CN106023629A - 一种路径推荐方法和装置 - Google Patents

一种路径推荐方法和装置 Download PDF

Info

Publication number
CN106023629A
CN106023629A CN201610392869.4A CN201610392869A CN106023629A CN 106023629 A CN106023629 A CN 106023629A CN 201610392869 A CN201610392869 A CN 201610392869A CN 106023629 A CN106023629 A CN 106023629A
Authority
CN
China
Prior art keywords
traffic
information
moment
initial time
current period
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
Application number
CN201610392869.4A
Other languages
English (en)
Other versions
CN106023629B (zh
Inventor
马玉新
戚玉涛
韩红
鲍亮
范墨林
郭浩东
张青赛
徐帆
尹明磊
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.)
Xidian Univ
Kunshan Innovation Institute of Xidian University
Original Assignee
Xidian Univ
Kunshan Innovation Institute of Xidian University
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 Xidian Univ, Kunshan Innovation Institute of Xidian University filed Critical Xidian Univ
Priority to CN201610392869.4A priority Critical patent/CN106023629B/zh
Publication of CN106023629A publication Critical patent/CN106023629A/zh
Application granted granted Critical
Publication of CN106023629B publication Critical patent/CN106023629B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/09Arrangements for giving variable traffic instructions
    • G08G1/0962Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical

Abstract

本发明实施例提供一种路径推荐方法,所述方法包括:获取用户输入的目的地信息;根据获取周期获取所述用户当前周期初始时刻的位置信息;根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交通路网阻抗;根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对应的T时刻的路径。本发明可以根据未来T时刻的交通路网阻抗来为用户推荐未来T时刻的路径,进而有效的缓解了交通拥堵。

Description

-种路径推荐方法和装置
技术领域
[0001 ]本发明设及智能交通技术领域,尤其设及一种路径推荐方法和装置。
背景技术
[0002] 近年来,随着机动车辆日益增加,随之而来的城市道路拥堵频繁发生,造成空气污 染W及出行者出行时间大量浪费的问题,而现有技术中提出的道路推荐方法,通常是基于 最短路径来推荐的,现有技术中没有考虑到未来时刻的交通拥堵状态,进而不能有效地缓 解交通拥堵。
发明内容
[0003] 有鉴于此,本发明实施例提供一种路径推荐方法和装置,用W解决现有技术中没 有考虑到未来时刻的交通拥堵状态,进而不能有效地缓解交通拥堵的问题。
[0004] 为实现上述发明目的,一方面,本发明实施例提供一种路径推荐方法,所述方法包 括:
[0005] 获取用户输入的目的地信息;
[0006] 根据获取周期获取所述用户当前周期初始时刻的位置信息;
[0007] 根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交 通路网阻抗;
[000引根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对应的T时刻的路 径;
[0009] 其中,所述交通路网阻抗为当前周期初始时刻的所述位置到所述目的地的交通路 网阻抗。
[0010] 根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交 通路网阻抗,包括:
[0011] 获取当前周期初始时刻的交通流数据信息、交通拥堵信息和交通事故信息;
[0012] 根据所述交通流数据信息、所述交通拥堵信息、所述交通事故信息、所述目的地信 息和所述位置信息确定与当前周期初始时刻对应的T时刻的所述交通路网阻抗。
[0013] 根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交 通路网阻抗之后,所述方法包括:
[0014] 获取当前时刻的所述交通流数据信息、所述交通拥堵信息和所述交通事故信息;
[0015] 根据当前时刻的所述交通流数据信息,按照车头时距分布模型将仿真车辆分布到 仿真交通路网,W确定当前时刻的基准交通路网阻抗;
[0016] 根据当前时刻的所述交通拥堵信息、所述交通事故信息和所述基准交通路网阻抗 对T时刻的所述交通路网阻抗进行实时调整。
[0017] 根据所述交通流数据信息、所述交通拥堵信息、所述交通事故信息、所述目的地信 息和所述位置信息确定与当前周期初始时刻对应的T时刻的所述交通路网阻抗,包括:
[0018] 根据所述目的地信息和所述位置信息,按照最短路径原则进行仿真交通分配;
[0019] W仿真交通分配结果为基础,进行T时刻的微观交通仿真;
[0020] 在进行T时刻的微观交通仿真时,按照交通阻抗计算公式计算仿真交通路网中每 个路段的交通阻抗;
[00別]其中,通过公式:
[0022]
Figure CN106023629AD00061
更新仿真过程的数据来 获取与当前周期初始时刻对应的T时刻的所述交通路网阻抗;
[0023] 其中,Wa(t)为当前周期初始时刻路段a的路段阻抗,La为路段a的长度,Va(t)为当 前周期初始时刻路段a上的车辆速度,Va,f为道路a的车辆最大允许速度,Pa(t)为当前周期 初始时刻路段a上的车流密度,Pa, jam为路段a上车辆接近饱和程度时单位长度道路上存在的 车辆数;
[0024] a路段是所述目的地和当前周期初始时刻所述位置之间的路段,Va(t)是根据所述 交通流数据确定的,Va,f是根据所述交通流数据信息、所述交通拥堵信息和所述交通事故信
Figure CN106023629AD00062
息确定的 Xa(t)为T时刻路段a上的车辆数目。 ,
[0025] 根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对应的T时刻的路 径,包括:
[0026] 根据所述交通路网阻抗和A*算法为所述用户推荐与当前周期初始时刻对应的T时 刻的路径;
[0027] 其中,所述A*算法为:
[002引
Figure CN106023629AD00063
[0029] Wi"化)为路段(i,i+l化T时段的交通路网阻抗。
[0030] 本发明实施例中可W获取未来T时刻的交通路网阻抗,进而可W根据未来T时刻的 交通路网阻抗来为用户推荐未来T时刻的路径,进而有效的缓解了交通拥堵。
[0031] 为实现上述发明目的,另一方面,本发明实施例还提供一种路径推荐装置,所述装 置包括:
[0032] 获取模块,用于获取用户输入的目的地信息;
[0033] 所述获取模块,还用于根据获取周期获取所述用户当前周期初始时刻的位置信 息;
[0034] 确定模块,用于根据所述目的地信息和所述位置信息确定与当前周期初始时刻对 应的T时刻的交通路网阻抗;
[0035] 推荐模块,用于根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对应 的T时刻的路径;
[0036] 其中,所述交通路网阻抗为当前周期初始时刻的所述位置到所述目的地的交通路 网阻抗。
[0037] 所述确定模块,具体用于:
[0038] 获取当前周期初始时刻的交通流数据信息、交通拥堵信息和交通事故信息;
[0039] 根据所述交通流数据信息、所述交通拥堵信息、所述交通事故信息、所述目的地信 息和所述位置信息确定与当前周期初始时刻对应的T时刻的所述交通路网阻抗。
[0040] 所述获取模块,还用于:
[0041] 根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交 通路网阻抗之后,获取当前时刻的所述交通流数据信息、所述交通拥堵信息和所述交通事 故倍息;
[0042] 所述确定模块,还用于:
[0043] 根据当前时刻的所述交通流数据信息,按照车头时距分布模型将仿真车辆分布到 仿真交通路网,W确定当前时刻的基准交通路网阻抗;
[0044] 所述装置,还包括:
[0045] 调整模块,用于根据当前时刻的所述交通拥堵信息、所述交通事故信息和所述基 准交通路网阻抗对T时刻的所述交通路网阻抗进行实时调整。
[0046] 所述确定模块,还用于:
[0047] 根据所述目的地信息和所述位置信息,按照最短路径原则进行仿真交通分配;
[0048] W仿真交通分配结果为基础,进行T时刻的微观交通仿真;
[0049] 在进行T时刻的微观交通仿真时,按照交通阻抗计算公式计算仿真交通路网中每 个路段的交通阻抗;
[(K)加]其中,通过公式:
[0051 ]
Figure CN106023629AD00071
更新仿真过程的数据来 获取与当前周期初始时刻对应的T时刻的所述交通路网阻抗;
[0052] 其中,Wa(t)为当前周期初始时刻路段a的路段阻抗,La为路段a的长度,Va(t)为当 前周期初始时刻路段a上的车辆速度,Va,f为道路a的车辆最大允许速度,Pa(t)为当前周期 初始时刻路段a上的车流密度,Pa, jam为路段a上车辆接近饱和程度时单位长度道路上存在的 车辆数;
[0053] a路段是所述目的地和当前周期初始时刻所述位置之间的路段,Va(t)是根据所述 交通流数据确定的,Va,f是根据所述交通流数据信息、所述交通拥堵信息和所述交通事故信 息确定的
Figure CN106023629AD00072
;a(t)为T时刻路段a上的车辆数目。
[0054] 所述推荐模块,具体用于:
[0055] 根据所述交通路网阻抗和A*算法为所述用户推荐与当前周期初始时刻对应的T时 刻的路径;
[0化6]其中,所述A*算法为:
[0化7]
[005引Wi"化)为路段(i,i+l化T时段的交通路网阻抗。
[0059] 本发明实施例中可W获取未来T时刻的交通路网阻抗,进而可W根据未来T时刻的 交通路网阻抗来为用户推荐未来T时刻的路径,进而有效的缓解了交通拥堵。
附图说明
[0060] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现 有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发 明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可W 根据运些附图获得其他的附图。
[0061] 图1为本发明实施例一中的一种路径推荐方法的流程图;
[0062] 图2为本发明实施例二中的一种路径推荐装置的结构示意图。
具体实施方式
[0063] 为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描 述。
[0064] 应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基 于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其 它实施例,都属于本发明保护的范围。
[0065] 在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制 本发明。在本发明实施例和所附权利要求书中所使用的单数形式的"一种"、"所述"和"该" 也旨在包括多数形式,除非上下文清楚地表示其他含义。
[0066] 取决于语境,如在此所使用的词语"如果"可W被解释成为"在……时"或"当…… 时"或"响应于确定"或"响应于检测"。类似地,取决于语境,短语"如果确定"或"如果检测 (陈述的条件或事件r可W被解释成为"当确定时"或"响应于确定"或"当检测(陈述的条件 或事件)时"或"响应于检测(陈述的条件或事件r。
[0067] 实施例一
[0068] 为了解决现有技术中没有考虑到未来时刻的交通拥堵状态,进而不能有效地缓解 交通拥堵的问题,本发明实施例一提出了一种路径推荐方法,具体如图1所示,所述方法包 括W下步骤:
[0069] 步骤101,获取用户输入的目的地信息。
[0070] 需要说明的是,本发明实施例中所设及的装置可W包括但不限于个人计算机 巧ersonal ComputerJC)、个人数字助理(Personal Digital Assis1:ant ,PDA)、无线手持 设备、平板电脑(Tablet Computer)、手机、导航设备、能够提供导航功能的服务器等具体有 路径推荐功能的装置。
[0071] 具体的,获取用户输入的目的地信息的装置可W是车载导航、导航手机等具有独 立导航功能的设备,也可W是能够提供导航功能的服务器。
[0072] 例如:用户在车载导航系统的人机界面输入目的地信息,此时车载导航系统中的 无线通讯设备建立与交通信息中屯、服务器基于TCP/IP(Transmission Control Protocol/ Internet Protocol,传输控制协议/因特网互联协议)协议的套接字socket通讯,待socket 通讯建立成功后由车载导航系统获取人机界面中输入的目的地的经缔度信息,通过无线通 讯模块发送到交通信息中屯、服务器中,在交通信息中屯、服务器返回推荐结果时也可W通过 建立的socket通讯返回,当然如果车载导航系统中具有交通信息中屯、服务器的功能,那么 整个过程也可W由车载导航独立完成。
[0073] 步骤102,根据获取周期获取所述用户当前周期初始时刻的位置信息。
[0074] 具体的,位置信息可W是经缔度信息,位置信息可W由卫星定位系统获取,由于本 发明是为了获取未来时刻推荐的路径,为了节省装置的资源,可W定期获取用户位置信息, 并且只获取当前周期初始时刻的位置信息就可W,当然也可W实时的获取用户当前的位置 信息。
[0075] 步骤103,根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T 时刻的交通路网阻抗。
[0076] 其中,所述交通路网阻抗为当前周期初始时刻的所述位置到所述目的地的交通路 网阻抗。
[0077] 具体的,T时刻是与当前周期初始时刻相差一定时间段的未来时刻,为了减少计算 量,确定的交通路网阻抗不是整个交通路网的阻抗,而是只获取当前周期初始时刻的所述 位置到所述目的地的交通路网阻抗,即当前周期初始时刻的所述位置到所述目的地的所有 路径的交通路网阻抗,当前周期初始时刻的所述位置到所述目的地的所有路径为能都从当 前位置到目的地的路径中结合路径最短和耗时最短的原则确定的前N条路径。
[0078] 根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交 通路网阻抗,包括:
[0079] 获取当前周期初始时刻的交通流数据信息、交通拥堵信息和交通事故信息;
[0080] 根据所述交通流数据信息、所述交通拥堵信息、所述交通事故信息、所述目的地信 息和所述位置信息确定与当前周期初始时刻对应的T时刻的所述交通路网阻抗。
[0081] 具体的,交通信息中屯、服务器可通过基于浮动车的城市交通信息采集与处理系统 获取实时交通流数据信息,交通拥堵信息可通过用户反馈系统获取,交通事故信息可通过 交通警察上传至交通信息服务中屯、服务器;交通流数据信息包括车辆瞬时速度、经缔度、方 向角等信息;所述交通拥堵信息包括拥堵发生路段、发生时间、已持续时间、严重程度信息; 所述交通事故信息包括事故发生路段、发生时间、已持续时间、严重程度信息。
[0082] 根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交 通路网阻抗之后,所述方法包括:
[0083] 获取当前时刻的所述交通流数据信息、所述交通拥堵信息和所述交通事故信息;
[0084] 根据当前时刻的所述交通流数据信息,按照车头时距分布模型将仿真车辆分布到 仿真交通路网,W确定当前时刻的基准交通路网阻抗;
[0085] 根据当前时刻的所述交通拥堵信息、所述交通事故信息和所述基准交通路网阻抗 对T时刻的所述交通路网阻抗进行实时调整。
[0086] 具体的,交通流数据信息包括:平均车速、流量、占有率、车头时距等信息,假设在 不发生交通异常事件的情况下,首先将道路按照它本身的性质进行分段,然后求出各段的 密度,最后求得在此路段上的车辆数,再将车头时距离散化,最后按照离散化后的车头时距 在此路段上进行分布车辆;当车流量比较小时,实时平均速度V大于自由流速度,此时将路 段上的车头时距看做是负指数分布,即车头时距是按照公式
Figure CN106023629AD00101
里行分布的,此 公式即为此路段上的车辆的密度表达式。
Figure CN106023629AD00102
[0087] 其中,参数T可有观测样本均值估计,由公式
Figure CN106023629AD00103
十算,其中,tl,t2,. . .,tn 为采集点在不同时刻采集到此路段的车头时距,t为ti/n,n为采集的次数,设此路段长为^, 则得到此路段上的车辆女 O
[0088] 当交通比较拥挤时,实时平均速度V小于自由流速度,此时出现部分车辆成车队状态 行驶,此时车辆的车头时距是M3分布模型;此模型假设车辆处于两种行驶状态:一部分是车队 状态行驶,另一部分车辆按自由流状态行驶。分布函数为
Figure CN106023629AD00104
[0089] 其中,T=min{tl,t2, . . .,tn}tl,t2, . . .,tn为采集点在不同时刻采集到此路段的车 头时距。T表示车辆处于车队状态行驶时,车辆之间保持的最小车头时距。
Figure CN106023629AD00105
为参数,其中tT为车头时距大于nt的样本观测值的均值。
Figure CN106023629AD00106
I示按自由流状态行驶车辆所占的比例,n,m分别表示采集点的次数和采集点的车 头时距不大于给定值Ao的个数。在此计算中取a = e^be,其中,参数b为一系数,其取值情况可 参阅下表: rnnpni
Figure CN106023629AD00107
[0091] 交通信息中屯、服务器使用当前时刻的交通流数据获取到当前时刻的基准交通路 网阻抗后,在交通拥堵信息和交通事故信息的指导下,基于当前时刻的基准交通路网阻抗 对T时刻的交通路网阻抗进行实时调整,调整方式如下:将交通拥堵分五级,极微拥堵、轻微 拥堵、中等拥堵、严重拥堵和极严重拥堵,将交通事故分五级,极微事故、轻微事故、中等事 故、严重事故和极严重事故,则有调整公式为:
Figure CN106023629AD00108
[0092] G
[0093] 交通路网为G(V,E,W),其中,V={li|i = l,2,...,n}表示城市道路网络的所有道 路交叉口集合,6={6(11,。)|11,。£¥4声^表示城市道路网络交叉口之间相连路段的集 合,胖={机(训日即,化[0,門}表示刊寸刻所有路段阻抗集合;
[0094] 所述交通路网阻抗为类似于下表的结构:
[0095]
Figure CN106023629AD00111
[0096] 表格中Wu表示路段j在T时刻的路段阻抗;
[0097] 根据所述交通流数据信息、所述交通拥堵信息、所述交通事故信息、所述目的地信 息和所述位置信息确定与当前周期初始时刻对应的T时刻的所述交通路网阻抗,包括:
[0098] 根据所述目的地信息和所述位置信息,按照最短路径原则进行仿真交通分配;
[0099] W仿真交通分配结果为基础,进行T时刻的微观交通仿真;
[0100] 在进行T时刻的微观交通仿真时,按照交通阻抗计算公式计算仿真交通路网中每 个路段的交通阻抗;
[0101] 其中,通过公式:
[0102]
Figure CN106023629AD00112
更新仿真过程的数据来 获取与当前周期初始时刻对应的T时刻的所述交通路网阻抗;
[0103] 其中,Wa(t)为当前周期初始时刻路段a的路段阻抗,La为路段a的长度,Va(t)为当 前周期初始时刻路段a上的车辆速度,Va,f为道路a的车辆最大允许速度,Pa(t)为当前周期 初始时刻路段a上的车流密度,Pa, jam为路段a上车辆接近饱和程度时单位长度道路上存在的 车辆数;
[0104] a路段是所述目的地和当前周期初始时刻所述位置之间的路段,Va(t)是根据所述 交通流数据确定的,Va,f是根据所述交通流数据信息、所述交通拥堵信息和所述交通事故信 息确定的,
Figure CN106023629AD00113
Xa(t)为T时刻路段a上的车辆数目。
[0105] 步骤104,根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对应的T时 刻的路径。
[0106] 具体的,在获取未来T时刻的交通路网阻抗后,就可W确定未来T时刻的交通情况, 进而可W为用户推荐未来T时刻的路径。
[0107] 根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对应的T时刻的路 径,包括:
[0108] 根据所述交通路网阻抗和A*算法为所述用户推荐与当前周期初始时刻对应的T时 刻的路径。
[0109] 其中,A*算法的步骤为:
[0110] A、生成一个只包含开始节点1的交通路网G,把1放在一个叫OPEN的列表上,记目标 节点为d;
[0111] B、生成一个列表CLOSED,它的初始化为空;
[0112] C、选择OPEN上的第一个节点,把它从OPEN中移入CLOSED,称该节点为S;
[0113] D、如果S是目标节点,顺着G中,从1到S的指针找到一条路径,获得解决方案,成功 退出;
[0114] E、对每一个S的子节点m,遍历路网图捜寻从起点到终点经过m可能的路径Z种;
[0115] F、根据A*算法公式
Figure CN106023629AD00121
计算Z种可能路 径下节点m的估价值,其中,Wi"(Tj)为路段(i,i+l)在T时段的交通路网阻抗;
[0116] G、更新OPEN表和化OS邸表:如果m不在OPEN表和化OS邸表中,将m插入OPEN表中;如 果m在OPEN表中且m的估价值小于OPEN表的估价值,更新OPEN表中的估价值;如果m在CLOSED 表中且m的估价值小于化OS抓表的估价值,更新化OS邸表中的估价值。从化OS抓表中移出节 点,并放入OPEN表中;
[0117] H、按照估价值将OPEN表中的节点排序;
[011引I、重复巧化的步骤直至IjO阳N表为空;
[0119] J、停止并保存生成的路径。
[0120] 在将T时刻的路径推荐给用户时可W是W图像的方式展示给用户,还可W通过声 音的方式推荐给用户。
[0121] 本发明实施例中可W获取未来T时刻的交通路网阻抗,进而可W根据未来T时刻的 交通路网阻抗来为用户推荐未来T时刻的路径,进而有效的缓解了交通拥堵。
[0122] 实施例二
[0123] 本发明实施二例进一步给出实现上述方法实施例中各步骤及方法的装置实施例, 如图2所述,其为本发明实施例所提供的一种路径推荐装置的设置方块图,所述装置包括:
[0124] 获取模块21,用于获取用户输入的目的地信息;
[0125] 所述获取模块21,还用于根据获取周期获取所述用户当前周期初始时刻的位置信 息;
[0126] 确定模块22,用于根据所述目的地信息和所述位置信息确定与当前周期初始时刻 对应的T时刻的交通路网阻抗;
[0127] 推荐模块23,用于根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对 应的T时刻的路径;
[0128] 其中,所述交通路网阻抗为当前周期初始时刻的所述位置到所述目的地的交通路 网阻抗。
[0129] 所述确定模块,具体用于:
[0130] 获取当前周期初始时刻的交通流数据信息、交通拥堵信息和交通事故信息;
[0131] 根据所述交通流数据信息、所述交通拥堵信息、所述交通事故信息、所述目的地信 息和所述位置信息确定与当前周期初始时刻对应的T时刻的所述交通路网阻抗。
[0132] 所述获取模块,还用于:
[0133] 根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交 通路网阻抗之后,获取当前时刻的所述交通流数据信息、所述交通拥堵信息和所述交通事 故倍息;
[0134] 所述确定模块,还用于:
[0135] 根据当前时刻的所述交通流数据信息,按照车头时距分布模型将仿真车辆分布到 仿真交通路网,W确定当前时刻的基准交通路网阻抗;
[0136] 所述装置,还包括:
[0137] 调整模块,用于根据当前时刻的所述交通拥堵信息、所述交通事故信息和所述基 准交通路网阻抗对T时刻的所述交通路网阻抗进行实时调整。
[0138] 所述确定模块,还用于:
[0139] 根据所述目的地信息和所述位置信息,按照最短路径原则进行仿真交通分配;
[0140] W仿真交通分配结果为基础,进行T时刻的微观交通仿真;
[0141] 在进行T时刻的微观交通仿真时,按照交通阻抗计算公式计算仿真交通路网中每 个路段的交通阻抗;
[0142] 其中,通过公式:
[0143]
Figure CN106023629AD00131
g新仿真过程的数据来 获取与当前周期初始时刻对应的T时刻的所述交通路网阻抗;
[0144] 其中,Wa(t)为当前周期初始时刻路段a的路段阻抗,La为路段a的长度,Va(t)为当 前周期初始时刻路段a上的车辆速度,Va,f为道路a的车辆最大允许速度,Pa(t)为当前周期 初始时刻路段a上的车流密度,Pa, jam为路段a上车辆接近饱和程度时单位长度道路上存在的 车辆数;
[0145] a路段是所述目的地和当前周期初始时刻所述位置之间的路段,Va(t)是根据所述 交通流数据确定的,Va,f是根据所述交通流数据信息、所述交通拥堵信息和所述交通事故信 息确定的,
Figure CN106023629AD00132
4a(t)为T时刻路段a上的车辆数目。
[0146] 所述推荐模块,具体用于:
[0147] 根据所述交通路网阻抗和A*算法为所述用户推荐与当前周期初始时刻对应的T时 刻的路径;
[014引其中,所述A*算法为:
[0149]
Figure CN106023629AD00141
[0150] Wi"化)为路段(i,i+l化T时段的交通路网阻抗。
[0151] 由于本发明实施例二中的各模块能够执行图1所示的方法,本发明实施例二未详 细描述的部分,可参考对图1的相关说明。
[0152] 本发明实施例中可W获取未来T时刻的交通路网阻抗,进而可W根据未来T时刻的 交通路网阻抗来为用户推荐未来T时刻的路径,进而有效的缓解了交通拥堵。
[0153] 本领域普通技术人员可W理解:实现上述各方法实施例的全部或部分步骤可W通 过程序指令相关的硬件来完成。前述的程序可W存储于一计算机可读取存储介质中。该程 序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:R〇M、RAM、磁碟或 者光盘等各种可W存储程序代码的介质。
[0154] W上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可W是 或者也可W不是物理上分开的,作为单元显示的部件可W是或者也可W不是物理单元,即 可W位于一个地方,或者也可W分布到至少两个网络单元上。可W根据实际的需要选择其 中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创 造性的劳动的情况下,即可W理解并实施。
[0155] 最后应说明的是:W上各实施例仅用W说明本发明的技术方案,而非对其限制;尽 管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依 然可W对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进 行等同替换;而运些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术 方案的范围。

Claims (10)

1. 一种路径推荐方法,其特征在于,所述方法包括: 获取用户输入的目的地信息; 根据获取周期获取所述用户当前周期初始时刻的位置信息; 根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交通路 网阻抗; 根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对应的T时刻的路径; 其中,所述交通路网阻抗为当前周期初始时刻的所述位置到所述目的地的交通路网阻 抗。
2. 如权利要求1所述方法,其特征在于,根据所述目的地信息和所述位置信息确定与当 前周期初始时刻对应的T时刻的交通路网阻抗,包括: 获取当前周期初始时刻的交通流数据信息、交通拥堵信息和交通事故信息; 根据所述交通流数据信息、所述交通拥堵信息、所述交通事故信息、所述目的地信息和 所述位置信息确定与当前周期初始时刻对应的T时刻的所述交通路网阻抗。
3. 如权利要求2所述方法,其特征在于,根据所述目的地信息和所述位置信息确定与当 前周期初始时刻对应的T时刻的交通路网阻抗之后,所述方法包括: 获取当前时刻的所述交通流数据信息、所述交通拥堵信息和所述交通事故信息; 根据当前时刻的所述交通流数据信息,按照车头时距分布模型将仿真车辆分布到仿真 交通路网,以确定当前时刻的基准交通路网阻抗; 根据当前时刻的所述交通拥堵信息、所述交通事故信息和所述基准交通路网阻抗对T 时刻的所述交通路网阻抗进行实时调整。
4. 如权利要求2所述方法,其特征在于,根据所述交通流数据信息、所述交通拥堵信息、 所述交通事故信息、所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时 刻的所述交通路网阻抗,包括: 根据所述目的地信息和所述位置信息,按照最短路径原则进行仿真交通分配; 以仿真交通分配结果为基础,进行T时刻的微观交通仿真; 在进行T时刻的微观交通仿真时,按照交通阻抗计算公式计算仿真交通路网中每个路 段的交通阻抗; 其中,通过公式:
Figure CN106023629AC00021
更新仿真过程的数据来获取 与当前周期初始时刻对应的T时刻的所述交通路网阻抗; 其中,wa(t)为当前周期初始时刻路段a的路段阻抗,La为路段a的长度,va(t)为当前周 期初始时刻路段a上的车辆速度,va,f为道路a的车辆最大允许速度,pa(t)为当前周期初始 时刻路段a上的车流密度,P a, jam为路段a上车辆接近饱和程度时单位长度道路上存在的车辆 数; a路段是所述目的地和当前周期初始时刻所述位置之间的路段,va(t)是根据所述交通 流数据确定的,va,f是根据所述交通流数据信息、所述交通拥堵信息和所述交通事故信息确 定的,j
Figure CN106023629AC00031
:)为T时刻路段a上的车辆数目。
5. 如权利要求1所述方法,其特征在于,根据所述交通路网阻抗为所述用户推荐与当前 周期初始时刻对应的T时刻的路径,包括: 根据所述交通路网阻抗和A*算法为所述用户推荐与当前周期初始时刻对应的T时刻的 路径; 其中,所述A*算法为:
Figure CN106023629AC00032
W^(L)为路段(i,i+l)在T时段的交通路网阻抗。
6. -种路径推荐装置,其特征在于,所述装置包括: 获取模块,用于获取用户输入的目的地信息; 所述获取模块,还用于根据获取周期获取所述用户当前周期初始时刻的位置信息; 确定模块,用于根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的 T时刻的交通路网阻抗; 推荐模块,用于根据所述交通路网阻抗为所述用户推荐与当前周期初始时刻对应的T 时刻的路径; 其中,所述交通路网阻抗为当前周期初始时刻的所述位置到所述目的地的交通路网阻 抗。
7. 如权利要求6所述装置,其特征在于,所述确定模块,具体用于: 获取当前周期初始时刻的交通流数据信息、交通拥堵信息和交通事故信息; 根据所述交通流数据信息、所述交通拥堵信息、所述交通事故信息、所述目的地信息和 所述位置信息确定与当前周期初始时刻对应的T时刻的所述交通路网阻抗。
8. 如权利要求7所述装置,其特征在于,所述获取模块,还用于: 根据所述目的地信息和所述位置信息确定与当前周期初始时刻对应的T时刻的交通路 网阻抗之后,获取当前时刻的所述交通流数据信息、所述交通拥堵信息和所述交通事故信 息; 所述确定模块,还用于: 根据当前时刻的所述交通流数据信息,按照车头时距分布模型将仿真车辆分布到仿真 交通路网,以确定当前时刻的基准交通路网阻抗; 所述装置,还包括: 调整模块,用于根据当前时刻的所述交通拥堵信息、所述交通事故信息和所述基准交 通路网阻抗对T时刻的所述交通路网阻抗进行实时调整。
9. 如权利要求7所述方法,其特征在于,所述确定模块,还用于: 根据所述目的地信息和所述位置信息,按照最短路径原则进行仿真交通分配; 以仿真交通分配结果为基础,进行T时刻的微观交通仿真; 在进行T时刻的微观交通仿真时,按照交通阻抗计算公式计算仿真交通路网中每个路 段的交通阻抗; 其中,通过公式:
Figure CN106023629AC00041
I新仿真过程的数据来获取 与当前周期初始时刻对应的T时刻的所述交通路网阻抗; 其中,Wa(t)为当前周期初始时刻路段a的路段阻抗,La为路段a的长度,Va(t)为当前周 期初始时刻路段a上的车辆速度,va,f为道路a的车辆最大允许速度,pa(t)为当前周期初始 时刻路段a上的车流密度,P a, jam为路段a上车辆接近饱和程度时单位长度道路上存在的车辆 数; a路段是所述目的地和当前周期初始时刻所述位置之间的路段,va(t)是根据所述交通 流数据确定的,va,f是根据所述交通流数据信息、所述交通拥堵信息和所述交通事故信息确 定E
Figure CN106023629AC00042
:t)为T时刻路段a上的车辆数目。
10.如权利要求6所述装置,其特征在于,所述推荐模块,具体用于:
Figure CN106023629AC00043
根据所述交通路网阻抗和A*算法为所述用户推荐与当前周期初始时刻对应的T时刻的 路径; 其中,所述A*算法为 W^(L)为路段(i,i+l)在T时段的交通路网阻抗。
CN201610392869.4A 2016-06-06 2016-06-06 一种路径推荐方法和装置 Active CN106023629B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610392869.4A CN106023629B (zh) 2016-06-06 2016-06-06 一种路径推荐方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610392869.4A CN106023629B (zh) 2016-06-06 2016-06-06 一种路径推荐方法和装置

Publications (2)

Publication Number Publication Date
CN106023629A true CN106023629A (zh) 2016-10-12
CN106023629B CN106023629B (zh) 2018-12-25

Family

ID=57090571

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610392869.4A Active CN106023629B (zh) 2016-06-06 2016-06-06 一种路径推荐方法和装置

Country Status (1)

Country Link
CN (1) CN106023629B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107146416A (zh) * 2017-07-18 2017-09-08 陈剑桃 一种智能交通管理系统
CN107464437A (zh) * 2017-07-28 2017-12-12 武汉依迅北斗空间技术有限公司 一种渣土车的路径选择系统和路径选择方法
CN107507410A (zh) * 2017-07-28 2017-12-22 武汉依迅北斗空间技术有限公司 一种渣土车的车辆调度方法和装置
CN108253986A (zh) * 2017-12-29 2018-07-06 百度在线网络技术(北京)有限公司 导航方法、装置、设备及计算机可读存储介质
WO2018161533A1 (zh) * 2017-03-06 2018-09-13 广东欧珀移动通信有限公司 路况展示方法、装置、计算机设备及计算机可读存储介质
CN108986509A (zh) * 2018-08-13 2018-12-11 北方工业大学 一种基于车路协同的城市区域路径实时规划方法
CN109412883A (zh) * 2018-08-14 2019-03-01 广东神马搜索科技有限公司 推荐路径追踪方法、装置和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1867952A1 (en) * 2006-06-13 2007-12-19 Harman/Becker Automotive Systems GmbH Optimum route determination employing an estimation function
CN102128631A (zh) * 2010-01-14 2011-07-20 歌乐株式会社 路径搜索方法、导航服务器和导航仪
CN102944244A (zh) * 2012-10-10 2013-02-27 北京世纪高通科技有限公司 一种路径规划引擎参数权值的获取方法与装置
CN103557870A (zh) * 2013-10-09 2014-02-05 董路 一种动态轨迹导航方法及云平台
CN103593535A (zh) * 2013-11-22 2014-02-19 南京洛普股份有限公司 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法
CN104851309A (zh) * 2015-06-01 2015-08-19 南京邮电大学 一种交通诱导策略的实现方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1867952A1 (en) * 2006-06-13 2007-12-19 Harman/Becker Automotive Systems GmbH Optimum route determination employing an estimation function
CN102128631A (zh) * 2010-01-14 2011-07-20 歌乐株式会社 路径搜索方法、导航服务器和导航仪
CN102944244A (zh) * 2012-10-10 2013-02-27 北京世纪高通科技有限公司 一种路径规划引擎参数权值的获取方法与装置
CN103557870A (zh) * 2013-10-09 2014-02-05 董路 一种动态轨迹导航方法及云平台
CN103593535A (zh) * 2013-11-22 2014-02-19 南京洛普股份有限公司 基于多尺度融合的城市交通复杂自适应网络平行仿真系统及方法
CN104851309A (zh) * 2015-06-01 2015-08-19 南京邮电大学 一种交通诱导策略的实现方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王鹏飞: "车载导航系统动态最优路径算法研究", 《交通运输系统工程与信息》 *
钱红昇: "智能交通系统中最优路径规划算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018161533A1 (zh) * 2017-03-06 2018-09-13 广东欧珀移动通信有限公司 路况展示方法、装置、计算机设备及计算机可读存储介质
CN107146416A (zh) * 2017-07-18 2017-09-08 陈剑桃 一种智能交通管理系统
CN107146416B (zh) * 2017-07-18 2020-01-21 深圳市锦粤达科技有限公司 一种智能交通管理系统
CN107464437A (zh) * 2017-07-28 2017-12-12 武汉依迅北斗空间技术有限公司 一种渣土车的路径选择系统和路径选择方法
CN107507410A (zh) * 2017-07-28 2017-12-22 武汉依迅北斗空间技术有限公司 一种渣土车的车辆调度方法和装置
CN107464437B (zh) * 2017-07-28 2019-10-25 武汉依迅北斗空间技术有限公司 一种渣土车的路径选择系统和路径选择方法
CN107507410B (zh) * 2017-07-28 2019-10-25 武汉依迅北斗空间技术有限公司 一种渣土车的车辆调度方法和装置
CN108253986A (zh) * 2017-12-29 2018-07-06 百度在线网络技术(北京)有限公司 导航方法、装置、设备及计算机可读存储介质
CN108986509A (zh) * 2018-08-13 2018-12-11 北方工业大学 一种基于车路协同的城市区域路径实时规划方法
CN108986509B (zh) * 2018-08-13 2020-01-10 北方工业大学 一种基于车路协同的城市区域路径实时规划方法
CN109412883A (zh) * 2018-08-14 2019-03-01 广东神马搜索科技有限公司 推荐路径追踪方法、装置和系统
CN109412883B (zh) * 2018-08-14 2021-12-03 阿里巴巴(中国)有限公司 推荐路径追踪方法、装置和系统

Also Published As

Publication number Publication date
CN106023629B (zh) 2018-12-25

Similar Documents

Publication Publication Date Title
CN106023629A (zh) 一种路径推荐方法和装置
CN104821080B (zh) 基于宏观城市交通流的智能车辆行驶速度及时间预测方法
Chandler et al. Traffic dynamics: studies in car following
Newell Nonlinear effects in the dynamics of car following
CN100517411C (zh) 一种基于网络受限移动对象数据库的交通流数据采集与分析方法
CN103745611B (zh) 一种交通路径规划方法、装置及系统
CN104331422B (zh) 一种路段类型推测方法
KR20150128712A (ko) 차량 라우팅 및 교통 관리를 위한 차선 레벨 차량 내비게이션
CN105387864A (zh) 路径规划装置及方法
CN110361024A (zh) 利用车辆组标识的动态车道级车辆导航
CN108216229A (zh) 交通工具、道路线检测和驾驶控制方法及装置
CN110363984B (zh) 交通流量预测方法和设备
Mandhare et al. Intelligent road traffic control system for traffic congestion: a perspective
Awal et al. An efficient cooperative lane-changing algorithm for sensor-and communication-enabled automated vehicles
CN107705607A (zh) 一种信息处理方法及信息处理装置
CN104574966B (zh) 可变信息标识装置及可变信息标识方法
CN101807348B (zh) 一种动态网络导航系统及方法
CN111161545A (zh) 基于视频的交叉口区域交通参数统计方法
CN104183135A (zh) 车辆行进开销的估计方法及系统
Staniek Moulding of travelling behaviour patterns entailing the condition of road infrastructure
Gazis et al. Traffic flow theory
Gora et al. Adaptive system for intelligent traffic management in smart cities
CN108898866A (zh) 一种有效的智能车辆控制系统
Cremer On the calculation of individual travel times by macroscopic models
Gashaw et al. Lagrangian formulation for mixed traffic flow including two-wheelers

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant