CN108074008A - 一种预测拥堵路段的方法及装置 - Google Patents

一种预测拥堵路段的方法及装置 Download PDF

Info

Publication number
CN108074008A
CN108074008A CN201611034451.2A CN201611034451A CN108074008A CN 108074008 A CN108074008 A CN 108074008A CN 201611034451 A CN201611034451 A CN 201611034451A CN 108074008 A CN108074008 A CN 108074008A
Authority
CN
China
Prior art keywords
congestion
congested link
section
time slice
prediction result
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
CN201611034451.2A
Other languages
English (en)
Other versions
CN108074008B (zh
Inventor
张逸凡
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 CN201611034451.2A priority Critical patent/CN108074008B/zh
Publication of CN108074008A publication Critical patent/CN108074008A/zh
Application granted granted Critical
Publication of CN108074008B publication Critical patent/CN108074008B/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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G06Q50/40—

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明实施例提供了一种预测拥堵路段的方法及装置，其中方法包括：接收终端发送的拥堵路段预测请求，响应该拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果，向该终端发送该拥堵路段预测结果。通过本发明实施例可以对路段拥堵状况进行准确地预测。

Description

一种预测拥堵路段的方法及装置
技术领域
本发明涉及互联网技术领域，具体涉及一种预测拥堵路段的方法及装置。
背景技术
近年来，机动车辆的数量在迅猛增长，加上城市道路资源相对匮乏、交通管理不够完善等种种因素，导致交通拥堵状况日益严重，人们把大量的时间浪费在了前往目的地的路上。
借助导航设备、导航应用等可以对日益拥堵的交通现状有一定的缓解作用，目前主要存在两种解决方案，第一种是：为用户规划一条前往目的地路程最短的路线；第二种是：结合当前的交通拥堵状况，为用户规划一条前往目的地耗时最短的路线。然而，第一种方案中只是给出了路程最短的路线，并没有考虑各个路段的实际拥堵状况以及下一个时间段的拥堵状况，很可能出现路程最短但耗时并不是最短的情况；第二种方案虽然是结合当前的交通拥堵状况规划出了一条耗时最短的路线，但是由于交通拥堵状况是会实时变化的，很可能规划的路线上的路段在下一个时间段就变为拥堵了，从而导致规划的路线并不一定是耗时最短的路线。可见，上述解决方案均无法对路段拥堵状况进行准确地预测，导致难以规划出快捷的驾驶路线。
发明内容
本发明实施例提供了一种预测拥堵路段的方法及装置，可以对路段拥堵状况进行准确地预测。
本发明实施例第一方面提供了一种预测拥堵路段的方法，包括：
接收终端发送的拥堵路段预测请求。
响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果。
向所述终端发送所述拥堵路段预测结果。
本发明实施例第二方面提供了一种预测拥堵路段的装置，包括：
接收模块，用于接收终端发送的拥堵路段预测请求。
处理模块，用于响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果。
发送模块，用于向所述终端发送所述拥堵路段预测结果。
通过本发明实施例通过接收终端发送的拥堵路段预测请求，响应该拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果，向该终端发送该拥堵路段预测结果，从而可以对路段拥堵状况进行准确地预测。
附图说明
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简单地介绍，显而易见地，下面描述中的附图仅仅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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种预测拥堵路段的方法的第一实施例的流程示意图；
图2是本发明实施例提供的一种预测拥堵路段的方法的第二实施例的流程示意图；
图3是本发明实施例提供的各个路段上的历史行驶轨迹数据的示意图；
图4是本发明实施例提供的一种预测拥堵路段的装置的结构示意图；
图5是本发明实施例提供的一种服务器的结构示意图；
图6是本发明实施例提供的一种预测拥堵路段的系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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他实施例，都属于本发明保护的范围。
本发明实施例中所描述的终端具体可以为智能手机(如Android手机、iOS手机等)、车载导航设备、平板电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)等。
请参阅图1，为本发明实施例提供的一种预测拥堵路段的方法的第一实施例的流程示意图。本实施例中所描述的预测拥堵路段的方法，包括以下步骤：
101、服务器接收终端发送的拥堵路段预测请求。
具体实现中，可以是终端在根据拥堵状况确定当前路段出现拥堵时自动向服务器发送拥堵路段预测请求，也可以是驾驶员通过操作触发终端向服务器发送拥堵路段预测请求，还可以是终端按照预设发送规则(例如每15分钟min发送一次)自动向服务器发送拥堵路段预测请求，以获得不断更新的拥堵路段预测结果。
102、所述服务器响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果。
其中，基于路段的拥堵状况具有一定的周期性，可以把一定的时长当做一个周期，例如以一天为一个周期，并将一个周期划分出多个时间片段，在不同时间片段内路段的拥堵状况差异较大，例如可以将一个周期划分为上班高峰时间片段、中午时间片段、下班高峰时间片段以及剩余的其它时间片段，不同周期的同一个时间片段内路段拥堵状况是相似的，例如周一到周五这五个周期的同一个时间片段内路段拥堵状况一般比较相似。
其中，当前时间片段的拥堵向量用于反映当前时间片段的路段拥堵状况，拥堵转移矩阵用于反映路段之间的相互影响，包括某一路段在某一时间片段内的拥堵状况，对其它路段在该某一时间片段的下一个时间片段内是否会产生拥堵的影响程度。
具体实现中，服务器响应该拥堵路段预测请求，将当前时间片段的拥堵向量和预先建立的拥堵转移矩阵相乘，得到二者的乘积结果，从二者的乘积结果中对应得到各个路段在该当前时间片段的下一个时间片段内的拥堵概率，再将各个路段在下一个时间片段内的拥堵概率与预设概率值(例如0.8)进行比较，如果拥堵概率大于或等于预设概率值，则将对应的路段判定为下一个时间片段的拥堵路段，如果拥堵概率小于该预设概率值，则将对应的路段判定为下一个时间片段的畅通路段，进而根据上述判定结果生成下一个时间片段的拥堵路段预测结果。
103、所述服务器向所述终端发送所述拥堵路段预测结果。
具体实现中，服务器向终端发送下一个时间片段的拥堵路段预测结果，从而终端可以通过在地图应用等的显示界面中展示或者语音播报等方式提示驾驶员下一个时间片段的拥堵路段预测结果，以方便驾驶员在出发之前或者在驾车行驶过程中就可以根据下一个时间片段的拥堵路段预测结果选择进入下一个时间片段畅通的路段行驶。
本发明实施例中，服务器接收终端发送的拥堵路段预测请求，响应该拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果，并向该终端发送该拥堵路段预测结果，从而可以对路段拥堵状况进行准确地预测。
请参阅图2，为本发明实施例提供的一种预测拥堵路段的方法的第二实施例的流程示意图。本实施例中所描述的预测拥堵路段的方法，包括以下步骤：
201、服务器获取车辆的历史行驶轨迹数据，根据所述历史行驶轨迹数据确定拥堵路段集合。
具体实现中，服务器可以读取车辆的车载导航系统上传的历史行驶轨迹数据，或者，服务器也可以通过地图应用提供的接口读取车辆的历史行驶轨迹数据。服务器解析历史行驶轨迹数据，获取各个路段在若干个周期(例如一周)的各个历史时间片段内的行驶轨迹数量，将每一个路段在各个历史时间片段内的行驶轨迹数量与该每一个路段对应的预设数值进行比较，如果大于或等于该预设数值，则判定相应的路段在相应的历史时间片段内为拥堵路段，将这些路段添加到各个历史时间片段对应的拥堵路段集合中。
其中，预设数值可以是路段设计的最大行驶轨迹数量，也可以是路段设计的最大行驶轨迹数量的指定比例(例如80％)。
举例来说，如图3所示，假设有三条路段，分别为路段1、路段2和路段3，预设数值为各个路段设计的最大行驶轨迹数量，路段1、路段2和路段3设计的最大行驶轨迹数量分别为4条、1条、2条，服务器获取的历史行驶轨迹数据为在某一个历史时间片段内，路段1的行驶轨迹数量为3条，路段2的行驶轨迹数量为2条，路段3的行驶轨迹数量为1条，根据上述判定规则，可以确定路段2在该某一个历史时间片段为拥堵路段，并将路段2添加到该某一个历史时间片段对应的拥堵路段集合中。
202、所述服务器根据所述拥堵路段集合，建立拥堵路段因果关系矩阵。
具体实现中，拥堵路段因果关系矩阵为一个n*n的矩阵，n为拥堵路段集合中的拥堵路段的数量，矩阵中的元素代表路段之间拥堵状况的关联关系。该矩阵可记为M，其中的元素表示为i、j为路段，t为一时间片段，d为某个周期，的取值设定有两种，查询各个历史时间片段对应的拥堵路段集合，如果路段i在周期d中的第t个时间片段内拥堵时，路段j在周期d中的第t+1个时间片段内也拥堵，则取如果路段i在周期d中的第t个时间片段内拥堵时，路段j在周期d中的第t+1个时间片段内畅通，则取
203、所述服务器根据所述拥堵路段因果关系矩阵，建立拥堵转移矩阵。
具体实现中，拥堵转移矩阵也为一个n*n的矩阵，记为P，n为拥堵路段集合中的拥堵路段的数量，拥堵转移矩阵用于反映路段之间的相互影响，包括某一路段在某一时间片段内的拥堵状况，对其它路段在该某一时间片段的下一个时间片段内是否会产生拥堵的影响程度，其中的元素记为为N个历史周期内拥堵路段因果关系矩阵中各个元素的平均值，其中，i、j为路段，t为一时间片段，d为某个周期，N为周期数，如果是针对一周内的拥堵转移矩阵，一天为一个周期，则N＝7，的取值为0或1，则为一个概率，代表路段i在第t个时间片段内的拥堵状况，导致路段j在第t+1个时间片段产生拥堵的概率。
204、所述服务器接收终端发送的拥堵路段预测请求。
具体实现中，可以是终端在根据拥堵状况确定当前路段出现拥堵时自动向服务器发送拥堵路段预测请求，也可以是驾驶员通过操作触发终端向服务器发送拥堵路段预测请求，还可以是终端按照预设发送规则(例如每15min发送一次)自动向服务器发送拥堵路段预测请求，以获得不断更新的拥堵路段预测结果。
205、所述服务器响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果。
具体实现中，服务器可以获取当前时间片段的路段拥堵状况，根据该路段拥堵状况，建立当前时间片段的拥堵向量。例如，当前时间片段为当前周期内的第t个时间片段，则当前时间片段的拥堵向量V可记为元素表示第t个时间片段内路段i是否拥堵，若拥堵，则若畅通，则服务器将当前周期内第t个时间片段的拥堵向量Vt与对应的历史周期内第t个时间片段的拥堵转移矩阵Pt相乘，即可得到当前周期内第t个时间片段的下一个时间片段(即第t+1个时间片段)内的拥堵状况，即Vt+1＝Vt*Pt，Vt +1中的元素表示各个路段在当前周期内第t+1个时间片段内的拥堵概率，如果拥堵概率大于或等于预设概率值(例如0.8)，则将对应的路段判定为第t+1个时间片段内的拥堵路段，如果拥堵概率小于该预设概率值，则将对应的路段判定为第t+1个时间片段内的畅通路段，从而根据上述判定结果可以生成该当前时间片段的下一个时间片段的拥堵路段预测结果。
在一些可行的实施方式中，服务器可以每经过预设数量个周期(例如一周)即执行一次步骤201～203，实现拥堵转移矩阵的不断更新，保证服务器可以得到更加准确可靠的下一个时间片段的拥堵路段预测结果。
在一些可行的实施方式中，服务器可以为本次建立得到的拥堵转移矩阵和历史建立得到的拥堵转移矩阵分别设置不同的权重，即实际的拥堵转移矩阵＝α*本次建立得到的拥堵转移矩阵+(1-α)*历史建立得到的拥堵转移矩阵，其中，0<α<1，可以结合本次建立得到的拥堵转移矩阵和历史建立得到的拥堵转移矩阵综合确定实际的拥堵转移矩阵，可以保证下一个时间片段的拥堵路段预测结果的平滑度，使得预测结果更加准确可靠。优选地，α可以取较大值，例如α＝0.8，即赋予本次建立得到的拥堵转移矩阵较大的权重，以保证实际的拥堵转移矩阵的即时性。
206、所述服务器向所述终端发送所述拥堵路段预测结果。
具体实现中，服务器向终端发送下一个时间片段的拥堵路段预测结果，从而终端可以通过在地图应用等的显示界面中展示或者语音播报等方式提示驾驶员下一个时间片段的拥堵路段预测结果，以方便驾驶员在出发之前或者在驾车行驶过程中就可以根据下一个时间片段的拥堵路段预测结果选择进入下一个时间片段畅通的路段行驶。
207、所述服务器根据所述下一个时间片段的拥堵路段预测结果和所述终端上报的出发地、目的地，基于预设策略规划从所述出发地到所述目的地的最优导航路线，并向所述终端发送所述最优导航路线。
其中，服务器可以根据下一个时间片段的拥堵路段预测结果为驾驶员规划导航路线，预设策略可以是时间最短策略，即如何使得从出发地到目的地花费的时间最短；预设策略也可以是路况优先原则，路况优先包括在花费的时间较短的前提下优选路面状况较好的路段，路面状况较好可以包括路面较为干燥、平坦、弯道较少、路面较宽阔等中的一种或多种。
具体实现中，服务器获取终端需规划导航路线的出发地(例如可以是终端的当前位置)和目的地，结合对下一个时间片段的拥堵路段预测结果，基于上述策略规划出从出发地到目的地的最优导航路线，并将规划出的最优导航路线推送给终端，终端可以通过在地图应用等的显示界面中展示或者语音播报等方式将最优导航路线提示给驾驶员。
本发明实施例中，服务器根据车辆的历史行驶轨迹数据确定出拥堵路段集合，根据拥堵路段集合建立拥堵路段因果关系矩阵，再根据拥堵路段因果关系矩阵建立拥堵转移矩阵，在接收到终端发送的拥堵路段预测请求时，响应该拥堵路段预测请求，根据当前时间片段的拥堵向量和该拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果，并向该终端发送该拥堵路段预测结果，从而可以对路段拥堵状况进行准确地预测。此外，服务器还可以根据下一个时间片段的拥堵路段预测结果和终端上报的出发地、目的地，基于预设策略规划出最优导航路线，并将最优导航路线发送给该终端，从而可以利用对拥堵路段的预测结果快捷、准确地规划出最优的导航路线。
请参阅图4，为本发明实施例提供的一种预测拥堵路段的装置的结构示意图。本实施例中所描述的预测拥堵路段的装置，包括：
接收模块401，用于接收终端发送的拥堵路段预测请求。
处理模块402，用于响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果。
其中，基于路段的拥堵状况具有一定的周期性，可以把一定的时长当做一个周期，例如以一天为一个周期，并将一个周期划分出多个时间片段，在不同时间片段内路段的拥堵状况差异较大，例如可以将一个周期划分为上班高峰时间片段、中午时间片段、下班高峰时间片段以及剩余的其它时间片段，不同周期的同一个时间片段内路段拥堵状况是相似的，例如周一到周五这五个周期的同一个时间片段内路段拥堵状况一般比较相似。
其中，当前时间片段的拥堵向量用于反映当前时间片段的路段拥堵状况，拥堵转移矩阵用于反映路段之间的相互影响，包括某一路段在某一时间片段内的拥堵状况，对其它路段在该某一时间片段的下一个时间片段内是否会产生拥堵的影响程度。
发送模块403，用于向所述终端发送所述拥堵路段预测结果。
在一些可行的实施方式中，所述装置还包括：
获取模块404，用于获取车辆的历史行驶轨迹数据。
确定模块405，用于根据所述历史行驶轨迹数据确定拥堵路段集合。
建立模块406，用于根据所述拥堵路段集合，建立拥堵路段因果关系矩阵。
所述建立模块406，还用于根据所述拥堵路段因果关系矩阵，建立拥堵转移矩阵。
在一些可行的实施方式中，建立模块406可以为本次建立得到的拥堵转移矩阵和历史建立得到的拥堵转移矩阵分别设置不同的权重，即实际的拥堵转移矩阵＝α*本次建立得到的拥堵转移矩阵+(1-α)*历史建立得到的拥堵转移矩阵，可以结合本次建立得到的拥堵转移矩阵和历史建立得到的拥堵转移矩阵综合确定实际的拥堵转移矩阵，可以保证下一个时间片段的拥堵路段预测结果的平滑度，使得预测结果更加准确可靠。优选地，α可以取较大值，例如α＝0.8，即赋予本次建立得到的拥堵转移矩阵较大的权重，以保证实际的拥堵转移矩阵的即时性。
在一些可行的实施方式中，所述处理模块402包括：
确定单元4020，用于响应所述拥堵路段预测请求，将当前时间片段的拥堵向量和预先建立的拥堵转移矩阵相乘，并根据所述拥堵向量和所述拥堵转移矩阵的乘积确定各个路段在下一个时间片段内的拥堵概率。
所述确定单元4020，还用于将所述拥堵概率大于或等于预设概率值的路段确定为所述下一个时间片段的拥堵路段，将所述拥堵概率小于所述预设概率值的路段确定为所述下一个时间片段的畅通路段。
生成单元4021，用于生成所述下一个时间片段的拥堵路段预测结果。
在一些可行的实施方式中，所述确定模块405包括：
解析单元4050，用于解析所述历史行驶轨迹数据，获取各个路段在历史时间片段内的行驶轨迹数量。
添加单元4051，用于将所述行驶轨迹数量大于或等于预设数值的路段添加到拥堵路段集合中。
其中，预设数值可以是路段设计的最大行驶轨迹数量，也可以是路段设计的最大行驶轨迹数量的指定比例(例如80％)。
在一些可行的实施方式中，所述获取模块404，还用于获取当前时间片段的路段拥堵状况。
所述建立模块406，还用于根据所述路段拥堵状况，建立所述当前时间片段的拥堵向量。
在一些可行的实施方式中，所述装置还包括：
规划模块407，用于根据所述下一个时间片段的拥堵路段预测结果和所述终端上报的出发地、目的地，基于预设策略规划从所述出发地到所述目的地的最优导航路线。
其中，所述发送模块403，还用于向所述终端发送所述最优导航路线。
可以理解的是，本实施例的预测拥堵路段的装置的各功能模块、单元的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
本发明实施例中，服务器接收终端发送的拥堵路段预测请求，响应该拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果，并向该终端发送该拥堵路段预测结果，从而可以对路段拥堵状况进行准确地预测。
请参阅图5，为本发明实施例提供的一种服务器的结构示意图。本实施例中所描述的服务器，包括：处理器501、网络接口502及存储器503。其中，处理器501、网络接口502及存储器503可通过总线或其他方式连接，本发明实施例以通过总线连接为例。
其中，处理器501(或称中央处理器(Central Processing Unit，CPU))是服务器的计算核心以及控制核心。网络接口502可选的可以包括标准的有线接口、无线接口(如WI-FI、移动通信接口等)，受处理器501的控制用于收发消息。存储器503(Memory)是服务器的记忆设备，用于存放程序和数据。可以理解的是，此处的存储器503可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器501的存储装置。存储器503提供存储空间，该存储空间存储了服务器的操作系统和可执行程序代码，可包括但不限于：Windows系统(一种操作系统)、Linux(一种操作系统)系统等等，本发明对此并不作限定。
在本发明实施例中，处理器501通过运行存储器503中的可执行程序代码，执行如下操作：
网络接口502，用于接收终端发送的拥堵路段预测请求。
处理器501，用于响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果。
所述网络接口502，还用于向所述终端发送所述拥堵路段预测结果。
在一些可行的实施方式中，所述网络接口502，还用于获取车辆的历史行驶轨迹数据。
所述处理器501，还用于根据所述历史行驶轨迹数据确定拥堵路段集合。
所述处理器501，还用于根据所述拥堵路段集合，建立拥堵路段因果关系矩阵。
所述处理器501，还用于根据所述拥堵路段因果关系矩阵，建立拥堵转移矩阵。
在一些可行的实施方式中，所述处理器501具体用于：
响应所述拥堵路段预测请求，将当前时间片段的拥堵向量和预先建立的拥堵转移矩阵相乘，并根据所述拥堵向量和所述拥堵转移矩阵的乘积确定各个路段在下一个时间片段内的拥堵概率。
将所述拥堵概率大于或等于预设概率值的路段确定为所述下一个时间片段的拥堵路段，将所述拥堵概率小于所述预设概率值的路段确定为所述下一个时间片段的畅通路段。
生成所述下一个时间片段的拥堵路段预测结果。
在一些可行的实施方式中，所述处理器501具体用于：
解析所述历史行驶轨迹数据，获取各个路段在历史时间片段内的行驶轨迹数量。
将所述行驶轨迹数量大于或等于预设数值的路段添加到拥堵路段集合中。
在一些可行的实施方式中，所述处理器501，还用于获取当前时间片段的路段拥堵状况。
所述处理器501，还用于根据所述路段拥堵状况，建立所述当前时间片段的拥堵向量。
在一些可行的实施方式中，所述处理器501，还用于根据所述下一个时间片段的拥堵路段预测结果和所述终端上报的出发地、目的地，基于预设策略规划从所述出发地到所述目的地的最优导航路线。
所述网络接口502，还用于向所述终端发送所述最优导航路线。
具体实现中，本发明实施例中所描述的处理器501、网络接口502及存储器503可执行本发明实施例提供的一种预测拥堵路段的方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例提供的一种预测拥堵路段的装置中所描述的预测拥堵路段的装置的实现方式，在此不再赘述。
本发明实施例中，网络接口502接收终端发送的拥堵路段预测请求，处理器501响应该拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果，网络接口502向该终端发送该拥堵路段预测结果，从而可以对路段拥堵状况进行准确地预测。
请参阅图6，为本发明实施例提供的一种预测拥堵路段的系统的结构示意图。本实施例中所描述的预测拥堵路段的系统，包括终端601和服务器602，其中：
终端601，用于向服务器602发送拥堵路段预测请求。
服务器602，用于接收所述拥堵路段预测请求。
所述服务器602，还用于响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果。
所述服务器602，还用于向所述终端601发送所述拥堵路段预测结果。
在一些可行的实施方式中，所述服务器602具体用于：
响应所述拥堵路段预测请求，将当前时间片段的拥堵向量和预先建立的拥堵转移矩阵相乘。
根据所述拥堵向量和所述拥堵转移矩阵的乘积确定各个路段在下一个时间片段内的拥堵概率。
将所述拥堵概率大于或等于预设概率值的路段确定为所述下一个时间片段的拥堵路段，将所述拥堵概率小于所述预设概率值的路段确定为所述下一个时间片段的畅通路段，并生成所述下一个时间片段的拥堵路段预测结果。
在一些可行的实施方式中，所述终端601，还用于向所述服务器602上报出发地和目的地。
所述服务器602，还用于接收所述出发地和所述目的地。
所述服务器602，还用于根据所述下一个时间片段的拥堵路段预测结果和所述出发地、所述目的地，基于预设策略规划从所述出发地到所述目的地的最优导航路线。
所述服务器602，还用于向所述终端601发送所述最优导航路线。
本发明实施例中，终端601向服务器602发送拥堵路段预测请求，服务器602响应该拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果，并向该终端601发送该拥堵路段预测结果，从而可以对路段拥堵状况进行准确地预测。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，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流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (13)

1.一种预测拥堵路段的方法，其特征在于，包括：
接收终端发送的拥堵路段预测请求；
响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果；
向所述终端发送所述拥堵路段预测结果。
2.根据权利要求1所述的方法，其特征在于，所述响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果之前，所述方法还包括：
获取车辆的历史行驶轨迹数据，根据所述历史行驶轨迹数据确定拥堵路段集合；
根据所述拥堵路段集合，建立拥堵路段因果关系矩阵；
根据所述拥堵路段因果关系矩阵，建立拥堵转移矩阵。
3.根据权利要求1或2所述的方法，其特征在于，所述响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果，包括：
响应所述拥堵路段预测请求，将当前时间片段的拥堵向量和预先建立的拥堵转移矩阵相乘；
根据所述拥堵向量和所述拥堵转移矩阵的乘积确定各个路段在下一个时间片段内的拥堵概率；
将所述拥堵概率大于或等于预设概率值的路段确定为所述下一个时间片段的拥堵路段，将所述拥堵概率小于所述预设概率值的路段确定为所述下一个时间片段的畅通路段，并生成所述下一个时间片段的拥堵路段预测结果。
4.根据权利要求2所述的方法，其特征在于，所述根据所述历史行驶轨迹数据确定拥堵路段集合，包括：
解析所述历史行驶轨迹数据，获取各个路段在历史时间片段内的行驶轨迹数量；
将所述行驶轨迹数量大于或等于预设数值的路段添加到拥堵路段集合中。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取当前时间片段的路段拥堵状况；
根据所述路段拥堵状况，建立所述当前时间片段的拥堵向量。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述下一个时间片段的拥堵路段预测结果和所述终端上报的出发地、目的地，基于预设策略规划从所述出发地到所述目的地的最优导航路线；
向所述终端发送所述最优导航路线。
7.根据权利要求6所述的方法，其特征在于，
所述预设策略包括时间最短策略。
8.一种预测拥堵路段的装置，其特征在于，包括：
接收模块，用于接收终端发送的拥堵路段预测请求；
处理模块，用于响应所述拥堵路段预测请求，根据当前时间片段的拥堵向量和预先建立的拥堵转移矩阵，确定下一个时间片段的拥堵路段预测结果；
发送模块，用于向所述终端发送所述拥堵路段预测结果。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
获取模块，用于获取车辆的历史行驶轨迹数据；
确定模块，用于根据所述历史行驶轨迹数据确定拥堵路段集合；
建立模块，用于根据所述拥堵路段集合，建立拥堵路段因果关系矩阵；
所述建立模块，还用于根据所述拥堵路段因果关系矩阵，建立拥堵转移矩阵。
10.根据权利要求8或9所述的装置，其特征在于，所述处理模块包括：
确定单元，用于响应所述拥堵路段预测请求，将当前时间片段的拥堵向量和预先建立的拥堵转移矩阵相乘，并根据所述拥堵向量和所述拥堵转移矩阵的乘积确定各个路段在下一个时间片段内的拥堵概率；
所述确定单元，还用于将所述拥堵概率大于或等于预设概率值的路段确定为所述下一个时间片段的拥堵路段，将所述拥堵概率小于所述预设概率值的路段确定为所述下一个时间片段的畅通路段；
生成单元，用于生成所述下一个时间片段的拥堵路段预测结果。
11.根据权利要求9所述的装置，其特征在于，所述确定模块包括：
解析单元，用于解析所述历史行驶轨迹数据，获取各个路段在历史时间片段内的行驶轨迹数量；
添加单元，用于将所述行驶轨迹数量大于或等于预设数值的路段添加到拥堵路段集合中。
12.根据权利要求9所述的装置，其特征在于，
所述获取模块，还用于获取当前时间片段的路段拥堵状况；
所述建立模块，还用于根据所述路段拥堵状况，建立所述当前时间片段的拥堵向量。
13.根据权利要求8所述的装置，其特征在于，所述装置还包括：
规划模块，用于根据所述下一个时间片段的拥堵路段预测结果和所述终端上报的出发地、目的地，基于预设策略规划从所述出发地到所述目的地的最优导航路线；
其中，所述发送模块，还用于向所述终端发送所述最优导航路线。
CN201611034451.2A 2016-11-18 2016-11-18 一种预测拥堵路段的方法及装置 Active CN108074008B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611034451.2A CN108074008B (zh) 2016-11-18 2016-11-18 一种预测拥堵路段的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611034451.2A CN108074008B (zh) 2016-11-18 2016-11-18 一种预测拥堵路段的方法及装置

Publications (2)

Publication Number Publication Date
CN108074008A true CN108074008A (zh) 2018-05-25
CN108074008B CN108074008B (zh) 2022-01-07

Family

ID=62161145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611034451.2A Active CN108074008B (zh) 2016-11-18 2016-11-18 一种预测拥堵路段的方法及装置

Country Status (1)

Country Link
CN (1) CN108074008B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109559511A (zh) * 2018-12-05 2019-04-02 江苏省城市规划设计研究院 一种城市交通拥堵信息定向投放方法
CN110047276A (zh) * 2019-03-11 2019-07-23 广州文远知行科技有限公司 障碍物车辆的拥堵状态确定方法、装置和相关产品
CN110244725A (zh) * 2019-06-13 2019-09-17 腾讯科技（深圳）有限公司 仿真车辆的控制方法和装置、存储介质及电子装置
CN111813820A (zh) * 2019-04-12 2020-10-23 北京三快在线科技有限公司 确定封锁路段的方法、装置、存储介质以及电子设备
CN112665604A (zh) * 2020-12-31 2021-04-16 重庆文理学院 交通工具智能引导平台

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110365A (zh) * 2009-12-28 2011-06-29 日电（中国）有限公司 基于时空关系的路况预测方法和系统
CN102353380A (zh) * 2011-06-30 2012-02-15 福建慧翰信息技术有限公司 路况预测和查询系统及方法
CN104157139A (zh) * 2014-08-05 2014-11-19 中山大学 一种交通拥堵预测方法及可视化方法
WO2014187476A1 (en) * 2013-05-21 2014-11-27 Nec Europe Ltd. Method and system for predicting mobility demand of users
CN105243848A (zh) * 2015-11-10 2016-01-13 上海语镜汽车信息技术有限公司 实时路况的预测方法和系统
CN105788335A (zh) * 2016-04-05 2016-07-20 广东欧珀移动通信有限公司 一种导航的方法及终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110365A (zh) * 2009-12-28 2011-06-29 日电（中国）有限公司 基于时空关系的路况预测方法和系统
CN102353380A (zh) * 2011-06-30 2012-02-15 福建慧翰信息技术有限公司 路况预测和查询系统及方法
WO2014187476A1 (en) * 2013-05-21 2014-11-27 Nec Europe Ltd. Method and system for predicting mobility demand of users
CN104157139A (zh) * 2014-08-05 2014-11-19 中山大学 一种交通拥堵预测方法及可视化方法
CN105243848A (zh) * 2015-11-10 2016-01-13 上海语镜汽车信息技术有限公司 实时路况的预测方法和系统
CN105788335A (zh) * 2016-04-05 2016-07-20 广东欧珀移动通信有限公司 一种导航的方法及终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张百合: "基于拥堵转移矩阵的城市拥堵路段预测方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109559511A (zh) * 2018-12-05 2019-04-02 江苏省城市规划设计研究院 一种城市交通拥堵信息定向投放方法
CN110047276A (zh) * 2019-03-11 2019-07-23 广州文远知行科技有限公司 障碍物车辆的拥堵状态确定方法、装置和相关产品
CN111813820A (zh) * 2019-04-12 2020-10-23 北京三快在线科技有限公司 确定封锁路段的方法、装置、存储介质以及电子设备
CN110244725A (zh) * 2019-06-13 2019-09-17 腾讯科技（深圳）有限公司 仿真车辆的控制方法和装置、存储介质及电子装置
CN112665604A (zh) * 2020-12-31 2021-04-16 重庆文理学院 交通工具智能引导平台

Also Published As

Publication number Publication date
CN108074008B (zh) 2022-01-07

Similar Documents

Publication Publication Date Title
CN108074008A (zh) 一种预测拥堵路段的方法及装置
CN110081900A (zh) 一种充电桩智能推荐方法、装置、服务终端和存储介质
CN107491825B (zh) 一种约车处理方法及系统
CN109767030A (zh) 道路拥堵检测方法、装置、计算机设备及存储介质
US10325332B2 (en) Incentivizing human travel patterns to reduce traffic congestion
CN104596529A (zh) 一种导航方法及装置
US20160358208A1 (en) Method, device, system for displaying media data
CN110119824B (zh) 一种充电桩适配调度系统及方法
CN108307312A (zh) 一种拥堵提示方法、服务器、客户端及存储介质
Ibn-Khedher et al. Edge computing assisted autonomous driving using artificial intelligence
CN109990793A (zh) 确定车辆偏航的方法、装置及计算机可读存储介质
US20190122554A1 (en) Smart parking management and navigation system
EP4123527A1 (en) Online car-hailing information processing method and apparatus, and device and computer storage medium
CN111341093A (zh) 车队的控制方法、装置、设备及存储介质
CN111179006B (zh) 司机调度方法、装置及电子设备
CN108763374B (zh) 一种行驶路径展示方法、装置及设备
CN111966111A (zh) 基于自动配电的移动充电设备编队控制方法、系统、装置
JP2015141550A (ja) 工事スケジュール作成システム及び工事スケジュール作成方法
CN111222933A (zh) 一种信息推送方法以及信息推送装置
CN108989387A (zh) 控制异步请求的方法、装置及设备
CN104980480A (zh) 数据信息分享方法及装置
CN110659849B (zh) 业务覆盖区域的确定方法、装置及电子设备
CN111144594B (zh) 一种出发时刻确定方法、装置及设备
CN109978206B (zh) 用于请求服务资源的方法及装置
KR20120045180A (ko) 일정 관리 서비스 시스템, 그의 휴대 단말 장치, 일정 관리 서비스 장치 및 방법

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