CN101625796A - 交通信息的估计方法 - Google Patents

交通信息的估计方法 Download PDF

Info

Publication number
CN101625796A
CN101625796A CN200810182444A CN200810182444A CN101625796A CN 101625796 A CN101625796 A CN 101625796A CN 200810182444 A CN200810182444 A CN 200810182444A CN 200810182444 A CN200810182444 A CN 200810182444A CN 101625796 A CN101625796 A CN 101625796A
Authority
CN
China
Prior art keywords
time
highway section
value
point
past point
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
Application number
CN200810182444A
Other languages
English (en)
Other versions
CN101625796B (zh
Inventor
李范泰
金泰秀
马永彦
李柱一
赵炯来
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hyundai Motor Co
Original Assignee
Hyundai Motor Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hyundai Motor Co filed Critical Hyundai Motor Co
Publication of CN101625796A publication Critical patent/CN101625796A/zh
Application granted granted Critical
Publication of CN101625796B publication Critical patent/CN101625796B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P11/00—Measuring average value of speed
    • G01P11/02—Measuring average speed of number of bodies, e.g. of vehicles for traffic control
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种估计在特定时间点上的路段交通信息的方法，其基于在该特定时间点之前的时间点或多个时间点上的道路交通信息以及邻接道路的交通信息。

Description

交通信息的估计方法
相关申请的交叉参考
根据35U.S.C.§119(a)，本申请要求2008年7月10日提交的韩国专利申请第10-2008-67234号的优先权，在此将其全文并入作为参考。
技术领域
本发明涉及一种对在包括过去交通信息的数据库中遗漏的特定日期及特定时间的交通信息进行估计和补充的方法。
背景技术
通常，道路的交通状况与该道路相邻的道路的交通状况密切相关。因此，如果一条道路交通繁忙，则一条或更多条邻接的道路会受到该繁忙交通的影响。
此外，当前的交通信息对将来的交通信息产生影响。当前的交通信息对不久的将来的影响很高，而当前的交通信息对遥远的将来的影响则低。
假设已经以预定的时间间隔对预定的时间段(例如，以10分钟的时间间隔、从2008年7月1日至2008年7月20日)对具体道路或其路段的交通信息(例如，驾驶速度)进行了测量，但由于例如自然灾害或系统错误，遗漏了特定时间点或多个时间点(例如，2008年7月15日07:00)的信息。
为了估计具体道路或其路段的遗漏的交通信息，应当考虑2008年7月15日07:00时刻关于相邻于该具体道路或其路段的道路的交通信息。此外，应当考虑在过去(例如，2008年7月15日06:50)关于该具体道路或其路段的交通信息。
在此背景技术部分中公开的上述信息仅用于增强对本发明背景技术的理解，因此其可以包含不形成本国家的本领域普通技术人员已经知晓的现有技术的信息。
发明内容
本发明一方面提供一种用于估计在第一时间点上的第一路段的交通信息的方法，该方法包括以下步骤：(a)计算在第一时间点上的第一道路的平均速度，以及相邻于该第一路段的第二路段中每一个的速度及平均速度；(b)通过将在第一时间点上的第二路段中每一个的速度与平均速度之差乘以相应的邻接关联权重值(adjacent link weightedvalue)，并将由此得到的第二路段的乘积值相加，计算第一时间点的空间相关信息值(space related information value)；和(c)通过将该空间相关信息值与第一路段的平均速度相加，计算在第一时间点上的第一路段的速度估计值。
根据本发明的一方面，估计交通信息的方法进一步包括以下步骤：(d)对于第一过去时间点，计算第一路段在第一过去时间点之前的时间相关信息值(time related information value)；(e)对于第二过去时间点，计算第一路段在第一过去时间点之前的时间相关信息值；和(f)通过将对于第一过去时间点的时间相关信息值与对于第二过去时间点的时间相关信息值的加和值与第一路段的速度估计值相加，修正速度估计值。
在优选的实施方式中，该方法可以进一步包括以下步骤：(d)对于第一过去时间点，计算第一路段的时间相关信息值；(e)对于第二过去时间点，计算第一路段的时间相关信息值；和(f)通过将对于第一过去时间点的时间相关信息值与对于第二过去时间点的时间相关信息值的加和值与第一路段的速度估计值相加，修正速度估计值。
优选地，步骤(d)可以包括以下步骤：(d-1)计算在第一过去时间点上的第一路段的速度与平均速度之差；(d-2)通过将在第一过去时间点上的第二路段中每一个的速度与平均速度之差乘以相应的邻接关联权重值，并将由此得到的第二路段的乘积值相加，计算第一过去时间点上的空间相关信息值；和(d-3)从在第一过去时间点上的第一路段的速度与平均速度之差中减去第一过去时间点的空间相关信息值，并将减得的值乘以第一过去时间点权重值。
适当地，步骤(e)可以包括以下步骤：(e-1)计算在第二过去时间点上的第一路段的速度与平均速度之差；(e-2)通过将在第二过去时间点上的第二路段中每一个的速度与平均速度之差乘以相应的邻接关联权重值，并将由此得到的第二路段的乘积值相加，计算第二过去时间点上的空间相关信息值；和(e-3)从在第二过去时间点上的第一路段的速度与平均速度之差中减去第二过去时间点的空间相关信息值，并将减得的值乘以第二过去时间点权重值。
邻接关联权重值可以通过第一路段的速度与平均速度之差与第二路段的速度与平均速度之差之间的斜率而设定。
所附附图结合在本说明书中并形成其一部分，并与以下具体描述一起，更详细地说明了本发明的以上特征和优势，其用于通过实施例的方式解释本发明的原理，这些特征和优势由此将是显而易见的。
附图说明
现在参考附图中图示的某些示范性实施方式对本发明的上述和其它特征进行详细说明，以下附图仅仅作为图示给出，因此不是对本发明的限制，其中：
图1是示出第一路段与多个第二路段邻接的布局图。
图2是示出第一路段的第一过去时间点和第二过去时间点的交通信息的配置图。
图3是数据库的配置图，在该数据库中，速度通过关联ID、模式信息、差值和邻接关联权重值而存储。
图4是根据本发明实施方式的交通信息估计方法的流程图。
图5是根据本发明用于计算邻接关联权重值的图。
具体实施方式
在下文中，将参照附图详细描述本发明的示例性实施方式。
图1是示出第一路段与多个第二路段邻接的布局图。
参照图1，第二路段(
Figure A20081018244400061
①③AB)与第一路段(②)的两端邻接。因此，第二路段(
Figure A20081018244400062
①③AB)的交通状况(例如，拥堵)影响着第一路段(②)的交通状况。
图2是示出在第一时间点上的第一路段的交通信息、在第一过去时间点上的第一路段的交通信息和在第二过去时间点上的第一路段的交通信息之间的关系的配置图，上述在第一时间点上的第一路段的交通信息通过本发明的估计方法而估计。
参照图2，第一时间点(t)表示其交通信息待估计的过去的时间点(例如，2008年7月8日星期二，下午7:00)。另外，第一过去时间点(t-1)表示在第一时间点(t)之前的任意时间(例如，2008年7月8日星期二，下午6:55)。第二过去时间点(t-2)表示在第一时间点(t)之前的另一任意时间(例如，2008年7月8日星期二，下午6:50)。因此，在第一过去时间点(t-1)及第二过去时间点(t-2)上的第一路段的交通状况(例如，拥堵)影响着在第一时间点(t)上的第一路段的交通状况。
平均速度可以在实时基础上从额外的交通信息收集服务器中输出并记录在数据库中(未示出)。
在下文中，将解释根据本发明实施方式的交通信息估计方法。
考虑到时间相关信息和空间相关信息，对第一时间点上的交通信息加以估计，如下列方程所示。
v t = μ ( t ) + Σ j ∈ N ρY ( t ) + ( γ 1 Z ( t - 1 ) + γ 2 Z ( t - 2 ) )
其中vt是在第一时间点上的第一路段的估计速度，μ(t)是在第一时间点上的第一路段的平均速度，
Figure A20081018244400072
是对于第一时间点的空间相关信息值，γ1Z(t-1)是对于第一过去时间点的时间相关信息值，γ2Z(t-2)是对于第二过去时间点的时间相关信息值。
图3是数据库的配置图，其中速度通过关联ID、平均速度、差值和邻接关联权重值而存储。图4是根据本发明实施方式的交通信息估计方法的流程图。
计算空间相关信息值
Figure A20081018244400073
参照图3和4，首先，计算其在第一时间点上的交通信息待估计的第一路段所邻接的多个第二路段的速度[X(t)]及平均速度[u(t)](S10)。
例如，如图3所示，在第一时间点(例如，2008年6月5日星期四，上午00:00)上的第一路段(即，关联ID 3200001392)的平均速度为27.38(km/h)。在第一时间点上的关联ID 3210001175的第二路段的速度为26(km/h)，第二路段的平均速度为34.56(km/h)。其他第二路段的速度及平均速度可以通过相同的方式加以确定。在第一时间点(例如，2008年6月5日星期四，上午00:00)上的第一路段(即，关联ID 3200001392)的平均速度是指，通过对从2008年6月5日起的过去预定期间(例如，一年每个星期四的上午00:00)的速度加以平均而得到的值。平均速度可以在实时基础上从额外的交通信息收集服务器中输出并记录在数据库中(未示出)。
对于每个第二路段，计算速度X(t)与平均速度u(t)之差Y(t)，并将由此得到的差值Y(t)(即，X(t)-u(t))乘以相应的邻接关联权重值ρ，以计算乘积值ρY(t)(S12)。如图3所示，对于关联ID 3210001176至3200001169的第二路段，各个乘积值ρY(t)计算如下：(-8.56*0.03)、(-0.6*-0.03)、(-2.12*-0.1)、(-0.482*-0.13)、(-9.9*-0.08)和(4.413*0.02)。
同时，邻接关联权重值ρ是表示各第二路段的交通条件对第一路段交通条件的影响程度的值。参照图5，在计算出在第一时间点上的第一路段的速度与平均速度之差Y(t)与在第一时间点上的第二路段中每一个的速度与平均速度之差Y(t)之间的斜率之后，通过统计学程序(S-PLUS)的LM函数可以计算各个邻接关联权重值ρ。
通过将乘积值ρY(t)相加，计算空间相关信息值
Figure A20081018244400081
(S14)。在图3的情形中，空间相关信息值为0.45072，其计算如下：(-8.56*0.03)+(-0.6*-0.03)+(-2.12*-0.1)+(-0.482*-0.13)+(-9.9*-0.08)+(4.413*0.02)。
计算对于第一过去时间点的时间相关信息值γ 1 Z(t-1)
计算在第一过去时间点上的第一路段的速度X(t-1)与平均速度u(t-1)之间的差值Y(t-1)(S20)。例如，在图3中，在第一过去时间点上的第一路段的速度X(t-1)为25(km/h)，在第一过去时间点上的第一路段的平均速度u(t-1)为29.12(km/h)，则速度与平均速度之差Y(t-1)为-4.12。
类似地，计算第二路段中每一个的速度X(t-1)与平均速度u(t-1)之差，并将由此得到的差值Y(t-1)(即，X(t-1)-u(t-1))乘以相应的邻接关联权重值ρ，以计算乘积值ρY(t-1)(S22)。在图3中，以与S12相同的方式计算对于关联ID 3210001176至3200001169的第二路段的各个乘积值ρY(t-1)：(-10.417*0.02)、(-1.44*-0.03)、(-0.333*-0.1)、(-17.16*-0.08)和(1.966*0.02)。
然后，通过将乘积值ρY(t-1)相加，计算第一过去时间点的空间相关信息值(S24)。在图3的情形中，空间相关信息值为0.86794，其计算如下：(-10.417*0.02)+(-1.44*-0.03)+(-0.333*-0.1)+(-17.16*-0.08)+(1.966*0.02)。
之后，从第一过去时间点上的第一路段的速度与平均速度之差Y(t-1)(即，-4.12)中减去空间相关信息值
Figure A20081018244400092
(即，0.86794)，以得到减得的值Z(t-1)(即，-4.98794)。
将减得的值Z(t-1)乘以第一过去时间点权重值γ1(例如，由下述方法确定的0.5)，以计算对于第一过去时间点的时间相关信息值γ1Z(t-1)(例如，-2.49397)(S26)。
计算对于第二过去时间点的时间相关信息值γ 2 Z(t-2)
类似地，计算在第二过去时间点上的第一路段的速度X(t-2)与平均速度u(t-2)之间的差值Y(t-2)(S30)。例如，在图3中，在第二过去时间点上的第一路段的速度X(t-2)为28(km/h)，在第二过去时间点上的第一路段的平均速度u(t-2)为31.174(km/h)，则速度与平均速度之差Y(t-2)为-3.174。
类似地，计算每个第二路段的速度X(t-2)与平均速度u(t-2)之差，并将由此所得的差值Y(t-2)(即，X(t-2)-u(t-2))乘以相应的邻接关联权重值ρ，以计算乘积值ρY(t-2)(S32)。在图3中，以与S12相同的方式计算对于关联ID 3210001176至3200001169的第二路段的各个乘积值ρY(t-2)。
然后，通过将乘积值ρY(t-2)相加，计算第二过去时间点的空间相关信息值(S34)。在图3的情形中，空间相关信息值为0.21819。
之后，从在第二过去时间点上的第一路段的速度与平均速度之差Y(t-2)(即，-3.174)中减去空间相关信息值
Figure A20081018244400094
(即，0.21819)，得到减得的值Z(t-2)(即，-3.39219)。
将减得的值Z(t-2)乘以第二过去时间点权重值γ2(例如，由下述方法确定的0.08)乘，以计算对于第二过去时间点的时间相关信息值γ2Z(t-2)(例如，-0.271375)(S36)。
计算第一路段的速度估计值V
将步骤S14中算出的第一时间点的空间相关信息值
Figure A20081018244400101
与第一路段的平均速度u(t)相加(S40)，然后，与对于第一过去时间点的时间相关信息值γ1Z(t-1)和对于第二过去时间点的时间相关信息值γ1Z(t-2)的加和值γ1Z(t-1)+γ1Z(t-2)相加，使得得到第一路段的估计速度V(S42)。
例如，如图3所示，将步骤S14中算出的空间相关信息值或0.45072与在2008年6月5日星期四上午00:00时间上的第一路段的平均速度或27.38相加。之后，与步骤S26中算出的对于第一过去时间点的时间相关信息值或-2.49397和步骤S36中算出的对于第二过去时间的时间相关信息值或-0.271375的加和相加，以计算在2008年6月5日星期四上午00:00的时间上的第一路段的估计速度V，其为25.063375(km/h)。
第一路段的估计速度V可以用作2008年6月5日星期四上午00:00的时间上未测量的第一路段的速度。
第一过去时间点权重值γ1和第二过去时间点权重值γ2可以确定成满足下列条件：γ1Z(t-1)+γ2Z(t-2)＝Z(t)。在此，在图3中，条件变成γ1*(-4.98794)+γ2*(-3.39219)＝-2.76，并且满足条件的γ1和γ2可以分别为0.5和0.08。优选地，它们可以使用统计学程序(S-Plus)的AR(2)函数通过自回归系数而计算。
通过根据邻接道路的交通条件并根据时间变化对交通信息进行估计，本方法能够可靠、准确地补充由于某些原因而未测量的在具体时间上的路段交通信息。
对本领域技术人员来说显而易见的是，可以在不偏离本发明的精神或范围的情况下对本发明进行各种修改和变化。因此，本发明旨在涵盖本发明的修改和变化，只要其在所附权利要求及其等同形式的范围之内。

Claims (5)

1.一种用于估计在第一时间点上的第一路段的交通信息的方法，所述方法包括以下步骤：
(a)计算在所述第一时间点上的所述第一路段的平均速度，以及相邻于所述第一路段的第二路段中每一个的速度及平均速度；
(b)通过将在所述第一时间点上的所述第二路段中每一个的所述速度与所述平均速度之差乘以相应的邻接关联权重值，并将由此得到的所述第二路段的乘积值相加，计算所述第一时间点的空间相关信息值；和
(c)通过将所述空间相关信息值与所述第一路段的所述平均速度相加，计算在所述第一时间点上的所述第一路段的速度估计值。
2.如权利要求1所述的方法，其进一步包括以下步骤：
(d)对于第一过去时间点，计算所述第一路段的时间相关信息值；
(e)对于第二过去时间点，计算所述第一路段的时间相关信息值；和
(f)通过将对于所述第一过去时间点的所述时间相关信息值和对于所述第二过去时间点的所述时间相关信息值的加和值与所述第一路段的所述速度估计值相加，修正所述速度估计值。
3.如权利要求2所述的方法，其中所述步骤(d)包括以下步骤：
(d-1)计算在所述第一过去时间点上的所述第一路段的所述速度与所述平均速度之差；
(d-2)通过将在所述第一过去时间点上的所述第二路段中每一个的所述速度与所述平均速度之差乘以相应的邻接关联权重值，并将由此得到的所述第二路段的乘积值相加，计算所述第一过去时间点的空间相关信息值；和
(d-3)从在所述第一过去时间点上的所述第一路段的所述速度与所述平均速度之差中减去所述第一过去时间点的所述空间相关信息值，并将减得的值乘以第一过去时间点权重值。
4.如权利要求2所述的方法，其中所述步骤(e)包括以下步骤：
(e-1)计算在所述第二过去时间点上的所述第一路段的所述速度与所述平均速度之差；
(e-2)通过将在所述第二过去时间点上的所述第二路段中每一个的所述速度与所述平均速度之差乘以相应的邻接关联权重值，并将由此得到的所述第二路段的乘积值相加，计算所述第二过去时间点的空间相关信息值；和
(e-3)从在所述第二过去时间点上的所述第一路段的所述速度与所述平均速度之差中减去所述第二过去时间点的所述空间相关信息值，并将减得的值乘以第二过去时间点权重值。
5.如权利要求1所述的方法，其中所述邻接关联权重值为所述第一路段的所述速度和所述平均速度之差与所述第二路段的所述速度和所述平均速度之差之间的斜率。
CN200810182444.6A 2008-07-10 2008-12-08 交通信息的估计方法 Active CN101625796B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020080067234A KR101028293B1 (ko) 2008-07-10 2008-07-10 교통정보 예측 방법
KR1020080067234 2008-07-10
KR10-2008-0067234 2008-07-10

Publications (2)

Publication Number Publication Date
CN101625796A true CN101625796A (zh) 2010-01-13
CN101625796B CN101625796B (zh) 2013-09-25

Family

ID=41412917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200810182444.6A Active CN101625796B (zh) 2008-07-10 2008-12-08 交通信息的估计方法

Country Status (4)

Country Link
US (1) US20100010731A1 (zh)
KR (1) KR101028293B1 (zh)
CN (1) CN101625796B (zh)
DE (1) DE102008044330A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102208132A (zh) * 2010-03-29 2011-10-05 电装It研究所 交通量预测装置、交通量预测方法和程序
CN107111941A (zh) * 2014-09-01 2017-08-29 韩国交通研究院 交通链路速度预测方法及用于其的装置
CN107331161A (zh) * 2016-04-28 2017-11-07 财团法人资讯工业策进会 车速预测方法
CN110782652A (zh) * 2018-11-07 2020-02-11 北京嘀嘀无限科技发展有限公司 速度预测系统和方法
CN111341099A (zh) * 2020-02-27 2020-06-26 阿里巴巴集团控股有限公司 一种数据处理方法、装置及电子设备

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101144388B1 (ko) * 2010-11-09 2012-05-10 기아자동차주식회사 교통정보 제공 시스템 및 단말기, 이를 이용한 교통정보 제공 방법
CN102542794A (zh) * 2012-02-02 2012-07-04 北京捷易联科技有限公司 交通数据处理方法和装置
CN102930718A (zh) * 2012-09-20 2013-02-13 同济大学 基于浮动车数据和线圈流量融合的间断流路段行程时间估计方法
KR101602746B1 (ko) * 2014-04-03 2016-03-11 부산대학교 산학협력단 교통 예측 시스템 및 방법
KR102197195B1 (ko) * 2014-07-31 2021-01-04 현대엠엔소프트 주식회사 교통흐름의 변화를 반영한 교통정보 생성방법
JP6898555B2 (ja) * 2017-06-06 2021-07-07 富士通株式会社 移動経路検索プログラム、移動経路検索装置、及び移動経路検索方法
CN111081012B (zh) * 2019-11-25 2021-07-13 沈阳世纪高通科技有限公司 交通事件的处理方法及装置
KR102341475B1 (ko) * 2020-03-19 2021-12-20 충북대학교 산학협력단 도로 환경 데이터 분석을 통한 기계 학습 기반의 도로 속도 예측 방법 및 이를 기록한 기록매체

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08106593A (ja) * 1994-10-07 1996-04-23 Hitachi Ltd 交通流状態判定装置
US5648904A (en) * 1994-04-25 1997-07-15 Sony Corporation Vehicle traffic system and method
CN1777904A (zh) * 2003-04-15 2006-05-24 美国联合包装服务有限公司 用于择路和调度的高峰时间建模

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100702852B1 (ko) 2004-10-28 2007-04-06 한국도로공사 과거 및 실시간 교통정보를 이용하여 교통상황의 예측 및동적경로 안내를 제공하는 방법 및 시스템
JP4329711B2 (ja) * 2005-03-09 2009-09-09 株式会社日立製作所 交通情報システム
KR100772511B1 (ko) * 2005-12-09 2007-11-01 한국전자통신연구원 교통 예측을 기반으로 하는 최단 경로 검색 방법 및 그장치
JP2007249845A (ja) 2006-03-17 2007-09-27 Fujitsu Ltd 交通状況推定プログラムおよび交通状況推定方法
US20080033630A1 (en) * 2006-07-26 2008-02-07 Eun-Mi Lee System and method of predicting traffic speed based on speed of neighboring link
JP4680882B2 (ja) 2006-12-25 2011-05-11 株式会社日立製作所 交通情報処理装置及び交通情報表示装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5648904A (en) * 1994-04-25 1997-07-15 Sony Corporation Vehicle traffic system and method
JPH08106593A (ja) * 1994-10-07 1996-04-23 Hitachi Ltd 交通流状態判定装置
CN1777904A (zh) * 2003-04-15 2006-05-24 美国联合包装服务有限公司 用于择路和调度的高峰时间建模

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102208132A (zh) * 2010-03-29 2011-10-05 电装It研究所 交通量预测装置、交通量预测方法和程序
CN102208132B (zh) * 2010-03-29 2014-01-29 电装It研究所 交通量预测装置、交通量预测方法
CN107111941A (zh) * 2014-09-01 2017-08-29 韩国交通研究院 交通链路速度预测方法及用于其的装置
CN107331161A (zh) * 2016-04-28 2017-11-07 财团法人资讯工业策进会 车速预测方法
CN110782652A (zh) * 2018-11-07 2020-02-11 北京嘀嘀无限科技发展有限公司 速度预测系统和方法
CN111341099A (zh) * 2020-02-27 2020-06-26 阿里巴巴集团控股有限公司 一种数据处理方法、装置及电子设备
CN111341099B (zh) * 2020-02-27 2022-05-10 阿里巴巴集团控股有限公司 一种数据处理方法、装置及电子设备

Also Published As

Publication number Publication date
US20100010731A1 (en) 2010-01-14
KR20100006912A (ko) 2010-01-22
KR101028293B1 (ko) 2011-04-11
CN101625796B (zh) 2013-09-25
DE102008044330A1 (de) 2010-01-14

Similar Documents

Publication Publication Date Title
CN101625796B (zh) 交通信息的估计方法
Peesapati et al. Can post encroachment time substitute intersection characteristics in crash prediction models?
Khattak et al. Incident management integration tool: dynamically predicting incident durations, secondary incident occurrence and incident delays
Tertoolen et al. Psychological resistance against attempts to reduce private car use
Habib et al. Model of personal attitudes towards transit service quality
Bhatta et al. Errors in variables in multinomial choice modeling: A simulation study applied to a multinomial logit model of travel mode choice
Chen et al. Effect of information quality on compliance behavior of commuters under real-time traffic information
Afrin et al. A probabilistic estimation of traffic congestion using Bayesian network
Golob et al. Freight industry attitudes towards policies to reduce congestion
Sawalha et al. Transferability of accident prediction models
JPH08503317A (ja) 交通パラメータの予測方法
US10288733B2 (en) Method for forecasting parking area availability of a street section
Eyoh et al. Modelling and predicting future urban expansion of Lagos, Nigeria from remote sensing data using logistic regression and GIS
US9122983B2 (en) Method for model construction for a travel-time database
Jamous et al. Assessing travel time reliability implications due to roadworks on private vehicles and public transport services in urban road networks
Khattak et al. Spatial analysis and modeling of traffic incidents for proactive incident management and strategic planning
Chao et al. The asymmetric effects of gasoline prices on public transportation use in Taiwan
Cools et al. Investigating effect of holidays on daily traffic counts: time series approach
Ghasemi et al. Statistical parameters of in-a-lane multiple truck presence and a new procedure to analyze the lifetime of bridges
Minhans et al. Traffic impact assessment: A case of proposed hypermarket in Skudai town of Malaysia
Dia et al. Dynamics of drivers' route choice decisions under advanced traveller information systems
Fullerton et al. Borderplex bridge wait time headache reactions
Stipdonk et al. The expected number of road traffic casualties using stratified data
Cetin Research Areas
Alonso et al. Using O–D matrices for decision making in road network management

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant