CN109543923A - 车辆排队时间预测方法、系统、设备及存储介质 - Google Patents

车辆排队时间预测方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN109543923A
CN109543923A CN201811572657.XA CN201811572657A CN109543923A CN 109543923 A CN109543923 A CN 109543923A CN 201811572657 A CN201811572657 A CN 201811572657A CN 109543923 A CN109543923 A CN 109543923A
Authority
CN
China
Prior art keywords
vehicle
queuing
time
prediction
sequence
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
CN201811572657.XA
Other languages
English (en)
Other versions
CN109543923B (zh
Inventor
邱旭军
蔡世光
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.)
Inventec Appliances Shanghai Corp
Inventec Appliances Pudong Corp
Inventec Appliances Corp
Original Assignee
Inventec Appliances Shanghai Corp
Inventec Appliances Pudong Corp
Inventec Appliances Corp
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 Inventec Appliances Shanghai Corp, Inventec Appliances Pudong Corp, Inventec Appliances Corp filed Critical Inventec Appliances Shanghai Corp
Priority to CN201811572657.XA priority Critical patent/CN109543923B/zh
Publication of CN109543923A publication Critical patent/CN109543923A/zh
Priority to TW108113147A priority patent/TWI698839B/zh
Application granted granted Critical
Publication of CN109543923B publication Critical patent/CN109543923B/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"
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
    • G07C2011/04—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere related to queuing systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种车辆排队时间预测方法、系统、设备及存储介质，所述方法包括：采集排队场所内的各个排队车辆的位置数据；根据各个排队车辆的位置数据确定待预测车辆在队伍中的位置顺序；根据预设的位置顺序与预测排队时间的映射关系，确定待预测车辆的预测排队时间。本发明基于车联网的技术实现车辆在不同排队场所的排队时间的预测，首先通过车辆定位的位置数据的获取，确定排队车辆以及车辆排在队伍中的位置顺序，然后根据历史数据统计得到该排队场所中位置顺序与预测排队时间的映射关系，从而实现车辆排队时间的预测，并且可以将预测排队时间发送至车辆，方便车主提前做好出行安排或减轻排队中的烦躁感。

Description

车辆排队时间预测方法、系统、设备及存储介质
技术领域
本发明涉及车辆通信处理技术领域，尤其涉及一种车辆排队时间预测方法、系统、设备及存储介质。
背景技术
随着社会的发展,汽车的拥有量越来越多,相对地,和汽车相关的资源不足,导致目前汽车排队等待的现象越来越严重,如加油站,停车场,收费站,景区等等。
现有技术中的车辆排队检测一般是采用摄像头采集图像，根据图像识别来检测车辆排队长度。然而这种方法只能对车辆排队状态有一个大致了解，无法预测排队时间并告知车主，对于车主来说，无法提前了解排队时间，而难以做好出行规划，并且在排队过程中也可能会产生烦躁感。
发明内容
针对现有技术中的问题，本发明的目的在于提供一种车辆排队时间预测方法、系统、设备及存储介质，通过车辆定位，确定排队车辆以及车辆排在队伍中的位置顺序，从而实现车辆排队时间的预测。
本发明实施例提供一种车辆排队时间预测方法，包括如下步骤：
S100：采集排队场所内的各个排队车辆的位置数据；
S200：根据各个排队车辆的位置数据确定待预测车辆在队伍中的位置顺序；
S300：根据预设的位置顺序与预测排队时间的映射关系，确定待预测车辆的预测排队时间。
可选地，所述步骤S100，包括如下步骤：
采集排队场所内各个排队车辆的位置数据和识别信息；
根据车辆的识别信息判断是否有新驶入排队场所的排队车辆；
如果存在，则将新驶入车辆作为待预测车辆，然后继续步骤S200。
可选地，所述待预测车辆包括预测新驶入车辆，所述步骤S200包括如下步骤：
判断当前排队场所内队伍的数量；
如果排队场所中存在一个队伍，则将该队伍当前队尾位置顺序加一，作为预测新驶入车辆位置顺序；
如果排队场所中存在多个队伍，则将各个队伍当前队尾位置顺序加一，作为各个队伍对应的预测新驶入车辆位置顺序；
所述步骤S300包括如下步骤：
如果排队场所中存在一个队伍，将预测新驶入车辆位置顺序所对应的预测排队时间作为该排队场所的预测排队时间；
如果排队场所中存在多个队伍，计算各个队伍对应的预测新驶入车辆位置顺序所对应的预测排队时间的平均值，作为该排队场所的预测排队时间。
可选地，还包括如下步骤：
将所述排队场所的预测排队时间发送至导航系统，所述导航系统于接收到车主查看所述排队场所的信息的请求时，显示所述排队场所的预测排队时间。
可选地，所述步骤S200包括如下步骤：
根据各个排队车辆的位置数据确定各个排队车辆在队伍中的位置顺序；
判断各个排队车辆的位置顺序与前一时刻是否有变化；
如果有变化，则将位置顺序变化的车辆作为待预测车辆，然后继续步骤S300。
可选地，还包括如下步骤：
采集排队场所内第一时间范围内车辆的历史排队数据，所述车辆的历史排队数据包括车辆的初始排队位置和车辆移动至队伍队首的时间；
根据预设的队伍中各个位置顺序的位置范围，查找初始排队位置在各个位置顺序的位置范围内的车辆移动至队伍队首的时间，作为各个位置顺序的历史排队时间；
根据各个位置顺序对应的历史排队时间计算各个位置顺序的预测排队时间，建立位置顺序与预测排队时间的映射关系。
可选地，所述步骤S300之后，还包括如下步骤：
将预测排队时间发送给对应的待预测车辆。
可选地，所述步骤S100，包括如下步骤：
采集排队场所内各个车辆的位置数据；
根据各个车辆的位置数据计算各个车辆的速度；
将在第二时间范围内速度小于第一速度阈值以及与前车的车距小于预设距离阈值的车辆确定为排队场所中排队的车辆。
可选地，所述步骤S100和步骤S200之间，还包括如下步骤：
从排队的车辆中确定排在队伍队首的车辆，其中，排在队伍队首的车辆在停车位置以大于第二速度阈值的速度驶离；
将排在队伍队首的车辆在驶离之前的停车位置作为队伍队首位置。
可选地，所述步骤S200中，根据各个排队车辆的位置数据确定待预测车辆在队伍中的位置顺序，包括如下步骤：
计算各个排队车辆的位置数据与队伍队首位置的距离；
根据预设的各个位置顺序与队伍队首的距离范围，确定各个排队车辆的位置顺序。
本发明实施例还提供一种车辆排队时间预测系统，用于实现所述的车辆排队时间预测方法，所述系统包括：
位置数据采集模块，用于采集排队场所内的各个排队车辆的位置数据；
排队队伍确定模块，用于根据各个排队车辆的位置数据确定待预测车辆在队伍中的位置顺序；
排队时间预测模块，用于根据预设的位置顺序与预测排队时间的映射关系，确定待预测车辆的预测排队时间。
本发明实施例还提供一种车辆排队时间预测设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的车辆排队时间预测方法的步骤。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的车辆排队时间预测方法的步骤。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
本发明所提供的车辆排队时间预测方法、系统、设备及存储介质具有下列优点：
本发明基于车联网的技术实现车辆在不同排队场所的排队时间的预测，首先通过车辆定位的位置数据的获取，确定排队车辆以及车辆排在队伍中的位置顺序，然后根据历史数据统计得到该排队场所中位置顺序与预测排队时间的映射关系，从而实现车辆排队时间的预测，并且可以将预测排队时间发送至车辆，方便车主提前了解排队时间，以便做好出行安排或减轻排队中的烦躁感。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1是本发明一实施例的车辆排队时间预测方法的流程图；
图2是本发明一实施例的排队队伍转换为队列的示意图；
图3是本发明一具体实例的根据位置与时间映射关系预测排队时间的流程图；
图4是本发明一具体实例的加油站搜索结果界面的示意图；
图5是本发明一具体实例的根据历史数据建立位置与时间映射关系的流程图；
图6是本发明一实施例的车辆排队时间预测系统的结构示意图；
图7是本发明一实施例的车辆排队时间预测设备的结构示意图；
图8是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
随着车联网和通讯技术的发展，车联网装置越来越多地应用于车辆中，车辆均具有高速、低延迟的通讯模块和亚米级(<1米)的定位模块。为了解决现有技术的技术问题，本发明基于车联网的技术，提出了一种车辆排队时间的预测方法。
如图1所示，在本发明一实施例中，所述本发明提出了一种车辆排队时间预测方法，包括如下步骤：
S100：采集排队场所内的各个排队车辆的位置数据；可以与各个排队车辆的通讯模块进行通讯，采集各个排队车辆的定位模块定位的位置数据；
S200：根据各个排队车辆的位置数据确定待预测车辆在队伍中的位置顺序；
S300：根据预设的位置顺序与预测排队时间的映射关系，确定待预测车辆的预测排队时间。
车辆排队的队伍一般以队列的形式体现，具有线性排列及先进先出(FIFO)的特征，即符合队列的数学模型。如图2所示，为本发明一实施例的队伍转换为队列后的示意图。其中，该队伍中有n个车辆，Q0即为队首位置，Qn为队尾位置，Qi位置的排队时间即车辆从Qi位置移动到Q0位置的时间ti。
在该实施例中，步骤S300中，预测排队时间的动作主要在两种情况下被执行，一种是排队场所中有新车辆驶入队伍，一种是排队场所中正在排队的车辆的排队顺序发生了变化。
具体地，在该实施例中，所述步骤S100可以包括如下步骤：
采集排队场所内各个排队车辆的位置数据和识别信息；其中，车辆的识别信息可以为车辆在车联网中特有的身份识别码；
根据车辆的识别信息判断是否有新驶入排队场所的排队车辆，即当前时刻采集到的车辆的识别信息是否有未在前一时刻采集到的车辆的识别信息中出现过的，如果有，即为新驶入排队场所的排队车辆；
如果存在，则将新驶入车辆作为待预测车辆，然后继续步骤S200。
在该实施例中，所述待预测车辆可以包括预测新驶入车辆，即还没有驶入排队场所开始排队的车辆，在一个排队场所还可能会存在多个排队队伍，例如，在一个加油站，可能有多个加油桩，每个加油桩后面都可能会有一列排队队伍。所述步骤S200包括如下步骤：
判断当前排队场所内队伍的数量；
如果排队场所中存在一个队伍，则将该队伍当前队尾位置顺序加一，作为预测新驶入车辆位置顺序；
如果排队场所中存在多个队伍，则将各个队伍当前队尾位置顺序加一，作为各个队伍对应的预测新驶入车辆位置顺序；
即当有n个队伍时，预测每隔队伍中新驶入车辆可等待的多个位置L1、L2、L3……Ln，根据如下公式可以计算得到预测排队时间的平均值，f(Li)即为第i个队伍的新驶入车辆可等待的位置顺序的预测等待时间。
所述步骤S300包括如下步骤：
如果排队场所中存在一个队伍，将预测新驶入车辆位置顺序所对应的预测排队时间作为该排队场所的预测排队时间；对于尚未进入到排队场所的车辆来说，可以提前查看该排队场所的预测排队时间，来决定是否进入排队场所中；
如果排队场所中存在多个队伍，计算各个队伍对应的预测新驶入车辆位置顺序所对应的预测排队时间的平均值，作为该排队场所的预测排队时间。
通过预测排队场所的预测排队时间，可以让车主提前获知排队场所可能需要的等待时间。具体地，在得到排队场所的预测排队时间之后，还可以将所述排队场所的预测排队时间发送至导航系统，所述导航系统于接收到车主查看所述排队场所的信息的请求时，显示所述排队场所的预测排队时间。车主在看到预测排队时间后，可以再决定是否要驶入排队场所进行排队，如果一个排队场所的预测排队时间特别长，可以选择其他同类型的排队场所，方便车主提前做好出行规划。
如图3所示，为一个具体实例中，根据位置顺序与排队时间映射关系计算一个特定的排队场所的预测排队时间的流程图。
首先获取当前排队队伍，可能会有多个队伍，分别确定各个队伍的队尾位置；
根据队尾位置，分别预测当前如果新驶入一个车辆进入排队队伍时车辆的多个可能的等待位置，即每个队伍的队尾；
根据多个等待位置对应的预测等待时间求平均值，作为该加油站的预测排队时间。
在一个具体实例中，排队场所是加油站，在计算得到加油站的预测排队时间后，该加油站的预测排队时间可以发送给车主，作为车主安排出行计划的参考。例如，车主在导航软件中搜索附近的加油站时，搜索到的加油站的结果页面如图4所示，在该页面中不仅会显示加油站的名称、距离、油价等等，也可以将加油站中的预测排队时间显示出来。如果一个加油站预测排队时间很长，车主可以选择其他排队时间更短的加油站。
在另一替代的实施方式中，所述步骤S200可以包括如下步骤：
根据各个排队车辆的位置数据确定各个排队车辆在队伍中的位置顺序；
判断各个排队车辆的位置顺序与前一时刻是否有变化；
如果有变化，则说明队伍发生了变化，队伍中有车辆发生了移动，将位置顺序变化的车辆作为待预测车辆，然后继续步骤S300。
在该实施例中，所述位置顺序与预测排队时间的映射关系是基于历史数据建立的，即所述车辆排队时间预测方法还包括根据历史数据建立位置顺序与预测排队时间的映射关系的步骤，具体包括如下步骤：
采集排队场所内第一时间范围内车辆的历史排队数据，所述车辆的历史排队数据包括车辆的初始排队位置L和车辆移动至队伍队首的时间T；例如下表1所示。此处第一时间范围是一个时间阶段，例如之前1个月内，之前2个月内等等，时间长度可以根据需要设定。
表1
根据预设的队伍中各个位置顺序的位置范围，查找初始排队位置在各个位置顺序的位置范围内的车辆移动至队伍队首的时间，作为各个位置顺序的历史排队时间；即预存有各个位置顺序的位置范围，例如在队伍中第一排队位置顺序的经度范围和纬度范围，第二排队位置顺序的经度范围和纬度范围等等，由此将如表1中的经纬度位置数据与各个位置顺序关联起来。
根据各个位置顺序对应的历史排队时间计算各个位置顺序的预测排队时间，建立位置顺序与预测排队时间的映射关系。例如，位置顺序为1时，预测排队时间为2分钟，位置顺序为2时，预测排队时间为5分钟，预测排队时间为3时，预测排队时间为8分钟。此处排队顺序是从队首依次向队尾排列的。
具体地，根据各个位置顺序对应的历史排队时间计算各个位置顺序的预测排队时间，可以是将各个位置顺序中所有历史排队时间求平均值。
在该实施例中，所述步骤S300之后，还可以包括如下步骤：
将预测排队时间发送给对应的待预测车辆，例如，有新的车辆驶入队伍时，可以将新驶入车辆的预测排队时间发送给该车辆，当有车辆的排队顺序发生变化时，可以将预测排队时间分别发给每个顺序发生变化的车辆。可以通过与待预测车辆的通讯模块进行通讯，将预测排队时间发送给对应的车辆。通过将预测排队时间发送给排队中的车辆，可以帮助车主提前预测排队还需要的等待时间，减轻车主在排队过程中可能产生的烦躁感。
在该实施例中，所述步骤S100，可以首先从位于排队场所中的车辆中判断车辆是否处于排队状态，如果车辆不处于排队状态，则无需计算器位置顺序和预测排队时间。因此，步骤S100可以包括如下步骤：
采集排队场所内各个车辆的位置数据；
根据各个车辆的位置数据计算各个车辆的速度；
将在第二时间范围内速度小于第一速度阈值以及与前车的车距小于预设距离阈值的车辆确定为排队场所中排队的车辆。
此外，在该实施例中，所述步骤S100和步骤S200之间，还包括确定队伍队首的步骤，然后根据车辆位置与队伍队首的距离确定车辆的位置顺序，所述确定队伍队首包括如下步骤：
从排队的车辆中确定排在队伍队首的车辆，其中，排在队伍队首的车辆在停车位置以大于第二速度阈值的速度驶离；
将排在队伍队首的车辆在驶离之前的停车位置作为队伍队首位置。
在该实施例中，所述步骤S200中，根据各个排队车辆的位置数据确定待预测车辆在队伍中的位置顺序，包括如下步骤：
计算各个排队车辆的位置数据与队伍队首位置的距离；
根据预设的各个位置顺序与队伍队首的距离范围，确定各个排队车辆的位置顺序。
下面以加油站为例具体介绍本发明一具体实例的车辆排队时间预测方法的流程图。
如图5所示，在该具体实例中。首先设置加油站的位置范围，当检测到有车辆进入该位置范围内时，则认为车辆进入加油站范围内。监控加油站范围内车辆的实时位置，然后确定队伍队首位置，即处于加油桩处的车辆的位置数据。当检测到一个车辆从停车位置以大于第二速度阈值的速度驶离时，确定该车辆是在加油桩处加满油后驶离加油桩，则将车辆驶离前的停车位置确定为加油桩的位置，即队伍队首位置。然后判断是否有排队中的车辆。具体可以判定车辆是否于第二时间范围内速度小于第一速度阈值并且本车与前车的车距小于预设距离阈值，如果是，则车辆为排队状态。如果没有排队的车辆，说明在加油站中队首即队尾，没有排队车辆，也就无需统计排队时间。如果存在排队车辆，则根据排队车辆的位置数据确定排队车辆的位置顺序，例如当前处于第二位置、第三位置等等。当排队车辆从初始位置行驶到加油桩时，排队完成，此段时间的耗时作为该车辆的排队时间，将其初始位置顺序与排队时间建立映射关系。
如图6所示，本发明实施例还提供一种车辆排队时间预测系统，用于实现所述的车辆排队时间预测方法，所述系统包括：
位置数据采集模块M100，用于与各个排队车辆的通讯模块进行通信，从而采集排队场所内的各个排队车辆的位置数据；
排队队伍确定模块M200，用于根据各个排队车辆的位置数据确定待预测车辆在队伍中的位置顺序；
排队时间预测模块M300，用于根据预设的位置顺序与预测排队时间的映射关系，确定待预测车辆的预测排队时间。
本发明实施例还提供一种车辆排队时间预测设备，包括处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的车辆排队时间预测方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
下面参照图7来描述根据本发明的这种实施方式的电子设备600。图7显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的车辆排队时间预测方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本发明所提供的车辆排队时间预测方法、系统、设备及存储介质具有下列优点：
本发明基于车联网的技术实现车辆在不同排队场所的排队时间的预测，首先通过车辆定位的位置数据的获取，确定排队车辆以及车辆排在队伍中的位置顺序，然后根据历史数据统计得到该排队场所中位置顺序与预测排队时间的映射关系，从而实现车辆排队时间的预测，并且可以将预测排队时间发送至车辆，方便车主提前了解排队时间，以便做好出行安排或减轻排队中的烦躁感。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (13)

1.一种车辆排队时间预测方法，其特征在于，包括如下步骤：
S100：采集排队场所内的各个排队车辆的位置数据；
S200：根据各个排队车辆的位置数据确定待预测车辆在队伍中的位置顺序；
S300：根据预设的位置顺序与预测排队时间的映射关系，确定待预测车辆的预测排队时间。
2.根据权利要求1所述的车辆排队时间预测方法，其特征在于，所述步骤S100，包括如下步骤：
采集排队场所内各个排队车辆的位置数据和识别信息；
根据车辆的识别信息判断是否有新驶入排队场所的排队车辆；
如果存在，则将新驶入车辆作为待预测车辆，然后继续步骤S200。
3.根据权利要求1所述的车辆排队时间预测方法，其特征在于，所述待预测车辆包括预测新驶入车辆，所述步骤S200包括如下步骤：
判断当前排队场所内队伍的数量；
如果排队场所中存在一个队伍，则将该队伍当前队尾位置顺序加一，作为预测新驶入车辆位置顺序；
如果排队场所中存在多个队伍，则将各个队伍当前队尾位置顺序加一，作为各个队伍对应的预测新驶入车辆位置顺序；
所述步骤S300包括如下步骤：
如果排队场所中存在一个队伍，将预测新驶入车辆位置顺序所对应的预测排队时间作为该排队场所的预测排队时间；
如果排队场所中存在多个队伍，计算各个队伍对应的预测新驶入车辆位置顺序所对应的预测排队时间的平均值，作为该排队场所的预测排队时间。
4.根据权利要求3所述的车辆排队时间预测方法，其特征在于，还包括如下步骤：
将所述排队场所的预测排队时间发送至导航系统，所述导航系统于接收到车主查看所述排队场所的信息的请求时，显示所述排队场所的预测排队时间。
5.根据权利要求1所述的车辆排队时间预测方法，其特征在于，所述步骤S200包括如下步骤：
根据各个排队车辆的位置数据确定各个排队车辆在队伍中的位置顺序；
判断各个排队车辆的位置顺序与前一时刻是否有变化；
如果有变化，则将位置顺序变化的车辆作为待预测车辆，然后继续步骤S300。
6.根据权利要求1所述的车辆排队时间预测方法，其特征在于，还包括如下步骤：
采集排队场所内第一时间范围内车辆的历史排队数据，所述车辆的历史排队数据包括车辆的初始排队位置和车辆移动至队伍队首的时间；
根据预设的队伍中各个位置顺序的位置范围，查找初始排队位置在各个位置顺序的位置范围内的车辆移动至队伍队首的时间，作为各个位置顺序的历史排队时间；
根据各个位置顺序对应的历史排队时间计算各个位置顺序的预测排队时间，建立位置顺序与预测排队时间的映射关系。
7.根据权利要求1所述的车辆排队时间预测方法，其特征在于，所述步骤S300之后，还包括如下步骤：
将预测排队时间发送给对应的待预测车辆。
8.根据权利要求1所述的车辆排队时间预测方法，其特征在于，所述步骤S100，包括如下步骤：
采集排队场所内各个车辆的位置数据；
根据各个车辆的位置数据计算各个车辆的速度；
将在第二时间范围内速度小于第一速度阈值以及与前车的车距小于预设距离阈值的车辆确定为排队场所中排队的车辆。
9.根据权利要求1所述的车辆排队时间预测方法，其特征在于，所述步骤S100和步骤S200之间，还包括如下步骤：
从排队的车辆中确定排在队伍队首的车辆，其中，排在队伍队首的车辆在停车位置以大于第二速度阈值的速度驶离；
将排在队伍队首的车辆在驶离之前的停车位置作为队伍队首位置。
10.根据权利要求9所述的车辆排队时间预测方法，其特征在于，所述步骤S200中，根据各个排队车辆的位置数据确定待预测车辆在队伍中的位置顺序，包括如下步骤：
计算各个排队车辆的位置数据与队伍队首位置的距离；
根据预设的各个位置顺序与队伍队首的距离范围，确定各个排队车辆的位置顺序。
11.一种车辆排队时间预测系统，其特征在于，用于实现权利要求1至10中任一项所述的车辆排队时间预测方法，所述系统包括：
位置数据采集模块，用于采集排队场所内的各个排队车辆的位置数据；
排队队伍确定模块，用于根据各个排队车辆的位置数据确定待预测车辆在队伍中的位置顺序；
排队时间预测模块，用于根据预设的位置顺序与预测排队时间的映射关系，确定待预测车辆的预测排队时间。
12.一种车辆排队时间预测设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至10中任一项所述的车辆排队时间预测方法的步骤。
13.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至10中任一项所述的车辆排队时间预测方法的步骤。
CN201811572657.XA 2018-12-21 2018-12-21 车辆排队时间预测方法、系统、设备及存储介质 Active CN109543923B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811572657.XA CN109543923B (zh) 2018-12-21 2018-12-21 车辆排队时间预测方法、系统、设备及存储介质
TW108113147A TWI698839B (zh) 2018-12-21 2019-04-16 車輛排隊時間預測方法、系統及設備

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811572657.XA CN109543923B (zh) 2018-12-21 2018-12-21 车辆排队时间预测方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109543923A true CN109543923A (zh) 2019-03-29
CN109543923B CN109543923B (zh) 2022-09-23

Family

ID=65856402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811572657.XA Active CN109543923B (zh) 2018-12-21 2018-12-21 车辆排队时间预测方法、系统、设备及存储介质

Country Status (2)

Country Link
CN (1) CN109543923B (zh)
TW (1) TWI698839B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111590A (zh) * 2019-06-04 2019-08-09 南京慧尔视智能科技有限公司 一种车辆动态排队长度检测方法
CN110109159A (zh) * 2019-05-22 2019-08-09 广州小鹏汽车科技有限公司 行驶管理方法、装置、电子设备及存储介质
CN111223200A (zh) * 2020-02-25 2020-06-02 陕西公路交通科技开发咨询公司 收费站车道控制方法及系统
CN113516865A (zh) * 2021-03-17 2021-10-19 北京易控智驾科技有限公司 基于高精度地图的矿山无人驾驶路网车辆排队方法和装置
CN113780608A (zh) * 2020-11-18 2021-12-10 京东城市(北京)数字科技有限公司 基于车辆数据的排队时长预估方法、装置及相关设备
CN114051057A (zh) * 2021-11-01 2022-02-15 北京百度网讯科技有限公司 云设备排队时长的确定方法、装置、电子设备和介质
CN114067606A (zh) * 2022-01-14 2022-02-18 成都宜泊信息科技有限公司 一种停车场满位等待管理方法、系统、存储介质及设备
CN114170801A (zh) * 2021-12-07 2022-03-11 中国第一汽车股份有限公司 路口通行时长的确定方法、装置、电子终端及存储介质
CN115695317A (zh) * 2022-12-23 2023-02-03 海马云（天津）信息技术有限公司 接入请求的排队和出队方法与装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927866A (zh) * 2013-12-31 2014-07-16 北京航空航天大学 基于gps的车辆等待红绿灯时间预测方法
US20140207362A1 (en) * 2011-12-28 2014-07-24 Mitsubishi Electric Corporation Center-side system and vehicle-side system
CN104408914A (zh) * 2014-10-31 2015-03-11 重庆大学 基于gps数据的信号交叉口单车停车延误时间估计方法及系统
CN107845283A (zh) * 2016-09-21 2018-03-27 菜鸟智能物流控股有限公司 一种车辆控制方法和相关装置
US20180350179A1 (en) * 2017-05-31 2018-12-06 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and recording medium

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19752458A1 (de) * 1997-11-27 1999-06-02 Cit Alcatel Wartezeitvorhersagesystem
CN201757917U (zh) * 2010-08-20 2011-03-09 广州星唯信息科技有限公司 基于gps监控的车辆排队叫号系统
CN104658291A (zh) * 2013-11-25 2015-05-27 上海博泰悦臻电子设备制造有限公司 一种区域车辆排队时间的预计方法及系统
CN108492551A (zh) * 2018-05-17 2018-09-04 西安艾润物联网技术服务有限责任公司 出租车排队管理方法、系统及计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140207362A1 (en) * 2011-12-28 2014-07-24 Mitsubishi Electric Corporation Center-side system and vehicle-side system
CN103927866A (zh) * 2013-12-31 2014-07-16 北京航空航天大学 基于gps的车辆等待红绿灯时间预测方法
CN104408914A (zh) * 2014-10-31 2015-03-11 重庆大学 基于gps数据的信号交叉口单车停车延误时间估计方法及系统
CN107845283A (zh) * 2016-09-21 2018-03-27 菜鸟智能物流控股有限公司 一种车辆控制方法和相关装置
US20180350179A1 (en) * 2017-05-31 2018-12-06 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and recording medium

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110109159A (zh) * 2019-05-22 2019-08-09 广州小鹏汽车科技有限公司 行驶管理方法、装置、电子设备及存储介质
CN110109159B (zh) * 2019-05-22 2021-06-04 广州小鹏汽车科技有限公司 行驶管理方法、装置、电子设备及存储介质
CN110111590A (zh) * 2019-06-04 2019-08-09 南京慧尔视智能科技有限公司 一种车辆动态排队长度检测方法
WO2020244131A1 (zh) * 2019-06-04 2020-12-10 南京慧尔视智能科技有限公司 一种车辆动态排队长度检测方法
CN111223200A (zh) * 2020-02-25 2020-06-02 陕西公路交通科技开发咨询公司 收费站车道控制方法及系统
CN113780608A (zh) * 2020-11-18 2021-12-10 京东城市(北京)数字科技有限公司 基于车辆数据的排队时长预估方法、装置及相关设备
CN113516865A (zh) * 2021-03-17 2021-10-19 北京易控智驾科技有限公司 基于高精度地图的矿山无人驾驶路网车辆排队方法和装置
CN113516865B (zh) * 2021-03-17 2022-07-05 北京易控智驾科技有限公司 基于高精度地图的矿山无人驾驶路网车辆排队方法和装置
CN114051057A (zh) * 2021-11-01 2022-02-15 北京百度网讯科技有限公司 云设备排队时长的确定方法、装置、电子设备和介质
CN114051057B (zh) * 2021-11-01 2023-11-03 北京百度网讯科技有限公司 云设备排队时长的确定方法、装置、电子设备和介质
CN114170801A (zh) * 2021-12-07 2022-03-11 中国第一汽车股份有限公司 路口通行时长的确定方法、装置、电子终端及存储介质
CN114067606A (zh) * 2022-01-14 2022-02-18 成都宜泊信息科技有限公司 一种停车场满位等待管理方法、系统、存储介质及设备
CN115695317A (zh) * 2022-12-23 2023-02-03 海马云（天津）信息技术有限公司 接入请求的排队和出队方法与装置、电子设备及存储介质

Also Published As

Publication number Publication date
TW202025101A (zh) 2020-07-01
TWI698839B (zh) 2020-07-11
CN109543923B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN109543923A (zh) 车辆排队时间预测方法、系统、设备及存储介质
CN107122866B (zh) 预估乘客取消订单行为的方法、设备及存储介质
CN110288096B (zh) 预测模型训练及预测方法、装置、电子设备、存储介质
CN107945562B (zh) 停车场信息的推荐方法、服务器设备及可读介质
CN106228848B (zh) 一种停车导航方法和装置
CN108592932A (zh) 一种无人车调度方法、系统、设备及存储介质
CN110599353A (zh) 一种车辆出险和赔付率预测方法、装置、设备及介质
CN111397616A (zh) 候选充电桩确定方法、装置、设备和介质
US10691961B2 (en) Management of parking spaces
CN112798004B (zh) 一种车辆的定位方法、装置、设备及存储介质
CN111311151A (zh) 物流运输轨迹真实性的检测方法、装置、电子设备、存储介质
CN111210537A (zh) 一种油耗分析方法、装置、设备和存储介质
CN111354217A (zh) 停车路线确定方法、装置、设备及介质
CN109635868B (zh) 障碍物类别的确定方法、装置、电子设备及存储介质
US11328595B1 (en) Parking recognition server for personal mobility device, system including the same, and method thereof
CN112102648B (zh) 一种空余车位推送方法、装置、设备及存储介质
CN109916420B (zh) 一种车辆导航的方法及相关装置
CN113624245B (zh) 导航方法及装置、计算机存储介质、电子设备
CN113799799A (zh) 一种安全补偿方法、装置、存储介质及电子设备
CN112613819A (zh) 一种路径规划方法、装置、设备及存储介质
CN113721598A (zh) 一种障碍物轨迹预测方法、装置、设备和存储介质
CN116168562B (zh) 基于发电企业的充电车辆快速识别方法及装置
CN114368388B (zh) 一种驾驶行为分析方法、装置、设备以及存储介质
CN113343448B (zh) 控制效果评估方法、装置、电子设备及存储介质
CN113624224A (zh) 一种位置有效性的校验方法、装置、设备和介质

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