CN106887137A - 拥堵事件提示方法及装置 - Google Patents
拥堵事件提示方法及装置 Download PDFInfo
- Publication number
- CN106887137A CN106887137A CN201510938694.8A CN201510938694A CN106887137A CN 106887137 A CN106887137 A CN 106887137A CN 201510938694 A CN201510938694 A CN 201510938694A CN 106887137 A CN106887137 A CN 106887137A
- Authority
- CN
- China
- Prior art keywords
- congestion
- congestion event
- section
- event
- duration
- 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
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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种拥堵事件提示方法及装置,其中所述方法包括:获取指定区域范围内各路段的路况状态信息;根据获取的所述各路段的路况状态信息确定当前时段的拥堵事件;获取所述拥堵事件的拥堵变化趋势;判断所述拥堵事件的拥堵变化趋势是否达到提示条件;若所述拥堵事件的拥堵变化趋势达到提示条件,则针对所述拥堵事件发出相应提示。本申请实现了自动获知拥堵事件,并提示工作人员,不但节省了人力资源,同时提高了拥堵事件的识别效率和识别准确率。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种拥堵事件提示方法及装置。
背景技术
目前,全国大部分城市都存在交通拥堵问题,解决交通拥堵问题已成为交通管理部门的首要任务。解决交通拥堵问题的前提是要获知拥堵路段,当前交通管理部门获知拥堵路段的方法为:通过安装于各路段的监控监拍各路段的路况,交管人员人工实时观察监控画面来了解各路段的路况,人工识别出现拥堵的路段,根据经验判断是否需要出警。
上述人工识别拥堵路段的方案至少存在如下问题:
需要交管人员实时观察监控画面并根据经验来判断是否需要出警,不但耗费较多的人力资源,且没有统一的判断标准。因此,当前的人工识别拥堵路段的方案有待改善。
发明内容
本申请解决的技术问题之一是,提供一种拥堵事件提示方法及装置,实现自动、及时、准确的识别并提示拥堵事件。
根据本申请一方面的一个实施例,提供了一种拥堵事件提示方法,包括:
获取指定区域范围内各路段的路况状态信息;
根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件;
获取所述当前时段的拥堵事件在预设时长范围内的拥堵变化趋势;
判断所述拥堵事件的拥堵变化趋势是否达到提示条件;
若所述拥堵事件的拥堵变化趋势达到提示条件,则针对所述拥堵事件发出相应提示。
根据本申请另一方面的一个实施例,提供了一种拥堵事件提示装置,,包括:
第一获取单元,用于获取指定区域范围内各路段的路况状态信息;
拥堵事件确定单元,用于根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件;
第二获取单元,用于获取所述当前时段的拥堵事件在预设时长范围内的拥堵变化趋势;
判断单元,用于判断所述拥堵事件的拥堵变化趋势是否达到提示条件;
提示单元,用于在所述判断单元判断所述拥堵事件的拥堵变化趋势达到提示条件情况下,针对所述拥堵事件发出相应提示。
本申请实施例通过获取指定区域范围内各路段的路况状态信息,根据所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件,并获取该拥堵事件的拥堵变化趋势,判断所述拥堵变化趋势是否达到提示条件,在达到提示条件情况下,针对所述拥堵事件发出相应提示,实现了自动获知拥堵事件,并提示工作人员,不但节省了人力资源,同时提高了拥堵事件的识别效率和识别准确率。
本领域普通技术人员将了解,虽然下面的详细说明将参考图示实施例、附图进行,但本申请并不仅限于这些实施例。而是,本申请的范围是广泛的,且意在仅通过后附的权利要求限定本申请的范围。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是根据本申请一个实施例的拥堵事件提示方法的流程图。
图2是根据本申请一个实施例的根据获取的各路段的路况状态信息确定当前时段的拥堵事件的方法的流程图。
图3是根据本申请一个实施例的相同路网拓扑关系示意图。
图4是根据本申请一个实施例的识别所述拥堵事件是常规拥堵事件还是异常拥堵事件的方法的流程图。
图5是根据本申请一个实施例的拥堵事件提示装置的结构示意图。
本领域普通技术人员将了解,虽然下面的详细说明将参考图示实施例、附图进行,但本申请并不仅限于这些实施例。而是,本申请的范围是广泛的,且意在仅通过后附的权利要求限定本申请的范围。
具体实施方式
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
所述计算机设备包括用户设备与网络设备。其中,所述用户设备包括但不限于电脑、智能手机、PDA等;所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中,所述计算机设备可单独运行来实现本申请,也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本申请。其中,所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
需要说明的是,所述用户设备、网络设备和网络等仅为举例,其他现有的或今后可能出现的计算机设备或网络如可适用于本申请,也应包含在本申请保护范围以内,并以引用方式包含于此。
后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时,用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
这里所公开的具体结构和功能细节仅仅是代表性的,并且是用于描述本申请的示例性实施例的目的。但是本申请可以通过许多替换形式来具体实现,并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
应当理解的是,当一个单元被称为“连接”或“耦合”到另一单元时,其可以直接连接或耦合到所述另一单元,或者可以存在中间单元。与此相对,当一个单元被称为“直接连接”或“直接耦合”到另一单元时,则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”,“与...邻近”相比于“与...直接邻近”等等)。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指,否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是,这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在,而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
还应当提到的是,在一些替换实现方式中,所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说,取决于所涉及的功能/动作,相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
下面结合附图对本申请的技术方案作进一步详细描述。
图1是根据本申请一个实施例的拥堵事件提示方法的流程图,该方法用于自动识别出交通拥堵事件,并对识别出的交通拥堵事件发出相应的提示,以便交管人员及时获知道路拥堵状况。本实施例的方法主要包括如下步骤:
S110、获取指定区域范围内各路段的路况状态信息;
S120、根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件;
S130、获取所述当前时段的拥堵事件在预设时长范围内的拥堵变化趋势;
S140、判断所述拥堵事件的拥堵变化趋势是否达到提示条件;
S150、若所述拥堵事件的拥堵变化趋势达到提示条件,则针对所述拥堵事件发出相应提示。
为进一步理解本申请,下面对上述各步骤做进一步详细介绍。
步骤S110中所述的指定区域范围可以为一个城市,也可以为一个城市内的一个区,或者更小范围的需要关注交通拥堵状况的区域,例如,所述指定区域可以为一个交管部门所需管辖的区域。本申请实施例将所述指定区域范围内的道路预先划分为多个路段,对于具体划分规则本申请实施例不做具体限制。
所述的各路段的路况状态信息至少包括路段上的:路段标识、车流速度、车辆聚集长度及持续聚集时长。所述的车流速度为路段上行驶的车辆的平均速度。本申请实施例将路段上单位路段长度范围内的车辆数量达到预设数量阈值的情况称为聚集,也就是大量车辆集中在一起可能存在拥堵的情况。所述的车辆聚集长度为路段上处于聚集状态的车辆的总体长度。所述持续聚集时长为路段上的车辆处于聚集状态的时长。
所述的获取指定区域范围内各路段的路况状态信息的操作可实时执行。所述各路段的路况状态信息可基于采集的浮动车GPS(全球定位系统)数据运算获得。
步骤S120所述的根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件可以采用如下任一种方法实现:
其一、根据获取的所述各路段的路况状态信息利用预先训练的拥堵事件模型,确定所述指定区域范围内当前时段的拥堵事件。
也就是预先训练获得拥堵事件模型,其中,可以利用所述指定区域范围内各路段的历史路况状态信息训练该拥堵事件模型,例如,搜集三个月内该指定区域范围内各路段的历史路况状态信息,作为训练拥堵事件模型时的输入,以输入的各路段的路况状态信息所在时间段的拥堵事件作为该拥堵事件模型的输出。该拥堵事件模型可以在输入多个路段的路况状态信息的情况下输出拥堵事件。所输出的拥堵事件包含相同路网拓扑关系内的多个拥堵路段。
其二:根据获取的所述各路段的路况状态信息确定拥堵路段;将相同路网拓扑关系内的拥堵路段聚类为一个拥堵事件,也就是将相同路网拓扑关系内的多个拥堵路段聚类为一个拥堵路段组,将该拥堵路段组称为一个拥堵事件。
如前文所述,所述路段的路况状态信息包括:车流速度、车辆聚集长度及持续聚集时长,则根据获取的所述各路段的车流速度、车辆聚集长度及持续聚集时长确定拥堵路段的流程可以为如图2中所示,包括如下步骤:
S210、识别各路段所属道路级别。
也就是识别每一路段所属的道路级别。本申请实施例在将所述指定区域范围内的道路划分为多个路段时,可为每一路段设置一路段标识,并设置该路段所属的道路级别。本申请实施例对路段所属道路级别的划分方法不做具体限制。其可根据路段的限制时速设置该路段所属的道路级别,例如,将限制时速60以上的路段设置为一级道路,将限制时速50的道路设置为二级道路。或者根据路段是否为主干道设置道路级别,例如,将主干道设置为一级道路,将非主干道设置为二级道路。可以理解的是,划分路段所属道路级别的方法并不局限于此,且可以将道路级别划分大于二级的更多级别。本申请实施例可保存每一路段的路段标识及该路段所属道路级别。在获取的各路段的路况状态信息中包含各路段的路段标识,则依据该路段标识可查找到该路段所属道路级别。
S220、查找各路段所属道路级别对应的拥堵判断标准。
由于不同道路级别对应的拥堵判断标准不同,例如,对于主干道,其正常非拥堵状态下时速较高,在时速低于10公里时,可能处于拥堵状况;而对于辅路或其他非主干道,其时速低于10公里属正常状态。因此,本申请实施例为不同道路级别设置不同的拥堵判断标准,并保存各道路级别与拥堵判断标准的对应关系。所述拥堵判断标准包括但不限于:拥堵速度阈值、聚集长度阈值以及聚集时长阈值。
S230、分别判断各路段所述车流速度是否小于或等于所述拥堵速度阈值、所述车辆聚集长度是否大于或等于所述聚集长度阈值以及所述持续聚集时长是否大于或等于所述聚集时长阈值。
也就是同步执行所获取路况状态信息与查找的对应的拥堵判断标准的比对操作。
S240、将同时满足车流速度小于或等于所述拥堵速度阈值、所述车辆聚集长度大于或等于所述聚集长度阈值以及所述持续聚集时长大于或等于所述聚集时长阈值的路段确定为拥堵路段。
否则,如步骤S250所示,将所述路段确定为非拥堵路段。
假设,所获取的一路段在某一时段的车流速度小于或等于所述拥堵速度阈值,而该时段获取的该路段的车辆聚集长度小于聚集长度阈值以及持续聚集时间小于聚集时长阈值,有可能是某些特殊情况造成该路段临时的车流速度低于拥堵速度阈值,出现车流速度低于拥堵速度阈值的时间较短,若此时将该路段确定为拥堵路段,则该判断结果不够准确。或者,在车辆聚集长度大于或等于所述聚集长度阈值以及所述持续聚集时长大于或等于所述聚集时长阈值,而车流速度大于拥堵速度阈值情况下,该路段并没有影响车辆的正常行驶,若此时将该路段确定为拥堵路段,则该判断结果也同样不够准确。因此,本申请实施例将同时满足车流速度小于或等于所述拥堵速度阈值、所述车辆聚集长度大于或等于所述聚集长度阈值以及所述持续聚集时长大于或等于所述聚集时长阈值的路段确定为拥堵路段,这样可以准确识别出路段是否拥堵。
依照上述方法识别出指定区域范围内的拥堵路段后,将相同路网拓扑关系内的拥堵路段聚类为一个拥堵事件。所述的相同路网拓扑关系即为:具有邻接、相交或相接关系的连通路段的集合。以图3中所示地图中与苏州街由南向北方向相同的拓扑关系为例,该拓扑关系中包括如图3中以粗实线标识的路段,包括:丹棱街由西向东方向路段、海淀南路从苏州街由西向东方向路段、海淀南路从苏州街由东向西方向路段、海淀大街由西向东方向路段、北四环西路辅路从苏州街由西向东方向路段、北四环西路辅路从苏州街由东向西方向路段以及颐和园路由南向北方向路段,也就是上述路段具有相同路网拓扑关系。由于一个主干道严重拥堵可能引起周边区域非主干道的拥堵,因此该非主干道的拥堵是由主干道拥堵触发的。在主干道拥堵解除后,非主干道的车流量能分流到主干道上去,非主干道的拥堵状况也将得到缓解,因此该非主干道拥堵与主干道的拥堵应该归为一个拥堵事件。本申请实施例通过聚类将相同路网拓扑关系内的拥堵路段聚类为一个拥堵事件,实现了将同一原因引起拥堵的路段聚类为一个拥堵事件,使得拥堵事件更接近真实场景。对于一个指定区域范围来讲,哪些路段具有相同路网拓扑关系是已知的,因此可实现将相同路网拓扑关系内的拥堵路段聚类为一个拥堵事件。
步骤S120所述的根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件的操作可以每间隔固定时间执行一次,例如每2分钟执行一次,因此所确定的拥堵事件为该间隔时间段内的拥堵事件。
由于随着时间的推移,拥堵事件在不断变化,也就是在每执行一次根据获取的所述各路段的路况状态信息确定拥堵事件时,针对同一拥堵事件其所包含的路段可能会有所不同。换句话讲,两次或多次确定的包含部分相同路段的拥堵事件有可能是同一拥堵事件,因此,本申请实施例在执行步骤S130获取所述当前时段的拥堵事件在预设时长范围内的拥堵变化趋势前可针对预设时长范围内确定的拥堵事件进行归一化,具体归一化方法可以为:
记录预设时长范围内每间隔固定时间确定的所述指定区域范围内当前时段的拥堵事件;
将预设时长范围内记录的所述指定区域范围内当前时段的拥堵事件按照地理位置进行归一化,将归一化后的拥堵事件作为当前时段的拥堵事件。
所述预设时长例如可以为6分钟或4分钟等等。也就是,本申请实施例将每次确定的拥堵事件记录在拥堵事件库中,包括记录:拥堵事件ID、拥堵事件包含的路段ID、拥堵事件发生时间、拥堵事件车辆聚集长度以及拥堵事件所包含的各路段的路况状态信息等等拥堵事件相关信息。
其中,将预设时长范围内记录的所述指定区域范围内当前时段的拥堵事件按照地理位置进行归一化,可以利用已有的空间位置分析的方法确定出预设时长范围内记录的所有拥堵事件中相同地理位置的拥堵事件,从而将相同地理位置的拥堵事件归一化为具有同一ID的当前时段的拥堵事件。归一化后的拥堵事件作为从执行归一化的时间开始往前预设时长范围内的时间段的拥堵事件。
通过上述归一化处理,可以将不同时刻确定的、同一地理位置的拥堵事件确定为一个拥堵事件,不但可有效减少后续针对拥堵事件的判断、分析的计算量,而且使得拥堵事件更接近真实场景,同时有助于获取同一拥堵事件在一段时间内拥堵变化趋势。所述的拥堵变化趋势即为与所述拥堵事件变化趋势有关的、用于判断是否发出相关提示的参数信息。
因此,步骤S130所述的获取所述当前时段的拥堵事件在预设时长范围内的拥堵变化趋势的一种实施例为:
针对预设时长范围内确定的拥堵事件进行归一化;
获取归一化后的拥堵事件在预设时长范围内的拥堵变化趋势。
所获取的拥堵变化趋势包括:所述预设时长范围内递增的车辆聚集长度及车辆聚集长度持续递增的时长,还可包括:所述预设时长范围内递减的车辆聚集长度及车辆聚集长度持续递减的时长。由于本申请实施例会记录预设时长范围内每间隔固定时间确定的所述指定区域范围内当前时段的拥堵事件的相关信息,包括:拥堵事件ID、拥堵事件包含的路段ID、拥堵事件发生时间、拥堵事件车辆聚集长度以及拥堵事件所包含的各路段的路况状态信息等等。因此,根据记录的该拥堵事件的相关信息可获得归一化后的拥堵事件在预设时长范围内的拥堵变化趋势。
所述预设时长范围内递增的车辆聚集长度即为所述预设时长范围内最后一次确定的拥堵事件的车辆聚集长度与第一次确定的拥堵事件的车辆聚集长度的差值,假设每间隔2分钟执行一次根据获取的所述各路段的路况状态信息确定所述指定区域范围内的拥堵事件,所述预设时长范围为6分钟,且在该6分钟内确定的3个拥堵事件为同一拥堵事件,第一次确定的拥堵事件的车辆聚集长度为m1,第二次确定的拥堵事件的车辆聚集长度为m2,第三次确定的拥堵事件的车辆聚集长度为m3,假设m3>m2>m1,则所述预设时长范围内递增的车辆聚集长度为(m3-m1)。所述的车辆聚集长度持续递增的时长即为车辆聚集长度处于持续增长的时间长度。在上述实例中车辆聚集长度持续递增的时长即为6分钟。
所述预设时长范围内递减的车辆聚集长度即为所述预设时长范围内第一次确定的拥堵事件的车辆聚集长度与最后一次确定的拥堵事件的车辆聚集长度的差值。假设每间隔2分钟执行一次根据获取的所述各路段的路况状态信息确定所述指定区域范围内的拥堵事件,所述预设时长范围为6分钟,且在该6分钟内确定的3个拥堵事件为同一拥堵事件,第一次确定的拥堵事件的车辆聚集长度为m1,第二次确定的拥堵事件的车辆聚集长度为m2,第三次确定的拥堵事件的车辆聚集长度为m3,假设m1>m2>m3,则所述预设时长范围内递减的车辆聚集长度为(m1-m3)。所述的车辆聚集长度持续递减的时长即为车辆聚集长度处于持续递减的时间长度。在上述实例中车辆聚集长度持续递减的时长即为6分钟。
通过获得拥堵事件在所述预设时长范围内的拥堵变化趋势可推断该拥堵事件是会继续恶化还是会自动解除,从而确定该拥堵事件是否有必要发出相应的提示。
步骤S140所述判断所述拥堵事件的拥堵变化趋势是否达到提示条件可通过如下任一实施例实现:
一种实施例为:基于所述拥堵事件的拥堵变化趋势利用预先训练的拥堵事件趋势模型判断所述拥堵事件的拥堵变化趋势是否达到提示条件。
也就是预先训练获得拥堵事件趋势模型,该拥堵事件趋势模型可以在输入预设时长范围内同一拥堵事件的拥堵变化趋势的情况下,输出该拥堵事件是否达到提示条件。所输入的拥堵事件的拥堵变化趋势包括:所述预设时长范围内递增的车辆聚集长度及车辆聚集长度持续递增的时长;还可包括:所述预设时长范围内递减的车辆聚集长度及车辆聚集长度持续递减的时长。
其中,所述提示条件包括恶化发布条件和/或解除发布条件。其中,需要说明的是,在上述步骤S220中,查找获得的所述路段所属道路级别对应的拥堵判断标准中除包括:拥堵速度阈值、聚集长度阈值以及聚集时长阈值外,还包括所述提示条件。其中,所述恶化发布条件包括:所述路段所属道路级别对应的递增长度恶化阈值及持续递增时长恶化阈值。所述解除发布条件包括:所述路段所属道路级别对应的递减长度解除阈值和持续递减时长解除阈值。
对应上述不同的提示条件,所述拥堵事件趋势模型输出满足所述不同提示条件的拥堵事件。
另一实施例:针对所述提示条件包括恶化发布条件时,对应的判断所述拥堵事件的拥堵变化趋势是否达到提示条件即为判断所述拥堵事件的拥堵变化趋势是否达到恶化发布条件。此场景下所述拥堵变化趋势包括:所述预设时长范围内递增的车辆聚集长度及车辆聚集长度持续递增的时长。对应的判断所述拥堵事件的拥堵变化趋势是否达到恶化发布条件包括:
判断所述预设时长范围内递增的车辆聚集长度是否大于或等于所述递增长度恶化阈值以及判断所述车辆聚集长度持续递增的时长是否大于或等于所述持续递增时长恶化阈值。
在同时满足所述预设时长范围内递增的车辆聚集长度大于或等于所述递增长度恶化阈值以及所述车辆聚集长度持续递增的时长大于或等于所述持续递增时长恶化阈值情况下,确定所述拥堵事件的拥堵变化趋势达到提示条件。
针对提示条件包括解除发布条件时,对应的判断所述拥堵事件的拥堵变化趋势是否达到提示条件即为,判断所述拥堵事件的拥堵变化趋势是否达到解除发布条件。此场景下对应的所述拥堵变化趋势包括:所述预设时长范围内递减的车辆聚集长度及车辆聚集长度持续递减的时长。对应的判断所述拥堵事件的拥堵变化趋势是否达到解除发布条件包括:
判断所述预设时长范围内递减的车辆聚集长度是否大于或等于所述递减长度解除阈值,以及车辆聚集长度持续递减的时长是否大于或等于所述持续递减时长解除阈值。
在同时满足所述预设时长范围内递减的车辆聚集长度大于或等于所述递减长度解除阈值;以及车辆聚集长度持续递减的时长大于或等于所述持续递减时长解除阈值情况下,确定所述拥堵事件的拥堵变化趋势达到提示条件。
可以理解的是,若所述拥堵事件的拥堵变化趋势未达到提示条件,则不发出相应提示。
步骤S150是在所述拥堵事件的拥堵变化趋势达到提示条件情况下针对所述拥堵事件发出相应提示。本申请实施例实现了自动识别拥堵事件,并发出相应的提示,包括发出拥堵事件恶化提示和拥堵事件解除提示。这样交管工作人员无需实时观察监控视频即可快速了解哪里发生拥堵,哪里的拥堵事件已经解除,不但节省了人力资源,同时提高了拥堵事件的识别效率和识别准确率。
另外,本申请实施例可将拥堵事件划分为常规拥堵事件和异常拥堵事件。在上述确定拥堵事件达到恶化发布条件情况下,可进一步确定达到恶化发布条件的拥堵事件是常规拥堵事件还是异常拥堵事件。对于发生频率较高(例如,超过常规拥堵概率阈值)的拥堵事件称之为常规拥堵事件。例如,对于北京北三环的大部分路段在每天的18点到19点之间经常出现拥堵,若确定达到提示条件的拥堵事件为该时间段内发生在北京北三环的拥堵事件,则该拥堵事件为常规拥堵事件。而有些拥堵事件是由于突发状况引起的,例如由于交通事故,或信号灯出现故障等问题引起,对于发生频率较低(例如,低于常规拥堵概率阈值)的拥堵事件称之为异常拥堵事件。可以理解的是,对于常规拥堵事件可以采用对应的长期处理策略或措施,而对于异常拥堵事件需要出警的几率会大些。本申请实施例可在识别所述拥堵事件是常规拥堵事件还是异常拥堵事件后,区别所述常规拥堵事件和异常拥堵事件发出不同的提示,从而交管工作人员可以根据提示的不同快速了解当前拥堵事件的常规拥堵事件还是异常拥堵事件,从而可以快速做出是否需要出警的决定。
其中,本申请实施例提供的识别所述拥堵事件是常规拥堵事件还是异常拥堵事件的方法的流程如图4中所示,主要包括如下步骤:
S410、计算所述拥堵事件包含的每一路段在当前时段的历史拥堵概率值。
也就是计算该拥堵事件所包含的每个拥堵路段在当前时段的历史拥堵概率值。所述历史拥堵概率值可通过记录的历史数据计算获得。且所述历史拥堵概率值是针对同一时间段的拥堵概率值,例如,假设当前确定达到提示条件的拥堵事件发生的时间段为18:00~18:06,则在确定该拥堵事件包含的拥堵路段的历史拥堵概率值时,同样需要确定该拥堵路段在18:00~18:06的历史拥堵概率值。在计算历史拥堵概率值时,除考虑时间段相同外,还需考虑是节假日还是非节假日。也就是若所述拥堵事件发生在节假日,则计算各路段的历史拥堵概率时,需计算各路段在节假日期间的历史拥堵概率值。例如,若所述拥堵事件发生在周日,则计算该拥堵事件包含的各路段在周六和周日以及其他节日时当前时段的历史拥堵概率值。同理,若所述拥堵事件发生在非节假日,则计算历史拥堵概率值时只计算非节假日当前时段的历史拥堵概率值。具体计算每个拥堵路段的历史拥堵概率值的方法可以为:
将路段的交通流状态划分为规定的类型,例如划分为5个类型,包括:畅通、缓行、拥堵、严重拥堵、无交通流。
计算规定时长范围内,当前时段处于拥堵及严重拥堵状态所占的比值作为所述路段当前时段的历史拥堵概率值。例如,假设所述规定时长为三个月,在过去的三个月时间内,每天18点~19点路段处于各类型的数字分别为:210,0,2,6,0。该组数值表示,在过去三个月时间内,每天18点~19点路段处于畅通状态的次数为210次,处于缓行状态的次数为0次,处于拥堵状态的次数为2次,处于严重拥堵状态的次数为6次,处于无交通流状态的次数为0次,则计算该路段在18点~19点的历史拥堵概率值=(2+6)/(210+2+6)=0.03。某个时间段的历史拥堵概率值越小说明该路段在该时间段出现拥堵现象的可能性越小。
S420、分别判断所述拥堵事件包含的每一路段在当前时段的历史拥堵概率值是否低于各自对应的异常拥堵概率阈值。
本申请实施例为每一路段在每一时间段设置对应的异常拥堵概率阈值,该异常拥堵概率阈值可基于历史数据确定。
假设一路段在当前时段的异常拥堵概率值为0.3,则上述0.03小于0.3,因此,确定所述路段在当前时段的历史拥堵概率值低于该路段在当前时段的异常拥堵概率值。
S430、在其中至少一个路段在当前时段的历史拥堵概率值低于对应的异常拥堵概率值情况下,确定所述拥堵事件为异常拥堵事件,否则确定所述拥堵事件为常规拥堵事件。
由于一个拥堵事件中包含多个路段,可同时并行判断每一路段在当前时段的历史拥堵概率值是否低于各自对应的异常拥堵概率阈值,在其中任一路段的历史拥堵概率值低于对应的异常拥堵概率阈值情况下,即可停止其他路段的判断操作。只要该拥堵事件所包含的路段中有一条路段的历史拥堵概率值低于对应的异常拥堵概率阈值,即可确定该拥堵事件为异常拥堵事件。
若拥堵事件所包含的所有路段的历史拥堵概率值均不低于对应的异常拥堵概率阈值,则确定所述拥堵事件为常规拥堵事件。
本申请实施例通过获取指定区域范围内各路段的路况状态信息,根据所述各路段的路况状态信息确定指定区域范围内的拥堵事件,并获取当前时段拥堵事件在预设时长范围内的拥堵变化趋势,判断所述拥堵变化趋势是否达到提示条件,并对达到提示条件的拥堵事件发出相关提示给工作人员,不但节省了人力资源,同时提高了拥堵事件的识别效率和识别准确率。
本申请实施例还提供一种与上述拥堵事件提示方法对应的拥堵事件提示装置,如图5中所示为所述装置结构示意图,该装置主要包括如下单元:
第一获取单元510,用于获取指定区域范围内各路段的路况状态信息;
拥堵事件确定单元520,用于根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件;
第二获取单元530,用于获取所述当前时段的拥堵事件在预设时长范围内的拥堵变化趋势;
判断单元540,用于判断所述拥堵事件的拥堵变化趋势是否达到提示条件;
提示单元550,用于在所述判断单元540判断所述拥堵事件的拥堵变化趋势达到提示条件情况下,针对所述拥堵事件发出相应提示。
一种实施例,所述拥堵事件确定单元520被配置为:
根据获取的所述各路段的路况状态信息利用预先训练的拥堵事件模型,确定所述指定区域范围内当前时段的拥堵事件。
另一种实施例,所述拥堵事件确定单元520被配置为:
根据获取的所述各路段的路况状态信息确定拥堵路段;
将相同路网拓扑关系内的拥堵路段聚类为一组拥堵路段,所述一组拥堵路段作为确定的当前时段的一个拥堵事件。
其中,所述路段的路况状态信息包括:车流速度、车辆聚集长度及持续聚集时长,所述拥堵事件确定单元520根据获取的所述各路段的路况状态信息确定拥堵路段的方法包括:
识别各路段所属道路级别;
查找各路段所属道路级别对应的拥堵判断标准,所述拥堵判断标准包括:拥堵速度阈值、聚集长度阈值以及聚集时长阈值;
分别判断各路段的所述车流速度是否小于或等于所述拥堵速度阈值、所述车辆聚集长度是否大于或等于所述聚集长度阈值以及所述持续聚集时长是否大于或等于所述聚集时长阈值;
将同时满足车流速度小于或等于所述拥堵速度阈值、所述车辆聚集长度大于或等于所述聚集长度阈值以及所述持续聚集时长大于或等于所述聚集时长阈值的路段确定为拥堵路段。
所述拥堵事件确定单元520被配置为:每间隔固定时间执行一次根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件的操作;所述装置还包括:
记录单元560,用于记录预设时长范围内每间隔固定时间确定的所述指定区域范围内当前时段的拥堵事件;
归一化单元570,用于将预设时长范围内记录的所述指定区域范围内当前时段的拥堵事件按照地理位置进行归一化,将归一化后的拥堵事件作为当前时段的拥堵事件。
所述判断单元540被配置为:
基于所述拥堵事件的拥堵变化趋势利用预先训练的拥堵事件趋势模型判断所述拥堵事件的拥堵变化趋势是否达到提示条件。
所述拥堵变化趋势包括:所述预设时长范围内递增的车辆聚集长度及车辆聚集长度持续递增的时长;所述提示条件包括:所述路段所属道路级别对应的递增长度恶化阈值及持续递增时长恶化阈值;
所述拥堵事件达到提示条件包括:
所述预设时长范围内递增的车辆聚集长度大于或等于所述递增长度恶化阈值;以及
车辆聚集长度持续递增的时长大于或等于所述持续递增时长恶化阈值。
所述拥堵变化趋势包括:所述预设时长范围内递减的车辆聚集长度及车辆聚集长度持续递减的时长;所述提示条件包括:所述路段所属道路级别对应的递减长度解除阈值和持续递减时长解除阈值;
所述拥堵事件达到提示条件包括:
所述预设时长范围内递减的车辆聚集长度大于或等于所述递减长度解除阈值;以及
车辆聚集长度持续递减的时长大于或等于所述持续递减时长解除阈值。
若所述拥堵事件达到提示条件,所述装置还包括:
识别单元580,用于识别所述拥堵事件是常规拥堵事件还是异常拥堵事件;
所述提示单元550被配置为:
区别所述常规拥堵事件和异常拥堵事件发出不同的提示。
其中,所述识别单元580被配置为:
计算所述拥堵事件包含的每一路段在当前时段的历史拥堵概率值;
分别判断所述拥堵事件包含的每一路段在当前时段的历史拥堵概率值是否低于各自对应的异常拥堵概率阈值;
在其中至少一个路段在当前时段的历史拥堵概率值低于对应的异常拥堵概率值情况下,确定所述拥堵事件为异常拥堵事件,否则确定所述拥堵事件为常规拥堵事件。
综上所述,本申请实施例通过获取指定区域范围内各路段的路况状态信息,根据所述各路段的路况状态信息确定指定区域范围内当前时段的拥堵事件,并获取该拥堵事件的拥堵变化趋势,判断所述拥堵变化趋势是否达到提示条件,在达到提示条件情况下,针对所述拥堵事件发出相应提示,实现了自动获知拥堵事件,并提示工作人员,不但节省了人力资源,同时提高了拥堵事件的识别效率和识别准确率。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (20)
1.一种拥堵事件提示方法,其特征在于,包括:
获取指定区域范围内各路段的路况状态信息;
根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件;
获取所述当前时段的拥堵事件在预设时长范围内的拥堵变化趋势;
判断所述拥堵事件的拥堵变化趋势是否达到提示条件;
若所述拥堵事件的拥堵变化趋势达到提示条件,则针对所述拥堵事件发出相应提示。
2.如权利要求1所述的方法,其特征在于,所述根据获取的所述各路段的路况状态信息确定所述指定区域范围内的拥堵事件包括:
根据获取的所述各路段的路况状态信息利用预先训练的拥堵事件模型,确定所述指定区域范围内当前时段的拥堵事件。
3.如权利要求1所述的方法,其特征在于,所述根据获取的所述各路段的路况状态信息确定所述指定区域范围内的拥堵事件包括:
根据获取的所述各路段的路况状态信息确定拥堵路段;
将相同路网拓扑关系内的拥堵路段聚类为一个拥堵事件。
4.如权利要求3所述的方法,其特征在于,所述路段的路况状态信息包括:车流速度、车辆聚集长度及持续聚集时长,所述根据获取的所述各路段的路况状态信息确定拥堵路段的步骤包括:
识别各路段所属道路级别;
查找各路段所属道路级别对应的拥堵判断标准,所述拥堵判断标准包括:拥堵速度阈值、聚集长度阈值以及聚集时长阈值;
分别判断各路段的所述车流速度是否小于或等于所述拥堵速度阈值、所述车辆聚集长度是否大于或等于所述聚集长度阈值以及所述持续聚集时长是否大于或等于所述聚集时长阈值;
将同时满足车流速度小于或等于所述拥堵速度阈值、所述车辆聚集长度大于或等于所述聚集长度阈值以及所述持续聚集时长大于或等于所述聚集时长阈值的路段确定为拥堵路段。
5.如权利要求1所述的方法,其特征在于,所述根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件的步骤每间隔固定时间执行一次;获取所述当前时段的拥堵事件在预设时长范围内的拥堵变化趋势前,所述方法还包括:
记录预设时长范围内每间隔固定时间确定的所述指定区域范围内当前时段的拥堵事件;
将预设时长范围内记录的所述指定区域范围内当前时段的拥堵事件按照地理位置进行归一化,将归一化后的拥堵事件作为当前时段的拥堵事件。
6.如权利要求1或5所述的方法,其特征在于,所述判断所述拥堵事件的拥堵变化趋势是否达到提示条件的步骤包括:
基于所述拥堵事件的拥堵变化趋势利用预先训练的拥堵事件趋势模型判断所述拥堵事件的拥堵变化趋势是否达到提示条件。
7.如权利要求1或5所述的方法,其特征在于,所述拥堵变化趋势包括:所述预设时长范围内递增的车辆聚集长度及车辆聚集长度持续递增的时长;所述提示条件包括:所述路段所属道路级别对应的递增长度恶化阈值及持续递增时长恶化阈值;
所述拥堵事件达到提示条件包括:
所述预设时长范围内递增的车辆聚集长度大于或等于所述递增长度恶化阈值;以及
车辆聚集长度持续递增的时长大于或等于所述持续递增时长恶化阈值。
8.如权利要求7所述的方法,其特征在于,所述拥堵变化趋势包括:所述预设时长范围内递减的车辆聚集长度及车辆聚集长度持续递减的时长;所述提示条件包括:所述路段所属道路级别对应的递减长度解除阈值和持续递减时长解除阈值;
所述拥堵事件达到提示条件包括:
所述预设时长范围内递减的车辆聚集长度大于或等于所述递减长度解除阈值;以及
车辆聚集长度持续递减的时长大于或等于所述持续递减时长解除阈值。
9.如权利要求1所述的方法,其特征在于,若所述拥堵事件达到提示条件,所述方法还包括:
识别所述拥堵事件是常规拥堵事件还是异常拥堵事件;
区别所述常规拥堵事件和异常拥堵事件发出不同的提示。
10.如权利要求9所述的方法,其特征在于,所述识别所述拥堵事件是常规拥堵事件还是异常拥堵事件的步骤包括:
计算所述拥堵事件包含的每一路段在当前时段的历史拥堵概率值;
分别判断所述拥堵事件包含的每一路段在当前时段的历史拥堵概率值是否低于各自对应的异常拥堵概率阈值;
在其中至少一个路段在当前时段的历史拥堵概率值低于对应的异常拥堵概率值情况下,确定所述拥堵事件为异常拥堵事件,否则确定所述拥堵事件为常规拥堵事件。
11.一种拥堵事件提示装置,其特征在于,包括:
第一获取单元,用于获取指定区域范围内各路段的路况状态信息;
拥堵事件确定单元,用于根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件;
第二获取单元,用于获取所述当前时段的拥堵事件在预设时长范围内的拥堵变化趋势;
判断单元,用于判断所述拥堵事件的拥堵变化趋势是否达到提示条件;
提示单元,用于在所述判断单元判断所述拥堵事件的拥堵变化趋势达到提示条件情况下,针对所述拥堵事件发出相应提示。
12.如权利要求11所述的装置,其特征在于,所述拥堵事件确定单元被配置为:
根据获取的所述各路段的路况状态信息利用预先训练的拥堵事件模型,确定所述指定区域范围内当前时段的拥堵事件。
13.如权利要求11所述的装置,其特征在于,所述拥堵事件确定单元被配置为:
根据获取的所述各路段的路况状态信息确定拥堵路段;
将相同路网拓扑关系内的拥堵路段聚类为一组拥堵路段,所述一组拥堵路段作为确定的当前时段的一个拥堵事件。
14.如权利要求13所述的装置,其特征在于,所述路段的路况状态信息包括:车流速度、车辆聚集长度及持续聚集时长,所述拥堵事件确定单元根据获取的所述各路段的路况状态信息确定拥堵路段包括:
识别各路段所属道路级别;
查找各路段所属道路级别对应的拥堵判断标准,所述拥堵判断标准包括:拥堵速度阈值、聚集长度阈值以及聚集时长阈值;
分别判断各路段的所述车流速度是否小于或等于所述拥堵速度阈值、所述车辆聚集长度是否大于或等于所述聚集长度阈值以及所述持续聚集时长是否大于或等于所述聚集时长阈值;
将同时满足车流速度小于或等于所述拥堵速度阈值、所述车辆聚集长度大于或等于所述聚集长度阈值以及所述持续聚集时长大于或等于所述聚集时长阈值的路段确定为拥堵路段。
15.如权利要求11所述的装置,其特征在于,所述拥堵事件确定单元被配置为:每间隔固定时间执行一次根据获取的所述各路段的路况状态信息确定所述指定区域范围内当前时段的拥堵事件的操作;所述装置还包括:
记录单元,用于记录预设时长范围内每间隔固定时间确定的所述指定区域范围内当前时段的拥堵事件;
归一化单元,用于将预设时长范围内记录的所述指定区域范围内当前时段的拥堵事件按照地理位置进行归一化,将归一化后的拥堵事件作为当前时段的拥堵事件。
16.如权利要求11或15所述的装置,其特征在于,所述判断单元被配置为:
基于所述拥堵事件的拥堵变化趋势利用预先训练的拥堵事件趋势模型判断所述拥堵事件的拥堵变化趋势是否达到提示条件。
17.如权利要求11或15所述的装置,其特征在于,所述拥堵变化趋势包括:所述预设时长范围内递增的车辆聚集长度及车辆聚集长度持续递增的时长;所述提示条件包括:所述路段所属道路级别对应的递增长度恶化阈值及持续递增时长恶化阈值;
所述拥堵事件达到提示条件包括:
所述预设时长范围内递增的车辆聚集长度大于或等于所述递增长度恶化阈值;以及
车辆聚集长度持续递增的时长大于或等于所述持续递增时长恶化阈值。
18.如权利要求17所述的装置,其特征在于,所述拥堵变化趋势包括:所述预设时长范围内递减的车辆聚集长度及车辆聚集长度持续递减的时长;所述提示条件包括:所述路段所属道路级别对应的递减长度解除阈值和持续递减时长解除阈值;
所述拥堵事件达到提示条件包括:
所述预设时长范围内递减的车辆聚集长度大于或等于所述递减长度解除阈值;以及
车辆聚集长度持续递减的时长大于或等于所述持续递减时长解除阈值。
19.如权利要求17所述的装置,其特征在于,若所述拥堵事件达到提示条件,所述装置还包括:
识别单元,用于识别所述拥堵事件是常规拥堵事件还是异常拥堵事件;
所述提示单元被配置为:
区别所述常规拥堵事件和异常拥堵事件发出不同的提示。
20.如权利要求19所述的装置,其特征在于,所述识别单元被配置为:
计算所述拥堵事件包含的每一路段在当前时段的历史拥堵概率值;
分别判断所述拥堵事件包含的每一路段在当前时段的历史拥堵概率值是否低于各自对应的异常拥堵概率阈值;
在其中至少一个路段在当前时段的历史拥堵概率值低于对应的异常拥堵概率值情况下,确定所述拥堵事件为异常拥堵事件,否则确定所述拥堵事件为常规拥堵事件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510938694.8A CN106887137B (zh) | 2015-12-15 | 2015-12-15 | 拥堵事件提示方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510938694.8A CN106887137B (zh) | 2015-12-15 | 2015-12-15 | 拥堵事件提示方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106887137A true CN106887137A (zh) | 2017-06-23 |
CN106887137B CN106887137B (zh) | 2019-12-17 |
Family
ID=59175161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510938694.8A Active CN106887137B (zh) | 2015-12-15 | 2015-12-15 | 拥堵事件提示方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106887137B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107749164A (zh) * | 2017-11-23 | 2018-03-02 | 浪潮软件集团有限公司 | 一种车辆聚集分析方法及装置 |
CN108257380A (zh) * | 2017-12-05 | 2018-07-06 | 北京掌行通信息技术有限公司 | 一种基于路况信息检测拥堵事件的方法及系统 |
CN108268038A (zh) * | 2018-01-19 | 2018-07-10 | 广东美的智能机器人有限公司 | 多移动机器人的调度方法及系统 |
CN108281000A (zh) * | 2018-02-05 | 2018-07-13 | 北京交通大学 | 一种数据驱动的突发事件对区域路网影响分析系统及方法 |
CN108346288A (zh) * | 2018-02-12 | 2018-07-31 | 山东路科公路信息咨询有限公司 | 路段运行状态预警方法、装置及电子设备 |
CN109949571A (zh) * | 2019-03-19 | 2019-06-28 | 北京百度网讯科技有限公司 | 异常拥堵的判别方法及装置、设备及存储介质 |
CN110050300A (zh) * | 2017-11-13 | 2019-07-23 | 北京嘀嘀无限科技发展有限公司 | 交通拥堵监控系统和方法 |
CN110379163A (zh) * | 2019-07-26 | 2019-10-25 | 银江股份有限公司 | 一种基于轨迹数据的车辆异常减速区域检测方法及系统 |
CN111723169A (zh) * | 2020-04-09 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 一种地图显示方法、装置、电子设备和存储介质 |
CN113635829A (zh) * | 2021-10-19 | 2021-11-12 | 深圳市润格光电科技有限公司 | 交互式汽车氛围灯 |
CN113723191A (zh) * | 2021-07-30 | 2021-11-30 | 高德软件有限公司 | 道路拥堵预测方法、基于位置的服务提供方法及程序产品 |
CN114241752A (zh) * | 2021-12-01 | 2022-03-25 | 湖南湘江智芯云途科技有限公司 | 场端拥堵提示方法、装置、设备及计算机可读存储介质 |
CN114863670A (zh) * | 2022-01-17 | 2022-08-05 | 深圳市慧视通科技股份有限公司 | 一种预警出租车聚集状况的方法及装置 |
CN116013083A (zh) * | 2023-01-10 | 2023-04-25 | 合肥工业大学 | 一种基于电子地图数据的路网常发性交通状态识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901546A (zh) * | 2010-04-29 | 2010-12-01 | 上海迪爱斯通信设备有限公司 | 基于动态信息的智能交通调度指挥及信息服务方法及系统 |
CN103903436A (zh) * | 2012-12-28 | 2014-07-02 | 上海优途信息科技有限公司 | 一种基于浮动车的高速公路交通拥堵检测方法和系统 |
CN103942949A (zh) * | 2014-04-28 | 2014-07-23 | 上海博尔特数字科技有限公司 | 从控制中心形成交通动态的即时通信方法及系统 |
JP2015076059A (ja) * | 2013-10-11 | 2015-04-20 | 住友電工システムソリューション株式会社 | 交通情報表示装置、コンピュータプログラム及び交通情報表示方法 |
CN104851298A (zh) * | 2015-06-09 | 2015-08-19 | 刘光明 | 预测交通状况和行车时间 |
-
2015
- 2015-12-15 CN CN201510938694.8A patent/CN106887137B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901546A (zh) * | 2010-04-29 | 2010-12-01 | 上海迪爱斯通信设备有限公司 | 基于动态信息的智能交通调度指挥及信息服务方法及系统 |
CN103903436A (zh) * | 2012-12-28 | 2014-07-02 | 上海优途信息科技有限公司 | 一种基于浮动车的高速公路交通拥堵检测方法和系统 |
JP2015076059A (ja) * | 2013-10-11 | 2015-04-20 | 住友電工システムソリューション株式会社 | 交通情報表示装置、コンピュータプログラム及び交通情報表示方法 |
CN103942949A (zh) * | 2014-04-28 | 2014-07-23 | 上海博尔特数字科技有限公司 | 从控制中心形成交通动态的即时通信方法及系统 |
CN104851298A (zh) * | 2015-06-09 | 2015-08-19 | 刘光明 | 预测交通状况和行车时间 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11024163B2 (en) | 2017-11-13 | 2021-06-01 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for monitoring traffic congestion |
CN110050300A (zh) * | 2017-11-13 | 2019-07-23 | 北京嘀嘀无限科技发展有限公司 | 交通拥堵监控系统和方法 |
CN110050300B (zh) * | 2017-11-13 | 2021-08-17 | 北京嘀嘀无限科技发展有限公司 | 交通拥堵监控系统和方法 |
CN107749164A (zh) * | 2017-11-23 | 2018-03-02 | 浪潮软件集团有限公司 | 一种车辆聚集分析方法及装置 |
CN107749164B (zh) * | 2017-11-23 | 2020-08-11 | 浪潮软件科技有限公司 | 一种车辆聚集分析方法及装置 |
CN108257380A (zh) * | 2017-12-05 | 2018-07-06 | 北京掌行通信息技术有限公司 | 一种基于路况信息检测拥堵事件的方法及系统 |
CN108268038A (zh) * | 2018-01-19 | 2018-07-10 | 广东美的智能机器人有限公司 | 多移动机器人的调度方法及系统 |
CN108281000A (zh) * | 2018-02-05 | 2018-07-13 | 北京交通大学 | 一种数据驱动的突发事件对区域路网影响分析系统及方法 |
CN108281000B (zh) * | 2018-02-05 | 2020-08-14 | 北京交通大学 | 一种数据驱动的突发事件对区域路网影响分析系统及方法 |
CN108346288A (zh) * | 2018-02-12 | 2018-07-31 | 山东路科公路信息咨询有限公司 | 路段运行状态预警方法、装置及电子设备 |
CN108346288B (zh) * | 2018-02-12 | 2020-06-26 | 山东路科公路信息咨询有限公司 | 路段运行状态预警方法、装置及电子设备 |
CN109949571A (zh) * | 2019-03-19 | 2019-06-28 | 北京百度网讯科技有限公司 | 异常拥堵的判别方法及装置、设备及存储介质 |
CN110379163A (zh) * | 2019-07-26 | 2019-10-25 | 银江股份有限公司 | 一种基于轨迹数据的车辆异常减速区域检测方法及系统 |
CN111723169A (zh) * | 2020-04-09 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 一种地图显示方法、装置、电子设备和存储介质 |
CN111723169B (zh) * | 2020-04-09 | 2024-04-30 | 腾讯科技(深圳)有限公司 | 一种地图显示方法、装置、电子设备和存储介质 |
CN113723191A (zh) * | 2021-07-30 | 2021-11-30 | 高德软件有限公司 | 道路拥堵预测方法、基于位置的服务提供方法及程序产品 |
CN113723191B (zh) * | 2021-07-30 | 2024-03-29 | 高德软件有限公司 | 道路拥堵预测方法、基于位置的服务提供方法及程序产品 |
CN113635829A (zh) * | 2021-10-19 | 2021-11-12 | 深圳市润格光电科技有限公司 | 交互式汽车氛围灯 |
CN114241752A (zh) * | 2021-12-01 | 2022-03-25 | 湖南湘江智芯云途科技有限公司 | 场端拥堵提示方法、装置、设备及计算机可读存储介质 |
CN114863670A (zh) * | 2022-01-17 | 2022-08-05 | 深圳市慧视通科技股份有限公司 | 一种预警出租车聚集状况的方法及装置 |
CN114863670B (zh) * | 2022-01-17 | 2022-12-02 | 深圳市慧视通科技股份有限公司 | 一种预警出租车聚集状况的方法及装置 |
CN116013083A (zh) * | 2023-01-10 | 2023-04-25 | 合肥工业大学 | 一种基于电子地图数据的路网常发性交通状态识别方法 |
CN116013083B (zh) * | 2023-01-10 | 2024-03-12 | 合肥工业大学 | 一种基于电子地图数据的路网常发性交通状态识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106887137B (zh) | 2019-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106887137A (zh) | 拥堵事件提示方法及装置 | |
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
CN104715610B (zh) | 一种面向城市交通的交通指数计算方法 | |
Li et al. | Prediction of urban human mobility using large-scale taxi traces and its applications | |
Qu et al. | Transportation mode split with mobile phone data | |
US9129522B2 (en) | Traffic speed estimation using temporal and spatial smoothing of GPS speed data | |
CN109993969A (zh) | 一种路况判定信息获取方法、装置及设备 | |
CN109754594A (zh) | 一种路况信息获取方法及其设备、存储介质、终端 | |
CN102779410B (zh) | 一种多源异类海量交通数据融合的并行实现方法 | |
CN102087788A (zh) | 基于浮动车车速置信度的交通状态参数估计方法 | |
CN104809879A (zh) | 基于动态贝叶斯网络的高速公路路段交通状态估计方法 | |
CN103927868A (zh) | 一种能够发现导致区域交通拥堵原因的方法及系统 | |
CN103177595A (zh) | 一种基于实时交通信息的动态路径寻优系统及方法 | |
Habtie et al. | Artificial neural network based real-time urban road traffic state estimation framework | |
US10706720B2 (en) | Predicting vehicle travel times by modeling heterogeneous influences between arterial roads | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN110021161A (zh) | 一种交通流向的预测方法及系统 | |
Aoki et al. | An early event detection technique with bus GPS data | |
CN105957387A (zh) | 一种固定路线车辆的行驶状态预警方法 | |
CN108303109A (zh) | 一种安防系统警情处理路线规划系统和正态方法 | |
CN111696347A (zh) | 一种自动化分析交通事件信息的方法和装置 | |
KR102302486B1 (ko) | 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체 | |
Habtie et al. | Cellular network based real-time urban road traffic state estimation framework using neural network model estimation | |
KR20150072470A (ko) | 도심 및 고속도로에서의 교통흐름의 시간 및 공간 도메인 의존성 분석 시스템 | |
Shan et al. | Feasibility study of urban road traffic state estimation based on taxi GPS data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200507 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: Alibaba (China) Co.,Ltd. Address before: Daheng Technology Building No. three Beijing 100080 Haidian District Suzhou Street 16 layer 2. Patentee before: AUTONAVI INFORMATION TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |