CN103366563A - 交通拥堵预测方法及交通拥堵预测装置 - Google Patents
交通拥堵预测方法及交通拥堵预测装置 Download PDFInfo
- Publication number
- CN103366563A CN103366563A CN2013100829458A CN201310082945A CN103366563A CN 103366563 A CN103366563 A CN 103366563A CN 2013100829458 A CN2013100829458 A CN 2013100829458A CN 201310082945 A CN201310082945 A CN 201310082945A CN 103366563 A CN103366563 A CN 103366563A
- Authority
- CN
- China
- Prior art keywords
- floating car
- constantly
- traffic congestion
- path
- calculate
- 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
- 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
-
- 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
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明提供一种能够进行精确度更高的探测信息利用预测处理的交通拥堵预测方法及交通拥堵预测装置。本发明的交通拥堵预测装置,其具有:接收步骤,接收各当前位置信息及目的地信息;路径预测步骤,根据已接收的当前位置信息及目的地信息来预测到达各浮动车的目的地的路径;第1计算步骤,按每个浮动车计算第1通过时刻组,该第1通过时刻组为按每个浮动车预测出的路径中多个规定地点的各通过时刻的集合;存在数量计算步骤,根据计算出的第1通过时刻组,当在规定时刻中规定的2地点之间的路径即节点连线上有存在于多个浮动车中的浮动车时,按每个节点连线计算其存在数量;及第2计算步骤,利用计算出的浮动车的存在数量及规定的计算方法,按每个浮动车计算多个规定地点的各通过时刻的第2通过时刻组。
Description
技术领域
本发明涉及一种根据基于浮动车的信息来进行交通拥堵预测等的交通拥堵预测方法及交通拥堵预测装置。
背景技术
以往的浮动车系统中的交通拥堵预测只收集浮动车的当前位置信息,根据该当前位置信息生成交通拥堵信息现状,或者进行交通拥堵预测。作为利用这种浮动车的事例存在下述专利文献1中公开的技术。
专利文献1:日本专利公开2003-151085号公报(摘要)
在以往的浮动车系统的交通拥堵预测中,由于根据浮动车的当前位置信息进行交通拥堵预测等,因此无法在交通拥堵预测中反映浮动车在将要前进的目的地的路径上加入新的浮动车,或者原有的浮动车从路径上偏离的情况。因此,沿路径前进时存在比交通拥堵预测更混乱或者更空闲的情况,很难高精确度地预测。并且,在以往的浮动车系统的处理中存在过多消耗处理时间的问题。而且,在以往的浮动车系统中,无法很好地利用浮动车具有的有用的数据(目的地信息等)。并且,在以往的交通量预测中利用的OD(origin-destination)的数据是基于历史数据的,并且精确度较低。
发明内容
鉴于上述问题点,本发明目的在于提供一种交通拥堵预测方法及交通拥堵预测装置,该交通拥堵预测方法能够进行精确度更高的探测信息利用预测处理,即,精确度更高的交通拥堵预测、POI集客预测、交通控制等,还能够利用于本地登记的预约服务,能够通过设为如日本专利第4796167号的事件判断装置的输入来预测事件的发生。
为了实现上述目的,根据本发明提供一种根据从多个浮动车发送的信息由交通拥堵预测装置进行交通拥堵预测时的交通拥堵预测方法,所述交通拥堵预测装置具有:接收步骤,接收从所述多个浮动车发送的各当前位置信息及目的地信息;路径预测步骤,根据在所述接收步骤中接收的所述当前位置信息及所述目的地信息来预测到达各浮动车的目的地的路径;第1计算步骤,按每个所述浮动车计算第1通过时刻组,该第1通过时刻组为在所述路径预测步骤中按每个所述浮动车预测出的所述路径中多个规定地点的各通过时刻的集合;存在数量计算步骤,根据在所述第1计算步骤计中算出的所述第1通过时刻组,在规定时刻的所述路径上邻接的所述规定的2地点之间的路径即节点连线上有存在于所述多个浮动车中的浮动车时,按每个节点连线计算其存在数量;及第2计算步骤,利用在所述存在数量计算步骤中计算出的所述浮动车的存在数量及规定的计算方法,按每个所述浮动车计算所述多个规定地点的各通过时刻的集合即第2通过时刻组。通过该结构,能够进行精确度更高的探测信息利用预测处理,即,精确度更高的交通拥堵预测、POI集客预测、交通控制等,还能够利用于本地登记的预约服务,能够通过设为如日本专利第4796167号的事件判断装置的输入来预测事件的发生。另外,目的地信息是指后述的预定目的地的信息。
并且,本发明的优选形态为,本发明的交通拥堵预测方法中进一步具有如下步骤:按每个所述浮动车判断基于所述第1通过时刻组的所述路径的通过时间与基于所述第2通过时刻组的所述路径的通过时间的差分是否在规定值以上,对所述差分在规定值以上的浮动车,以所述第2通过时刻组更新所述第1通过时刻组并按每个节点连线计算所述规定时刻的浮动车的存在数量,利用计算出的所述浮动车的存在数量及所述规定的计算方法,按每个所述浮动车计算所述第2通过时刻组。通过该结构,能够进行精确度更高的预测。
并且,本发明的优选形态为,本发明的交通拥堵预测方法中所述第1通过时刻组的计算根据所述各节点连线的距离与计算对象的浮动车速度来进行。通过该结构,能够轻松地进行第1通过时刻的计算。
并且,本发明的优选形态为,本发明的交通拥堵预测方法中,计算所述第2通过时刻组时的所述规定的计算方法为利用QV曲线来计算的方法。通过该结构,能够计算精确度较高的第2通过时刻。
并且,根据本发明提供一种根据从多个浮动车发送的信息进行交通拥堵预测的交通拥堵预测装置,该交通拥堵预测装置具备:接收构件,接收从所述多个浮动车发送的各当前位置信息及目的地信息;预测构件,根据已接收的所述当前位置信息及所述目的地信息来预测到达各浮动车的目的地的路径;第1计算构件,按每个所述浮动车计算第1通过时刻组,该第1通过时刻组为按每个所述浮动车预测出的所述路径中多个规定地点的各通过时刻的集合;存在数量计算构件,根据计算出的所述第1通过时刻组,在规定时刻的所述路径上邻接的所述规定的2地点之间的路径即节点连线上有存在于所述多个浮动车中的浮动车时,按每个节点连线计算其存在数量;及第2计算构件,利用计算出的所述浮动车的存在数量及规定的计算方法,按每个所述浮动车计算所述多个规定地点的各通过时刻的集合即第2通过时刻组。通过该结构,能够进行精确度更高的探测信息利用预测处理,即,精确度更高的交通拥堵预测、POI集客预测、交通控制等,还能够利用于本地登记的预约服务,能够通过设为如日本专利第4796167号的事件判断装置的输入来预测事件的发生。
并且,本发明的优选形态为,本发明的交通拥堵预测装置中进一步具备判断构件,所述判断构件按每个所述浮动车判断基于所述第1通过时刻组的所述路径的通过时间与基于所述第2通过时刻组的所述路径的通过时间的差分是否在规定值以上,对所述差分在规定值以上的浮动车,所述存在数量计算构件以所述第2通过时刻组更新所述第1通过时刻组并按每个节点连线计算所述规定时刻的浮动车的存在数量,所述第2计算构件利用计算出的所述浮动车的存在数量及所述规定的计算方法,按每个所述浮动车计算所述第2通过时刻组。通过该结构,能够进行精确度更高的预测。
并且,本发明的优选形态为,本发明的交通拥堵预测装置中所述第1通过时刻组的计算根据所述各节点连线的距离与计算对象的浮动车速度来进行。通过该结构,能够轻松地进行第1通过时刻的计算。
并且,本发明的优选形态为,本发明的交通拥堵预测装置中计算所述第2通过时刻组时的所述规定的计算方法为利用QV曲线来计算的方法。通过该结构,能够计算精确度较高的第2通过时刻。
发明效果
本发明的交通拥堵预测方法及交通拥堵预测装置具有上述结构,并能够进行精确度更高的探测信息利用预测处理,即,精确度更高的交通拥堵预测、POI集客预测、交通控制等,还能够利用于本地登记的预约服务(事前的拥挤预测、相对预约的优惠券分配、各种奖励、与朋友的遭遇通知等),能够通过设为如日本专利第4796167号的事件判断装置的输入来预测事件的发生。
附图说明
图1是表示包括本发明的实施方式所涉及的交通拥堵预测装置的交通拥堵预测系统的一例的图。
图2是表示本发明的实施方式所涉及的交通拥堵预测装置的一例的结构图。
图3是用于对本发明的实施方式中第1通过时刻的计算的一例进行说明的图。
图4是表示用于计算本发明的实施方式中第2通过时刻时的一例的QV曲线的图。
图5是对包括本发明的实施方式所涉及的交通拥堵预测装置的交通拥堵预测系统中处理流程的一例进行说明的流程图。
图中:100a-浮动车,100b-浮动车,100c-浮动车,101-交通拥堵预测装置,102-探测中心,103-交通信息中心,104-交通管制中心,200-接收部(接收构件),201-预测部(预测构件),202-第1计算部(第1计算构件),203-存在数量计算部(存在数量计算构件),204-第2计算部(第2计算构件),205-判断部(判断构件)。
具体实施方式
首先,利用图1对包括本发明的实施方式所涉及的交通拥堵预测装置的交通拥堵预测系统进行说明。如图1所示,交通拥堵预测系统由多个浮动车100a~100c及包括交通拥堵预测装置101的探测中心102构成。另外,浮动车并不限于3台。首先,分别从多个浮动车100a~100c对探测中心102的交通拥堵预测装置101发送当前位置的信息、预定路径的信息、及预定目的地的信息。其中,作为从浮动车发送的信息可举出当前位置的信息、预定路径的信息、及预定目的地的信息,但也可以只有当前位置的信息及预定目的地的信息。此时,探测中心102的交通拥堵预测装置101可计算各浮动车的预定路径。
交通拥堵预测装置101接收从多个浮动车100a~100c发送的信息后,进行后述的处理并将其结果发送到交通信息中心103,交通信息中心103根据已接收的处理结果进行预测交通控制,例如基于交通管制中心104进行信号控制,并且对导航(导航系统)、Web、便携(便携终端)等进行被预测的信息的发布(发布预测信息)或路径探索(探索预测路径)的向导,并且对路侧主体进行通过车辆的信息(通过车辆信息)的提供。关于对路侧主体的提供将进行后述。
在此,利用图2对本发明的实施方式所涉及的交通拥堵预测装置进行说明。如图2所示,交通拥堵预测装置101由接收部200、预测部201、第1计算部202、存在数量计算部203、第2计算部204及判断部205构成。接收部200分别从多个浮动车100a~100c接收当前位置的信息及预定目的地的信息。另外,在此,对未从浮动车发送预定路径的信息的情况进行说明,而从浮动车发送预定路径的信息的情况,不再需要后述的预测部的处理。
预测部201根据已接收的当前位置的信息及预定目的地的信息预测到达各浮动车的目的地的路径。其中的预测,例如通过Dijkstra法或以以往履历为基础的路径预测等来预测。第1计算部202分别按每个浮动车计算被预测的路径中多个规定地点的通过时刻即第1通过时刻。关于第1通过时刻,可以利用规定地点间的距离来计算,也可以以基于交通拥堵预测的通过所需的时间(基于交通拥堵预测的通过时的预测节点连线旅行时间)为基础来计算。并且,也可以利用根据经验求出的通过时刻。其中,规定地点是指预先在地图信息上确定的地点,例如是指设置有交叉点或信号的地点等。
在此,利用图3对第1通过时刻的计算进行说明。如图3所示,从某起点O到达至目的地点D的路径中,其他路径分别在交叉地点X1、X2交叉。此时,第1通过时刻为各浮动车分别通过交叉地点X1、X2时的通过时刻。从而,对浮动车p1、p2计算分别通过交叉地点X1、X2时的通过时刻,并且对浮动车p3、p4计算通过交叉地点X2时的通过时刻。
存在数量计算部203根据计算出的第1通过时刻,按每个节点连线计算规定时刻中规定地点之间的路径即节点连线上存在的浮动车的存在数量。其中,规定时刻是指预先确定的时刻。参考图3,例如,浮动车p1通过交叉地点X1、X2的时刻(第1通过时刻)分别设为5点5分、5点15分,浮动车p2过交叉地点X1、X2的时刻(第1通过时刻)分别设为5点3分、5点13分,浮动车p3通过交叉地点X2的时刻(第1通过时刻)设为5点17分,浮动车p4通过交叉地点X2的时刻(第1通过时刻)设为5点16分。
此时,若将规定时刻设为5点10分、5点20分,则从起点O至交叉地点X1之间(节点连线1),浮动车的存在数量分别成为0台(5点10分时点)、0台(5点20分时点),从交叉地点X1至交叉地点X2之间(节点连线2),浮动车的存在数量分别成为2台(在5时10分时点,浮动车p1、p2)、0台(5时20分时点),从交叉地点X2至目的地点D之间(节点连线3),浮动车的存在数量分别成为0台(5时10分时点)、3台(在5时20分时点,浮动车p1、p2、p4)。另外,如上述,规定地点之间的节点连线上还包括起点O与开始的地点(交叉地点X1)及最后的地点(交叉地点X2)与目的地点D之间。
第2计算部204根据计算出的浮动车的存在数量按每个浮动车分别计算多个规定地点的通过时刻即第2通过时刻。计算该第2通过时刻时,也可以利用如图4所示的QV曲线。如图4所示,若交通量(Q)少,则能够以自由的期望速度,或者与其接近的速度行驶,但若交通量(Q)变多,则速度(V)随着道路拥挤而下降。即,将交通量(Q)作为横轴、速度(V)作为纵轴绘制两者的关系,则可得到速度(V)随着交通量(Q)的增加而减小的曲线(QV曲线)。若知道浮动车的存在数量,则能够利用该曲线知道浮动车的速度,若知道从当前地点至当前节点连线端的地点的距离,则能够计算通过该节点连线端的地点时的通过时刻。
判断部205按每个浮动车判断基于第1通过时刻的路径的通过时间与基于第2通过时刻的路径的通过时间的差分是否在规定值以上,对差分在规定值以上的浮动车,以第2通过时刻更新第1通过时刻并按每个节点连线计算规定时刻的浮动车的存在数量,并且根据计算出的浮动车的存在数量分别按每个浮动车计算第2通过时刻。
例如,关于某浮动车,基于第1通过时刻的路径的通过时间为30分钟,基于第2通过时刻的路径的通过时间为31分钟,规定值为3分钟时,由于差分为1分钟因此小于规定值,因此无法进一步进行第2通过时刻的计算。另一方面,若大于3分钟,则能够进一步进行第2通过时刻的计算。
在此,利用图5对包括本发明的实施方式所涉及的交通拥堵预测装置的交通拥堵预测系统的处理流程进行说明。如图5所示,多个浮动车100a~100c分别将当前位置的信息及预定目的地的信息(目的地信息)发送到交通拥堵预测装置101(步骤S501)。交通拥堵预测装置101分别从多个浮动车100a~100c接收当前位置的信息及预定目的地的信息(步骤S502)。另外,在此,对未从浮动车发送预定路径的信息的情况进行说明。
交通拥堵预测装置101根据已接收的当前位置的信息及预定目的地的信息,预测到达各浮动车的目的地的路径(步骤S503)。并且,交通拥堵预测装置101分别按每个浮动车100a~100c计算预测出的路径中多个规定地点的通过时刻即第1通过时刻(步骤S504)。接着,交通拥堵预测装置101根据计算出的第1通过时刻按每个节点连线计算作为规定时刻中规定地点之间的路径即节点连线上存在的浮动车的存在数量(步骤S505)。
接着,交通拥堵预测装置101根据计算出的浮动车的存在数量分别按每个浮动车计算多个规定地点的通过时刻即第2通过时刻(步骤S506)。计算该第2通过时刻时,也可利用如图4所示的QV曲线。并且,交通拥堵预测装置101按每个浮动车判断基于第1通过时刻的路径的通过时间与基于第2通过时刻的路径的通过时间的差分是否在规定值以上(步骤S507),对差分在规定值以上的某浮动车,以第2通过时刻更新第1通过时刻并按每个节点连线计算规定时刻的浮动车的存在数量,并根据计算出的浮动车的存在数量分别按每个浮动车计算第2通过时刻(步骤S508)。
另外,关于上述的预定目的地、预定路径,也可以利用汽车导航系统或智能手机中的路径设定、基于以下的公报(日本专利公开2007-256075号公报、日本专利公开2007-10572号公报、日本专利公开2008-157891号公报)的目的地、路径推断的结果。
另外,根据上述内容,由于能够掌握某时刻中各节点连线上的浮动车的存在数量,因此不仅可以对探测提供者彼此,还可以对通过预定道路周围的主体(上述路侧主体)提供这些信息,从而发挥能够提供如以下新型服务的有利效果。
例如,能够提供与通过预定的用户的类型(属性等)相应的服务。具体而言,若了解到加油站中“卡车的通行较多”,则能够额外准备轻油。并且,若了解到家庭餐厅中“家庭伴同较多”,则能够额外准备面向家庭的菜单或实施面向孩子的宣传活动。
并且,例如能够提供与通过预定的用户的目的地相应的服务。具体而言,若了解到便利店中“前往滑雪场的人较多”,则能够准备滑雪相关产品。并且,若了解到超市中“前往体育场的人较多”,则能够准备助威产品等或者实施助威宣传活动。
并且,由探测提供者彼此登记决定提前前往的场所,从而可知什么样的人(朋友或其他人)计划前往。
并且,也考虑到基于来自一般交通模拟中利用的OD交通量的分配的交通量预测中的应用。以往的OD数据为历史数据,由于根据该数据进行了交通量预测因此精确度较低。用于该交通量预测中的数据为OD表,所谓OD表是指将区域之间的交通的移动量以表格(行列)形式表现的数据。以下示出关于以往的OD表的制作。
http://www.trpt.cst.nihon-u.ac.jp/TRSYSTEM/class/class_detail/t_s_plan/tra_a.pdf
在此,对基于来自OD交通量的分配的交通量预测中的应用进行说明。首先,在无法得到初始值或充分的探测数据时利用基于以往的历史数据的OD表。并且,在充分的“预测探测”中,需要未来的OD时,在相应的OD中利用预测探测的数据。进一步在“预测探测”中被赋予路径时路径分配中也利用该分配。
产业上的可利用性
本发明所涉及的交通拥堵预测方法及交通拥堵预测装置能够进行精确度更高的探测信息利用预测处理,即,精确度更高的交通拥堵预测、POI集客预测、交通控制等,还能够利用于本地登记的预约服务,能够通过设为如日本专利第4796167号的事件判断装置的输入来预测事件的发生,因此,对根据基于浮动车的信息而进行交通拥堵预测等的交通拥堵预测方法及交通拥堵预测装置等很有用。
Claims (8)
1.一种交通拥堵预测方法,其中,交通拥堵预测装置根据从多个浮动车发送的信息来进行交通拥堵预测,
所述交通拥堵预测装置具有:
接收步骤,接收从所述多个浮动车发送的各当前位置信息及目的地信息;
路径预测步骤,根据在所述接收步骤中接收的所述当前位置信息及所述目的地信息来预测到达各浮动车的目的地的路径;
第1计算步骤,按每个所述浮动车计算第1通过时刻组,该第1通过时刻组为在所述路径预测步骤中按每个所述浮动车预测出的所述路径中多个规定地点的各通过时刻的集合;
存在数量计算步骤,根据在所述第1计算步骤中计算出的所述第1通过时刻组,当在规定时刻的所述路径上邻接的所述规定的2地点之间的路径即节点连线上有存在于所述多个浮动车中的浮动车时,按每个节点连线计算其存在数量;及
第2计算步骤,利用在所述存在数量计算步骤中计算出的所述浮动车的存在数量及规定的计算方法,按每个所述浮动车计算所述多个规定地点的各通过时刻的集合即第2通过时刻组。
2.如权利要求1所述的交通拥堵预测方法,其中,
进一步具有如下步骤:按每个所述浮动车判断基于所述第1通过时刻组的所述路径的通过时间与基于所述第2通过时刻组的所述路径的通过时间的差分是否在规定值以上,对所述差分在规定值以上的浮动车,以所述第2通过时刻组更新所述第1通过时刻组并按每个节点连线计算所述规定时刻的浮动车的存在数量,利用计算出的所述浮动车的存在数量及所述规定的计算方法,按每个所述浮动车计算所述第2通过时刻组。
3.如权利要求1或2所述的交通拥堵预测方法,其中,
所述第1通过时刻组的计算根据所述各节点连线的距离与计算对象的浮动车速度来进行。
4.如权利要求1所述的交通拥堵预测方法,其中,
计算所述第2通过时刻组时的所述规定的计算方法为利用QV曲线来计算的方法。
5.一种交通拥堵预测装置,其根据从多个浮动车发送的信息进行交通拥堵预测,其具备:
接收构件,接收从所述多个浮动车发送的各当前位置信息及目的地信息;
预测构件,根据已接收的所述当前位置信息及所述目的地信息来预测到达各浮动车的目的地的路径;
第1计算构件,按每个所述浮动车计算第1通过时刻组,该第1通过时刻组为按每个所述浮动车预测出的所述路径中多个规定地点的各通过时刻的集合;
存在数量计算构件,根据计算出的所述第1通过时刻组,当在规定时刻的所述路径上邻接的所述规定的2地点之间的路径即节点连线上有存在于所述多个浮动车中的浮动车时,按每个节点连线计算其存在数量;及
第2计算构件,利用计算出的所述浮动车的存在数量及规定的计算方法,按每个所述浮动车计算所述多个规定地点的各通过时刻的集合即第2通过时刻组。
6.如权利要求5所述的交通拥堵预测装置,其进一步具备判断构件,所述判断构件按每个所述浮动车判断基于所述第1通过时刻组的所述路径的通过时间与基于所述第2通过时刻组的所述路径的通过时间的差分是否在规定值以上,
对所述差分在规定值以上的浮动车,所述存在数量计算构件以所述第2通过时刻组更新所述第1通过时刻组并按每个节点连线计算所述规定时刻的浮动车的存在数量,
所述第2计算构件利用计算出的所述浮动车的存在数量及所述规定的计算方法,按每个所述浮动车计算所述第2通过时刻组。
7.如权利要求5或6所述的交通拥堵预测装置,其中,
所述第1通过时刻组的计算根据所述各节点连线的距离与计算对象的浮动车速度来进行。
8.如权利要求5所述的交通拥堵预测装置,其中,
计算所述第2通过时刻组时的所述规定的计算方法为利用QV曲线来计算的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012069977A JP5615312B2 (ja) | 2012-03-26 | 2012-03-26 | 渋滞予測方法及び渋滞予測装置 |
JP2012-069977 | 2012-03-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103366563A true CN103366563A (zh) | 2013-10-23 |
CN103366563B CN103366563B (zh) | 2016-04-13 |
Family
ID=49212936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310082945.8A Expired - Fee Related CN103366563B (zh) | 2012-03-26 | 2013-03-15 | 交通拥堵预测方法及交通拥堵预测装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9449505B2 (zh) |
JP (1) | JP5615312B2 (zh) |
CN (1) | CN103366563B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105387868A (zh) * | 2015-12-25 | 2016-03-09 | 小米科技有限责任公司 | 提示道路信息的方法及装置 |
CN105486321A (zh) * | 2015-11-30 | 2016-04-13 | 北京奇虎科技有限公司 | 一种行车数据的处理方法、服务器及一种车载智能装置 |
CN108682163A (zh) * | 2018-05-28 | 2018-10-19 | 许谐兴 | 一种基于li-fi通信技术的车辆监控系统及方法 |
CN108701334A (zh) * | 2016-03-03 | 2018-10-23 | 三菱电机株式会社 | 拥挤预测装置和拥挤预测方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103794061B (zh) * | 2014-03-10 | 2016-06-22 | 上海云砥信息科技有限公司 | 基于多种定位数据计算道路融合行程车速的方法 |
AU2016212530A1 (en) * | 2015-01-27 | 2017-08-17 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for providing information for an on-demand service |
CN105427600B (zh) * | 2015-12-09 | 2017-11-28 | 中兴软创科技股份有限公司 | 一种基于fcd的道路拥堵实时识别方法与装置 |
CN106251628B (zh) * | 2016-09-14 | 2019-06-14 | 青岛海信网络科技股份有限公司 | 一种确定机动车的交通出行量的方法及装置 |
CN106781504B (zh) * | 2017-01-23 | 2019-03-12 | 东南大学 | 一种基于浮动车gps数据的干线停车分析方法 |
US10569168B2 (en) | 2017-05-24 | 2020-02-25 | Nintendo Co., Ltd. | Information processing system, apparatus, method, and storage medium storing program to address game delay between apparatuses |
CN107248282B (zh) * | 2017-06-29 | 2021-07-02 | 浩鲸云计算科技股份有限公司 | 获取道路运行状态等级的方法 |
US11544584B2 (en) * | 2018-03-26 | 2023-01-03 | Adp, Inc. | Commute distance optimization |
CN110503826B (zh) * | 2019-08-06 | 2020-12-25 | 安徽省交通规划设计研究总院股份有限公司 | 一种基于高速流量监测及预测的智能诱导方法 |
CN111126611B (zh) * | 2019-12-09 | 2023-04-18 | 南京师范大学 | 一种顾及目的地选择的高速通行流量分布模拟量子计算方法 |
CN111932893B (zh) * | 2020-08-25 | 2022-07-05 | 上海宝康电子控制工程有限公司 | 基于信号与电警数据融合技术实现路段状态研判处理的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1161750A (zh) * | 1994-09-01 | 1997-10-08 | 英国电讯公司 | 导航信息系统 |
CN1753049A (zh) * | 2004-09-21 | 2006-03-29 | 株式会社电装 | 用于道路交通拥挤度估算的系统和设备 |
US20080071465A1 (en) * | 2006-03-03 | 2008-03-20 | Chapman Craig H | Determining road traffic conditions using data from multiple data sources |
US7609176B2 (en) * | 2004-02-27 | 2009-10-27 | Hitachi, Ltd. | Traffic information prediction apparatus |
JP2009289223A (ja) * | 2008-06-02 | 2009-12-10 | Clarion Co Ltd | 交通状況予測システム、ナビゲーション装置及びサーバ |
JP2010033331A (ja) * | 2008-07-29 | 2010-02-12 | Sumitomo Electric System Solutions Co Ltd | 交通情報生成装置、コンピュータプログラム、及び交通情報の生成方法 |
CN101908270A (zh) * | 2009-03-27 | 2010-12-08 | 电装It研究所 | 事件判断装置 |
JP4728202B2 (ja) * | 2006-10-27 | 2011-07-20 | 富士通株式会社 | 交通量調査プログラム及び交通量調査方法 |
CN102208132A (zh) * | 2010-03-29 | 2011-10-05 | 电装It研究所 | 交通量预测装置、交通量预测方法和程序 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2891038B2 (ja) * | 1993-04-26 | 1999-05-17 | トヨタ自動車株式会社 | 電動式パワーステアリング装置 |
JP2000057483A (ja) * | 1998-08-07 | 2000-02-25 | Nippon Telegr & Teleph Corp <Ntt> | 交通状況予測方法、装置、および交通状況予測プログラムを記録した記録媒体 |
JP3990641B2 (ja) * | 2002-03-27 | 2007-10-17 | 松下電器産業株式会社 | 道路情報提供システム及び装置と道路情報生成方法 |
GB0520576D0 (en) * | 2005-10-10 | 2005-11-16 | Applied Generics Ltd | Using traffic monitoring information to provide better driver route planning |
US8494496B2 (en) * | 2009-11-13 | 2013-07-23 | At&T Mobility Ii Llc | System and method for using cellular network components to derive traffic information |
US20130211706A1 (en) * | 2010-08-13 | 2013-08-15 | Wavemarket, Inc. | Systems, methods, and processor readable media for traffic flow measurement |
CN103026395A (zh) * | 2010-11-15 | 2013-04-03 | 图像传感系统有限公司 | 混合交通传感器系统和相关的方法 |
US8930123B2 (en) * | 2010-11-19 | 2015-01-06 | International Business Machines Corporation | Systems and methods for determining traffic intensity using information obtained through crowdsourcing |
-
2012
- 2012-03-26 JP JP2012069977A patent/JP5615312B2/ja not_active Expired - Fee Related
-
2013
- 2013-03-12 US US13/795,610 patent/US9449505B2/en active Active
- 2013-03-15 CN CN201310082945.8A patent/CN103366563B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1161750A (zh) * | 1994-09-01 | 1997-10-08 | 英国电讯公司 | 导航信息系统 |
US7609176B2 (en) * | 2004-02-27 | 2009-10-27 | Hitachi, Ltd. | Traffic information prediction apparatus |
CN1753049A (zh) * | 2004-09-21 | 2006-03-29 | 株式会社电装 | 用于道路交通拥挤度估算的系统和设备 |
US20080071465A1 (en) * | 2006-03-03 | 2008-03-20 | Chapman Craig H | Determining road traffic conditions using data from multiple data sources |
JP4728202B2 (ja) * | 2006-10-27 | 2011-07-20 | 富士通株式会社 | 交通量調査プログラム及び交通量調査方法 |
JP2009289223A (ja) * | 2008-06-02 | 2009-12-10 | Clarion Co Ltd | 交通状況予測システム、ナビゲーション装置及びサーバ |
JP2010033331A (ja) * | 2008-07-29 | 2010-02-12 | Sumitomo Electric System Solutions Co Ltd | 交通情報生成装置、コンピュータプログラム、及び交通情報の生成方法 |
CN101908270A (zh) * | 2009-03-27 | 2010-12-08 | 电装It研究所 | 事件判断装置 |
CN102208132A (zh) * | 2010-03-29 | 2011-10-05 | 电装It研究所 | 交通量预测装置、交通量预测方法和程序 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105486321A (zh) * | 2015-11-30 | 2016-04-13 | 北京奇虎科技有限公司 | 一种行车数据的处理方法、服务器及一种车载智能装置 |
CN105387868A (zh) * | 2015-12-25 | 2016-03-09 | 小米科技有限责任公司 | 提示道路信息的方法及装置 |
CN108701334A (zh) * | 2016-03-03 | 2018-10-23 | 三菱电机株式会社 | 拥挤预测装置和拥挤预测方法 |
CN108701334B (zh) * | 2016-03-03 | 2022-08-26 | 三菱电机株式会社 | 拥挤预测装置和拥挤预测方法 |
CN108682163A (zh) * | 2018-05-28 | 2018-10-19 | 许谐兴 | 一种基于li-fi通信技术的车辆监控系统及方法 |
CN108682163B (zh) * | 2018-05-28 | 2022-01-04 | 黄冰川 | 一种基于li-fi通信技术的车辆监控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2013200809A (ja) | 2013-10-03 |
US20130253812A1 (en) | 2013-09-26 |
US9449505B2 (en) | 2016-09-20 |
JP5615312B2 (ja) | 2014-10-29 |
CN103366563B (zh) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103366563B (zh) | 交通拥堵预测方法及交通拥堵预测装置 | |
US12025449B2 (en) | Dynamically determining origin and destination locations for a network system | |
US20170314948A1 (en) | Continuously updatable computer-generated routes with continuously configurable virtual bus stops for passenger ride-sharing of a fleet of ride-sharing vehicles and computer transportation systems and computer-implemented methods for use thereof | |
JP5053370B2 (ja) | ナビゲーションシステム、経路探索サーバおよび携帯端末装置ならびに経路案内方法 | |
CN102735239B (zh) | 导航装置、方法和系统 | |
JP5874414B2 (ja) | ナビゲーションシステム、及びサーバ装置 | |
CN111133277A (zh) | 使用时间和空间生成路线的方法、设备和计算机程序产品 | |
CN111263947B (zh) | 配送计划生成方法以及配送计划生成装置 | |
JP5676806B2 (ja) | 公共の輸送の反復的なスコアリング | |
US8914226B2 (en) | Traffic information creating device, traffic information creating method and program | |
US9752886B2 (en) | Mobile trip planner and live route update system | |
CN109387212A (zh) | 信息处理系统以及信息处理方法 | |
CN112767683B (zh) | 一种基于反馈机制的路径诱导方法 | |
JP2006193020A (ja) | ナビゲーションシステム、経路探索サーバ、携帯端末装置およびそのプログラム | |
JP5376465B2 (ja) | 混雑状況予測プログラム、混雑状況予測プログラムを記録したコンピュータ読み取り可能な記録媒体および混雑状況予測装置、ならびにナビゲーションプログラム、ナビゲーションプログラムを記録したコンピュータ読み取り可能な記録媒体およびナビゲーション装置 | |
JP5047920B2 (ja) | 経路情報配信システム、経路情報案内サーバおよび端末装置ならびに経路情報配信方法 | |
JP4227653B2 (ja) | ナビゲーションシステム、経路探索サーバおよび携帯端末装置ならびに広告配信方法 | |
JP2019028526A (ja) | 混雑予測装置 | |
Chow et al. | Utilizing real-time travel information, mobile applications and wearable devices for smart public transportation | |
JP7225303B2 (ja) | 事故予報システム、および、事故予報方法 | |
JP6363043B2 (ja) | プログラム及び抽出装置 | |
JP4604055B2 (ja) | ナビゲーションシステム、経路探索サーバおよび経路探索方法ならびに端末装置 | |
JP5001328B2 (ja) | 経路探索システム、経路探索サーバおよび経路探索方法 | |
Jin et al. | Optimal routing of vehicles with communication capabilities in disasters | |
JP5822364B2 (ja) | 経路案内システム、経路案内サーバ、経路案内方法および経路案内プログラム |
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: 20160413 |
|
CF01 | Termination of patent right due to non-payment of annual fee |