CN102385799B - 交通状态预测装置 - Google Patents
交通状态预测装置 Download PDFInfo
- Publication number
- CN102385799B CN102385799B CN201110259882.XA CN201110259882A CN102385799B CN 102385799 B CN102385799 B CN 102385799B CN 201110259882 A CN201110259882 A CN 201110259882A CN 102385799 B CN102385799 B CN 102385799B
- Authority
- CN
- China
- Prior art keywords
- traffic
- traffic flow
- influence factor
- factor
- impact
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computational Linguistics (AREA)
- Atmospheric Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了用于基于交通状态统计数据来预测交通状态的交通状态预测装置(1)。该交通状态预测装置包括地图信息存储设备(12)和控制器(17)。该装置(17)响应于地图信息的更新基于更新之前和之后的地图信息之间的差异确定影响交通流的特定因素是否已经出现。该装置(17)在特定交通流影响因素已经出现时,识别由于特定交通流影响因素的出现产生的对交通流的影响。该装置(17)通过将识别出的影响包括到基于交通状态统计数据预测的交通状态中来预测交通状态。
Description
技术领域
本公开涉及交通状态预测装置,该交通状态预测装置基于通过收集与道路上的车辆的行驶相关的信息而创建的交通状态统计数据来预测交通状态。
背景技术
作为一种类型的交通状态预测装置,交通堵塞预测装置是众所周知的(例如,参考专利文献1)。交通堵塞预测装置接受因素信息的输入,该因素信息涉及与交通堵塞生成的因素相关的信息,诸如窄宽度的道路等。该装置预测由因素信息指示的因素所导致的交通堵塞的生成。通过使用该预测的结果以及对过去的交通堵塞信息(与过去的交通堵塞相关的信息)进行累积的交通堵塞数据库,该装置预测交通堵塞。
专利文献1:JP-2010-14556A
根据专利文献1中描述的装置,用户输入因素信息。因此,用户需要不断地收集和输入与交通堵塞生成的因素相关的信息,诸如大设施的新建或破坏、旁路公路的新建、道路的扩展以增加交通车道等。当没有基于与交通堵塞生成的上述因素相关的信息来恰当地输入因素信息时,交通堵塞预测精度就会降低。
发明内容
鉴于前面的描述,本公开的目的是提供能够改善交通状态预测精度的交通状态预测装置。
根据本公开的第一方面,用于基于通过收集与道路上的车辆的行驶相关的信息而被创建的交通状态统计数据来预测交通状态的交通状态预测装置包括地图信息存储设备、确定部分、影响识别部分和交通信息预测部分。地图信息存储设备存储地图信息。确定部分被配置为响应于存储在地图信息存储设备中的地图信息的更新,基于更新之前和之后的地图信息之间的差异来确定影响交通流的特定交通流影响因素是否已经出现。影响识别部分被配置为当确定部分确定特定交通流影响因素已经出现时,识别由于特定交通流影响因素的出现产生的对交通流的影响。交通信息预测部分被配置为通过将(i)由影响识别部分识别出的影响包括到(ii)基于交通状态统计数据预测的交通状态中来预测交通状态。
根据本公开的第二方面,用于基于通过收集与道路上的车辆的行驶相关的信息而被创建的交通状态统计数据来预测交通状态的交通状态预测装置包括地图信息存储设备、确定部分、影响预测数据库存储设备、影响识别部分、交通信息预测部分和统计数据删除部分。地图信息存储设备存储地图信息。确定部分被配置为响应于存储在地图信息存储设备中的地图信息的更新,基于地图信息更新之前和之后的地图信息之间的差异来确定影响交通流的特定交通流影响因素是否已经出现。影响预测数据库存储设备存储逐个因素交通流影响数据库,该逐个因素交通流影响数据库基于逐个因素预测各种交通流影响因素中的每个因素对交通流的影响。影响识别部分被配置为当确定部分确定特定交通流影响因素已经出现时,通过参考逐个因素交通流影响数据库来识别由于特定交通流影响因素的出现产生的对交通流的影响。交通信息预测部分被配置为当确定部分确定特定交通流影响因素已经出现时通过将(i)由影响识别部分识别出的影响包括到(ii)基于交通状态统计数据预测的交通状态中来预测特定区域中的交通状态,其中特定区域是特定交通流影响因素已经出现的区域。统计数据删除部分被配置为当确定部分确定特定交通流影响因素已经出现时删除交通状态统计数据的特定部分,其中,该特定部分表示特定交通流影响因素出现之前特定区域中的交通状态。在确定部分确定特定交通流影响因素已经出现之后以及在交通信息预测部分通过将识别出的影响包括到基于交通状态统计数据预测的交通状态中来预测特定区域中的交通状态之后,相继更新交通状态统计数据。交通信息预测部分还被配置为基于特定交通流影响因素出现之后相继更新的交通状态统计数据来预测特定区域中的交通状态。
根据上述的交通状态预测装置,能够改善交通状态预测精度。
附图说明
从下面参照附图的详细描述中,本公开的上述和其他目的、特征和优势将变得更加显而易见。在附图中:
图1是示出了一个实施例的交通状态预测装置的图示;
图2是示出了统计数据创建过程的流程图;
图3是示出了用于创建统计数据的由大类别、中类别和小类别进行分类的车辆行驶信息的图示;
图4是用于解释统计数据的创建的图示;
图5是示出了交通流影响预测数据库记录过程的流程图;
图6是示出了交通状态趋势数据库的图示;
图7是示出了逐个因素交通流影响数据库的图示;
图8是示出了交通流影响预测过程的流程图;
图9是解释将交通流影响因素出现的影响包括到基于统计数据预测的交通状态中的过程的图示;
图10是示出了交通状态预测过程的流程图;以及
图11是示出了在车载装置的显示设备上显示的交通状态指示屏幕的图示。
具体实施方式
将参照附图来描述实施例。
图1示出了一个实施例的交通状态预测装置1的配置。交通状态预测装置1被配置为安装在用于提供交通信息的信息中心中的服务器。交通状态预测装置1基于通过收集车辆行驶信息(其是与道路上车辆的行驶相关的信息)而创建的交通状态统计数据来预测交通状态。交通状态预测装置1无线传送包括预测的交通状态的交通信息。车载装置2安装到车辆上。车载装置2接收从交通状态预测装置1无线传送的交通信息,并基于接收到的交通信息来显示各个区域中的交通状态。
交通状态预测装置1包括通信设备10、统计数据存储设备11、地图信息存储设备12、交通状态趋势数据库存储设备13、逐个因素交通流影响数据库存储设备14、显示设备15、无线发送器16和控制器17。
通信设备10与用于收集车辆行驶信息(其是与道路上的车辆的行驶相关的信息)的装置进行通信。用于收集车辆行驶信息的装置包括信息通信系统3、行驶信息收集装置4等。信息通信系统3通过使用例如安装在路边的VICS(车辆信息和通信系统)天线来分发交通信息并收集车辆行驶信息。行驶信息收集装置4收集由探测车辆(诸如出租车等)收集到的车辆行驶信息。
统计数据存储设备11存储通过车辆行驶信息(其是与道路上的车辆的行驶相关的信息)的收集而创建的交通状态统计数据(也简称为统计数据)。
地图信息存储设备12存储最近(最新版本)的地图信息、旧版本的地图信息、地图信息差异等。地图信息差异包括不同版本的地图信息之间的提取的差异。
地图信息包括道路信息、背景信息和设施信息。道路信息指示每个链路的链路ID(标识信息)、开始坐标点、结束坐标点、长度、道路类型、道路宽度、道路形状、道路名称和车道数量等。背景信息指示河流、湖泊、海洋、铁路、设施等的位置、形状和名称。设施信息指示各种区域中的设施的名称、位置、类型、电话号码等。
在本实施例中,设施信息包括用于标识设施的规模的信息,诸如商业开放日期(年月日)、停车容量、容纳人数、雇员数量、场所面积等。新建道路的道路信息包括用于标识开放的日期(年月日)的信息。
交通状态趋势数据库存储设备13存储交通状态趋势数据库,该交通状态趋势数据库提供在交通流影响因素出现之前和之后的交通状态趋势的分析。交通流影响因素是影响交通流的因素,诸如大设施的新建、旁路公路的开通等。
逐个因素交通流影响数据库存储设备14存储交通流影响数据库。基于每个交通流影响因素,交通流影响数据库基于在过去各种交通流影响因素中的每个影响因素的出现如何影响交通流来预测各种交通流影响因素中的每个影响因素的出现对交通流的影响。
在本实施例中,统计数据存储设备11、地图信息存储设备12、交通状态趋势数据库存储设备13和逐个因素交通流影响数据库存储设备14由硬盘驱动器来构建。
显示设备15包括诸如液晶显示器等之类的显示器,并且根据从控制器17输入的图像信号来显示图像。
无线发送器16向配备有车载装置2的车辆无线传送指示交通状态的交通信息。
控制器17包括具有CPU(中央处理单元)、存储器、I/O(输入/输出)等的计算机。CPU根据存储在存储器中的程序来执行各种过程。
车载装置2包括:用于接收从交通状态预测装置1无线传送的交通信息的接收器21、用于存储各种数据的存储设备22以及用于显示各种图像的显示设备23、控制器24。控制器24包括具有CPU、I/O(输入/输出)等的计算机。CPU根据存储在存储设备22中的程序来执行各种过程。
接下来,将描述交通状态预测装置1的控制器17的过程。控制器17的过程包括地图信息更新过程、交通流影响预测数据库记录过程、交通流影响预测过程和交通状态预测过程。地图信息更新过程可以用于响应于操作者的操纵来更新存储在地图信息存储设备12中的地图信息。统计数据创建过程可以用于通过从经由通信设备10所连接的装置处收集车辆行驶信息(与道路上的车辆的行驶相关的信息)来创建交通状态统计数据。交通流影响预测数据库记录过程可以用于响应于地图信息的更新来记录交通流影响数据库。交通流影响数据库预测由于各种交通流影响因素中的每个因素(其是影响交通流的因素)的出现产生的对交通流的影响。交通流影响预测过程可以用于在确定存储在地图信息存储设备12中的地图信息被更新的情况下,基于更新之前的地图信息与更新之后的地图信息之间的差异来确定影响交通流的交通流影响因素是否已经出现。交通流影响预测过程还可以用于在确定影响交通流的交通流影响因素已经出现时预测由于交通流影响因素的出现产生的对交通流的影响。交通状态预测过程可以用于通过将在交通流影响预测过程中预测的影响包括(反映)到基于统计数据预测的交通流中来预测交通状态。
首先,将描述统计数据创建过程。图2是示出了统计数据创建过程的流程图。交通状态预测装置1的控制器17周期性地执行图2中所示的过程。
首先,在S100,控制器17经由通信设备10建立到信息通信系统3或行驶信息收集装置4的连接,并获取车辆行驶信息(其是与道路上行驶的车辆相关的信息)。
在S102,控制器17根据如图3所示的大类别、中类别和小类别中的项对在S100处获取到的车辆行驶信息进行分类,并创建交通状态统计数据,其为如图4所示按照小时进行分类的交通状态的统计。
在S104,控制器17将在S102处创建的交通状态统计数据记录在统计数据存储设备11中,并结束统计数据创建过程。
控制器17周期性地执行上面描述的统计数据创建过程,以便交通状态统计数据被累积并被存储在统计数据存储设备11中并被相继更新。
接下来,将描述交通流影响预测数据库记录过程。图5是示出了交通流影响预测数据库记录过程的流程图。响应于在地图信息更新过程中存储在地图信息存储设备12中的地图信息的更新,交通状态预测装置1的控制器17执行交通流影响预测数据库记录过程。
在S200,控制器17根据地图信息的更新来确定影响交通流的交通流影响因素是否已经出现。交通流影响因素包括例如诸如大型商业设施、工厂等之类的设施的新建,设施的关闭,设施的摧毁,设施的扩大,设施的缩小,道路的新建,道路的关闭,道路车道数量的改变等。特别地,通过参考与存储在地图信息存储设备12中的地图信息差异相关的信息,控制器17确定地图信息的更新是否已经产生影响交通流的设施信息、道路信息、背景信息等的改变。控制器17能够基于例如设施规模信息(其指示了设施规模并且包含在设施信息中)来确定所述改变是否影响了交通流。
例如,如果大型商业设施(其足够大以致会影响交通流)是新建的,则在S200中做出“是”的确定。之后,在S202,存储在统计数据存储设备11中的交通状态统计数据被划分成交通流影响因素出现之前的统计数据和交通流影响因素出现之后的统计数据。例如,如果大型商业设施是新建的,则交通状态统计数据被划分成大型商业设施建成之前的统计数据和大型商业设施建成之后的统计数据。特别地,读取包含在设施信息中的商业设施的开放日期(年月日),并且交通状态统计数据被划分成商业开放日期(年月日)之前的统计数据和商业开放日期(年月日)之后的统计数据。
在S204,分析交通流影响因素出现之前的统计数据的趋势。特别地,从统计数据存储设备11中获取交通流影响因素出现之前的统计数据,并且创建交通状态趋势数据库。如图6所示,按照小时,交通状态趋势数据库收集用于识别交通流影响因素已经出现的区域中每个道路的交通状态的信息。用于识别每个道路的交通状态的信息是例如交通堵塞程度、通过时间等。例如,如果大型商业设施是新建的,则针对该大型商业设施新建之前的统计数据来收集新建该大型商业设施的区域中的道路的基于小时的交通状态。
在S206,在统计数据存储设备11中记录交通流影响因素出现之前的统计数据的分析结果,其中,该分析结果是在S204中执行的分析的结果。
在S208,分析交通流影响因素出现之后的统计数据的趋势。特别地,从统计数据存储设备11中获取交通流影响因素出现之后的统计数据。如图6所示,控制器17按照小时收集用于识别交通流影响因素已经出现的区域中的每个道路的交通状态的信息。用于识别每个道路的交通状态的信息包括例如交通堵塞程度、通过时间等。例如,如果大型商业设施是新建的,则针对该大型商业设施新建之后的统计数据来收集新建该大型商业设施的区域中的道路的基于小时的交通状态。
在S210,在统计数据存储设备11中记录交通流影响因素出现之后的统计数据的分析结果,其中,该分析结果是在S208中执行的分析的结果。
在S212,根据交通流影响因素出现之后的统计数据的分析结果与交通流影响因素出现之前的统计数据的分析结果之间的差异,控制器17识别由于交通流影响因素的出现产生的对交通流的影响,并且控制器17在逐个因素交通流影响数据库存储设备14中记录由于交通流影响因素的出现产生的识别出的对交通流的影响。图7示出了逐个因素交通流影响数据库的配置。如图7所示,交通状态每小时的改变量存储在逐个因素交通流影响数据库中,并且根据地图改变因素类别和目标道路类别中的项对其进行分类。在本实施例中,地图改变因素类别中的项包括交通流影响因素的规模和交通流影响因素的类型。目标道路类别中的项包括与受交通流影响因素影响的区域相关联的项。
当根据地图信息的更新得到影响交通流的交通流影响因素已经出现时,在S200中做出“否”的确定。在这种情况下,控制器17在不执行上面描述的交通流影响因素的分析等的情况下结束交通流影响预测数据库记录过程。
