CN103299302A - 用于区分从探测器车辆获得的交通数据的方法 - Google Patents

用于区分从探测器车辆获得的交通数据的方法 Download PDF

Info

Publication number
CN103299302A
CN103299302A CN2011800639630A CN201180063963A CN103299302A CN 103299302 A CN103299302 A CN 103299302A CN 2011800639630 A CN2011800639630 A CN 2011800639630A CN 201180063963 A CN201180063963 A CN 201180063963A CN 103299302 A CN103299302 A CN 103299302A
Authority
CN
China
Prior art keywords
track
share
data
vehicle
vehicles
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011800639630A
Other languages
English (en)
Inventor
M.科尔西斯卡
P.瓦格菲娜扎里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of CN103299302A publication Critical patent/CN103299302A/zh
Pending legal-status Critical Current

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
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

远程服务器从在道路上行进的多个探测器车辆接收交通数据。该远程服务器在常规车道数据库和/或拼车车道数据库中存储所接收的交通数据。该远程服务器基于与在所接收的交通数据内观察到的每个速度模式关联的探测器车辆的数目来区分所接收的交通数据以存储在适当的数据库中。

Description

用于区分从探测器车辆获得的交通数据的方法
技术领域
本公开涉及用于将交通数据存储在数据库中用于导航系统的使用的方法。具体地说，本公开涉及区分由探测器车辆中的导航系统获得的交通数据用于在拼车车道数据库和常规车道数据库中的远程服务器的存储的方法
背景技术
在行业中导航系统是熟知的。导航系统通常计算从系统位置到用户输入的期望位置的路线。很多导航系统使用交通数据库以确定沿着路线的行进时间以及交通事件（traffic incident）。导航系统可以基于在交通数据库中包含的数据计算路线，并且该导航系统经由该路线指引用户。
典型的，交通数据库将路线的各个片段与从沿着该路线行进的多个探测器车辆收集的行进时间及交通事件进行关联。交通数据库可以存储在用于由导航系统在计算到期望位置的路线时使用的数据库中。
在乡村的很多区域中，拼车车道（carpool lane）形成运输系统的必要部分。在洛杉矶地区，例如，几乎每个主要州际路线都包括至少一条拼车车道（一般称为HOV或高占用车辆车道）。在华盛顿特区的城区，存在在一天的特定时间变为HOV车道的州际公路的整体延伸。另外，在华盛顿特区和休斯顿，HOV车道仅在一天的特定时间可进入并且共享，从而它们在特定时间期间向一个方向的交通开放而在其他时间期间向另一方向的交通开放。然而，在一些情况下，HOV车道的使用可能是不期待的。例如，在休斯顿和华盛顿特区，HOV车道与交通的其他车道分开。因此，如果在HOV车道发生事故，则不可能绕过该事故并且HOV车道可能更加缓慢。期待考虑使用和不使用HOV车道的各种路线为用户计算替代行进时间。
因此，在本领域存在如下交通数据库的需要：区分对常规车道收集的交通数据和对拼车车道收集的交通数据。
发明内容
公开了用于区分从探测器车辆获得的交通数据的方法。在一个方面，本发明提供用于在远程服务器存储由导航系统采集的探测器数据的方法，包括：在远程服务器从多个探测器车辆接收数据；确定与所接收的数据关联的至少两个速度模式；根据第一速度模式和第二速度模式中的一个将来自多个探测器车辆的每一个的所接收的数据分类；计算与第一速度模式和第二速度模式的每一个关联的探测器车辆的数目；将分类为第一速度模式的数据存储在常规车道数据库中；将分类为第二速度模式的数据存储在拼车车道数据库中；并且其中，如果与第一速度模式关联的探测器车辆的数目大于与第二速度模式关联的探测器车辆的数目，则将数据分类为第一速度模式。
在另一方面，本发明提供了用于在与常规车道数据库和拼车车道数据库通信的远程服务器区分来自导航系统的所收集的探测器数据的方法，包括：在远程服务器接收来自多个车辆的探测器数据；将所接收的探测器数据适配到第一速度模式和第二速度模式的一种；确定与适配第一速度模式的所接收的探测器数据关联的车辆的第一数目；确定与适配第二速度模式的所接收的探测器数据关联的车辆的第二数目；其中，与第一数目和第二数目的较小者关联的所接收的探测器数据存储在拼车车道数据库中；并且其中，剩余的所接收的探测器数据存储在常规车道数据库中。
在另一方面，本发明提供用于在远程服务器分类来自具有导航系统的多个车辆的交通数据的方法；包括：在远程服务器接收来自多个车辆的交通数据；确定所接收交通数据是否对应于至少两种速度模式；将与第一速度模式关联的车辆的第一数目和与第二速度模式关联的车辆的第二数目进行比较；将与车辆的第一数目和车辆的第二数目中的较大者关联的所接收交通数据的第一部分存储在常规车道数据库中；并且将与车辆的第一数目和车辆的第二数目中的较小者关联的所接收交通数据的第二部分存储在拼车车道数据库中。
在另一方面，本发明提供用于在与常规车道数据库和拼车车道数据库通信的远程服务器区分来自导航系统的所收集的探测器数据的方法，包括：在远程服务器接收来自多个车辆的探测器数据；对于与拼车车道关联的多个车辆的第一辆计算第一概率；其中，所述第一概率基于第一条件计算；对于与拼车车道关联的多个车辆的第一辆计算第二概率；其中，所述第二概率基于第二条件计算；基于所述第一概率和所述第二概率确定所述多个车辆的第一辆与所述拼车车道或常规车道关联；其中，如果多个车辆的第一辆确定为与拼车车道关联，则与多个车辆的第一辆关联的所接收的探测器数据存储在拼车车道数据库中；并且其中，如果多个车辆的第一辆确定为与常规车道关联，则与多个车辆的第一辆关联的所接收的探测器数据存储在常规车道数据库中。
一旦审视以下附图和详细描述，本发明的其他系统、方法、特征和优势就将对本领域技术人员是显然的或变得显然。意图全部这样的额外系统、方法、特征和优势被包括在此描述和此发明内容中，处于本发明的范围内并且由以下权利要求保护。
附图说明
参考以下附图和描述将更好地理解本发明。附图中的组件不必须成比例，相反重点放在说明本发明的原理。此外，在图中，相同附图标记指代不同视图中的对应部件。
图1是与机动车辆关联的导航系统的实施例的示意图；
图2是用于存储导航系统的探测器数据的方法的示例性实施例的示意图；
图3是沿着路线的HOV车道的说明；
图4是沿着路线的独有HOV车道的说明;
图5是从探测器车辆获得交通数据的方法的示例性实施例的示意图;
图6是收集实时交通信息的方法的示例性实施例的示意图;
图7是包括速度模式分类器的远程服务器的示例性实施例的示意图;
图8是描述所收集的探测器数据的速度模式的说明;
图9是描述所收集的探测器数据的速度模式的说明;
图10是用于确定与速度模式关联的车辆的数目的方法的示例性实施例的示意图;
图11是用于区分所收集的探测器数据以用于交通数据库中的存储的方法示例性实施例的示意图;
图12是用于归类所收集的探测器数据以用于交通数据库中的存储的方法示例性实施例的示意图;
图13是用于基于乘客数据确定车辆位于拼车车道中的可能性的情形的示例性实施例的代表性视图；
图14是用于基于道路图像数据确定车辆位于拼车车道中的可能性的情形的示例性实施例的代表性视图；
图15是用于基于相对位置数据确定车辆位于拼车车道中的可能性的情形的示例性实施例的代表性视图；
图16是用于基于速度数据确定车辆位于拼车车道中的可能性的情形的示例性实施例的代表性视图；并且
图17是用于基于来自多个情形的信息确定车辆位于拼车车道中的可能性的方法的示例性实施例的示意图；
具体实施方式
如贯穿说明书和权利要求所使用的术语“机动车辆”指的是能够携带一个或多个人类占用者并且由任何形式能源驱动的任何移动车辆。术语机动车辆包括但不限于：轿车、卡车、货车、小型货车、SUV、摩托车、小型摩托车、船、私人游艇以及航空器。
图1是配置为与机动车辆102一同使用的导航系统100的实施例的示意图。出于简明的目的，仅说明与导航系统100相关的机动车辆的一些组件。此外，在其他实施例中，可能添加或移除额外组件。
导航系统100可以是能够向用户提供导航信息的任何系统。术语“导航信息”指的是可以用来协助确定位置或提供到位置的方向的任何信息。导航信息的一些示例包括街道地址、街道名称、街道或地址号码、公寓或套房号码、路口信息、旅游景点、公园、包括镇、乡、省、地、市、州、区的任何政治或地理细分、邮编或邮政编码以及国家。导航信息还可以包括商业信息，包括商业和餐厅名称、商业区、商场和停车设施。导航信息还可以包括地理信息，包括从任何全球导航卫星系统（GNSS）获得的信息，包括全球定位系统或卫星（GPS）、GLONASS（俄罗斯）和/或伽利略（欧洲）。术语“GPS”用来表示任何全球导航卫星系统。导航信息可以包括一项信息以及若干项信息的组合。
一般情况下，可以使用本领域中已知的任何导航系统。导航系统的一个示例在授予Furukawa的、于2004年5月19日提交的美国专利申请公开公开号2005/0261827中公开，其整体内容通过引用合并于此。导航系统的另一个示例在授予Shishido的、于1996年5月10日提交的美国专利号5842146中公开，其整体内容通过引用合并于此。
导航系统100可以包括接收GPS信息的设施（provision）。在一些情况下，导航系统100可以包括GPS接收器110。出于简明的目的，在当前实施例中GPS接收器110以GPS天线的形式图示。然而，将明白的是在一些实施例中GPS接收器110可以与天线和独立接收装置两者关联。在示例性实施例中，GPS接收器110可以用来采集机动车辆102的当前位置。利用此布置，导航系统100可以配置为自动确定特定路线的开始点以及用于沿着路线追踪机动车辆102的位置的开始点。
导航系统100可以包括用于与驾驶员通信的设施。在一些实施例中，导航系统100可以包括导航界面114。在一些情况下，导航界面114可以包括用于发送信息给驾驶员和/或乘客的设施。例如，导航界面114可以包括显示屏，其显示包含车辆位置和路线信息的地图。在其他情况下，导航界面114可以包括用于从驾驶员和/或乘客接收信息的设施。例如，导航界面114可以包括允许驾驶员输入用于确定路线的目的地的按钮。在一些情况中，按钮可以是与显示屏幕相邻设置的按压型按钮。在其他情况下，显示屏幕可以是能够接收用户输入的触摸屏幕显示器。在示例性实施例中，导航界面114可以包括用于发送和接收来自驾驶员和/或乘客的信息的设施。
机动车辆102可以包括用于和与导航系统100关联的各种组件通信并且在一些情况下控制这些组件的设施。在一些实施例中，导航系统100可以与计算机或类似装置关联。在当前实施例中，导航系统100可以包括车载单元120，这里称为OBU120。在一个实施例中，OBU120可以配置为与导航系统100的各种组件通信和/或控制导航系统100的各种组件。另外，在一些实施例中，OBU120可以配置为控制未示出的机动车辆的额外组件。
OBU120可以包括促进信息和能量的输入和输出的一些端口。贯穿此详细描述和在此权利要求中的术语“端口”指的是两个导体之间的任何接口或任何共享边界。在一些情况下，端口可以促进导体的插入和移除。这些类型的导体的示例包括机械连接器。在其他情况下，端口是通常不提供容易的插入或移除的接口。这些类型端口的示例包括电路板上的焊接或电子轨迹。
与OBU120关联的全部以下端口和设施是可选的。一些实施例包括给定端口或设施，而其他可能排除它。以下描述公开了很多可以使用的可能端口和设施，然而，应当明白在给定实施例中不是每个端口或设施都必须被使用或者被包括。
在一些实施例中，OBU120可以包括用于与GPS接收器110通信的第一端口121。特别地，OBU120可以配置为从GPS接收器110接收GPS信息。同样，OBU120可以包括用于与导航界面114通信的第二端口122。特别地，OBU120可以配置为发送信息到导航界面114，以及配置为从导航界面114接收信息。
在一些实施例中，导航系统可以与远程服务器150关联。贯穿此详细描述和在此权利要求中的术语“远程服务器”指的是布置在机动车辆102的外部、能够向机动车辆102提供资源的任何计算资源。在一些实施例中，远程服务器150可以是联网的计算机或计算机服务器的结合。远程服务器150可以用来接收、处理和/或存储任何类型的信息。在一个实施例中，远程服务器150可以配置为收集有关道路上的交通的信息、处理信息并且存储信息用于后续使用。另外，远程服务器150可以配置为计算导航系统100的路线，如同时待审并共有的美国专利，并且是在2009年5月13日提交的，目前的美国专利申请序列号12/465308，标题为“″Navigation System for a MotorVehicle”中公开的，其整体内容通过引用合并于此。
可以向远程服务器提供用于存储信息的各种设施。在远程服务器可以用来收集有关在道路上的交通的信息的实施例中，远程服务器可以包括用于存储交通信息的一个或多个数据库。此外，在路线包括拼车车道和常规车道（或非拼车车道）两者的实施例中，远程服务器可以包括用于存储与每一类车道关联的交通信息的单独数据库。贯穿此详细描述和在此权利要求中的术语“拼车车道”指的是与两个或多个占用者要求关联的任何车道。换言之，要求具有两个或多个占用者的机动车辆使用的任何车道。在一些区域，拼车车道指的是高占用者车辆车道或者HOV车道。另外，将明白在一些情况下，车道可以在一天的某些时间（诸如高峰时段）具有两个或多个的占用者要求，并且在一天的其他时间不具有占用者要求。此外，在一些情况下，拼车车道可以具有比2更大的占用者要求，诸如“HOV3”车道。在其他情况下，拼车车道还可以无关占用者要求地准许车辆，诸如具体类别的免征车辆，包括但不限于：摩托车、混合动力车辆、低排放车辆、替代燃料车辆以及可以准许在拼车车道上行进的其他类型的车辆。
在此实施例中，可以向远程服务器150提供常规车道数据库152。另外，可以向远程服务器150提供拼车车道数据库154。利用此布置，有关常规车道的交通信息可以存储在常规车道数据库152中并且有关拼车车道的交通信息可以存储在拼车车道数据库154中。此外，当计算拼车车道上的行进时间时，远程服务器150可以访问拼车车道数据库154。类似地，当计算常规车道上的行进时间时，远程服务器150可以访问常规车道数据库152。
导航系统可以包括用于与远程服务器通信的设施。在一个实施例中，导航系统100可以使用网络160与远程服务器150通信。通常，网络160可以是任何类型的网络。在一些情况下，网络160可以是对于网络的至少一些节点使用机动车辆的车辆通信网络。另外，车辆通信网络可以包括路边单元作为节点。车辆通信网络可以用来在机动车辆和/或路边单元之间交换各类信息。这样的车辆网络的示例是专用短距离通信（DSRC）网络。在一些情况下，DSRC网络可以配置为以大约75MHz的带宽在5.9GHz带中操作。此外，DSRC网络可以具有大约1000m的范围。在其他实施例中，导航系统100可以配置为使用包括但不限于WiFi网络、蜂窝电话网络以及任何其他类型的网络的任何其他类型的无线网络与远程服务器150通信。此外，网络160可以与任何类型的网络标准关联，包括但不限于：CDMA、TDMA、GSM、AMPS、PCS、模拟和/或W-CDMA。
在一些实施例中，OBU120可以包括第三端口123，其配置为与网络天线通信。在示例性实施例中，第三端口123可以与配置为使用网络160与远程服务器150交换信息的网络天线142关联。
导航系统100可以包括用于与不直接与导航系统100关联的机动车辆的一个或多个组件通信的设施。在一些情况下，OBU120可以包括用于直接与机动车辆的一个或多个额外装置通信的额外端口，包括机动车辆的各种传感器或系统。
图2图示了用于存储由导航系统采集的探测器数据的方法的示例性实施例。在一些实施例中，远程服务器150可以配置为进行存储探测器数据200的方法。图2中所示的步骤的顺序是示例性的并且不是必须的。在此实施例中，一个或多个机动车辆可以用作探测器，每一个都包括采集与每一个机动车辆的驾驶活动关联的探测器数据，包括但不限于：道路或道路链路的行进时间、速度、距离、位置和/或拼车车道的类型以及其他相关交通信息。在步骤202，远程服务器150可以从多个机动车辆接收探测器数据。在步骤204，远程服务器150可以确定来自多个机动车辆的所接收的探测器数据是否与任何速度模式关联，如以下更完全地讨论的。在步骤206，远程服务器150可以分类所接收的探测器数据为适配一个或多个速度模式。最终，在步骤208，远程服务器150可以在对应于所确定的速度模式的恰当的数据库中存储来自每一个单独机动车辆的探测器数据。
图3和图4图示了机动车辆所行进的拼车或HOV车道的两个替代实施例。出于说明的目的，在图中图示单个拼车车道。然而，应当明白，一个或多个车道可以指定为拼车车道。如图3所示，拼车车道300可以是多车道道路的指定车道。在此实施例中，用车道标记304将拼车车道300视觉地从常规车道302分离。在一些实施例中，车道标记304可以是道路上的白色实线或其他标志，其将拼车车道300从常规车道304区分。在一些情况下，拼车车道300可以包括用于指定拼车或HOV车道状态的钻石型标记或其他通常使用的标志。
图4图示了排他拼车车道400的实施例。在此实施例中，用栅栏404将拼车车道400物理地从多车道道路的常规车道402分离。在一些情况下，拼车车道400可以包括用于指定拼车或HOV车道状态的钻石型标记或其他通常使用的标志。在一些实施例中，栅栏404可以包括入口/出口406以允许移动车辆在常规车道402和排他拼车车道400之间进入/离开。在其他实施例中，栅栏404可以包括用于分离排他拼车车道400和常规车道402的其他机构，包括但不限于：可移动路障、栅和信号。
图5和图6图示了对于远程服务器从探测器车辆流获得探测器数据的方法的实施例的示意图。应当明白，这里所示的方法仅意图为示例性的，并且其他实施例可以使用用于采集有关一个或多个道路的探测器数据的任何其他设施。
参考图5，远程服务器150可以使用网络160从多个机动车辆接收信息。在一些实施例中，探测器车辆可以包括装备有导航系统的机动车辆，该导航系统采集与每一个机动车辆的驾驶活动关联的探测器数据，包括但不限于：道路或道路链路的行进时间、速度、距离、位置和/或拼车车道的类型以及其他相关交通信息。在此实施例中，多个探测器车辆沿着包括拼车车道500和常规车道502的道路行进。该多个探测器车辆可以包括在常规车道502中行进的第一探测器车辆510、第二探测器车辆512、第三探测器车辆514、第四探测器车辆516以及第五探测器车辆518。在此实施例中，第六探测器车辆520和第七探测器车辆522行进在拼车车道500中。在一些实施例中，拼车车道500可以是排他拼车车道。在其他实施例中，拼车车道500可以是多车道道路的指定车道。
当每一个探测器车辆沿着道路行进时，包括每一个探测器车辆沿着当前路线的行进时间的探测器数据可以被发送到远程服务器150并且存储为实时交通信息。通过组合从在给定路线上的多个探测器车辆接收的信息，远程服务器150可以确定实时交通信息。例如，远程服务器150通过将多个探测器车辆的当前平均行进时间与对于该路线在非堵塞状况期间的已知行进时间进行比较，可以确定具有严重堵塞的路线。
在一些实施例中，远程服务器150可以将所接收的探测器数据归类并且存储该探测器数据在一个或多个数据库中，包括常规车道数据库152和/或拼车车道数据库154。在一些实施例中，探测器数据可能包括交通数据或行进时间。在其他实施例中，探测器数据可以包括与道路的一个或多个链路关联的数据，包括关于拼车车道的存在的信息。在此实施例中，使用从第一探测器车辆510、第二探测器车辆512、第三探测器车辆514、第四探测器车辆516以及第五探测器车辆518接收的信息，远程服务器150可以确定与常规车道502关联的信息。在一些情况下，从第一探测器车辆510、第二探测器车辆512、第三探测器车辆514、第四探测器车辆516以及第五探测器车辆518接收的信息可以存储在常规车道数据库152内。在一些情况下，可以随后由远程服务器150在对于使用道路的常规车道502的路线计算更精确的行进时间时使用此信息。在其他情况下，可以由远程服务器150使用此信息以更新其他数据库，包括地图数据库。
类似地，使用从第六探测器车辆520和第七探测器车辆522接收的信息，远程服务器150可以确定与拼车车道500关联的信息。在一些情况下，从第六探测器车辆520和第七探测器车辆522接收的信息可以存储在拼车车道数据库154内。在一些情况下，对于使用拼车车道500的路线计算更精确的进行时间时可以使用此信息。在其他情况下，可以由远程服务器150使用此信息以更新其他数据库，包括地图数据库。
参考图6，在此示例性实施例中，远程服务器150可以配置为从多个探测器车辆接收交通信息。在一些实施例中，可以派出一个或多个探测器车辆以在各种路线行进，以便于确定实时交通信息。例如，在具有主要公路或“环线”的城市中，若干探测器车辆可以配置为沿着公路或环线的各部分行进以确定实时交通状况。在一些情况下，可以使用基于GPS的导航系统计算交通状况。在其他情况下，探测器车辆的操作员可以发回关于观察到的交通模式的报告。这些报告可以随后用来估计要存储在交通数据库中的参数。
在此实施例中，远程服务器150配置为从在常规车道502中行进的第一探测器车辆510、第二探测器车辆512、第三探测器车辆514、第四探测器车辆516以及第五探测器车辆518接收交通信息。常规车道502还可以包括不与网络160通信的一个或多个非探测器车辆，包括第一车辆600、第二车辆602、第三车辆604、第四车辆606以及第五车辆608。在此实施例中，远程服务器150还配置为从行进在拼车车道500中的第六探测器车辆道520和第七探测器车辆道522接收交通信息。拼车车道500还可以包括不与网络160通信的一个或多个非探测器车辆，包括第六车辆610。
使用从第一探测器车辆510、第二探测器车辆512、第三探测器车辆514、第四探测器车辆516以及第五探测器车辆518中的一个或多个接收的交通信息，远程服务器150可以确定常规车道502的交通信息。类似地，使用从第六探测器车辆道520和第七探测器车辆道522中的一个或多个接收的交通信息，远程服务器150可以确定拼车车道500的交通信息。在一些实施例中，远程服务器150可以将接收到的交通信息归类以用于在恰当的交通数据库（包括常规车道数据库152和拼车车道数据库154）中存储。在一些情况下，常规车道数据库152和/或拼车车道数据库154可以用来通过合并实时交通信息来计算各种路线的更精确的行进时间。
图7图示远程服务器的示例性实施例。在一个实施例中，远程服务器150可以收集和归类由一个或多个探测器车辆采集的探测器数据700。在一些实施例中，探测器数据700包括来自多个探测器车辆的交通数据。在一些情况下，探测器数据700可以是由行进在道路上的拼车车道和/或常规车道中的一个或多个探测器车辆采集的交通数据。在其他情况下，探测器数据可以是由排他地行进在道路上的拼车车道或常规车道中的一个或多个探测器车辆采集的交通数据。在一些实施例中，探测器数据700使用速度模式分类器702进行归类。在一些情况下，速度模式分类器可以在远程服务器150内以硬件和/或软件模块实现。在其他情况下，速度模式分类器702可以与远程服务器150通信地以硬件和/或软件实现。
在一些实施例中，速度模式分类器702可以由远程服务器150使用以归类探测器数据700以用于常规车道数据库152和拼车车道数据库154之间的存储。在此实施例中，速度模式分类器702根据一个或多个速度模式704适配探测器数据700。可以通过关联在设定时间间隔上的探测器车辆的速度来生成速度模式704。在一些实施例中，用来确定探测器数据700是否适配一个或多个速度模式704的时间间隔可以是固定的。在其他实施例中，时间间隔可以是可变的。在一些情况下，时间间隔可以取决于一天中的时间和/或一周中的日子而变化，包括例如较短时间间隔可以在通常与高峰时段关联的时间和/或日子期间使用，和/或较长时间间隔可以在其他时间和/或日子期间使用。
在另一实施例中，速度模式704可以包括与特定道路、道路链路和/或行进车道关联的平均速度值。在一些情况下，可以基于在特定时间行进在道路、道路链路和/或行进车道上的探测器车辆的单独速度而确定平均速度值。在其他情况下，如上所述，可以在较长时间间隔上确定平均速度值。在示例性实施例中，可以通过基于在特定时间的探测器车辆的单独速度而确定与每一个道路、道路链路和/或行进车道关联的平均速度值来生成速度模式704。在一些情况下，每一个道路、道路链路和/或行进车道的平均速度值可以用来适配探测器数据700以用于常规车道数据库152和拼车车道数据库154之间的存储。
在一些实施例中，速度模式分类器702可以根据第一速度模式706和/或第二速度模式708分类探测器数据。在一些情况下，探测器数据700可以基于与一个或多个速度模式704的适配而分类。在不同实施例中，一个或多个已知标准统计分析技术可以用来将探测器数据700适配到一个或多个速度模式704。在其他情况下，可以基于与实时和/或历史交通数据库的比较来分类探测器数据700。
再次参考图7，在此实施例中，速度模式分类器702可以根据第一速度模式706分类第一组探测器数据700。类似地，速度模式分类器702可以根据第二速度模式708分类第二组探测器数据700。在一些实施例中，第一速度模式706可以与由沿着道路的一个或多个常规车道行进的探测器车辆采集的交通数据对应。类似地，第二速度模式708可以与由沿着道路的一个或多个拼车车道行进的探测器车辆采集的交通数据对应。在此实施例中，与第一速度模式706关联的第一组探测器数据700可以存储在常规车道数据库152中。类似地，与第二速度模式708关联的第二组探测器数据700可以存储在拼车车道数据库154中。
图8和图9图示与所收集的探测器数据关联的速度模式的示例性实施例。在图8中，图形800图示了在探测器车辆的速度和探测器数据被收集的时间之间的关系。如上所述，在不同实施例中，与一个或多个速度模式关联的时间间隔可以是固定的和/或可变的。在一些实施例中，第一组探测器数据与第一速度模式SP1关联，且第二组探测器数据与第二速度模式SP2关联。在该实施例中，与第一速度模式SP1关联的第一组探测器数据具有平均速度804而与第二速度模式SP2关联的第二组探测器数据具有平均速度802。在此实施例中，第一组探测器数据包括来自比第二组探测器数据的探测器车辆更多的探测器车辆的数据点。在图8所示的实施例中，与第二速度模式SP2关联的探测器数据的平均速度802高于与第一速度模式SP1关联的探测器数据的平均速度804。在一些情况下，如以下更全面描述的，与第一速度模式SP1和第二速度模式SP2的每一个关联的探测器数据可以存储在一个或多个交通数据库中。
类似图8，图9是图示了在探测器车辆的速度和探测器数据被收集的时间之间的关系的图形900。在此实施例中，类似于图8，第一组探测器数据可以与第一速度模式SP1关联而第二组探测器数据可以与第二速度模式SP2关联。在此实施例中，与第一速度模式SP1关联的第一组探测器数据具有平均速度902，而与第二速度模式SP2关联的第二组探测器数据具有平均速度904。类似于图8，在图9中，第一组探测器数据包括来自比第二组探测器数据的探测器车辆更多的探测器车辆的数据点。然而，与图8相对，在图9所示的实施例中，与第二速度模式SP2关联的探测器数据的平均速度904低于与第一速度模式SP1关联的探测器数据的平均速度902。在一些情况下，如以下更全面描述的，与第一速度模式SP1和第二速度模式SP2的每一个关联的探测器数据可以存储在一个或多个交通数据库中。
图10是用于确定与速度模式关联的车辆的数目的方法的示例性实施例。在此实施例中，可以针对每一个探测器车辆的数目绘制探测器车辆的速度的分布1000。在此实施例中，示出了与图8中绘制的速度模式关联的探测器数据。在此实施例中，将探测器车辆的第一数目1002与关联于第二速度模式SP2的探测器数据的平均速度802关联。类似地，将探测器车辆的第二数目1004与关联于第一速度模式SP1的探测器数据的平均速度804关联。在此实施例中，第一数目1002小于第二数目1004。在其他实施例中，第一数目可能大于和/或等于第二数目。如以下更详细讨论的，确定为与每一个速度模式关联的车辆数目可以用来将各个探测器数据归类到恰当的交通数据库中。
图11图示了用于区分所收集的探测器数据以用于交通数据库中的存储的方法的示例性实施例。在此实施例中，用于区分所收集的探测器数据1100的方法的以下步骤可以由远程服务器150进行。在一些实施例中，一个或多个这些步骤可以由与远程服务器150、机动车辆102和/或导航系统100关联的额外系统或装置进行。图11所示的步骤的顺序是示例性的而非必须的。另外，将明白在其他实施例中一个或多个以下步骤可能是可选的。
在第一步骤202期间，远程服务器可以从一个或多个探测器车辆接收探测器数据。在第二步骤1102，所接收的探测器数据可以适配到一个或多个速度模式。在一些实施例中，所接收的探测器数据可以适配到如以上关于图8和图9描述的速度模式。在其他实施例中，所接收的探测器数据可以适配到其他速度模式，包括但不限于确定与在特定时间的道路、道路链路和/或行进车道关联的平均速度值。接着，在第三步骤1106，可以对与每一个速度模式关联的探测器车辆的数目计数。在示例性实施例中，如关于图10在以上描述地对探测器车辆的数目计数。
在一些实施例中，远程服务器在采集了与每一个速度模式关联的交通数据的探测器车辆的数目的基础上区分探测器数据。因为行进在道路的拼车车道中的车辆的数目整体上通常小于行进在常规车道中的车辆的数目，探测器车辆的数目可以用于区分常规车道与拼车车道。根据示例性实施例，与每一个速度模式关联的探测器车辆的数目可以用来确定探测器数据应当与常规车道或拼车车道关联。在此实施例中，配置远程服务器从而具有大探测器车辆的数目的速度模式指示道路的常规车道。
在步骤1106之后，远程服务器可以进行到步骤1108。在步骤1108期间，远程服务器确定在步骤1106确定的探测器车辆的第一数目是否大于探测器车辆的第二数目。如果探测器车辆的第一数目大于第二数目，则远程服务器将与第一速度模式SP1关联的探测器数据存储在常规车道数据库152中而将与第二速度模式SP2关联的探测器数据存储在拼车车道数据库154中。
相反，如果在步骤1108探测器车辆的第一数目不大于第二数目，则远程服务器进行到步骤1110。在步骤1110，远程服务器确定在步骤1106确定的探测器车辆的第二数目是否大于探测器车辆的第一数目。如果探测器车辆的第二数目大于第一数目，则远程服务器将与第二速度模式SP2关联的探测器数据存储在常规车道数据库152中而将与第一速度模式SP1关联的探测器数据存储在拼车车道数据库154中。
参考回步骤1110，如果远程服务器确定探测器车辆的第二数目不大于第一数目，则远程服务器回到步骤202以接收额外探测器数据。处理可以随后重复直到远程服务器将探测器数据存储在常规车道数据库152和/或拼车车道数据库154中为止。
图12图示用于归类所收集的探测器数据以用于交通数据库中的存储的方法的示例性实施例。在此实施例中，归类所收集的探测器数据的方法1200可以包括可以由远程服务器150进行的一个或多个额外步骤。在一些实施例中，归类所收集的探测器数据的方法1200可以包括与远程服务器150通信的一个或多个额外数据库。在其他实施例中，一个或多个这些步骤可以由与远程服务器150、机动车辆102和/或导航系统100关联的额外系统或装置进行。图12所示的步骤的顺序是示例性的而非必须的。另外，将明白在其他实施例中一个或多个以下步骤可能是可选的。
在第一步骤1204，远程服务器可以进行链路匹配以将探测器数据700与关联于在地图数据库1202中存储的道路的一个或多个道路链路相关联。在一些实施例中，在步骤1204远程服务器可以将链路识别符分配给匹配的探测器数据，用于识别在地图数据库1202中包含的具体道路链路。在第二步骤1206，远程服务器确定在步骤1204识别的任何匹配的探测器数据包括拼车车道链路。如果匹配的探测器数据不包含拼车车道链路，则在步骤1208，远程服务器确定匹配的探测器数据对应于常规车道链路。远程服务器可以将常规车道链路匹配的探测器数据存储在常规车道数据库152中。
回到步骤1206，如果远程服务器确定匹配的探测器数据包括拼车车道链路，则远程服务器进行到步骤1210。在步骤1210，如果远程服务器确定拼车车道链路识别排他拼车车道，则将匹配的探测器数据存储在拼车车道数据库154中，在步骤1210，如果远程服务器确定拼车车道链路不是排他拼车车道，则处理进行到步骤1212。接着，在步骤1212，远程服务器确定是否在探测器数据700中存在两个速度模式。在此示例性实施例中，远程服务器可以如关于图7到图9在以上描述的那样确定速度模式的存在。
在一些实施例中，如果远程服务器不确定在步骤1212探测器数据700展现两个速度模式，则远程服务器可选地可以在步骤1214比较探测器数据700与交通数据库。该交通数据库可以包括但不限于实时和/或历史交通数据库。在步骤1214，与交通数据库的比较可以基于交通数据库中的实时或历史交通信息，允许探测器数据700与常规车道速度1216或者拼车车道速度1218匹配。如果远程服务器将探测器数据700匹配到常规车道速度1216，则匹配的探测器数据可以存储在常规车道数据库152中。类似地，如果远程服务器将探测器数据700匹配到拼车车道速度1218，则匹配的探测器数据可以存储在拼车车道数据库154中。
回到步骤1212，如果远程服务器确定探测器数据700展现两个速度模式，则在步骤1220，远程服务器确定实时交通数据库1230是否可用。如果实时交通数据库1230不可用，则远程服务器进行到步骤1222。在步骤1222，远程服务器如关于图11在以上描述地比较与每一个速度模式关联的探测器车辆的数目。在此示例性实施例中，布置远程服务器从而如果探测器数据识别两个不同的速度模式，则与较低探测器车辆数目关联的速度模式识别道路的拼车车道。利用此布置，较低探测器车辆数目1226识别探测器数据为与道路的拼车车道关联。因此，远程服务器存储该探测器数据在拼车车道数据库154中。然而，较高探测器车辆数目1224识别探测器数据为与道路的常规车道关联并且远程服务器在常规车道数据库152中存储该探测器数据。
代替地，如果在步骤1220远程服务器确定实时交通数据库1230可用，则在下一步骤1228，远程服务器可以从实时交通数据库1230检索实时交通信息。通常，实时交通信息可以是任何类型的、使用现有技术中已知的任何方法采集的交通信息。在一些情况下，实时交通信息可以通过监控也与远程服务器通信的各种用户的行进时间来确定。特别地，在远程服务器与车辆通信网络中的多个车辆（每一个都与导航系统关联）通信的情形下，在各种道路上用户的行进时间可以被收集并且存储为实时交通信息。在其他情况下，实时交通信息可以通过派出专用车辆在各种道路上来确定实时交通信息而确定。在其他情况下，实时交通数据库1230可以包括在各种时间与特定道路上平均交通模式关联的历史交通数据和/或可以使用各个日期。利用此布置，可以更精确地计算各种路线的行进时间以包括由于各种交通状况引起的行进时间的变化。
在步骤1228，探测器数据700的速度模式可以基于实时交通数据库1230中的实时或历史交通信息，与关联于道路的常规车道的第一速度模式1232和/或关联于道路的拼车车道的第二速度模式1234进行比较。如果远程服务器匹配探测器数据的第一部分到第一速度模式1232，则匹配的探测器数据的第一部分可以存储在常规道路数据库152中。类似地，如果远程服务器匹配探测器数据的第二部分到第二速度模式1234，则匹配的探测器数据的第二部分可以存储在拼车道路数据库154中。
用于确定要存储在一个或多个交通数据库中并且要由远程服务器使用的交通信息的上述及图中图示的方法仅意图为示意性的。在其他实施例中，可以使用用于确定交通信息的任何其他方法。例如，在一些情况下，可以使用历史交通信息。此外，上述用于采集实时交通信息的方法可以也被存储并且被用来确定历史交通信息。例如，在实时交通信息对于特定道路可能未知的情况下，可以使用在一些时段以上述方式记录的之前存储的交通信息来确定取决于一天的时间和/或一周的日子的平均交通模式。这些平均提供即使当实时交通信息不可用时在估计行进路线时可以使用的历史交通信息。
另外，当在上述实施例中拼车车道可以基于与观察到的探测器数据关联的速度模式与常规车道区分时，可以使用其他方法来确定与由探测器车辆收集的、关联于特定道路的信息关联于常规车道或拼车车道。在一些实施例中，可以使用不提供探测器数据与拼车车道或常规车道关联的单独的决定性的确定的其他方法。相反，可以使用检测与拼车车道关联的一个或多个条件（其指示特定车辆处于拼车车道或常规车道的可能性或概率）的各种方法。利用此布置，车辆可以基于与拼车车道关联的各种条件的存在或缺失而确定为具有行进在拼车车道中的近似概率。
在不同位置，取决于本地监管，各种规则可应用于车辆以确定行进在拼车车道中的资格。例如，在一些区域，车辆必须具有两个或更多占用者以行进在拼车车道中。在其它区域中，可以要求车辆具有更大数目的占用者以行进在拼车车道中。另外，在一些情况下，可以授权具体类别的车辆行进在拼车车道上，包括但不限于：摩托车、混合动力车辆、低排放车辆、替代燃料车辆和其他类型车辆。进一步，在一些情况下，车道可以是“全日制”拼车车道或可以仅在一天的一些时间期间是拼车车道，诸如高峰时刻，并且可以在一天的其他时间期间不具有车辆限制。另外，在一些情况下，拼车车道的位置可以变化。在一些情况下，拼车车道可以位于行进的最左边车道或者可以位于行进的最右边车道。在其他情况下，拼车车道可以是独立道路。
图13到图16图示用于基于可以与拼车车道关联的不同检测条件确定车辆位于拼车车道中的可能性的情形的各种示例性实施例。应当明白，这里图示的情形仅是示例性的，并且任何其他因子或条件可以用来确定车辆行进在拼车车道中的可能性或概率。另外，应当进一步明白，在各种情形中包括的概率是示例性的并且仅意图用于图示这里描述的原理的目的。实际概率可能具有不同的值和/或使用不同的加权系统而非以下描述的0%-100%实施例而确定。
现在参考图13，图示第一情形1300用于基于乘客数据确定车辆处于拼车或HOV车道的可能性。在一些情况下，可以基于达到特定车辆乘坐要求而准许车辆行进在拼车车道。在一些实施例中，车辆可以包括一个或多个传感器用于检测占用者的数目和/或车辆中乘客的存在。在一个实施例中，车辆可以包括用于检测坐在车辆的乘客席上的占用者的重量传感器。在其他实施例中，车辆可以包括用于检测坐在乘客席上的占用者的已使用安全带的安全带传感器。在各种实施例中，检测或确定车辆占用者的存在的一个或多个替代方法可以用来确定车辆是否满足与拼车或HOV车道关联的占用者要求。
在示例性实施例中，在车道中的占用者的数目可以与车辆在拼车或HOV车道中行进的概率关联。如图13所示，第一情形1300可以包括与车辆中两个或多个占用者的存在关联的条件1310。在此实施例中，车辆可以包括驾驶员1312和乘客1314。基于与两个或多个占用者关联的条件1310，可以确定车辆行进在拼车或HOV车道中的可能性或概率1316。在此实施例中，与两个或多个占用者关联的条件1310可以与车辆行进在拼车或HOV车道中的50%概率1318以及车辆行进在非HOV车道中的50%概率1320关联。
另一方面，第一情形1300可以包括与车辆中一个占用者的存在关联的条件1330。在此实施例中，车辆可以包括驾驶员1332和空乘客席1334。基于仅与一个占用者关联的条件1330，可以确定车辆行进在拼车或HOV车道中的可能性或概率1336。在此实施例中，与一个占用者关联的条件1330可以与车辆行进在拼车或HOV车道中的5%概率1338以及车辆行进在非HOV车道中的95%概率1340关联。在此实施例中，与条件1330关联的车辆行进在HOV车道中的概率1338显著地低于与条件1310关联的可能性1318。这种概率的偏差可以配置为考虑相对高比例的具有两个或多个占用者的占用者要求的拼车或HOV车道。
现在参考图14，图示第二情形1400用于基于道路图像数据确定车辆位于车道或HOV车道中的可能性。在一些情况下，车辆可以基于处理来自图像传感器的道路的处理图像数据来检测其在拼车或HOV车道中的存在，图像传感器包括但不限于：相机或其他光学传感器。在一些实施例中，所处理的图像数据可以包括在道路上检测到的拼车或HOV车道的一个或多个标记。
在示例性实施例中，来自所处理的图像数据的拼车或HOV车道的检测到的标记的存在或缺失可以与车辆行进在拼车或HOV车道中的概率关联。如图14所示，第二情形1400可以包括与在道路1414的所处理的图像数据中拼车或HOV车道的标记的存在关联的条件1410。在此实施例中，车辆可以包括在道路1414的所处理的图像数据中检测拼车或HOV车道的一个或多个标记的相机1412。在此实施例中，标记可以包括道路1414上的文字1416，其声明道路1414是“仅HOV”等。道路1414上的标记还可以包括通常用来指示拼车或HOV车道的符号，包括但不限于砖石1418。基于与来自道路1414的所处理的图像数据中拼车或HOV车道的所检测的标记的存在关联的条件1410，可以确定车辆行进在拼车或HOV车道中的可能性或概率1420。在此实施例中，与所检测的标记的存在关联的条件1410可以与车辆行进在拼车或HOV车道中的90%的概率1422和车辆行进在非HOV车道中的10%的概率1424关联。
另一方面，第二情形1400可以包括与来自所处理的图像数据的拼车或HOV车道的检测到的标记的缺失关联的条件1430。在此实施例中，车辆中的相机1412可以不检测道路1432上拼车或HOV车道的任何标记。基于与来自道路1432上的所处理的图像数据的拼车或HOV车道的标记的缺失关联的条件1430，可以确定车辆在拼车或HOV车道中行进的可能性或概率1434。在此实施例中，与检测到的标记的缺失关联的条件1430可以与车辆行进在拼车或HOV车道中的15%的概率1436和车辆行进在非HOV车道中的85%的概率1438关联。在此实施例中，与条件1430关联的车辆行进在HOV车道的概率1436可以低于与条件1410关联的概率1422。概率上的此差异可以配置为考虑包含拼车或HOV车道的标记的道路可能是HOV车道，但是并非全部HOV车道可能包括这样的标记。
现在参考图15，图示第三情形1500用于基于相对位置数据确定车辆位于拼车或HOV车道中的可能性。在一些情况下，车辆在拼车或HOV车道中的存在可以基于处理来自一个或多个其他车辆的相对位置数据而确定。在一些实施例中，车辆可以使用车载传感器确定其自身位置，包括但不限于GPS传感器或其他地理位置传感器。另外，在一些实施例中，车辆可以包括一个或多个传感器，该传感器接收与该车辆的附近的一个或多个其他车辆关联的数据，包括包含与经纬度、相对位置、速度、朝向、时间关联的信息和其他任何动态车辆信息的数据。在其他实施例中，与一个或多个车辆关联的数据可以由远程服务器接收以确定相对位置和/或车辆在道路上的位置。
在示例性实施例中，来自一个或多个其他车辆的相对位置数据可以与车辆行进在拼车或HOV车道中的概率关联。在一些情况下，拼车或HOV车道可以设置到多车道道路的最左边。如图15所示，第三情形1500可以包括与车辆1514的相对位置关联的条件1510，其指示车辆1514行进在多车道道路1512的拼车或HOV车道中的概率。在此实施例中，据可以从在车辆1514的附近的一个或多个其他车辆接收数据，这些车辆包括第一远程车辆1516、第二远程车辆1518、第三远程车辆1520和第四远程车辆1522。在此实施例中，对于第一远程车辆1516、第二远程车辆1518、第三远程车辆1520和第四远程车辆1522中的每一个可以接收与经纬度、相对位置、速度、朝向、时间关联的信息和其他任何动态车辆信息。
在一些实施例中，车辆1514和/或远程服务器可以使用所接收的数据来确定车辆1514相比于一个或多个远程车辆的相对位置。在一个实施例中，车辆1514和/或远程服务器可以使用与每一个远程车辆关联的经纬度信息来确定车辆1514的相对位置。在此实施例中，可以处理来自第一远程车辆1516、第二远程车辆1518、第三远程车辆1520和第四远程车辆1522的每一个的所接收的经纬度信息，以确定车辆1514相比于任何远程车辆位于多车道道路1512的最左边位置。基于与车辆1514到多车道道路1512的最左边的位置关联的条件1510，可以确定车辆1514行进在拼车或HOV车道中的可能性或概率1524。在此实施例中，与车辆1514到多车道道路1512的最左边的位置关联的条件1510可以与车辆1514行进在拼车或HOV车道中的60%的概率1526和车辆1514行进在非HOV车道的40%的概率1528关联。
在一些实施例中，可以基于一个或多个因子加权与在车辆1514附近的一个或多个其他车辆关联的所接收的数据。在一个实施例中，可以确定贴近加权因子（closeness weighting factor），其基于到车辆1514的距离加权来自车辆1514附近的远程车辆的所接收的数据。再次参考图15的条件1510，在此实施例中，车辆1514可以位于距第三远程车辆1520的第一距离D1。车辆1514可以位于距第一远程车辆1516的第二距离D2。在此情况下，第一距离D1可以小于第二距离D2。类似地，车辆1514可以位于距第二远程车辆1518的第三距离D3。在一些情况下，第三距离D3可以大于第一距离D1和/或第二距离D2。另外，车辆1514还可以位于距第四远程车辆1522的第四距离D4。第四距离D4可以大于第三距离D3、第一距离D1和/或第二距离D2的任意一个。
在示例性实施例中，可以根据基于每一个远程车辆距车辆1514的距离的贴近加权因子来处理来自远程车辆的所接收的数据。在一个实施例中，从更接近车辆1514的远程车辆接收的数据可以赋予更大的权重。在当前实施例中，可以比来自位于距车辆1514第二距离D2的第一远程车辆1516的所接收的数据更大地加权来自位于距车辆1514第一距离D1的第三远程车辆1520的所接收的数据。类似地，可以比来自第一远程车辆1516和第三远程车辆1520的所接收的数据两者更小地加权来自位于距车辆1514第三距离D3的第二远程车辆1518的所接收的数据。
另外，在一些实施例中，从超出预定距离的远程车辆接收的数据可以赋予低或零权重。利用此布置，来自超出距车辆1514的预定距离的车辆的所接收的数据不计入考虑。在当前实施例中，当第四距离D4超出距车辆1514的预定距离时可以赋予来自位于第四距离D4的第四远程车辆1522的所接收的数据低或零权重。利用此布置，可以不使用对于确定车辆1514的相对位置更少相关的来自远程车辆的所接收的数据。
在其他实施例中，可以根据基于与远程车辆关联的各种信息的不同加权因子来处理来自远程车辆的所接收的数据。在一个实施例中，可以基于与车辆1514关联的时间和与每一远程车辆关联的数据的报告时间之间的时间差加权来自远程车辆的所接收的数据。在一个实施例中，从与关联于车辆1514的时间更接近的报告时间关联的远程车辆接收的数据可以赋予更大的权重。利用此布置，最当前的来自远程车辆的所接收的数据可以由车辆1514赋予最大权重。
在其他情况下，第三情形1500可以包括与未设置在多车道道路的最左边的车辆1514的相对位置关联的条件1530。在此实施例中，可以如上所述地从车辆1514附近的一个或多个其他车辆（包括，第一远程车辆1534、第二远程车辆1536、第三远程车辆1538和第四远程车辆1540）接收数据。在此实施例中，可以从第一远程车辆1534、第二远程车辆1536、第三远程车辆1538和第四远程车辆1540的每一个接收与经纬度、相对位置、速度、朝向、时间关联的信息和其他任何动态车辆信息。
在一些实施例中，参考条件1510，可以使用所接收的数据来确定如上所述的车辆1514相比于一个或多个远程车辆的相对位置。在一个实施例中，与远程车辆的每一个关联的经纬度信息可以用来确定车辆1514的相对位置。在此实施例中，可以处理来自第一远程车辆1534、第二远程车辆1536、第三远程车辆1538和第四远程车辆1540的每一个的所接收的经纬度以确定车辆1514相比于任何远程车辆不位于多车道道路上的最左边位置。在一些情况下，从车辆1514的左边的至少一个远程车辆接收信息可以用来确定车辆1514不位于多车道道路的最左边位置。
基于与车辆1514不在多车道道路的最左边的位置关联的条件1530，可以确定车辆1514行进在拼车或HOV车道中的可能性或概率1542。在此实施例中，与不在多车道道路的最左边的车辆1514的位置关联的条件1530可以与车辆1514行进在拼车或HOV车道中的10%的概率1544和车辆1514行进在非HOV车道中的90%的概率1546关联。在此实施例中，与条件1530关联的车辆行进在HOV车道中的概率1544可以实质上低于与条件1510关联的概率1526。概率上的此差异可以配置为考虑多车道道路的最左边车道比不在最左边的车道更可能与拼车或HOV车道关联。在其他区域，多车道道路的最右边车道或专用车道可以替代地与拼车或HOV车道关联。在这样的实施例中，可以相应地调整如在第三情形1500中描述的车辆1514的相对位置的概率和处理。
在一些实施例中，与车辆1514附近的一个或多个其他车辆关联的所接收的数据可以基于如上所述的一个或多个因子而加权。此外，在一个实施例中，可以基于远程车辆到车辆1514（其可以与未行进在拼车或HOV车道上的车辆1514关联）的距离确定贴近阈值，。例如，在一些情况下，与车辆1514的预定距离内的一个或多个远程车辆关联的贴近阈值可以指示交通堵塞。在一些实施例中，交通堵塞可以指示车辆行进在拼车或HOV车道中的较小可能性。
再次参考图15的条件1530，在此实施例中，车辆1514可以位于距第二远程车辆1536的第五距离D5。车辆1514可以位于距第四远程车辆1540的第六距离D6。在此情况下，第五距离D5可以小于第六距离D6。在其他情况下，第五距离D5和第六距离D6可以近似相等。类似地，车辆1514可以位于距第三远程车辆1538的第七距离D7和距第一远程车辆1534的第八距离D8。在一些情况下，第七距离D7和第八距离D8可以大于第五距离D5和/或第六距离D6。在此实施例中，第五距离D5、第六距离D6、第七距离D7和/或第八距离D8的任意一个或多个可以小于与交通堵塞关联的预定贴近阈值。利用此布置，当距车辆1514的一个或多个远程车辆的距离指示交通堵塞是可能的时候，可以确定车辆1514行进在拼车或HOV车道中的较小概率或可能性。其结果是，概率1542可以相应地调整。
现在参考图16，图示第四情形1600用于基于速度数据确定车辆处于拼车或HOV车道的可能性。在一些情况下，可以基于来自一个或多个车辆的速度数据确定车辆在拼车或HOV车道中的存在。在示例性实施例中，来自探测器车辆的速度数据可以使用上述的任何方法来处理以确定数据是否与拼车车道或常规车道关联。
在示例性实施例中，来自一个或多个其他车辆的速度数据可以与车辆行进在拼车或HOV车道中的概率关联，如上所述。在一些情况下，拼车或HOV车道可以与比常规或非HOV车道更高的速度关联。如图16所示，第四情形1600可以包括与车辆1612的速度关联的条件1610，其指示车辆1612行进在多车道道路的拼车或HOV车道中的概率。在此实施例中，速度数据可以从在车辆1612附近的一个或多个其他车辆接收，包括第一远程车辆1616和第二远程车辆1620。在此实施例中，车辆1612可以与具有第一值1614的速度数据关联。类似地，第一远程车辆1616可以与具有第二值1618的速度数据关联。第二远程车辆1620可以进一步与具有第三值1622的速度数据关联。在此实施例中，与车辆1612关联的速度数据的第一值1614可以显著地高于分别与第一远程车辆1616和/或第二远程车辆1620关联的速度数据的第二值1618和/或第三值1622。例如，在此实施例中，第一值1614可以是55mph，第二值1618可以是20mph而第三值1622可以是15mph。在此实施例中，在任何车辆之间的速度数据中的最大差值是近似40mph。在其他实施例中，该值可以不同。另外，在其他实施例中，可以基于速度数据中较小或较大的最大差值来确定速度数据更高。
基于与比对于第一远程车辆1616和/或第二远程车辆1620的第二值1618和/或第三值1622的其中一个更高的车辆1612的速度值关联的条件1610，可以确定车辆1612行进在拼车或HOV车道中的可能性或概率1624。在此实施例中，与车辆1612的更高速度关联的条件1610可以与车辆1612行进在拼车或HOV车道中的80%的概率1626和车辆1612行进在非HOV车道中的20%的概率1628关联。
在其他情况下，第四情形1600可以包括与在多车道道路上的一个或多个车辆的近似类似速度关联的条件1630。在此实施例中，速度数据可以从车辆1632附近的一个或多个其他车辆接收，包括第一远程车辆1636和第二远程车辆1640。在此实施例中，车辆1632可以与具有第一值1634的速度数据关联。类似地，第一远程车辆1636可以与具有第二值1638的速度数据关联。第二远程车辆1640可以进一步与具有第三值1642的速度数据关联。在此实施例中，与车辆1632关联的速度数据的第一值1634可以近似类似于分别与第一远程车辆1636和/或第二远程车辆1640关联的速度数据的第二值1638和/或第三值1642。例如，在此实施例中，第一值1634可以是45mph，第二值1638可以是50mph而第三值1642可以是48mph。在此实施例中，在任意车辆之间的速度数据中的最大差值是近似5mph。在其他实施例中，该值可以不同。另外，在其他实施例中，可以基于速度数据中较小或较大的最大差值来确定速度数据为近似类似。
基于与比对于第一远程车辆1636和/或第二远程车辆1640的第二值1638和/或第三值1642的车辆1632的近似类似速度值关联的条件1630，可以确定车辆1632行进在拼车或HOV车道中的可能性或概率1644。在此实施例中，与车辆1632的近似类似速度关联的条件1630可以与车辆1632行进在拼车或HOV车道中的20%的概率1646和车辆1632行进在非HOV车道中的80%的概率1648关联。在此实施例中，与条件1630关联的车辆行进在HOV车道中的概率1646显著地低于与条件1610关联的概率1626。概率中的这样的偏差可以配置为考虑行进在拼车或HOV车道中的车辆的较高平均速度。
另外，在一些实施例中，如关于图15在以上描述的，基于一个或多个因子可以加权与在车辆的附近的一个或多个远程车辆关联的速度数据。在示例性实施例中，可以基于在与车辆关联的时间和与每一个远程车辆关联的数据的报告时间之间的时间差加权速度数据。在一个实施例中，从与接近关联于车辆的时间的报告时间关联的远程车辆接收的速度数据可以用来确定速度数据的值的差值。在其他实施例中，包括但不限于包含与经纬度、相对位置、速度、朝向、时间关联的信息和其他任何动态车辆信息的数据的、从一个或多个车辆接收的数据可以使用不同因子加权。
在一些实施例中，确定车辆行进在拼车车道或常规车道中的存在或概率的若干不同方法可以一起使用以确定与车辆关联的数据是否应当与拼车车道或常规车道关联。在一个实施例中，指示车辆处于拼车车道或常规车道中的可能性或概率的两种或多种方法可以组合到单一计算中。在示例性实施例中，用于确定车辆是否行进在拼车车道或常规车道中的方法可以使用图13到图16所示的两种或多种方法以将车辆行进在拼车车道中的多个概率组合到单一计算中。
现在参考图17，用于确定车辆行进在拼车车道或常规车道中的方法1700可以使用基于与行进在拼车车道中的车辆关联的不同条件计算的两种或多种概率。在此实施例中，方法1700可以使用基于与第一情形1300、第二情形1400、第三情形1500、第四情形1600、和/或任何额外数目N的其他情形1702的任意情形关联的条件确定的两种或多种概率。其他情形可以包括与车辆行进在拼车车道中的可能性或概率关联的各种其他条件。例如，在一些情况下，其他情形可以考虑从拼车或HOV限制得到豁免的车辆类别、可能包括关于轿车座位上儿童的信息的驾驶员个人信息或个人介绍、紧急情况车辆、拼车车道违规者和/或包括与拼车或HOV车道中的行进关联的条件的其他情形。
在一些实施例中，用于确定车辆行进在拼车车道或常规车道中的方法1700可以将与不同情形的任意情形关联的各种概率加权。此外，在一些实施例中，方法1700可以使用从由其他车辆1704收集的探测器数据获得的额外信息来进一步加权各种概率。在一个实施例中，方法1700可以使用计算引擎1710来组合基于与第一情形1300、第二情形1400、第三情形1500、第四情形1600、和/或任何额外数目N的其他情形1702的任意情形关联的条件确定的两种或多种概率，以确定车辆行进在拼车车道或常规车道中。在一些情况下，计算引擎1710可以是用于组合各种概率并且考虑来自其他车辆1704的各种权重和探测器数据的处理器。在其他情况下，计算引擎1710可以是适于在远程服务器上运行的计算机程序。
在一些实施例中，计算引擎1710可以将与拼车车道关联的车辆的两种或多种可能性组合到单一等式中。在一个实施例中，计算引擎1710可以使用使用贝斯定理（Bayes′theorem）或贝斯法则得到的单一等式。通常，贝斯定理有关各种随机事件的条件概率和边缘概率。使用贝斯法则，给定特定的观察到的情形可以确定不同事件发生的概率。结果，当提供来自观察到的情形的更多在先信息时，事件发生的概率通常增加。在此实施例中，计算引擎1710可以使用贝斯法则来组合基于与第一情形1300、第二情形1400、第三情形1500、第四情形1600、和/或任何额外数目N的其他情形1702的任意情形关联的状况确定的各种概率，以确定车辆行进在拼车车道或常规车道中。利用此布置，计算引擎1710可以获得比任何以上单独情形更精确的车辆行进在拼车车道中的概率。
在一些实施例中，计算引擎1710可以位于远程服务器并且可以使用贝斯法则来在拼车车道数据库和常规车道数据库之间区分与道路关联的所收集的探测器数据。在此实施例中，计算引擎1710可以从与第一情形1300、第二情形1400、第三情形1500、第四情形1600、和/或任何额外数目N的其他情形1702的任意情形关联的条件接收车辆行进在拼车车道或常规车道中的多个概率。计算引擎1710可以应用贝斯法则以使用组合多个概率的单一等式以在步骤1712确定车辆是否位于拼车车道中。如果基于等式的结构计算引擎1710确定当收集道路数据时车辆曾行进在拼车车道中，则来自车辆的所收集的道路数据可以存储在拼车车道数据库154中。如果代替地计算引擎1710确定车辆未行进在拼车车道中，则所收集的道路数据可以存储在常规车道数据库152中。计算引擎1710可以对已经收集了与关联于地图数据库1202的一个或多个道路关联的数据的每一个探测器车辆重复该过程。利用此布置，远程服务器可以在常规车道数据库和拼车车道数据库之间区分所收集的探测器数据。
虽然前述方法是基于贝斯原理的应用，但是在不同实施例中可以由远程服务器使用其他方法来组合来自各种情形的概率以确定车辆行进在拼车车道还是常规车道中。例如，模糊逻辑、神经网络或任何其他处理方法可以用来将多种概率组合到单一确定的结果中。
虽然本发明的各种实施例已经描述为与将道路数据与拼车或HOV车道关联有关地使用，但是应当明白，可以与关于任何类型的道路区分车道级别的道路数据有关地使用这里描述的方法和系统。
虽然已经描述了本发明的各种实施例，但是描述意图为示例性的，而非限制性的，并且将对于本领域技术人员显然的是，在本发明的范围内更多的实施例和实现是可能的。因此，只要在所附权利要求及其等同的范围内发明就不被限制。同样，可以在所附权利要求的范围内作出各种修改和改变。

Claims (28)

1.一种用于在远程服务器存储由导航系统采集的探测器数据的方法，包括：
在所述远程服务器从多个探测器车辆接收数据；
确定与所接收的数据关联的至少两个速度模式；
根据第一速度模式和第二速度模式中的一个将来自所述多个探测器车辆的每一个的所接收的数据分类；
计算与所述第一速度模式和所述第二速度模式的每一个关联的探测器车辆的数目；
将分类为所述第一速度模式的数据存储在常规车道数据库中；
将分类为所述第二速度模式的数据存储在拼车车道数据库中；并且
其中，如果与所述第一速度模式关联的探测器车辆的数目大于与所述第二速度模式关联的探测器车辆的数目，则将数据分类为所述第一速度模式。
2.根据权利要求1的所述方法，进一步包括：
匹配来自所述多个探测器车辆的每一个的所接收的数据和与所述远程服务器通信的地图数据库中包括的多个链路中的一个。
3.根据权利要求2的所述方法，其中，匹配所接收的数据的步骤包括识别拼车车道链路的步骤。
4.根据权利要求1的所述方法，进一步包括：
从与所述远程服务器通信的交通数据库接收交通信息；并且
比较来自所述多个探测器车辆的每一个的所接收数据与所述交通信息。
5.根据权利要求4的所述方法，其中，所述交通数据库是实时交通数据库。
6.根据权利要求4的所述方法，其中，所述交通数据库是历史交通数据库。
7.根据权利要求1的所述方法，其中，计算探测器车辆的数目的步骤对于设定的时间间隔进行。
8.根据权利要求1的所述方法，其中，至少两个速度模式的每一个是基于在特定时间与特定道路、道路链路和/或行进车道关联的所述多个探测器车辆的平均速度值确定的。
9.一种用于在与常规车道数据库和拼车车道数据库通信的远程服务器区分来自导航系统的所收集的探测器数据的方法，包括：
在所述远程服务器接收来自多个车辆的探测器数据；
将所接收的探测器数据适配到第一速度模式和第二速度模式中的一个；
确定与适配所述第一速度模式的所接收的探测器数据关联的车辆的第一数目；
确定与适配所述第二速度模式的所接收的探测器数据关联的车辆的第二数目；
其中，与所述第一数目和所述第二数目中的较小者关联的所接收的探测器数据存储在所述拼车车道数据库中；和
其中，剩余的所接收的探测器数据存储在所述常规车道数据库中。
10.根据权利要求9的所述方法，进一步包括：
匹配所接收的探测器数据和与所述远程服务器通信的地图数据库中包括的多个道路链路；
向匹配的探测器数据指派链路识别符，以识别在所述地图数据库中包含的具体道路链路；并且
其中，在所述拼车车道数据库和/或常规车道数据库中存储的所接收的探测器数据包括所述链路识别符。
11.根据权利要求10的所述方法，其中，匹配所接收的探测器数据的步骤包括识别拼车车道链路的步骤。
12.根据权利要求9的所述方法，进一步包括：
从与所述远程服务器通信的交通数据库接收交通信息；并且
比较所接收的探测器数据与所述交通信息。
13.根据权利要求12的所述方法，其中，所述交通数据库是实时交通数据库。
14.根据权利要求12的所述方法，其中，所述交通数据库是历史交通数据库。
15.根据权利要求9的所述方法，其中，确定探测器车辆的第一数目和确定车辆的第二数目的步骤是对于基本上类似的时间间隔进行的。
16.根据权利要求9的所述方法，其中，第一速度模式基于在特定时间获得的与第一道路链路关联的所述多个探测器车辆的第一平均速度值确定；和
其中，第二速度模式基于在特定时间与第二道路链路关联的所述多个探测器车辆的第二平均速度值确定。
17.一种用于在远程服务器归类来自具有导航系统的多个车辆的交通数据的方法；包括：
在所述远程服务器接收来自多个车辆的交通数据；
确定所接收的交通数据是否对应于至少两种速度模式；
将与第一速度模式关联的车辆的第一数目和与第二速度模式关联的车辆的第二数目进行比较；
将与车辆的第一数目和车辆的第二数目中的较大者关联的所接收的交通数据的第一部分存储在常规车道数据库中；并且
将与车辆的第一数目和车辆的第二数目中的较小者关联的所接收的交通数据的第二部分存储在拼车车道数据库中。
18.根据权利要求17的所述方法，进一步包括：
匹配所接收的探测器数据和与所述远程服务器通信的地图数据库中包括的多个道路链路；
向匹配的交通数据指派链路识别符，以识别在所述地图数据库中包含的具体道路链路；并且
其中，所接收的交通数据的第一部分和所接收的交通数据的第二部分的每一个包括所述链路识别符。
19.根据权利要求18的所述方法，其中，匹配所接收的交通数据的步骤包括识别拼车车道链路的步骤。
20.根据权利要求17的所述方法，进一步包括：
从与所述远程服务器通信的交通数据库接收交通信息；并且
将所接收的交通数据与所述交通信息进行比较。
21.根据权利要求20的所述方法，其中，所述交通数据库是实时交通数据库和历史交通数据库的至少一个。
22.根据权利要求17的所述方法，其中，比较车辆的第一数目和车辆的第二数目的步骤是对于设定的时间间隔进行的。
23.根据权利要求17的所述方法，其中，至少两个速度模式的每一个基于在特定时间与特定道路、道路链路和/或行进车道关联的所述多个车辆的平均速度值确定。
24.一种用于在与常规车道数据库和拼车车道数据库通信的远程服务器区分来自导航系统的所收集的探测器数据的方法，包括：
在所述远程服务器接收来自多个车辆的探测器数据；
对于与拼车车道关联的所述多个车辆的第一辆计算第一概率；
其中，所述第一概率基于第一条件计算；
对于与拼车车道关联的所述多个车辆的第一辆计算第二概率；
其中，所述第二概率基于第二条件计算；
基于所述第一概率和所述第二概率确定所述多个车辆的第一辆与所述拼车车道还是常规车道关联；
其中，如果所述多个车辆的第一辆确定为与所述拼车车道关联，则与所述多个车辆的第一辆关联的所接收的探测器数据存储在所述拼车车道数据库中；和
其中，如果所述多个车辆的第一辆确定为与所述常规车道关联，则与所述多个车辆的第一辆关联的所接收的探测器数据存储在所述常规车道数据库中。
25.根据权利要求24的所述方法，进一步包括：
对于与所述拼车车道关联的所述多个车辆的第一辆计算第三概率；
其中，所述第三概率基于第三条件计算；
基于所述第一概率、所述第二概率和所述第三概率确定所述多个车辆的第一辆与所述拼车车道还是常规车道关联；
26.根据权利要求24的所述方法，进一步包括：
对于与拼车车道关联的所述多个车辆的第二辆计算新第一概率；
其中，所述新第一概率基于与所述多个车辆的第二辆关联的新第一条件计算；
对于与所述拼车车道关联的所述多个车辆的第二辆计算新第二概率；
其中，所述新第二概率基于与所述多个车辆的第二辆关联的新第二条件计算；
基于所述新第一概率和所述新第二概率确定所述多个车辆的第二辆与所述拼车车道还是常规车道关联；
其中，如果所述多个车辆的第二辆确定为与所述拼车车道关联，则与所述多个车辆的第二辆关联的所接收的探测器数据存储在所述拼车车道数据库中；和
其中，如果所述多个车辆的第二辆确定为与所述常规车道关联，则与所述多个车辆的第二辆关联的所接收的探测器数据存储在所述常规车道数据库中。
27.根据权利要求24的所述方法，其中，所述远程服务器基于包括所述第一概率和所述第二概率的单一等式确定所述多个车辆的第一辆与所述拼车车道还是常规车道关联。
28.根据权利要求27的所述方法，其中，确定所述多个车辆的第一辆与所述拼车车道还是常规车道关联的步骤进一步包括至少向所述第一概率应用第一权重因子且向所述第二概率应用第二权重因子。
CN2011800639630A 2011-01-03 2011-12-28 用于区分从探测器车辆获得的交通数据的方法 Pending CN103299302A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/983,357 US8452771B2 (en) 2011-01-03 2011-01-03 Method for differentiating traffic data obtained from probe vehicles
US12/983,357 2011-01-03
PCT/US2011/067575 WO2012094210A1 (en) 2011-01-03 2011-12-28 Method for differentiating traffic data obtained from probe vehicles

Publications (1)

Publication Number Publication Date
CN103299302A true CN103299302A (zh) 2013-09-11

Family

ID=46381707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011800639630A Pending CN103299302A (zh) 2011-01-03 2011-12-28 用于区分从探测器车辆获得的交通数据的方法

Country Status (6)

Country Link
US (1) US8452771B2 (zh)
EP (1) EP2641204A4 (zh)
JP (1) JP5707510B2 (zh)
CN (1) CN103299302A (zh)
CA (1) CA2823528A1 (zh)
WO (1) WO2012094210A1 (zh)

Families Citing this family (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8014936B2 (en) * 2006-03-03 2011-09-06 Inrix, Inc. Filtering road traffic condition data obtained from mobile data sources
CN102470869A (zh) * 2009-07-28 2012-05-23 丰田自动车株式会社 车辆控制装置、车辆控制方法以及车辆控制系统
US9150221B2 (en) 2009-07-29 2015-10-06 Toyota Jidosha Kabushiki Kaisha Vehicle controller, control method for vehicle and control system for vehicle
DE102011101359A1 (de) * 2011-05-12 2012-11-15 GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) Verfahren und Vorrichtung zur Klassifikation von Daten
US8510200B2 (en) 2011-12-02 2013-08-13 Spireon, Inc. Geospatial data based assessment of driver behavior
US10169822B2 (en) 2011-12-02 2019-01-01 Spireon, Inc. Insurance rate optimization through driver behavior monitoring
CN103247091B (zh) * 2012-02-07 2016-01-20 厦门金龙联合汽车工业有限公司 一种驾驶评价系统及方法
US9986084B2 (en) 2012-06-21 2018-05-29 Cellepathy Inc. Context-based mobility stoppage characterization
US9772196B2 (en) 2013-08-23 2017-09-26 Cellepathy Inc. Dynamic navigation instructions
US20150168174A1 (en) * 2012-06-21 2015-06-18 Cellepathy Ltd. Navigation instructions
US9638537B2 (en) 2012-06-21 2017-05-02 Cellepathy Inc. Interface selection in navigation guidance systems
GB201211618D0 (en) * 2012-06-29 2012-08-15 Tomtom Dev Germany Gmbh Methods of providing traffic flow messages
US9779379B2 (en) 2012-11-05 2017-10-03 Spireon, Inc. Container verification through an electrical receptacle and plug associated with a container and a transport vehicle of an intermodal freight transport system
US8933802B2 (en) 2012-11-05 2015-01-13 Spireon, Inc. Switch and actuator coupling in a chassis of a container associated with an intermodal freight transport system
DE102013003042A1 (de) * 2013-02-22 2014-08-28 Audi Ag System zur Gewinnung von Regelsätzen für eine Kraftfahrzeugautomatisierung
JP6124652B2 (ja) * 2013-03-29 2017-05-10 富士通株式会社 効果測定プログラム、提示方法、サービス提供方法、効果測定装置、提示装置、サービス提供装置、提示プログラム及びサービス提供プログラム
US10154130B2 (en) 2013-08-23 2018-12-11 Cellepathy Inc. Mobile device context aware determinations
US9779449B2 (en) 2013-08-30 2017-10-03 Spireon, Inc. Veracity determination through comparison of a geospatial location of a vehicle with a provided data
US8930124B1 (en) * 2013-08-30 2015-01-06 International Business Machines Corporation Dynamic speed limit generation
US9558658B2 (en) 2013-09-27 2017-01-31 Here Global B.V. Method for transforming probe data across transportation modes
US9528834B2 (en) 2013-11-01 2016-12-27 Intelligent Technologies International, Inc. Mapping techniques using probe vehicles
JP6293458B2 (ja) * 2013-11-15 2018-03-14 株式会社日立製作所 プローブ情報管理装置、プローブ情報管理システムおよびプローブ情報管理方法
US9123250B2 (en) * 2013-12-05 2015-09-01 Elwha Llc Systems and methods for reporting real-time handling characteristics
JP6397827B2 (ja) * 2013-12-27 2018-09-26 株式会社シーズ・ラボ 地図データ更新装置
US20150186991A1 (en) 2013-12-31 2015-07-02 David M. Meyer Creditor alert when a vehicle enters an impound lot
US9336448B2 (en) 2014-08-11 2016-05-10 Here Global B.V. Variable speed sign value prediction and confidence modeling
US10109184B2 (en) 2014-10-08 2018-10-23 Here Global B.V. Probe based variable speed sign value
US9541409B2 (en) 2014-12-18 2017-01-10 Nissan North America, Inc. Marker aided autonomous vehicle localization
US9448559B2 (en) 2015-01-15 2016-09-20 Nissan North America, Inc. Autonomous vehicle routing and navigation using passenger docking locations
US10621795B2 (en) 2015-01-15 2020-04-14 Applied Telemetrics Holdings Inc. Method of autonomous lane identification for a multilane vehicle roadway
US9625906B2 (en) 2015-01-15 2017-04-18 Nissan North America, Inc. Passenger docking location selection
US20160209219A1 (en) * 2015-01-15 2016-07-21 Applied Telemetrics Holdings Inc. Method of autonomous lane identification for a multilane vehicle roadway
US9568335B2 (en) 2015-01-30 2017-02-14 Nissan North America, Inc. Associating parking areas with destinations based on automatically identified associations between vehicle operating information and non-vehicle operating information
US9697730B2 (en) 2015-01-30 2017-07-04 Nissan North America, Inc. Spatial clustering of vehicle probe data
US9778658B2 (en) 2015-03-13 2017-10-03 Nissan North America, Inc. Pattern detection using probe data
US10120381B2 (en) 2015-03-13 2018-11-06 Nissan North America, Inc. Identifying significant locations based on vehicle probe data
US9551788B2 (en) 2015-03-24 2017-01-24 Jim Epler Fleet pan to provide measurement and location of a stored transport item while maximizing space in an interior cavity of a trailer
US11106666B2 (en) * 2015-05-28 2021-08-31 Sap Se Integrated execution of relational and non-relational calculation models by a database system
US9595191B1 (en) * 2015-11-12 2017-03-14 Lytx, Inc. Traffic estimation
DE102015225157A1 (de) * 2015-12-14 2017-06-14 Robert Bosch Gmbh Verfahren zum Übertragen, Empfangen und Verarbeiten von Datenwerten, sowie eine Übertragungs- und Empfangsvorrichtung
US10810883B1 (en) * 2016-06-03 2020-10-20 Uber Technologies, Inc. Travel time estimation
US9965950B2 (en) * 2016-06-03 2018-05-08 Here Global B.V. Method and apparatus for classifying a traffic jam from probe data
US10147315B2 (en) 2016-07-27 2018-12-04 Here Global B.V. Method and apparatus for determining split lane traffic conditions utilizing both multimedia data and probe data
US10198941B2 (en) * 2016-07-27 2019-02-05 Here Global B.V. Method and apparatus for evaluating traffic approaching a junction at a lane level
US10319224B2 (en) * 2016-08-19 2019-06-11 Veniam, Inc. Adaptive road management in the network of moving things
JP6589840B2 (ja) * 2016-12-07 2019-10-16 トヨタ自動車株式会社 運転支援装置
US10157509B2 (en) * 2016-12-28 2018-12-18 Conduent Business Services, Llc System for public transit incident rate analysis and display
US10254121B2 (en) 2017-01-23 2019-04-09 Uber Technologies, Inc. Dynamic routing for self-driving vehicles
US10909843B2 (en) * 2017-04-03 2021-02-02 Nissan North America, Inc. Traffic circle identification system and method
US10319225B2 (en) 2017-05-24 2019-06-11 Toyota Motor Engineering & Manufacturing North America, Inc. System, method, and computer-readable storage medium for determining road type
US10553110B2 (en) 2017-06-23 2020-02-04 Here Global B.V. Detection and estimation of variable speed signs
US11073838B2 (en) 2018-01-06 2021-07-27 Drivent Llc Self-driving vehicle systems and methods
CN110085024A (zh) * 2018-01-26 2019-08-02 德尔福技术有限责任公司 交通控制系统
US20190236949A1 (en) * 2018-01-26 2019-08-01 Delphi Technologies, Llc Traffic control system
GB201802366D0 (en) * 2018-02-14 2018-03-28 Tom Tom Traffic B V Methods and systems for generating taffic volumn or traffic density data
US10895468B2 (en) * 2018-04-10 2021-01-19 Toyota Jidosha Kabushiki Kaisha Dynamic lane-level vehicle navigation with lane group identification
US10466057B1 (en) * 2018-07-30 2019-11-05 Wesley Edward Schwie Self-driving vehicle systems and methods
KR102467375B1 (ko) * 2018-09-22 2022-11-16 구글 엘엘씨 개선된 트래픽 상황 시각화를 위한 시스템 및 방법
US11644833B2 (en) 2018-10-01 2023-05-09 Drivent Llc Self-driving vehicle systems and methods
US11221621B2 (en) 2019-03-21 2022-01-11 Drivent Llc Self-driving vehicle systems and methods
US10982969B2 (en) 2018-10-23 2021-04-20 Here Global B.V. Method, apparatus, and computer program product for lane-level route guidance
JP7205157B2 (ja) * 2018-10-23 2023-01-17 トヨタ自動車株式会社 情報処理システム、プログラム、及び情報処理方法
US11022457B2 (en) * 2018-10-23 2021-06-01 Here Global B.V. Method, apparatus, and computer program product for lane-level route guidance
US11237007B2 (en) * 2019-03-12 2022-02-01 Here Global B.V. Dangerous lane strands
EP3723063A1 (en) * 2019-04-08 2020-10-14 Ningbo Geely Automobile Research & Development Co. Ltd. Understanding road signs
KR20210006143A (ko) * 2019-07-08 2021-01-18 현대자동차주식회사 교통 정보 제공 시스템 및 방법
WO2022119558A1 (en) * 2020-12-01 2022-06-09 Harman International Industries, Incorporated Systems and methods for vehicle monitoring
US11749108B2 (en) * 2021-03-31 2023-09-05 Honda Motor Co., Ltd. System and method for lane level traffic state estimation

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1748123A (zh) * 2002-12-27 2006-03-15 松下电器产业株式会社 交通信息提供系统、交通信息表示方法和设备
US20070208501A1 (en) * 2006-03-03 2007-09-06 Inrix, Inc. Assessing road traffic speed using data obtained from mobile data sources
JP2010102575A (ja) * 2008-10-24 2010-05-06 Panasonic Corp 交通情報生成装置および交通情報生成方法
CN101777263A (zh) * 2010-02-08 2010-07-14 长安大学 一种基于视频的交通车流量检测方法
US20100280751A1 (en) * 1997-10-22 2010-11-04 Intelligent Technologies International, Inc. Road physical condition monitoring techniques
US20100312527A1 (en) * 2003-06-19 2010-12-09 Michael Weiland Method of representing road lanes

Family Cites Families (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
USRE38724E1 (en) 1991-02-01 2005-04-12 Peterson Thomas D Method and apparatus for providing shortest elapsed time route and tracking information to users
US5842146A (en) 1996-05-10 1998-11-24 Honda Giken Kogyo Kabushiki Kaisha Method and apparatus of setting clock time and using time data in a vehicle navigation system
US6381533B1 (en) 1997-10-16 2002-04-30 Navigation Technologies Corp. Method and system using positions of cellular phones matched to road network for collecting data
WO1999030919A1 (de) 1997-12-15 1999-06-24 Volkswagen Aktiengesellschaft Verfahren zur regelung von geschwindigkeit und abstand bei überholvorgängen
JP3918326B2 (ja) 1998-10-26 2007-05-23 株式会社デンソー 経路設定装置及びナビゲーション装置
US6385539B1 (en) 1999-08-13 2002-05-07 Daimlerchrysler Ag Method and system for autonomously developing or augmenting geographical databases by mining uncoordinated probe data
US6591253B1 (en) 1999-12-17 2003-07-08 International Business Machines Corporation Method and system for real time pricing of fine-grained resource purchases
JP3908425B2 (ja) 1999-12-24 2007-04-25 アルパイン株式会社 ナビゲーション装置
US7375728B2 (en) 2001-10-01 2008-05-20 University Of Minnesota Virtual mirror
US20040246147A1 (en) 2000-12-08 2004-12-09 Von Grabe J. B. Real time vehicular routing and traffic guidance system
US6560532B2 (en) 2001-05-25 2003-05-06 Regents Of The University Of California, The Method and system for electronically determining dynamic traffic information
US6594576B2 (en) 2001-07-03 2003-07-15 At Road, Inc. Using location data to determine traffic information
US6556916B2 (en) 2001-09-27 2003-04-29 Wavetronix Llc System and method for identification of traffic lane positions
US20030225668A1 (en) * 2002-03-01 2003-12-04 Mitsubishi Denki Kabushiki Kaisha System and method of acquiring traffic data
DE60233174D1 (de) 2002-09-06 2009-09-10 Nokia Corp Verfahren und system zur schätzung der position einer mobilen einrichtung
US7076365B2 (en) 2003-05-12 2006-07-11 Circumnav Networks, Inc. Enhanced dead reckoning method
US6925378B2 (en) 2003-05-12 2005-08-02 Circumnav Networks, Inc. Enhanced mobile communication device with extended radio, and applications
US6862500B2 (en) 2003-05-12 2005-03-01 Circumnav Networks, Inc. Methods for communicating between elements in a hierarchical floating car data network
US7188026B2 (en) 2003-05-12 2007-03-06 Dash Navigation, Inc. Hierarchical floating car data network
JP4486331B2 (ja) 2003-08-12 2010-06-23 クラリオン株式会社 ナビゲーション装置の経路探索方法
JP4170178B2 (ja) 2003-09-04 2008-10-22 三菱電機株式会社 経路探索装置
US6990407B1 (en) 2003-09-23 2006-01-24 Navteq North America, Llc Method and system for developing traffic messages
US7096115B1 (en) 2003-09-23 2006-08-22 Navteq North America, Llc Method and system for developing traffic messages
JP4029820B2 (ja) * 2003-10-17 2008-01-09 アイシン・エィ・ダブリュ株式会社 渋滞情報補完システム
US7124023B2 (en) 2003-12-12 2006-10-17 Palo Alto Research Center Incorporated Traffic flow data collection agents
US7228224B1 (en) 2003-12-29 2007-06-05 At&T Corp. System and method for determining traffic conditions
JP2005259116A (ja) 2004-02-13 2005-09-22 Matsushita Electric Ind Co Ltd 交通情報算出装置、交通情報算出方法、交通情報表示方法および交通情報表示装置
US7680594B2 (en) 2004-04-06 2010-03-16 Honda Motor Co., Ltd. Display method and system for a vehicle navigation system
US7319931B2 (en) 2004-04-06 2008-01-15 Honda Motor Co., Ltd. Methods for filtering and providing traffic information
US7222018B2 (en) 2004-04-06 2007-05-22 Honda Motor Co., Ltd. Bandwidth and memory conserving methods for a vehicle navigation system
US7366606B2 (en) 2004-04-06 2008-04-29 Honda Motor Co., Ltd. Method for refining traffic flow data
US7289904B2 (en) 2004-04-06 2007-10-30 Honda Motor Co., Ltd. Vehicle navigation system and methods for incorporating user preferences into same
US7292936B2 (en) 2004-05-19 2007-11-06 Honda Motor Co., Ltd. System and method for displaying information
JP4574244B2 (ja) 2004-06-25 2010-11-04 クラリオン株式会社 ナビゲーション装置、及び経路探索方法
US7558695B2 (en) 2004-08-10 2009-07-07 Speedinfo, Llc Self-powered vehicle speed sensor
DE102005012269B4 (de) 2005-03-17 2013-05-16 Robert Bosch Gmbh Verfahren und Anordnung zur Führung eines Fahrzeugs sowie ein entsprechendes Computerprogramm und ein entsprechendes computerlesbares Speichermedium
US20070005228A1 (en) 2005-06-30 2007-01-04 Sehat Sutardja GPS-based traffic monitoring system
US7885758B2 (en) 2005-06-30 2011-02-08 Marvell World Trade Ltd. GPS-based traffic monitoring system
JP4645516B2 (ja) 2005-08-24 2011-03-09 株式会社デンソー ナビゲーション装置及びプログラム
US7706963B2 (en) 2005-10-28 2010-04-27 Gm Global Technology Operations, Inc. System for and method of updating traffic data using probe vehicles having exterior sensors
US7912628B2 (en) 2006-03-03 2011-03-22 Inrix, Inc. Determining road traffic conditions using data from multiple data sources
US8014936B2 (en) 2006-03-03 2011-09-06 Inrix, Inc. Filtering road traffic condition data obtained from mobile data sources
US7477988B2 (en) 2006-05-16 2009-01-13 Navteq North America, Llc Dual road geometry representation for position and curvature-heading
JP4899756B2 (ja) * 2006-09-29 2012-03-21 アイシン・エィ・ダブリュ株式会社 交通情報作成装置及び交通情報作成方法
EP2135200A4 (en) 2007-02-12 2011-12-28 Sean O'sullivan DISTRIBUTED TRANSPORT SYSTEM AND SERVICE NETWORK
JP4814141B2 (ja) * 2007-03-29 2011-11-16 株式会社野村総合研究所 迂回ルート抽出装置及び方法
US20090018761A1 (en) 2007-04-05 2009-01-15 Petrisor Gregory C Traffic lane management system
US20080300776A1 (en) 2007-06-01 2008-12-04 Petrisor Gregory C Traffic lane management system
US8634796B2 (en) 2008-03-14 2014-01-21 William J. Johnson System and method for location based exchanges of data facilitating distributed location applications
JP5133783B2 (ja) 2008-05-30 2013-01-30 アルパイン株式会社 車載装置
US20100292916A1 (en) 2009-05-13 2010-11-18 Honda Motor Co., Ltd. Navigation System For a Motor Vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100280751A1 (en) * 1997-10-22 2010-11-04 Intelligent Technologies International, Inc. Road physical condition monitoring techniques
CN1748123A (zh) * 2002-12-27 2006-03-15 松下电器产业株式会社 交通信息提供系统、交通信息表示方法和设备
US20100312527A1 (en) * 2003-06-19 2010-12-09 Michael Weiland Method of representing road lanes
US20070208501A1 (en) * 2006-03-03 2007-09-06 Inrix, Inc. Assessing road traffic speed using data obtained from mobile data sources
JP2010102575A (ja) * 2008-10-24 2010-05-06 Panasonic Corp 交通情報生成装置および交通情報生成方法
CN101777263A (zh) * 2010-02-08 2010-07-14 长安大学 一种基于视频的交通车流量检测方法

Also Published As

Publication number Publication date
WO2012094210A1 (en) 2012-07-12
US20120173530A1 (en) 2012-07-05
US8452771B2 (en) 2013-05-28
JP2014507024A (ja) 2014-03-20
CA2823528A1 (en) 2012-07-12
JP5707510B2 (ja) 2015-04-30
EP2641204A4 (en) 2015-03-11
EP2641204A1 (en) 2013-09-25

Similar Documents

Publication Publication Date Title
CN103299302A (zh) 用于区分从探测器车辆获得的交通数据的方法
US9965950B2 (en) Method and apparatus for classifying a traffic jam from probe data
JP5096396B2 (ja) 交通情報管理サーバー、ナビゲーション端末及び方法
Tasgaonkar et al. Vehicle detection and traffic estimation with sensors technologies for intelligent transportation systems
US20220018674A1 (en) Method, apparatus, and system for providing transportion logistics based on estimated time of arrival calculation
CN101495861B (zh) 用于监视行驶状况的系统和方法
Jarašūniene Research into intelligent transport systems (ITS) technologies and efficiency
CN107103775B (zh) 一种基于群智计算的道路质量检测方法
CN113706737B (zh) 基于自动驾驶车辆的路面巡检系统及方法
CN105788256A (zh) 基于车联网的路况信息感知方法
CN102903237B (zh) 交通管理服务装置以及交通管理服务方法
CN104851295A (zh) 获取路况信息的方法和系统
WO2021082464A1 (zh) 预测车辆的目的地的方法和装置
US20210104155A1 (en) Method, apparatus, and system for detecting lane-level slowdown events
Ki et al. An incident detection algorithm using artificial neural networks and traffic information
Liu et al. Evaluation of floating car technologies for travel time estimation
Mandžuka Intelligent transport systems
Wang et al. Detecting urban traffic congestion with single vehicle
Ki et al. Real-time estimation of travel speed using urban traffic information system and CCTV
JP2005032226A (ja) 計測データ処理装置および計測データ処理システム
EP3671127B1 (en) Method and apparatus for mining pedestrian probe data from mix-mode probe data
Kardashyan et al. New Concept of the Urban and Inter-Urban Traffic
Purser Exploring Travel Time Reliability Using Bluetooth Data Collection: Case Study In San Luis Obispo, California
JP2005182415A (ja) 交通量通知システム
Olajide et al. DESIGN ANALYSIS OF SATELLITE-BASED MONITORING AND CONTROL OF ROAD TRAFFIC IN IFAKO-IJAIYE LOCAL GOVERNMENT AREA OF LAGOS IN NIGERIA

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130911