CN105976062B - 信号灯时长数据的挖掘方法、出行服务实现方法和装置 - Google Patents

信号灯时长数据的挖掘方法、出行服务实现方法和装置 Download PDF

Info

Publication number
CN105976062B
CN105976062B CN201610317147.2A CN201610317147A CN105976062B CN 105976062 B CN105976062 B CN 105976062B CN 201610317147 A CN201610317147 A CN 201610317147A CN 105976062 B CN105976062 B CN 105976062B
Authority
CN
China
Prior art keywords
crossing
signal lamp
phase
duration
data
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.)
Active
Application number
CN201610317147.2A
Other languages
English (en)
Other versions
CN105976062A (zh
Inventor
孙立光
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201610317147.2A priority Critical patent/CN105976062B/zh
Publication of CN105976062A publication Critical patent/CN105976062A/zh
Priority to EP17795546.5A priority patent/EP3457336B1/en
Priority to JP2018527864A priority patent/JP6647402B2/ja
Priority to PCT/CN2017/083734 priority patent/WO2017193928A1/zh
Priority to KR1020187014700A priority patent/KR102110199B1/ko
Priority to US15/976,117 priority patent/US10861330B2/en
Application granted granted Critical
Publication of CN105976062B publication Critical patent/CN105976062B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • G08G1/083—Controlling the allocation of time between phases of a cycle
    • 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
    • G08G1/096811—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/095—Traffic lights

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明提供了一种信号灯时长数据的挖掘方法，包括：通过定位终端的行驶轨迹数据获得路口相位和路口相位的轨迹序列集合；针对每一路口相位，在轨迹序列集合中获得拥堵状态下的动静状态交替序列；由动静状态交替序列建模来获得路口相位下分时段的信号灯时长样本值；根据路口相位下分时段的信号灯时长样本值和信号灯时长样本值的分布生成相应路口的信号灯时长数据。此外，还提供了一种与该方法匹配的信号灯时长数据的挖掘装置、出行服务实现方法和装置。上述信号灯时长数据的挖掘方法和装置能够获得完整准确的信号灯时长数据，上述出行服务实现方法和装置实现能够在获得完整准确的信号灯时长数据的基础上为出行服务提高时长计算的完整性和准确性。

Description

信号灯时长数据的挖掘方法、出行服务实现方法和装置
技术领域
本发明涉及互联网应用技术领域，特别涉及一种信号灯时长数据的挖掘方法、出行服务实现方法和装置。
背景技术
道路网络中的信号灯时长作为重要的交通管理信息，其在出行服务的准确可靠实现中至关重要。由道路网络中路口的信号灯时长数据，方可预估完整路线或者拥堵路段的通行时间，进而根据预估的通行时间实现出行服务。
对于信号灯时长数据，一方面是通过建立与交通管理部门的密切合作，直接获得的，然而，此方式受限于合作的密切程度以及交通管理部门自身对数据掌握的完整性和时效性局限，经常无法及时获取完整准确的数据资源。
另一方面，信号灯时长数据是从手机或车辆的定位行驶轨迹中挖掘得到的，即，从行驶轨迹中轨迹点在路口处停留的时间进行估计得到。
然而，此方式所进行的时间估计存在着诸多外在的限制，进而导致最终计算结果存在着非常大的偏差。
发明内容
基于此，有必要提供一种信号灯时长数据的挖掘方法，所述方法能够获得完整准确的信号灯时长数据。
此外，还有必要提供一种信号灯时长数据的挖掘装置，所述装置能够获得完整准确的信号灯时长数据。
另外，还有必要提供一种出行服务实现方法和装置，所述方法和装置能够在获得完整准确的信号灯时长数据的基础上为出行服务提高时长计算的完整性和准确性。
一种信号灯时长数据的挖掘方法，包括：
通过定位终端的行驶轨迹数据获得路口相位和所述路口相位的轨迹序列集合；
针对每一路口相位，在所述轨迹序列集合中获得拥堵状态下的动静状态交替序列；
由所述动静状态交替序列建模来获得所述路口相位下分时段的信号灯时长样本值；
根据路口相位下分时段的信号灯时长样本值和所述信号灯时长样本值的分布生成相应路口的信号灯时长数据。
一种出行服务实现方法，包括：
获取出发地信息和目的地信息；
获取与所述出发地信息和目的地信息相符合的规划路径和时长信息，所述时长信息是根据规划路径中路口的信号灯时长数据计算得到，所述信号灯时长数据是如上所述的方法生成的；
根据所述时长信息播报所述规划路径的行驶时长。
一种信号灯时长数据的挖掘装置，包括：
数据处理模块，用于通过定位终端的行驶轨迹数据获得路口相位和所述路口相位的轨迹序列集合；
识别模块，用于针对每一路口相位，在所述轨迹序列集合中获得拥堵状态下的动静状态交替序列；
样本获得模块，用于由所述动静状态交替序列建模来获得所述路口相位下分时段的信号灯时长样本值；
时长数据生成模块，用于根据所述路口相位下分时段的信号灯时长样本值和所述信号灯时长样本值的分布生成相应路口的信号灯时长数据。
一种信号灯时长数据的挖掘装置，包括：
数据处理模块，用于通过定位终端的行驶轨迹数据获得路口相位和所述路口相位的轨迹序列集合；
识别模块，用于针对每一路口相位，在所述轨迹序列集合中获得拥堵状态下的动静状态交替序列；
样本获得模块，用于由所述动静状态交替序列建模来获得所述路口相位下分时段的信号灯时长样本值；
时长数据生成模块，用于根据所述路口相位下分时段的信号灯时长样本值和所述信号灯时长样本值的分布生成相应路口的信号灯时长数据。
为解决上述技术问题，将采用如下技术方案：
在多个定位终端所分别对应的行驶轨迹数据中，进行路网中路口的相位统计，由此得到行驶轨迹中涉及的路口相位和路口相位对应的轨迹序列集合，针对每一路口相位，将在轨迹序列集合中获得拥堵状态下的动静状态交替序列，并由动静状态交替序列建模来获得路口相位下分时段的信号灯时长样本值，根据路口相位下分时段的信号灯时长样本值，以及路口相位下信号灯时长样本值的分布生成相应路口的信号灯时长数据，由于信号灯时长数据的获得是基于拥堵状态下的动静状态交替序列的，即充分考虑了某些时段下严重拥堵的状况，并且所得到的信号灯时长样本值是基于海量行驶轨迹数据所计算出的大量样本，因此将最终获得完整准确的信号灯时长数据。
附图说明
图1是一个实施例中信号灯时长数据的挖掘方法的流程图；
图2是一个实施例中一路口的信号灯时长数据的示意图；
图3是图1中通过定位终端的行驶轨迹数据获得路口相位和路口相位的轨迹序列集合的方法流程图；
图4是图3中在行驶轨迹数据中统计相同时段内路口存在的行驶方向，由行驶方向得到路口划分的路口相位和路口相位对应的轨迹序列集合的方法流程图；
图5是一个实施例中路网中连续一路口的所有路段的示意图；
图6是图1中针对每一路口相位，在轨迹序列集合中获得拥堵状态下的动静状态交替序列的方法流程图；
图7是一个实施例中车流与相位状态之间关系的示意图；
图8是在一个实施例中根据动静状态交替序列的状态持续时长和位置属性进行建模得到路口相位下分时段的信号灯时长样本值的方法流程图；
图9是图1中根据路口相位下分时段的信号灯时长样本值和信号灯时长样本值的分布生成相应路口的信号灯时长数据的方法流程图；
图10是图9中根据样本分布形成由相应路口相位下分时段的信号灯时长样本值生成路口的信号灯时长数据的方法流程图；
图11是一个实施例中出行服务实现方法的流程图；
图12是另一个实施例中出行服务实现方法的流程图；
图13是一个实施例中信号灯时长数据的挖掘装置的结构示意图；
图14是图13中数据处理模块的结构示意图；
图15是图14中路口相位统计单元的结构示意图；
图16是图13中识别模块的结构示意图；
图17是图16中样本获得模块的结构示意图；
图18是图13中时长数据生成模块的结构示意图；
图19是图18中数据生成执行单元的结构示意图；
图20是本发明实施例提供的一种服务器的结构示意图；
图21是一个实施例中出行服务实现模块的结构示意图；
图22是另一个实施例中出行服务实现模块的结构示意图。
具体实施方式
体现本发明特征与优点的典型实施方式将在以下的说明中详细叙述。应理解的是本发明能够在不同的实施方式上具有各种的变化，其皆不脱离本发明的范围，且其中的说明及图示在本质上是当作说明之用，而非用以限制本发明。
在一个实施例中，该信号灯时长数据的挖掘方法如图1所示，包括：
步骤110，通过定位终端的行驶轨迹数据获得路口相位和路口相位的轨迹序列集合。
定位终端是指便携移动终端、车辆以及其它具有室外定位能力的设备。车辆所进行的行驶中，或者便携移动终端以及其它具有室外定位能力的设备随着车辆所进行的行驶中，连续进行定位，每一次定位都将获得所在位置的定位结果信息，并上报，以便于作为其行驶轨迹中的轨迹点，记录到自身行驶轨迹数据中，进而所得到的行驶轨迹数据能够准确进行行驶轨迹的记录。
也就是说，道路网络，即路网中，有大量正在行驶的车辆，并且都将以车辆本身或者携带的设备作为定位终端。由此可知，所得到的行驶轨迹数据将是分别由路网中的定位终端上报的，定位终端的行驶轨迹数据将作为信号灯时长数据挖掘的输入数据。
由于定位终端的行驶轨迹数据对应了其在路网中的行驶轨迹，因此，可由行驶轨迹数据得到定位终端在行驶中途经的路口，进而再根据行驶轨迹数据为各路口进行相位统计，得到行驶轨迹中的路口相位。
首先需要说明的是，所进行的相位统计是指根据行驶轨迹数据统计行驶轨迹中的路口相位，进而得到行驶轨迹中的路口以及各路口划分的路口相位。
其中，路口相位对应于路口中一个或几个行驶方向，并且每一路口相位各有独立的时长。因此，路口相位能够由对应于路网中行驶轨迹的行驶轨迹数据统计得到。
例如，对于一路网中的十字路口，如果采用最为简单的两个路口相位控制方案，则路口相位一对应于南、北两个方向的车流进行左转、直行和掉头的行驶方向，路口相位二对应于东、西两个方向的车流进行左转、直行和掉头的行驶方向。
在行驶轨迹数据中针对各路口进行路口相位统计的过程中，随着路口相位的统计得到，也将相应获得此路口相位的轨迹序列集合。
路口相位的轨迹序列集合是指行驶轨迹数据中相应行驶轨迹进入此路口相位所在的路口，并且在路口中的行驶方向为此路口相位所允许的行驶方向。
路口相位的轨迹序列集合包含若干个轨迹序列，该轨迹序列是由此路口相位所对应的行驶轨迹数据得到的，并且唯一对应于一行驶轨迹数据。路口相位所对应的行驶轨迹数据是指多定位终端的行驶轨迹数据中相应行驶轨迹进入路口相位所在的路口，并且行驶方向是与此路口相位所允许的行驶方向相符的行驶轨迹数据。
路口相位是由其所对应的行驶轨迹数据统计得到的，并且也将由对应的行驶轨迹数据得到路口的轨迹序列集合。
步骤130，针对每一路口相位，在轨迹序列集合中获得拥堵状态下的动静状态交替序列。
步骤150，由动静状态交替序列建模来获得路口相位下分时段的信号灯时长样本值。
在进行相位统计得到路网中的各路口相位时，针对每一路口相位，在其轨迹序列集合中包含了对应于行驶轨迹数据的轨迹序列，因此轨迹序列集合中包含的轨迹序列也对应于路网中所存在的一行驶轨迹。
由此将能够在轨迹序列集合中识别所存在的拥堵状态，在拥堵状态下的轨迹序列中获得动静状态交替序列。
首先需要说明的是，拥堵状态下轨迹序列大都存在着动状态和静状态交替出现的状况，即对应于实际行驶中拥堵状态下车辆随着车流缓行甚至于停车的状况。
由此可知，动状态是指车辆随着车流缓慢向前行驶的状态，过程中可能存在短暂的停车状态，但整体上是不断向前发生位移的。静状态是车辆完全停止在车流队列中的状态。
在由轨迹序列集合识别得到存在拥堵状态的多个轨迹序列之后，对存在拥堵状态的多个轨迹序列获得动静状态交替序列，进而为每一路口相位都使用其所对应的动静状态交替序列建模，由此计算得到此路口相位下分时段的信号灯时长样本值。
其中，为一路口相位所获得的信号灯时长数据将会作为对此路口相位所计算出的大量样本，来为后续的运算提供数据支撑，并且此路口相位下每一时段都将对应于大量样本中的若干信号时长样本值。
步骤170，根据路口相位下分时段的信号灯时长样本值和信号灯时长样本值的分布生成相应路口的信号灯时长数据。
在计算得到路口相位下分时段的大量信号灯时长样本值之后，将为每一路口相位获得信号灯时长样本值的分布，由此获知信号灯时长样本值分布的离散性，进而得到与信号灯时长样本值分布相适应的信号灯时长数据。
其中，路口的信号灯时长数据由路口相位的信号灯时长数据构成。路口的信号灯时长数据实质为所有路口相位的配时方案，例如，可以是全天统一的配时方案，也可以是分时段的配时方案，如图2所示。
在图2所示出的一个路口的信号灯时长数据中，全天划分为多个时段，即时段一、时段二、……，每一时段都包含了各路口相位的信号灯时长数据，换而言之，每一时段都配置了路口中各路口相位所采用的时长。
通过如上所述的信号灯时长数据的挖掘过程，使得分时段的信号灯时长样本值是基于拥堵状态下的动静状态交替序列所建模得到的，由此将使得后续所实现的信号灯时长数据生成是基于各时段中拥堵状态的动静状态交替序列得到的，因而将呈现更稳定的时空规律性。
具体的，如上所述的过程实质是从车辆拥堵轨迹中挖掘信号灯时长数据的过程，设想车辆在路口前遭遇严重拥堵的情形。在这种情形下，车辆会在拥堵的车流中经历两个或者多个完整信号周期时长，且因为其行为会受到拥堵车流的限制，因而具备更为稳定的时空规律性，由此而得到的信号灯时长数据即为完整准确的数据资源，具备更高的可靠性。
通过所获得的信号灯时长数据，便能够准确预估完整路线或者拥堵路段的通行时间，进而准确可靠的实现出行服务。
进一步的，步骤110之前，如上所述的方法还包括：
通过定位终端进行的定位得到轨迹点并记录，得到定位终端的行驶轨迹数据。
行驶于路网中的车辆具备定位功能，一方面，其自身能够进行室外定位，并将定位结果信息进行上报，以使得远端进行信号灯时长数据挖掘的服务器能够对此进行记录，获得相应的行驶轨迹数据，在此过程中车辆自身作为定位终端。
另一方面，行驶于路口中的车辆也可借助于其上的便携移动终端以及其它具备室外定位能力的设备，以此作为定位终端来进行定位。
在接收得到定位终端进行定位的定位结果信息之后，根据定位结果得到定位终端在行驶过程中的轨迹点，进而记录到此定位终端的行驶轨迹数据中，使得行驶轨迹数据能够对应于定位终端的行驶轨迹。
也就是说，定位终端的行驶轨迹数据实质为一个记录序列，记录序列中每条记录都表示一次的定位结果信息。具体的，每一条记录所包含的数据内容可以是：经度坐标、纬度坐标、时间戳、定位设备朝向方位角和瞬时点速度。
例如，预先设置定位的时间间隔，该时间间隔可以是每秒定位一次，以获得一个新的定位结果信息，从而最终得到此定位终端的行驶轨迹数据。
通过此过程，获得海量的行驶轨迹数据，其覆盖了整个路网，得到了路网中海量的行驶轨迹，为信号灯时长数据的挖掘提供了海量的输入数据，进而能够保障由此所进行的信号灯时长数据挖掘的完整性和准确性。
在一个实施例中，步骤110如图3所示，包括：
步骤111，根据定位终端的行驶轨迹数据获得路口。
如前所述的，定位终端均有其行驶轨迹数据，由于行驶轨迹数据是对应于行驶轨迹的，因此能够由行驶轨迹数据获得定位终端在行驶过程中所进入的路口。
步骤113，在行驶轨迹数据中统计相同时段内路口存在的行驶方向，由行驶方向得到路口划分的路口相位和路口相位的轨迹序列集合。
在根据行驶轨迹数据获得相应路口的过程中，用以获得路口的行驶轨迹数据即为此路口所对应的。换而言之后，用以获得路口的行驶轨迹数据必然是相应行驶轨迹进入了此路口的。
对于行驶轨迹进入了此路口的行驶轨迹数据，由于路口中包含了两个以上的路口相位，而在此行驶轨迹数据中，能够统计得到所存在的行驶方向，该行驶方向便对应于路口所包含的路口相位。
此外，对于统计所得到的路口所包含的路口相位，将根据其对应的行驶方向得到相应的轨迹序列集合，该轨迹序列集合是由路口相位对应的行驶轨迹数据生成的。
需要说明的是，路口相位的获得中，行驶方向的统计将是在相同时段进行的，即统计相同时段内路口所存在的行驶方向，以此来保证路口相位获得的准确性和有效性。
通过如上所述的过程，以海量的行驶轨迹数据为基础，实现了路网中路口以及路口中路口相位的精准获得，进而为后续所进行的信号灯时长数据的获得提供精准的数据基础。
在一个实施例中，步骤110还包括：
将行驶轨迹数据中的轨迹点匹配至给定的路网上，得到轨迹序列，轨迹序列记录路段标识以及轨迹点的匹配位置与路段起点为之间的长度值。
此过程为输入的行驶轨迹数据的预处理过程，以便于简化后续的运算过程，提高处理效率。
对于一行驶轨迹数据，将存在着车辆在一定时间段内的行驶轨迹，其必然是与路网中的道路相符的。因此，可通过道路匹配算法来将行驶轨迹数据匹配到给定的路网上。
路网由路段构成，同时包含了路段之间的连通关系。由此，在具体的实施例中，针对行驶轨迹中的每一个轨迹点，即行驶轨迹数据中的每一条记录，判断其落在路网中哪条路段的什么位置上，以获得相应的匹配结果。
行驶轨迹数据中所有记录的匹配结果便构成轨迹序列。其中，匹配结果用路段标识(LinkID)和匹配位置(Pos)来表示。匹配位置的取值为：轨迹点到路段的最佳匹配位置和路段起点之间的长度值。
因此，由匹配结果构成的轨迹序列将行驶轨迹数据的转换，轨迹序列构建了行驶轨迹数据和路网之间的联系，进而能够保证后续处理的简化性和准确性。
在一个实施例中，步骤113如图4所示，包括：
步骤1131，根据行驶轨迹数据中记录的时间戳和匹配得到的轨迹序列统计得到相同时段内所有路口分别存在的行驶方向，由行驶方向得到所有路口分别划分的路口相位。
如前所述的，行驶轨迹数据中每一条记录都包含了时间戳这一数据内容，因此，可根据行驶轨迹数据中的时间戳和轨迹序列进行相同时段内路口中行驶方向的统计。
路网中，轨迹序列在不同路段的前后组合代表了不同的行驶方向，即车流方向。例如，图5标示出了路网中连通一路口的所有路段，根据两个路段的前后组合便能够得到行驶方向。
即，A→D所对应的行驶方向是直行，C→H对应的行驶方向是左转，A→H对应的行驶方向是掉头。
针对某一具体的路口，表征其各个行驶方向的轨迹序列是固定的。对轨迹序列在相同时间段内出现的情况进行统计就能够判断出路口所划分出的路口相位，该路口相位对应于允许的行驶方向。
步骤1133，根据轨迹序列相对路口存在的行驶方向形成路口相位的轨迹序列集合。
根据轨迹序列所对应的行驶方向，得到表征相应路口相位的多个轨迹序列，所得到的多个轨迹序列便构成路口相位的轨迹序列集合。
在一个实施例中，步骤130如图6所示，包括：
步骤131，针对每一路口相位，在轨迹序列集合根据行驶轨迹数据中记录的时间戳对相应轨迹序列进行拥堵状态识别，得到轨迹序列集合中的拥堵序列。
如前所述的，基于给定的路网，统计得到了每一路口所划分的路口相位。在路口相位的轨迹序列集合中，每一轨迹序列所包含的一匹配结果都在相应行驶轨迹数据中有对应的一条记录，该记录包含的数据内容至少包含时间戳。
换而言之，轨迹序列集合所包含的轨迹序列中，每一匹配结果都能够由相应行驶轨迹数据得到其所对应的时间戳。因此，在路口相位的轨迹序列集合中，针对每一轨迹序列，都根据其匹配结果对应的时间戳来进行拥堵状态的识别，进而识别出拥堵状态下的轨迹序列，拥堵状态下的轨迹序列即为拥堵序列。
通过此方式，便能够识别出轨迹序列集合中的所有拥堵序列。
在一个实施例中，根据时间戳所进行的拥堵状态识别所采用的判断标准可以是：在路口的实际通行时间大于默认通行时间的若干倍以上，例如，3倍以上。
通过如上所述的过程，就完成了轨迹序列集合中的筛选，挑出行驶过任意一个路口且经历严重拥堵的轨迹序列。
步骤133，根据相应行驶轨迹数据中记录的时间戳和瞬时点速度识别拥堵序列中动状态和静状态的交替存在，得到动静状态交替序列。
瞬时点速度作为行驶轨迹数据中数据内容的一部分，与时间戳相类似的，其也对应于轨迹序列中的匹配结果。
在获得路口相位对应的拥堵序列之后，根据时间戳和瞬时点速度识别出交替存在动状态和静状态的拥堵序列，此拥堵序列即为动静状态交替序列。
具体的，如前所述的，一拥堵序列对应了多个时间戳和瞬时点速度，针对每一拥堵序列，都根据所对应的时间戳和瞬时点速度将拥堵序列划分为若干个片段，并将判定每个片段是处于动状态还是处于静状态，在动状态和静状态交替出现时，判断拥堵序列为动静状态交替序列。
车辆在信号灯控制的路口等待通行的过程中，其所对应的动状态或者静状态是与当前相位是否允许通行的状态相对应的。但是相位状态与车辆动静状态的时间边界并不是严格对齐的，如图7所示，其是带有一定的延时，并且延时的长度与车辆距离路口的距离相关，距离路口越近，则延时的长度越短，距离路口越远，则延时的长度将会越长。
在图7所示出的车流与相位状态之间的关系中，路段250上车流所对应的动状态或者静状态相对于相位状态中通行状态210和禁止状态230之间均存在着延时。
在根据时间戳和瞬时点速度所进行的动状态和静状态识别中，动状态的特征是：连续的瞬时点速度持续为0的持续时长小于指定限值，例如，根据经验，该限值可以设置为10秒；静状态的特征是：连续一段时间内所有轨迹点的瞬时点速度都为0。
在一个实施例中，上述步骤170包括：
根据动静状态交替序列的状态持续时长和位置属性进行建模得到路口相位下分时段的信号灯时长样本值。
在识别得到动静状态交替序列之后，即可由动静状态交替序列中交替存在的动状态的片段和静状态的片段，进而获得动状态下的状态持续时长和位置属性。
通过此过程，便能够为路口相位获得大量的状态持续时长和位置属性，并以此为样本构建模型，并在构建的模型中进行未知数的求解即可得到路口相位的信号灯时长样本值。
根据前述描述，可以清楚地获知，状态持续时长和位置属性是对应于一时间戳的，因此，可按照预先划分的时段进行建模来得到路口相位下分时段的信号灯时长样本值。
需要说明的是，所进行的时段划分是针对全天进行的，但是仅仅是一个粗略划分，例如，其可根据经验来对全天进行时段的划分。
通过如上所述的过程，所获得的路口相位下的信号灯时长样本值由于是基于拥堵状态下动静态交替序列而得到的，并且是此路口相位下分时段的信号灯时长样本值，因此，既能够在最为稳定的时空规律性之下运算而得到，又能够考虑了全天中可能随机出现的各种交通通行状况，因此，所得到的信号灯时长样本值能够精准匹配实际的交通通行状况，具有非常高的完整性和准确性。
进一步的，在本实施例中，根据动静状态交替序列的状态持续时长和位置属性进行建模得到路口相位下分时段的信号灯时长样本值的步骤如图8所示，包括：
步骤1701，根据预先划分的时段从得到的动静状态交替序列获取时段中动状态下的状态持续时长和位置属性。
其中，所指的位置属性包括为启动时到路口的距离和停车时到路口的距离。
步骤1703，按照相位状态与动静状态在时间上的延时关系，以时段的状态持续时长和位置属性为样本构建模型。
在一个实施例中，相位状态与动静状态在时间上的延时关系可以是：Tm＝T–L1*a+L2*b，其中，Tm为状态持续时长，T为待求的信号灯时长样本值，L1为启动时到路口的距离，L2为停车时到路口的距离，a为起步时的延迟系数，b为停车时的延迟系数。
步骤1705，在模型中进行未知数运算得到路口相位下分时段的信号灯时长样本值。
在所构建的模型中，由于仅包含3个未知数，仅需要获得3组以及3组以上的样本即可运算得到最合理的T、a和b的数值。
在一个实施例中，可以采用最小二乘法拟合来实现未知数的运算。
需要说明的是，如上所述的信号灯时长样本值的获得也是分时段进行的，即，将全天划分为较小间隔的若干个时段，由此得到各时段的信号灯时长样本值。例如，将全天划分为长度为30分钟的48个时段，对应于每个时段，都可计算得到多个信号灯时长样本值。
在一个实施例中，步骤170如图9所示，包括：
步骤171，针对每一路口的各路口相位，统计分时段的信号灯时长样本值得到路口中各路口相位的样本分布形态。
通过前述过程，将得到路口中每一路口相位的大量信号灯时长样本值，由于信号灯时长样本值所对应的时段划分是粗略进行的，因此，需要借助路口相位下信号灯时长样本值所形成的样本分布形态来评估此时段划分是否合适。
步骤173，根据样本分布形成由相应路口相位下分时段的信号灯时长样本值生成路口的信号灯时长数据。
针对一路口相位，都将根据其样本分布，对划分的时段进行处理，以得到与样本分布相适应的时段划分。
进而按照最终划分的时段对相应信号灯时长样本求均值，得到路口相位下信号灯时长数据，路口相位下信号灯时长数据便构成了路口的信号灯时长数据。
通过如上所述的过程，为信号灯时长数据中的时段进行了合理划分，进而获得与实际状况相符的信号灯配时方案。
进一步的，在本实施例中，步骤173如图10所示，包括：
步骤1731，根据样本分布形态判断路口的各路口相位下分时段的信号灯时长样本分布是否集中，若为是，则执行步骤1733，若为否，则执行步骤1737。
如果信号灯时长样本分布集中，则说明不需要再划分时段，如果信号灯时长样本分布不集中，则可根据各时段之间信号灯时长样本值的接近程度来进行相位时段的合并，以最终得到一天内的大时段划分方案。
由此根据最终的时段划分生成路口的信号灯时长数据。
步骤1733，运算各路口相位下信号灯时长样本值的均值，将均值作为路口相位的信号灯时长数据。
在判断得到路口相位下分时段的信号灯时长样本分布集中，例如，呈现出较集中的单峰正态分布，则说明不需要再划分时段，只需要使用全天统一的配时方案即可。
此时，将对各路口相位进行信号灯时长样本值的均值运算，以得到路口的信号灯时长数据。
步骤1735，将路口中各路口相位的信号灯时长数据形成路口的信号灯时长数据。
步骤1537，根据样本分布进行相邻时段的合并得到路口相位下时段合并后对应的信号灯时长数据。
在判断得到路口相位下分时段的信号灯时长样本分布并不集中，例如，样本分布呈现出明显的双峰或者多峰分布形态，则进行时段的合并。
最终再针对合并所得到的时段计算出每一时段的信号灯时长数据的均值，以得到路口相位下时段合并后的信号灯时长数据。
另外，还相应地提供了一种出行服务实现方法，如图11所示，所述方法包括：
步骤210，获取出发地信息和目的地信息。
步骤230，获取与出发地信息和目的地信息相符合的规划路径和时长信息。
时长信息是根据规划路径中路口的信号灯时长数据计算得到，信号灯时长数据是如上所述的方法生成的。
步骤250，根据时长信息播报规划路径的行驶时长。
通过如上所述的出行服务实现方法，使得产品侧所实现的出行服务能够为用户提供更为精准的行驶时长，进而实现准确可靠的出行服务。
进一步的，在本实施例中，如上所述的方法如图12所示，还包括：
步骤270，按照规划路径进行的导航中，获得行驶中前方路口的通行时长，通行时长是根据前方路口的信号灯时长数据计算得到。
步骤290，播报行驶中通过前方路口的通行时长。
通过此过程，将能够在出行服务中精准提供用户当前行驶通过前方路口的时间，进一步保障了出行服务的精准实现。
此外，还相应地提供了一种信号灯时长数据的挖掘装置，所述装置如图13所示，包括数据处理模块310、识别模块330、样本获得模块350和时长数据生成模块370，其中：
数据处理模块310，用于通过定位终端的行驶轨迹数据获得路口相位和路口相位的轨迹序列集合。
识别模块330，用于针对每一路口相位，在轨迹序列集合中获得拥堵状态下的动静状态交替序列
样本获得模块350，用于由动静状态交替序列建模来获得路口相位下分时段的信号灯时长样本值。
时长数据生成模块370，用于根据路口相位下分时段的信号灯时长样本值和信号灯时长样本值的分布生成相应路口的信号灯时长数据。
在一个实施例中，如上所述的装置还包括记录模块，该记录模块用于通过定位终端进行的定位得到轨迹点并记录，得到定位终端的行驶轨迹数据。
在一个实施例中，数据处理模块310如图14所示，包括路口获得单元311和路口相位统计单元313，其中：
路口获得单元311，用于根据定位终端的行驶轨迹数据获得路口。
路口相位统计单元313，用于在行驶轨迹数据中统计相同时段内路口存在的行驶方向，由行驶方向得到路口划分的路口相位和路口相位的轨迹序列集合。
在另一实施例中，数据处理模块310还包括路网匹配单元，该路网匹配单元用于将行驶轨迹数据中的轨迹点匹配至给定的路网上，得到轨迹序列，轨迹序列记录路段标识以及轨迹点的匹配位置与路段起点之间的长度值。
进一步的，在本实施例中，路口相位统计单元313如图15所示，包括行驶方向统计子单元3131和集合获得子单元3133，其中：
行驶方向统计子单元3131，用于根据行驶轨迹数据中记录的时间戳和匹配得到的轨迹序列统计得到相同时段内所有路口分别存在的行驶方向，由行驶方向得到路口分别划分的路口相位。
集合获得子单元3133，用于根据轨迹序列相对路口存在的行驶方向形成路口相位的轨迹序列集合。
在一个实施例中，识别模块330如图16所示，包括拥堵识别单元331和动静状态识别单元333，其中：
拥堵识别单元331，用于针对每一路口相位，在轨迹序列集合根据行驶轨迹数据中记录的时间戳对相应轨迹序列进行拥堵状态识别，得到轨迹序列集合中的拥堵序列。
动静状态识别单元333，用于根据相应行驶轨迹数据中记录的时间戳和瞬时点速度识别拥堵序列中动状态和静状态的交替存在，得到动静状态交替序列。
在一个实施例中，样本获得模块350进一步用于根据动静状态交替序列的状态持续时长和位置属性进行建模得到路口相位下分时段的信号灯时长样本值。
进一步的，在本实施例中，样本获得模块350如图17所示，包括参数获取单元351、建模执行单元353和参数估计单元355，其中：
参数获取单元351，用于根据预先划分的时段从得到的动静状态交替序列中获取时段中动状态下的状态持续时长和位置属性。
建模执行子单元353，用于按照相位状态与动静状态在时间上的延时关系，以时段的状态持续时长和位置属性为样本构建模型。
参数估计子单元355，用于在模型中进行未知数运算得到路口相位下分时段的信号灯时长样本值。
在一个实施例中，时长数据生成模块370如图18所示，包括分布形态统计单元371和数据生成执行单元373，其中：
分布形态统计单元371，用于针对每一路口的各路口相位，统计分时段的信号灯时长样本值得到路口中各路口相位的样本分布形态。
数据生成执行单元373，用于根据样本分面形态由相应路口相位下分时段的信号灯时长样本值生成路口的信号灯时长数据。
进一步的，在本实施例中，数据生成执行单元373如图19所示，包括分布判断子单元3731、均值运算子单元3733、路口数据获得子单元3735和合并处理子单元3737，其中：
分布判断子单元3731，用于根据样本分布形态判断路口的各路口相位下分时段的信号灯时长样本数据分布是否集中，若为是，则通知均值运算子单元3733，若为否，则通知合并处理子单元3737。
均值运算子单元3733，用于运算各路口相位下信号灯时长样本的均值，将均值作为路口相位的信号灯时长数据。
路口数据获得子单元3735，用于将路口中各路口相位的信号灯时长数据形成路口的信号灯时长数据。
合并处理子单元3737，用于根据样本分布进行相邻时段的合并得到路口相位下时段合并后对应的信号灯时长数据。
图20示出了本发明实施例提供的一种服务器的结构，该种服务器500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(centralprocessing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序531或数据533的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器510可以设置为与存储介质530通信，在服务器500上执行存储介质530中的一系列指令操作。服务器500还可以包括一个或一个以上电源550，一个或一个以上有线或无线网络接口570，一个或一个以上输入输出接口580，和/或，一个或一个以上操作系统535，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
此外，通过硬件电路或者硬件电路结合软件指令也能同样实现本发明，因此，实现本发明并不限于任何特定硬件电路、软件以及两者的结合。
在另一个实施例中，如图21所示，一种出行服务实现装置包括：起始信息获取模块610、路径时长获取模块630和行驶时长播报模块650，其中：
起始信息获取模块610，用于获取出发地信息和目的地信息；
路径时长获取模块630，用于获取与出发地信息和目的地信息相符合的规划路径和时长信息，时长信息是根据规划路径中路口的信号灯时长数据计算得到，信号灯时长数据是如上所述的信号灯时长数据的挖掘装置生成的；
行驶时长播报模块650，用于根据所述时长信息播报所述规划路径的行驶时长。
进一步的，在本实施例中，如图22所示，如上的装置还包括通行时长获取装置670和通行时长播报模块690，其中：
通行时长获取模块670，用于按照规划路径进行的导航中，获得行驶中通过前方路口的通行时长，通行时长是根据前方路口的信号灯时长数据计算得到。
通行时长播报模块690，用于播报行驶中通过前方路口的通行时长。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
虽然已参照几个典型实施方式描述了本发明，但应当理解，所用的术语是说明和示例性、而非限制性的术语。由于本发明能够以多种形式具体实施而不脱离发明的精神或实质，所以应当理解，上述实施方式不限于任何前述的细节，而应在随附权利要求所限定的精神和范围内广泛地解释，因此落入权利要求或其等效范围内的全部变化和改型都应为随附权利要求所涵盖。

Claims (26)

1.一种信号灯时长数据的挖掘方法，其特征在于，包括：
通过定位终端的行驶轨迹数据获得路口相位和所述路口相位的轨迹序列集合；
针对每一路口相位，在所述轨迹序列集合中获得拥堵状态下的动静状态交替序列；
由所述动静状态交替序列建模来获得所述路口相位下分时段的信号灯时长样本值；
根据路口相位下分时段的信号灯时长样本值和所述信号灯时长样本值的分布生成相应路口的信号灯时长数据。
2.根据权利要求1所述的方法，其特征在于，所述通过定位终端的行驶轨迹数据获得路口相位和所述路口相位的轨迹序列集合的步骤之前，所述方法还包括：
通过所述定位终端进行的定位得到轨迹点并记录，得到所述定位终端的行驶轨迹数据。
3.根据权利要求1所述的方法，其特征在于，所述通过定位终端的行驶轨迹数据获得路口相位和所述路口相位的轨迹序列集合的步骤包括：
根据定位终端的行驶轨迹数据获得路口；
在所述行驶轨迹数据中统计相同时段内所述路口存在的行驶方向，由所述行驶方向得到所述路口划分的路口相位和所述路口相位的轨迹序列集合。
4.根据权利要求3所述的方法，其特征在于，所述通过定位终端的行驶轨迹数据获得路口相位和所述路口相位的轨迹序列集合的步骤还包括：
将所述行驶轨迹数据中的轨迹点匹配至给定的路网上，得到轨迹序列，所述轨迹序列记录路段标识以及所述轨迹点的匹配位置与路段起点之间的长度值。
5.根据权利要求4所述的方法，其特征在于，所述在所述行驶轨迹数据中统计相同时段内所有路口存在的行驶方向，由行驶方向得到所述路口划分的路口相位和所述路口相位的轨迹序列集合的步骤包括：
根据所述行驶轨迹数据中记录的时间戳和匹配得到的所述轨迹序列统计得到相同时段内所有路口分别存在的行驶方向，由所述行驶方向得到所有路口分别划分的路口相位；
根据轨迹序列相对所述路口存在的行驶方向形成所述路口相位的轨迹序列集合。
6.根据权利要求1所述的方法，其特征在于，所述针对每一路口相位，在所述轨迹序列集合中获得拥堵状态下的动静状态交替序列的步骤包括：
针对每一路口相位，在轨迹序列集合根据行驶轨迹数据中记录的时间戳对相应轨迹序列进行拥堵状态识别，得到所述轨迹序列集合中的拥堵序列；
根据相应行驶轨迹数据中记录的时间戳和瞬时点速度识别所述拥堵序列中动状态和静状态的交替存在，得到动静状态交替序列。
7.根据权利要求1所述的方法，其特征在于，所述由所述动静状态交替序列建模来获得所述路口相位下分时段的信号灯时长样本值的步骤包括：
根据所述动静状态交替序列的状态持续时长和位置属性进行建模得到所述路口相位下分时段的信号灯时长样本值。
8.根据权利要求7所述的方法，其特征在于，所述根据所述动静状态交替序列的状态持续时长和位置属性进行建模得到所述路口相位下分时段的信号灯时长样本值的步骤包括：
根据预先划分的时段从得到的所述动静状态交替序列获取所述时段中动状态下的状态持续时长和位置属性；
按照相位状态与动静状态在时间上的延时关系，以所述时段的状态持续时长和位置属性为样本构建模型；
在所述模型中进行未知数运算得到所述路口相位下分时段的信号灯时长样本值。
9.根据权利要求1所述的方法，其特征在于，所述根据路口相位下分时段的信号灯时长样本值和所述信号灯时长样本值的分布生成相应路口的信号灯时长数据的步骤包括：
针对每一路口的各路口相位，统计分时段的信号灯时长样本值得到所述路口中各路口相位的样本分布形态；
根据所述样本分布形态由相应路口相位下分时段的信号灯时长样本值生成所述路口的信号灯时长数据。
10.根据权利根据示9所述的方法，其特征在于，所述根据所述样本分布形态由相应路口相位下分时段的信号灯时长样本值生成所述路口的信号灯时长数据的步骤包括：
根据所述样本分布形态判断所述路口的各路口相位下分时段的信号灯时长样本分布是否集中，若为是，则
运算所述各路口相位下信号灯时长样本的均值，将所述均值作为所述路口相位的信号灯时长数据；
将所述路口中各路口相位的信号灯时长数据形成所述路口的信号灯时长数据。
11.根据权利要求10所述的方法，其特征在于，所述运算所述各路口相位下信号灯时长样本的均值，将所述均值作为所述路口相位的信号灯时长数据的步骤之前，
所述根据所述样本分布形态由相应路口相位下分时段的信号灯时长样本值生成所述路口的信号灯时长数据的步骤还包括：
如果根据所述样本分布形态判断得到所述路口中各路口相位下分时段的信号灯时长样本分布不集中，则根据所述样本分布进行相邻时段的合并得到所述路口相位下时段合并后对应的信号灯时长数据。
12.一种出行服务实现方法，其特征在于，包括：
获取出发地信息和目的地信息；
获取与所述出发地信息和目的地信息相符合的规划路径和时长信息，所述时长信息是根据规划路径中路口的信号灯时长数据计算得到，所述信号灯时长数据是如权利要求1至11任意一项所述的方法生成的；
根据所述时长信息播报所述规划路径的行驶时长。
13.根据权利要求12所述的方法，其特征在于，所述方法还包括：
按照所述规划路径进行的导航中，获得行驶中通过前方路口的通行时长，所述通行时长是根据前方路口的信号灯时长数据计算得到；
播报所述行驶中通过前方路口的通行时长。
14.一种信号灯时长数据的挖掘装置，其特征在于，包括：
数据处理模块，用于通过定位终端的行驶轨迹数据获得路口相位和所述路口相位的轨迹序列集合；
识别模块，用于针对每一路口相位，在所述轨迹序列集合中获得拥堵状态下的动静状态交替序列；
样本获得模块，用于由所述动静状态交替序列建模来获得所述路口相位下分时段的信号灯时长样本值；
时长数据生成模块，用于根据所述路口相位下分时段的信号灯时长样本值和所述信号灯时长样本值的分布生成相应路口的信号灯时长数据。
15.根据权利要求14所述的装置，其特征在于，所述装置还包括：
记录模块，用于通过所述定位终端进行的定位得到轨迹点并记录，得到所述定位终端的行驶轨迹数据。
16.根据权利要求14所述的装置，其特征在于，所述数据处理模块包括：
路口获得单元，用于根据定位终端的行驶轨迹数据获得路口；
路口相位统计单元，用于在所述行驶轨迹数据中统计相同时段内所述路口存在的行驶方向，由所述行驶方向得到所述路口划分的路口相位和所述路口相位的轨迹序列集合。
17.根据权利要求16所述的装置，其特征在于，所述数据处理模块还包括：
路网匹配单元，用于将所述行驶轨迹数据中的轨迹点匹配至给定的路网上，得到轨迹序列，所述轨迹序列记录路段标识以及所述轨迹点的匹配位置与路段起点之间的长度值。
18.根据权利要求17所述的装置，其特征在于，所述路口相位统计单元包括：
行驶方向统计子单元，用于根据所述行驶轨迹数据中记录的时间戳和匹配得到的所述轨迹序列统计得到相同时段内所有路口分别存在的行驶方向，由所述行驶方向得到所述路口分别划分的路口相位；
集合获得子单元，用于根据轨迹序列相对所述路口存在的行驶方向形成所述路口相位的轨迹序列集合。
19.根据权利要求14所述的装置，其特征在于，所述识别模块包括：
拥堵识别单元，用于针对每一路口相位，在轨迹序列集合根据行驶轨迹数据中记录的时间戳对相应轨迹序列进行拥堵状态识别，得到所述轨迹序列集合中的拥堵序列；
动静状态识别单元，用于根据相应行驶轨迹数据中记录的时间戳和瞬时点速度识别所述拥堵序列中动状态和静状态的交替存在，得到动静状态交替序列。
20.根据权利要求14所述的装置，其特征在于所述样本获得模块进一步根据所述动静状态交替序列的状态持续时长和位置属性进行建模得到所述路口相位下分时段的信号灯时长样本值。
21.根据权利要求19所述的装置，其特征在于，所述样本获得模块包括：
参数获取单元，用于根据预先划分的时段从得到的所述动静状态交替序列中获取所述时段中动状态下的状态持续时长和位置属性；
建模执行单元，用于按照相位状态与动静状态在时间上的延时关系，以所述时段的状态持续时长和位置属性为样本构建模型；
参数估计单元，用于在所述模型中进行未知数运算得到所述路口相位下分时段的信号灯时长样本值。
22.根据权利要求14所述的装置，其特征在于，所述时长数据生成模块包括：
分布形态统计单元，用于针对每一路口的各路口相位，统计分时段的信号灯时长样本值得到路口中各路口相位的样本分布形态；
数据生成执行单元，用于根据所述样本分布形态由相应路口相位下分时段的信号灯时长样本值生成所述路口的信号灯时长数据。
23.根据权利要求22所述的装置，其特征在于，所述数据生成执行单元包括：
分布判断子单元，用于根据所述样本分布形态判断所述路口的各路口相位下分时段的信号灯时长样本分布是否集中，若为是，则通知均值运算子单元；
所述均值运算子单元用于运算所述各路口相位下信号灯时长样本的均值，将所述均值作为所述路口相位的信号灯时长数据；
路口数据获得子单元，用于将所述路口中各路口相位的信号灯时长数据形成路口的信号灯时长数据。
24.根据权利要求23所述的装置，其特征在于，所述数据生成执行单元还包括：
合并处理子单元，用于如果根据所述样本分布形态判断得到所述路口中各路口相位下分时段的信号灯时长样本分布不集中，则根据所述样本分布进行相邻时段的合并得到所述路口相位下时段合并后对应的信号灯时长数据。
25.一种出行服务实现装置，其特征在于，包括：
起始信息获取模块，用于获取出发地信息和目的地信息；
路径时长获取模块，用于获取与所述出发地信息和目的地信息相符合的规划路径和时长信息，所述时长信息是根据规划路径中路口的信号灯时长数据计算得到，所述信号灯时长数据是如权利要求14至24任意一项所述的装置生成的；
行驶时长播报模块，用于根据所述时长信息播报所述规划路径的行驶时长。
26.根据权利要求25所述的装置，其特征在于，所述装置还包括：
通行时长获取模块，用于按照所述规划路径进行的导航中，获得行驶中通过前方路口的通行时长，所述通行时长是根据前方路口的信号灯时长数据计算得到；
通行时长播报模块，用于播报所述行驶中通过前方路口的通行时长。
CN201610317147.2A 2016-05-13 2016-05-13 信号灯时长数据的挖掘方法、出行服务实现方法和装置 Active CN105976062B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201610317147.2A CN105976062B (zh) 2016-05-13 2016-05-13 信号灯时长数据的挖掘方法、出行服务实现方法和装置
EP17795546.5A EP3457336B1 (en) 2016-05-13 2017-05-10 Method and device for acquiring traffic light duration data
JP2018527864A JP6647402B2 (ja) 2016-05-13 2017-05-10 信号機持続時間データを取得するための方法及びデバイス
PCT/CN2017/083734 WO2017193928A1 (zh) 2016-05-13 2017-05-10 信号灯时长数据的获取方法和装置
KR1020187014700A KR102110199B1 (ko) 2016-05-13 2017-05-10 신호등 지속 시간 데이터를 획득하는 방법 및 장치
US15/976,117 US10861330B2 (en) 2016-05-13 2018-05-10 Method and apparatus for obtaining signal light duration data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610317147.2A CN105976062B (zh) 2016-05-13 2016-05-13 信号灯时长数据的挖掘方法、出行服务实现方法和装置

Publications (2)

Publication Number Publication Date
CN105976062A CN105976062A (zh) 2016-09-28
CN105976062B true CN105976062B (zh) 2018-10-30

Family

ID=56991963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610317147.2A Active CN105976062B (zh) 2016-05-13 2016-05-13 信号灯时长数据的挖掘方法、出行服务实现方法和装置

Country Status (6)

Country Link
US (1) US10861330B2 (zh)
EP (1) EP3457336B1 (zh)
JP (1) JP6647402B2 (zh)
KR (1) KR102110199B1 (zh)
CN (1) CN105976062B (zh)
WO (1) WO2017193928A1 (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976062B (zh) * 2016-05-13 2018-10-30 腾讯科技（深圳）有限公司 信号灯时长数据的挖掘方法、出行服务实现方法和装置
CN111492366B (zh) * 2017-12-21 2024-08-13 华为技术有限公司 一种信息检测方法及移动设备
US11055991B1 (en) 2018-02-09 2021-07-06 Applied Information, Inc. Systems, methods, and devices for communication between traffic controller systems and mobile transmitters and receivers
US11205345B1 (en) 2018-10-02 2021-12-21 Applied Information, Inc. Systems, methods, devices, and apparatuses for intelligent traffic signaling
JP7044038B2 (ja) * 2018-11-21 2022-03-30 トヨタ自動車株式会社 地図情報システム
CN109637127B (zh) * 2018-12-06 2021-08-24 北京掌行通信息技术有限公司 一种信号灯近似时长的确定方法及系统
JP7256982B2 (ja) 2018-12-28 2023-04-13 スズキ株式会社 車両の走行制御装置
CN111383449A (zh) * 2018-12-29 2020-07-07 北京嘀嘀无限科技发展有限公司 路口通行预估方法、计算机设备和计算机可读存储介质
JP7189509B2 (ja) * 2019-03-27 2022-12-14 スズキ株式会社 車両の走行制御装置
CN111915904A (zh) * 2019-05-07 2020-11-10 阿里巴巴集团控股有限公司 一种轨迹处理方法、装置及电子设备
KR102030087B1 (ko) 2019-05-10 2019-11-11 부산대학교 산학협력단 크라우드 소싱 기반 현시 및 천이시각 추정 시스템 및 그 방법
KR102030082B1 (ko) 2019-06-03 2019-10-10 부산대학교 산학협력단 교통신호 추정을 위한 선별적 크라우드소싱 시스템 및 그 방법
US20220316900A1 (en) * 2019-06-24 2022-10-06 Bilal Farooq Distributed traffic management system with dynamic end-to-end routing
JP7393730B2 (ja) 2019-09-26 2023-12-07 スズキ株式会社 車両の走行制御装置
CN111091156B (zh) * 2019-12-20 2023-06-23 斑马网络技术有限公司 路口的通行时间估算方法、装置及电子设备
CN113628434B (zh) * 2020-05-06 2022-11-15 深圳市万普拉斯科技有限公司 交通状态监测方法、装置、计算机设备和可读存储介质
CN111768639B (zh) * 2020-05-30 2022-09-20 同济大学 一种网联交通环境下的多交叉口信号配时系统及其方法
CN111951572B (zh) * 2020-07-07 2022-11-08 永嘉县公安局交通警察大队 一种城市道路交叉口多时段信号控制方案的时段划分优化方法
US20220172609A1 (en) * 2020-11-30 2022-06-02 George Mason University Multi-access edge computing for roadside units
JP7552449B2 (ja) * 2021-03-11 2024-09-18 トヨタ自動車株式会社 交差点管制システム、交差点管制方法、及び、プログラム
CN113096419B (zh) * 2021-03-29 2022-02-22 台州市公安局交通警察局 一种服务于车辆优先通行的信号控制方法
CN114463969B (zh) * 2021-12-22 2023-05-16 高德软件有限公司 红绿灯周期时长的挖掘方法、电子设备及计算机程序产品
CN114926980B (zh) * 2022-04-22 2023-04-14 阿里巴巴（中国）有限公司 交通数据挖掘方法、装置、电子设备及计算机程序产品

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4922132B2 (ja) * 2007-11-05 2012-04-25 株式会社豊田中央研究所 信号情報推定装置
CN101470963A (zh) * 2007-12-26 2009-07-01 奥城同立科技开发（北京）有限公司 智能红绿灯控制系统
JP5292941B2 (ja) * 2008-06-24 2013-09-18 株式会社デンソー ナビゲーション装置
US8040254B2 (en) * 2009-01-06 2011-10-18 International Business Machines Corporation Method and system for controlling and adjusting traffic light timing patterns
CN101577054B (zh) * 2009-02-27 2013-09-18 北京中星微电子有限公司 一种交通信号灯的控制方法及系统
US10198942B2 (en) * 2009-08-11 2019-02-05 Connected Signals, Inc. Traffic routing display system with multiple signal lookahead
CN102142197B (zh) * 2011-03-31 2013-11-20 汤一平 基于全方位计算机视觉的智能交通信号灯控制装置
CN102254439B (zh) * 2011-07-12 2013-03-27 北京世纪高通科技有限公司 交通信号灯分配时长的获取方法及装置
JP2013073480A (ja) * 2011-09-28 2013-04-22 Denso Corp 運転支援装置、および運転支援プログラム
GB201118432D0 (en) * 2011-10-25 2011-12-07 Tomtom Dev Germany Gmbh Detecting traffic light cycle and transition times from GPS probe data
CN104064039B (zh) * 2014-07-04 2016-05-11 武汉理工大学 一种路口交通信号灯智能配时方法
CA2955961A1 (en) * 2014-07-28 2016-02-04 Econolite Group, Inc. Self-configuring traffic signal controller
US20160148267A1 (en) * 2014-11-20 2016-05-26 Blyncsy, Inc. Systems and methods for traffic monitoring and analysis
CN105869415B (zh) * 2015-11-30 2018-08-10 乐卡汽车智能科技（北京）有限公司 车路协同交通灯及车路协同交通灯的控制方法
CN105575151B (zh) * 2016-01-19 2017-09-22 长安大学 考虑车辆类型及平面交叉口延误的gps导航路径优化方法
CN105976062B (zh) * 2016-05-13 2018-10-30 腾讯科技（深圳）有限公司 信号灯时长数据的挖掘方法、出行服务实现方法和装置

Also Published As

Publication number Publication date
KR20180074759A (ko) 2018-07-03
EP3457336A4 (en) 2020-01-01
CN105976062A (zh) 2016-09-28
KR102110199B1 (ko) 2020-05-13
EP3457336B1 (en) 2024-03-20
US10861330B2 (en) 2020-12-08
WO2017193928A1 (zh) 2017-11-16
JP6647402B2 (ja) 2020-02-14
JP2019500689A (ja) 2019-01-10
US20180261083A1 (en) 2018-09-13
EP3457336A1 (en) 2019-03-20

Similar Documents

Publication Publication Date Title
CN105976062B (zh) 信号灯时长数据的挖掘方法、出行服务实现方法和装置
US10984652B2 (en) Method and system for modeling and processing vehicular traffic data and information and applying thereof
CN100357987C (zh) 城市路网交通流区间平均速度的获取方法
US9564048B2 (en) Origin destination estimation based on vehicle trajectory data
CN109993969A (zh) 一种路况判定信息获取方法、装置及设备
EP2727098B1 (en) Method and system for collecting traffic data
CN109816976A (zh) 一种交通管理方法及系统
CN109766777A (zh) 异常轨迹的检测方法、装置、存储介质及电子设备
CN107784835A (zh) 基于交通数据分析的交通状态模式预测系统及其预测方法
CN102779410B (zh) 一种多源异类海量交通数据融合的并行实现方法
CN104217588A (zh) 一种实时交通信息获取方法、服务器及系统
CN107085944A (zh) 一种交通数据处理系统及方法
CN104217593A (zh) 一种面向手机移动速度的路况信息实时获取方法
Habtie et al. Artificial neural network based real-time urban road traffic state estimation framework
Chuang et al. Discovering phase timing information of traffic light systems by stop-go shockwaves
CN110021161A (zh) 一种交通流向的预测方法及系统
CN114374941B (zh) 基于信令数据的轨迹匹配方法及相关装置
CN109754606A (zh) 一种基于出租车定位预测道路拥堵情况的方法
Zheng et al. Estimation of travel time of different vehicle types at urban streets based on data fusion of multisource data
CN106205176A (zh) 一种车辆实时到站预测方法和系统
CN115440037A (zh) 交通流量数据采集方法、装置、电子设备及存储介质
Habtie et al. Road Traffic state estimation framework based on hybrid assisted global positioning system and uplink time difference of arrival data collection methods
Lu et al. A real-time prediction model for individual vehicle travel time on an undersaturated signalized arterial roadway
D'Andrea et al. Incident detection by spatiotemporal analysis of GPS data
CN117292548B (zh) 交通仿真方法、装置、设备及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant