CN102939623A - 基于集合的驾驶者行为学习道路导航路径 - Google Patents
基于集合的驾驶者行为学习道路导航路径 Download PDFInfo
- Publication number
- CN102939623A CN102939623A CN2011800134886A CN201180013488A CN102939623A CN 102939623 A CN102939623 A CN 102939623A CN 2011800134886 A CN2011800134886 A CN 2011800134886A CN 201180013488 A CN201180013488 A CN 201180013488A CN 102939623 A CN102939623 A CN 102939623A
- Authority
- CN
- China
- Prior art keywords
- decision point
- formerly
- road
- vehicle
- traffic
- 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
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
- 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
- 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
-
- 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
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- G08G1/09—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
Abstract
本发明通过各种方式描述了用于产生和使用与道路交通有关的信息的技术,包括获得和分析与道路网上车辆驾驶员的实际行为有关的道路交通信息。在某些情况下,所获得的实际驾驶员行为信息可以被分析,以识别驾驶员面临其该位置处面临选择的决策点位置,以及跟踪在特定决策点之间的特定路径的驾驶员的实际使用,从而确定在这些决策点位置之间的优选组合链路,其中所述选择与通过道路网的可能的可选路线(例如,交叉口、公路出口和/或入口等)相对应。然后通过各种方式使用根据分析识别和确定的信息,包括在一些情况下至少部分地基于实际驾驶员行为信息,帮助确定通过道路网的车辆的特别推荐或优选路线。
Description
相关申请的交叉引用
本申请要求2010年3月11日提交的题为“Performing Road NavigationBased On Aggregate Historical Driver Behavior(基于集合的历史驾驶者行为进行道路导航)”的第61/312,967号美国临时专利申请的优先权,其通过引用整体并入本文。
技术领域
以下公开通常涉及至少部分地基于从道路上车辆驾驶者的实际行为中学习的道路导航路径,来提供与道路导航有关的信息(例如用于通过道路网的路线)的技术。
背景技术
增加的道路交通和相应的拥挤产生各种负面影响。因此,人们已通过各种方式做出努力来防止越来越严重的交通拥堵,例如通过使当前交通状况信息可用。可以通过各种方式(例如,经由无线广播、互联网站,该互连网站显示地理区域的地图,其中地图具有与该地理区域的一些主要道路的当前交通拥堵有关的彩色编码信息,信息发送给蜂窝式电话及其他便携式消费设备等)将这种当前交通信息提供给关注方。关于当前交通状况信息的一个来源包括人工提供观测(例如,提供交通流量和事故的一般信息的交通直升机、由驾驶者通过蜂窝电话发来的报告等),而在一些更大的城市区域,另一种来源是交通传感器网络,其能够测量该区域的各种道路的交通流(例如,通过嵌入路面的传感器)。但是,关于这些信息以及通过其他来源提供的类似信息存在各种问题,例如,信息的准确性和覆盖率。
道路交通信息的一种使用包括向车辆驾驶者提供道路交通信息,以将相关特定道路的当前道路交通提供给驾驶者。此外,自动导航系统可以通过各种方式使用道路信息,包括产生和显示两个指定位置之间的线路。但是,当前导航系统及用于确定路线的其他当前技术存在各种问题。
附图简要说明
图1是示出适于执行所述的驾驶员行为分析系统和路线选择系统的实施方式的框图。
图2是驾驶员行为分析程序的实施方式的示例性流程图。
图3是决策点识别器程序的实施方式的示例性流程图
图4是转向成本确定器程序的实施方式的示例性流程图。
图5是路线选择器程序的实施方式的示例性流程图。
图6A-6C是使用与决策点和交通流量阻碍相对应的实际驾驶员行为的信息的实施例。
具体实施方式
本文描述了以多种方式产生和使用与道路交通有关的信息的技术,包括在一些实施方式中至少部分地基于与这些道路上的道路交通有关的信息来确定通过道路网的路线。在至少一些实施方式中,用于道路网的道路交通信息包括与道路网上车辆驾驶员的实际行为有关的信息,其可以通过多种方式获得(例如,基于分析历史信息和/或监视所关心的特定当前驾驶员行为)。例如,在某些实施方式中,可以分析所获得的实际驾驶员行为信息,以识别决策点的位置,在该位置处驾驶员面临选择可能的可选路线以通过道路网(例如,十字路口、公路出口和/或入口等),并且跟踪在特定决策点之间驾驶员实际使用的特定路径以确定那些决策点位置之间的优选组合链路。此外,在某些实施方式中,可以使用所获得的实际驾驶员行为信息,以确定碰到各种特定道路特征的车辆的实际延迟,在该各种特定道路特征处,道路交通在至少某些时间内受到限制,例如对于决策点位置或道路网中其他交通流量阻碍。以特定方式使用实际驾驶员行为信息的其他细节将在下文中描述,在至少一些实施方式中,通过自动的驾驶员行为分析(“DBA”)系统自动地执行使用实际驾驶员行为信息的某些或全部技术。
此外,在至少一些实施方式中,描述的技术还可以包括通过至少部分地基于实际驾驶员行为信息的方式来确定位置之间的特别推荐或优选路线,例如,基于识别的决策点和从可选路径的使用而确定的相关组合链路、和/或基于对于路线选择方案中特定交通流量阻碍确定的实际延迟。在下文中将描述在特定位置之间确定特定路线的其他细节,包括基于实际驾驶员行为信息,并且在至少一些实施方式中,通过自动的路线选择器(“RS”)系统来自动执行确定特定路线的一些或全部所述技术。此外,当一些实施方式包括执行特定操作的DBA系统和执行其他特定操作的不同的RS系统时(例如,具有通过不同机构(例如独立的机构)操作的DBA和RS系统),在其他实施方式中,各种所描述操作的一些或全部都可替代地通过由单独机构操作的单独系统来执行。此外,在一些实施方式中,通过DBA系统自动识别、确定或基于实际驾驶行为产生的道路交通信息可以用于其他目的,而不限于如下文中详细讨论的是否通过DBA系统或不同的其他系统的实施方式来确定特别推荐或优选路线。
在讨论由DBA和/或RS系统的实施方式执行的所述技术的某些细节之前,参照至少一些实施方式中的DBA和/或RS系统可得到的道路交通信息来介绍一些方面。尤其是,这些可得到的道路交通信息可以具有各种形式。例如,在一些实施方式中,可得到的道路交通信息可以包括历史交通数据,该历史交通数据反映地理区域中各个所关心的目标道路的交通信息,例如用于地理区域中的道路网。此外,在一些实施方式中,可得到的道路交通信息可以包括当前交通数据和/或自动确定的预测的未来交通数据。此外,可以通过各种方式获得各种道路交通信息,例如从固定的道路交通传感器(例如,从靠近或嵌入道路的物理传感器中读取的数据,以报告与特定道路位置相应的大量车辆的集合数据)和/或从移动数据源(例如,从在特定道路上的行程中目前或最近经过的车辆或其他移动数据源获得的一系列数据样本,例如每个数据样本包括相关的道路位置和时间)。此外,可以在进一步使用之前通过各种方式过滤、调整和/或集合这些数据信息和数据样本。
此外,在各个实施方式中,可以跟踪和/或确定道路交通信息以用于交通状况的各种测量,例如下面所示的一个或多个:平均速度、指示时段的交通量和交通频率(例如,表明在该时段中车辆的总数)、一个或多个交通传感器或道路上其他位置的平均占用时间(例如,表明车辆位于传感器上方或以其他方式激活传感器的时间的平均百分数)、道路拥挤程度的多个计数级之一(例如,基于一个或多个其他交通状况测量所测量的)等。在多个时间段的每个时间段中,还可以对于多个道路位置(例如,路段、公路线路图链路、公路上特定点等)或道路的其他部分的每个来跟踪和/或确定这种道路交通信息,并且在不同的实施方式中,可以在不同的精度级别下表示每个这些交通状况测量的值。例如,可以在不同的精度下,以最近1-MPH(“英里每小时”)的增量、最近5-MPH的增量、在5-MPH的范围(bucket)中(如0-5MPH、6-10MPH、11-15MPH等)、在固定的或大小变化的其他限定范围中、1-MPH增量的一部分来表示平均速度状况测量的值。这种交通状况测量还可以通过绝对项和/或相对项(例如,用于表示与典型值或与最大值的差值)来测量或表示。
在一些实施方式中,可以使用道路链路来建模和表示给定地理区域中的一条或多条道路。每个道路链路都可用于表示道路的一部分,例如通过将给定的物理道路划分为多个道路链路。例如,每个链路可以是特定长度,例如一英里长的道路或200英尺长的道路,或者可替代的一些这样的链路可以对应于特定的道路特征(例如,表示十字路口或多个道路与特定的道路链路的其他交点)。这些道路链路可以通过创建地图的政府或私人团体(例如,通过国家标准、通过作为准标准或实际标准的商业地图公司等)和/或通过DBA和/或RS系统的提供者来定义,因此给定的道路可被不同的实体以不同的道路链路进行表示。还应当理解,道路可能通过各种方式互相连接,包括使交通在多个地点分流或会合(例如,在公路的出口匝道处、在道路的分叉处或分离处、在两条或更多条公路或道路的其他交点处(包括可通过或可以不通过信号、指示牌、诸如交通转盘和环岛等的道路特征所控制的交叉道或十字路口)、在行车道或道路的转弯处等分流;以及在高速公路的入口匝道、在多条道路的合并或交接处、在两条或更多条高速公路或道路的其他交点处(包括可能通过或不通过信号、指示牌、诸如交通转盘和环岛等的道路特征所控制的交叉道或十字路口)、在行车道或道路的转弯处等会合)。此外,在一些实施方式中,给定地理区域的一条或多条道路还可以通过路段来建模和表示,例如,DBA和/或RS系统的提供者(例如人工和/或自动方式)所定义的路段。每个路段都可用于表示具有作为路段的一部分的一个或多个道路链路(或其部分)的类似交通状况特性的道路(或多条道路)的一部分。因此,给定物理道路可以被划分为多个路段,例如,与道路的连续部分相对应的多个路段,或者可选地在一些实施方式中,通过重叠或插入不是任何路段的一部分的道路部分,并且一些这种路段任选地对应于特定的道路特征(例如,表示十字路口或多条道路与特定道路链路的其他交点)。此外,可以选择每个路段,以包括一个或多个道路链路的一些或全部。此外,路段可以表示给定物理道路上的一个或多个行驶车道。相应地,具有在两个方向的每一个中行进的一个或多个车道的特定多车道道路可以与至少两个路段相关联,其中,至少一个路段与沿一个方向的行进相关联,并且,至少另一路段与沿另一方向的行进相关联。类似地,如果道路链路表示具有沿两个方向的每一个中行进的一个或多个车道的多车道道路,则至少两个路段可以与用于表示不同行进方向的道路链路相关联。此外,在一些情形中,例如在这些车道具有不同行进状况特性的情况下,沿单个方向行进的道路的多个车道可以由多个路段表示。例如,给定的高速公路系统可以具有高速或高占用车辆(“HOV”)的车道,高速或HOV车道可以有益于通过与表示沿与高速或HOV车道相同的方向行进的常规(如非HOV)车道的路段不同的路段而表示。路段还可以连接至或以其他方式关联于其他相邻路段,从而形成路段的链或网络。
在各个实施方式中,可以通过各种方式选择道路交通信息被跟踪和/或确定的道路。在一些实施方式中,针对多个地理区域(例如市中心区)的每个来跟踪和/或确定交通信息,每个地理区域具有多个互相连接的道路网络。可以以各种方式选择这种地理区域,例如,基于易于获得交通数据的区域(例如基于该区域中至少一些道路的道路传感器网络)、交通拥堵成为严重问题的区域和/或至少某些时间出现高的道路交通量的区域。在某些这种实施方式中,交通信息被跟踪和/或确定的道路可以至少部分地基于一个或多个其他因素(例如基于道路的大小或容量,从而包括高速公路和干线公路;基于道路在承载交通时所起的作用,从而包括主干道和针对较大容量道路(例如高速公路和干线公路)的主要可选的支路;基于道路的功能类别,例如由联邦公路管理局所指定的;基于承载交通时道路的受欢迎性,从而反映实际驾驶行为;等)或者可替代地对所有的道路都可以跟踪和/或确定信息。此外,在一些实施例中,针对一个或多个大型地区(例如,一个或多个州或国家中的每一个)中的一些或所有道路跟踪和/或确定交通信息(例如,用于产生美国和/或其他国家或地区的全国范围内的数据)。在一些这种实施方式中,可以覆盖该地区中具有一个或多个功能分类的所有道路,以包括所有的州际高速公路、所有的高速公路和公路、所有的高速公路和公路和主干路、所有的局部道路和/或支路、所有的道路等。
因此,在各个实施方式中,可以跟踪和/或确定各种类型的交通信息,并且DBA和/或RS系统的具体实施方式可以通过各种方式使用各种类型的交通信息。例如,如上所述,DBA系统的某些实施方式可以执行自动操作,以识别道路位置,该道路位置是两个或更多道路会合和/或分开的决策点,其中至少一些这种决策点为驾驶者提供与通过道路网可能的可选路线对应的两个或更多选择;和/或以跟踪特定决策点之间的特定路径的驾驶员的实际使用,从而基于实际驾驶行为在多对决策点之间确定优选的组合链路,这种组合链路的一些或全部都包括多个道路链路和/或多个路段。例如,在至少某些实施方式中,DBA系统可以分析历史道路交通信息,以识别特定时间处通过道路网的特定车辆的特定路线(在特定时间处通过道路网的每个这种特定车辆路线以下通常称作车辆行程),其中,例如历史道路交通信息,其包括来自移动数据源的与这些特定车辆相对应的数据。如下文中更详细讨论的,可以通过DBA系统自动分析这种历史车辆行程信息,以基于从这些特定道路决策点位置采用不同可选路线的车辆驾驶员来识别特定决策点,例如不同车辆行程分开和/或汇合的特定道路位置,并且在一些实施方式中,可以选择识别的决策点的子集,以用于进一步的分析(例如,基于通过决策点的总交通量,从而根据交通量分级决策点且选择特定数量或比率的具有最高等级的决策点;基于在决策点处选择各种可选路线的有关车辆交通,从而基于经常使用的至少两种可选路线的可行性来分级决策点,以及选择特定数量或比率的具有最高等级的决策点;等)。
此外,在决策点已经被识别和选择之后,在一些实施方式中DBA系统还可以自动确定一个或多个组合链路,每个组合链路表示车辆行程中常用路径,其中每个组合链路包括表示组合链路起点和终点的一对决策点,并且在多数情况下,每个组合链路包括在起始决策点和终止决策点之间交通流量可以变化的一个或多个中间点(例如,其他中间决策点、或者可替代地包括交通离开道路或到达道路的其他位置)。这种自动确定例如可以包括:识别在某些或全部对所选的决策点之间发生的车辆行程,以及选择特定对的决策点以表示该组合链路的起点和终点。可以在各个实施方式中以各种方式选择组合链路所使用的特定对的决策点,例如,使用以下方式的一种或多种:基于特定对的决策点之间的总交通量,从而基于交通量分级该决策点并且选择特定数量和百分比的具有最高等级的决策点对;基于选择特定决策点对之间的任何中间决策点的车辆交通的相对不足,从而基于中间决策点处可选路线使用的相对不足来分级该决策点对,并且选择特定数量或百分比的具有最高分级的决策点对;等。然后,所选的决策点对可以用于识别组合链路的起始位置和终止位置(例如,这种组合链路的某些或全部中的每一个都具有至少三个决策点数列,其包括决策点对的起始决策点、决策点对的终止决策点和一个或多个中间决策点),以增强路线决定,这将在下文中详细的讨论。此外,可以估计各种类型的与交通有关的测量,以用于一个或多个时间或其他类别(例如,交通状况集合类别)的该组合链路的某些或全部,例如平均的或其他代表性的行驶时间、平均的或其他代表性的交通量、行驶时间或交通量或其他测量中的平均的或其他代表性的变化率等。
此外,在至少某些实施方式中,DBA系统可以执行自动操作,以确定遇到道路网中产生交通流量阻碍的各种特定结构道路特征的车辆的实际延迟,例如与一个或多个识别的决策点、交通信号、停车标志、入口匝道收费表或其他类型的收费位置、停车收费站、十字路口、会合/合并点、分开/交叉点、至少某些时间内可能发生拥堵的位置(例如,出口匝道、公路交点等)、车辆突然操作位置等相关的延迟。例如,如之前所述,在至少某些实施方式中DBA系统可以分析历史道路交通信息,从而识别特定时间通过道路网的特定历史车辆行程,并且该历史车辆行程信息可以被DBA系统自动分析,以确定与特定的交通流量阻碍相关的实际延迟。产生交通流量阻碍的上述道路特征可以在各种实施方式中通过各种方式进行识别,以便从各种类型的道路数据源的一个或多个提供和/或至少部分地基于实际驾驶行为自动地识别道路特征,这将在下面详细地描述。此外如下文中更为详细讨论的,DBA系统可以使用历史车辆行程,以识别在车辆接近特定交通流量阻碍时的实际到达时间和车辆离开交通流量阻碍时的实际离开时间,并且与实际到达和离开时间有关的信息可以被自动分析,以确定与交通流量阻碍有关的一个或多个实际延迟时间。确定的与特定交通流量阻碍相关的实际延迟时间还可以用于增强路线选择决定,这将在下面更为详细的描述,该确定的实际延迟时间在下文中通常称为“实际延迟时间”和/或“实际转向成本”。
因此,如上所述,DBA系统的实施方式可以基于相关道路上的实际驾驶行为自动地确定各种与交通有关的信息。此外,如在下文中更详细地讨论的,可以根据不同情况以不同方式改变或以其他方式影响特定实际驾驶行为,包括在不同时间和/或基于影响交通的其他情况。因此,例如,驾驶员特定决策点和特定组合链路的实际使用可以根据不同的基于时间的情况或其他类型的情况进行变化,和/或与特定交通流量阻碍有关的实际延迟时间可以根据不同的基于时间情况或其他类型的情况进行变化。类似地,例如驾驶员的特定决策点和特定组合链路的实际使用可以根据其他因素进行变化,例如不同的车辆类型和/或车辆驾驶员的不同类型的用户喜好,和/或与特定交通流量阻碍有关的实际延迟时间可以根据其他因素进行变化,例如不同的车辆类型和/或不同类型的驾驶员喜好。因此,在至少某些实施方式中,DBA系统可以以反映根据不同情况和/或其他因素的实际驾驶行为变化的方式,来执行其自动确定的某些或全部,如在下文中更详细地讨论的。
此外,如之前所述,RS系统的特定实施方式可以通过各种方式执行各种自动操作,包括在至少某些实施方式中至少部分地基于由一个或多个DBA系统自动产生的信息,例如与所选的决策点、所选的组合链路和/或确定的实际延迟时间有关的信息。例如,RS系统的某些实施方式可以执行自动操作,以通过至少部分地基于实际驾驶员行为信息的方式在位置之间确定特别推荐或优选的路线。如在下文中更详细地讨论的,RS系统的这种操作例如可以包括:至少部分地通过考虑或使用最常选择的组合链路(例如选择与通过历史车辆行程的之前所选路线表示的实际驾驶员喜好相对应的路线)和/或至少部分地基于通过使用用于与特定可选路线相关的特定交通流量阻碍的实际延迟时间来确定路线。此外,在至少某些实施方式中,在各种位置之间的优选路线可以在RS系统中预定和/或响应于请求动态地确定。
因此,由DBA系统和/或RS系统的实施方式自动产生的信息可以通过各种方式使用,包括在某些实施方式中为驾驶员提供关于RS系统确定的特定优选路线的信息,以改变将来的车辆行程(例如,通过直接向驾驶员用户提供这些信息,例如响应于在两个位置之间的一个或多个特定路线选择的请求;通过将这些信息提供给使用信息以影响驾驶行为的导航系统或其他自动系统等)。
如上所述,可以根据不同情况和/或其他因素以不同方式改变或以其他方式影响特定的实际驾驶行为,包括在不同时间和/或基于影响交通的其他情况。因此,在至少某些实施方式中,对于一个或多个交通状况聚合种类的每一个,跟踪和/或确定特定道路链路或道路的其他部分的交通信息,例如对于某些或所有的道路链路或其他道路部分。尤其是,在至少某些实施方式中,使用各种基于时间的种类,并且针对每个基于时间的种类来分别跟踪和/或确定交通信息。作为一个示例,时间段可以部分地基于与一周中某天和/或一天中某时间有关的信息(例如一天中的某小时、一天中的某小时的某分钟等),这样每个基于时间的种类可以对应于一个或多个一周中某天和在这些一周中的某天中的一个或多个一天中某时间。例如,如果基于时间的类别来分别对一周中的每天和一天中的每小时建模,则可以使用168(24×7)个基于时间的类别(例如,其中一个类别是星期一从上午9点至上午9点59分,另一类别是星期一从上午10点至上午10点59分,另一类别是星期日从上午9点至上午9点59分等)。在该示例中,可以至少部分地通过对与道路链路和特定的基于时间的类别(例如星期一从上午10点至上午10点59分)相对应的历史交通信息(例如,在先前星期一处于上午10点与上午10点59分之间针对该道路链路而报告的交通状况信息)进行集合,确定该道路链路和类别的期望交通状况信息。替代地,特定的基于时间的类别可以包括一组一周的多天和/或一天的多小时,例如,如果分组后的时间很可能具有类似的交通状况信息(例如,对与类似的工作的基于通勤时间或不基于通勤时间相对应的一周的某些天和一天中的某些时间进行分组)。一周中的某天的分组的实施例的非排外列表包括以下各项:(a)星期一至星期四、星期五、以及星期六至星期日;(b)星期一至星期五以及星期六至星期日;(c)星期一至星期四、星期五、星期六、以及星期日;以及(d)星期一至星期五、星期六、以及星期日。一天中的某时间的分组的实施例的非排外列表包括以下各项:(a)上午(am)6点至上午8点59分、上午9点至下午(pm)2点59分、下午3点至下午8点59分、以及下午9点至上午5点59分;以及(b)上午6点至下午6点59分以及下午7点至上午5点59分。因此,交通信息可以被跟踪和/或确定的基于时间的类别的一个示例组如下所示:
类别 | 一周中的某天 | 一天中的某时间 |
1 | 星期一至星期四 | 6am至8:59am |
2 | 星期一至星期四 | 9am至2:59pm |
3 | 星期一至星期四 | 3pm至8:59pm |
4 | 星期一至星期四 | 9pm至5:59am |
5 | 星期五 | 6am至8:59am |
6 | 星期五 | 9am至2:59pm |
7 | 星期五 | 3pm至8:59pm |
8 | 星期五 | 9pm至5:59am |
9 | 星期六至星期天 | 6am至6:59pm |
10 | 星期六至星期天 | 7pm至5:59am |
此外,在一些实施例中,可以针对小于1小时的时间增量(例如15分钟、5分钟或1分钟间隔)选择基于时间的类别的时间段。例如,如果分别表示了一周中的每天的一天中的每分钟,则可以使用10,080(60×24×7)个基于时间的类别(例如,其中一个类别是星期一上午9点,另一类别是星期一上午9点1分,另一类别是星期日上午9点1分等)。在这种实施例中,如果有足够的历史数据可用,则可以针对特定道路链路和特定的基于时间的类别、仅使用与该道路链路和基于时间的类别的特定分钟相对应的历史交通信息来确定交通状况信息,而在其他实施例中,可以使用更大持续时间的历史信息。例如,对于与星期一上午9点1分相对应的示例基于时间的类别,可以使用来自该时间附近的一小时的滚动持续时间(或另一持续时间)的历史信息(例如,星期一从上午8点31分至上午9点31分、星期一从上午8点1分至上午9点1分、星期一从上午9点1分至上午10点1分等)。在其他实施例中,可以基于除一天中的某时间和一周中的某天以外的信息(例如,基于一个月中的某天、一年中的某天、一个月中的某周、一年中的某周等)来定义时间段。
此外,在至少某些实施方式中,代替基于时间的类别或者除了基于时间的类别以外,用于期望交通状况信息的交通流量集合分类或类别可以基于除更改或影响交通状况的时间以外的临时或其他可变状况。具体地,在至少一些实施例中,可以选择各种基于状况的类别,并且,可以针对一个或多个道路链路或其他道路部分的基于状况的类别中的每一个分别跟踪和/或确定期望交通状况信息。每个这种基于状况的类别可以与一种或多种类型的一个或多个交通更改状况相关联。例如,在一些实施例中,与特定道路链路或其他道路部分相关的用于该道路链路/部分的基于状况的类别的交通更改状况可以基于以下一项或多项:天气情况(例如,基于包括该道路链路/部分的地理区域中的天气);与影响该道路链路/部分上的行进的非周期性事件的发生有关的情况(例如,基于出现次数足以影响该道路链路/部分上的行进的事件,如主要体育事件、音乐会、表演等);与这一年的当前季节或其他指定组的某些天有关的状况;与一种或多种类型的假日或相关的某些天的出现有关的状况;与影响该道路链路/部分上的行进的交通事故(例如,该道路链路/部分上或附近道路链路/部分上的当前或最近交通事故)的出现有关的状况;与影响该道路链路/部分上的行进的道路工作(例如,该道路链路/部分上或附近道路链路/部分上的当前或最近道路工作)有关的状态;以及与影响该道路链路/部分上的行进的学校集会(例如,特定附近学校的集会、包括该道路链路/部分的地理区域中的大多数或所有学校的集会等)有关的状况。
通过类似的方式,在至少某些实施方式中,代替或除了基于时间的类别和/或基于其他可变非时间情况的类别,用于交通信息集合类别可以基于除时间或其他的可变的非时间情况之外的因素。尤其是,在至少某些实施方式中,可以基于一个或多个因素选择各种类别,因素包括多个车辆类型(例如,电动车辆、混合动力车辆、柴油车辆、汽油车辆、自行车、摩托车、公共交通车辆、非电动车辆。非混合动力车辆、非柴油车辆、非汽油车辆、非自行车、非摩托车、非公共交通车辆等)之一和/或多种类型的驾驶行为(例如,优选最短时间的路线;优选最短距离的路线;如果在另一路线中平均速度或其他代表速度位于平均最短时间的指定比率或数量中,优选速度变化最低的路线;优选风景路线;避开公路的优选;避开收费站的优选;避开轮渡的优选;避开时间限制的优选;优选沿路线具有或没有一个或多个指定类型的设施的路线)之一,并且针对用于一个或多个道路链路或其他道路部分的基于该因素的类别的每一个,可以分别跟踪和/或确定交通信息。
因此,给定的交通流量阻碍可以具有对于不同集合类别(包括对于某些集合类别没有转向成本,从而对于这些集合类别不被认为是交通流量阻碍)的不同相关转向成本,在两个决策点之间的给定组合链路可以具有对于不同集合类别的不同的关于交通的测量的估计,在两个决策点之间的不同可选路径可以被选择为对于不同集合类别的优选组合链路等。
为了说明目的,下文中描述了某些实施方式,其中特定类型的道路交通信息被分析以通过特定方式提供特定类型的与交通有关的输出,包括至少部分地基于使用历史和/或当前实际驾驶员行为信息识别的特定类型的与交通有关的信息来以特定方式确定特定路线。然而,应当理解,这种与交通有关的信息可以通过其他方式产生和在其他实施方式中可以使用其他类型的输入数据生成,所描述的技术可以用于多种其他位置,其他类型的与交通有关的信息可被类似地产生和用于各种方式,因此本发明不局限于所提供的示例性细节。
在至少某些实施方式中,RS系统可以自动地确定和提供各种类型的与路线有关的信息,从而能够带来多种好处。例如,在许多经典的路径选择的情况下,驾驶员希望到达特定的目的地位置并且几乎没有以优选方式到达那里的先前经验。在这种情况下,驾驶员会希望从路线选择系统接收到达目的地的“最优路径”,例如最快路径和/或以其他方式满足驾驶员的一个或多个标准(或许没有示出)的路径(例如,在最快路径上速度位于平均速度的规定量中的情况下具有最低速度变化率的路径;使用城市街道而不是高速公路的路径,以使电动或混合动力车辆获得更远的行程或更好的燃料效率等)。虽然驾驶员未必知道特定路径路线是否快于可选路线,但是例如如果路线包括很多转弯、交通灯或者倾向于使用更慢的道路(例如,分类级别高于FRC 2的功能道路类别(FRC)的道路),则驾驶员可以推断路线不是易于使用的。此外,如果路线选择系统试图以所述方式在不使用实际驾驶员行为信息的情况下来选择路线,那么可能选择计算为最快的第一路线(即便仅比其他路线快1毫秒),但是实际上驾驶员更愿意选择其他可选路线(例如,因为第一路线与可选路线相比要求更多的转向,例如因为较差的“转向成本”估计;因为第一路线实际上比可选路线更慢;因为第一路线在不同的情况下速度变化很大等)。反之,通过采用实际驾驶员行为信息,例如根据实际驾驶员之前的选择,RS系统的实施方式可以选择对驾驶员来说比第一路线更优的可选的第二路线,可选的第二路线可能地比第一路线更快和/或基于一个或多个因素(例如车辆类型和/或驾驶员喜好)更优于第一路线。
此外,在其他情况中,驾驶员可能知道到达目的地的可选路线的较详细信息,但是不知道根据实际的目前情况怎样比较这些可选路线的有用信息。例如,每天通勤的驾驶员一般知道几条可选路线,并且选择他们认为在当前交通状况下最好的路线。在这种情况下,因为驾驶员具有关于所选路线或可选路线的平均行驶时间的经验,所以驾驶员知道路线选择系统所选的路线相对于某些时间、情况和/或因素是不是最佳的。此外,如果该路线选择系统试图以所描述的方式不使用实际驾驶员行为信息(例如,与基于当前情况的交通流阻碍相对应的实际延迟时间)来选择路线,可能选择计算为最快的第一路线,但是实际上驾驶员更愿意选择其他可选路线(例如,因为第一路线实际地不是最快的)。例如,考虑其中一条可选路线包括信号化的匝道且平均花费15分钟的通勤。如果根据当前情况,实际匝道等待时间可能超过5分钟,但是被错误地预计为少得多的时间(小于1分钟),这种不准确的预计(粗略地表示行驶时间的25-33%)可能将该可选路线错误地选择为当前最优路线,但是在当前情况下另一条路线实际上可能更快(或者以其他方式是优选的)。此外,某些路线选择系统可能严重低估该匝道时间及与交通流阻碍相关的其他延迟,例如因为从历史速度报告中去除了静止车辆的报告,包括基于当车辆静止时报告错误行驶方向的GPS系统和/或基于使用忽略基于实际情况的特定阻碍的转向成本的简单且整体的启发式方法。反之,通过采用实际驾驶员行为信息以反映对于特定交通流量阻碍的实际驾驶员所经历的实际延迟,RS系统的实施方式可以选择对驾驶员而言优于第一路线的可选的第二路线,可选的第二路线比第一路线更快。
下面将描述与选择组合链路和确定对于交通流阻碍的实际延迟的特定示例性实施方式相关的其他细节。此外,在至少某些实施方式中,其中被分析的实际驾驶员行为信息包括与驾驶员之前选择特定路线的历史车辆行程有关的信息,这种之前选择的路线可以反映最受欢迎的路线和可能最快的路线,但是其他实施方式中,作为替代,除了或代替所指出的因素,先前的实际驾驶行为可以仅反映这些因素的一个和/或可以反映其他因素。
在一个特定的示例性实施方式中,决策点被识别为沿直线(例如,指定道路)的交点,在该交点处,交通以不寻常的方式分开或合并。考虑到单个车辆通过交点后的行驶路径:如果车辆行驶路径分开(或合并)到在特定速率的特定交点处可用的可选路径中,例如该速率大于阈值速率,然后交点可以被识别为决策点。该定义的目的是消除以下交点,例如,在该交点中,超过95%的交通在该交点处选择单一的可选路径,例如在本实施例中通过设定5%的阈值。一旦以此方式识别各个决策点,那么在本示例中,这些决策点根据经过的历史车辆行程的密度进行分级,并且选择最高级的N个决策点以进一步使用(在不同的实施方式中,N是可变的,以便在至少某些实施方式中可以通过DBA系统的操作者进行配置)。经过的历史车辆行程的密度例如可以基于历史车辆行程的频率进行测量。
在各个决策点已经被识别和选择之后,可以识别相关的特定组合链路。在一些实施方式中,对于每一对所选的决策点,计算这两个决策点之间的各车辆行程的数量,并且如果满足或不满足一个或多个特定标准(例如,如果各车辆行程的数量低于最低量;如果在决策点对之间的多个可选路径的每个都包括各车辆行程的最小百分比或最小数量或其他最低量;如果在决策点对之间的多个可选路径的一个或多个不都包括各车辆行程的最小百分比或最小数量或其他最低量;如果在决策点对之间的多个可选路径的一个或多个的不都满足一个或多个基于速度变化率或容量的其他特定标准等),为了进一步的考虑,放弃至少某些这种决策点对。然后各决策点对被排序(例如,根据交通密度,例如通过历史车辆行程的频率测量),选择最高级的M个决策点对以进一步使用(在不同的实施方式中,M是可变的,以便在至少某些实施方式中可以通过DBA系统的操作者进行配置)。当所选的决策点对被多个可选路径分离时,但是基于实际驾驶行为那些可选路径的仅一个是非常优选的(例如,至少根据一个或多个时间、状况和/或因素的综合,由所选对的决策点之间的之前车辆行程的至少最小百分比或其他最低量所使用),该单个可选路径表示可以将由RS系统的实施方式所使用的组合链路表示为最短路线,以提高速度和/或提高包括该对的那些决策点的优选路线计算的可靠性(至少根据一个或多个时间、状况和/或因素的相同组合),其中,假设具有这种组合链路的路线将在决策点之间沿组合链路移动,而不考虑任何可选路线。在一些实施方式和情况中,所选的决策点对可以包括一个或多个中间决策点,因此在该对决策点之间的可选路径可以包括共享公共部分的路径,而不包括在一个或多个该中间决策点处偏离的路径。此外,在至少某些实施方式中,特定的所选组合链路可以被以各种方式分类,然后用于与所分类别相对应的情况。例如,特定的所选组合链路可以在特定的时间(例如,工作日的上午8点到上午10点)频繁使用,并且特定的所选组合链路可以被分类为与这些时间相关联,因此RS系统的实施方式可以认为在这些相关联的时间内所选的组合链路是最短行程路线,在其他时间内则不是。类似地,特定的所选组合链路可以基于一个或多个非时间因素进行分类,例如由特定类型的车辆或驾驶员(例如,自行车、丰田Prius车辆、识别为省油驾车族的驾驶员等)所频繁使用的,并且如果这样,特定的所选组合链路可以被RS系统的实施方式用作与这些一个或多个基于因素的类别相对应的可能的最短行程路线(例如,这些类型的车辆和/或驾驶员的行程)。应当理解,可以在其他实施方式中以各种其他的类似方式来分类和使用选择的组合链路。在下文中,将参照图6A描述与基于之前的车辆行程确定与决策点对相关的优选组合链路有关的其他细节。
在一个特定的示例性实施方式中,RS系统使用改进的Dykstra路径优化算法(例如A*算法),任选地使用与当前交通状况和/或预测的将来交通状况有关的信息,并且RS系统通过致力于从源位置点和目的位置点到中间点来识别两个位置之间优选路线。该RS系统实施方式可以配置为利用道路网中确定后的组合链路来增强路线的确定,以便对于被使用的确定后组合链路的中间决策点,避开检索不经常使用的小巷或其他类型可选路线。虽然该组合链路在某些情况下不能确保两个位置之间的最佳路线的一部分,但是该“拥堵源”路径至少被某些RS系统实施方式会被首先考虑,从而反映了组合链路的受欢迎性。
此外,RS系统的某些实施方式可以设置和使用对于选择的组合链路的路线选择优先级,从而作为确定优选路线的一部分。尤其是,如之前所述,RS系统的至少某些实施方式可以搜索在从起点和目的地的两个位置之间的一个或多个优选路线,研究附近的道路并且会合于中间。但是,当搜索更接近于中间时,“高优先级”道路可能为了研究而给予优先地位(例如,通过首先搜索高优先级道路、通过仅搜索高优先级道路等)。这种技术减少了对不太可能是最优路线的可选路径的搜索时间,例如,通过确保优选路线如果可能的话利用组合链路、和/或通过确保优选路线如果可能的话利用路线中间的高的吞吐量道路,但是也可以使用更靠近起点和目的地的较小道路。为了协助这种技术,道路以“优先”值进行分类,例如基于FRC级(例如FRC级为1或2的道路具有为1的最高优先级,FRC级为3的道路具有为2的较低优先级等),优先值用于为优选路线的不同部分选择合适的道路。很不幸的是,在典型地图数据中的缺省道路的优先顺序是不充分的,例如具有道路优先顺序低于或高于这些道路应该确定的优先顺序以及不能反映熟悉道路网的驾驶员所经常采用的最短路径。RS系统的实施方式可以替代地使用实际驾驶员行为信息,以便对于空闲流动和拥堵状态,基于历史交通信息中所反映的实际交通量来识别该最短路径和解决FRC分类错误。可以在进行路线选择确定时(例如,响应请求和特定的当前交通状况)的运行时间处和/或提前(例如,对于某些或所有可能的交通状况)进行这种道路的优先化,并且这种道路的优先化可以包括估计与每个选择的组合链路有关的道路,以确保FRC级的准确度和相应的优先化。
此外,在一个特定的示例性实施方式中,DBA系统确定对于交通流阻碍的实际行驶时间成本,例如由突然操作、十字路口、交通信号、设置信号的匝道等引起的行驶时间的实际延迟。如之前所述,通过先前路线选择系统使用的转向成本延迟一般是不准确的。作为替代,在这个特定的示例性实施方式中,DBA系统集合经过交通流阻碍的各车辆行驶路径,并且分析这些行驶路径以确定在交通流阻碍处花费的平均实际时间。尤其是,与交通流阻碍的两侧位置相对应的数据样本用于计算经过交通流阻碍的位置的平均行驶时间。对于特定的车辆行驶路径,然后可以将与交通流阻碍有关的转向成本延迟识别为该车辆的总经过时间,该总经过时间与交通流阻碍的位置有关,并且该转向成本延迟可以在大量的该车辆行驶路径上求平均值,以确定与交通流阻碍有关的实际延迟。如同组合链路,在至少某些实施方式中,对于某些或全部交通流阻碍而确定的延迟时间可以被以各种方式进行分类,然后可被用于与分类相对应的情形中。例如,对于特定交通流量阻碍确定的特定延迟时间可以对应于在特定时间(例如,工作日从上午8点到上午10点)经过交通流阻碍的时间,并且可以分类为与这些时间相关联,以使RS系统的实施方式可以考虑在这些关联时间内而不是其他时间处该交通流阻碍对于行程的延迟时间。类似地,对于特定交通流量阻碍所确定的特定延迟时间可以基于一个或多个非时间因素进行分类,例如由特定类型的车辆或驾驶员(例如,自行车、丰田Prius车辆、识别为省油驾车族的驾驶员等)所频繁使用的,并且如果这样,当确定包括交通流阻碍和与一个或多个基于因素的类别相对应的行程的行驶时间(例如,这些类型的车辆和/或驾驶员的行程)。应当理解,可以在其他实施方式中以各种其他的类似方式来分类和使用对于交通流阻碍所确定的延迟时间。在下文中,将参照图6B和6C描述与基于之前的车辆行程确定与交通流阻碍相关的实际延迟有关的其他细节。
图6A-6C是使用与决策点和交通流量阻碍相对应的实际驾驶员行为的信息的实施例。尤其是,在这些所示的示例中,为了说明目的,仅讨论几条道路和短距离行驶的单个车辆,但是应当理解,在一些实施方式和情形中,在地理区域中相连的道路网可以包括成百上千或更多条各种类型的道路(例如,快速路或其他公路、主干路或其他城市街道等),成千的或上百万或更多的不同先前车辆行程可以被跟踪和分析,成千的或上百万或更多的不同的交通流阻碍可以被识别和分析,成千的或上百万或更多的不同的决策点对可以被分析,成千的或上百万或更多的不同的组合链路可以被确定和分析,成千的或上百万或更多的不同的交通流阻碍可以被识别和分析,特定的车辆行程可以包括数十或数百或更多英里等。
尤其是,图6A示出了具有几条互连道路615、620、625、630、635和640的示例性区域655,其中所示的方向图标650表示道路的朝北方向(道路625和635为南-北方向,道路620、630和640为东-西方向,道路635a大致为东北-西南方向,道路635b大致为西北-东南方向,道路615在整个长度上弯曲)。虽然在这个示例中仅示出有限数量的道路并且这些道路通常使用直线示出,但是它们可以任选地表示一些道路没有示出的大地理区域,从而示出了很多英里的互连公路或者示出跨过许多街区的城市街道的子集,和/或这些道路可以与具有各种区县和其他非直线部分的道路相对应。在该示例中,示出了各种决策点690,每个决策点690对应于两条或更多道路的交点,每个决策点识别交通可以分开和/或会合的位置。在至少某些情况下,决策点可以对应于以下位置,在该位置处车辆驾驶员面临对于至少一些驾驶员而言具有离开该位置的两个或多个可选路径的选择。例如,如果道路625包括双车道并且道路640包括向西的单车道,沿道路640移动到决策点690a的道路交叉口的车辆将选择通过道路625向北(右转弯后)或者通过道路625向南(左转弯后)离开决策点690a,但是沿道路625移动到相同的决策点690a的道路交叉口的车辆将没有离开决策点的选择(除非在十字路口能够进行U形转弯,因此可以选择是直走还是掉头)。类似地,沿道路635a和/或635b向决策点690h行驶的车辆可能没有选择,只能沿着道路635并入向北行驶的车流中,但是到达决策点690h的沿道路635向南行驶的车辆可能选择或可能不选择道路635a和/或635b的任一条,此外,在与决策点690h相对应的这种道路的合并或分开路口中,在某些情况下,道路635a和635b中的一条可能被认为与道路635是同一条道路,但是在其他情况下,三条道路635、635a和635b可能被认为是不同的道路。虽然可以通过驾驶行为分析系统的某些实施方式基于分析地图数据和/或基于人工输入来确定该决策点或可替换的选择,但是其他实施方式中,可以通过分析大量的在先车辆行程自动地进行这种确定,从而确定上述示例沿道路625行驶的车辆不会转到道路640(或者转到小于规定的最小阈值的道路640),因此不包括驾驶员对可选的离开路径的选择,但是在该示例中沿道路640行驶的车辆从识别后的决策点690a分成两个可选的离开路径。
在图6A的示例中,移动数据源(例如,车辆,未示出)可以希望从位置645a行驶到位置645c,并且如果这样的话,在这些位置之间具有多种可选路径。对于这些示例性的道路,所有的可选路径都将经过中间位置645b并且到达道路625和640连接的交叉口A处的第一决策点690a,为了讨论目的,与决策点690xx相对应的道路连接称为“交叉口XX”(因此,决策点690a处的道路连接称为“交叉口A”)。此外,在该示例中所有的可选路径都将具有作为最后决策点的交叉口E或者交叉口G,其中路径从交叉口E向北延伸到位置645c或者从交叉口G向南延伸到位置645c。仅使用该示例的所示道路并且假定所有的所示道路都是双车道道路,在一对位置645a和645c之间的多个可选路径包括下列非排外的可选列表:交叉口A到F到E;交叉口A到F到E到B到C到D到G;交叉口A到B到E;使用C和D之间的道路620时,交叉口A到B到C到D到G;使用C和D之间的道路615时,交叉口A到B到C到D到G;等。应当理解,当额外的道路被包括而考虑时,可选方案的数量可以成指数形式增长。此外,根据驾驶员在特定决策点处的选择,一种选择可以是在一对位置之间的可选路径的一部分,而另一种选择可以不是,例如,如果道路640在道路635的东侧成为终点且不会与其他任何道路相交,那么沿道路640向东离开交叉口F的选择将不会是一对位置645a和645c之间的可选路径的一部分。
为了便于产生通过该示例的区域的优选路线,关于这些道路上实际驾驶行为的信息可以被分析,以确定在一对决策点之间的优选组合链路。虽然在图6A中没有示出与这种实际驾驶行为对应的多个车辆行程的信息,但是应当理解,在各个实施方式中可以通过各种方式存储和/或显示这些数据,以便表示具有一系列或一连串道路位置(以及任选地其他信息,例如相关时间、速度等)的每个车辆行程,在该一系列或一连串道路位置处行驶车辆被采样或以其他方式识别;和/或以便显示包括从车辆行程起始位置(或者,如果起始位置位于显示区域之外,从车辆行程进入被显示的道路示例性区域的位置)到车辆行程的终止位置(或者,如果终止位置处于显示区域之外,到车辆行程离开被显示的道路示例性区域的位置)的线的每个车辆行程的踪迹。例如,考虑以下情形,其中所有的道路进行双向交通,且道路625和630对应主干道,而道路640对应于小边道。在这种情况下,在交叉口A和E之间(即,在包括决策点690a和690e的决策点对之间)的大量先前车辆行程可以沿道路625和630通过中间决策点690b,并且如果这样的话,可选路径可以被确定为决策点对的组合链路。因此,在这种情况下,使用交叉口A和E之间的确定的组合链路而不考虑那些交叉口之间的任何可选路径,可以产生在位置645a和645c之间的优选线路。反之,如果道路625和630的一个或两个在某些时间(例如高峰时间)具有明显的交通拥堵和/或速度变化或经过时间,那么大量的交通在那些时间可替代地使用第二可选路径,第二可选路径包括道路640和635,例如沿第二可选路径的交通量可能是那个时间发生的大部分先前车辆行程,或者可能是规定的最低阈值之上的小部分先前车辆行程。如果是这样的话,第二可选路径还被确定为至少在那某些时间内用于该决策点对的组合链路。此外,在一些实施方式中,给定的决策点对(例如决策点690a和690e)可能是有方向性的(例如,包括从决策点690a行驶到决策点690e而不是从决策点690e行驶到决策点690a的先前车辆行程),然而在其他实施方式中,这种决策点对可以是没有方向性的。此外,在一对决策点之间的某些可选路径可以包括沿该路径的一个或多个中间决策点,例如决策点对690a和690e的每一可选路径,在某些情况下,可能存在的两个决策点之间的多个可选路径不包括任何中间决策点,例如一对决策点690c和690d之间使用道路620或者道路615的可选路径。
因此,如图6A的示例中所示出的,可以在各种实施方式中以各种方式识别和使用各种类型的决策点。
以与图6A类似的方式,图6B示出了区域605的示例,区域605是图6A的区域655的子集,但是没有示出图6A的决策点690。此外,图6B还包括与移动数据源有关的从位置645a行驶到位置645c的车辆的特定车辆行程信息,具体地,在该示例中,例如在11-12分钟的时间内,所示出的车辆行程沿包括图6A的交叉口A、B、和E的从位置645a到645c的路径,行驶过互连的道路625、630和635。在该示例中,移动数据源约每分钟沿车辆行程获得数据样本,11个数据样本610示出了这种数据样本的示例。在该示例中,每个数据样本包括当前位置的指示(例如在GPS坐标中)、当前方向(例如向北)、当前速度(例如30英里每小时)和当前时间,如使用数据值Pa、Da、Sa和Ta的610b1数据样本所表示的,并且每个数据样本还可以任选地包括其他信息(例如指示移动数据源的标识符),但是在其他实施方式中可以包括其他信息(例如,仅位置和相关时间)。此外,在该示例中,包括第一5个数据样本的610b1-610b5的组610b对应于在到达沿车辆行程的第一决策点(图6A的决策点690a)之前的移动数据源的行驶,而6个数据样本610c1-610c6对应于第一决策点之后的移动数据源的继续行驶。
因此,在图6B的示例中,示出了在车辆行程中获得或提供相应车辆行驶的信息的特定移动装置的动作,以报告车辆行程中的车辆的位置和相关时间(或者更通常的道路交通状况)。移动装置例如可以是车辆的一部分(例如与车辆的导航系统有关),或者可以由车辆的驾驶员或乘客携带(例如,是智能电话或其他蜂窝电话或便携设备的一部分)。关于移动装置行进的信息(如果有的话,相关车辆的相应行驶的信息)可以通过多种方式从移动装置获得,例如通过使用无线电(例如,卫星上行线、蜂窝网络、WI-FI、无线电分组交换网络等)传输,和/或当装置到达合适的停泊处或其他连接点时通过物理下载(例如一旦车队车辆已经回到其主要的操作基地或其他具有执行信息下载的适当设备的目的地,则以执行信息下载)。在明显更晚的第二时间获得的第一时间处的道路交通状况信息提供了各种好处,例如可以是在装置到达目的地后从装置物理下载信息的情况,当以实时或近乎实时的方式获得时,该道路交通状况信息可以提供其他好处。因此,在至少某些实施方式中,具有无线通信能力的移动装置可以频繁地提供至少某些获得的道路交通状况信息,例如,周期地(例如每30秒、每1分钟、每5分钟等)和被任选地提供以对应于该每个时间内获得数据样本和/或当可以得到充足的获得信息数量时(例如,与道路交通状况信息相关的数据点的每次获取;该数据的每N次获取,例如,N是可配置数目;当获取的数据到达某存储和/或传输大小时等)。
关于图6B的示例,在该示例中,11个数据样本610的每一个被表示有数据采样时指向移动数据源方向的相关箭头,并且可以用于估计各种信息。例如,如直观地示出的,数据样本610能够将随后的特定路线确定为车辆行程的一部分,以沿着道路630而不是道路640行驶。此外,各数据样本610可以用于估计在多个交通流阻碍660-675的每一个处的车辆行程中的车辆实际延迟。具体的,在该示例中,车辆行程中随后的路线经过4个交通流阻碍,其中,交通流阻碍660、665和670与图6A的交叉口A、B和E对应且与决策点690a、690b和690e对应。图6B的交通流阻碍675对应于不是交叉口或其他决策点的道路特征,例如具有交通灯的街区中间的人行道。图6A的交通流阻碍680还是对应于不是交叉口或其他决策点的道路特征,并且具体地对应于使车辆突然操作(与经过车辆的速度降低相对应)的道路位置,但是图6b的示例性路线没有使用交通流阻碍680。
图6B的示例性交通流阻碍660、665、670和675示出了在各种实施方式和情况中交通流阻碍可具有各种形状。例如,在至少某些实施方式中,交通流阻碍可以表示为点位置,以将交叉口A的交通流阻碍660表示为点位置660b。替代地,在至少某些实施方式中,交通流阻碍可以表示为由边界围绕的地理区域,例如交通流阻碍660的边界660a。此外,当示例性的边界660a对应于相应交叉口A的尺寸时,所示的交通流阻碍675边界可以对应于相应的街区中间人行道的尺寸,在其他实施方式和情况中,交通流阻碍可以具有其他类型的边界,例如与相应的交叉口B的区域的矩形子集相对应的交通流阻碍665的所示边界、与相应的交叉口E的圆形子集相对应的交通流阻碍670的所示边界、延伸过交通流阻碍的地理区域的交通流阻碍的边界(未示出)(例如表示附加地理区域,其中至少在某些时间内,交通因交通流阻碍而阻塞)等。例如可以基于距离交叉口E的中心处的点位置(未示出)的预定的半径距离、基于交叉口E处的实际圆形道路特征(例如环岛或其他交通转盘)等,来确定交通流阻碍670的圆形边界。
在各种实施方式和情况中,车辆行程的数据样本610可以通过各种方式来估计交通流阻碍660、665、670和675,包括根据反映交通流阻碍形状的方式。例如,考虑交通流阻碍660和车辆行程中车辆经过交通流阻碍的移动。为了估计与车辆行程的交通流阻碍660有关的实际延迟,可以选择围绕交通流阻碍的两个数据样本,在该示例中,两个数据样本是交通流阻碍之前的数据样本610b5和交通流阻碍之后的数据样本610c1。给定两个数据样本的道路位置和相关时间,这些道路位置之间的实际距离可以被确定,并且在车辆行驶期间经过该距离所花费的实际时间量可以被确定。但是,因为不知道车辆首次进入交通流阻碍660的地理区域(例如边界660b的南侧)和之后离开该地理区域(即边界660b的北侧)的准确时间(因为在该示例中,不能得到与这些精确位置相对应的数据样本),所以在这个示例中,不能直接地计算车辆经过交通流阻碍的地理区域所花费的精确时间量。
可替代地,在一些实施方式中,可以估计车辆确实花费的或通过从第一数据样本610b5的位置到交通流阻碍的地理区域的第一距离将通常花费的第一时间量,可以估计车辆确实花费或通过从交通流阻碍的地理区域到第二数据样本610c1的位置的第二距离将通常花费的第二时间量,可以将估计的第一和第二时间数量从经过两个数据样本的位置之间的总距离所花费的实际时间量中扣除,产生的数字差别表示车辆经过交通流阻碍的地理区域所花费的估计的实际延迟时间量。例如,在一些实施方式中,可以使用在数据样本610b5位置和地理区域的边缘之间的相应距离的道路625上交通的平均速度(例如道路625上任何位置和时间的平均速度,或者可替代地,例如在相应时间内接近交通流阻碍位置的车辆行程相对应的平均速度),或者可替代地通过使用特定距离的车辆特定速度(例如基于数据样本610b5报告的速度值,基于从邻近之前数据样本610b4的位置到数据样本610b5的位置行驶的平均速度),来估计与到达交通流阻碍的地理区域的车辆相对应的第一时间量。通过类似的方式,在一些实施方式中,可以针对地理区域边缘和数据样本610c1位置之间的相应距离,使用道路625上交通的平均速度和/或车辆的特定速度(例如,基于由数据样本610c1报告的速度值,基于从数据样本610c1的位置到邻近的后续数据样品610c2的位置行驶的平均速度),来估计与离开交通流阻碍的地理区域的车辆相对应的第二时间量。在交通流阻碍的地理区域表示为点位置(例如点位置660b)且相同速度用于第一和第二时间量的情况中,可以通过将该速度应用于周围的数据样本610b5和610c1之间的总距离、且将估计的实际延迟时间量从在周围的数据样本610b5和610c 1的道路位置之间行驶所花费的实际总时间中扣除,来确定与交通流阻碍有关的估计的实际延迟时间量的确定。因此,在使用道路的平均速度或通过其他方式确定行驶过第一和第二距离的车辆的期望时间量的情况下,与该特定车辆行程的交通流阻碍有关的估计的实际延迟时间量可能是异常的(例如,如果车辆实际通过经过周围数据样本610b5和610c1的道路位置之间的距离的时间比通常的明显更快。)
在车辆行程中车辆的其他交通流阻碍665、670和675的经过示出了其他示例,在其他示例中,可以基于车辆行驶的数据样本来估计那些交通流阻碍的实际转向成本延迟。例如,交通流阻碍665示出了以下情形,其中交通流阻碍的地理区域由所示的边界进行表示、并且从该地理区域内部报告数据样本之一(数据样本610c2)。在这种情况下,可以使用与之前讨论的交通流阻碍660类似的确定,但是选择周围的数据样本610c1和610c3以与交通流阻碍665相使用,并且如果替代平均速度(例如,道路625和630的平均速度的平均值,道路625和630之一的平均速度,以选择更高的平均速度或更低的平均速度等)而被使用,则来自中间数据样本610c2的信息(例如相关速度)任选地用于帮助确定车辆的特定速度。此外,在一些实施方式中,因为各种原因,特定的车辆行程可能不会用于确定对于特定交通流量阻碍的实际转向成本延迟,例如如果用于交通流阻碍的周围数据样本的一个或两个超过了规定的最小距离、或者如果另外地数据样本满足或者不满足一个或多个反映用于确定的那些数据样本的可靠性的可能缺乏的特定标准,例如,在该示例中,周围数据样本610c3可以被确定为与交通流阻碍675太远,以使得该车辆行程不能用于确定对于该交通流阻碍的实际转向成本延迟。此外,在一些实施方式中,如果用于交通流阻碍的周围数据样本的一个或两个都非常接近该交通流阻碍的地理区域,例如在最小阈值距离内,则那些数据样本的道路位置之间的实际距离可以用于表示该车辆行程的地理区域,因此在周围数据样本之间行驶所花费的实际时间被选择以表示车辆经过车辆行程中的交通流阻碍所花费的动作时间,而不必计算如之前相对于交通流阻碍660所讨论的第一和第二时间量的一个或两个,例如,在那些周围数据样本之间的实际时间用作交通流阻碍670的经过时间的示例中,周围数据样本610c5和610c6可以被确定成非常接近交通流阻碍670的地理区域。应当理解,各种其他相关的情况都可能出现,并且可以以类似的方式处理。
图6C示出了示例性区域615,其示出了多条道路的特定连接,例如,多条道路可以相当于图6A的区域655的子集,或者可替代地可以是不同的区域。具体的,在图6C的示例中,两条公路685和695连接于立体交叉处,公路685包括一组向东的一条或多条车道685a和一组向西的一条或多条车道685b,并且公路690包括一组向北的一条或多条车道695b和一组向南的一条或多条车道695a。示出了立体交叉的一部分,包括从向东车道685a到向南车道695a的一条或多条合并车道650a、和作为从向东车道685a到向北车道695b的立交桥的一部分的一条或多条合并车道650b。在一些实施方式中,车道685a和685b将被表示为单条道路685,而在其他实施方式中,车道685a和685b将被表示成分开的道路,分开的道路可以具有不同的决策点和/或交通流阻碍,以相似的方式,车道695a和695b可以被表示成单条道路695或可以具有不同决策点和/或交通流阻碍的分开道路。在该示例中,为了决策点和交通流阻碍的目的,车道685a和695a被分别处理成与车道685b和695b分开。此外,在各种实施方式中可以以各种方式表示合并/连接的车道650a和650b,以便可替代地将车道650a处理成与车道685a和695a的道路相分开、处理成为车道685a和695a的道路的一部分或者处理成车道685a和695a的道路的仅一条(例如,起始车道685a或者目的车道685b)的一部分,在不同的实施方式中,可以以不同的方式类似地表示车道650b。
在该示例中,考虑在车道685a上向东行驶的位于位置645d并且接近于与公路695的立体交叉连接的车辆。在这种情况下,车辆在立体交叉处面临三种可能的选择,包括向前直走穿过公路695到达位置645e(和超过)(位置645e在通过立体交叉的公路695东侧的车道685a上)、经由车道650a加入向南的车道695a中以到达位置645f(和超过)(位置645f在立体交叉南侧的车道695a上)、以及经由车道650b加入向北的车道695b以到达位置645g(和超过)(位置645g在立体交叉北侧的车道695b上)。在一些实施方式中,这三个选择都将表示为车道685a上的单个决策点,但是在所示的示例中,替代地示出了两个不同的决策点690i和690j,决策点690i和690j分别对应于到车道650a和650b的决定,例如,可以单独地识别对于使用车道650a、650b和/或685a(当其继续前行通过公路695时)的交通的拥堵或者其他延迟。在一些实施方式中,合并位置647a和/或647b还可以被识别为决策点,但是在该示例中没有被识别。此外,交通流阻碍可以通过各种方式进行识别,包括对于每个所表示的决策点而具有单独的交通流阻碍、对于在立体交叉处的车道685a上的车辆而具有单独的交通流阻碍(例如,包含决策点690i和690j)、对于整个立体交叉具有单独的交通流阻碍等。此外,虽然在该示例中,没有示出点位置或者这种交通流阻碍的其他边界,但是可以通过各种方式选择那些边界,以具有与车道650a和/或决策点690i相对应的交通流阻碍,该交通流阻碍具有包括车道650a的相应边界(例如,包括决策点690i和位置647a之间的区域),如果车道650a没有表示为道路685或者695的一部分(例如,表示为车道685a和/或695a的一部分),因此这种交通流阻碍的地理边界不能任选地包括那些道路的任何一个的任何地理区域,但是其他实施方式中也可以包括该道路的一个或者两个(例如,包括车道685a的一部分,其与沿车道685a朝向车道650a行驶的交通至少在某些时间内会拥堵的位置相对应)。在其他实施方式和情况中,对于车道650a的交通流阻碍的地理边界通常可以包围位置645d、645f、645e和645g的某些或全部。以类似的方式,与车道650b和/或决策点690j相对应的交通流阻碍的边界可以具有包括车道650b的相应边界(例如,包括决策点690j和位置647b之间的区域),即便该边界与有关于公路695和/或685的位置相重叠、或者更通常地可以包括位置645d、645f、645e和645g的某些或全部。因此,在其他地方描述的用于识别决策点、确定决策点对之间的组合链路、确定对于确定的组合链路的交通方案的估计、识别交通流阻碍和/或确定对于识别的交通流阻碍的实际转向成本延迟的各种技术都可以类似地应用于图6C所述的道路连接中,包括基于通过或经过立体交叉行驶的多个车辆行程。
因此,如上所述,在各种实施方式中,可以通过各种方式确定与经过交通流阻碍的车辆有关的实际转向成本延迟。在至少某些实施方式中,首先确定每个交通流阻碍的位置(是否是点位置或者包围地理区域的边界),然后分析针对经过交通流阻碍的每个车辆行程而获得的信息,以估计或通过其他方式确定与车辆行程中的交通流阻碍有关的估计时间量,例如通过确定车辆行程的车辆达到交通流阻碍的位置的第一时间和确定车辆行程的车辆离开交通流阻碍的位置的第二时间之间的差异、或者更通常地通过从车辆实际经过车辆行程中的距离的总时间中扣除车辆经过包围交通流阻碍的距离的某些或全部的预期时间。
对于确定交通流阻碍的位置边界,可以在各种实施方式中通过各种方式执行该确定。例如,在某些实施方式中,可以通过DBA系统的操作者来规定和配置边界,以便为每个交通流阻碍分别定义特定的边界、对于特定类型的交通流阻碍(例如,两条道路的交叉口、道路交叉的边缘处、或中心位于交叉口的中间且具有50英尺的侧边或另一规定距离的正方形)定义确定的边界等。在其他实施方式中,可以通过地图数据为基础来定义至少某些交通流阻碍的边界,例如,如果交叉口通过与接近该交叉口的其他道路链路分开的自己的道路链路表示、如果入口匝道或出口匝道的精确位置在地图数据中被定义等。此外,在一些实施方式和情况中,当至少某些交通流阻碍的边界可以被通过在至少某些时间和/或其他状况中车辆接近交叉口时车辆速度的差异而被自动检测时,可以至少部分地基于实际的之前驾驶行为信息来自动地确定至少某些交通流阻碍的边界,以将交叉口起点表示为在交叉口处等待交通灯或信号的交通开始拥堵的距离,在这种实施方式和情况中,应当理解,交叉口或者拥堵的其他交通流阻碍的入口边界可能在不同的时间进行变化,以便对于不同的集合类别或以其他方式在不同的时间具有不同的边界。
对于确定车辆行驶期间车辆经过特定交通流量阻碍的估计时间,可以在各种实施方式中通过各种方式进行该确定。例如,如果车辆行程以一系列或一组数据样本进行表示,其中这些数据样本相对于道路位置和相关时间彼此分离,那么在某些情况下,车辆行程具有特定数据样本,该特定数据样本的相关道路位置足以接近交通流阻碍的边界(例如,在第一预定距离之内),以使得数据样本的相关时间被用作到达或离开时间(基于该位置匹配哪个边界)。反之,在某些情况和实施方式中,车辆行程的数据样本将不具有足以接近交通流阻碍的边界的相关道路位置(例如,在第二预定距离内),并且如果这样的话,车辆行程可以不用于计算交通阻碍的延迟时间,从而排除该交通流阻碍的车辆行程。一般来说,在至少某些实施方式和情况中,车辆行程将具有第一数据样本和第二数据样本,第一数据样本的相关道路位置是在第一时间交通流阻碍边界之前的某第一距离,第二数据样本的相关道路位置是在第二时间通过交通流阻碍边界的某第二距离,在这种情况下,当车辆的位置被估计为已经到达交通流阻碍边界时,车辆行程的信息可以用于自动地估计第一和第二时间之间的时间(例如通过内插法),并且估计的中间时间被用于起始/达到或终止/离开时间(基于位置与哪个边界相对应)。在这种情况中,对于边界位置的中间时间的估计可以在各种实施方式中通过各种方式执行,例如对于该道路位置使用平均速度、对于该道路位置使用发布的最大速度、使用与车辆行程的一个或多个数据样本有关的车辆指定速度位置等。在对于每个车辆行程和相关的交通流阻碍计算该经过时间之后,对于特定交通流量阻碍,许多车辆行程的经过时间可以被平均或者以其他方式集合,从而确定一个或多个代表性的对于该交通流阻碍的实际转向成本延迟,任选地用于一个或多个集合类别,如在其他地方详细讨论的。
应当理解,如上所述的关于示例性DBA和RS系统实施方式的特定细节仅用于说明性目的,可以以其他方式操作其他的DBA和RS系统实施方式。
图1是示出了服务器计算系统100的实施方式的方框图,服务器计算系统100适于执行至少一些描述的技术,例如,通过执行驾驶行为分析系统和/或通过执行路线选择器系统。示例性的服务器计算系统100包括一个或多个中央处理单元(CPU)处理器135、各种输入/输出(I/O)部件105、存储装置140和存储器145。在该示例性实施方式中所示的I/O部件包括显示器110、网络连接115,计算机可读媒体驱动器120和其他I/O装置130(例如,键盘、鼠标或者其他定位设备、麦克风、扬声器等)。
在所示的实施方式中,DBA系统160和RS系统170在存储器145中执行,任选的交通信息提供者系统150和任选的由其他程序155提供的其他系统(例如至少部分地基于历史和当前交通数据的将来交通预测程序、以实时或接近实时的方式将交通信息提供给客户的实时交通信息提供系统等)也在存储器145中执行,在本文中各种这些执行的系统通常称作交通分析系统。服务器计算系统100及其执行的交通分析系统可以通过网络180(例如因特网、一个或多个蜂窝式电话网络等)和任选的无线通信链路185,与其他计算系统通信,其他计算系统例如是各种客户端装置182、基于车辆的客户和/或数据源184、道路交通传感器186、其他数据源188和第三方计算系统190。如其他地方讨论的,在至少某些实施方式中,例如,如果执行的系统在别处(例如在一个或多个第三方计算系统190,例如根据第三方实体的控制)相应信息或系统相互作用和/或如果仅使用DBA系统160的功能而不使用RS系统170,则DBA系统160和RS系统170中只有一个可以执行在服务器计算系统100中,并且其他实施方式中,执行在服务器计算系统100上的单个系统可以包括DBA系统160和RS系统170的功能的部分或全部。
在各种实施方式中,可以采用各种形式的客户端装置182,并且客户端装置182通常可以包括任何通讯装置及其他计算装置,该其他计算装置能够向交通分析系统发出请求和/或从交通分析系统接收信息。在某些情况下,客户端装置182可以包括在特定道路上行进的移动装置(例如,由行驶的车辆中的用户(例如车辆的操作人员和/或乘客)携带的手持蜂窝电话或者具有GPS功能或其他定位功能的移动装置),如果这样的话,这样的客户端装置可以作为基于道路上的当前行驶而提供当前交通数据的移动数据源(例如如果客户端装置的用户在道路上)。此外,在某些情况下,客户端装置可以运行交互式命令应用(例如,网页浏览器、智能电话应用等),用户可以利用交互式命令应用请求产生与交通有关的信息(例如,来自RS系统170的优选路线)和/或提供DBA系统160和/或RS系统170使用的信息(例如,车辆类型信息、驾驶员喜好信息等),但是在其它情况下,至少某些这种产生的与交通有关的信息可以自动地从一个或多个交通分析系统发送给客户端装置(例如,作为文本信息,新的网页、专门的程序数据更新等),包括提供与当前交通信息有关的实时的或接近实时的信息(例如,包括基于实际信息的用于特定交通流量阻碍的当前转向成本延迟的实时拥挤地图、对于特定决策点对之间的特定组合链路和/或可选路径的当前交通测量估计等)。
在该示例中,基于车辆的客户/数据源184每个都可以包括位于车辆内部的计算系统,该计算系统向一个或多个交通分析系统提供数据和/或从一个或多个交通分析系统接收数据。在一些实施方式中,DBA系统160使用的历史信息可以至少部分地源自基于车辆的数据源的分布式网络,该基于车辆的数据源提供与当时交通状况相关的信息。例如,每个车辆可以包括GPS(全球定位系统)装置(例如,具有GPS功能的蜂窝式电话、独立的GPS装置等)和/或能够确定地理位置、速度、方向和/或与车辆行驶有关的其他数据的其他地理定位装置。车辆上的一个或多个装置(无论是地理定位装置或者不同的通讯装置)可以不时地收集这种数据(例如大量的数据样本,每个数据样本至少表明当前的地理位置和相关的时间,任选地包括其他信息)并且将这种数据提供给一个或多个交通分析系统(例如,通过无线链接)。例如,通过另外程序162的一个提供的系统可以通过各种方式获得和使用当前的道路交通状况信息,并且之后该信息(无论是原始获得的还是之后处理的)可以由DBA系统160用作历史数据。这种车辆可以包括具有各个用户的分布式网络,车队(例如,送货公司、运输公司、政府团体或机构、车辆租赁服务公司的车辆等)、属于提供有关信息的商业网的车辆(例如,OnStar服务或者其他类似的服务)、为了获得这种交通状况信息而操作(例如,通过在预定路线上行驶或者通过在动态引导的道路上行驶,以获得有道的道路的信息)的一组车辆等。此外,在其他实施方式中可以通过其他方式产生这种基于车辆的信息,例如,通过蜂窝式电话网络、其他无线网络(例如Wi-Fi热点网络)和/或其他外部系统(例如使用RFID或者其他通信技术的车辆收发器的检测器、可以观察和识别牌照和/或用户面部的照相机系统),外部系统可以检测和跟踪通过网络中多个发射器/接收器的每个的车辆的信息。
道路交通传感器186包括多个传感器,该多个传感器安装在各种街道、公路或者其他道路(例如,对于一个或多个地理区域)中、处或附近。这些传感器包括圆形传感器,其能够测量每单位时间经过传感器上的车辆的数量、车辆速度和/或与交通状况有关的其他数据。此外,这种传感器可以包括位于道路附近的照相机、动作传感器、雷达测距装置及其他类型的传感器。道路交通传感器186可以将经由基于电线或者基于无线的数据链路测量的数据定期地或者连续地经由使用一个或多个数据交换机构的网络180提供给一个或多个数据交换机构(例如,推送、下拉、轮询、请求响应、端对端等)。例如,通过其他程序162的一个提供的系统可以通过各种方式获得和使用当前的道路交通状况信息,并且之后该信息(无论是原始获得还是之后处理的)可以作为历史信息由DBA系统160使用(例如,作为在特定的历史车辆行程发生期间确定交通状况的一部分)。此外,虽然此处没有示出,但是在一些实施方式中,这种道路交通传感器信息的一个或多个集合器(例如,操作这些传感器的政府交通团体、产生和/或集合数据的私人公司等)可替代地获得交通数据和使得一个或多个交通分析系统能够使用这些数据(无论是原始形式还是加工之后)。在一些实施方式中,交通数据还可以处理以能够成批地供交通分析系统使用。
其他数据源188包括各种类型的其他数据源,该数据可以被一个或多个交通分析系统所使用。这种数据源包括但不限于:假日和季节时间表或者用于确定怎样对于特定天或时间而分组或分类历史数据的其他信息、非周期事件的时间表信息、与交通时段有关的时间表信息、用于计划的道路建设或其他道路工作的时间表信息、道路图数据(例如,表明特定道路的位置;道路间的连接;作为交通流阻碍的特定道路特征;特定交通流量阻碍的边界,例如当在包括交通流阻碍的道路上的特定方向中行驶时的交通流阻碍的起始和终止位置;等)。
第三方计算系统190包括一个或多个任选的计算系统,该计算系统由当事人而不是交通分析系统的操作者操作,例如,向交通分析系统提供当前和/或历史交通数据的当事人和接收和使用由一个或多个交通分析系统提供的与交通有关数据的当事人。例如,第三方计算系统可以是地图供应系统,该地图供应系统向交通分析系统提供数据(例如成批地提供)。在一些实施方式中,来自第三方计算系统的数据可以与来自其他源的数据不同地加权。例如,该加权可以表明有多少测量值参与到每个数据点。其他第三方计算系统可以从一个或多个交通分析系统接收产生的与交通有关的信息,并且然后将相关信息(无论是接收的信息或基于接收的信息的其他信息)提供给用户或他人(例如,经由网络门户或者订阅服务)。替代地,第三方计算系统190可以由其他类型的当事人操作,例如向收集这种与交通有关的信息且向其消费者报告的媒体组织、或者向其用户提供这种与交通有关的信息来作为行进规划服务的一部分的在线地图公司。
在图1所示的实施方式中,DBA系统160包括决策点识别器模块162和转向成本确定器模块164。DBA系统从各种来源中的一个或多个获得历史交通数据和/或当前交通数据,其中在该示例中,这种获得的交通数据存储在存储装置140中的数据库141中(例如,任选地与预测的未来交通数据一起)。如之前所述,历史数据和/或当前数据可以包括从一个或多个外部源之前最初接收的原始形式的数据,或者可替代地是以处理后形式获得和存储的数据。例如,对于相关的一个或多个交通状况测量的每个,历史数据可以包括在各种之前时间周期的每个中对于某些或所有路段和/或道路链路测量的值。历史和/或当前交通数据可以由一个或多个外部源产生,例如,基于车辆的数据源184、道路交通传感器186、其他数据源188和/或第三方计算系统190,在一些实施方式中,历史和/或当前交通数据可以可替代地通过一个或多个这种数据源远程存储且从该远程存储装置提供给DBA系统。在一些实施方式中,例如如果所获得数据是之前未加工的原始数据,DBA系统160或其他这种系统还可以包括检测和校正获得的交通数据中的各种误差(例如,因为传感器终端和/或故障、网络中断、数据提供器中断等)。例如,如果数据是错误的或对于相关的交通状况无代表性,数据可以被以各种方式过滤和/或加权以便排除这些数据或降低这些数据所考虑的重要性,包括通过至少部分地基于数据样本有关的道路来识别不相关的数据样本和/或相对于其他数据样本是统计异常值的数据样本。在一些实施方式中,过滤还可以包括将数据样本与特定道路、路段和/或道路链路相关联。数据过滤还可以排除那些反映不关心的车辆位置或活动的数据样本(例如,停靠车辆、在停车场或建筑物环行的车辆等)和/或所关心的道路上的不具代表性的车辆行驶的数据样本。在一些实施方式中,DBA系统160或其他这种系统还可以任选地集合从各种数据源获得的数据,并且还可以执行各种活动中的一个或多个以准备所使用的数据,例如从而以统一的格式安排数据;离散化连续的数据,以将实值的数字绘图为列举的可能值;对离散数据进行子采样;将相关数据分组(例如,以指示方式集合的沿单个路段放置的一组多个交通传感器);等。
在获得或任选地处理历史和/或当前交通数据之后,然后DBA系统160的决策点识别器模块162基于根据获得的交通数据所估计的实际驾驶行为来分析所获得的交通数据,用于识别感兴趣的道路决策点。如其他地方更详细地讨论的,模块162可以分析所获得的交通数据以识别用于道路网的道路决策点,选择特定的识别决策点以进一步使用,跟踪在所选决策点的特定对或其他组之间驾驶员实际使用的特定路径,以及基于跟踪的实际使用信息来选择特定组合链路。在该示例中,这种确定的决策点信息可以被存储,以便之后在存储装置140的决策点数据库143中使用,和/或这种确定的决策点信息可以直接由DBA系统160提供给RS系统170和/或其他系统(例如,第三方计算系统190的另外程序155的一个,等)以便进一步使用。在至少某些实施方式中,作为其操作的一部分,模块162还可以使用其他类型的数据,例如来自存储装置140的数据库142的道路地图数据或来自其他源的类似信息。
此外,DBA系统160的转向成本确定器模块164可以基于根据所获得的交通数据估计的实际驾驶行为来分析所获得的交通数据,以便用于确定与特定交通流量阻碍有关的实际转向成本延迟。如别处更加详细地讨论的,模块164可以分析所获得的交通数据,以确定车辆遇到道路网中的各种特定交通流量阻碍的实际延迟。在该示例中,这种确定的实际延迟信息可以被存储,以便之后在存储装置140的交通转向成本数据库144中使用,和/或这种确定的实际延迟信息可以直接由DBA系统160提供给RS系统170和/或其他系统(例如,第三方计算系统190的其他程序155的一个,等)以便进一步使用。在至少某些实施方式中,作为其操作的一部分,模块164还可以使用其他类型的数据,例如来自存储装置140的数据库142的道路地图数据或来自其他源的类似信息,以及来自数据库142或其他数据源的特定交通流量阻碍的信息。
在DBA系统160已经产生决策点信息和/或实际延迟转向成本信息之后,RS系统170和/或一个或多个其他系统(例如,第三方计算系统190的其他程序155中的一个)可以通过各种方式使用这些信息,例如,系统170的路线确定模块176确定位置之间的特别推荐或优选的路线,该确定是通过至少部分地基于实际驾驶员行为信息的方式来实现(例如,基于识别的决策点和相关的路径使用和/或基于针对替代路线中的特定交通流量阻碍的实际确定延迟)。在一些实施方式中,例如如果在特定用户使用之前确定与路线有关的信息和/或如果当信息动态确定以被特定用户使用时的同时存储该信息,则通过模块176确定的与路线有关的信息可以被存储在存储装置140的数据库(未示出)中。此外,RS系统170可以将这种确定的与路线有关的信息提供给各种外部客户端(例如,客户端182和/或184的用户;可以与该用户交互的导航系统及其他系统;其他交通分析系统,例如通过其他程序155提供的系统;其他外部系统,例如在计算系统190上执行的系统;等),例如这可以根据系统170的信息提供模块178的控制来实现,这包括在确定的与路线有关的信息包括在响应于来自客户端的请求而提供的具体位置之间的特定的优选路线的情况中。
应当理解,所示的计算系统仅仅是说明性的,而非意图限制本发明的范围。计算系统100可以连接到没有示出的其他装置,包括通过诸如因特网的一个或多个网络或经由网。一般来说,“客户端”或“服务器”计算系统或装置、或交通分析系统和/或模块可以包含任何硬件的组合,任选地当以其他软件编程或配置时,该硬件组合可以交互且执行所述类型的功能,包括但不限于笔记本或其他计算机、数据库服务器、网络存储设备及其他网络装置、PDA、蜂窝电话、无线电话、传呼机、电子记事本、因特网应用、基于电视的系统(例如,使用机顶盒和/或个人/数字视频记录器)、和包括适当内部通信能力的各种其他消费产品。此外,在一些实施方式中,通过所述系统模块提供的功能可以结合到更少的模块中或者分配到其他模块中。类似地,在一些实施方式中,可以不提供一些所示模块的功能,和/或可以使用其他的附加功能。
此外,虽然在使用时各项示出为存储在存储器或存储装置中,但是为了存储管理和/或数据完整性的目的,这些项或其部分可以在存储器及其他存储设备之间传送。在至少某些实施方式中,所示模块和/或系统是软件模块/系统,包括当通过CPU 135或其他处理器执行时,对处理器编程以自动执行模块/系统所描述的操作的软件指令。替代地,在其他实施方式中,某些或全部软件模块和/或系统可以在另一装置的存储器中执行,并且经由计算机内的通信与所描述的计算系统/装置进行通信。此外,在一些实施方式中,可以通过其他方式执行或提供某些或全部模块和/或系统,例如,至少部分地在固件和/或硬件装置中,包括但不限于:一个或多个专用集成电路(ASIC)、标准集成电路、控制器(例如、通过执行适当的指令,和包括微控制器和/或嵌入式控制器)、现场可编程门阵列(FPGA)、复杂可编程逻辑器件(CPLD)等。某些或全部系统、模块或数据结构也可以被存储在非易失电脑可读存储介质(例如,作为软件指令或结构数据),诸如硬盘或闪存盘或其他非易失性的存储设备、易失性或非易失性存储器(例如RAM)、网络存储装置、或便携式媒体制品(例如,DVD盘、CD盘、光盘、闪存装置等),以通过适当的驱动器或经由适当的连接读取。在一些实施方式中,系统、模块和数据结构还可以被传输为得在各种计算机可读传输介质上生成的数据信号(例如,作为载波的一部分或模拟或数字的传播信号),包括基于无线的和基于电线/电缆的媒介,并且系统、模块和数据结构可以采用各种形式(例如,作为单个或多路复用的模拟信号的一部分或作为多个离散的数字包或帧)。在其他实施方式中,这种计算机程序产品还可以采用其他形式。因此,可以通过其他计算机系统结构来实施本发明。
图2是驾驶行为分析程序200的实施方式的示例性流程图。例如,可以通过执行图1的驾驶行为分析系统160的实施方式来提供程序,以便获得和分析实际驾驶行为的信息,从而自动产生与实际相关交通模式有关的信息。然后,在各种实施方式中可以通过各种方式使用通过程序基于实际驾驶行为而自动产生的信息,包括在某些情况中通过路线选择器程序,图5的程序500提供了这种程序的一个示例。在所示的实施方式中,反映实际驾驶行为的所获得的交通数据是历史数据,但是在其他实施方式中,代替历史数据或除历史数据之外,所获得的交通数据可以包括当前交通数据。
程序200的所示实施方式从程序块205开始,在程序块205中接收信息或请求。程序继续执行程序块210,以确定在程序块205是否接收了之前产生的信息的请求,如果没有,则继续执行程序块215-280,以自动产生与一个或多个类型的实际与交通有关模式相关的信息。在该所示的实施方式中,在程序块215中,程序从一个或多个来源获得历史交通数据,该历史交通数据反映在一个或多个地理区中的一条或多条道路上的实际驾驶行为,例如通过在程序块205中接收某些或全部历史交通数据和/或通过从存储装置或一个或多个其他远程数据源检索数据。如别处更加详细讨论的,在至少某些实施方式中,某些或全部获得的历史交通数据包括来自一条或更多道路上行驶的许多汽车的每一个的许多数据样本,来自车辆的每个数据样本至少包括位置数据和相关时间数据,例如,可以从给定的车辆上定期报告(例如,每分钟,每5秒钟、每100英尺、每英里等)。虽然这里没有示出,但是在一些实施方式中,程序可以通过其他方式接收各种交通数据块,从而接收特定车辆的一个或多个当前数据样本,并且存储信息以用于之后的分析。
在程序块215之后,所示的程序的实施方式继续执行程序块220,任选地过滤所获得数据,从而移除或消弱(例如,通过降低权重)所关心的实际车辆行驶的不具代表性的数据和/或不关心的位置的数据,如在别处更加详细地讨论的,在其他实施方式中,可能已经通过这种方式过滤了获得的数据,或者可替代的,可能没有进行这种过滤。程序块220之后,程序继续执行程序块225,以从获得的数据中确定特定的车辆行程,从而收集和整理多个车辆的每个所报告的多个数据样本。在程序块230中,程序然后任选地将某些或全部获得的数据分成一个或多个可能的集合类别,例如每个都基于一个或多个时间和/或一个或多个非时间情况和/或一个或多个非时间因素的类别,在某些情况中包括将某些或全部确定的车辆行程的每个都放置在一个或多个这种集合类别中。
在程序块230之后,程序继续执行程序块235,以确定当前是否识别一个或多个决策点和确定相关的组合链路,例如基于程序块205接收的请求或信息,或者基于程序200的其他结构信息。如果是这样的话,程序继续执行程序块240,以执行决策点识别器程序,从而执行这种活动,相对于图3进一步描述了该程序的一种示例。在程序块240之后或者如果可替代地在程序块235中确定当前不识别一个或多个决策点和不确定相关的组合链路,则程序继续执行程序块245。
在程序块245中,程序确定当前是否识别与特定交通流量阻碍有关的实际转向成本延迟,例如这基于程序块205接收的请求或信息,或者基于程序200的其他结构信息。如果是这样的话,程序继续执行程序块250,以执行转向成本确定器程序,从而执行这种活动,相对于图4进一步描述了该程序的一种示例。在程序块250之后或者如果可替代地在程序块235中确定当前不确定与特定交通流量阻碍有关的实际转向成本延迟,则程序继续执行程序块280。
在程序块280中,程序存储在程序块215-250中的某些或全部产生的信息,并且可选地将产生的信息提供给一个或多个接收器。如果可替代地在程序块210中,程序确定在程序块205中接收了用于之前产生的信息的请求,则程序继续执行程序块290,以提供被请求的信息,例如之前存储在程序块280中的信息。保存在程序块280中的和/或在程序块280或290提供的信息可以包括:例如,任何识别后的决策点、任何确定后的组合链路、对于决策点对之间的特定组合链路或其他可选路径确定的任何行驶方案估计、任何识别的交通流量阻碍、任何确定的与特定交通流量阻碍相关的实际转向成本延迟、信息与特定集合类别的任何关联(包括基于这种车辆行程在程序块240和/或250中产生的车辆行程和任何信息)等。如果有的话,接收器可以包括在程序块205中从其接收请求的请求器、用于一个或多个特定类型的生成信息的一个或多个特定的指定客户端(例如,路线选择器程序的实施方式,参照图5描述了这种程序的一个示例)等。例如,在至少某些实施方式中,这种其他的指定客户端或接收器可以包括使用确定的转向成本延迟以确定一组有关交通灯的信号定时的系统,或者可以包括多个最终用户(例如,驾驶员),其中确定的信息提供给该多个最终用户(例如,确定的组合链路和有关行驶方案估计和/或通过那些最终用户使用的导航系统所使用的确定的实际转向成本延迟)。在程序200或有关程序分析当前交通情况的其他实施方式中,最终用户使用的系统(例如,作为非车辆系统的一部分、驾驶员或车辆乘客的移动装置的智能电话应用等)或提供给最终用户的信息可以包括有关当前情况的信息,因此可以选择相应的集合类别,并且基于用于该集合类别的在先实际驾驶行为的自动产生的交通信息可以被最终用户使用,其中任选地与该最终用户的特定任何因素(例如,车辆类型、驾驶员喜好等)结合使用。此外,在一些实施方式中,最终用户使用的该系统还可以将相关信息提供给程序200,用作分析的一部分(例如,作为用于确定的车辆行程的适当的集合类别的选择的一部分),例如一个或多个车辆类型和/或提供数据样本的特定车辆的驾驶员喜好。
在程序块280或290之后,程序继续执行程序块295,以确定是否继续,例如,除非接收到终止的明确指示。如果程序确定继续,则程序回到程序块205,否则继续执行程序块299并且结束。
图3是决策点识别器程序300的实施方式的示例性流程图。例如可以通过执行图1的决策点识别器模块162的实施方式来提供程序,以获得和分析与实际驾驶行为有关的信息,从而自动识别决策点、确定决策点对之间的组合链路和确定用于确定的组合链路的一个或多个与交通有关方案的估计。此外,可以通过各种方式调用程序300,包括根据图2的程序200的实施方式的程序块240。
程序300开始于程序块305,在程序块305中获得各种历史车辆行程数据,例如之前在图2的程序块225中确定的和任选地与图2的程序块230中的一个或多个集合类别相关的车辆行程数据。如参照图2所讨论的,历史数据可以具有各种形式(例如,包括用于特定车辆的一系列或一组个体数据样本),并且在各种实施方式中通过各种方式获得历史数据,并且在一些实施方式中,替代或除了历史数据,可以包括当前交通数据。在所示的实施方式中,程序然后继续执行程序块310,以任选地获得道路互连数据,例如从存储装置中或通过从一个或多个地图数据源检索数据,这种道路互连数据可以表明两个或更多道路交接、分开或交叉的位置,因此表明所关心地理区域的至少一些可能的决策点。
在程序块320中,程序然后分析所获得的数据,以识别要考虑的决策点,两条或更多道路在决策点中分开和/或会合,至少一些这种决策点为驾驶员提供与可能的可选路径相对应的两个或更多选择,并且在某些情况下,一个或多个这种决策点不向驾驶员提供选择(例如,当两条道路并成一条道路时)。在各种实施方式中可以通过各种方式识别这种决策点,例如,基于道路互连数据和/或通过识别车辆行程分开和/或会合的位置。如之前所述,在一些实施方式中,只要满足一个或多个特定的标准,车辆行程的分开和/或会合就可以视为识别的决策点,例如,基于经过可能的决策点的车辆行程的总量、基于以某速率或者大于指定阈值速度的数量在可能的决策点分开或会合的车辆行程(例如,以排除以下的可能决策点,在该决策点处,所有超过最大阈值的都选择单个可选方案)等。在程序块325中,以一种或更多方式选择至少一些识别的决策点以用于进一步分析。例如,如之前讨论的,可以选择识别的决策点的子集以进行进一步的分析,这基于:通过决策点的一个或多个总交通频率或量(例如,基于交通量分级决策点,并且选择特定数量或百分比的具有最高等级的决策点);在决策点处选择各种可选方案的相关车辆交通的一个或多个频率或量(例如,基于经常使用的至少两个可选方案的可行性来分级决策点,并且选择特定数量和百分比的具有最高等级的决策点)等。在一些实施方式中,选择最高的N个决策点以进一步使用(其中在不同的实施方式中,N是可变的,以能够由程序的操作者或开始执行程序的请求者配置,例如之前参照图2的程序块205所描述的)。此外,在一些实施方式中,可以通过其他方式确定识别的决策点的子集,以为一些或所有的道路类型和/或道路选择一个或多个识别的决策点,在一些这种实施方式中包括对于不同类型的道路使用不同的N值(例如,具有用于具有较高交通量的道路的较高N值)和/或道路。
在程序块325之后,程序继续执行程序块340,以分析获得的数据,从而识别在一对或多对选择的决策点的每一个之间的一个或多个组合链路,并且在程序块345中选择至少一些识别的组合链路以进一步使用,从而基于特定时间、情况和/或因素的实际驾驶行为来确定决策点对之间的优选组合链路。如之前所述,在各种实施方式中可以通过各种方式来识别在一对决策点之间的一个或多个组合链路。例如,组合链路的识别可以包括:识别在选择的决策点的一些或所有对之间发生的车辆行程,以及例如基于决策点的特定对之间的总交通量来选择决策点的特定对以表示这种组合链路的起点和终点,从而基于交通量来分级这种决策点对,并且选择特定数量或百分比的具有最高等级的决策点对以进一步考虑。在一些实施方式中,选择最高的M个决策点对以进一步使用(其中在不同的实施方式中,M是可变的,以能够由程序的操作者或开始执行程序的请求者配置,例如之前参照图2的程序块205所描述的)。此外,在一些实施方式中,如果满足或不满足一个或多个特定标准(例如,如果对于决策点对的各车辆行程的数量低于最低量;如果在决策点对之间的多个可选路径的某些或全部不满足基于使用频率或使用总量或速度变化率的一个或多个特定标准;等),可以放弃进一步考虑至少一些这种决策点对。当选择的决策点对被多个可选路径分开时,但是基于实际驾驶行为,那些可选路径的单个路径是非常优选的(例如,由所选对的决策点之间的至少最小百分比或其他最低量的在先车辆行程所使用的,至少根据时间、情况和/或因素的一个或组合),以使该单个可选路径可以被选择为组合链路,以至少用于时间、情况和/或因素的一个或组合。在至少某些实施方式和情况中,对于选择的决策点对的多个可选路径的两个或更多的每个还可以被选择为组合链路,例如,用于具有一个或多个时间、情况和/或因素的不同组合的不同集合类别。
在程序块345之后,程序继续执行程序块360,以执行获得数据的进一步分析,以确定对于选择的组合链路的一个或多个交通测量的估计。如之前更加详细地讨论的,这种交通测量例如可以包括平均的或其他代表性的行驶时间、平均的或其他代表性的交通量、平均的或其他代表性的行驶时间或交通量的变化率或其他测量等,用于特定组合链路的特定交通测量的估计(以及任选地集合类别)可以包括一个或多个估计的值。因此,在某些情况下,对于给定决策点对的不同组合链路可以具有用于给定的交通测量(和任选地集合类别)的不同估计值,和/或对于给定决策点对的单个组合链路可以具有不同的用于不同集合类别的给定交通测量的不同估计值。
在程序块360之后,程序继续执行程序块390,以将识别和确定的信息存储和/或提供给一个或多个接收器,例如识别的决策点、选择的识别组合链路和相关的确定行驶测量估计,然后返回程序块399。例如,在所示的实施方式中,信息可以提供给程序200,作为程序块240的输出,但是其他实施方式中,代替或除了程序200,信息可以提供给一个或多个其他接收器。
图4是转向成本确定器程序400的实施方式的示例性流程图。例如可以通过执行图1的转向成本确定器模块164的实施方式来提供程序,以便获得和分析实际驾驶行为的信息,从而自动确定与所关心的特定交通流量阻碍有关的实际转向成本延迟。此外,可以通过各种方式调用程序400,包括根据图2的程序200的实施方式的程序块250。
程序400开始于程序块405,在程序块405中获得各种历史车辆行程数据,例如在图2的程序块225中之前确定的和任选地与图2的程序块230中的一个或多个集合类别相关的车辆行程数据。如参照图2所讨论的,历史数据可以具有各种形式(例如,包括用于特定车辆的一系列或一组个体数据样本),并且在各种实施方式中通过各种方式获得历史数据,并且在一些实施方式中,替代或除了历史数据,可以包括当前交通数据。在所示的实施方式中,程序然后继续执行程序块410,以任选地获得交通流量阻塞的数据,例如从存储装置中或通过从一个或多个地图数据源检索数据,这种交通流阻塞数据例如可以表明特定类型的道路特征和/或特定的之前识别的决策点。
在程序块420中,程序然后分析所获得的数据,以识别将考虑的交通流阻碍,在交通流阻碍处,驾驶员可能在一个或多个时间、情况和/或因素的至少一些组合期间面临行驶延迟。如之前所述,在一些实施方式中,只有在满足一个或多个特定标准时,例如基于经过可能的交通流阻碍的车辆行程的总量、经过交通流阻碍的车辆所面临的延迟的百分比或其他量、当经过交通流阻碍时面临延迟的车辆的百分比或其他量等,特定的识别决策点或其他道路特征才可以被考虑为交通流阻碍。在程序块425中,通过一个或更多方式选择至少一些识别的交通流阻碍以用于进一步分析。例如,如之前所述,可以基于通过交通流阻碍的一个或多个频率或总交通量(例如,基于交通量来分级交通流阻碍,并且选择具有最高等级的特定数量和百分比的决策点)或与交通流阻碍有关的交通量延迟等,来选择识别的交通流阻碍的子集以用于进一步分析。在一些实施方式中,选择最高的L个交通流阻碍以进一步使用(其中在不同的实施方式中,L是可变的,以能够由程序的操作者或开始执行程序的请求者配置,例如之前参照图2的程序块205所描述的)。
在程序块425之后,程序继续执行程序块440,以分析获得的数据,从而识别其车辆行程经过交通流阻碍的特定车辆的实际到达和离开的时间,并且在程序块450中确定与特定交通流量阻碍有关的实际延迟时间,从而平均或以其他方式集合与特定交通流量阻碍有关的各个车辆行程的实际延迟时间(当使用那些车辆行程的车辆的识别后实际到达和离开时间来确定时)。如别处详细描述的,车辆行程和相关的实际延迟时间可以分成多个集合类别,每个集合类别具有不同的一个或多个时间、情况和/或因素的组合,因此特定交通流量阻碍可以具有多个相关的实际延迟时间,每个实际延迟时间对应于不同的集合类别。
在程序块450之后,程序继续执行程序块490,以将识别和确定的信息(例如,选择的识别的交通流阻碍和相关的确定的实际行驶转向成本延迟)存储和/或提供给一个或多个接收器,然后返回程序块499。例如,在所示的实施方式中,信息可以提供给程序200,作为程序块250的输出,但是其他实施方式中,代替或除了程序200,信息可以提供给一个或多个其他接收器。
图5是路线选择器程序500的实施方式的示例性流程图。例如可以通过执行图1的路线选择器系统170的实施方式来提供该程序,从而至少部分地基于那些道路的道路交通的信息来确定通过道路网的路线,其中该信息反映道路网上车辆的驾驶员的实际行为。在各种实施方式中,程序可以通过各种方式使用基于实际驾驶行为自动识别、确定或其他方式产生的信息,包括在一些情况下使用来自驾驶行为分析程序的信息,图2的程序200提供了该程序的一个示例。
所示的程序500的实施方式从程序块505开始,在程序块505中接收信息或请求。程序继续执行程序块510,以确定信息是否在程序块505中被接收以用于之后使用(例如,关于特定用户的信息,例如车辆类型信息、驾驶员喜好信息等;通过分析实际历史驾驶行为产生的交通信息,例如分别通过图3的程序300和4的程序400的一个或两个产生的并且由图5的程序200提供的信息,例如响应之前的请求或可替代地通过程序200推送到程序500)。如果这样的话,程序继续执行程序块575,以存储信息用于之后使用。在一些实施方式中,如果之前产生了信息(与当前信息相对应),则之前产生的信息可以被更新以反映当前存储的信息,例如,如果一个或多个优选的路线之前已经被沿道路产生(与当前信息相对应)并且被存储以供之后使用,那么可以根据当前的信息重新评估优选的路线信息。
如果可替代地在程序块510中确定信息没有被在程序块505中接收以供之后使用,那么程序可替代地继续执行程序块515,以确定在程序块505是否接收了用于动态产生特定路线的请求。如果这样的话,程序继续执行程序块520-565,以自动产生与所关心的位置之间的一个或多个候选路线有关的信息。具体地,在该所示的实施方式中,在程序块520中程序获得与路线的起点和终点有关的信息以及任何相关的用户喜好信息,例如,通过接收具有程序块505中请求的信息和/或通过检索表明用于该请求的与特定用户有关的存储信息(例如,之前在程序块575中存储的信息),这种用户喜好信息例如可以包括:车辆类型和/或驾驶员喜好、在将被使用的路线的一个或多个时间、与路线使用相对应的其他状况信息等。在程序块525中,程序然后任选地获得当前时间(或者路线使用的其他时间,如果被任选地表明)的当前或预测的状况,例如,当选择对于实际历史驾驶行为产生的相关交通信息时,用于在确定一个或多个将使用的特定集合类别时使用,这种信息例如可以被包括有程序块505的请求和/或被从一个或多个交通信息源中检索。在程序块530中,程序然后获得根据分析实际历史驾驶行为产生的交通信息,例如分别通过图3的程序300和图4的程序400的一个或两个产生的并且通过图5的程序200提供的信息,这种信息例如之前已经被程序500接收且被存储在程序块575中、或者可替代地通过对程序200的相应请求被动态检索。
在程序块530之后,程序继续执行程序块540,以响应于接收到的请求和使用所获得的信息来确定一个或多个候选路线,该所获得的信息包括根据分析实际历史驾驶行为而产生的获得的交通信息,并且在程序块550中,程序评估候选路线,例如通过估计每条候选路线的一个或多个交通测量,这将在别处详细讨论,候选路线的产生和评估例如可以包括:使用确定的组合链路和相关的交通测量估计和/或使用确定的对于交通流阻碍(例如,对于与所接收的请求相对应的一个或多个集合类别)的实际转向成本延迟。在程序块560中,程序然后任选的选择评估的候选路线之一,例如,如果对于请求仅返回一条候选路线的信息、或者如果多条候选路线的优选的一个被表示为响应的一部分。在程序块565中,关于一条或多条候选路线的这种信息然后被提供给请求者(来自该请求者的请求被接收和/或存储),从而表明一条或多条候选路线,可选地与这些表明的路线之间的喜好指示一起和/或提供那些表明的路线的交通测量估计。如别处更详细地讨论的,信息可以被以各种方式提供给终端用户,例如经由中间导航系统或其他系统。
如果可替代地在程序块515中确定没有在块505中接收到用于动态产生路线的请求,那么程序可替代地继续执行程序块590,以视情况执行一个或多个其他指示的操作。这种其他操作例如可以包括:提供之前产生和存储以用于之后使用的信息,例如在常用位置之间的优选路线。
在程序块565、575或590之后,程序继续执行程序块595,以确定是否继续,例如直到接收到明确的指示去终止。如果确定继续,则程序回到程序块505,否则继续执行程序块599并且结束。
虽然图2-5的程序200-500的所示实施方式对应于基于在先的实际驾驶行为中道路网中道路交通信息的分析,以及对应于使用这种分析后的道路交通信息以产生和评估道路网间的路线,但是在其他实施方式中类似的技术可以用于其他情况。例如,包括控制边界的地理区域可以具有多个替代的边界交叉,该边界交叉具有不同的等待时间或在不同时间的其他不同的与行驶有关的特定和/或基于不同的情况,因此,可以与之前描述的类似的方式跟踪穿过边界的车辆的行驶,与不同的边界交叉有关的实际延迟时间可以被确定,以用于一个或多个不同的时间或情况,并且该实际延迟时间可以通过各种方式来使用,例如按请求提供给用户,可以被使用以公布用于不同边界交叉的比较信息,可以被用于交叉的边界路线等。此外,当包括GPS或其他定位技术的用户携带的移动装置变得越来越普遍时,具有这种装置的用户的行驶或移动信息甚至可以被用于用户没有在汽车中或其他机械化车辆中的情形。因此,作为一个示例,对于在不同路径中步行(包括在特定起点位置和之间位置之间存在多个可选的经过路径时)的人,用户移动信息可以被跟踪,并且相应的步行信息可以基于之前的实际步行行为来自动地产生。例如,许多机场可能具有多个可选的旅客可以经过的安全检查点,但是其可能在至少某些时间内具有固定的不同行进时间,如果这样的话,与不同的安全检查点有关的实际延迟时间可以在一个或多个不同的时间内通过各种方式来确定和使用,以便按要求提供给用户或用于发布对于不同的安全检查点的比较信息。以类似的方式,许多体育场或其他场地可能具有许多入口,这些入口类似地在不同时间或不同情况中可能具有固定的不同等待模式,并且可以通过各种方式来确定和使用相应的实际延迟时间。此外,与相关的各种类型的可选方案(例如附近区域的饭店)有关的不同的等待时间可以被跟踪,并且不同的时间和/或根据不同情况的相关实际延迟时间可以被类似地确定和使用,以帮助用户在不同时间在特定的可选方案之间选择。此外,当多个可选路径存在于两个位置之间时(这两个位置不是基于机动化车辆可到达的道路),步行或骑自行车或以其他方式行进(例如,在轮椅中、在Segway代步车或类似设备、骑马等)的行程可以被跟踪,以便确定与沿那些路径的特定决策点之间的组合链路相对应的优选路线,并且对于这种组合链路可以估计行进方案。
此外,各种实施方式提供可用于用户或其他客户端的各种机构,以与DBA系统、RS系统和/或这些系统的一个或多个模块(例如,图1的决策点识别器模块162和/或转向成本确定器模块164)交互。例如,一些实施方式可以提供交互的控制台(例如,提供交互式用户接口的客户端程序、基于网页浏览器的界面等),根据该控制台,用户可以进行请求和接收相应的响应,例如用于与当前和/或预测的交通状况有关的信息的请求、与通过模块识别或确定的特定信息有关的请求、和/或分析、选择和/或提供与行驶路线有关的信息的请求。一些实施方式可以提供API(应用编程接口),该API允许客户端计算系统编程地做出这些请求的某些或全部,例如经由网络消息协议(例如,网络服务)和/或其他通信机制。
与过滤、调整和集合与道路状况相关的信息的其他细节描述在2006年6月22日提交的题为“Obtaining Road Traffic Condition Data FromMobile Data Sources(从移动数据原获得道路交通状况数据)”的第11/473,861号美国待审专利申请中、2006年3月3日提交的题为“DynamicTime Series Prediction of Future Traffic Conditions(未来交通状况的动态时序预测)”的第11/367,463号美国待审申请中和2007年8月7日提交的题为“Representative Road Traffic Flow Information Based On HistoricalData(基于历史数据的代表性道路交通流信息)”的第11/835,357号美国待审申请中,这些专利整体地通过引用并入本文中。
还应当理解,在某些实施方式中,通过上述的程序提供的功能可以通过其他可选的方式提供,例如,分为更多程序或合并为更少程序。类似地,在一些实施方式中,所示的程序可以提供比所描述的功能更多或更少的功能,例如当其他所示程序可替代地分别缺少或包括这种功能时,或当提供的功能的数量改变时。此外,虽然各种操作可以示出为以特定的方式(例如,串行或并行)和/或以特定的顺序执行,但是本领域的技术人员应当理解在其他实施方式中,这些操作可以通过其他顺序和方式执行。类似地,应当理解,上述的数据结构可以通过不同的方式构造,包括对于数据库或用户界面屏幕/网页或其他类型的数据结构,例如通过将单个数据结构分成多个数据结构或者将多个数据结构合并为单个数据结构。类似地,在一些实施方式中,所示的数据结构可以存储比所描述的信息更多或更少的信息,例如,当其他描述的数据结构替代地分别缺少或包括这种信息时,或者当所荀小虎的信息的数量或类型改变时。
从上文中,应当理解,虽然为了示例性的目的本文中已经描述了特定的实施方式,但是在不背离本发明的精神和范围的情况下,可以做出多种改变。因此,本发明除所附的权利要求或其中描述的部分之外均不受限。此外,虽然在某些权利要求中存在本发明的某些方面,但是发明人设想在可用的权利要求的形式中的发明的各种方面。例如,虽然本发明的仅一些方面可以描述为在特定的时间内嵌入计算机可读介质中,但是类似地可以包含其他方面。
Claims (42)
1.一种计算机执行的方法,包括:
接收沿地理区域中的多条道路的多个在先车辆行程有关的信息,所述多个在先车辆行程涉及多个车辆驾驶员,并且每个在先车辆行程反映在所述地理区域的起始位置和所述地理区域的终止位置之间行驶的多个驾驶员之一的实际在先行为,接收的信息包括,对于每个所述在先车辆行程,当所述车辆针对每个所述在先车辆行程从所述起始位置到所述终止位置行驶时的针对每个所述在先车辆行程的所述车辆的多个道路位置的指示;
自动地分析接收的与所述多个在先车辆行程有关的信息,以基于所述多个驾驶员的实际在先行为来确定一个或多个组合链路,每个所述组合链路表示在所述地理区域中的位置之间的优选路径,所述自动分析通过一个或多个编程的计算系统来执行并且包括:
至少部分地基于所述多个在先车辆行程来确定沿多条道路的多个决策点,每个确定的决策点对应于多条道路的连接,在至少某些所述在先车辆行程中至少某些所述多个在先车辆行程行驶经过所述多条道路的连接;
识别所述确定的决策点的多个对,每个识别的决策点对包括作为起始点的所述确定的决策点的一个并且包括作为终止点的所述确定的决策点的另一个,每个所述识别的决策点对还具有从起始的所述确定的决策点到终止的所述确定的决策点沿所述多条道路的多个可选路径、并且具有来自所述多个在先车辆行程的多个相关的车辆行程,其中所述多个在先车辆行程每个都包括所述多条可选路径之一;以及
选择一个或多个所述识别的决策点对以表示所述确定的一个或多个组合链路,选择的决策点对中的每个都包括用于所述选择的决策点对的所述多个可选路径的优选路径,所述选择的决策点对由对于所述选择的决策点对的所述多个相关的在先车辆行程的大部分使用,以便最多所述多个相关的在先车辆行程的规定的最小量使用可选路径而不是所述优选的一个路径,对于所述选择的决策点对的每个,所述确定的组合链路是所述优选的一个路径;以及
提供与所述确定的组合链路有关的信息,以使得用于其他车辆的将来的路线选择决定能够使用所述确定的组合链路作为优选路线的一部分。
2.如权利要求1所述的方法,其中,提供与所述确定的组合链路有关的信息包括使用所述确定的组合链路作为产生用于所述地理区域中的路线的一个或多个选择方案的一部分,所述一个或多个选择方案的至少一个包括所述确定的组合链路的至少一个。
3.如权利要求2所述的方法,其中,所述方法还包括:通过至少部分地基于所述多个在先车辆行程估计对于所述确定的组合链路的每一个的指定交通测量的值,来根据指定的流量测量来评估所述确定的组合链路,并且其中产生对于所述路线的一个或多个可选方案包括使用用于所述至少一个确定的组合链路的所述指定交通测量的所估计的值。
4.如权利要求3所述的方法,其中,所述指定的交通测量是平均经过时间,并且其中对于所述确定的组合链路的每一个的估计值是基于包括所述确定的组合链路的所述多个在先车辆行程的多个。
5.如权利要求3所述的方法,其中,所述指定的交通测量是经过时间的变化,并且其中对于所述确定的组合链路的每一个的估计值是基于包括所述确定的组合链路的所述多个在先车辆行程的多个。
6.如权利要求3所述的方法,其中,所述指定的交通测量是行驶的平均速度,并且其中对于所述确定的组合链路的每一个的估计值是基于包括所述确定的组合链路的所述多个在先车辆行程的多个。
7.如权利要求1所述的方法,其中,所述一个或多个编程的计算系统是自动的驾驶行为分析系统的一部分,并且其中,提供与用于所述识别的交通流阻碍的确定的实际时间延迟有关的信息包括:将所述提供的信息发送到一个或多个其他的编程的计算系统,所述其他的编程的计算系统是与所述驾驶行为分析系统不同的自动的路线选择系统的一部分。
8.如权利要求1所述的方法,其中,沿所述多条道路确定所述多个决策点包括分析所接收的关于所述多条在先车辆行程的信息,以识别所述多条在先车辆行程进行分开与会合的至少一种所处的位置,识别的位置是用于所述确定的多个决策点的候选。
9.如权利要求8所述的方法,其中,对于每个所述在先车辆行程,与所述多条在先车辆行程有关的所述接收的信息包括多个数据样本,所述多个数据样本的每个都报告在指示的时间处用于每个所述在先车辆行程的所述车辆的指示的相关道路位置,其中,识别所述多条在先车辆行程进行分开和会合的至少一种的所处的位置包括对于每个所述多条在先车辆行程使用所述多个数据样本,以确定对于所述多条在先车辆行程的所述车辆的路径;并且包括使用所述确定的车辆路径,以确定在每个所述识别的位置的某些车辆具有与在所述识别的位置的其他车辆不同的行驶路径,并且其中,确定所述多个决策点还包括选择所述识别位置的子集成为被确定的多个决策点,基于所述子集的所述识别位置,每个所述识别位置至少具有在该识别位置处的多条不同的行驶路径中的每条路径上的最小量的交通。
10.如权利要求8所述的方法,其中,确定所述多个决策点还包括:选择所述识别的位置的子集成为所述被确定的多个决策点,基于每个都满足一个或多个指定标准的所述子集的所述识别位置。
11.如权利要求1所述的方法,其中,至少部分地基于从外部源获取的地图数据,进行沿所述多条道路的所述多个决策点的确定。
12.如权利要求1所述的方法,其中,所述多个决策点对的所述识别包括:估计多个决策点对,所述多个决策点对的每个都包括所述确定的决策点的两个;以及选择所述多个决策点对的子集成为所述识别的多个决策点对,至少部分地基于选择的子集的所述决策点对,所述决策点对的每个都具有满足一个或多个指定标准的多个可选路径。
13.如权利要求1所述的方法,其中,选择所述一个或多个识别的决策点对以表示所述确定的一个或多个组合链路包括:对于所述一个或多个识别的决策点对的每个,关于指定测量评估对于所述一个或多个识别的决策点对的每个的所述多个可选路径,通过估计用于所述多个可选路径的每个的指定测量的值,估计的所述指定测量的值至少部分地基于对于所述决策点对的所述多条相关的车辆行程;以及部分地基于所述估计的所述指定测量的值,从用于所述决策点对的所述多个可选路径中选择用于所述决策点对的优选的一个可选路径。
14.如权利要求1所述的方法,选择所述一个或多个识别的决策点对以表示所述确定的一个或多个组合链路包括:排除所述识别的决策点对的至少一个的子集,至少部分地基于所述选择的子集的所述决策点对,每个所述决策点对都具有附加的中间决策点,所述附加的中间决策点位于所述决策点对之间并且具有比经过所述对的所述决策点的一个决策点且在所述附加的中间决策点分开的交通的指定最小交通量更大的交通量,以便使交通不经过所述对的所述决策点的另一个决策点。
15.如权利要求1所述的方法,其中,对于一个或多个不同的集合类别的每个,还执行选择所述一个或多个识别的决策点对以表示所述确定的一个或多个组合链路,所述一个或多个不同的集合类别的每个包括一个或多个时间周期和一个或多个非时间因素的至少一个,对以所述选择的决策点对的一个,选择所述一个或多个识别的决策点对的执行是通过选择用于与所述集合类别相对应的所述选择的决策点对的一个的所述多个相关的在先车辆行程的子集、以及基于使用满足一个或多个指定标准的所述确定的优选可选路径的所述选择的子集的所述在先车辆行程来确定用于所述一个选择的决策点对和用于所述集合类别的所述多个可选路径的优选一个,以使用于所述集合类别的每个的所述确定的优选的可选路径是用于所述集合类别的每个的确定的组合链路。
16.如权利要求15所述的方法,其中,所述一个或多个不同的集合类别包括多个集合类别,所述多个集合类别的每个都包括不同的时段,其中用于所述一个选择的决策点对和所述多个不同的集合类别的所述确定的优选的可选路径包括多个不同的可选路径。
17.如权利要求15所述的方法,其中,所述一个或多个不同的集合类别包括多个集合类别,所述多个集合类别的每个都包括多个车辆类型的一个,其中用于所述一个选择的决策点对和所述多个不同的集合类别的所述确定的优选的可选路径包括多个不同的可选路径。
18.如权利要求15所述的方法,其中,所述一个或多个不同的集合类别包括多个集合类别,所述多个集合类别的每个都包括多个驾驶员喜好的一个,其中用于所述一个选择的决策点对和所述多个不同的集合类别的所述确定的优选的可选路径包括多个不同的可选路径。
19.如权利要求1所述的方法,其中,所述确定的多个决策点的一个或多个的每个都包括两条或更多道路的交叉口、一条道路成为两条或更多道路的分叉或两条或更多道路成为一条道路的合并的至少一个。
20.如权利要求1所述的方法,其中,与所述多条在先车辆行程有关的所述接收信息包括多个数据样本,所述多个数据样本的每个都包括在指示时间所述多个车辆的一个的指示的相关的道路位置,所述多个数据样本通过与所述多个车辆有关的装置产生,并且其中,所述方法还包括分析所述多个数据样本以识别所述多条在先车辆行程。
21.一种其存储配置计算系统的内容以执行方法的非易失计算机可读存储介质,所述方法包括:
通过多个车辆接收与沿一个或多个道路的多个在先车辆行程有关的信息,所述信息反映多个驾驶员的实际在先行为,对于所述在先车辆行程的每个,所述接收的信息包括在所述车辆行程期间的所述车辆的多个道路位置的指示;
自动地分析与所述多个在先车辆行程有关的所述接收信息,以基于所述多个驾驶员的实际在先行为来确定组合链路,所述组合链路表示在一个或多个道路的至少一个上的两个位置之间的优选路径,所述自动分析通过所述配置的计算系统来执行并且包括:
识别沿所述一个或多个道路的一对决策点,所述决策点的每一个是所述两个位置的一个并且对应于多条道路的连接,在至少一些所述在先车辆行程中所述多个在先车辆行程的至少一些通过所述多个道路,所述识别的决策点对具有所述决策点的所述对之间的多个可选路径并且具有根据多条在先车辆行程的多个相关的车辆行程,所述多条在先车辆行程每个都包括多个可选路径的一个;
根据通过估计用于所述多个可选路径的每一个的指定测量的值的指定测量来评估所述多个可选路径,用于指定测量的所述估计值至少部分地基于所述多个相关的车辆行程;以及
基于用于所述指定测量的所述估计值来选择将成为所述确定的组合链路的所述多个可选路径的优选一个;以及指示所述确定的组合链路。
22.根据权利要求21所述的非易失计算机可读存储介质,其中,所述一个或多个道路包括地理区域中的多条道路,并且其中所述方法还包括:至少部分地基于所述多条在先车辆行程确定沿所述多条道路多个决策点,每个确定的多个决策点是沿单条道路的至少一个的分成沿多条道路的每一个或沿多条道路的每一个的交通汇合成沿单条道路的交通的至少一个的道路位置;从所述确定的多个决策点选择所述识别的对的所述决策点,因此所述选择决策点表示所述一个或多个道路上的起始点和终止点,所述多个可选路径的每个都包括所述起始点和终止点之间的不同路径。
23.根据权利要求22所述的非易失计算机可读存储介质,其中,确定的组合链路的指示包括:使用所述确定的组合链路作为用于路线的多个可选方案的一个的选择的一部分,所述多个可选方案的至少一个包括所述确定的组合链路。
24.根据权利要求21所述的非易失计算机可读存储介质,其中,用于评估所述多个可选路径的所述指定测量是在所述多个相关的车辆行程中使用的受欢迎度,以使所述选择的优选的一个可选路径被所述多个相关的在先车辆行程的指定最小量所使用。
25.根据权利要求21所述的非易失计算机可读存储介质,其中,用于评估所述多个可选路径的每个的所述指定测量是基于包括所述可选路径的所述多个相关车辆行程的一个或多个的所述可选路径的平均经过时间。
26.根据权利要求21所述的非易失计算机可读存储介质,其中,用于评估所述多个可选路径的每个的所述指定测量是基于包括所述可选路径的所述多个相关车辆行程的至少一些的所述可选路径的经过时间的变化率。
27.根据权利要求21所述的非易失计算机可读存储介质,其中,用于评估所述多个可选路径的每个的所述指定测量是基于包括所述可选路径的一个或多个所述多个相关车辆行程的沿所述可选路径的步行的平均速度。
28.根据权利要求21所述的非易失计算机可读存储介质,其中,表示在所述两个位置之间的所述优选路径的所述组合链路的确定也被执行,以用于一个或多个不同的集合类别的每个,一个或多个不同的集合类别的每个包括一个或多个时间周期和一个或多个非时间因素的至少一个,对以所述选择的决策点对的一个,选择所述一个或多个识别的决策点对的执行是通过选择与所述集合类别对应的所述多个相关车辆行程的子集、和基于所述选择的在先车辆行程的子集来选择将成为用于所述集合类别的优选组合链路的所述多个可选路径的一个。
29.根据权利要求28所述的非易失计算机可读存储介质,其中,所述一个或多个不同的集合类别包括多个集合类别,所述多个集合类别的每个都包括不同的时段,并且其中用于所述多个不同的集合类别的所述优选组合链路包括多个不同的可选路径。
30.根据权利要求28所述的非易失计算机可读存储介质,其中,所述一个或多个不同的集合类别包括多个集合类别,所述多个集合类别的每个都包括一个或多个非时间因素,所述非时间因素暴露车辆类型和驾驶员喜好的至少一个,并且其中用于所述多个不同集合类别的所述优选组合链路包括多个不同的可选路径。
31.根据权利要求21所述的非易失计算机可读存储介质,其中,所述配置的计算系统是驾驶行为分析系统的一部分。
32.根据权利要求21所述的非易失计算机可读存储介质,其中,所述计算机可读存储介质是所述配置的计算系统的存储器,并且其中所述内容是当执行程序时所述配置的计算系统执行所述方法的指令。
33.一种计算系统,包括:
一个或多个处理器;以及
系统,配置为当被所述一个或多个处理器的至少一个执行时,基于所述一条或多条道路上的多个驾驶员的实际在先行为自动地确定组合链路,所述组合链路表示一条或多条道路上的两个位置之间的优选路径,所述组合链路的自动地确定包括:
根据所述多个驾驶员的控制通过多个车辆接收沿所述一条或多条道路的多条在先车辆行程的信息,对于所述在先车辆行程的每个,所述接收的信息包括在所述车辆行程中所述车辆的多个道路位置的指示;
识别沿所述一个或多个道路的一对决策点,所述决策点的每一个是所述两个位置的一个并且对应于多条道路的连接,在至少一些所述在先车辆行程中所述多个在先车辆行程的至少一些通过所述多个道路的连接,所述识别的决策点对具有所述决策点的所述对之间的多个可选路径并且具有根据所述多条在先车辆行程的多个相关的车辆行程,所述多条在先车辆行程每个都包括多个可选路径的一个;
选择所述多个可选路径的优选一个成为所述确定的组合链路,基于至少通过所述多个相关的在先车辆行程的规定的最小数量使用来选择所述优选的一个可选路径;以及
指示所述确定的组合链路。
34.如权利要求33所述的计算系统,其中,所述确定的组合链路的指示包括将所述确定的组合链路用作车辆的路线的产生的一部分,所述车辆的路线包括所述一条或多条道路的至少一部分。
35.如权利要求34所述的计算系统,其中,所述一个或多个道路包括地理区域中的多条道路,并且其中所述系统还被配置以:至少部分地基于所述多条在先车辆行程确定沿所述多条道路多个决策点,每个确定的多个决策点是发生以下情况的至少一个的道路位置,所述情况包括沿单条道路的交通分成沿多条道路的每一个的交通以及沿多条道路的每一个的交通汇合成沿单条道路的交通;从所述确定的多个决策点选择所述识别的对的所述决策点,以使得所述选择决策点表示所述一个或多个道路上的起始点和终止点,所述多个可选路径的每个都包括所述起始点和终止点之间的不同路径。
36.如权利要求33所述的计算系统,其中,所述系统是驾驶行为分析系统,包括用于通过所述一个或多个处理器执行的软件指令。
37.如权利要求33所述的计算系统,其中,所述系统包括用于基于所述一个或多个道路上的多个驾驶员的所述实际在先行为自动地确定所述组合链路的装置,所述组合链路表示所述一条或多条道路上的两个位置之间的所述优选路径。
38.一种计算机执行的方法,包括:
接收沿在地理区域中的多条道路的多个在先车辆行程的信息,所述多个在先车辆行程涉及多个车辆驾驶员,并且每个所述多个在先车辆行程反映在所述地理区域的起始位置和所述地理区域的终止位置之间行驶的多个驾驶员的一个的实际在先行为,对于所述在先车辆行程的每个,接收的信息包括多个数据样本的指示,当所述车辆在每个所述在先车辆行程的起始位置和终止位置之间行驶时,所述车辆中的装置报告所述多个数据样本,所述数据样本的每个指示道路位置和当所述车辆位于所述指示的道路位置时的相关时间;
自动地分析接收的与所述多个在先车辆行程有关的信息,以基于所述多个驾驶员的实际在先行为来确定多个组合链路,每个所述组合链路表示在所述地理区域中的两个位置之间的优选路径,所述自动分析通过一个或多个编程的计算系统的至少一个来执行并且包括:
基于所述多个在先车辆行程确定沿所述多条道路的多个决策点,所述多个决策点的每个都对应于多条道路的连接,在至少一些在先车辆行程中至少一些所述多个在先车辆行程达到和继续通过所述多条道路的连接,到达所述确定的多个决策点的所述至少一些在先车辆行程是在对于所述决策点的连接的所述多条道路之间的交通分开以及从对于所述决策点的连接的所述多条道路的交通会合的至少一个的一部分;
识别所述确定的决策点的多个对,每个所述识别的决策点对包括作为起始点的确定的决策点的一个并且包括作为终止点的所述确定的决策点的另一个,每个所述识别的决策点对还具有从起始的确定的决策点到终止的确定的决策点的沿所述多条道路的多个可选路径、并且具有来自所述多个在先车辆行程的多个相关的在先车辆行程,其中所述多个在先车辆行程每个都包括所述多条可选路径之一,所述多个可选路径的每个都被至少一个所述相关的在先车辆行程所经过;以及
选择多个所述识别的决策点对,以表示所述确定的多个组合链路,所述选择的决策点对的每个都包括用于所述选择的决策点对的所述多个可选路径的优选一个,所述选择的决策点对由用于所述选择的决策点对的所述多个相关的在先车辆行程的大部分使用,以便最多所述多个相关的在先车辆行程的规定的最小量使用可选路径而不是所述优选的一个路径,所述确定的多个组合链路是对于所述选择的决策点对的所述优选的一个路径;以及
提供与所述确定的组合链路有关的信息,以使得用于其他车辆的将来的路线选择决定能够使用所述确定的组合链路作为优选路线的一部分;
在确定所述多个组合链路之后,自动使用所述确定的组合链路,以改善通过所述地理区域的附加车辆行程的路线选择,所述确定的组合链路的使用通过所述一个或多个编程的计算系统的至少一个执行,并且对于在所述地理区域中的两个指示位置之间的路线的多个请求的每一个,所述确定的组合链路的使用包括:
至少部分地基于包括至少一个所述确定的组合链路的所述选择的一个可选路径,选择用于所述请求的所述两个指示的位置之间的多个可选路径的一个;以及
将选择的可选路径提供为对于所述请求的所述路线。
39.如权利要求38所述的方法,其中,所述确定的多个决策点的每个还具有(a)和(b)中的至少一个:(a)对于进入沿对于所述确定的决策点的所述连接的所述多条道路的单条第一道路的所述确定的决策点和通过在所述多条道路之间分开而离开所述确定的决策点的至少一些在先车辆行程中的多个,(b)对于通过在所述多条道路的每一条之间分开而进入沿所述多条道路的所述确定的决策点和通过沿所述多条道路的单条第二道路会合而离开所述确定的决策点的所述确定的决策点的所述至少一些在先车辆行程的多个;并且其中,所述多个决策点的所述确定包括识别沿所述多条道路的多个决策点、和至少部分地基于在所述确定的多个决策点的每一个处分开的交通和会合的交通的至少一个的估计量来选择所述多个决策点的子集成为所述确定的多个决策点。
40.如权利要求38所述的方法,其中,对于所述多个组合链路的一个或多个的每个,所述多个组合链路的确定还包括:
确定所关心的多个不同的时段;和
对于所述多个不同时段的每个,基于与所关心的时段对应的在先车辆行程的选择的子集,选择对于与所述组合链路对应的所述决策点对的所述多个相关的在先车辆行程的子集;和基于在先车辆行程的选择的子集,通过识别用于所述决策点对的所述多个可选路径的优选一个来识别对于所述时段的确定的组合链路,并且其中用于所述多个不同的时段的所述识别的确定的组合链路包括多个不同的可选路径。
41.如权利要求38所述的方法,其中,接收沿所述多条道路的所述多个在先车辆行程的信息包括接收多个数据样本,所述多个数据样本由多个车辆产生,接收的多个数据样本包括对于所述多个在先车辆行程的所述多个数据样本,并且接收沿所述多条道路的所述多个在先车辆行程的信息包括分析所述接收的多个数据样本以至少识别在确定所述多个组合链路时使用的所述多个在先车辆行程。
42.如权利要求38所述的方法,其中,执行所述多个在先车辆行程的所述接收的信息的自动分析以确定所述多个组合链路的所述至少一个编程的计算系统是自动的驾驶行为分析系统的一部分,并且其中执行所述确定的组合链路的自动使用以改进通过所述地理区域的其他车辆行程的路线选择的所述至少一个编程的计算系统是自动的路线选择系统的一部分。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US31296710P | 2010-03-11 | 2010-03-11 | |
US61/312,967 | 2010-03-11 | ||
PCT/US2011/028224 WO2011113021A1 (en) | 2010-03-11 | 2011-03-11 | Learning road navigation paths based on aggregate driver behavior |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102939623A true CN102939623A (zh) | 2013-02-20 |
CN102939623B CN102939623B (zh) | 2015-09-09 |
Family
ID=44560744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180013488.6A Expired - Fee Related CN102939623B (zh) | 2010-03-11 | 2011-03-11 | 基于集合的驾驶者行为学习道路导航路径 |
Country Status (7)
Country | Link |
---|---|
US (3) | US8738285B2 (zh) |
EP (1) | EP2545539A4 (zh) |
CN (1) | CN102939623B (zh) |
AU (1) | AU2011226623B2 (zh) |
BR (1) | BR112012022906A2 (zh) |
CA (1) | CA2789699C (zh) |
WO (2) | WO2011113022A1 (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104215254A (zh) * | 2013-05-31 | 2014-12-17 | 国际商业机器公司 | 路径导航的方法和装置 |
CN104655126A (zh) * | 2013-11-25 | 2015-05-27 | 通用汽车环球科技运作有限责任公司 | 使用导航系统用于自动预测的方法和系统 |
CN105593640A (zh) * | 2013-08-21 | 2016-05-18 | 大陆汽车系统公司 | 使用分析后的驾驶员行为指标适应车辆个性化 |
CN105683712A (zh) * | 2013-08-19 | 2016-06-15 | 通腾导航技术股份有限公司 | 用于获得多模式路线的方法及系统 |
CN106600224A (zh) * | 2016-12-12 | 2017-04-26 | 北京小米移动软件有限公司 | 行程规划方法及装置 |
CN106970613A (zh) * | 2015-10-20 | 2017-07-21 | 罗伯特·博世有限公司 | 用于运行至少一个部分自动化的或者高度自动化的车辆的方法和设备 |
CN107329466A (zh) * | 2017-08-28 | 2017-11-07 | 北京华清智能科技有限公司 | 一种自动驾驶小型车 |
CN107764264A (zh) * | 2016-08-19 | 2018-03-06 | 德韧营运有限责任公司 | 用于机动车辆的自动辅助泊车系统的最优路径规划器 |
CN108253982A (zh) * | 2016-12-29 | 2018-07-06 | 高德信息技术有限公司 | 一种导航路线确定方法及装置 |
CN108292473A (zh) * | 2015-11-04 | 2018-07-17 | 祖克斯有限公司 | 自适应自主车辆计划器逻辑 |
CN108534793A (zh) * | 2017-03-01 | 2018-09-14 | 德尔福技术公司 | 用于自动车辆的无目的地行驶系统 |
CN109017782A (zh) * | 2017-06-12 | 2018-12-18 | 通用汽车环球科技运作有限责任公司 | 个性化的自主车辆乘坐特性 |
CN109489675A (zh) * | 2017-09-11 | 2019-03-19 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于成本的路径规划 |
CN110361023A (zh) * | 2018-04-10 | 2019-10-22 | 丰田自动车株式会社 | 利用道路结点影响的动态车辆导航系统 |
CN112102619A (zh) * | 2020-09-14 | 2020-12-18 | 广东新时空科技股份有限公司 | 基于融合时空关系的驾驶行为分析与分级方法 |
CN112732858A (zh) * | 2021-01-25 | 2021-04-30 | 腾讯科技(深圳)有限公司 | 路径规划方法、装置、计算机设备及存储介质 |
CN114999153A (zh) * | 2022-05-26 | 2022-09-02 | 上海天华云应用技术有限公司 | 一种车辆匝道汇入汇出协同控制方法 |
CN115050183A (zh) * | 2022-06-09 | 2022-09-13 | 上海人工智能创新中心 | 一种生成模拟交通流的方法 |
CN115294787A (zh) * | 2018-04-13 | 2022-11-04 | 丰田自动车株式会社 | 交叉路口处的远程车辆控制 |
WO2022238138A1 (de) * | 2021-05-10 | 2022-11-17 | Volkswagen Aktiengesellschaft | Verfahren zum bereitstellen einer zukünftig abfahrbaren trajektorie für ein zumindest teilweise assistiert betriebenes kraftfahrzeug sowie assistenzsystem |
Families Citing this family (197)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10687166B2 (en) | 2004-09-30 | 2020-06-16 | Uber Technologies, Inc. | Obtaining user assistance |
US10514816B2 (en) | 2004-12-01 | 2019-12-24 | Uber Technologies, Inc. | Enhanced user assistance |
US10445799B2 (en) | 2004-09-30 | 2019-10-15 | Uber Technologies, Inc. | Supply-chain side assistance |
US8358976B2 (en) | 2006-03-24 | 2013-01-22 | The Invention Science Fund I, Llc | Wireless device with an aggregate user interface for controlling other devices |
GB0822893D0 (en) * | 2008-12-16 | 2009-01-21 | Tele Atlas Bv | Advanced speed profiles - Further updates |
CA2781688A1 (en) | 2009-11-24 | 2011-06-03 | Telogis, Inc. | Vehicle route selection based on energy usage |
US8670933B2 (en) | 2010-03-23 | 2014-03-11 | United Parcel Service Of America, Inc. | Geofence-based triggers for automated data collection |
WO2011133016A2 (en) * | 2010-04-20 | 2011-10-27 | Dr Ir Tee Clarence Augustine Teck Huo | Junction adaptive reactive routing (jarr) protocol for vehicular ad-hoc networks in a city environment [1-3]. |
US8694241B1 (en) | 2010-10-05 | 2014-04-08 | Google Inc. | Visualization of traffic patterns using GPS data |
US8694240B1 (en) * | 2010-10-05 | 2014-04-08 | Google Inc. | Visualization of paths using GPS data |
US8825403B1 (en) | 2010-10-06 | 2014-09-02 | Google Inc. | User queries to model road network usage |
GB201113122D0 (en) * | 2011-02-03 | 2011-09-14 | Tom Tom Dev Germany Gmbh | Generating segment data |
US8886457B2 (en) | 2011-03-31 | 2014-11-11 | Google Inc. | Mobile state determination of location aware devices |
US8972172B2 (en) * | 2011-05-03 | 2015-03-03 | International Business Machines Corporation | Wireless sensor network traffic navigation analytics |
US8612137B2 (en) * | 2011-07-18 | 2013-12-17 | Ituran Usa | System, method and apparatus for tracking parking behavior of a vehicle |
BR112014002502B1 (pt) * | 2011-08-04 | 2021-06-15 | Toyota Jidosha Kabushiki Kaisha | Aparelhagem de processamento de informação de veículo e método de processamento de informação de veículo |
KR20130036948A (ko) * | 2011-10-05 | 2013-04-15 | 현대자동차주식회사 | 하이브리드 차량의 경제운전 유도 장치 및 그 방법 |
JP2013122381A (ja) * | 2011-12-09 | 2013-06-20 | Denso Corp | ナビゲーション装置 |
KR101317138B1 (ko) * | 2011-12-09 | 2013-10-18 | 기아자동차주식회사 | 전기자동차의 에코 드라이빙 시스템 및 그 방법 |
EP2795603A4 (en) * | 2011-12-20 | 2015-08-19 | Via Analytics Inc | AUTOMATED SYSTEM FOR PREVENTING ACCUMULATION OF VEHICLES |
WO2013123512A1 (en) * | 2012-02-16 | 2013-08-22 | Ims Solutions, Inc. | Traffic portal enquiry and alert system |
US20140309872A1 (en) * | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | Customization of vehicle user interfaces based on user intelligence |
JP5648009B2 (ja) * | 2012-03-21 | 2015-01-07 | アイシン・エィ・ダブリュ株式会社 | 交通情報作成装置、交通情報作成方法及びプログラム |
US9047495B2 (en) * | 2012-04-30 | 2015-06-02 | Hewlett-Packard Development Company, L.P. | Identifying impact of a traffic incident on a road network |
US8694246B2 (en) | 2012-05-15 | 2014-04-08 | Qualcomm Incorporated | Methods and systems for displaying enhanced turn-by-turn guidance on a personal navigation device |
US20150141043A1 (en) * | 2013-08-23 | 2015-05-21 | Cellepathy Ltd. | Corrective navigation instructions |
US9638537B2 (en) | 2012-06-21 | 2017-05-02 | Cellepathy Inc. | Interface selection in navigation guidance systems |
CA2877453A1 (en) | 2012-06-21 | 2013-12-27 | Cellepathy Ltd. | Device context determination |
JP6169826B2 (ja) * | 2012-06-27 | 2017-07-26 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム及び情報処理システム |
DE102012212065A1 (de) * | 2012-07-11 | 2014-01-16 | Robert Bosch Gmbh | Verfahren zum Betreiben eines Fahrerassistenzsystems für ein Fahrzeug und Fahrerassistenzsystem für ein Fahrzeug |
WO2014013542A1 (ja) * | 2012-07-17 | 2014-01-23 | 三菱電機株式会社 | 車載用交通情報通知装置 |
WO2014022230A2 (en) | 2012-07-30 | 2014-02-06 | Fish Robert D | Electronic personal companion |
US9958272B2 (en) * | 2012-08-10 | 2018-05-01 | Telogis, Inc. | Real-time computation of vehicle service routes |
DE102012215064A1 (de) * | 2012-08-24 | 2014-02-27 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Ermitteln einer Gefahrenquelle einer Fahrstrecke |
US10360352B2 (en) * | 2012-10-02 | 2019-07-23 | Banjo, Inc. | System and method for event-based vehicle operation |
US9374423B2 (en) * | 2012-10-16 | 2016-06-21 | Excelfore Corporation | System and method for monitoring apps in a vehicle or in a smartphone to reduce driver distraction |
CA2888335A1 (en) * | 2012-10-19 | 2014-04-24 | Roadroid Ab | Method and system for monitoring road conditions |
US9286793B2 (en) * | 2012-10-23 | 2016-03-15 | University Of Southern California | Traffic prediction using real-world transportation data |
US9569984B2 (en) * | 2012-12-11 | 2017-02-14 | Abalta Technologies, Inc. | Recording, monitoring, and analyzing driver behavior |
JP6047006B2 (ja) * | 2012-12-25 | 2016-12-21 | 株式会社デンソー | 地図表示システム |
US8825359B1 (en) | 2013-02-27 | 2014-09-02 | Google Inc. | Systems, methods, and computer-readable media for verifying traffic designations of roads |
US9224293B2 (en) * | 2013-03-16 | 2015-12-29 | Donald Warren Taylor | Apparatus and system for monitoring and managing traffic flow |
US9631930B2 (en) | 2013-03-15 | 2017-04-25 | Apple Inc. | Warning for frequently traveled trips based on traffic |
US8972145B2 (en) * | 2013-03-15 | 2015-03-03 | Bayerische Motoren Werke Aktiengesellscahft | Systems and methods for predicting traffic signal information |
US9317813B2 (en) | 2013-03-15 | 2016-04-19 | Apple Inc. | Mobile device with predictive routing engine |
US9200915B2 (en) | 2013-06-08 | 2015-12-01 | Apple Inc. | Mapping application with several user interfaces |
US9070290B2 (en) * | 2013-03-16 | 2015-06-30 | Donald Warren Taylor | Apparatus and system for monitoring and managing traffic flow |
CN103237059B (zh) * | 2013-04-02 | 2016-04-20 | 西安翔迅科技有限责任公司 | 交通信息数据与命令交互方法 |
US20140365459A1 (en) | 2013-06-08 | 2014-12-11 | Apple Inc. | Harvesting Addresses |
US9752886B2 (en) * | 2013-06-27 | 2017-09-05 | Sap Se | Mobile trip planner and live route update system |
US10971009B2 (en) * | 2013-06-28 | 2021-04-06 | International Business Machines Corporation | Extracting events and assessing their impact on a transportation network |
US9360335B1 (en) * | 2013-07-09 | 2016-06-07 | Google Inc. | Dynamic rerouting during navigation |
US9702716B2 (en) * | 2013-08-28 | 2017-07-11 | Verizon Telematics Inc. | Traffic score determination |
US9342982B2 (en) * | 2013-09-09 | 2016-05-17 | International Business Machines Corporation | Traffic control agency deployment and signal optimization for event planning |
US9804756B2 (en) * | 2013-09-27 | 2017-10-31 | Iteris, Inc. | Comparative data analytics and visualization tool for analyzing traffic performance data in a traffic management system |
US20150095198A1 (en) * | 2013-09-30 | 2015-04-02 | David Edward Eramian | Systems and methods for altering travel routes with a transaction location |
US10033624B2 (en) * | 2013-11-14 | 2018-07-24 | Here Global B.V. | Method and apparatus for probe-based routing |
US9536424B2 (en) * | 2014-02-10 | 2017-01-03 | Here Global B.V. | Adaptive traffic dynamics prediction |
US20150228096A1 (en) * | 2014-02-12 | 2015-08-13 | International Business Machines Corporation | Directed graph visualization |
US10692370B2 (en) * | 2014-03-03 | 2020-06-23 | Inrix, Inc. | Traffic obstruction detection |
US9008858B1 (en) * | 2014-03-31 | 2015-04-14 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for providing adaptive vehicle settings based on a known route |
CN105091890B (zh) * | 2014-04-25 | 2018-01-12 | 国际商业机器公司 | 用于推荐候选路径的方法和装置 |
US11100434B2 (en) | 2014-05-06 | 2021-08-24 | Uber Technologies, Inc. | Real-time carpooling coordinating system and methods |
US9552559B2 (en) | 2014-05-06 | 2017-01-24 | Elwha Llc | System and methods for verifying that one or more directives that direct transport of a second end user does not conflict with one or more obligations to transport a first end user |
US9483744B2 (en) | 2014-05-06 | 2016-11-01 | Elwha Llc | Real-time carpooling coordinating systems and methods |
US10458801B2 (en) * | 2014-05-06 | 2019-10-29 | Uber Technologies, Inc. | Systems and methods for travel planning that calls for at least one transportation vehicle unit |
US9857191B2 (en) | 2014-05-22 | 2018-01-02 | Telogis, Inc. | Context-based routing and access path selection |
US9934683B2 (en) | 2014-05-29 | 2018-04-03 | Here Global B.V. | Traffic aggregation and reporting in real-time |
CA2952856A1 (en) * | 2014-06-18 | 2015-12-23 | Sensity Systems Inc. | Application framework for interactive light sensor networks |
US9506769B2 (en) * | 2014-06-30 | 2016-11-29 | Intel Corporation | System and method for familiarity-based navigation |
CN105723242B (zh) * | 2014-08-26 | 2018-07-03 | 微软技术许可有限责任公司 | 测量路网中的交通速度 |
US9354065B2 (en) * | 2014-09-09 | 2016-05-31 | Paypal, Inc. | Systems and methods for shopping detour during traffic congestion |
EP3002557B1 (en) * | 2014-10-03 | 2019-09-25 | Volvo Car Corporation | Method and system for identifying a situation with a potentially inalert driver |
DE102014016837A1 (de) * | 2014-11-13 | 2016-05-19 | Audi Ag | System zum Vorschlagen einer Route |
CN105989127A (zh) * | 2015-02-15 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种进行信息推送的方法、装置与系统 |
US9528848B2 (en) * | 2015-03-30 | 2016-12-27 | Alpine Electronics, Inc. | Method of displaying point on navigation map |
JP6590937B2 (ja) * | 2015-03-31 | 2019-10-16 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | 遠隔制御無人航空機(uav)の挙動を分析するための機器、システム、及び方法 |
JP6412268B2 (ja) | 2015-03-31 | 2018-10-24 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | ユーザー操作データをリモートコントローラに記録する装置、リモートコントローラ、車両操作データレコーダ、及びシステム |
US10055504B2 (en) * | 2015-04-09 | 2018-08-21 | International Business Machines Corporation | Aggregation of traffic impact metrics |
US9672759B2 (en) | 2015-05-11 | 2017-06-06 | Here Global B.V. | Probe based identification and validation of roundabout junctions |
US9766081B2 (en) | 2015-05-12 | 2017-09-19 | Here Global B.V. | System and method for roundabouts from probe data using vector fields |
JP6369390B2 (ja) * | 2015-05-19 | 2018-08-08 | 株式会社デンソー | 車線合流判定装置 |
MX366385B (es) | 2015-06-23 | 2019-07-08 | Nissan Motor | Sistema de provision de ruta candidata, aparato de vehiculo, y metodo de provision de ruta candidata. |
US9651389B2 (en) * | 2015-10-16 | 2017-05-16 | International Business Machines Corporation | Generation of location area boundaries |
US10692126B2 (en) | 2015-11-17 | 2020-06-23 | Nio Usa, Inc. | Network-based system for selling and servicing cars |
US9743493B2 (en) * | 2015-12-09 | 2017-08-22 | General Electric Company | Methods, apparatus, system and media for use in association with lighting systems |
SE539488C2 (en) * | 2015-12-15 | 2017-10-03 | Greater Than S A | Method and system for assessing the trip performance of a driver |
US9672738B1 (en) | 2016-02-02 | 2017-06-06 | Allstate Insurance Company | Designing preferred vehicle routes based on driving scores from other vehicles |
US9792575B2 (en) * | 2016-03-11 | 2017-10-17 | Route4Me, Inc. | Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints |
JP6927193B2 (ja) | 2016-03-16 | 2021-08-25 | 日本電気株式会社 | 誘導支援装置、誘導支援方法及びプログラム |
DE102016204522A1 (de) * | 2016-03-18 | 2017-09-21 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Betrieb eines Navigationssystems |
TWI600334B (zh) * | 2016-03-23 | 2017-09-21 | 財團法人工業技術研究院 | 車輛網路節點之安全憑證管理方法與應用其之車輛網路節 點 |
US9953523B2 (en) * | 2016-04-22 | 2018-04-24 | Here Global B.V. | Node-centric navigation optimization |
US10730626B2 (en) | 2016-04-29 | 2020-08-04 | United Parcel Service Of America, Inc. | Methods of photo matching and photo confirmation for parcel pickup and delivery |
CN114671025A (zh) | 2016-04-29 | 2022-06-28 | 美国联合包裹服务公司 | 通过无人机装载、从车辆拾取和递送包裹的方法及系统 |
US9799218B1 (en) | 2016-05-09 | 2017-10-24 | Robert Gordon | Prediction for lane guidance assist |
JP6493299B2 (ja) * | 2016-05-19 | 2019-04-03 | 株式会社デンソー | 自動運転システム及び自動運転状態報知プログラム |
US11092446B2 (en) * | 2016-06-14 | 2021-08-17 | Motional Ad Llc | Route planning for an autonomous vehicle |
US10309792B2 (en) | 2016-06-14 | 2019-06-04 | nuTonomy Inc. | Route planning for an autonomous vehicle |
US9857188B1 (en) | 2016-06-29 | 2018-01-02 | Uber Technologies, Inc. | Providing alternative routing options to a rider of a transportation management system |
US20180012196A1 (en) | 2016-07-07 | 2018-01-11 | NextEv USA, Inc. | Vehicle maintenance manager |
JP6786921B2 (ja) * | 2016-07-12 | 2020-11-18 | 株式会社デンソー | 運転支援システム及び運転支援方法 |
US10612930B2 (en) * | 2016-07-26 | 2020-04-07 | Apple Inc. | Normalization of device probe data for path identification |
