CN108256662A - 到达时间的预测方法和装置 - Google Patents

到达时间的预测方法和装置 Download PDF

Info

Publication number
CN108256662A
CN108256662A CN201611244852.0A CN201611244852A CN108256662A CN 108256662 A CN108256662 A CN 108256662A CN 201611244852 A CN201611244852 A CN 201611244852A CN 108256662 A CN108256662 A CN 108256662A
Authority
CN
China
Prior art keywords
time
road
switching
mean transit
module
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
Application number
CN201611244852.0A
Other languages
English (en)
Inventor
张健
肖健
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.)
Shenyang Mxnavi Co Ltd
Original Assignee
Shenyang Mxnavi 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 Shenyang Mxnavi Co Ltd filed Critical Shenyang Mxnavi Co Ltd
Priority to CN201611244852.0A priority Critical patent/CN108256662A/zh
Publication of CN108256662A publication Critical patent/CN108256662A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem

Abstract

本发明提供一种到达时间的预测方法和装置。其中方法包括:在预设时段内计算一条道路中的全部车辆通过该道路的平均通过时间;判断所述全部车辆的数量是否小于预设的第一阈值;若是,则基于从交通信息频道中获取的实时通行时间计算预计到达的时间;若否,则基于所述平均通过时间计算预计到达的时间。本发明能够大大提高导航的准确性和效率。

Description

到达时间的预测方法和装置
技术领域
本发明涉及一种到达时间的预测方法和装置,属于道路导航技术领域。
背景技术
现在对于导航路线进行规划时主要参考道路的通过时间,将通过时间较短的路线规划成推荐路线。目前,在计算道路的通过时间时主要有两种算法:一种是基于道路固定信息的算法;另一种是基于实时路况信息的算法。
在前一种算法中,考虑道路的长度、限速、红绿灯个数和时长等不随时间变化的固定信息来计算道路的通过时间。由于这种方式没有考虑道路的拥堵状况,因此计算出来的通过时间与实际差距极大,准确性太低。
在另一种算法中,根据从TMC(Traffic Message Channel,交通信息频道)中获得的实时路况信息来计算通过时间。这种方式需要频繁地接入无线网络以获取实时路况信息,从而消耗大量的无线数据流量和服务器资源,提高通信成本。
发明内容
本发明提供一种到达时间的预测方法和装置,用以更加高效精确地计算出车辆的预计到达时间,为行车和路线规划提供参考。
本发明一实施例提供一种到达时间的预测方法,其中包括:
在预设时段内计算一条道路中的全部车辆通过该道路的平均通过时间;
判断所述全部车辆的数量是否小于预设的第一阈值;
若是,则基于从交通信息频道中获取的实时通行时间计算预计到达的时间;
若否,则基于所述平均通过时间计算预计到达的时间。
在一个实施例中,计算所述平均通过时间包括:
获取每个所述车辆在所述预设时段内驶入所述道路时的驶入时刻和驶出所述道路时的驶出时刻;
根据所述驶入时刻和所述驶出时刻计算该车辆通过该道路的单车通过时间;
计算所述全部车辆各自的单车通过时间的平均值作为所述平均通过时间。
在一个实施例中,基于所述平均通过时间计算预计到达的时间,包括:
判断所述全部车辆的数量是否大于第二阈值,其中,该第二阈值大于所述第一阈值;
若是,则基于所述平均通过时间计算预计到达的时间;
若否,则基于所述交通信息频道对应的实时通过时间与所述平均通过时间的平均值计算预计到达的时间。
在一个实施例中,所述方法还包括:根据所述全部车辆在所述道路中的轨迹分布密度将所述道路中位于两端的部分划分为切换路段,并计算所述全部车辆通过所述切换路段的平均切换时间;
基于所述平均通过时间计算预计到达的时间,包括:基于所述平均通过时间以及所述平均切换时间计算预计到达的时间。
在一个实施例中,所述方法还包括:
查询所述路线规划请求中包含的起始地址与目标地址之间可能经过的备选道路形成多条备选路径;
查询位于所述备选路径上的所述备选道路对应的所述平均通过时间及所述平均切换时间;
计算相邻两条所述备选道路之间的切换路段的平均切换时间之和作为路间切换时间;
计算所述备选路径上的所述实时通过时间之和加上所述路间切换时间之和后的总和作为路径通过时间;
选择所述路径通过时间最短的备选路径作为规划路径。
通过本发明以上各实施例,能够精准地计算出车辆预计到达终点的时间,为行车和导航选路提供了精准的参考,大大提高导航的准确性和效率,提升用户使用体验。
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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述到达时间的预测方法的流程图;
图2为图1所示步骤100的具体实施方式的举例流程图;
图3为图1所示步骤400的具体实施方式的举例流程图;
图4为本发明另一实施例所述到达时间的预测方法对应的道路划分图;
图5为图4所示实施例的部分流程图;
图6为图4所示实施例的中间切换时间的说明图;
图7为本发明实施例所述到达时间的预测装置的结构示意图;
图8为图7所示计算模块的结构示意图;
图9为图7所示到达时间预测模块的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
图1为本发明实施所述到达时间的预测方法的流程图,如图所示,该方法至少包括如下步骤:
步骤100,在预设时段内计算一条道路中的全部车辆通过该道路的平均通过时间。
其中,所述全部车辆包括在所述预设时段内既驶入了该条道路又驶出了该条道路的车辆。如果某个车辆在上述预设时段开始前才驶入该条道路或者在上述预设时段结束后才驶出该条道路,由于无法计算该车辆的通过时间,因此不属于本步骤所述的“全部车辆”的范畴。不过,在实际应用中,该预设时段通常被设置为比一个车辆通过该条道路的一般通过时间要长很多,比如一般通过时间为5分钟,而预设时段为1小时,因此未能计算通过时间的车辆非常少,不会影响导航路线规划的最终结果。具体计算过程可以参见后述图2及其相关说明。
另外,该步骤100可以重复执行,用最新的值来更新旧值,以保持数据的实时性。比如,在第一天选择下午2点至5点作为上述预设时段算出上述平均通过时间,此后在每一天的相同预设时段都重复执行进行步骤100的计算,如此不断持续下去。
步骤200,判断所述全部车辆的数量是否小于预设的第一阈值,如果小于则执行步骤300,否则执行步骤400。
其中,所述路线规划请求可以是从车辆或移动设备上装载的导航客户端发来的,其中包含起始地址和目标地址,请求在这两个地址之间进行路线规划,比如走哪条路线时间最短等等。
步骤300,基于从交通信息频道中获取的实时通行时间计算预计到达的时间。
其中,该实时路况信息包括车辆模型的速度、方向等信息。当全部车辆的数量小于预设的第一阈值时,表明此时在预设时段内的全部车辆的样本数过少,计算结果的可信度不高,因此不建议使用。
具体地,可以根据所述路线规划请求中包含的起始地址和目标地址先查询出这两个地址之间可能经过的备选道路;然后根据实时路况信息计算出这些备选道路对应的实时通过时间;选择实时通过时间之和最短的备选道路形成两个地址之间的规划路径。
步骤400,基于所述平均通过时间计算预计到达的时间。
当全部车辆的数量大于或等于预设的第一阈值时,表明此时在预设时段内的全部车辆的样本数较多,计算预计到达的时间的结果的可信度较高,可以用来规划路线。
具体地,可以根据所述路线规划请求中包含的起始地址和目标地址先查询出这两个地址之间可能经过的备选道路;然后查询出在步骤100中算出的这些备选道路对应的平均通过时间;选择平均通过时间之和最短的备选道路形成两个地址之间的规划路径。
通过本实施例所述方法,由于在规划路线时使用的实时路况信息和平均通过时间都反映了道路的实际拥堵状况,因此与单纯基于限速和基于TMC(交通信息频道)的通行时间相比,计算到达时间更精确,以此进行道路规划和道路提示,大大提高了导航的准确性和便利性;并且,由于还根据车辆的数量分别适当地采用实时路况信息和平均通过时间,因此在保证导航准确性的同时,还避免了对TMC的频繁访问,从而也提高了导航的效率。
图2为图1所示步骤100的具体计算方式的举例流程图,在步骤100中计算上述平均通过时间可以采用如下方式:
步骤110,获取每个所述车辆在所述预设时段内驶入所述道路时的驶入时刻和驶出所述道路时的驶出时刻。
其中,所述车辆上均预装有实时定位系统(如GPS等),因此能得知车辆的位置以及上述驶入时刻和驶出时刻。
步骤120,根据所述驶入时刻和所述驶出时刻计算该车辆通过该道路的单车通过时间。
具体地,可以用驶出时刻减去驶入时刻便能得到该车辆的单车通过时间。
步骤130,计算所述全部车辆各自的单车通过时间的平均值作为所述平均通过时间。
图3为图1所示步骤400的具体实施方式的举例流程图,在步骤400中基于平均通过时间进行路线规划可以采用如下方式:
步骤410,判断所述全部车辆的数量是否大于第二阈值,其中,该第二阈值大于所述第一阈值,当大于第二阈值时执行步骤420;否则执行步骤430。
在上述步骤200中当判断出全部车辆的数量大于或等于预设的第一阈值时,表明此时在预设时段内的全部车辆的样本数较多,计算结果的可信度较高。但由于不同地区的路况千差万别,比如僻远地区的道路上行驶的车辆通常很少,而繁华地区的道路上行驶的车辆通常很多,如果仅用一个阈值来判别样本数是否足够的话,不能充分地反映不同地区的路况。因此,如果起始地址和目标地址之间要跨越多个路况差别较大的不同地区时,可以考虑增加第二阈值。
步骤420,基于所述平均通过时间计算预计到达的时间。
在上述步骤410中如果判断出全部车辆的数量大于比第一阈值更大的第二阈值时,表明此时的样本数更多,可信度更高,因此仍然直接采用所述平均通过时间来进行计算预计到达的时间。还可以基于计算出的预计到达时间来进行具体的路线规划,具体方式可以参见上述步骤400的相关说明,此处不再赘述。
步骤430,基于所述交通信息频道对应的实时通过时间与平均通过时间的平均值计算预计到达的时间。
在上述步骤410中如果判断出全部车辆的数量虽然大于第一阈值但不大于第二阈值时,表明此时的样本数虽然较多,但对于当前的道路来说可能还不太够,因此综合考虑实时路况信息和之前在步骤100中算出的平均通过时间来进行路线规划。从而有利于兼顾二者的优势,进一步提高导航的准确性。
具体地,本发明实施例还可以根据所述路线规划请求中包含的起始地址和目标地址先查询出这两个地址之间可能经过的备选道路;然后查询出在步骤100中算出的这些备选道路对应的平均通过时间并根据实时路况信息计算出这些道路对应的实时通过时间;算出实时通过时间与平均通过时间的平均值;选择该平均值之和最短的备选道路形成两个地址之间的规划路径。
图4为本发明另一实施例所述到达时间的预测方法对应的道路划分图。如图4所示,在本实施例中除了计算上述平均通过时间以外,还根据所述全部车辆在所述道路中的轨迹分布密度将道路划分成不同的路段。
其中,图中连续排列的小方块表示一个车辆的轨迹点,在开始路段和结尾路段,由于等待红绿灯或缓慢出入路口等原因,车辆的轨迹点分布很密集,因此将位于两端的部分划分为切换路段,并计算所述全部车辆通过所述切换路段的平均切换时间。具体地,可以用一个车辆驶出切换路段时的驶出时刻减去驶入切换路段时的驶入时刻得到该车辆的切换时间,然后计算经过该切换路段的所有车辆各自的切换时间的平均值作为所述平均切换时间。
相应地,在道路上除去上述切换路段以外的部分,车辆通常都为相对匀速行驶,轨迹点分布较为稀疏,因此将位于两个切换路段之间的部分划分为行进路段,对应于图中的平均行进时间。具体地,可以采用上述求平均值的方法算出该平均行进时间;或者用平均通过时间减去两个平均切换时间的方法算出该平均行进时间;或者如果没有需要,也可以不计算该平均行进时间。
与前述平均通过时间时间类似,平均切换时间与平均行进时间也可以重复计算,用最新的值来更新旧值,以保持数据的实时性。
当得到了上述平均切换时间以后,上述步骤400中基于所述平均通过时间进行路线规划具体可以基于所述平均通过时间以及所述平均切换时间进行路线规划,具体地如图5所示,至少包含如下步骤:
步骤510,查询所述路线规划请求中包含的起始地址与目标地址之间可能经过的备选道路形成多条备选路径。
具体可以根据预存的电子地图信息查询从起始地址到达目标地址的可能经过的备选道路,并将这些备选道路组合成可能的备选路径。此处需要说明的是,此处并不排除进一步设定其他限制条件,比如只选择适合汽车、自行车、徒步等特定行进方式的备选道路;再比如根据道路维修信息、交通管制信息等只选择处于允许通行状态的备选道路。
另外,如果备选路径只有一条,则不必再执行后续步骤,直接把这条备选路径作为规划路径即可。
步骤520,查询位于所述备选路径上的所述备选道路对应的所述平均通过时间及所述平均切换时间。
其中的平均通过时间和平均切换时间是在前面步骤中预先算出并与道路关联保存一起的,因此可以通过道路找到相应的平均通过时间和平均切换时间。
步骤530,计算相邻两条所述备选道路之间的切换路段的平均切换时间之和作为路间切换时间。
其中相邻两条备选道路既包括直行相邻,也包括转变相邻。如图6所示,从起始地址到目标地址之间会经过多条备选道路,当两条备选道路相邻时,其中一条备选道路的一端的切换路段与另一条备选道路的一端的切换路段相接。这两个切换路段对应的平均切换时间之和即为本步骤中的路间切换时间,表示从一条备选道路切换到另一条相邻的备选道路时所需的平均时间。“平均”的含义是指多个车辆的平均值。
步骤540,计算所述备选路径上的所述实时通过时间之和加上所述路间切换时间之和后的总和作为路径通过时间。
其中,实时通过时间之和是指该备选路径上的多个备选道路各自的实时通过时间之和;路间切换时间之和是指该备选路径上的多对相邻备选道路各自的路间切换时间之和。具体地,一条备选路径对应一个路径通过时间。
步骤550,选择所述路径通过时间最短的备选路径作为规划路径。
具体地,如果有多条备选路径的路径通过时间相同且均为最短,则可以随机任选一条备选路径或者加入其他参考条件进行选择。比如将红绿灯数量、监控摄像头数量等道路固定信息作为参考条件加以选择。
本实施例所方法在进行路线规划时,除了考虑一条道路自身的平均通过时间以外,还兼顾考虑了相邻道路之间的路间切换时间,使得导航路线更加准确高效。
图7为本发明实施例所述到达时间的预测装置的结构示意图,能够实现上述到达时间的预测方法,如图所示,该到达时间的预测装置可以包括如下模块:
计算模块10在预设时段内计算一条道路中的全部车辆通过该道路的平均通过时间;由第一判断模块20判断所述全部车辆的数量是否小于预设的第一阈值;如果第一判断模块20的判断结果为是,则由到达时间预测模块30基于从实时通行时间计算预计到达的时间;如果第一判断模块20的判断结果为否时,基于所述计算模块10计算出的所述平均通过时间计算预计到达的时间。
具体地,如图8所示,所述计算模块10包括:获取单元11获取每个所述车辆在所述预设时段内驶入所述道路时的驶入时刻和驶出所述道路时的驶出时刻;单车计算单元12根据所述获取单元11获取到的所述驶入时刻和所述驶出时刻计算所述车辆通过该道路的单车通过时间;以及平均计算单元13计算由所述单车计算单元12计算出的所述全部车辆各自的单车通过时间的平均值作为所述平均通过时间。
另外,如图7所示,该装置还可以进一步包括第二判断模块40。当第一判断模块20的判断结果为否时,由该第二判断模块40进一步判断所述全部车辆的数量是否大于第二阈值,其中,该第二阈值大于所述第一阈值;到达时间预测模块30还用于当所述第二判断模块40的判断结果为是时,基于所述平均通过时间计算预计到达的时间;当所述第二判断模块40的判断结果为否时,基于所述交通信息频道对应的实时通过时间与所述平均通过时间的平均值计算预计到达的时间。
另外,如图7所示,该装置还可以进一包括划分模块50。由划分模块50根据所述全部车辆在所述道路中的轨迹分布密度将所述道路中位于两端的部分划分为切换路段;由计算模块10中的切换计算单元14计算所述全部车辆通过所述切换路段的平均切换时间;当第一判断模块20的判断结果为否时,由到达时间预测模块30基于由所述计算模块10计算出的所述平均通过时间以及所述平均切换时间计算预计到达的时间。
具体地,如图9所示,上述装置还包括:所述到达时间预测模块30;到达时间预测模块30包括:查询单元31和选择单元32。由查询单元31查询路线规划请求中包含的起始地址与目标地址之间可能经过的备选道路形成多条备选路径;并查询位于所述备选路径上的所述备选道路对应的所述平均通过时间及所述平均切换时间;然后由计算模块10中的求和计算单元15计算由所述查询单元31查询到的相邻两条所述备选道路之间的切换路段的平均切换时间之和作为路间切换时间,并计算由所述查询单元31查询到的所述备选路径上的所述实时通过时间之和加上所述路间切换时间之和后的总和作为路径通过时间;此后,选择单元32选择由所述计算模块10计算出的所述路径通过时间最短的备选路径作为规划路径。
通过本实施例所述装置能够大大提高导航的准确性和效率。具体可参见以上方法实施例各步骤的说明。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,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精神和范围。

Claims (10)

1.一种到达时间的预测方法,其特征在于,包括:
在预设时段内计算一条道路中的全部车辆通过该道路的平均通过时间;
判断所述全部车辆的数量是否小于预设的第一阈值;
若是,则基于从交通信息频道中获取的实时通行时间计算预计到达的时间;
若否,则基于所述平均通过时间计算预计到达的时间。
2.根据权利要求1所述的方法,其特征在于,计算所述平均通过时间包括:
获取每个所述车辆在所述预设时段内驶入所述道路时的驶入时刻和驶出所述道路时的驶出时刻;
根据所述驶入时刻和所述驶出时刻计算该车辆通过该道路的单车通过时间;
计算所述全部车辆各自的单车通过时间的平均值作为所述平均通过时间。
3.根据权利要求1所述的方法,其特征在于,基于所述平均通过时间计算预计到达的时间,包括:
判断所述全部车辆的数量是否大于第二阈值,其中,该第二阈值大于所述第一阈值;
若是,则基于所述平均通过时间计算预计到达的时间;
若否,则基于所述交通信息频道对应的实时通过时间与所述平均通过时间的平均值计算预计到达的时间。
4.根据权利要求1~3中任一项所述的方法,其特征在于,所述方法还包括:根据所述全部车辆在所述道路中的轨迹分布密度将所述道路中位于两端的部分划分为切换路段,并计算所述全部车辆通过所述切换路段的平均切换时间;
基于所述平均通过时间计算预计到达的时间,包括:基于所述平均通过时间以及所述平均切换时间计算预计到达的时间。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
查询所述路线规划请求中包含的起始地址与目标地址之间可能经过的备选道路形成多条备选路径;
查询位于所述备选路径上的所述备选道路对应的所述平均通过时间及所述平均切换时间;
计算相邻两条所述备选道路之间的切换路段的平均切换时间之和作为路间切换时间;
计算所述备选路径上的所述实时通过时间之和加上所述路间切换时间之和后的总和作为路径通过时间;
选择所述路径通过时间最短的备选路径作为规划路径。
6.一种到达时间的预测装置,其特征在于,包括:
计算模块,用于在预设时段内计算一条道路中的全部车辆通过该道路的平均通过时间;
第一判断模块,用于判断所述全部车辆的数量是否小于预设的第一阈值;
到达时间预测模块,用于当所述第一判断模块的判断结果为是时,基于从交通信息频道中获取的实时通行时间计算预计到达的时间;当所述第一判断模块的判断结果为否时,基于所述计算模块计算出的所述平均通过时间计算预计到达的时间。
7.根据权利要求6所述的装置,其特征在于,所述计算模块包括:
获取单元,用于获取每个所述车辆在所述预设时段内驶入所述道路时的驶入时刻和驶出所述道路时的驶出时刻;
单车计算单元,用于根据所述获取单元获取到的所述驶入时刻和所述驶出时刻计算所述车辆通过该道路的单车通过时间;以及
平均计算单元,用于计算由所述单车计算单元计算出的所述全部车辆各自的单车通过时间的平均值作为所述平均通过时间。
8.根据权利要求6所述的装置,其特征在于,还包括:第二判断模块,用于当所述第一判断模块的判断结果为否时,进一步判断所述全部车辆的数量是否大于第二阈值,其中,该第二阈值大于所述第一阈值;
所述到达时间预测模块还用于当所述第二判断模块的判断结果为是时,基于所述平均通过时间计算预计到达的时间;当所述第二判断模块的判断结果为否时,基于所述交通信息频道对应的实时通过时间与所述平均通过时间的平均值计算预计到达的时间。
9.根据权利要求6~8中任一项所述的装置,其特征在于,还包括:划分模块,用于在所述接收模块接收到所述路线规划请求之前,根据所述全部车辆在所述道路中的轨迹分布密度将所述道路中位于两端的部分划分为切换路段;
所述计算模块还包括切换计算单元,用于计算所述全部车辆通过所述切换路段的平均切换时间;
所述到达时间预测模块还用于当所述第一判断模块的判断结果为否时,基于由所述计算模块计算出的所述平均通过时间以及所述平均切换时间计算预计到达的时间。
10.根据权利要求9所述的装置,其特征在于,还包括:规划模块;
所述规划模块包括:查询单元,用于查询路线规划请求中包含的起始地址与目标地址之间可能经过的备选道路形成多条备选路径;并查询位于所述备选路径上的所述备选道路对应的所述平均通过时间及所述平均切换时间;
所述计算模块还包括求和计算单元,用于计算由所述查询单元查询到的相邻两条所述备选道路之间的切换路段的平均切换时间之和作为路间切换时间;并计算由所述查询单元查询到的所述备选路径上的所述实时通过时间之和加上所述路间切换时间之和后的总和作为路径通过时间;
所述规划模块还包括:选择单元,用于选择由所述计算模块计算出的所述路径通过时间最短的备选路径作为规划路径。
CN201611244852.0A 2016-12-29 2016-12-29 到达时间的预测方法和装置 Pending CN108256662A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611244852.0A CN108256662A (zh) 2016-12-29 2016-12-29 到达时间的预测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611244852.0A CN108256662A (zh) 2016-12-29 2016-12-29 到达时间的预测方法和装置

Publications (1)

Publication Number Publication Date
CN108256662A true CN108256662A (zh) 2018-07-06

Family

ID=62720731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611244852.0A Pending CN108256662A (zh) 2016-12-29 2016-12-29 到达时间的预测方法和装置

Country Status (1)

Country Link
CN (1) CN108256662A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108847042A (zh) * 2018-08-24 2018-11-20 讯飞智元信息科技有限公司 一种路况信息发布方法及装置
CN111854777A (zh) * 2019-04-30 2020-10-30 长城汽车股份有限公司 导航路线行驶时间的更新方法、导航方法、系统及车辆
CN111932043A (zh) * 2020-10-12 2020-11-13 广州赛特智能科技有限公司 一种机器人配送时间的预警方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258430A (zh) * 2013-04-26 2013-08-21 青岛海信网络科技股份有限公司 路段旅行时间统计、以及交通路况判定方法和装置
CN104599486A (zh) * 2014-05-29 2015-05-06 腾讯科技(深圳)有限公司 一种道路通行时间的计算方法及装置
CN105547315A (zh) * 2015-12-25 2016-05-04 上海电机学院 一种车辆实时最优交通规划方法及系统
CN105702036A (zh) * 2016-03-23 2016-06-22 深圳市金溢科技股份有限公司 一种车辆行驶时间计算方法、装置及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258430A (zh) * 2013-04-26 2013-08-21 青岛海信网络科技股份有限公司 路段旅行时间统计、以及交通路况判定方法和装置
CN104599486A (zh) * 2014-05-29 2015-05-06 腾讯科技(深圳)有限公司 一种道路通行时间的计算方法及装置
CN105547315A (zh) * 2015-12-25 2016-05-04 上海电机学院 一种车辆实时最优交通规划方法及系统
CN105702036A (zh) * 2016-03-23 2016-06-22 深圳市金溢科技股份有限公司 一种车辆行驶时间计算方法、装置及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108847042A (zh) * 2018-08-24 2018-11-20 讯飞智元信息科技有限公司 一种路况信息发布方法及装置
CN108847042B (zh) * 2018-08-24 2021-04-02 讯飞智元信息科技有限公司 一种路况信息发布方法及装置
CN111854777A (zh) * 2019-04-30 2020-10-30 长城汽车股份有限公司 导航路线行驶时间的更新方法、导航方法、系统及车辆
CN111932043A (zh) * 2020-10-12 2020-11-13 广州赛特智能科技有限公司 一种机器人配送时间的预警方法
CN111932043B (zh) * 2020-10-12 2021-05-18 广州赛特智能科技有限公司 一种机器人配送时间的预警方法

Similar Documents

Publication Publication Date Title
CN109000668B (zh) 基于车联网的实时智能导航方法
CN102636177B (zh) 一种导航路径规划方法和装置、导航系统
US9599488B2 (en) Method and apparatus for providing navigational guidance using the states of traffic signal
CA2691960C (en) System and method for identifying portions of roads
JP2019184583A (ja) 車線群識別を用いる動的な車線レベルの車両ナビゲーション
US8660794B2 (en) System and method for providing shared information about traveled road segments
US8583362B2 (en) Apparatus, method, and program for generating road information
CN108873905A (zh) 自动驾驶车辆控制方法、自动驾驶车辆及可读存储介质
CN112602128B (zh) 道路交通导航系统
CN103542858A (zh) 车辆到达目标能力评估方法,数据库生成方法、导航系统
CN109579861B (zh) 一种基于强化学习的路径导航方法及系统
CN105074793A (zh) 用于车辆路径规划和交通管理的车道级车辆导航
CN103177562B (zh) 一种获取交通状态预测所需信息的方法及装置
CN101313199A (zh) 根据群组分析的最优路线计算
CN110646004B (zh) 一种基于路况预测的智能导航方法及装置
CN109269516B (zh) 一种基于多目标Sarsa学习的动态路径诱导方法
CN106017496A (zh) 一种基于路况的实时导航方法
EP2306431B1 (en) System and method for sharing user-identified routes
CN102128631B (zh) 路径搜索方法、导航服务器和导航仪
JP2017096636A (ja) 推奨予定経路取得システム、方法およびプログラム
CN106441324A (zh) 导航方法及装置、路况信息采集方法及系统
CN108256662A (zh) 到达时间的预测方法和装置
JPH11272983A (ja) 経路計画装置,到着時間予測装置,走行記録保存装置および経路計画/到着時間予測システム
CN102297698B (zh) 实时路况路线规划方法及设备
Tatomir et al. Travel time prediction for dynamic routing using ant based control

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180706