通过反复地执行上面的交通流影响预测数据库记录过程,当地图信息在过去被更新后,控制器17基于逐个因素建立由各种交通流影响因素对交通流的影响构成的数据库。该数据库被累积并被存储到逐个因素交通流影响数据库存储设备14中。
接下来,将描述交通流影响预测过程。图8是示出了交通流影响预测过程的流程图。提供交通流影响预测过程,以响应于地图信息的将要被执行的更新来预测交通状态。响应于预定的触发,交通状态预测装置1的控制器17执行图8中所示的过程。预定触发是例如用户的指令,或者在地图信息更新过程中存储在地图信息存储设备12中的地图信息的更新。
在S300,控制器17根据地图信息的更新来确定影响交通流的交通流影响因素是否已经出现。应当指出的是,S300可以基本上与S200相同。
例如,如果大型商业设施(其足够大以致会影响交通流)是新建的,则在S300中做出“是”的确定。在S302,控制器17确定与已经出现的交通流影响因素相对应的数据是否被存储在逐个因素交通流影响数据库存储设备14中。
例如,考虑这样一种示例性情况,即新建的大型商业设施的规模为500个车辆停车位。在这种情况下,如果将具有同一条件“新建的大型商业设施的规模为500个车辆停车位”的交通流影响因素存储在逐个因素交通流影响数据库存储设备14中,则在S302中做出“是”的确定,并且该过程转到S304。在S304,将改变考虑系数设置为“1.0”。改变考虑系数是用于校正交通流影响因素对交通流的影响的系数。例如,当存储各种交通流影响因素的逐个因素交通流影响数据库存储设备14不具有与已经根据地图更新得到的交通流影响因素相同的交通流影响因素而是具有与已经根据地图更新得到的交通流影响因素相类似的交通流影响因素时,将类似交通流影响因素对交通流的影响向着已经根据地图更新得到的交通流影响因素的方向校正。这样,控制器17能够通过参考逐个因素交通流影响数据库,使用设施的停车场容量来识别该设施的建成对交通流的影响。
在S306,识别交通状态的趋势,以便将由于地图更新导致的交通流影响因素出现产生的对交通流的影响包括到(反映到)基于统计数据预测的交通状态中。此外,指示交通状态的识别出的趋势的信息被记录在交通状态趋势数据库存储设备13中。考虑示例性的情况,即工厂是新建的。在这种情况下,如图9A所示,使用存储在统计数据存储设备11中的统计数据来分析工厂新建成之前的趋势。之后,如图9B所示,使用存储在逐个因素交通流影响数据库存储设备14中的逐个因素交通流影响数据库来识别工厂新建对交通流的影响。之后,如图9C所示,将对交通流的识别出的影响包括到(反映到)基于统计数据的分析结果得到的交通状态中,并且在交通状态趋势数据库存储设备13中记录指示包括(反映)识别出影响的交通状态的信息。
在本实施例中,控制器17获取附带了与因地图更新得到的交通流影响因素相同条件的某个交通流影响因素。通过将改变考虑系数包括到(反映到)所获取的某个交通流影响因素中,控制器17预测由于地图更新导致的交通流影响因素的出现产生的对交通流的影响。控制器17通过将对交通流的预测影响包括到(反映到)基于统计数据预测的交通流中来预测交通流。
在本实施例中,控制器17从逐个因素交通流影响数据库存储设备14中获取具有与根据地图更新得到的交通流影响因素所具有的条件相同或相类似条件的某个交通流影响因素。通过将改变考虑系数包括到(反映到)所获取的某个交通流影响因素中,控制器17预测由于地图更新导致的交通流影响因素的出现产生的对交通流的影响。控制器17通过将对交通流的预测影响包括到(反映到)基于统计数据预测的交通流中来预测交通状态。
当改变考虑系数为1.0时,控制器17通过将(i)从逐个因素交通流影响数据库存储设备14中获取的影响(例如,交通拥塞程度、通过时间、交通量)用作(ii)由于地图更新导致的交通流影响因素的出现产生的对交通流的影响,来预测由于地图更新导致的交通流影响因素的出现产生的对交通流的影响。
在S308,删除交通流影响因素出现之前的统计数据。考虑示例性的情况,即大型商业设施是新建的,并且该大型商业设施的设施信息指示该设施在6月1日用于商业开放。在该情况下,如果商业开放日期之前的统计数据被保存在统计数据存储设备11中,则会降低交通状态预测精度。出于这个原因,从统计数据存储设备11中删除6月1日之前的统计数据。
当具有与根据地图更新得到的交通流影响因素同一条件的交通流影响因素被存储在逐个因素交通流影响数据库存储设备14中时,在S302中做出“否”的确定,并且该过程转到S310。在S310,控制器17搜索与根据地图更新得到的交通流影响因素最接近(最相似)的交通流影响因素。
现在,考虑这样一种示例性情况,即根据地图更新得到的交通流影响因素是“新建的大型商业设施的规模为250个车辆停车位”。当具有条件“新建的大型商业设施的规模为500个车辆停车位”的交通流影响因素被存储在逐个因素交通流影响数据库存储设备14中并且最接近与根据地图更新得到的交通流影响因素时,控制器17在S312处根据这些因素之间的相似度来计算改变考虑系数。例如,改变考虑系数可以被计算为与停车场的容量(能够停在该停车场的车辆的数量)成比例。在该情况下,由于根据地图更新得到的交通流影响因素的停车场容量是250辆车并且是与根据地图更新得到的交通流影响因素最接近的所存储交通流影响因素的停车场容量的一半,所以改变考虑系数被计算为“0.5”,并且该过程转到S308。这样,控制器17能够通过参考逐个因素交通流影响数据库,使用设施的停车场容量来识别该设施的建成对交通流的影响。
在该情况下,在S308,控制器17计算由于地图更新导致的交通流影响因素的出现产生的对交通流的影响,从而将0.5的改变考虑系数包括到(乘以)与由于地图更新导致的交通流影响因素的出现产生的对交通流的影响最接近(具有最高的相似度)的影响中。例如,关于交通堵塞程度,依赖于改变额外系数,将交通堵塞程度的等级降低预定等级量(例如,一个等级)。关于通过时间,依赖于改变考虑系数,将通过时间降低预定时间量。关于交通量,依赖于改变考虑系数,将交通量降低预定车辆数量。通过上面的方式,计算出由于交通流影响因素的出现产生的对交通流的影响。
当根据地图信息的更新尚未出现影响交通流的交通流影响因素时,在S300中做出“否”的确定,并且该过程转到S314。在S314,基于存储在统计数据存储设备11中的统计数据来分析各种区域中的交通状态的趋势。
在S316,将分析结果存储在交通状态趋势数据库存储设备13中。在上面的描述中,例如,如果已经在S308处通过将由于地图更新导致的交通流影响因素的出现产生的对交通流的影响包括(反映)到基于统计数据预测的交通状态中并且如果指示该预测的交通状态的信息被存储在交通状态趋势数据库存储设备13中,则交通状态数据库被更新以便在S314处分析的交通状态的趋势被包括(反映)到存储在交通状态趋势数据库存储设备13中的交通状态中。例如,通过计算在交通状态趋势数据库存储设备13中存储的交通状态中包含的交通量和S314处分析的交通状态中包含的交通量之间的权重平均值来更新交通状态数据库。
接下来,将描述交通状态预测过程。图10是示出了交通状态预测过程的流程图。交通状态预测装置1的控制器17响应于用户的指令来执行交通状态预测过程。
在S400,控制器17从交通状态趋势数据库存储设备13中获取交通状态趋势数据库。
在S402,控制器17指定预测日期和时间。特别地,控制器17使得显示设备15显示用于输入预测日期和时间的预测日期和时间输入窗,并且根据用户基于预测日期和时间输入窗而输入的信息,来指定预测日期和时间。
在S404,通过参考交通状态趋势数据库,控制器17预测在S402处指定的预测日期和时间处各种区域中的交通状态。另外,控制器17促使无线发送器16无线地发送指示预测的交通状态的交通信息。特别地,通过参考交通状态趋势数据库,控制器17预测在S402处指定的预测日期和时间处各种区域中的交通状态。控制器17基于交通流影响数据库中包含的且与交通流影响因素对交通流的影响相关联的数据,来预测与由于交通流影响因素的出现产生的对交通流的影响相关联的受影响区域(通过影响识别模块或部分来识别)。控制器17创建引导窗来在地图上显示受影响的区域。另外,还在引导窗上叠加用于注意到由于交通流影响因素的出现产生的对交通流的影响的消息。另外,控制器17使得无线发送器16无线传送交通信息,该交通信息包括指示预测的交通状态和所创建的引导窗的信息。这样,就能够无线传送包括交通状态(其具有各个区域中的交通堵塞程度、通过时间和交通量)的交通信息的预测。
当安装到车辆上的车载装置2接收到从交通状态预测装置1无线传送的交通信息时,该车载装置2基于接收到的交通信息来在显示设备23上显示各个区域中的交通状态。
图11示出了用于在车载装置2的显示设备23上指示交通状态的显示器的示例。在本实施例中,当根据地图更新得到的设施、道路等的改变影响了交通流时,该显示器显示与影响交通流的设施、道路等的改变相关的引导。在图11中,与影响交通流的新建工厂相关联的受影响区域被叠加在地图上。另外,还显示用于注意到新建工厂对交通流的影响的消息。
根据上面的配置,响应于存储在地图信息存储模块或部分(例如,地图信息存储设备12)中的地图信息的更新,基于更新之前的地图信息与更新之后的地图信息之间的差异来确定影响交通流的交通流影响因素是否已经出现。当确定该交通流影响因素已经出现时,就预测该交通流影响因素的出现对交通流的影响,并且预测交通状态,以便将由于交通流影响因素的出现产生的对交通流的预测影响包括到基于统计数据预测的交通状态中。因此,能够改善交通状态预测精度。
而且,通过参考逐个因素交通流影响数据库来预测由于交通流影响因素的出现产生的对交通流的影响。因此,在交通流影响因素出现之后,能够通过使用逐个因素交通流影响数据库来立刻预测由于交通流影响因素的出现产生的对交通流的影响。应当指出的是,逐个因素交通流影响数据库包括逐个因素描述(预测)各种交通流影响因素对交通流的影响的数据库。
而且,响应于存储在地图信息存储设备中的地图信息的更新,执行用于记录逐个因素交通流影响数据库存储设备中的逐个因素交通流影响数据库的过程。因此,能够构建反映交通流影响因素对交通流的实际影响的逐个因素交通流影响数据库。
而且,当确定交通流影响因素已经出现时,就删除交通状态统计数据的特定部分。在上面的描述中,所述特定部分表示交通流影响因素出现之前特定区域中的交通状态的统计,并且特定区域是交通流影响因素已经出现的区域。也就是说,由于删除了交通状态统计数据的特定部分(其表示交通流影响因素出现之前的交通状态的统计并且在预测交通状态时是不需要的),所以能够改善交通状态预测精度。
而且,当确定交通流影响因素已经出现时,预测由于交通流影响因素产生的对交通流的影响,并且通过将出现的交通流影响因素对交通流的影响包括到基于统计数据预测的交通状态中来预测交通状态。之后,相继更新交通状态统计数据。之后,基于在交通流影响因素出现之后被相继更新的交通状态统计数据,来预测特定区域中的交通状态。因此,能够改善交通状态预测精度。
而且,交通流影响数据包括受影响区域的数据,其指示受到相应交通流影响因素的影响的区域。基于包含在交通流影响数据中的受影响区域的数据,影响识别模块或部分(控制器17)预测具有受交通流出现影响的交通流的受影响区域。另外,创建用于在地图上显示受影响区域的引导窗。因此,用户能够可视化地容易地辨别具有受交通流影响因素的出现的影响的交通流的受影响区域。
而且,在引导窗上还叠加用于注意到交通流影响因素的出现对交通流的影响的消息。因此,用户能够可视化地容易地辨别交通流影响因素的出现对交通流的影响。
本发明的实施例并不局限于上面描述的实施例,并且可以具有各种变形,变形的示例将在下面描述。
在上面的实施例中,安装在信息中心的服务器被配置为用作交通状态预测装置1。可替换地,车载装置2可以具有交通状态预测装置1的功能,并且车载装置2可以被配置为用作交通状态预测装置1。
在上面的实施例中,交通状态预测装置1执行用于记录并累积逐个因素交通流影响数据库存储设备中的逐个因素交通流影响数据库的过程,从而逐个因素交通流影响数据库包括:数据库,其在地图信息更新时基于逐个因素预测各种交通流影响因素中的每个影响因素对交通流的影响。可替换地,例如,考虑到过去已经出现的对交通流的影响,逐个因素交通流影响数据库存储设备可以存储由用户创建的逐个因素交通流影响数据库。
在上面的实施例中:使用统计数据来分析工厂新建之前的交通流趋势;使用逐个因素交通流影响数据库来识别由于新建工厂产生的对交通流的影响;以及将识别出的对交通流的影响包括到基于统计数据分析结果得到的交通状态中。可替换地,可以不分析工厂新建之前的交通流趋势。相反地,例如,可以分析位于新建工厂周围并且不受新建工厂影响的区域中的交通流的趋势。之后,可以使用逐个因素交通流影响数据库来识别新建工厂对交通流的影响,并且可以将识别出的对交通流的影响包括到基于统计数据分析结果得到的交通状态中。
在上面的实施例中,用于指示交通状态的显示器显示地图窗口和消息。在地图窗口上,叠加具有受到新建工厂影响的交通流的受影响区域。提供所述消息以注意到新建工厂对交通流的影响。可替换地,例如,如果正在建设新的大型设施,则用于指示交通状态的显示器可以显示来自负责影响交通流的设施的人员的消息,例如,“由于新的大型设施的建设,该设施周围的道路交通会在上午8点和9点之间以及下午5点和6点之间出现堵塞。抱歉带来不便。谢谢您的合作。”。通过显示这种类型的消息,负责该设施的人员能够向公众显示影响程度,并且能够完成他的社会责任。
在上面的实施例中,用于指示交通状态的显示器显示地图窗口和消息。在地图窗口上,叠加具有受到新建工厂影响的交通流的受影响区域。提供所述消息以注意到新建工厂对交通流的影响。可替换地,例如,如果新的道路已经建设完成,则用于指示交通状态的显示器可以显示来自负责该新的道路的人员的关于该新的道路的建设目的的消息,例如,“已经建设了旁路公路来缓解国道1上的“A”点周围在上午6点和9点之间的长期交通堵塞。我们希望这对您有帮助。”。通过显示这种类型的消息,负责该道路的人员能够向公众显示道路改变等的目的。
在上面实施例的示例情况下,改变考虑系数在S312中被计算为0.5,因为根据地图更新得到的交通流影响因素的停车场容量是250辆车并且是与根据地图更新得到的交通流影响因素最类似的交通流影响因素的停车场容量的一半。然而,这种计算改变考虑系数的方式仅是示例,并且并不限制其它实施例。
在上面的实施例中,交通状态预测装置被配置为:基于更新之前和之后的地图信息之间的差异来识别影响交通流的交通流影响因素;以及通过将交通流影响因素的出现对交通流的影响包括到基于交通状态统计数据库(其通过收集车辆行驶信息而被创建)预测的交通状态中来预测交通状态。可替换地,例如,交通状态预测装置还可以具有通过考虑交通状态预测结果检索从离开点和目的地点开始的引导路线的功能。例如,可以检索具有最小行驶时间的路线。可替换地,可以相继使用交通状态预测结果来计算和更新目的地到达时间。
在上面的实施例中,地图信息存储设备12可以对应于地图信息存储模块或部分。执行S300的控制器17可以对应于确定模块或部分。执行S304、S306、S310、S312和S400到S404的控制器17可以对应于影响识别模块或部分以及交通信息预测模块或部分。逐个因素交通流影响数据库存储设备14可以对应于逐个因素交通流影响预测数据库存储设备模块或部分(并且简称为“影响预测数据库存储设备”)。执行图5所示的交通流影响预测数据库记录过程的控制器17可以对应于逐个因素交通流影响预测数据库记录模块或部分(也简称为“影响数据库记录模块或部分”)。执行S404的控制器17可以对应于引导窗创建模块或部分。执行S308的控制器17可以对应于统计数据删除模块或部分。
根据实施例的一个示例,可以以下面的方式来配置用于基于通过收集与道路上的车辆的行驶相关的信息而创建的交通状态统计数据来预测交通状态的交通状态预测装置。交通状态预测装置包括地图信息存储设备、确定部分、影响识别部分和交通信息预测部分。地图信息存储设备存储地图信息。确定部分被配置为响应于存储在地图信息存储设备中的地图信息的更新,来基于更新之前和之后的地图信息之间的差异来确定影响交通流的特定交通流影响因素是否已经出现。影响识别部分被配置为当确定部分确定特定的交通流影响因素已经出现时识别由于特定交通流影响因素的出现产生的对交通流的影响。交通信息预测部分被配置为通过将(i)由影响识别部分识别出的影响包括到(ii)基于交通状态统计数据预测的交通状态中来预测交通状态。
根据上面的配置,响应于存储在地图信息存储设备中的地图信息的更新,基于更新之前的地图信息和更新之后的地图信息之间的差异来确定影响交通流的特定交通流影响因素是否已经出现。当确定交通流影响因素已经出现时,预测由于特定交通流影响因素的出现产生的对交通流的影响,并且通过将(i)由于特定交通流影响因素的出现产生的对交通流的影响包括到(ii)基于统计数据预测的交通状态中来预测交通状态。因此,能够改善交通状态预测精度。
上面的交通状态预测装置可以被配置为还包括存储逐个因素交通流影响数据库的影响预测数据库存储设备,该逐个因素交通流影响数据库基于逐个因素预测各种交通流影响因素中的每个因素对交通流的影响。通过参考逐个因素交通流影响数据库,影响识别部分可以识别由于特定交通流影响因素的出现产生的对交通流的影响。
根据上面的配置,因为通过参考逐个因素交通流影响数据库来预测由于特定交通流影响因素的出现产生的对交通流的影响,所以能够通过使用逐个因素交通流预测数据库,预测刚好在特定交通流影响因素出现之后由于特定交通流影响因素的出现产生的对交通流的影响。
上面的交通状态预测装置可以被配置为还包括影响数据库记录部分,该影响数据库记录部分被配置为响应于存储在地图信息存储设备中的地图信息的更新,执行记录影响预测数据库存储设备中的逐个因素交通流影响数据库的操作。
根据上面的配置,响应于存储在地图信息存储设备中的地图信息的更新,执行用于记录影响预测数据库存储设备中的逐个因素交通流影响数据库的过程。因此,能够构建反映交通流影响因素对交通流的实际影响的逐个因素交通流影响数据库。
上面的交通状态预测装置可以被配置为还包括统计数据删除部分,该统计数据删除部分被配置为当确定部分(17)确定特定交通流影响因素已经出现时删除交通状态统计数据的特定部分。该特定部分表示在特定交通流影响因素出现之前特定区域中的交通状态。该特定区域是特定交通流影响因素已经出现的区域。
根据上面的配置,当确定特定交通流影响因素已经出现时,就删除交通状态统计数据的特定部分。也就是说,由于删除了交通状态统计数据的在预测交通状态时不需要的特定部分,所以能够改善交通状态预测精度。
根据实施例的一个示例,用于基于通过收集与道路上的车辆的行驶相关的信息而被创建的交通状态统计数据来预测交通状态的交通状态预测装置包括地图信息存储设备、确定部分、影响预测数据库存储设备、影响识别部分、交通信息预测部分和统计数据删除部分。地图信息存储设备存储地图信息。确定部分被配置为响应于存储在地图信息存储设备中的地图信息的更新,来基于地图信息更新之前和之后的地图信息之间的差异来确定影响交通流的特定交通流影响因素是否已经出现。影响预测数据库存储设备存储逐个因素交通流影响数据库,该逐个因素交通流影响数据库基于逐个因素预测各种交通流影响因素中的每个因素对交通流的影响。影响识别部分被配置为当确定部分确定特定的交通流影响因素已经出现时通过参考逐个因素交通流影响数据库来识别由于特定交通流影响因素的出现产生的对交通流的影响。交通信息预测部分被配置为当确定部分确定特定交通流影响因素已经出现时通过将(i)由影响识别部分识别出的影响包括到(ii)基于交通状态统计数据预测的交通状态中来预测特定区域中的交通状态,其中特定区域是特定交通流影响因素已经出现的区域。统计数据删除部分被配置为当确定部分确定特定交通流影响因素已经出现时删除交通状态统计数据的特定部分,其中,该特定部分表示特定交通流影响因素出现之前特定区域中的交通状态。在确定部分确定特定交通流影响因素已经出现之后以及在交通信息预测部分已经通过将识别出的影响包括到基于交通状态统计数据而预测的交通状态中来预测特定区域中的交通状态之后,相继更新交通状态统计数据。交通信息预测部分还被配置为在特定交通流影响因素出现之后,基于已经被相继更新的交通状态统计数据来预测特定区域中的交通状态。
根据上面的配置,响应于地图信息的更新,基于地图信息更新之前和地图信息更新之后的差异来确定特定交通流影响因素是否已经出现。当确定特定交通流影响因素已经出现时,通过参考逐个因素交通流影响数据库来识别由于特定交通流影响因素的出现产生的对交通流的影响。预测特定交通流影响因素已经出现的特定区域中的交通状态,以使得由影响识别部分识别出的影响被包括到基于交通状态统计数据预测的交通状态中。而且,当确定特定交通流影响因素已经出现时,删除交通状态统计数据的特定部分,并且之后基于在交通流影响因素出现之后被相继更新的交通状态统计数据来预测特定区域中的交通状态。因此,能够改善交通状态预测精度。
上面的交通状态预测装置可以被配置,以便:逐个因素交通流影响数据库包含各种交通流影响因素中的每个影响因素的类型的数据、各种交通流影响因素中的每个影响因素的规模、因各种交通流影响因素中的每个影响因素导致的交通流每小时的变化以及具有受各种交通流影响因素中的每个影响因素影响的交通流的受影响区域。
在上面的配置中,每个交通流影响因素的类型可以被描述为例如诸如大型商业设施、工厂等之类的设施的新建,设施的关闭,设施的摧毁,设施的扩大,设施的缩小,道路的新建,道路的关闭,道路车道数量的改变等。每个交通流影响因素的规模可以被描述为例如停车容量、容纳人数、雇员数量、场所面积等。
上面的交通状态预测装置可以被配置,以便:影响识别部分还被配置为根据包含在基于逐个因素的交通流影响数据库中的受影响区域的数据来识别特定区域(其是因特定交通流影响因素的出现而受到影响的区域)。另外,交通信息预测装置可以被配置为还包括:引导窗创建部分,其被配置为创建用于在地图上显示由影响识别部分识别的特定区域的引导窗。
根据上面的配置,交通流影响数据包含受影响区域的数据,其指示受到每个交通流影响因素影响的区域。基于包含在交通流影响数据中的受影响区域的数据,由影响识别模块或部分来预测其中特定交通流影响因素的出现影响了交通流的受影响区域。创建用于在地图上显示受影响区域的引导窗。因此,用户能够可视化地容易地辨别其中交通流影响因素的出现影响了交通流的受影响区域。
上面的交通状态预测装置可以被配置,以便:引导窗创建部分还被配置为在引导窗上叠加用于注意到由于特定交通流影响因素的出现产生的对交通流的影响的消息。
根据上面的配置,在引导窗上叠加用于注意到由于特定交通流影响因素的出现产生的对交通流的影响的消息。因此,用户能够可视化地容易地辨别由于特定交通流影响因素的出现产生的对交通流的影响。
上面的交通状态预测装置可以以下述方式被配置。特定交通流影响因素包括设施(包括大型商业设施和工厂)的新建、关闭、摧毁、扩大和缩小。另外,特定交通流影响因素可以包括道路的新建、道路的关闭和道路车道数量的改变。例如,当特定交通流影响因素被识别为设施的新建时,影响识别部分(17)可以使用设施的停车场容量通过参考逐个因素交通流影响数据库而识别设施新建对交通流的影响。
可替代地,上面的交通状态预测装置可以以下述方式被配置。影响识别部分(17)被配置为通过以下方法来识别由于特定交通流影响因素的出现产生的对交通流的影响:在各种交通流影响因素中检索各种交通流影响因素中与出现的特定交通流影响因素最类似的一个影响因素;计算用于指示特定交通流影响因素与各种交通流影响因素中检索到的一个影响因素之间的类似度的改变考虑系数;以及将该改变考虑系数包括到由于特定交通流影响因素的出现产生的对交通流的影响中。
Claims (18)
1.一种用于基于通过收集与道路上的车辆的行驶相关的信息而创建的交通状态统计数据来预测交通状态的交通状态预测装置,所述交通状态预测装置包括:
地图信息存储设备(12),用于存储地图信息;
确定部分,其被配置为响应于存储在所述地图信息存储设备(12)中的所述地图信息的更新,基于所述更新之前和之后的地图信息之间的差异来确定影响交通流的特定交通流影响因素是否已经出现;
影响识别部分,其被配置为当所述确定部分确定所述特定交通流影响因素已经出现时,识别由于所述特定交通流影响因素的出现而产生的对所述交通流的影响;以及
交通信息预测部分,其被配置为通过将由所述影响识别部分识别出的影响包括到基于所述交通状态统计数据预测的交通状态中来预测所述交通状态,
所述的交通状态预测装置还包括:
影响预测数据库存储设备(14),用于存储逐个因素交通流影响数据库,所述逐个因素交通流影响数据库基于逐个因素预测各种交通流影响因素中的每个影响因素对所述交通流的影响,
其中:
通过参考所述逐个因素交通流影响数据库,所述影响识别部分识别由于所述特定交通流影响因素的出现而产生的对所述交通流的影响。
2.根据权利要求1所述的交通状态预测装置,还包括:
影响数据库记录部分,其被配置为响应于存储在所述地图信息存储设备(12)中的所述地图信息的更新来执行以下操作:记录所述影响预测数据库存储设备(14)中的所述逐个因素交通流影响数据库。
3.根据权利要求1所述的交通状态预测装置,还包括:
统计数据删除部分,其被配置为当所述确定部分确定所述特定交通流影响因素已经出现时删除所述交通状态统计数据的特定部分,
所述特定部分表示在所述特定交通流影响因素出现之前特定区域中的交通状态,
所述特定区域是所述特定交通流影响因素已经出现的区域。
4.根据权利要求1至3中任一项权利要求所述的交通状态预测装置,其中:
所述逐个因素交通流影响数据库包含各种交通流影响因素中的每个影响因素的类型的数据、各种交通流影响因素中的每个影响因素的规模、因各种交通流影响因素中的每个影响因素导致的交通流每小时的变化以及具有受各种交通流影响因素中的每个影响因素影响的交通流的受影响区域。
5.根据权利要求4所述的交通状态预测装置,其中:
所述影响识别部分还被配置为根据包含在所述逐个因素交通流影响数据库中的所述受影响区域的数据来识别特定区域,其中所述特定区域是受所述特定交通流影响因素的出现影响的区域,
所述交通状态预测装置还包括:
引导窗创建部分,其被配置为创建用于在地图上显示由所述影响识别部分识别的所述特定区域的引导窗。
6.根据权利要求5所述的交通状态预测装置,其中:
所述引导窗创建部分还被配置为在所述引导窗上叠加用于注意到由于所述特定交通流影响因素的出现而产生的对所述交通流的影响的消息。
7.根据权利要求1至3中任一项权利要求所述的交通状态预测装置,其中:
所述特定交通流影响因素包括设施的新建、设施的关闭、设施的摧毁、设施的扩大和设施的缩小,其中所述设施包括大型商业设施和工厂。
8.根据权利要求1至3中任一项权利要求所述的交通状态预测装置,其中:
所述特定交通流影响因素包括道路的新建、道路的关闭和道路的车道数量的改变。
9.根据权利要求1至3中任一项权利要求所述的交通状态预测装置,其中:
所述特定交通流影响因素包括设施的新建;以及
当所述特定交通流影响因素被识别为所述设施的新建时,所述影响识别部分使用所述设施的停车场容量通过参考所述逐个因素交通流影响数据库而识别所述设施的新建对所述交通流的影响。
10.根据权利要求1至3中任一项权利要求所述的交通状态预测装置,其中:
所述影响识别部分通过以下步骤来识别由于所述特定交通流影响因素的出现而产生的对所述交通流的影响:
在所述各种交通流影响因素中检索所述各种交通流影响因素中与出现的特定交通流影响因素最类似的一个交通流影响因素;
计算用于指示所述特定交通流影响因素与所述各种交通流影响因素中所检索到的一个交通流影响因素之间的类似度的改变考虑系数;以及
将所述改变考虑系数包括到由于所述特定交通流影响因素的出现而产生的对所述交通流的影响中。
11.一种用于基于通过收集与道路上的车辆的行驶相关的信息而创建的交通状态统计数据来预测交通状态的交通状态预测装置,所述交通状态预测装置包括:
地图信息存储设备(12),用于存储地图信息;
确定部分,其被配置为响应于存储在所述地图信息存储设备(12)中的所述地图信息的更新,基于所述地图信息更新之前和之后的所述地图信息之间的差异来确定影响交通流的特定交通流影响因素是否已经出现;
影响预测数据库存储设备(14),用于存储逐个因素交通流影响数据库,所述逐个因素交通流影响数据库基于逐个因素预测各种交通流影响因素中的每个影响因素对所述交通流的影响;
影响识别部分,其被配置为当所述确定部分确定所述特定交通流影响因素已经出现时,通过参考所述逐个因素交通流影响数据库,来识别由于所述特定交通流影响因素的出现而产生的对所述交通流的影响;
交通信息预测部分,其被配置为当所述确定部分确定所述特定交通流影响因素已经出现时通过将由所述影响识别部分识别出的影响包括到基于所述交通状态统计数据预测的交通状态中,来预测特定区域中的交通状态,其中所述特定区域是所述特定交通流影响因素已经出现的区域;以及
统计数据删除部分,其被配置为当所述确定部分确定所述特定交通流影响因素已经出现时删除所述交通状态统计数据的特定部分,其中,所述特定部分表示所述特定交通流影响因素出现之前所述特定区域中的交通状态,
其中:
在所述确定部分确定所述特定交通流影响因素已经出现之后以及在所述交通信息预测部分通过将识别出的影响包括到基于所述交通状态统计数据预测的所述交通状态中来预测所述特定区域中的交通状态之后,相继更新所述交通状态统计数据;以及
所述交通信息预测部分还被配置为基于在所述特定交通流影响因素出现之后相继更新的所述交通状态统计数据来预测所述特定区域中的所述交通状态。
12.根据权利要求11所述的交通状态预测装置,其中:
所述逐个因素交通流影响数据库包含各种交通流影响因素中的每个影响因素的类型的数据、各种交通流影响因素中的每个影响因素的规模、因各种交通流影响因素中的每个影响因素导致的交通流每小时的变化以及具有受各种交通流影响因素中的每个影响因素影响的交通流的受影响区域。
13.根据权利要求12所述的交通状态预测装置,其中:
所述影响识别部分还被配置为根据包含在所述逐个因素交通流影响数据库中的所述受影响区域的数据来识别特定区域,其中所述特定区域是受所述特定交通流影响因素的出现影响的区域,
所述交通状态预测装置还包括:
引导窗创建部分,其被配置为创建用于在地图上显示由所述影响识别部分识别的所述特定区域的引导窗。
14.根据权利要求13所述的交通状态预测装置,其中:
所述引导窗创建部分还被配置为在所述引导窗上叠加用于注意到由于所述特定交通流影响因素的出现而产生的对所述交通流的影响的消息。
15.根据权利要求11所述的交通状态预测装置,其中:
所述特定交通流影响因素包括设施的新建、设施的关闭、设施的摧毁、设施的扩大和设施的缩小,其中所述设施包括大型商业设施和工厂。
16.根据权利要求11所述的交通状态预测装置,其中:
所述特定交通流影响因素包括道路的新建、道路的关闭和道路的车道数量的改变。
17.根据权利要求11所述的交通状态预测装置,其中:
所述特定交通流影响因素包括设施的新建;以及
当所述特定交通流影响因素被识别为所述设施的新建时,所述影响识别部分使用所述设施的停车场容量通过参考所述逐个因素交通流影响数据库而识别所述设施的新建对所述交通流的影响。
18.根据权利要求11所述的交通状态预测装置,其中:
所述影响识别部分通过以下步骤来识别由于所述特定交通流影响因素的出现而产生的对所述交通流的影响:
在所述各种交通流影响因素中检索所述各种交通流影响因素中与出现的特定交通流影响因素最类似的一个交通流影响因素;
计算用于指示所述特定交通流影响因素与所述各种交通流影响因素中所检索到的一个交通流影响因素之间的类似度的改变考虑系数;以及
将所述改变考虑系数包括到由于所述特定交通流影响因素的出现而产生的对所述交通流的影响中。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010194918A JP5195848B2 (ja) | 2010-08-31 | 2010-08-31 | 交通状況予測装置 |
JP194918/2010 | 2010-08-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102385799A CN102385799A (zh) | 2012-03-21 |
CN102385799B true CN102385799B (zh) | 2014-10-22 |
Family
ID=45698486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110259882.XA Expired - Fee Related CN102385799B (zh) | 2010-08-31 | 2011-08-31 | 交通状态预测装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8620847B2 (zh) |
JP (1) | JP5195848B2 (zh) |
CN (1) | CN102385799B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6587781B2 (en) | 2000-08-28 | 2003-07-01 | Estimotion, Inc. | Method and system for modeling and processing vehicular traffic data and information and applying thereof |
US7620402B2 (en) | 2004-07-09 | 2009-11-17 | Itis Uk Limited | System and method for geographically locating a mobile device |
JP5831290B2 (ja) | 2012-02-28 | 2015-12-09 | 株式会社デンソー | 分岐確率予測装置 |
JP6331381B2 (ja) * | 2013-12-20 | 2018-05-30 | アイシン・エィ・ダブリュ株式会社 | 情報収集システム、情報収集方法、及び情報収集プログラム |
CN104700616B (zh) * | 2015-02-26 | 2017-07-14 | 北京工业大学 | 城市交通压力预测方法及系统 |
JP5997797B2 (ja) * | 2015-03-03 | 2016-09-28 | 富士重工業株式会社 | 車両の地図データ処理装置 |
US10635078B2 (en) * | 2015-03-23 | 2020-04-28 | Nec Corporation | Simulation system, simulation method, and simulation program |
US9721472B2 (en) * | 2015-09-22 | 2017-08-01 | Ford Global Technologies, Llc | Formulating lane level routing plans |
CN111862583B (zh) * | 2019-04-24 | 2021-12-03 | 北京嘀嘀无限科技发展有限公司 | 一种车流量预测方法及装置 |
CN111862657B (zh) * | 2019-04-24 | 2022-09-09 | 北京嘀嘀无限科技发展有限公司 | 一种确定路况信息的方法及装置 |
US11682295B2 (en) * | 2019-06-20 | 2023-06-20 | Here Global B.V. | Adjusting historical probe data for new road geometry |
CN111696369B (zh) * | 2020-04-10 | 2023-04-28 | 北京数城未来科技有限公司 | 一种基于多源地理空间大数据的全市道路分时分车型交通流预测方法 |
WO2022259553A1 (ja) * | 2021-06-11 | 2022-12-15 | 日本電信電話株式会社 | 交通シミュレーション装置、交通シミュレーション方法および交通シミュレーションプログラム |
CN115311846B (zh) * | 2022-06-24 | 2023-08-11 | 华东师范大学 | 一种结合货车任务状态的厂区道路拥堵预测方法及预测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101438335A (zh) * | 2006-03-03 | 2009-05-20 | 因瑞克斯有限公司 | 使用来自移动数据源的数据估算道路交通状况 |
CN101783075A (zh) * | 2010-02-05 | 2010-07-21 | 北京科技大学 | 一种城市环形道路交通流预测系统 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6587781B2 (en) * | 2000-08-28 | 2003-07-01 | Estimotion, Inc. | Method and system for modeling and processing vehicular traffic data and information and applying thereof |
JP2003122908A (ja) | 2001-10-11 | 2003-04-25 | Toshiba Corp | 分布予測装置、及び、その方法 |
JP2003288459A (ja) | 2002-03-28 | 2003-10-10 | Kumagai Gumi Co Ltd | 商圏需要の推定方法及び商圏需要推定システム |
JP4259404B2 (ja) | 2004-06-09 | 2009-04-30 | 株式会社デンソー | 渋滞情報の報知システム及びカーナビゲーション装置 |
JP2006079483A (ja) | 2004-09-13 | 2006-03-23 | Hitachi Ltd | 交通情報提供装置,交通情報提供方法 |
BRPI0520514A2 (pt) * | 2005-07-22 | 2009-05-12 | Telargo Inc | método para modelar um gráfico de rede viária, produto de programa de computador, ferramenta de software, sinal de dados de computador, dispositivo servidor, e sistema para modelar um gráfico de rede viária |
JP4778411B2 (ja) | 2006-12-18 | 2011-09-21 | クラリオン株式会社 | 交通情報配信方法および交通情報配信装置 |
JP4894630B2 (ja) | 2007-05-29 | 2012-03-14 | 株式会社デンソー | 経路案内装置 |
JP2010014556A (ja) | 2008-07-03 | 2010-01-21 | Pioneer Electronic Corp | 渋滞予測装置、経路探索装置、渋滞予測方法、経路探索方法、渋滞予測プログラム、経路探索プログラム、およびコンピュータに読み取り可能な記録媒体 |
WO2010007667A1 (ja) * | 2008-07-15 | 2010-01-21 | パイオニア株式会社 | 渋滞予測装置、経路探索装置、渋滞予測方法、経路探索方法、渋滞予測プログラム、経路探索プログラムおよびコンピュータに読み取り可能な記録媒体 |
JP2010049391A (ja) * | 2008-08-20 | 2010-03-04 | Nissan Motor Co Ltd | 交通情報管理装置及び交通情報管理処理方法 |
-
2010
- 2010-08-31 JP JP2010194918A patent/JP5195848B2/ja not_active Expired - Fee Related
-
2011
- 2011-08-17 US US13/211,424 patent/US8620847B2/en active Active
- 2011-08-31 CN CN201110259882.XA patent/CN102385799B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101438335A (zh) * | 2006-03-03 | 2009-05-20 | 因瑞克斯有限公司 | 使用来自移动数据源的数据估算道路交通状况 |
CN101783075A (zh) * | 2010-02-05 | 2010-07-21 | 北京科技大学 | 一种城市环形道路交通流预测系统 |
Non-Patent Citations (4)
Title |
---|
JP特开2006-79483A 2006.03.23 |
JP特开2008-152577A 2008.07.03 |
JP特开2010-14556A 2010.01.21 |
JP特开2010-49391A 2010.03.04 |
Also Published As
Publication number | Publication date |
---|---|
CN102385799A (zh) | 2012-03-21 |
US20120054145A1 (en) | 2012-03-01 |
JP5195848B2 (ja) | 2013-05-15 |
US8620847B2 (en) | 2013-12-31 |
JP2012053613A (ja) | 2012-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102385799B (zh) | 交通状态预测装置 | |
CN101960500B (zh) | 行驶信息创建装置、行驶信息创建方法和程序 | |
CN101523460B (zh) | 交通信息分发设备和交通信息分发方法 | |
CN1909022B (zh) | 公路地图管理系统 | |
US8019535B2 (en) | Traffic information collecting system for navigation device | |
CN101154319B (zh) | 交通信息生成装置及交通信息生成方法 | |
JP4211706B2 (ja) | 交通情報提供装置 | |
US7925425B2 (en) | Navigation information distribution systems, methods, and programs | |
CN101256079B (zh) | 地图信息更新系统 | |
CN1996427B (zh) | 交通信息处理装置 | |
US8103448B2 (en) | Information storage apparatus for storing new road, program for the same, and system for the same | |
CN102157020B (zh) | 车辆信息存储设备和车辆诊断系统 | |
US20080255754A1 (en) | Traffic incidents processing system and method for sharing real time traffic information | |
CN110222131A (zh) | 起讫信息提取方法及装置 | |
CN101523459A (zh) | 交通信息分配装置 | |
CN103124993A (zh) | 区间设定方法、燃耗信息生成装置及驾驶支援装置 | |
JP3879742B2 (ja) | 通行規制判定方法及び定期運行路線判定方法並びにプログラム及び装置 | |
JPH11120478A (ja) | 交通事故管理支援システム | |
JP2009064283A (ja) | 交通情報提供システムおよび交通情報提供方法 | |
JP4313457B2 (ja) | 移動時間予測システム、プログラム記録媒体、移動時間予測方法、情報提供装置、および情報入手装置 | |
JP5125676B2 (ja) | 情報配信システム、センター装置、アンケート回答取得方法 | |
Schneider et al. | Traveller information service based on real-time toll data in Austria | |
Rouphail et al. | Vehicle Trajectory Tool: Application Pilot for AMS Test Bed Final Report | |
Hainitz et al. | Traveller information service based on real-time toll data in Austria | |
JP2007127421A (ja) | 経路案内システム及び経路案内方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141022 |
|
CF01 | Termination of patent right due to non-payment of annual fee |