CN101739820A - 路况预测的方法及装置 - Google Patents

路况预测的方法及装置 Download PDF

Info

Publication number
CN101739820A
CN101739820A CN200910237942A CN200910237942A CN101739820A CN 101739820 A CN101739820 A CN 101739820A CN 200910237942 A CN200910237942 A CN 200910237942A CN 200910237942 A CN200910237942 A CN 200910237942A CN 101739820 A CN101739820 A CN 101739820A
Authority
CN
China
Prior art keywords
road
blocks
time window
road condition
time
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
CN200910237942A
Other languages
English (en)
Other versions
CN101739820B (zh
Inventor
李建军
贾学力
梅生
昝艳
申小次
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.)
Beijing Liufen Technology Co ltd
Original Assignee
Beijing Cennavi Technologies Co Ltd
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 Beijing Cennavi Technologies Co Ltd filed Critical Beijing Cennavi Technologies Co Ltd
Priority to CN200910237942A priority Critical patent/CN101739820B/zh
Publication of CN101739820A publication Critical patent/CN101739820A/zh
Priority to PCT/CN2010/078878 priority patent/WO2011060727A1/zh
Application granted granted Critical
Publication of CN101739820B publication Critical patent/CN101739820B/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

Landscapes

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

Abstract

本发明公开了一种路况预测的方法和装置，涉及智能交通系统应用领域，以解决由于ATIS不能实现路况预测以警示出行者，导致一些交通拥堵点出现的问题。本发明提供的技术方案包括：根据历史路况数据，按照星期特征日、道路以及时间窗统计计算道路车速均值；根据所述道路车速均值以及拥堵等级标准识别出拥堵时间窗；从所述拥堵时间窗中筛选出相邻的拥堵时间窗，并合并所述相邻的拥堵时间窗形成拥堵时间带；输出拥堵时间带给交通服务系统。本发明实施例提供的技术方案，适用于智能交通领域，如ATIS等。

Description

路况预测的方法及装置
技术领域
本发明涉及智能交通系统应用领域，尤其涉及一种路况预测的方法及装置。
背景技术
先进交通信息服务系统(Advanced Traffic Information System，简称ATIS)是在完善的信息网络基础上，通过装备在道路上、车上、换乘站上、停车场上以及气象中心的传感器和传输设备，获得各类交通信息并进行综合处理，实时向社会提供全面、准确的道路交通拥堵信息。
在实现本发明过程中，发明人发现，ATIS的数据源是实时获取的，ATIS只能反馈出实时的路况信息，不能实现路况的预测以警示出行者，导致一些交通拥堵点的出现。
发明内容
本发明的实施例提供一种路况预测的方法和装置，能够解决由于ATIS不能实现路况预测以警示出行者，导致一些交通拥堵点出现的问题。
为达到上述目的，本发明的实施例采用如下技术方案：
一种路况预测的方法，包括：
根据历史路况数据，按照星期特征日、道路以及时间窗统计计算道路车速均值；根据所述道路车速均值以及拥堵等级标准识别出拥堵时间窗；从所述拥堵时间窗中筛选出相邻的拥堵时间窗，并合并所述相邻的拥堵时间窗形成拥堵时间带；输出拥堵时间带给交通服务系统。
一种路况预测的装置，包括：
统计计算单元，用于根据历史路况数据，按照星期特征日、道路以及时间窗统计计算道路车速均值；
识别单元，用于根据所述统计计算单元得出的道路车速均值以及拥堵等级标准识别出拥堵时间窗；
合并单元，用于从所述识别单元识别出的拥堵时间窗中筛选出相邻的拥堵时间窗，并合并所述相邻的拥堵时间窗形成拥堵时间带；
输出单元，用于向交通服务系统输出拥堵时间带。
本发明实施例提供的路况预测的方法和装置，由于通过历史路况数据得出拥堵时间带，即拥堵点，将该拥堵点作为ATIS的数据源，解决了由于ATIS不能实现路况预测以警示出行者，导致一些交通拥堵点出现的问题，本发明实施例提供的技术方案用于通过历史数据得出拥堵时间带，将所述拥堵时间带作为数据源，使得出行者能够预知道路的交通状况。
附图说明
图1为本发明实施例提供的路况预测的方法流程图；
图2为本发明另一个实施例提供的路况预测的方法流程图；
图3为图2所示的发明实施例提供的路况预测的方法流程图中步骤201的流程图；
图4为图2所示的发明实施例提供的路况预测的方法流程图中步骤202的流程图；
图5为本发明实施例提供的路况预测的装置结构示意图一；
图6为图5所示的发明实施例提供的路况预测装置中统计计算单元的结构示意图；
图7为图5所示的发明实施例提供的路况预测装置中识别单元的结构示意图；
图8为本发明实施例提供的路况预测的装置结构示意图二。
具体实施方式
为了解决ATIS只能反馈出实时的路况信息，不能实现路况的预测以警示出行者，导致一些交通拥堵点的出现的问题，本发明实施例提供一种路况预测的方法和装置。
如图1所示，本发明实施例提供的路况预测的方法，包括：
步骤101，根据历史路况数据，按照星期特征日、道路以及时间窗统计计算道路车速均值；
步骤102，根据所述道路车速均值以及拥堵等级标准识别出拥堵时间窗；
步骤103，从所述拥堵时间窗中筛选出相邻的拥堵时间窗，并合并所述相邻的拥堵时间窗形成拥堵时间带；
步骤104，输出拥堵时间带给交通服务系统。
本发明实施例提供的路况预测的方法，由于通过历史路况数据得出拥堵时间带，即拥堵点，将该拥堵点作为ATIS的数据源，解决了由于ATIS不能实现路况预测以警示出行者，导致一些交通拥堵点出现的问题，本发明实施例提供的技术方案用于通过历史数据得出拥堵时间带，将所述拥堵时间带作为数据源，使得出行者能够预知道路的交通状况。
为了使本领域技术人员能够更清楚地理解本发明实施例提供的技术方案，下面通过具体的实施例，对本发明实施例提供的路况预测的方法进行详细说明。
如图2所示，本发明另一个实施例提供的路况预测的方法，包括：
步骤201，根据历史路况数据，按照星期特征日、道路以及时间窗统计计算道路车速均值；
在步骤201中，所述星期特征日的取值包括周一、周二、周三、周四、周五、周六和周日。所述道路的取值包括城市的主要道路，各条道路通过道路名进行区分，如北京市主干线所有道路单元集合，西二环路、学院路等。所述时间窗是通过对00:00-23:59每隔一预设时间进行分界得到的，如每个20分钟为分界得到的时间窗集合，08:20、08:40、09:00、09:20等。
值得说明的是，不同的星期特征日下包含有仙童的时间窗集合。
在本实施例中，如图3所示，所述步骤201包括以下步骤：
步骤301，读取最近一个月城市的历史路况数据；
步骤302，将所述历史路况数据按照星期特征日分类，读取同一星期特征日下各个时间窗内各条道路的历史路况数据；
在步骤302中，所述历史路况数据星期特征日分类后，可得到集合：{最近一个月周一的所有历史路况数据，最近一个月周二的所有历史数据，...，最近一个月周日的所有历史路况数据}。
步骤303，遍历所有道路，根据所述历史路况数据计算出同一特征日下，不同日期里的相同时间窗内的道路车速均值；
在步骤303中，所述道路车速均值可以通过以下函数实现：
v＝f1(e，y，t)+f2(e，y，t)+...+fn(e，y，t)/n
其中，v为道路车速均值，f1(e，y，t)-fn(e，y，t)为最近一月同一特征日下的不同日期里的相同时间窗内的历史路况数据。
步骤304，按照道路、星期特征日以及时间窗的划分方式存储所述道路车速均值。
在步骤304中，所述道路车速均值将与道路、星期特征日以及时间窗相对应，以形成一个三维空间数据。
值得说明的是，对于历史路况数据的读取，除了读取最近一个月外，还可以认为的设定，而道路车速均值的计算也不仅限于上述函数，此处不一一赘述。
步骤202，根据所述道路车速均值以及拥堵等级标准识别出拥堵时间窗；
在步骤202中，所述拥堵等级标准包括：对于高速路和城市快速路，当时间窗内的车速均值小于30公里每小时，认为此时间窗为拥堵时间窗；对于除高速路和城市快速路外的其他等级道路，当时间窗内的车速均值小于20公里每小时，认为此时间窗为拥堵时间窗。
在本实施例中，如图4所示，所述步骤202，包括：
步骤401，读取所述道路车速均值；
步骤402，当所述道路车速均值属于拥堵等级，将该道路车速均值识别出来。
在步骤402中，在识别出拥堵等级的道路车速均值之后，找到其对应的时间窗，对该时间窗进行标识以表示其为拥堵时间窗。
在本实施例中所述拥堵等级标准可以进一步细化，此处不一一赘述。
步骤203，从所述拥堵时间窗中筛选出相邻的拥堵时间窗，并合并所述相邻的拥堵时间窗形成拥堵时间带。
在本实施例中，所述相邻的拥堵时间窗至少包括连个时间连续的时间窗，如，在以20分钟为分界得出的时间窗中，08:20、08:40、09:00与09:20为相邻的时间窗。若学院路周一的时间窗08:20、08:40、09:00相对应的道路车速均值都属于拥堵等级，则将时间窗08:20、08:40、09:00合并为时间带08:20-09:00为拥堵时间带，即周一，学院路在08:20-09:00时为拥堵点。
为了更精确所述拥堵点的拥堵状态，所述步骤203之后，还包括：
步骤204，提取所述拥堵时间带内所有的道路车速均值，对所述所有的道路车速均值进行二次均值计算得出拥堵时间带车速均值。
在本实施例中，所述拥堵时间带车速均值通过拥堵时间带内的所有道路车速均值的相加，再除以拥堵时间带内拥堵时间窗的个数得到。如，08:40-09:00拥堵时间带内含有道路车速均值：24公里每小时，12公里每小时，18公里每小时，该拥堵时间带含有3个拥堵时间窗，则该拥堵时间带车速均值＝(24+12+18)/3＝18公里每小时。
为了使得拥堵时间带有序地提供给ATIS，所述方法还包括：
步骤205，将所述拥堵时间带按照其相对应的拥堵时间带车速均值进行排序。
值得说明的是，可以对所述拥堵时间带车速均值进行由大到小的排序，也可以是由小到大的排序；
步骤206，输出拥堵时间带给交通服务系统。
本发明实施例提供的路况预测的方法，由于通过历史路况数据得出拥堵时间带，即拥堵点，将该拥堵点作为ATIS的数据源，解决了由于ATIS不能实现路况预测以警示出行者，导致一些交通拥堵点出现的问题，本发明实施例提供的技术方案用于通过历史数据得出拥堵时间带，将所述拥堵时间带作为数据源，使得出行者能够预知道路的交通状况。
如图5所示，本发明实施例提供的路况预测的装置，包括：
统计计算单元501，用于根据历史路况数据，按照星期特征日、道路以及时间窗统计计算道路车速均值；具体的实现方法可以参见如图2所示的步骤201所述，此处不再赘述。
在本实施例中，所述统计计算单元，如图6所示，包括：
读取子单元5011，用于读取最近一个月城市的历史路况数据；具体的实现方法可以参见如图3所示的步骤301所述，此处不再赘述。
统计子单元5012，用于将所述读取子单元读取的历史路况数据按照星期特征日分类，读取同一星期特征日下各个时间窗内各条道路的历史路况数据；具体的实现方法可以参见如图3所示的步骤302所述，此处不再赘述。
计算子单元5013，用于遍历所有道路，根据所述统计子单元统计出来的历史路况数据计算出同一特征日下，不同日期里的相同时间窗内的道路车速均值；具体的实现方法可以参见如图3所示的步骤303所述，此处不再赘述。
存储子单元5014，用于按照道路、星期特征日以及时间窗的划分方式存储所述道路车速均值。具体的实现方法可以参见如图3所示的步骤304所述，此处不再赘述。
识别单元502，用于根据所述统计计算单元得出的道路车速均值以及拥堵等级标准识别出拥堵时间窗；具体的实现方法可以参见如图2所示的步骤202所述，此处不再赘述。
在本实施例中，所述识别单元，如图7所示，包括：
读取子单元5021，用于读取所述统计计算单元中的道路车速均值；具体的实现方法可以参见如图4所示的步骤402所述，此处不再赘述。
识别子单元5022，用于在所述读取子单元中的道路车速均值属于拥堵等级时，将该道路车速均值识别出来；具体的实现方法可以参见如图2所示的步骤202所述，此处不再赘述。
合并单元503，用于从所述识别单元识别出的拥堵时间窗中筛选出相邻的拥堵时间窗，并合并所述相邻的拥堵时间窗形成拥堵时间带；具体的实现方法可以参见如图2所示的步骤203所述，此处不再赘述。
输出单元504，用于向交通服务系统输出拥堵时间带。具体的实现方法可以参见如图2所示的步骤206所述，此处不再赘述。
为了使得拥堵时间带精确有序地提供给ATIS，如图8所示，所述装置还包括：
提取单元505，用于提取所述合并单元内得到的所述拥堵时间带内的所有道路车速均值；具体的实现方法可以参见如图2所示的步骤204所述，此处不再赘述。
二次计算单元506，用于对所述提取单元内提取的所有的道路车速均值进行二次均值计算得出拥堵时间带车速均值；具体的实现方法可以参见如图2所示的步骤204所述，此处不再赘述。
排序单元507，用于将所述拥堵时间带按照其相对应的拥堵时间带车速均值进行排序。具体的实现方法可以参见如图2所示的步骤205所述，此处不再赘述。
本发明实施例提供的路况预测的装置，由于通过历史路况数据得出拥堵时间带，即拥堵点，将该拥堵点作为ATIS的数据源，解决了由于ATIS不能实现路况预测以警示出行者，导致一些交通拥堵点出现的问题，本发明实施例提供的技术方案用于通过历史数据得出拥堵时间带，将所述拥堵时间带作为数据源，使得出行者能够预知道路的交通状况。
本发明实施例提供的路况预测的方法及装置适用于智能交通领域，如ATIS等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种路况预测的方法，其特征在于，包括：
根据历史路况数据，按照星期特征日、道路以及时间窗统计计算道路车速均值；
根据所述道路车速均值以及拥堵等级标准识别出拥堵时间窗；
从所述拥堵时间窗中筛选出相邻的拥堵时间窗，并合并所述相邻的拥堵时间窗形成拥堵时间带；
输出拥堵时间带给交通服务系统。
2.根据权利要求1所述的方法，其特征在于，所述根据历史路况数据，按照星期特征日、道路以及时间窗统计计算道路车速均值，包括：
读取最近一个月城市的历史路况数据；
将所述历史路况数据按照星期特征日分类，读取同一星期特征日下各个时间窗内各条道路的历史路况数据；
遍历所有道路，根据所述历史路况数据计算出同一特征日下，不同日期里的相同时间窗内的道路车速均值；
按照道路、星期特征日以及时间窗的划分方式存储所述道路车速均值。
3.根据权利要求1所述的方法，其特征在于，所述根据所述道路车速均值以及拥堵等级标准识别出拥堵时间窗，包括：
读取所述道路车速均值；
当所述道路车速均值属于拥堵等级，将该道路车速均值识别出来。
4.根据权利要求1所述的方法，其特征在于，所述相邻的拥堵时间窗至少包括连个时间连续的时间窗。
5.根据权利要求1或4所述的方法，其特征在于，所述从所述拥堵时间窗中筛选出相邻的拥堵时间窗，并合并所述相邻的拥堵时间窗形成拥堵时间带之后，还包括：
提取所述拥堵时间带内所有的道路车速均值，对所述所有的道路车速均值进行二次均值计算得出拥堵时间带车速均值。
6.根据权利要求5所述的方法，其特征在于，还包括：
将所述拥堵时间带按照其相对应的拥堵时间带车速均值进行排序。
7.一种路况预测的装置，其特征在于，包括：
统计计算单元，用于根据历史路况数据，按照星期特征日、道路以及时间窗统计计算道路车速均值；
识别单元，用于根据所述统计计算单元得出的道路车速均值以及拥堵等级标准识别出拥堵时间窗；
合并单元，用于从所述识别单元识别出的拥堵时间窗中筛选出相邻的拥堵时间窗，并合并所述相邻的拥堵时间窗形成拥堵时间带；
输出单元，用于向交通服务系统输出拥堵时间带。
8.根据权利要求7所述的装置，其特征在于，所述统计计算单元，包括：
读取子单元，用于读取最近一个月城市的历史路况数据；
统计子单元，用于将所述读取子单元读取的历史路况数据按照星期特征日分类，读取同一星期特征日下各个时间窗内各条道路的历史路况数据；
计算子单元，用于遍历所有道路，根据所述统计子单元统计出来的历史路况数据计算出同一特征日下，不同日期里的相同时间窗内的道路车速均值；
存储子单元，用于按照道路、星期特征日以及时间窗的划分方式存储所述道路车速均值。
9.根据权利要求7所述的装置，其特征在于，所述识别单元，包括：
读取子单元，用于读取所述统计计算单元中的道路车速均值；
识别子单元，用于在所述读取子单元中的道路车速均值属于拥堵等级时，将该道路车速均值识别出来。
10.根据权利要求7所述的装置，其特征在于，还包括：
提取单元，用于提取所述合并单元内得到的所述拥堵时间带内的所有道路车速均值；
二次计算单元，用于对所述提取单元内提取的所有的道路车速均值进行二次均值计算得出拥堵时间带车速均值；
排序单元，用于将所述拥堵时间带按照其相对应的拥堵时间带车速均值进行排序。
CN200910237942A 2009-11-19 2009-11-19 路况预测的方法及装置 Active CN101739820B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN200910237942A CN101739820B (zh) 2009-11-19 2009-11-19 路况预测的方法及装置
PCT/CN2010/078878 WO2011060727A1 (zh) 2009-11-19 2010-11-18 路况预测的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN200910237942A CN101739820B (zh) 2009-11-19 2009-11-19 路况预测的方法及装置

Publications (2)

Publication Number Publication Date
CN101739820A true CN101739820A (zh) 2010-06-16
CN101739820B CN101739820B (zh) 2012-09-26

Family

ID=42463249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200910237942A Active CN101739820B (zh) 2009-11-19 2009-11-19 路况预测的方法及装置

Country Status (2)

Country Link
CN (1) CN101739820B (zh)
WO (1) WO2011060727A1 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101937616A (zh) * 2010-08-23 2011-01-05 北京世纪高通科技有限公司 实时交通流数据融合方法及装置
WO2011060727A1 (zh) * 2009-11-19 2011-05-26 北京世纪高通科技有限公司 路况预测的方法及装置
CN102169631A (zh) * 2011-04-21 2011-08-31 福州大学 基于流形学习的交通拥堵事件协同检测方法
CN102509445A (zh) * 2011-10-19 2012-06-20 北京世纪高通科技有限公司 路况预测因素的筛选方法及装置
CN102819955A (zh) * 2012-09-06 2012-12-12 北京交通发展研究中心 基于车辆行程数据的道路网运行评价方法
CN102842219A (zh) * 2012-08-29 2012-12-26 苏州大学 预测方法和系统
CN102930737A (zh) * 2012-11-09 2013-02-13 深圳市凯立德科技股份有限公司 一种路况信息更新方法、服务器及导航设备
CN103262135A (zh) * 2010-12-15 2013-08-21 本田技研工业株式会社 堵车预测方法
CN103488893A (zh) * 2013-09-23 2014-01-01 北京交通发展研究中心 一种桥下积水导致的交通拥堵蔓延预测技术方案
CN104157139A (zh) * 2014-08-05 2014-11-19 中山大学 一种交通拥堵预测方法及可视化方法
CN104969274A (zh) * 2013-02-01 2015-10-07 日立汽车系统株式会社 行驶控制装置和行驶控制系统
CN105258707A (zh) * 2015-11-24 2016-01-20 上海斐讯数据通信技术有限公司 一种导航优化方法、系统、及一种电子设备
CN110491144A (zh) * 2019-07-23 2019-11-22 平安国际智慧城市科技股份有限公司 基于路况预测的调整红绿灯时长的方法及相关设备
CN110555988A (zh) * 2018-05-31 2019-12-10 上海博泰悦臻网络技术服务有限公司 一种用于车机的前方路况预测方法及系统

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103035124B (zh) * 2012-12-30 2015-12-02 西安费斯达自动化工程有限公司 基于带耗散项宏观交通流模型的交通拥堵监控预报方法
CN103093617B (zh) * 2012-12-30 2015-07-08 西安费斯达自动化工程有限公司 基于宏观速度梯度粘滞交通流模型的交通拥堵监控预报方法
CN103426309B (zh) * 2013-07-29 2015-05-13 吉林大学 一种基于出租车行驶状态信息判别交通拥堵程度的方法
CN103854473A (zh) * 2013-12-18 2014-06-11 招商局重庆交通科研设计院有限公司 智能交通系统
CN104183120B (zh) * 2014-08-22 2016-04-20 杨锦才 基于路况图片的实时路况分享和点播的方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08293093A (ja) * 1995-04-20 1996-11-05 Fujitsu General Ltd 情報蓄積型自動車用道案内システム
US6177885B1 (en) * 1998-11-03 2001-01-23 Esco Electronics, Inc. System and method for detecting traffic anomalies
JP4487438B2 (ja) * 2001-04-23 2010-06-23 マツダ株式会社 情報提供システム及び情報提供方法、該システム又は方法に用いる情報提供装置、該情報提供装置を制御するためのプログラム、並びに、該プログラムを記憶した記憶媒体
JP2005062162A (ja) * 2003-07-30 2005-03-10 Pioneer Electronic Corp 交通状況報知装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体
JP4007353B2 (ja) * 2003-12-26 2007-11-14 アイシン・エィ・ダブリュ株式会社 ナビゲーションシステムにおける交通情報処理装置
US20060017588A1 (en) * 2004-07-23 2006-01-26 Inductive Signature Technologies, Inc. Congestion clock
CN100461228C (zh) * 2006-09-20 2009-02-11 烟台麦特电子有限公司 一种基于gprs的交通路况采集发布方法
JP4899756B2 (ja) * 2006-09-29 2012-03-21 アイシン・エィ・ダブリュ株式会社 交通情報作成装置及び交通情報作成方法
CN101290713A (zh) * 2008-07-11 2008-10-22 浙江工业大学 一种结合周相似特性的分形交通流预测方法
CN101739820B (zh) * 2009-11-19 2012-09-26 北京世纪高通科技有限公司 路况预测的方法及装置

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011060727A1 (zh) * 2009-11-19 2011-05-26 北京世纪高通科技有限公司 路况预测的方法及装置
CN101937616B (zh) * 2010-08-23 2012-06-27 北京世纪高通科技有限公司 实时交通流数据融合方法及装置
CN101937616A (zh) * 2010-08-23 2011-01-05 北京世纪高通科技有限公司 实时交通流数据融合方法及装置
CN103262135A (zh) * 2010-12-15 2013-08-21 本田技研工业株式会社 堵车预测方法
CN103262135B (zh) * 2010-12-15 2015-02-25 本田技研工业株式会社 堵车预测方法
CN102169631A (zh) * 2011-04-21 2011-08-31 福州大学 基于流形学习的交通拥堵事件协同检测方法
CN102509445B (zh) * 2011-10-19 2013-12-04 北京世纪高通科技有限公司 路况预测因素的筛选方法及装置
CN102509445A (zh) * 2011-10-19 2012-06-20 北京世纪高通科技有限公司 路况预测因素的筛选方法及装置
CN102842219A (zh) * 2012-08-29 2012-12-26 苏州大学 预测方法和系统
CN102842219B (zh) * 2012-08-29 2014-07-16 苏州大学 预测方法和系统
CN102819955B (zh) * 2012-09-06 2014-12-17 北京交通发展研究中心 基于车辆行程数据的道路网运行评价方法
CN102819955A (zh) * 2012-09-06 2012-12-12 北京交通发展研究中心 基于车辆行程数据的道路网运行评价方法
CN102930737A (zh) * 2012-11-09 2013-02-13 深圳市凯立德科技股份有限公司 一种路况信息更新方法、服务器及导航设备
CN104969274A (zh) * 2013-02-01 2015-10-07 日立汽车系统株式会社 行驶控制装置和行驶控制系统
CN103488893A (zh) * 2013-09-23 2014-01-01 北京交通发展研究中心 一种桥下积水导致的交通拥堵蔓延预测技术方案
CN103488893B (zh) * 2013-09-23 2017-02-15 北京交通发展研究中心 一种桥下积水导致的交通拥堵蔓延预测技术方案
CN104157139A (zh) * 2014-08-05 2014-11-19 中山大学 一种交通拥堵预测方法及可视化方法
CN105258707A (zh) * 2015-11-24 2016-01-20 上海斐讯数据通信技术有限公司 一种导航优化方法、系统、及一种电子设备
CN110555988A (zh) * 2018-05-31 2019-12-10 上海博泰悦臻网络技术服务有限公司 一种用于车机的前方路况预测方法及系统
CN110491144A (zh) * 2019-07-23 2019-11-22 平安国际智慧城市科技股份有限公司 基于路况预测的调整红绿灯时长的方法及相关设备

Also Published As

Publication number Publication date
WO2011060727A1 (zh) 2011-05-26
CN101739820B (zh) 2012-09-26

Similar Documents

Publication Publication Date Title
CN101739820B (zh) 路况预测的方法及装置
CN103258430B (zh) 路段旅行时间统计、以及交通路况判定方法和装置
CN108847042B (zh) 一种路况信息发布方法及装置
CN102394008B (zh) 使用来自移动数据源的数据估算道路交通状况
CN109147330B (zh) 一种拥堵识别方法及装置
EP2040236B1 (en) Traffic information generating method, traffic information generating apparatus, display navigation system, and electronic control unit
CN105913661B (zh) 一种基于收费数据的高速公路路段交通状态判别方法
CN102024325B (zh) 基于浮动车技术的交通堵塞点识别方法
CN101763729B (zh) 路况数据特征值提取的方法和装置
CN108848460B (zh) 基于rfid和gps数据的人车关联方法
CN110298516B (zh) 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器
CN101794512A (zh) 旅行时间预测的方法及装置
CN110553656A (zh) 一种用于车机的路况规划方法及系统
Cohen Impact of a dedicated lane on the capacity and the level of service of an urban motorway
CN106373399A (zh) 一种公交线路站点间运行瓶颈识别系统
CN110827537B (zh) 一种潮汐车道的设置方法、装置及设备
US10339799B2 (en) Method and system to identify congestion root cause and recommend possible mitigation measures based on cellular data and related applications thereof
CN103903432A (zh) 用于确定路链拥堵状况的设备和方法
CN107038877A (zh) 基于汽车电子标识的交叉口车流量预测系统
CN110211380B (zh) 一种多源交通数据融合的高速公路拥堵区间探测方法
CN116682282B (zh) 一种路内预约停车系统
CN112927497B (zh) 一种浮动车识别方法、相关方法和装置
CN114038202A (zh) 一种基于智慧园区交通流量的停车诱导系统及方法
CN210466750U (zh) 一种路况预警设备
CN102903235B (zh) 一种对实时路况进行质量评价的方法及装置

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
TR01 Transfer of patent right

Effective date of registration: 20240220

Address after: C402D, 3rd Floor, Building C, No. 9 Shangdi 3rd Street, Haidian District, Beijing, 100085

Patentee after: Beijing Liufen Technology Co.,Ltd.

Country or region after: China

Address before: 100088 Beijing City, Haidian District Zhichun Road Jinqiu International Building No. 6 B block 1601

Patentee before: CENNAVI TECHNOLOGIES Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right