US9928734B2 (en) | 2016-08-02 | 2018-03-27 | Nio Usa, Inc. | Vehicle-to-pedestrian communication systems |
US10018476B2 (en) | 2016-08-17 | 2018-07-10 | Apple Inc. | Live traffic routing |
US10060753B2 (en) | 2016-08-17 | 2018-08-28 | Apple Inc. | On-demand shortcut computation for routing |
US11024160B2 (en) | 2016-11-07 | 2021-06-01 | Nio Usa, Inc. | Feedback performance control and tracking |
US10708547B2 (en) | 2016-11-11 | 2020-07-07 | Nio Usa, Inc. | Using vehicle sensor data to monitor environmental and geologic conditions |
US10694357B2 (en) | 2016-11-11 | 2020-06-23 | Nio Usa, Inc. | Using vehicle sensor data to monitor pedestrian health |
US10410064B2 (en) | 2016-11-11 | 2019-09-10 | Nio Usa, Inc. | System for tracking and identifying vehicles and pedestrians |
US10515390B2 (en) | 2016-11-21 | 2019-12-24 | Nio Usa, Inc. | Method and system for data optimization |
US10181263B2 (en) * | 2016-11-29 | 2019-01-15 | Here Global B.V. | Method, apparatus and computer program product for estimation of road traffic condition using traffic signal data |
US10249104B2 (en) | 2016-12-06 | 2019-04-02 | Nio Usa, Inc. | Lease observation and event recording |
US10012993B1 (en) | 2016-12-09 | 2018-07-03 | Zendrive, Inc. | Method and system for risk modeling in autonomous vehicles |
US10074223B2 (en) | 2017-01-13 | 2018-09-11 | Nio Usa, Inc. | Secured vehicle for user use only |
US10031521B1 (en) | 2017-01-16 | 2018-07-24 | Nio Usa, Inc. | Method and system for using weather information in operation of autonomous vehicles |
US10471829B2 (en) | 2017-01-16 | 2019-11-12 | Nio Usa, Inc. | Self-destruct zone and autonomous vehicle navigation |
US9984572B1 (en) | 2017-01-16 | 2018-05-29 | Nio Usa, Inc. | Method and system for sharing parking space availability among autonomous vehicles |
US10464530B2 (en) | 2017-01-17 | 2019-11-05 | Nio Usa, Inc. | Voice biometric pre-purchase enrollment for autonomous vehicles |
US10286915B2 (en) | 2017-01-17 | 2019-05-14 | Nio Usa, Inc. | Machine learning for personalized driving |
US10989549B2 (en) | 2017-01-27 | 2021-04-27 | International Business Machines Corporation | Route recommendation in map service |
US10897469B2 (en) | 2017-02-02 | 2021-01-19 | Nio Usa, Inc. | System and method for firewalls between vehicle networks |
US9911329B1 (en) | 2017-02-23 | 2018-03-06 | Robert Gordon | Enhanced traffic sign information messaging system |
US9992735B1 (en) | 2017-02-27 | 2018-06-05 | Excelfore Corporation | System and method for vehicle wireless connection management |
US10527449B2 (en) | 2017-04-10 | 2020-01-07 | Microsoft Technology Licensing, Llc | Using major route decision points to select traffic cameras for display |
US10643084B2 (en) | 2017-04-18 | 2020-05-05 | nuTonomy Inc. | Automatically perceiving travel signals |
DE102017206847B4 (de) * | 2017-04-24 | 2020-08-13 | Robert Bosch Gmbh | Verfahren zum automatischen Erstellen und Aktualisieren eines Datensatzes für ein autonomes Fahrzeug |
US10930157B2 (en) * | 2017-04-26 | 2021-02-23 | Dropoff, Inc. | Systems and methods for automated real-time and advisory routing within a fleet of geographically distributed drivers |
US10429200B1 (en) * | 2017-05-15 | 2019-10-01 | Uber Technologies, Inc. | Determining adjusted trip duration using route features |
US20180345801A1 (en) * | 2017-06-06 | 2018-12-06 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for optimizing battery pre-charging using adjusted traffic predictions |
US10775792B2 (en) | 2017-06-13 | 2020-09-15 | United Parcel Service Of America, Inc. | Autonomously delivering items to corresponding delivery locations proximate a delivery route |
US10234302B2 (en) | 2017-06-27 | 2019-03-19 | Nio Usa, Inc. | Adaptive route and motion planning based on learned external and internal vehicle environment |
US10557713B1 (en) | 2017-07-14 | 2020-02-11 | Uber Technologies, Inc. | Generation of trip estimates using real-time data and historical data |
US10710633B2 (en) | 2017-07-14 | 2020-07-14 | Nio Usa, Inc. | Control of complex parking maneuvers and autonomous fuel replenishment of driverless vehicles |
US10369974B2 (en) | 2017-07-14 | 2019-08-06 | Nio Usa, Inc. | Control and coordination of driverless fuel replenishment for autonomous vehicles |
US10078337B1 (en) | 2017-07-14 | 2018-09-18 | Uber Technologies, Inc. | Generation of trip estimates using real-time data and historical data |
US10816351B1 (en) | 2017-07-14 | 2020-10-27 | Uber Technologies, Inc. | Generation of trip estimates using real-time data and historical data |
US10837790B2 (en) | 2017-08-01 | 2020-11-17 | Nio Usa, Inc. | Productive and accident-free driving modes for a vehicle |
US11663532B2 (en) * | 2017-08-08 | 2023-05-30 | Nissan Motor Co., Ltd. | Shared vehicle management method and shared vehicle management device |
US10732000B2 (en) * | 2017-09-12 | 2020-08-04 | Uber Technologies, Inc. | Promoting user compliance with adaptive checkpoints |
US10635109B2 (en) | 2017-10-17 | 2020-04-28 | Nio Usa, Inc. | Vehicle path-planner monitor and controller |
WO2019079807A1 (en) * | 2017-10-20 | 2019-04-25 | Zendrive, Inc. | METHOD AND SYSTEM FOR VEHICULAR COMMUNICATIONS |
US10606274B2 (en) | 2017-10-30 | 2020-03-31 | Nio Usa, Inc. | Visual place recognition based self-localization for autonomous vehicles |
US10935978B2 (en) | 2017-10-30 | 2021-03-02 | Nio Usa, Inc. | Vehicle self-localization using particle filters and visual odometry |
US10717412B2 (en) | 2017-11-13 | 2020-07-21 | Nio Usa, Inc. | System and method for controlling a vehicle using secondary access methods |
US11481713B2 (en) * | 2017-11-20 | 2022-10-25 | Speedgauge, Inc. | Driver history via vehicle data acquisition and analysis |
WO2019104348A1 (en) | 2017-11-27 | 2019-05-31 | Zendrive, Inc. | System and method for vehicle sensing and analysis |
CN108009685B (zh) * | 2017-12-07 | 2020-08-21 | 厦门理工学院 | 一种用于城市公共交通的智能移动终端 |
KR102451896B1 (ko) * | 2017-12-18 | 2022-10-06 | 현대자동차 주식회사 | 동적 교통정보를 이용한 하이브리드 차량의 주행 제어 방법 |
JP7004245B2 (ja) * | 2018-01-22 | 2022-02-04 | トヨタ自動車株式会社 | 運転支援装置及び運転支援方法 |
US10747578B2 (en) | 2018-04-27 | 2020-08-18 | Microsoft Technology Licensing, Llc | Nested tenants |
US11210323B2 (en) | 2018-04-27 | 2021-12-28 | Microsoft Technology Licensing, Llc | Methods and systems for generating property keys corresponding to physical spaces, devices, and/or users |
US10484829B1 (en) | 2018-04-27 | 2019-11-19 | Microsoft Technology Licensing, Llc | Methods and systems for generating maps corresponding to physical spaces, devices, and/or users |
US11480971B2 (en) | 2018-05-01 | 2022-10-25 | Honda Motor Co., Ltd. | Systems and methods for generating instructions for navigating intersections with autonomous vehicles |
US10951482B2 (en) * | 2018-05-16 | 2021-03-16 | Microsoft Technology Licensing, Llc | Device identification on a building automation control network |
US11456915B2 (en) | 2018-05-21 | 2022-09-27 | Microsoft Technology Licensing, Llc | Device model templates |
US10369966B1 (en) | 2018-05-23 | 2019-08-06 | Nio Usa, Inc. | Controlling access to a vehicle using wireless access devices |
EP3598414A1 (en) * | 2018-07-20 | 2020-01-22 | Volvo Car Corporation | System and method for avoiding a collision course |
US11402227B2 (en) | 2018-08-14 | 2022-08-02 | GM Global Technology Operations LLC | Dynamic route adjustment |
US11022453B2 (en) | 2018-09-21 | 2021-06-01 | International Business Machines Corporation | Alternative route decision making |
US10962381B2 (en) | 2018-11-01 | 2021-03-30 | Here Global B.V. | Method, apparatus, and computer program product for creating traffic information for specialized vehicle types |
CN109410597B (zh) * | 2018-11-09 | 2021-07-13 | 南京讯飞智慧空间信息科技有限公司 | 一种园区出入口车流量检测方法、装置和系统 |
WO2020160144A1 (en) * | 2019-01-29 | 2020-08-06 | Aptiv Technologies Limited | Traffic light estimation |
US11774256B2 (en) | 2019-01-30 | 2023-10-03 | Uber Technologies, Inc. | User control of alternate routes |
US11062405B2 (en) | 2019-01-31 | 2021-07-13 | Toyota Motor Engineering & Manufacturing North America, Inc. | Dynamic ordering system |
US11335189B2 (en) | 2019-04-04 | 2022-05-17 | Geotab Inc. | Method for defining road networks |
US10699564B1 (en) | 2019-04-04 | 2020-06-30 | Geotab Inc. | Method for defining intersections using machine learning |
US11403938B2 (en) | 2019-04-04 | 2022-08-02 | Geotab Inc. | Method for determining traffic metrics of a road network |
US11335191B2 (en) | 2019-04-04 | 2022-05-17 | Geotab Inc. | Intelligent telematics system for defining road networks |
US11341846B2 (en) | 2019-04-04 | 2022-05-24 | Geotab Inc. | Traffic analytics system for defining road networks |
US11048261B1 (en) | 2019-04-05 | 2021-06-29 | State Farm Mutual Automobile Insurance Company | Systems and methods for evaluating autonomous vehicle software interactions for proposed trips |
US11321972B1 (en) | 2019-04-05 | 2022-05-03 | State Farm Mutual Automobile Insurance Company | Systems and methods for detecting software interactions for autonomous vehicles within changing environmental conditions |
US11109249B2 (en) * | 2019-04-26 | 2021-08-31 | Uber Technologies, Inc. | Systems and methods for improved monitoring of a vehicle integration platform |
CN110201394B (zh) * | 2019-06-05 | 2023-03-24 | 网易(杭州)网络有限公司 | 附件模型的生成方法、装置、存储介质、处理器及终端 |
US11175153B2 (en) * | 2019-08-20 | 2021-11-16 | Toyota Motor North America, Inc. | Pedestrian and vehicle route optimization |
WO2021050153A1 (en) * | 2019-09-11 | 2021-03-18 | BlueOwl, LLC | Systems and methods for providing carbon offsets |
US11460843B2 (en) * | 2019-09-25 | 2022-10-04 | GM Global Technology Operations LLC | Parallelized tree-based decision scheme for autonomous vehicle |
JP7382201B2 (ja) * | 2019-10-11 | 2023-11-16 | 株式会社日立製作所 | 車両管制システム、演算装置 |
US11587433B2 (en) * | 2019-10-31 | 2023-02-21 | Here Global B.V. | Method, apparatus, and system for probe anomaly detection |
US11775010B2 (en) | 2019-12-02 | 2023-10-03 | Zendrive, Inc. | System and method for assessing device usage |
CN111862588B (zh) * | 2019-12-18 | 2022-04-22 | 北京嘀嘀无限科技发展有限公司 | 控制信息发布的方法、装置、电子设备和存储介质 |
JP6937856B2 (ja) * | 2020-02-13 | 2021-09-22 | 本田技研工業株式会社 | 運転支援装置および車両 |
CN111611402B (zh) * | 2020-05-15 | 2020-12-29 | 广东新快易通智能信息发展有限公司 | 一种基于位置的驾驶行为知识图谱生成方法、装置和系统 |
US20210404818A1 (en) * | 2020-06-24 | 2021-12-30 | Here Global B.V. | Method, apparatus, and system for providing hybrid traffic incident identification for autonomous driving |
US11884291B2 (en) * | 2020-08-03 | 2024-01-30 | Waymo Llc | Assigning vehicles for transportation services |
US11515741B2 (en) | 2020-08-28 | 2022-11-29 | Toyota Motor North America, Inc. | Wireless energy transfer to transport based on route data |
US11865939B2 (en) | 2020-08-28 | 2024-01-09 | Toyota Motor North America, Inc. | Power allocation to transports |
US11657719B2 (en) * | 2020-12-18 | 2023-05-23 | Zoox, Inc. | System for sparsely representing and storing geographic and map data |
US11321084B1 (en) * | 2021-01-04 | 2022-05-03 | International Business Machines Corporation | Application function consolidation recommendation |
JP2022113220A (ja) * | 2021-01-25 | 2022-08-04 | トヨタ自動車株式会社 | 自動車 |
US20220327919A1 (en) * | 2021-04-12 | 2022-10-13 | At&T Intellectual Property I, L.P. | Predicting road blockages for improved navigation systems |
US20230132499A1 (en) * | 2021-10-29 | 2023-05-04 | Here Global B.V. | Method and apparatus for generating structured trajectories from geospatial observations |
WO2023118952A1 (en) | 2021-12-22 | 2023-06-29 | Bosch Car Multimedia Portugal, S.A. | Two-wheeler integrated system for an improved riding experience |
US20230332900A1 (en) * | 2022-04-19 | 2023-10-19 | Ford Global Technologies, Llc | Systems and methods for ranking routes based on driving complexity |
DE102022112169A1 (de) | 2022-05-16 | 2023-11-16 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Bereitstellen einer Menge von Entscheidungspunkten während einer Fahrt mit einem Fahrzeug von einem Backend-Server an das Fahrzeug, computerlesbares Medium, System und Fahrzeug |
DE102022112167A1 (de) | 2022-05-16 | 2023-11-16 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Abfragen von prädizierten Routen von einem Backend-Server durch ein Fahrzeug, computerlesbares Medium, System, und Fahrzeug |
DE102022112170A1 (de) | 2022-05-16 | 2023-11-16 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Bereitstellen von Navigationsdaten während einer Fahrt mit einem Fahrzeug von einem Backend-Server an das Fahrzeug, computerlesbares Medium, System und Fahrzeug |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040225437A1 (en) * | 2003-02-05 | 2004-11-11 | Yoshinori Endo | Route search method and traffic information display method for a navigation device |
US20050125148A1 (en) * | 2003-12-08 | 2005-06-09 | Van Buer Darrel J. | Prediction of vehicle operator destinations |
CN1657877A (zh) * | 2004-02-20 | 2005-08-24 | 爱信艾达株式会社 | 路线搜索装置以及路线搜索方法 |
CN101019003A (zh) * | 2004-09-15 | 2007-08-15 | 松下电器产业株式会社 | 路线引导装置 |
US20070208496A1 (en) * | 2006-03-03 | 2007-09-06 | Downs Oliver B | Obtaining road traffic condition data from mobile data sources |
US20080262717A1 (en) * | 2007-04-17 | 2008-10-23 | Esther Abramovich Ettinger | Device, system and method of landmark-based routing and guidance |
CN101598562A (zh) * | 2008-06-06 | 2009-12-09 | 佛山市顺德区顺达电脑厂有限公司 | 路径规划结果调整方法及系统 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6016485A (en) * | 1998-02-13 | 2000-01-18 | Etak, Inc. | System for pathfinding |
US6885937B1 (en) | 1998-12-10 | 2005-04-26 | Tele Atlas North America, Inc. | Shortcut generator |
CA2266208C (en) * | 1999-03-19 | 2008-07-08 | Wenking Corp. | Remote road traffic data exchange and intelligent vehicle highway system |
US6466862B1 (en) * | 1999-04-19 | 2002-10-15 | Bruce DeKock | System for providing traffic information |
US6490519B1 (en) * | 1999-09-27 | 2002-12-03 | Decell, Inc. | Traffic monitoring system and methods for traffic monitoring and route guidance useful therewith |
CA2414531A1 (en) | 2000-06-26 | 2002-01-03 | Custom Traffic Pty Ltd | Method and system for providing traffic and related information |
US6317686B1 (en) * | 2000-07-21 | 2001-11-13 | Bin Ran | Method of providing travel time |
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 |
US7835858B2 (en) | 2002-11-22 | 2010-11-16 | Traffic.Com, Inc. | Method of creating a virtual traffic network |
JP3994937B2 (ja) * | 2003-07-29 | 2007-10-24 | アイシン・エィ・ダブリュ株式会社 | 自動車用交通情報通知システム及びナビゲーションシステム |
US7355528B2 (en) * | 2003-10-16 | 2008-04-08 | Hitachi, Ltd. | Traffic information providing system and car navigation system |
US7389178B2 (en) | 2003-12-11 | 2008-06-17 | Greenroad Driving Technologies Ltd. | System and method for vehicle driver behavior analysis and evaluation |
US7680596B2 (en) * | 2004-04-06 | 2010-03-16 | Honda Motor Co., Ltd. | Route calculation method for a vehicle navigation system |
US7739029B2 (en) * | 2004-09-08 | 2010-06-15 | Aisin Aw Co., Ltd. | Navigation apparatus and method with traffic ranking and display |
JP2007155352A (ja) | 2005-11-30 | 2007-06-21 | Aisin Aw Co Ltd | 経路案内システム及び経路案内方法 |
US7908076B2 (en) * | 2006-08-18 | 2011-03-15 | Inrix, Inc. | Representative road traffic flow information based on historical data |
US7680749B1 (en) * | 2006-11-02 | 2010-03-16 | Google Inc. | Generating attribute models for use in adaptive navigation systems |
JP4491472B2 (ja) * | 2007-03-27 | 2010-06-30 | 日立オートモティブシステムズ株式会社 | 交通情報システム |
US20080300778A1 (en) * | 2007-05-30 | 2008-12-04 | Tele Atlas North America, Inc. | System and method for personalizing trip assistance on a digital map |
US8874354B2 (en) | 2007-10-16 | 2014-10-28 | International Business Machines Corporation | Method and system for expansion of real-time data on traffic networks |
US20090105940A1 (en) * | 2007-10-23 | 2009-04-23 | Destinator Technologies, Inc. | Route calculation based on traffic events |
AU2009262900A1 (en) | 2008-06-24 | 2009-12-30 | Tele Atlas North America Inc. | Methods and systems for dynamically adaptive road network hierarchy and routing |
JP5330508B2 (ja) * | 2008-06-25 | 2013-10-30 | トムトム インターナショナル ベスローテン フエンノートシャップ | ナビゲーション装置、ナビゲーション装置の制御方法、プログラム及び媒体 |
GB0822893D0 (en) * | 2008-12-16 | 2009-01-21 | Tele Atlas Bv | Advanced speed profiles - Further updates |
US8838370B2 (en) * | 2009-03-09 | 2014-09-16 | Empire Technology Development Llc | Traffic flow model to provide traffic flow information |
-
2011
- 2011-03-11 CA CA2789699A patent/CA2789699C/en not_active Expired - Fee Related
- 2011-03-11 WO PCT/US2011/028225 patent/WO2011113022A1/en active Application Filing
- 2011-03-11 WO PCT/US2011/028224 patent/WO2011113021A1/en active Application Filing
- 2011-03-11 AU AU2011226623A patent/AU2011226623B2/en not_active Ceased
- 2011-03-11 US US13/046,644 patent/US8738285B2/en not_active Expired - Fee Related
- 2011-03-11 CN CN201180013488.6A patent/CN102939623B/zh not_active Expired - Fee Related
- 2011-03-11 US US13/046,650 patent/US9257042B2/en not_active Expired - Fee Related
- 2011-03-11 BR BR112012022906A patent/BR112012022906A2/pt not_active IP Right Cessation
- 2011-03-11 EP EP11754227.4A patent/EP2545539A4/en not_active Withdrawn
-
2014
- 2014-04-09 US US14/249,168 patent/US9299251B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040225437A1 (en) * | 2003-02-05 | 2004-11-11 | Yoshinori Endo | Route search method and traffic information display method for a navigation device |
US20050125148A1 (en) * | 2003-12-08 | 2005-06-09 | Van Buer Darrel J. | Prediction of vehicle operator destinations |
CN1657877A (zh) * | 2004-02-20 | 2005-08-24 | 爱信艾达株式会社 | 路线搜索装置以及路线搜索方法 |
CN101019003A (zh) * | 2004-09-15 | 2007-08-15 | 松下电器产业株式会社 | 路线引导装置 |
US20070208496A1 (en) * | 2006-03-03 | 2007-09-06 | Downs Oliver B | Obtaining road traffic condition data from mobile data sources |
US20080262717A1 (en) * | 2007-04-17 | 2008-10-23 | Esther Abramovich Ettinger | Device, system and method of landmark-based routing and guidance |
CN101598562A (zh) * | 2008-06-06 | 2009-12-09 | 佛山市顺德区顺达电脑厂有限公司 | 路径规划结果调整方法及系统 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104215254A (zh) * | 2013-05-31 | 2014-12-17 | 国际商业机器公司 | 路径导航的方法和装置 |
US10295353B2 (en) | 2013-08-19 | 2019-05-21 | Tomtom Navigation B.V. | Methods and systems for obtaining a multi-modal route |
CN105683712A (zh) * | 2013-08-19 | 2016-06-15 | 通腾导航技术股份有限公司 | 用于获得多模式路线的方法及系统 |
CN105593640A (zh) * | 2013-08-21 | 2016-05-18 | 大陆汽车系统公司 | 使用分析后的驾驶员行为指标适应车辆个性化 |
CN104655126A (zh) * | 2013-11-25 | 2015-05-27 | 通用汽车环球科技运作有限责任公司 | 使用导航系统用于自动预测的方法和系统 |
CN106970613A (zh) * | 2015-10-20 | 2017-07-21 | 罗伯特·博世有限公司 | 用于运行至少一个部分自动化的或者高度自动化的车辆的方法和设备 |
CN106970613B (zh) * | 2015-10-20 | 2021-10-29 | 罗伯特·博世有限公司 | 用于运行至少一个部分自动化的或者高度自动化的车辆的方法和设备 |
US10921811B2 (en) | 2015-11-04 | 2021-02-16 | Zoox, Inc. | Adaptive autonomous vehicle planner logic |
CN108292473A (zh) * | 2015-11-04 | 2018-07-17 | 祖克斯有限公司 | 自适应自主车辆计划器逻辑 |
CN107764264A (zh) * | 2016-08-19 | 2018-03-06 | 德韧营运有限责任公司 | 用于机动车辆的自动辅助泊车系统的最优路径规划器 |
CN106600224A (zh) * | 2016-12-12 | 2017-04-26 | 北京小米移动软件有限公司 | 行程规划方法及装置 |
CN108253982A (zh) * | 2016-12-29 | 2018-07-06 | 高德信息技术有限公司 | 一种导航路线确定方法及装置 |
CN108253982B (zh) * | 2016-12-29 | 2024-03-19 | 阿里巴巴(中国)有限公司 | 一种导航路线确定方法及装置 |
CN108534793A (zh) * | 2017-03-01 | 2018-09-14 | 德尔福技术公司 | 用于自动车辆的无目的地行驶系统 |
CN109017782A (zh) * | 2017-06-12 | 2018-12-18 | 通用汽车环球科技运作有限责任公司 | 个性化的自主车辆乘坐特性 |
CN109017782B (zh) * | 2017-06-12 | 2021-10-22 | 通用汽车环球科技运作有限责任公司 | 个性化的自主车辆乘坐特性 |
CN107329466A (zh) * | 2017-08-28 | 2017-11-07 | 北京华清智能科技有限公司 | 一种自动驾驶小型车 |
CN109489675A (zh) * | 2017-09-11 | 2019-03-19 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的基于成本的路径规划 |
CN110361023A (zh) * | 2018-04-10 | 2019-10-22 | 丰田自动车株式会社 | 利用道路结点影响的动态车辆导航系统 |
CN110361023B (zh) * | 2018-04-10 | 2023-08-11 | 丰田自动车株式会社 | 利用道路结点影响的动态车辆导航系统 |
CN115294787A (zh) * | 2018-04-13 | 2022-11-04 | 丰田自动车株式会社 | 交叉路口处的远程车辆控制 |
CN115294787B (zh) * | 2018-04-13 | 2024-03-26 | 丰田自动车株式会社 | 交叉路口处的远程车辆控制 |
CN112102619A (zh) * | 2020-09-14 | 2020-12-18 | 广东新时空科技股份有限公司 | 基于融合时空关系的驾驶行为分析与分级方法 |
CN112732858A (zh) * | 2021-01-25 | 2021-04-30 | 腾讯科技(深圳)有限公司 | 路径规划方法、装置、计算机设备及存储介质 |
CN112732858B (zh) * | 2021-01-25 | 2022-06-07 | 腾讯科技(深圳)有限公司 | 路径规划方法、装置、计算机设备及存储介质 |
WO2022238138A1 (de) * | 2021-05-10 | 2022-11-17 | Volkswagen Aktiengesellschaft | Verfahren zum bereitstellen einer zukünftig abfahrbaren trajektorie für ein zumindest teilweise assistiert betriebenes kraftfahrzeug sowie assistenzsystem |
CN114999153A (zh) * | 2022-05-26 | 2022-09-02 | 上海天华云应用技术有限公司 | 一种车辆匝道汇入汇出协同控制方法 |
CN115050183A (zh) * | 2022-06-09 | 2022-09-13 | 上海人工智能创新中心 | 一种生成模拟交通流的方法 |
Also Published As
Publication number | Publication date |
---|---|
AU2011226623B2 (en) | 2014-07-17 |
US8738285B2 (en) | 2014-05-27 |
US20110224893A1 (en) | 2011-09-15 |
US20110224898A1 (en) | 2011-09-15 |
WO2011113021A1 (en) | 2011-09-15 |
EP2545539A1 (en) | 2013-01-16 |
CA2789699C (en) | 2016-05-03 |
CN102939623B (zh) | 2015-09-09 |
WO2011113022A1 (en) | 2011-09-15 |
EP2545539A4 (en) | 2017-12-27 |
BR112012022906A2 (pt) | 2019-09-24 |
CA2789699A1 (en) | 2011-09-15 |
US9299251B2 (en) | 2016-03-29 |
US9257042B2 (en) | 2016-02-09 |
AU2011226623A1 (en) | 2012-09-27 |
US20140309914A1 (en) | 2014-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102939623B (zh) | 基于集合的驾驶者行为学习道路导航路径 | |
US10928209B2 (en) | Assessing inter-modal passenger travel options | |
EP2332021B1 (en) | System and method for parking time estimations | |
US8880324B2 (en) | Detecting unrepresentative road traffic condition data | |
KR101413505B1 (ko) | 이력 및 현재 데이터에 기초하는 예상된 도로 교통 조건의 예측 방법 및 장치 | |
US6577946B2 (en) | Traffic information gathering via cellular phone networks for intelligent transportation systems | |
CN102890869B (zh) | 车辆行车路线预测通知方法及移动智能终端 | |
EP1918895A2 (en) | Apparatus and method for providing traffic information | |
US20180180423A1 (en) | Systems and methods for individualized route management with a macro managed traffic infrastructure | |
CN105674994A (zh) | 获取行车路线的方法、装置及导航设备 | |
WO2004021305A2 (en) | Apparatus and method for providing traffic information | |
EP1177508A2 (en) | Apparatus and methods for providing route guidance for vehicles | |
CN101964148A (zh) | 道路交通信息记录服务器和gps用户终端 | |
EP2659450A2 (en) | Providing guidance for locating street parking | |
CN110986992A (zh) | 无人售卖车辆的导航方法、装置、电子设备和存储介质 | |
Weinberger et al. | Parking-cruising caused congestion | |
Velthuijsen | Calculating cycling delay at signalized intersections using smartphone data | |
Yang | The effects of navigation systems on traffic congestion using real-time data: Case of İzmir | |
Iman | A multimodal dynamic traffic assignment simulation methodology for integrated corridor 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150909 Termination date: 20180311 |
|
CF01 | Termination of patent right due to non-payment of annual fee |