CN107993436A - 一种基于obd的路况预测方法及系统 - Google Patents
一种基于obd的路况预测方法及系统 Download PDFInfo
- Publication number
- CN107993436A CN107993436A CN201711171687.5A CN201711171687A CN107993436A CN 107993436 A CN107993436 A CN 107993436A CN 201711171687 A CN201711171687 A CN 201711171687A CN 107993436 A CN107993436 A CN 107993436A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- traffic information
- time interval
- benchmark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
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
本发明公开了一种基于OBD的路况预测方法及系统，涉及物联网领域。该方法包括：通过OBD设备获取多个车辆的点火数据和熄火数据；根据全部车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的第一路况信息；根据第一路况信息，得到下一预设时间间隔内的第二路况信息。本发明提供的一种基于OBD的路况预测方法及系统，能够精确地基于每一辆车的行驶路线情况，对选定路段的路况进行精确分析，具有预测结果及时准确的优点。
Description
技术领域
本发明涉及物联网领域，尤其涉及一种基于OBD的路况预测方法及系统。
背景技术
目前，对于道路的路况分析和预测都是基于视频监控统计车流量得到的，通常仅能实现对具有规律性的道路路况进行预测，并且仅能对局部路段进行预测，具有一定的局限性，现有的路况分析预测方案具有不够及时、不够智能、不够准确的缺点。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供一种基于OBD(On-BoardDiagnostic，车载诊断系统)的路况预测方法及系统。
本发明解决上述技术问题的技术方案如下：
一种基于OBD的路况预测方法，包括：
通过OBD设备获取多个车辆的点火数据和熄火数据；
根据全部所述车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的第一路况信息；
根据所述第一路况信息，得到下一所述预设时间间隔内的第二路况信息。
本发明的有益效果是：本发明提供的一种基于OBD的路况预测方法，通过安装在每个车辆上的OBD设备来获取每个车辆的点火数据和熄火数据，就能够得到每个车辆每次出行的路线，进而就可以对选定路段在预设时间间隔内的路况信息进行分析并预测，由于其针对每一辆车进行检测，能够精确地基于每一辆车的行驶路线情况，对选定路段的路况进行精确分析，具有预测结果及时准确的优点。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步地，所述根据全部所述车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的第一路况信息，具体包括：
根据各所述车辆的点火数据和熄火数据得到各所述车辆在所述预设时间间隔内的基准OD(Origin to Destination，起点到终点)数据；
根据各所述车辆的基准OD数据得到所述选定路段在所述预设时间间隔内的第一路况信息。
进一步地，所述根据各所述车辆的点火数据和熄火数据得到各所述车辆在所述预设时间间隔内的基准OD数据，具体包括：
根据各所述车辆的点火数据和熄火数据得到各所述车辆在多个所述预设时间间隔内的OD数据；
根据预设算法对所述OD数据进行处理，得到所述基准OD数据。
进一步地，所述根据预设算法对所述OD数据进行处理，得到所述基准OD数据，具体包括：
计算每个车辆的每个OD数据占所述车辆在所述预设时间间隔内的全部OD数据的比例值；
将所述比例值超过预设比例的OD数据作为所述基准OD数据。
采用上述进一步方案的有益效果是：通过计算每个车辆的OD数据占该车辆在一段时间的同一时间段内的全部OD数据的比例，据此对车辆的行车路线进行预测，能够提高预测的准确性。
进一步地，所述根据各所述车辆的基准OD数据得到所述选定路段在所述预设时间间隔内的第一路况信息，具体包括：
根据各所述车辆的基准OD数据建立每个车辆的行程路线；
提取全部所述行程路线中所包含的路段信息；
根据全部所述路段信息得到所述选定路段在所述预设时间间隔内的第一路况信息。
本发明解决上述技术问题的另一种技术方案如下：
一种基于OBD的路况预测系统，包括：OBD数据采集器和处理器，其中：
所述OBD数据采集器与OBD设备连接，用于获取多个车辆的点火数据和熄火数据；
所述处理器包括：
路况信息计算单元，用于根据全部所述车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的第一路况信息；
路况信息预测单元，用于根据所述第一路况信息，得到下一所述预设时间间隔内的第二路况信息。
进一步地，所述路况信息计算单元包括：
基准OD数据计算子单元，用于根据各所述车辆的点火数据和熄火数据得到各所述车辆在所述预设时间间隔内的基准OD数据；
路况信息计算子单元，用于根据各所述车辆的基准OD数据得到所述选定路段在所述预设时间间隔内的第一路况信息。
进一步地，所述基准OD数据计算子单元具体用于根据各所述车辆的点火数据和熄火数据得到各所述车辆在多个所述预设时间间隔内的OD数据，并根据预设算法对所述OD数据进行处理，得到所述基准OD数据。
进一步地，所述基准OD数据计算子单元还用于计算每个车辆的每个OD数据占所述车辆在所述预设时间间隔内的全部OD数据的比例值，并将所述比例值超过预设比例的OD数据作为所述基准OD数据。
进一步地，所述路况信息计算子单元具体用于根据各所述车辆的基准OD数据建立每个车辆的行程路线，提取全部所述行程路线中所包含的路段信息，并根据全部所述路段信息得到所述选定路段在所述预设时间间隔内的第一路况信息。
本发明的有益效果是：本发明提供的一种基于OBD的路况预测系统，通过安装在每个车辆上的OBD设备来获取每个车辆的点火数据和熄火数据，就能够得到每个车辆每次出行的路线，进而就可以对选定路段在预设时间间隔内的路况信息进行分析并预测，由于其针对每一辆车进行检测，能够精确地基于每一辆车的行驶路线情况，对选定路段的路况进行精确分析，具有预测结果及时准确的优点。
本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。
附图说明
图1为本发明一个实施例提供的一种基于OBD的路况预测方法的流程示意图；
图2为本发明另一实施例提供的一种基于OBD的路况预测方法的流程示意图；
图3为本发明另一实施例提供的一种基于OBD的路况预测系统的结构框架图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，为本发明一个实施例提供的一种基于OBD的路况预测方法的流程示意图，该方法包括：
S1，通过OBD设备获取多个车辆的点火数据和熄火数据。
需要说明的是，点火数据包括：点火的时间、点火时车辆的位置信息，熄火数据包括：熄火的时间、熄火时车辆的位置信息，例如，可以通过设置在每个车辆上的OBD设备的点火、熄火检测功能，对车辆的点火和熄火进行检测，并当检测到车辆的点火、熄火行为后，通过车辆自带的定位设备获取车辆此时的位置信息，并将采集到的车辆的点火的时间、点火时车辆的位置信息、熄火的时间、熄火时车辆的位置信息上传到服务器，作为各车辆的点火数据和熄火数据。
需要说明的是，步骤S1具有多种实现方式。
例如，可以通过车辆自带的OBD设备和定位设备获取车辆的点火数据和熄火数据。
又例如，还可以在车辆上安装数据采集器，通过相应的接口标准与OBD数据连接，当检测到点火或熄火行为后，自动进行定位并计时，并将这些位置数据和时间数据发送到服务器中。
需要说明的是，车辆的数量可以根据实际需求设置。
例如，当需要检测一个城区的路况时，可以选择为整个城市的车辆。
又例如，当需要检测一个城市的路况时，可以选择为整个省的车辆。
S2，根据全部车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的第一路况信息。
需要说明的是，根据全部车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的车辆的通行流量，将车辆的通行流量与预设的通行流量进行比较，例如，预设的通行流量可以为道路通畅时的通信流量，据此就可以判断该道路的第一路况信息，是拥堵还是畅通。
需要说明的是，在收集到了全部车辆的点火的时间、点火时车辆的位置信息、熄火的时间、熄火时车辆的位置信息后，就可以通过大数据分析，智能地识别出各个车辆在不同时间段的点火位置和熄火位置，并结合预设的路径规划算法，就可以模拟出该车辆的行驶路线。
例如，可以规定，以两点之间最短的可行驶路线为该车辆的行驶路线，于是，就可以得到在过去的规定的时间段内，任意一条道路的路况信息了，作为第一路况信息，也就是该道路在过去的选定的时间段内，该道路的路况。
S3，根据第一路况信息，得到下一预设时间间隔内的第二路况信息。
根据选定道路在过去的选定的时间段内的路况，就可以进行智能分析，对未来的选定时间段内的该道路的路况进行预测，得到第二路况信息。
下面以两个具体的例子进行说明。
例如，以对路段A在10月31日上午8点至9点的路况进行预测为例，假设现在时间为10月30日的夜晚，通过对该市全部车辆的点火数据和熄火数据进行采集和整合处理，得到了路段A在10月1日至10月30日的每天8点至9点的路况，发现其规律是5天道路非常拥堵，2天道路畅通，5天道路又非常拥堵，2天道路又畅通，不断循环。
优选地，可以通过设置多级阈值的方式，来判断道路的拥堵情况，对于路段A来说，其每小时车流量达到a，a大于最大的阈值，那么就可以认为该时段路段A非常拥堵，而如果每小时车流量达到b，b小于最小的阈值，那么就可以认为该时段路段A不拥堵，于是就可以判断出在8点至9点，对于路段A来说，每天的拥堵情况。
通过检测发现，27～30号是非常拥堵，那么结合10月1日至10月30日的每天8点至9点的路况，可以发现10月31日应该也是非常拥堵。
需要说明的是，本例子仅作说明用，不对技术方案构成任何限定，其中可以根据实际情况选择不同的路段、不同的时间段、不同的时间范围、不同的阈值等级等。
例如，可以只对工作日进行预测。
又例如，以对路段B在10月31日上午8点至9点的路况进行预测为例，假设现在时间为10月30日的夜晚，通过对该市全部车辆的点火数据和熄火数据进行采集和整合处理，得到了路段B在10月1日至10月30日的每天8点至9点的路况为：5天非常拥堵，20天一般拥堵，5天通畅，那么在通过预设的算法进行计算后，就可以对10月31日上午8点至9点的路况进行预测了。
优选地，可以通过加权求平均算法进行运算，对路况进行预测。
优选地，还可以通过计算各种路况类型的出现概率，对路况进行预测。
本实施例提供的一种基于OBD的路况预测方法，通过安装在每个车辆上的OBD设备来获取每个车辆的点火数据和熄火数据，就能够得到每个车辆每次出行的路线，进而就可以对选定路段在预设时间间隔内的路况信息进行分析并预测，由于其针对每一辆车进行检测，能够精确地基于每一辆车的行驶路线情况，对选定路段的路况进行精确分析，具有预测结果及时准确的优点。
如图2所示，为本发明另一实施例提供的一种基于OBD的路况预测方法的流程示意图，该方法包括：
S1，通过OBD设备获取多个车辆的点火数据和熄火数据。
S2，根据全部车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的第一路况信息。
优选地，步骤S2具体可以包括以下步骤：
S21，根据各车辆的点火数据和熄火数据得到各车辆在多个预设时间间隔内的OD数据。
需要说明的是，预设时间间隔可以根据实际需求设置，例如，可以设置为某月内，每天的某时间段，也可以设置为某年内，每天的某时间段。
S22，计算每个车辆的每个OD数据占车辆在预设时间间隔内的全部OD数据的比例值。
S23，将比例值超过预设比例的OD数据作为基准OD数据。
需要说明的是，预设比例可以根据实际需求设置，当没有超过预设比例的数据时，可以将出现频率最高的OD数据作为基准OD数据。
例如，假设预设时间间隔内，该车共有30次点火记录和30次熄火记录，那么对应的就有30个OD数据，假设这30个OD数据中有10项记录是相同的，其余的都是不同的，那么对于该车来说，这10项OD数据占总数据的比例就是1/3，假设这个比例超过了预设比例，那么就可以将这个OD数据作为基准OD数据。
通过计算每个车辆的OD数据占该车辆在一段时间的同一时间段内的全部OD数据的比例，据此对车辆的行车路线进行预测，能够提高预测的准确性。
优选地，还可以对全部的OD数据进行加权平均，计算得到基准OD数据。
优选地，还可以对相邻的两次熄火和点火间的时间进行监控，当时间小于预设时间时，可以计为一个OD数据。
S24，根据各车辆的基准OD数据建立每个车辆的行程路线。
需要说明的是，可以通过地图底层数据，根据OD数据生成行程路线，例如，可以将最短的可通行路线作为该车辆在预设时间段内的行驶路线。
S25，提取全部行程路线中所包含的路段信息。
需要说明的是，在得到行驶路线后，就可以得知该行驶路线中包含的各路段的名称。
S26，根据全部路段信息得到选定路段在预设时间间隔内的第一路况信息。
需要说明的是，可以通过大数据统计的方法，对统计到的全部行驶路线中所包含的路段的名称进行检测，例如，在某检测中，发现路段A出现了300次，路段B出现了2次，那么相比于路段B，可以认为路段A在该时段会拥堵一些。
于是，就可以据此对路段A未来的统一时间段的路况进行预测。进一步地，还可以对车辆的行驶路线进行规划，避免行驶在拥堵路段。
S3，根据第一路况信息，得到下一预设时间间隔内的第二路况信息。
S4，根据第二路况信息对车辆的出行路线进行调整和修改。
例如，当用户甲出行时，在可选的路线中，有路段A、路段B、路段C三条路都可以选择，那么在对各路段的路况进行分析后，发现路段A相对通畅但是稍远，路段B相对拥堵但是很近，于是，在地图软件等生成了包含路段B的可选路线后，可以对路线进行修改，使地图软件推荐路线A，以使用户的出行能够更加地方便和快捷。
需要说明的是，可以通过与车辆通信系统匹配的通信协议，将对于路线的修改信息直接发送给车载导航仪或电子地图显示器等设备中，以实现对于路线的修改。
本实施例提供的一种基于OBD的路况预测方法，通过安装在每个车辆上的OBD设备来获取每个车辆的点火数据和熄火数据，并据此得到车辆的OD数据，根据OD数据对车辆的出行路线进行模拟，能够得到每个车辆每次出行的路线，进而就可以对选定路段在预设时间间隔内的路况信息进行分析并预测，由于其针对每一辆车进行检测，能够精确地基于每一辆车的行驶路线情况，对选定路段的路况进行精确分析，具有预测结果及时准确的优点。
如图3所示，为本发明另一实施例提供的一种基于OBD的路况预测系统的结构框架图，该系统包括：OBD数据采集器1和处理器2，其中：
OBD数据采集器1与OBD设备3连接，用于获取多个车辆的点火数据和熄火数据。
优选地，OBD数据采集器1可以为嵌入式设备。
处理器2包括：
路况信息计算单元21，用于根据全部车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的第一路况信息。
优选地，路况信息计算单元21包括：
基准OD数据计算子单元211，用于根据各车辆的点火数据和熄火数据得到各车辆在预设时间间隔内的基准OD数据。
路况信息计算子单元212，用于根据各车辆的基准OD数据得到选定路段在预设时间间隔内的第一路况信息。
优选地，基准OD数据计算子211单元具体用于根据各车辆的点火数据和熄火数据得到各车辆在多个预设时间间隔内的OD数据，并根据预设算法对OD数据进行处理，得到基准OD数据。
优选地，基准OD数据计算子单元211还用于计算每个车辆的每个OD数据占车辆在预设时间间隔内的全部OD数据的比例值，并将比例值超过预设比例的OD数据作为基准OD数据。
优选地，路况信息计算子单元212具体用于根据各车辆的基准OD数据建立每个车辆的行程路线，提取全部行程路线中所包含的路段信息，并根据全部路段信息得到选定路段在预设时间间隔内的第一路况信息。
路况信息预测单元22，用于根据第一路况信息，得到下一预设时间间隔内的第二路况信息。
本实施例提供的一种基于OBD的路况预测系统，通过安装在每个车辆上的OBD设备3来获取每个车辆的点火数据和熄火数据，就能够得到每个车辆每次出行的路线，进而就可以对选定路段在预设时间间隔内的路况信息进行分析并预测，由于其针对每一辆车进行检测，能够精确地基于每一辆车的行驶路线情况，对选定路段的路况进行精确分析，具有预测结果及时准确的优点。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于OBD的路况预测方法，其特征在于，包括：
通过OBD设备获取多个车辆的点火数据和熄火数据；
根据全部所述车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的第一路况信息；
根据所述第一路况信息，得到下一所述预设时间间隔内的第二路况信息。
2.根据权利要求1所述的路况预测方法，其特征在于，所述根据全部所述车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的第一路况信息，具体包括：
根据各所述车辆的点火数据和熄火数据得到各所述车辆在所述预设时间间隔内的基准OD数据；
根据各所述车辆的基准OD数据得到所述选定路段在所述预设时间间隔内的第一路况信息。
3.根据权利要求2所述的路况预测方法，其特征在于，所述根据各所述车辆的点火数据和熄火数据得到各所述车辆在所述预设时间间隔内的基准OD数据，具体包括：
根据各所述车辆的点火数据和熄火数据得到各所述车辆在多个所述预设时间间隔内的OD数据；
根据预设算法对所述OD数据进行处理，得到所述基准OD数据。
4.根据权利要求3所述的路况预测方法，其特征在于，所述根据预设算法对所述OD数据进行处理，得到所述基准OD数据，具体包括：
计算每个车辆的每个OD数据占所述车辆在所述预设时间间隔内的全部OD数据的比例值；
将所述比例值超过预设比例的OD数据作为所述基准OD数据。
5.根据权利要求2所述的路况预测方法，其特征在于，所述根据各所述车辆的基准OD数据得到所述选定路段在所述预设时间间隔内的第一路况信息，具体包括：
根据各所述车辆的基准OD数据建立每个车辆的行程路线；
提取全部所述行程路线中所包含的路段信息；
根据全部所述路段信息得到所述选定路段在所述预设时间间隔内的第一路况信息。
6.一种基于OBD的路况预测系统，其特征在于，包括：OBD数据采集器和处理器，其中：
所述OBD数据采集器与OBD设备连接，用于获取多个车辆的点火数据和熄火数据；
所述处理器包括：
路况信息计算单元，用于根据全部所述车辆的点火数据和熄火数据得到选定路段在预设时间间隔内的第一路况信息；
路况信息预测单元，用于根据所述第一路况信息，得到下一所述预设时间间隔内的第二路况信息。
7.根据权利要求6所述的路况预测系统，其特征在于，所述路况信息计算单元包括：
基准OD数据计算子单元，用于根据各所述车辆的点火数据和熄火数据得到各所述车辆在所述预设时间间隔内的基准OD数据；
路况信息计算子单元，用于根据各所述车辆的基准OD数据得到所述选定路段在所述预设时间间隔内的第一路况信息。
8.根据权利要求7所述的路况预测系统，其特征在于，所述基准OD数据计算子单元具体用于根据各所述车辆的点火数据和熄火数据得到各所述车辆在多个所述预设时间间隔内的OD数据，并根据预设算法对所述OD数据进行处理，得到所述基准OD数据。
9.根据权利要求8所述的路况预测系统，其特征在于，所述基准OD数据计算子单元还用于计算每个车辆的每个OD数据占所述车辆在所述预设时间间隔内的全部OD数据的比例值，并将所述比例值超过预设比例的OD数据作为所述基准OD数据。
10.根据权利要求7所述的路况预测系统，其特征在于，所述路况信息计算子单元具体用于根据各所述车辆的基准OD数据建立每个车辆的行程路线，提取全部所述行程路线中所包含的路段信息，并根据全部所述路段信息得到所述选定路段在所述预设时间间隔内的第一路况信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711171687.5A CN107993436A (zh) | 2017-11-22 | 2017-11-22 | 一种基于obd的路况预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711171687.5A CN107993436A (zh) | 2017-11-22 | 2017-11-22 | 一种基于obd的路况预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107993436A true CN107993436A (zh) | 2018-05-04 |
Family
ID=62032576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711171687.5A Pending CN107993436A (zh) | 2017-11-22 | 2017-11-22 | 一种基于obd的路况预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107993436A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109348422A (zh) * | 2018-10-19 | 2019-02-15 | 海南易乐物联科技有限公司 | 基于obd/tbox设备轨迹分段处理方法 |
| CN110286666A (zh) * | 2019-07-01 | 2019-09-27 | 高新兴物联科技有限公司 | 车辆行程状态标定方法、装置及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130030681A1 (en) * | 2011-07-28 | 2013-01-31 | GM Global Technology Operations LLC | Method and apparatus for updating travel time estimation |
| CN105006149A (zh) * | 2015-07-10 | 2015-10-28 | 信融源大数据科技(北京)有限公司 | 交通路况估计动态迭代方法 |
| CN105070042A (zh) * | 2015-07-22 | 2015-11-18 | 济南市市政工程设计研究院（集团）有限责任公司 | 一种交通预测的建模方法 |
| CN106157608A (zh) * | 2015-03-23 | 2016-11-23 | 高德软件有限公司 | 信息处理方法及装置 |
| CN106297358A (zh) * | 2016-10-28 | 2017-01-04 | 腾讯科技（深圳）有限公司 | 路况预测的实现方法及装置 |
-
2017
- 2017-11-22 CN CN201711171687.5A patent/CN107993436A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130030681A1 (en) * | 2011-07-28 | 2013-01-31 | GM Global Technology Operations LLC | Method and apparatus for updating travel time estimation |
| CN106157608A (zh) * | 2015-03-23 | 2016-11-23 | 高德软件有限公司 | 信息处理方法及装置 |
| CN105006149A (zh) * | 2015-07-10 | 2015-10-28 | 信融源大数据科技(北京)有限公司 | 交通路况估计动态迭代方法 |
| CN105070042A (zh) * | 2015-07-22 | 2015-11-18 | 济南市市政工程设计研究院（集团）有限责任公司 | 一种交通预测的建模方法 |
| CN106297358A (zh) * | 2016-10-28 | 2017-01-04 | 腾讯科技（深圳）有限公司 | 路况预测的实现方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 郭继孚: "基于车载OBD数据的小汽车出行特征分析_以北京市为例", 《城市交通》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109348422A (zh) * | 2018-10-19 | 2019-02-15 | 海南易乐物联科技有限公司 | 基于obd/tbox设备轨迹分段处理方法 |
| CN110286666A (zh) * | 2019-07-01 | 2019-09-27 | 高新兴物联科技有限公司 | 车辆行程状态标定方法、装置及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| An et al. | Mining urban recurrent congestion evolution patterns from GPS-equipped vehicle mobility data | |
| CN102394008B (zh) | 使用来自移动数据源的数据估算道路交通状况 | |
| US9508257B2 (en) | Road detection logic | |
| CN102667404B (zh) | 用探测数据来分析兴趣点的方法 | |
| US20160189044A1 (en) | Traffic Prediction Using Real-World Transportation Data | |
| Cui et al. | Identifying mismatch between urban travel demand and transport network services using GPS data: A case study in the fast growing Chinese city of Harbin | |
| Quayle et al. | Arterial performance measures with media access control readers: Portland, Oregon, pilot study | |
| Stange et al. | Analytical workflow of monitoring human mobility in big event settings using bluetooth | |
| JP6235266B2 (ja) | 交通システム | |
| CN107274000B (zh) | 一种突发事件下城市轨道交通断面客流预测方法 | |
| CN107993436A (zh) | 一种基于obd的路况预测方法及系统 | |
| JP6803205B2 (ja) | 対象経路を含む移動位置範囲群に基づき通行量を推定する装置、プログラム及び方法 | |
| Chowdhury et al. | A traffic congestion forecasting model using cmtf and machine learning | |
| US20190088116A1 (en) | Predicting vehicle travel times by modeling heterogeneous influences between arterial roads | |
| Shen et al. | Real-time road traffic fusion and prediction with GPS and fixed-sensor data | |
| JP2003016569A (ja) | Ｏｄ交通量決定装置及び方法 | |
| CN109448379A (zh) | 一种社交媒体数据偶发性交通事件的识别及定位方法 | |
| JP6709715B2 (ja) | 移動開始終了情報に基づき通行量を推定する装置、プログラム及び方法 | |
| CN108932838A (zh) | 检测高速公路上的拥堵状况的方法和装置 | |
| Chien et al. | An investigation of measurement for travel time variability | |
| Yan et al. | MobiAmbulance: Optimal scheduling of emergency vehicles in catastrophic situations | |
| Mandal et al. | Ad-hocBusPoI: Context Analysis of Ad-hoc Stay-locations from Intra-city Bus Mobility and Smartphone Crowdsensing | |
| Stipancic et al. | Measuring Congestion Using Large-Scale Smartphone-Collected GPS Data in an Urban Road Network | |
| CN104871649A (zh) | 街道设备的操作状态的监测 | |
| Hong et al. | Effectiveness of predictive weather-related active transportation and demand management strategies for network management |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |
|
| RJ01 | Rejection of invention patent application after publication |