、サーバ装置、情報表示装置およびすれ違い困難区間回避方法 | |
CN116734883A (zh) | 一种道路拥堵预测及智能领航*** | |
JP2007139794A (ja) | ナビゲーション装置及びそれを備えたナビゲーションシステム | |
CN116989789A (zh) | 复合交通路径规划方法、装置、电子设备及介质 | |
KR20160122434A (ko) | 경로 탐색 시스템 및 경로 탐색 방법 |
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 |