CN109767030B - 道路拥堵检测方法、装置、计算机设备及存储介质 - Google Patents
道路拥堵检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109767030B CN109767030B CN201811535314.6A CN201811535314A CN109767030B CN 109767030 B CN109767030 B CN 109767030B CN 201811535314 A CN201811535314 A CN 201811535314A CN 109767030 B CN109767030 B CN 109767030B
- Authority
- CN
- China
- Prior art keywords
- congestion
- area
- vehicle
- road
- evaluated
- 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.)
- Active
Links
Images
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路拥堵检测方法、装置、计算机设备及存储介质。所述方法包括：根据车载终端发送的目的地信息和位置信息规划可达路线，并获取城市当前的道路拥堵区域，将可达路线和道路拥堵区域重叠的区域确定为待评估拥堵区域；计算车载终端所在的车辆到达待评估拥堵区域的预测时间，并根据待评估拥堵区域的历史拥堵数据，得到待评估拥堵区域在预测时间的预测拥堵指数；根据预测拥堵指数，预测车辆到达待评估拥堵区域时的拥堵预测结果；将拥堵预测结果和可达路线推送到车载终端。本发明的技术方案提高了道路拥堵检测分析结果的准确性，以及道路拥堵检测分析的智能化水平。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种道路拥堵检测方法、装置、计算机设备及存储介质。
背景技术
随着车辆的不断增多，道路拥堵情况逐渐加剧。目前，各种导航应用APP具有显示道路拥堵情况的功能，但是，现有的导航应用APP中往往只能识别当前道路的拥堵情况，对导航规划路线上的道路拥堵的预测能力较低，无法准确预测导航规划线路上道路拥堵的变化，导致道路拥堵检测分析结果不准确。
发明内容
本发明实施例提供一种道路拥堵检测方法、装置、计算机设备及存储介质，以解决目前道路拥堵检测分析结果不准确的问题。
一种道路拥堵检测方法，包括：
接收车载终端发送的目的地信息；
根据所述目的地信息和所述车载终端实时上报的位置信息规划可达路线，并获取城市当前的道路拥堵区域，将所述可达路线和所述道路拥堵区域重叠的区域确定为待评估拥堵区域；
从预设的城市历史拥堵数据库中，获取所述待评估拥堵区域的历史拥堵数据，其中，所述待评估拥堵区域的历史拥堵数据包括所述待评估拥堵区域随时间变化的拥堵指数；
根据所述车载终端实时上报的行驶速度，计算所述车载终端所在的车辆到达所述待评估拥堵区域的预测时间，并根据所述待评估拥堵区域的历史拥堵数据，将所述待评估拥堵区域在所述预测时间的拥堵指数，作为预测拥堵指数；
根据所述预测拥堵指数，预测所述车辆到达所述待评估拥堵区域时，所述待评估拥堵区域的拥堵预测结果；
将所述拥堵预测结果和所述可达路线推送到所述车载终端，并根据所述拥堵预测结果向所述车载终端反馈相应的规划路线建议。
一种道路拥堵检测装置，包括：
目的地接收模块，用于接收车载终端发送的目的地信息；
拥堵区域确定模块，用于根据所述目的地信息和所述车载终端实时上报的位置信息规划可达路线，并获取城市当前的道路拥堵区域，将所述可达路线和所述道路拥堵区域重叠的区域确定为待评估拥堵区域；
历史数据获取模块，用于从预设的城市历史拥堵数据库中，获取所述待评估拥堵区域的历史拥堵数据，其中，所述待评估拥堵区域的历史拥堵数据包括所述待评估拥堵区域随时间变化的拥堵指数；
预测指数计算模块，用于根据所述车载终端实时上报的行驶速度，计算所述车载终端所在的车辆到达所述待评估拥堵区域的预测时间，并根据所述待评估拥堵区域的历史拥堵数据，将所述待评估拥堵区域在所述预测时间的拥堵指数，作为预测拥堵指数；
拥堵预测模块，用于根据所述预测拥堵指数，预测所述车辆到达所述待评估拥堵区域时，所述待评估拥堵区域的拥堵预测结果；
建议推送模块，用于将所述拥堵预测结果和所述可达路线推送到所述车载终端，并根据所述拥堵预测结果向所述车载终端反馈相应的规划路线建议。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述道路拥堵检测方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述道路拥堵检测方法的步骤。
上述道路拥堵检测方法、装置、计算机设备及存储介质中，接收车载终端发送的目的地信息，并在根据目的地信息和车载终端实时上报的位置信息规划可达路线后，获取城市当前的道路拥堵区域，并将可达路线和道路拥堵区域重叠的区域确定为待评估拥堵区域，根据待评估拥堵区域的历史拥堵数据，以及根据车载终端实时上报的行驶速度计算得到的车载终端所在的车辆到达待评估拥堵区域的预测时间，预测车辆到达该待评估拥堵区域时该待评估拥堵区域的拥堵情况，实现对道路拥堵的准确预测，提高道路拥堵检测分析结果的准确性，同时，也提高了道路拥堵检测分析的智能化水平。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中道路拥堵检测方法的一应用环境示意图；
图2是本发明一实施例中道路拥堵检测方法的一流程图；
图3是本发明一实施例中道路拥堵检测方法中根据车载终端上报的位置信息和行驶速度确定道路拥堵区域及其拥堵指数的一流程图；
图4是本发明一实施例中道路拥堵检测方法中拥堵指数的指数变化曲线的一示意图；
图5是本发明一实施例中道路拥堵检测方法中步骤S8的一流程图；
图6是本发明一实施例中道路拥堵检测方法中城市地图的单位区域的一示意图；
图7是本发明一实施例中道路拥堵检测方法中步骤S2的一流程图；
图8是本发明一实施例中道路拥堵检测方法中步骤S5的一流程图；
图9是本发明一实施例中道路拥堵检测装置的一示意图；
图10是本发明一实施例中计算机设备的一示意图。
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。
本申请提供的道路拥堵检测方法，可应用在如图1所示的应用环境中，该应用环境包括服务端、车载终端和安装在车载终端所在的车辆上的定位装置，其中，服务端和车载终端之间，以及车载终端和定位装置之间均通过网络进行连接，该网络可以是有线网络或者无线网络，服务端具体可以用独立的服务器或者多个服务器组成的服务器集群实现。车载终端向服务端上报车辆的位置信息、行驶速度和目的地信息，服务端根据接收到位置信息和行驶速度分析道路拥堵情况，并根据目的地信息规划可达路线，对可达路线上的道路拥堵区域进行拥堵预测。
在一实施例中，如图2所示，提供一种道路拥堵检测方法，以该方法应用在图1中的服务端为例进行说明，详述如下：
S1：接收车载终端发送的目的地信息。
在本实施例中，车载终端为车辆的必备设备，每个车载终端均预先在后台服务端进行了注册，后台服务端保存了每个注册成功的车载终端所在的车辆的车辆信息。
具体地，车载终端可以通过人机交互方式获取车辆的目的地信息，该人机交互方式可以是通过显示界面或者语音提问向用户询问目的地，并获取用户在显示界面输入的目的地信息，或者对用户回答的目的地进行语音识别，得到目的地信息。
车载终端将得到的目的地信息发送到服务端。
S2：根据目的地信息和车载终端实时上报的位置信息规划可达路线，并获取城市当前的道路拥堵区域，将可达路线和道路拥堵区域重叠的区域确定为待评估拥堵区域。
具体地，服务端根据目的地信息和车载终端实时上报的位置信息，从预存的城市地图中查询从当前位置到目的地的可达路线。同时，服务端从预存的城市实时交通状态图中获取城市当前的道路拥堵区域，并将城市地图中该可达路线包含的区域范围与道路拥堵区域包含的区域范围进行比较，判断可达路线包含的区域范围和道路拥堵区域包含的区域范围之前是否存在重叠区域。
若存在重叠区域，则说明该重叠区域为可达线路中出现拥堵的位置，将该重叠区域确定为待评估拥堵区域。
若不存在重叠区域，则说明可达线路不存在拥堵，可将待评估拥堵区域设置为空。
需要说明的是，待评估拥堵区域可能存在多个，即在可达线路中多处位置出现拥堵，每个拥堵位置所在的区域为一个待评估拥堵区域。
S3：从预设的城市历史拥堵数据库中，获取待评估拥堵区域的历史拥堵数据，其中，待评估拥堵区域的历史拥堵数据包括待评估拥堵区域随时间变化的拥堵指数。
具体地，根据步骤S2确定的待评估拥堵区域，从预设的城市历史拥堵数据库中获取该待评估拥堵区域所在的道路拥堵区域，若成功获取到该道路拥堵区域，则从城市历史拥堵数据库中调取该道路拥堵区域对应的历史拥堵数据，作为待评估拥堵区域的历史拥堵数据。
其中，在预设的城市历史拥堵数据库中预先存储有每个道路拥堵区域的历史拥堵数据，包括道路拥堵区域随时间变化的拥堵指数。
S4：根据车载终端实时上报的行驶速度，计算车载终端所在的车辆到达待评估拥堵区域的预测时间，并根据待评估拥堵区域的历史拥堵数据，将待评估拥堵区域在预测时间的拥堵指数，作为预测拥堵指数。
具体地，服务端从步骤S2得到的可达线路中，计算待评估拥堵区域中心点所在的位置与车载终端实时上报的位置信息对应的当前位置之间的路程距离，并根据车载终端实时上报的行驶速度，计算该路程距离与该行驶速度之间的商，将得到的商确定为车载终端所在的车辆到达待评估拥堵区域所需的行驶时间。
服务端根据当前时间和车辆到达待评估拥堵区域所需的行驶时间，确定车辆到达待评估拥堵区域的预测时间。
例如，若当前时间为上午8点10分，车辆到达待评估拥堵区域所需的行驶时间为20分钟，则车辆到达待评估拥堵区域的预测时间为8点30分。
由于待评估拥堵区域的历史拥堵数据包含了该待评估拥堵区域随时间变化的拥堵指数，因此根据车辆到达待评估拥堵区域的预测时间，从该历史拥堵数据中可以查询到待评估拥堵区域在该预测时间的拥堵指数，并将查询到的拥堵指数作为预测拥堵指数。
S5：根据预测拥堵指数，预测车载终端所在的车辆到达待评估拥堵区域时，待评估拥堵区域的拥堵预测结果。
具体地，根据步骤S4得到的待评估拥堵区域在预测时间的拥堵指数，即预测拥堵指数的值，确认待评估拥堵区域在该预测时间是否存在拥堵，并将确认结果作为该车辆到达待评估拥堵区域时，该待评估拥堵区域的拥堵预测结果。
若预测拥堵指数大于预设的指数阈值，则拥堵预测结果为待评估拥堵区域在预测时间仍然存在拥堵。
若预测拥堵指数小于或等于预设的指数阈值，则拥堵预测结果为待评估拥堵区域在预测时间不存在拥堵。
进一步地，还可以根据拥堵指数范围与拥堵程度之间预设的对应关系，确定预测拥堵指数对应的拥堵程度。
进一步地，还可以根据预测拥堵指数与待评估拥堵区域的当前用拥堵指数之间的变化，确定待评估拥堵区域的拥堵趋势。
S6：将拥堵预测结果和可达路线推送到车载终端，并根据拥堵预测结果向车载终端反馈相应的规划路线建议。
具体地，将步骤S5得到的拥堵预测结果和包含待评估拥堵区域的可达路线推送到车载终端。
若拥堵预测结果为不拥堵，则向车载终端反馈的规划路线建议可以为：按照推送的可达路线行驶，并且车辆在到达目前拥堵的区域时，拥堵的状态将解除，道路通顺。
若拥堵预测结果为拥堵，则向用户发出是否重新规划路线的确认请求，并根据用户反馈的确认结果进行相应的处理。
进一步地，若拥堵预测结果为拥堵，则进一步根据待评估拥堵区域的拥堵程度向车载终端反馈不同的规划路线建议，若拥堵程度为轻度拥堵，则规划路线建议可以为：建议按照推送的形式路线驾车；若拥堵程度为重度拥堵，则向用户发出是否重新规划路线的确认请求，并根据用户反馈的确认结果进行相应的处理。
进一步地，若拥堵预测结果为拥堵逐渐严重，则向用户发出是否重新规划路线的确认请求，并根据用户反馈的确认结果进行相应的处理；若拥堵预测结果为拥堵逐渐缓解，则规划路线建议可以为：建议按照推送的形式路线驾车，并且车辆在到达目前拥堵的区域时，拥堵的状态将缓解。
本实施例中，通过接收车载终端发送的目的地信息，并在根据目的地信息和车载终端实时上报的位置信息规划可达路线后，获取城市当前的道路拥堵区域，并将可达路线和道路拥堵区域重叠的区域确定为待评估拥堵区域，根据待评估拥堵区域的历史拥堵数据，以及根据车载终端实时上报的行驶速度计算得到的车载终端所在的车辆到达待评估拥堵区域的预测时间，预测车辆到达该待评估拥堵区域时该待评估拥堵区域的拥堵情况，实现对道路拥堵的准确预测，提高道路拥堵检测分析结果的准确性，同时，也提高了道路拥堵检测分析的智能化水平。
在一实施例中，如图3所示，在步骤S1之前，还包括根据车载终端上报的位置信息和行驶速度确定道路拥堵区域及其拥堵指数的过程，具体包括如下步骤：
S7：接收每个车载终端实时上报的位置信息和行驶速度，其中，位置信息由预先安装在车载终端所在的车辆上的定位装置获取。
车载终端通过预先安装在车辆上的定位装置获取车辆当前的位置信息，定位装置可以是GPS(Global Positioning System，全球定位系统)定位器或者RFID(RadioFrequency Identification，射频识别)定位标签等，位置信息包括车辆当前的经纬度坐标。
在本实施例中，通过预先安装在车辆上的定位装置获取车辆的位置信息，确保了位置信息的获取渠道具有统一可靠的数据来源，并且覆盖面广，为后续道路拥堵的检测分析提供了全面可靠的数据来源。
车载终端根据车辆当前动力系统的运行状况确定车辆的行驶速度。
具体地，车载终端将实时获得到的车辆当前的位置信息和行驶速度上报到服务端。
S8：根据每个位置信息和每个行驶速度，确定道路拥堵区域，并计算道路拥堵区域的车辆数量和平均行驶速度。
具体地，服务端汇总每个车载终端上报的位置信息和行驶速度，若行驶速度小于预设的速度阈值，并且根据位置信息确定车辆位置处于同一区域范围的车辆数量大于预设的数量阈值，则将该区域范围确定为道路拥堵区域，同时将道路拥堵区域实时标注在预存的城市实时交通状态图中，并根据道路拥堵区域对城市实时交通状态图进行实时刷新。
统计每个道路拥堵区域中的车辆数量N和每台车辆的行驶速度，并计算N台车辆的速度平均值作为该道路拥堵区域的平均行驶速度，其中，N为正整数。
S9：根据道路拥堵区域的车辆数量和平均行驶速度，确定道路拥堵区域的实时拥堵指数，并根据实时拥堵指数得到道路拥堵区域随时间变化的拥堵指数，将道路拥堵区域随时间变化的拥堵指数作为道路拥堵区域的历史拥堵数据，保存在预设的城市历史拥堵数据库中。
具体地，根据步骤S8得到的道路拥堵区域的车辆数量和平均行驶速度，确定道路拥堵区域的实时拥堵指数，该实时拥堵指数用于标识道路拥堵区域的拥堵程度，当车辆数量越多并且平均行驶速度越低时实时拥堵指数越大，即拥堵程度越严重，反之，当车辆数量越少或者平均行驶速度越快时实时拥堵指数越小，即拥堵程度越轻。
根据道路拥堵区域的实时拥堵指数，得到道路拥堵区域随时间变化的拥堵指数，将该道路拥堵区域随时间变化的拥堵指数作为该道路拥堵区域的历史拥堵数据。
在预设的城市历史拥堵数据库中存储每个道路拥堵区域随时间变化的拥堵指数。
进一步地，每个道路拥堵区域随时间变化的拥堵指数可以通过如下函数关系表示：
Fi＝fi(t)
其中，t为时间，Fi为第i个道路拥堵区域在t时刻的拥堵指数，fi为第i个道路拥堵区域的时间t和拥堵指数之间的函数关系，i∈[1,K]，K为道路拥堵区域的数量。
进一步地，如图4所示，每个道路拥堵区域随时间变化的拥堵指数还可以采用指数变化曲线表示，其中，t0为预设的起始时间，t1为预设的终止时间。本实施例中，通过预先安装在车辆上的定位装置获取车辆的位置信息，确保了位置信息的获取渠道具有统一可靠的数据来源，并且覆盖面广，为后续道路拥堵的检测分析提供了全面可靠的数据来源，通过车辆普及的车载终端实时上报位置信息和行驶速度，能够全面准确的了解道路情况，确定道路拥堵区域，提高道路拥堵检测结果的准确性，同时，根据由道路拥堵区域的车辆数量和平均行驶速度得到的实时拥堵指数，建立包含道路拥堵区域随时间变化的拥堵指数的历史拥堵数据，为道路拥堵预测提供了有效的判断依据，从而实现对道路拥堵的准确预测。
在一实施例中，如图5所示，在步骤S8中，根据每个位置信息和每个行驶速度，确定道路拥堵区域，具体包括如下步骤：
S81：将行驶速度小于预设的速度阈值的车载终端确定为待识别目标。
具体地，服务端记录每个车载终端上报的行驶速度，若在预设的连续时间段内记录下的行驶速度均小于预设的速度阈值，则将该车载终端确定为待识别目标。
进一步地，计算车载终端在连续时间段内的每个行驶速度的平均值，若该平均值小于预设的速度阈值，则将该车辆终端确定为待识别目标。
S82：根据每个待识别目标的位置信息，计算预设的城市地图中每个单位区域的车辆密度，其中，每个单位区域被预先设置唯一的标识信息。
具体地，根据每个待识别目标的位置信息，统计每个单位区域的待识别目标的数量，将该数量与单位区域的面积的商作为该单位区域面积的车辆密度。
其中，单位区域为预先在城市地图中划定的统一大小的单位区域，每个单位区域密铺在一起构成整个城市地图，该单位区域可以是正三角形区域、四边形区域、正六边形区域。
后台服务端对城市地图中的每个单位区域设置标识信息，使得每个单位区域在城市地图中具有唯一的标识信息，该标识信息具体可以是随机编码，也可以是由城市编码、行政区编码、道路编码和位置编码组合的字符串，或者其他具有唯一标识功能的标识信息。
例如，如图6所示，城市某个区域的地图预先被划分为4个单位区域：A区域、B区域、C区域和D区域，每个单位区域的面积均为500平方米，黑色圆点为根据待识别目标的位置信息确定的待识别目标在该地图中的位置，从图5中可知，A区域中待识别目标的数量为3个，B区域中待识别目标的数量为6个，C区域中待识别目标的数量为1个，D区域中待识别目标的数量为10个，则A区域的车辆密度为3/500＝0.006，B区域的车辆密度为6/500＝0.012，C区域的车辆密度为1/500＝0.002，D区域的车辆密度为10/500＝0.02。
S83：将车辆密度大于预设的密度阈值的单位区域确定为拥堵单元。
具体地，根据步骤S82计算得到的每个单位区域的车辆密度，选取车辆密度大于预设的密度阈值的单位区域，并将选出的单位区域确定为拥堵单元。
继续以图6为例，若预设的密度阈值为0.01，则B区域和D区域被确定为拥堵单元。
S84：将互相相邻的拥堵单元组成的区域确定为道路拥堵区域。
具体地，根据步骤S83得到的拥堵单元，根据每个拥堵单元的位置，将互相相邻的拥堵单元组成的区域确定为道路拥堵区域，并记录道路拥堵区域包含的拥堵单元的标识信息。
其中，若两个单位区域相邻，则该两个单位区域需共用一条边，继续以图6为例，其中A区域和B区域相邻，A区域和C区域相邻，但A区域和D区域不相邻。
互相相邻的拥堵单元组成的道路拥堵区域中的每个拥堵单元，至少两两相邻，例如，若拥堵单元a和拥堵单元b相邻，拥堵单元b和拥堵单元c相邻，但拥堵单元a和拥堵单元c不相邻，则拥堵单元a、拥堵单元b和拥堵单元c可以组成一个道路拥堵区域。
进一步地，与其他拥堵单元均不相邻的独立的拥堵单元也可以被确定为一个道路拥堵区域。
本实施例中，根据行驶速度小于预设的速度阈值的车载终端的位置信息，计算预设的城市地图中每个单位区域的车辆密度，将车辆密度大于预设的密度阈值的单位区域确定为拥堵单元，并将互相相邻的拥堵单元组成的区域确定为道路拥堵区域，实现了通过计算城市地图中每个单位区域的车辆密度确定道路拥堵区域，其实现方法简便，准确率高，计算复杂度低，执行效率更高。
在一实施例中，如图7所示，在步骤S2中，根据目的地信息和车载终端实时上报的位置信息规划可达路线，并获取城市当前的道路拥堵区域，将可达路线和道路拥堵区域重叠的区域确定为待评估拥堵区域，具体包括如下步骤：
S21：在预设的城市地图中，查询从车载终端实时上报的位置信息对应的位置，到目的地信息对应的目的地之间的可达路线，其中，可达线路包含至少一个单位区域。
具体地，预设的城市地图被预先划分为若干单位区域，服务端根据车辆当前的位置信息和目的地信息，从城市地图中查询从当前位置到目的地的可达路线，该可达线路由若干单位区域组成。
S22：获取可达线路中包含的每个单位区域的标识信息，构成可达线路区域标识集合，并获取道路拥堵区域中包含的每个拥堵单元的标识信息，构成拥堵区域标识集合，计算可达线路区域标识集合和拥堵区域标识集合的交集。
具体地，根据每个单位区域被预先设置的唯一的标识信息，获取可达线路中包含的每个单位区域的标识信息，以及道路拥堵区域中包含的每个拥堵单元的标识信息。
将可达线路中包含的每个单位区域的标识信息构成可达线路区域标识集合，并且，将道路拥堵区域中包含的每个拥堵单元的标识信息构成拥堵区域标识集合。
计算可达线路区域标识集合和拥堵区域标识集合的交集，获取可达线路和道路拥堵区域之间相同的标识信息。
S23：若交集为空，则将待评估拥堵区域设置为空。
具体地，若步骤S22得到的交集为空，则确认可达线路和道路拥堵区域之间没有重叠区域，即可达线路不存在拥堵，将待评估拥堵区域设置为空。
需要说明的是，当待评估拥堵区域为空时，说明可达线路上不存在拥堵情况，即无需进行拥堵预测，可以直接将拥堵预测结果设置为不拥堵，并跳转到步骤S6执行。
S24：若交集不为空，则将交集中包含的标识信息对应的拥堵单元组成的区域作为待评估拥堵区域。
具体地，若步骤S22得到的交集不为空，则确认可达线路和道路拥堵区域之间存在重叠区域，获取该交集中包含的标识信息对应的拥堵单元，并将获取到的拥堵单元组成的区域确定为待评估拥堵区域。
本实施例中，通过将可达线路中包含的单位区域与道路拥堵区域中包含的拥堵单元进行匹配确定待评估拥堵区域，实现了在将城市地图划分为若干单位区域的基础上，快速识别可达线路上的拥堵区域，有效提高执行效率。
在一实施例中，在步骤S5中，根据预测拥堵指数，预测车载终端所在的车辆到达待评估拥堵区域时，待评估拥堵区域的拥堵预测结果，具体包括如下步骤：
根据拥堵指数范围与拥堵程度之间预设的对应关系，确定预测拥堵指数对应的拥堵程度，并将该拥堵程度作为待评估拥堵区域的拥堵预测结果。
具体地，预设的对应关系中根据拥堵指数范围对拥堵程度进行划分。例如，若拥堵指数的取值范围为[0,1]，则可以按照如下方式划分拥堵程度：
当拥堵指数范围在[0,0.1]时，拥堵程度为不拥堵；
当拥堵指数范围在[0.1,0.3]时，拥堵程度为轻度拥堵；
当拥堵指数范围在[0.3,0.6]时，拥堵程度为中度拥堵；
当拥堵指数范围在[0.6,0.9]时，拥堵程度为重度拥堵；。
当拥堵指数范围在[0.9,1]时，拥堵程度为极度拥堵。
拥堵预测结果包括待评估拥堵区域的拥堵程度，根据待评估拥堵区域在预测时间的拥堵指数，即预测拥堵指数的值，在预设的对应关系中，查询该预测拥堵指数的值所在的拥堵指数范围，并将查询到的该拥堵指数范围对应的拥堵程度作为拥堵预测结果。
在本实施例中，根据拥堵指数范围与拥堵程度之间预设的对应关系，确定预测拥堵指数对应的拥堵程度，实现了根据预测拥堵指数，确定车辆到达待评估拥堵区域时该待评估拥堵区域的拥堵程度，通过拥堵程度准确直观反映待评估拥堵区域的拥堵情况，实现对道路拥堵的准确预测，进一步提高道路拥堵检测结果的准确性。
在一实施例中，如图8所示，在步骤S5中，根据预测拥堵指数，预测车载终端所在的车辆到达待评估拥堵区域时，待评估拥堵区域的拥堵预测结果，具体还可以包括如下步骤：
S51：从待评估拥堵区域的历史拥堵数据中，获取待评估拥堵区域在当前时间的拥堵指数，并将获取到的拥堵指数作为待评估拥堵区域的当前拥堵指数。
具体地，在步骤S3得到的待评估拥堵区域的历史拥堵数据中包含了待评估拥堵区域随时间变化的拥堵指数，提取当前时间的拥堵指数，作为当前拥堵指数。
S52：根据当前拥堵指数和预测拥堵指数，确定待评估拥堵区域的拥堵趋势，并将拥堵趋势作为待评估拥堵区域的拥堵预测结果。
具体地，若当前拥堵指数小于预测拥堵指数，则确定待评估拥堵区域的拥堵趋势为拥堵逐渐严重，若当前拥堵指数大于预测拥堵指数，则确定待评估拥堵区域的拥堵趋势为拥堵逐渐缓解。
本实施例中，从待评估拥堵区域的历史拥堵数据中，获取待评估拥堵区域在当前时间的拥堵指数，作为待评估拥堵区域的当前拥堵指数，并根据待评估拥堵区域的当前拥堵指数和车辆到到达该待评估拥堵区域时的预测拥堵指数，确定待评估拥堵区域的拥堵趋势，通过拥堵趋势对待评估拥堵区域进行拥堵预测，提高了道路拥堵检测分析的智能化水平。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种道路拥堵检测装置，该道路拥堵检测装置与上述实施例中道路拥堵检测方法一一对应。如图9所示，该道路拥堵检测装置包括数据目的地接收模块91、拥堵区域确定模块92、历史数据获取模块93、预测指数计算模块94、拥堵预测模块95和建议推送模块96。各功能模块详细说明如下：
目的地接收模块91，用于接收车载终端发送的目的地信息；
拥堵区域确定模块92，用于根据目的地信息和车载终端实时上报的位置信息规划可达路线，并获取城市当前的道路拥堵区域，将可达路线和道路拥堵区域重叠的区域确定为待评估拥堵区域；
历史数据获取模块93，用于从预设的城市历史拥堵数据库中，获取待评估拥堵区域的历史拥堵数据，其中，所述待评估拥堵区域的历史拥堵数据包括所述待评估拥堵区域随时间变化的拥堵指数；
预测指数计算模块94，用于根据车载终端实时上报的行驶速度，计算车载终端所在的车辆到达待评估拥堵区域的预测时间，并根据待评估拥堵区域的历史拥堵数据，将待评估拥堵区域在预测时间的拥堵指数，作为预测拥堵指数；
拥堵预测模块95，用于根据预测拥堵指数，预测车载终端所在的车辆到达待评估拥堵区域时，待评估拥堵区域的拥堵预测结果；
建议推送模块96，用于将拥堵预测结果和可达路线推送到车载终端，并根据拥堵预测结果向车载终端反馈相应的规划路线建议。
进一步地，该道路拥堵检测装置还包括：
数据上报模块97，用于接收每个车载终端实时上报的位置信息和行驶速度，其中，位置信息由预先安装在车载终端所在的车辆上的定位装置获取；
拥堵分析模块98，用于根据每个位置信息和每个行驶速度，确定道路拥堵区域，并计算道路拥堵区域的车辆数量和平均行驶速度；
指数确定模块99，用于根据道路拥堵区域的车辆数量和平均行驶速度，确定道路拥堵区域的实时拥堵指数，并根据实时拥堵指数得到道路拥堵区域随时间变化的拥堵指数，将道路拥堵区域随时间变化的拥堵指数作为道路拥堵区域的历史拥堵数据，保存在预设的城市历史拥堵数据库中。
进一步地，拥堵分析模块98包括：
速度分析子模块，用于将行驶速度小于预设的速度阈值的车载终端确定为待识别目标；
密度计算子模块，用于根据每个待识别目标的位置信息，计算预设的城市地图中每个单位区域的车辆密度，其中，每个单位区域被预先设置唯一的标识信息；
单元确定子模块，用于将车辆密度大于预设的密度阈值的单位区域确定为拥堵单元；
拥堵区域识别子模块，用于将互相相邻的拥堵单元组成的区域确定为道路拥堵区域。
进一步地，拥堵区域确定模块92包括：
路线查询子模块，用于在预设的城市地图中，查询从车载终端实时上报的位置信息对应的位置，到目的地信息对应的目的地之间的可达路线，其中，可达线路包含至少一个单位区域；
交集计算子模块，用于获取可达线路中包含的每个单位区域的标识信息，构成可达线路区域标识集合，并获取道路拥堵区域中包含的每个拥堵单元的标识信息，构成拥堵区域标识集合，计算可达线路区域标识集合和拥堵区域标识集合的交集；
第一结果子模块，用于若交集为空，则将待评估拥堵区域设置为空；
第二结果子模块，用于若交集不为空，则将交集中包含的标识信息对应的拥堵单元组成的区域作为待评估拥堵区域。
进一步地，拥堵预测模块95包括：
拥堵程度确定子模块，用于根据拥堵指数范围与拥堵程度之间预设的对应关系，确定预测拥堵指数对应的拥堵程度，并将该拥堵程度作为待评估拥堵区域的拥堵预测结果。
进一步地，拥堵预测模块95还包括：
当前拥堵指数获取子模块，用于从待评估拥堵区域的历史拥堵数据中，获取待评估拥堵区域在当前时间的拥堵指数，并将获取到的拥堵指数作为待评估拥堵区域的当前拥堵指数；
拥堵趋势确定子模块，用于根据当前拥堵指数和预测拥堵指数，确定待评估拥堵区域的拥堵趋势，并将拥堵趋势作为待评估拥堵区域的拥堵预测结果。
关于道路拥堵检测装置的具体限定可以参见上文中对于道路拥堵检测方法的限定，在此不再赘述。上述道路拥堵检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种道路拥堵检测方法。
在一实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中道路拥堵检测方法的步骤，例如图2所示的步骤S1至步骤S6。或者，处理器执行计算机程序时实现上述实施例中道路拥堵检测装置的各模块/单元的功能，例如图9所示模块91至模块96的功能。为避免重复，此处不再赘述。
在一实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中道路拥堵检测方法，或者，该计算机程序被处理器执行时实现上述装置实施例中道路拥堵检测装置中各模块/单元的功能。为避免重复，此处不再赘述。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述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，均应包含在本发明的保护范围之内。
Claims (9)
1.一种道路拥堵检测方法，其特征在于，所述道路拥堵检测方法包括：
接收车载终端发送的目的地信息；
根据所述目的地信息和所述车载终端实时上报的位置信息规划可达路线，并获取城市当前的道路拥堵区域，将所述可达路线和所述道路拥堵区域重叠的区域确定为待评估拥堵区域；
从预设的城市历史拥堵数据库中，获取所述待评估拥堵区域的历史拥堵数据，其中，所述待评估拥堵区域的历史拥堵数据包括所述待评估拥堵区域随时间变化的拥堵指数；所述预设的城市历史拥堵数据库存储有每个道路拥堵区域及其对应的随时间变化的拥堵指数，所述每个道路拥堵区域的确定过程为：
将行驶速度小于预设的速度阈值的车载终端确定为待识别目标；
根据每个所述待识别目标的位置信息，计算预设的城市地图中每个单位区域的车辆密度，其中，每个所述单位区域被预先设置唯一的标识信息；
将所述车辆密度大于预设的密度阈值的所述单位区域确定为拥堵单元；
将互相相邻的所述拥堵单元组成的区域确定为每个道路拥堵区域；
根据所述车载终端实时上报的行驶速度，计算所述车载终端所在的车辆到达所述待评估拥堵区域的预测时间，并根据所述待评估拥堵区域的历史拥堵数据，将所述待评估拥堵区域在所述预测时间的拥堵指数，作为预测拥堵指数；
根据所述预测拥堵指数，预测所述车辆到达所述待评估拥堵区域时，所述待评估拥堵区域的拥堵预测结果；
将所述拥堵预测结果和所述可达路线推送到所述车载终端，并根据所述拥堵预测结果向所述车载终端反馈相应的规划路线建议。
2.如权利要求1所述的道路拥堵检测方法，其特征在于，所述接收车载终端发送的目的地信息之前，所述道路拥堵检测方法还包括：
接收每个所述车载终端实时上报的所述位置信息和所述行驶速度，其中，所述位置信息由预先安装在所述车载终端所在的车辆上的定位装置获取；
根据每个所述位置信息和每个所述行驶速度，确定所述道路拥堵区域，并计算所述道路拥堵区域的车辆数量和平均行驶速度；
根据所述道路拥堵区域的车辆数量和平均行驶速度，确定所述道路拥堵区域的实时拥堵指数，并根据所述实时拥堵指数得到所述道路拥堵区域随时间变化的拥堵指数，将所述道路拥堵区域随时间变化的拥堵指数作为所述道路拥堵区域的历史拥堵数据，保存在所述预设的城市历史拥堵数据库中。
3.如权利要求1所述的道路拥堵检测方法，其特征在于，所述根据所述目的地信息和所述车载终端实时上报的位置信息规划可达路线，并获取城市当前的道路拥堵区域，将所述可达路线和所述道路拥堵区域重叠的区域确定为待评估拥堵区域包括：
在所述预设的城市地图中，查询从所述车载终端实时上报的位置信息对应的位置，到所述目的地信息对应的目的地之间的所述可达路线，其中，所述可达路线 包含至少一个单位区域；
获取所述可达路线 中包含的每个所述单位区域的标识信息，构成可达线路区域标识集合，并获取所述道路拥堵区域中包含的每个所述拥堵单元的标识信息，构成拥堵区域标识集合，计算所述可达线路区域标识集合和所述拥堵区域标识集合的交集；
若所述交集为空，则将所述待评估拥堵区域设置为空；
若所述交集不为空，则将所述交集中包含的标识信息对应的所述拥堵单元组成的区域作为所述待评估拥堵区域。
4.如权利要求1至3任一项所述的道路拥堵检测方法，其特征在于，所述根据所述预测拥堵指数，预测所述车辆到达所述待评估拥堵区域时，所述待评估拥堵区域的拥堵预测结果包括：
根据拥堵指数范围与拥堵程度之间预设的对应关系，确定所述预测拥堵指数对应的拥堵程度，并将该拥堵程度作为所述待评估拥堵区域的所述拥堵预测结果。
5.如权利要求1至3任一项所述的道路拥堵检测方法，其特征在于，所述根据所述预测拥堵指数，预测所述车辆到达所述待评估拥堵区域时，所述待评估拥堵区域的拥堵预测结果还包括：
从所述待评估拥堵区域的历史拥堵数据中，获取所述待评估拥堵区域在当前时间的所述拥堵指数，并将获取到的所述拥堵指数作为所述待评估拥堵区域的当前拥堵指数；
根据所述当前拥堵指数和所述预测拥堵指数，确定所述待评估拥堵区域的拥堵趋势，并将所述拥堵趋势作为所述待评估拥堵区域的所述拥堵预测结果。
6.一种道路拥堵检测装置，其特征在于，所述道路拥堵检测装置包括：
目的地接收模块，用于接收车载终端发送的目的地信息；
拥堵区域确定模块，用于根据所述目的地信息和所述车载终端实时上报的位置信息规划可达路线，并获取城市当前的道路拥堵区域，将所述可达路线和所述道路拥堵区域重叠的区域确定为待评估拥堵区域；
历史数据获取模块，用于从预设的城市历史拥堵数据库中，获取所述待评估拥堵区域的历史拥堵数据，其中，所述待评估拥堵区域的历史拥堵数据包括所述待评估拥堵区域随时间变化的拥堵指数；所述预设的城市历史拥堵数据库存储有每个道路拥堵区域及其对应的随时间变化的拥堵指数，所述每个道路拥堵区域的确定过程为：
将行驶速度小于预设的速度阈值的车载终端确定为待识别目标；
根据每个所述待识别目标的位置信息，计算预设的城市地图中每个单位区域的车辆密度，其中，每个所述单位区域被预先设置唯一的标识信息；
将所述车辆密度大于预设的密度阈值的所述单位区域确定为拥堵单元；
将互相相邻的所述拥堵单元组成的区域确定为每个道路拥堵区域；预测指数计算模块，用于根据所述车载终端实时上报的行驶速度，计算所述车载终端所在的车辆到达所述待评估拥堵区域的预测时间，并根据所述待评估拥堵区域的历史拥堵数据，将所述待评估拥堵区域在所述预测时间的拥堵指数，作为预测拥堵指数；
拥堵预测模块，用于根据所述预测拥堵指数，预测所述车辆到达所述待评估拥堵区域时，所述待评估拥堵区域的拥堵预测结果；
建议推送模块，用于将所述拥堵预测结果和所述可达路线推送到所述车载终端，并根据所述拥堵预测结果向所述车载终端反馈相应的规划路线建议。
7.如权利要求6所述的道路拥堵检测装置，其特征在于，所述道路拥堵检测装置还包括：
数据上报模块，用于接收每个所述车载终端实时上报的所述位置信息和所述行驶速度，其中，所述位置信息由预先安装在所述车载终端所在的车辆上的定位装置获取；
拥堵分析模块，用于根据每个所述位置信息和每个所述行驶速度，确定所述道路拥堵区域，并计算所述道路拥堵区域的车辆数量和平均行驶速度；
指数确定模块，用于根据所述道路拥堵区域的车辆数量和平均行驶速度，确定所述道路拥堵区域的实时拥堵指数，并根据所述实时拥堵指数得到所述道路拥堵区域随时间变化的拥堵指数，将所述道路拥堵区域随时间变化的拥堵指数作为所述道路拥堵区域的历史拥堵数据，保存在所述预设的城市历史拥堵数据库中。
8.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的道路拥堵检测方法。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的道路拥堵检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811535314.6A CN109767030B (zh) | 2018-12-14 | 2018-12-14 | 道路拥堵检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811535314.6A CN109767030B (zh) | 2018-12-14 | 2018-12-14 | 道路拥堵检测方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109767030A CN109767030A (zh) | 2019-05-17 |
| CN109767030B true CN109767030B (zh) | 2023-04-18 |
Family
ID=66451845
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811535314.6A Active CN109767030B (zh) | 2018-12-14 | 2018-12-14 | 道路拥堵检测方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109767030B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110428612B (zh) * | 2019-07-05 | 2021-04-13 | 平安国际智慧城市科技股份有限公司 | 车辆管控方法、装置、计算机设备和存储介质 |
| CN110929179B (zh) * | 2019-11-05 | 2023-06-09 | 阿里巴巴集团控股有限公司 | 一种出行数据的处理方法、装置及电子设备 |
| CN112887896B (zh) * | 2019-11-13 | 2023-04-07 | 中移物联网有限公司 | 一种景区车流量统计方法、装置和服务器 |
| CN110992689B (zh) * | 2019-11-28 | 2021-07-30 | 北京世纪高通科技有限公司 | 拥堵特征的确定方法及装置 |
| CN111402579A (zh) * | 2020-02-29 | 2020-07-10 | 深圳壹账通智能科技有限公司 | 道路拥堵程度预测方法、电子装置及可读存储介质 |
| CN111739325B (zh) * | 2020-06-15 | 2021-08-03 | 腾讯科技（深圳）有限公司 | 确定异常停车概率和导航控制的方法、装置、设备和介质 |
| CN113822502A (zh) * | 2020-06-18 | 2021-12-21 | 阿里巴巴集团控股有限公司 | 一种公交运营规划方法、公交运营状态评估方法及其设备 |
| CN111859254B (zh) * | 2020-07-15 | 2023-05-23 | 中国安全生产科学研究院 | 一种输油管道受限空间泄漏事故后果计算方法和系统 |
| CN112598907B (zh) * | 2020-12-17 | 2021-12-07 | 东风商用车有限公司 | 拥堵预测方法、装置、设备及可读存储介质 |
| CN113380037B (zh) * | 2021-07-05 | 2023-04-25 | 中国建设银行股份有限公司 | 一种交通信息采集方法和装置 |
| 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 |
| CN114999148A (zh) * | 2022-05-16 | 2022-09-02 | 国汽智图(北京)科技有限公司 | 拥堵程度监测方法、装置、计算机设备和存储介质 |
| CN115330067B (zh) * | 2022-08-18 | 2023-08-15 | 百度在线网络技术（北京）有限公司 | 一种交通拥堵预测方法、装置、电子设备及存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106530748A (zh) * | 2015-09-12 | 2017-03-22 | 石立公 | 车道拥堵指数预测系统和方法 |
| CN105513378A (zh) * | 2015-12-21 | 2016-04-20 | 宇龙计算机通信科技(深圳)有限公司 | 一种车联网的方法、装置及系统 |
| CN105387868A (zh) * | 2015-12-25 | 2016-03-09 | 小米科技有限责任公司 | 提示道路信息的方法及装置 |
| CN107123295A (zh) * | 2017-06-30 | 2017-09-01 | 百度在线网络技术（北京）有限公司 | 拥堵路段预测方法、装置、服务器以及存储介质 |
| CN107909332A (zh) * | 2017-10-09 | 2018-04-13 | 深圳市金立通信设备有限公司 | 出行提醒方法、终端及计算机可读介质 |
| CN108269401B (zh) * | 2018-01-30 | 2021-02-23 | 银江股份有限公司 | 一种基于数据驱动的高架桥交通拥堵预测方法 |
| CN108873905A (zh) * | 2018-07-09 | 2018-11-23 | 深圳市易成自动驾驶技术有限公司 | 自动驾驶车辆控制方法、自动驾驶车辆及可读存储介质 |
-
2018
- 2018-12-14 CN CN201811535314.6A patent/CN109767030B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109767030A (zh) | 2019-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109767030B (zh) | 道路拥堵检测方法、装置、计算机设备及存储介质 | |
| US11378404B2 (en) | Methods and systems for generating a horizon for use in an advanced driver assistance system (ADAS) | |
| EP3322961B1 (en) | Methods and systems for detecting a closure and/or opening of a navigable element | |
| JP6412919B2 (ja) | ナビゲート可能要素の閉鎖を検出する方法及びシステム | |
| US9299023B2 (en) | Methods and systems for generating a horizon for use in an advanced driver assistance system (ADAS) | |
| EP3344951B1 (en) | Method and system for detecting an open navigable element | |
| EP3092462B1 (en) | Methods and systems for detecting a closure of a navigable element | |
| CN112712729B (zh) | 预测运动轨迹的方法和系统 | |
| CN107957267B (zh) | 一种导航路径提示信息的确定方法及装置 | |
| JP2017096636A (ja) | 推奨予定経路取得システム、方法およびプログラム | |
| SE1550429A1 (en) | Device and method for classification of road segment | |
| CN108106621A (zh) | 一种规划路线的计算方法及装置 | |
| CN111739327B (zh) | 一种基于物联网技术的路内停车规划系统 | |
| US20210256849A1 (en) | Process and system for local traffic approximation through analysis of cloud data | |
| CN109945883B (zh) | 一种信息处理方法、装置及电子设备 | |
| CN110906943A (zh) | 一种规划路线的优化方法及装置 | |
| Protschky et al. | Traffic signal adaptive routing | |
| CN112927116A (zh) | 一种智慧交通的智能调度方法、装置及调度中心 | |
| CN117377859A (zh) | 根据所预测的导航路线向车辆用户提供特定于路线的服务 | |
| CN116358582A (zh) | 导航路线的推荐、熟路预测模型的训练方法、装置、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 |