CN110100271A - 用于使用交通信号数据估计道路交通状况的方法、装置和计算机程序产品 - Google Patents

用于使用交通信号数据估计道路交通状况的方法、装置和计算机程序产品 Download PDF

Info

Publication number
CN110100271A
CN110100271A CN201780073400.7A CN201780073400A CN110100271A CN 110100271 A CN110100271 A CN 110100271A CN 201780073400 A CN201780073400 A CN 201780073400A CN 110100271 A CN110100271 A CN 110100271A
Authority
CN
China
Prior art keywords
intersection
path
vehicle
along
traffic
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
CN201780073400.7A
Other languages
English (en)
Other versions
CN110100271B (zh
Inventor
徐景伟
X·高
W·黄
B·伯恩哈特
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.)
Hull Global Co Ltd
Original Assignee
Hull Global 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 Hull Global Co Ltd filed Critical Hull Global Co Ltd
Publication of CN110100271A publication Critical patent/CN110100271A/zh
Application granted granted Critical
Publication of CN110100271B publication Critical patent/CN110100271B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

使用来自交叉路口处的交通信号的信号阶段和定时数据以及来自穿过所述交叉路口的车辆的探测数据来提供用于改进的交通拥堵估计的方法。示例方法可以包括：识别通过交叉路口的多个路径中的每一个路径；识别与通过交叉路口的每一个路径相关联的每个交通灯的信号阶段和定时数据；接收用于接近或穿过交叉路口的车辆的探测数据；估计未能沿着通过交叉路口的路径穿过交叉路口的车辆的数量；基于未能穿过交叉路口的车辆的数量来估计通过交叉路口的路径的拥堵状态；以及使拥堵状态被提供以允许更新地图以反映拥堵状态。

Description

用于使用交通信号数据估计道路交通状况的方法、装置和计 算机程序产品
技术领域
本发明的示例实施例总体上涉及确定道路上的交通状况的方法，并且更具体地，涉及用于使用车辆探测数据和交通信号(信号阶段(signal phase)和定时)数据以改善交通状况估计的方法、装置和计算机程序产品。
背景技术
现代通信时代带来了有线和无线网络的巨大扩展。在消费者需求的推动下，计算机网络、电视网络和电话网络正在经历前所未有的技术扩张。无线和移动网络技术已经满足了消费者的需求，同时提供了信息传输的更多的灵活性和即时性。
通过诸如便携式导航系统和移动设备的移动设备可获得的车辆数据的普遍性使得能够众包(crowd sourcing)车辆数据以更好地确定道路网络中的道路状况。丰富的数据可以为用户提供增强的导航系统，该系统将交通状况分解为路线指导建议。然而，数据量有时会产生误导并且可能被误解，从而导致错误或混乱的信息。
发明内容
一般而言，本发明的示例实施例提供了一种使用来自交叉路口处的交通信号的信号阶段和定时数据以及来自穿过所述交叉路口的车辆的探测数据的改进的交通拥堵估计方法。根据示例实施例，可以提供一种装置，包括至少一个处理器和至少一个存储器，该存储器包括存储在其上的计算机程序代码。该至少一个存储器和计算机程序代码被配置为与至少一个处理器一起使装置：识别通过交叉路口的多个路径中的每一个路径；识别与通过交叉路口的每一个路径相关联的每个交通灯的信号阶段和定时数据；接收用于接近或穿过交叉路口的车辆的探测数据；估计未能沿着通过交叉路口的路径穿过交叉路口的车辆数量；基于未能穿过交叉路口的车辆数量来估计通过交叉路口的路径的拥堵状态；以及使拥堵状态被提供以允许更新地图以反映拥堵状态。
根据一些实施例，使得该装置估计未能穿过交叉路口的车辆的数量可以包括使该装置：在控制通过交叉路口的路径的交通灯的红色阶段期间，估计队列中沿着通过交叉路口的路径穿过交叉路口的车辆的数量；识别控制通过交叉路口的路径的交通灯的绿色阶段；以及估计在交通灯的绿色阶段期间未能穿过交叉路口的排队沿着通过交叉路口的路径穿过交叉路口的车辆的车辆的数量。使装置估计队列中沿着通过交叉路口的路径穿过交叉路口的车辆的数量可包括使装置：针对通过交叉路口的路径接收的探测数据的至少一部分进行地图匹配；以及在控制通过交叉路口的路径的交通灯的红色阶段期间，估计队列中沿着通过交叉路口的路径穿过交叉路口的车辆的数量。
使得该装置估计交叉路口的拥堵状态可以包括使该装置：识别未能沿着路径穿过交叉路口的排队沿着通过交叉路口的路径穿过交叉路口的车辆的第一阈值数量；识别未能沿着路径穿过交叉路口的排队沿着通过交叉路口的路径穿过交叉路口的车辆的第二阈值数量；响应于沿着通过交叉路口的路径未能穿过交叉路口的车辆的数量高于第二阈值，估计通过交叉路口的路径的拥堵状态相对较重；响应于未能穿过通过交叉路口的路径的车辆数量高于第一阈值但低于第二阈值，估计通过交叉路口的路径的拥堵状态是中等的；以及响应于未能沿着通过交叉路口的路径穿过交叉路口的车辆的数量低于第一阈值，估计通过交叉路口的路径的拥堵状态相对较低。基于拥堵状态，该装置可以响应于拥堵状态为低，提供以第一颜色突出显示的通过交叉路口的路径的表示的在显示器上的指示；响应于拥堵状态为中等，提供以第二颜色突出显示的通过交叉路口的路径的表示的在显示器上的指示；以及响应于拥堵状态严重，提供以第三颜色突出显示的通过交叉路口的路径的表示的在显示器上的指示。
根据一些实施例，可以选择性地使该装置：计算通过交叉路口的路径的交叉路口饱和车辆数量，其中，交叉路口饱和车辆数量基于从排队沿着路径穿过交叉路口的车辆的数量减去未能沿着路径穿过交叉路口的车辆的数量来计算；以及估计在控制通过交叉路口的路径的交通灯从红色阶段到绿色阶段的下一个转变开始时的车辆的数量。可以进一步使该装置响应于在交通灯从红色阶段到绿色阶段的下一个转变的开始时估计的车辆的数量大于交叉路口饱和车辆数量，确定拥堵状况。
本发明的某些实施例可以提供一种方法，包括：识别通过交叉路口的多个路径中的每一个路径；识别与通过交叉路口的每一个路径相关联的每个交通灯的信号阶段和定时数据；接收用于接近或穿过交叉路口的车辆的探测数据；估计未能沿着通过交叉路口的路径穿过交叉路口的车辆数量；基于未能穿过交叉路口的车辆的数量来估计通过交叉路口的路径的拥堵状态；以及使拥堵状态被提供以允许更新地图以反映拥堵状态。估计未能沿着路径穿过交叉路口的车辆数量可包括：在控制通过交叉路口的路径的交通灯的红色阶段期间，估计队列中沿着通过交叉路口的路径穿过交叉路口的车辆数量；识别控制通过交叉路口的路径的交通灯的绿色阶段；以及估计在交通灯的绿色阶段期间排队沿着通过交叉路口的路径穿过交叉路口但未能穿过交叉路口的车辆的车辆数量。
估计队列中沿着通过交叉路口的路径穿过交叉路口的车辆数量可包括：针对通过交叉路口的路径接收的探测数据的至少一部分进行地图匹配；以及在控制通过交叉路口的路径的交通灯的红色阶段期间，估计队列中沿着通过交叉路口的路径穿过交叉路口的车辆数量。估计交叉路口的拥堵状态可以包括：识别未能沿着路径穿过交叉路口的排队沿着通过交叉路口的路径穿过交叉路口的车辆的第一阈值数量；识别未能沿着路径穿过交叉路口的排队沿着通过交叉路口的路径穿过交叉路口的车辆的第二阈值数量；响应于未能沿着通过交叉路口的路径穿过交叉路口的车辆的数量高于第二阈值，估计通过交叉路口的路径的拥堵状态相对较重；响应于未能穿过通过交叉路口的路径的车辆数量高于第一阈值但低于第二阈值，估计通过交叉路口的路径的拥堵状态是中等的；以及响应于未能沿着通过交叉路口的路径穿过交叉路口的车辆的数量低于第一阈值，估计通过交叉路口的路径的拥堵状态相对较低。
根据一些实施例，该方法可以响应于拥堵状态为低，提供以第一颜色突出显示的通过交叉路口的路径的表示的在显示器上的指示；响应于拥堵状态为中等，提供以第二颜色突出显示的通过交叉路口的路径的表示的在显示器上的指示；以及响应于拥堵状态严重，提供以第三颜色突出显示的通过交叉路口的路径的表示的在显示器上的指示。方法可以包括：计算通过交叉路口的路径的交叉路口饱和车辆数量，其中，交叉路口饱和车辆数量基于从排队沿着路径穿过交叉路口的车辆的数量减去未能沿着路径穿过交叉路口的车辆的数量来计算；以及估计在控制通过交叉路口的路径的交通灯从红色阶段到绿色阶段的下一个转变开始时的车辆的数量。方法可以选择性地包括响应于在交通灯从红色阶段到绿色阶段的下一个转变的开始时估计的车辆的数量大于交叉路口饱和数量，确定拥堵状况。
本发明的另一个实施例可以提供一种计算机程序产品，包括至少一个非暂态计算机可读存储介质，该非暂态计算机可读存储介质具有在其中存储的计算机可执行程序代码指令。计算机可执行程序代码指令可以包括：识别通过交叉路口的多个路径中的每一个路径的程序代码指令；识别与通过交叉路口的每一个路径相关联的每个交通灯的信号阶段和定时数据的程序代码指令；接收用于接近或穿过交叉路口的车辆的探测数据的程序代码指令；估计未能沿着通过交叉路口的路径穿过交叉路口的车辆的数量的程序代码指令；基于未能穿过交叉路口的车辆的数量来估计通过交叉路口的路径的拥堵状态的程序代码指令；以及使拥堵状态被提供以允许更新地图以反映拥堵状态的程序代码指令。
用于估计未能沿着通过交叉路口的路径穿过交叉路口的车辆的数量的程序代码指令可以包括：在控制通过交叉路口的路径的交通灯的红色阶段期间，估计队列中沿着通过交叉路口的路径穿过交叉路口的车辆的数量的程序代码指令；识别控制通过交叉路口的路径的交通灯的绿色阶段的程序代码指令；以及估计在交通灯的绿色阶段期间未能穿过交叉路口的排队沿着通过交叉路口的路径穿过交叉路口的车辆的数量的程序代码指令。用于估计队列中沿着通过交叉路口的路径穿过交叉路口的车辆的数量的程序代码指令可以包括：针对通过交叉路口的路径接收的探测数据的至少一部分进行地图匹配的程序代码指令；以及在控制通过交叉路口的路径的交通灯的红色阶段期间，估计队列中沿着通过交叉路口的路径穿过交叉路口的车辆的数量的程序代码指令。
根据一些实施例，用于估计交叉路口的拥堵状态的程序代码指令可以包括：识别未能沿着路径穿过交叉路口的排队沿着通过交叉路口的路径穿过交叉路口的车辆的第一阈值数量的程序代码指令；识别未能沿着路径穿过交叉路口的排队沿着通过交叉路口的路径穿过交叉路口的车辆的第二阈值数量的程序代码指令；响应于未能沿着通过交叉路口的路径穿过交叉路口的车辆的数量高于第二阈值，估计通过交叉路口的路径的拥堵状态相对较重的程序代码指令；响应于未能穿过通过交叉路口的路径的车辆的数量高于第一阈值但低于第二阈值，估计拥堵状态是中等的程序代码指令；以及响应于未能沿着通过交叉路口的路径穿过交叉路口的车辆的数量低于第一阈值，估计通过交叉路口的路径的拥堵状态相对较低的程序代码指令。
根据一些实施例，计算机程序产品可以包括如下程序代码指令：响应于拥堵状态为低，提供以第一颜色突出显示的通过交叉路口的路径的表示的在显示器上的指示；响应于拥堵状态为中等，提供以第二颜色突出显示的通过交叉路口的路径的表示的在显示器上的指示；以及响应于拥堵状态严重，提供以第三颜色突出显示的通过交叉路口的路径的表示的在显示器上的指示。该计算机程序产品可以选择性地包括：计算通过交叉路口的路径的交叉路口饱和车辆数量的程序代码指令，其中，交叉路口饱和车辆数量基于从排队沿着路径穿过交叉路口的车辆的数量减去未能沿着路径穿过交叉路口的车辆的数量来计算；以及估计在控制通过交叉路口的路径的交通灯从红色阶段到绿色阶段的下一个转变开始时的车辆的数量的程序代码指令。
附图说明
已经概括地描述了本发明的某些示例实施例，现在将参考附图，该附图不一定按比例绘制，并且在附图中：
图1示出了根据本发明示例实施例的通信系统；
图2是根据本发明示例实施例的移动设备的示意性框图。
图3是根据本发明示例实施例的用于向用户提供交通流量和拥堵信息的系统的示意性框图。
图4是根据本发明示例实施例的用于向用户提供交通流量和拥堵信息的系统的另一示意性框图。
图5是根据示例实施例的在第一信号阶段期间包括多个路径的交叉路口和穿过交叉路口的车辆的示意图；
图6是根据示例实施例的在第二信号阶段期间包括多个路径的交叉路口和穿过交叉路口的车辆的示意图；
图7是根据示例实施例的在第三信号阶段期间包括多个路径的交叉路口和穿过交叉路口的车辆的示意图；
图8是根据本发明的示例实施例的用于估计交叉路口的拥堵状态的方法的流程图；
图9是示出根据示例实施例的基于沿着通过交叉路口的路径穿过和/或未能穿过交叉路口的车辆的数量来确定拥堵级别的方法的流程图；
图10是预测近期的交叉路口拥堵的方法的流程图；以及
图11是根据本发明的示例实施例的估计沿着通过交叉路口的路径的交通拥堵的方法的流程图。
具体实施方式
现在将在下文中参考附图更全面地描述本发明的一些示例实施例，附图中示出了本发明的一些但非全部实施例。实际上，本发明的各种实施例可以以许多不同的形式实施，并且不应该被解释为限于在此阐述的示例实施例；相反，提供这些示例实施例使得本公开满足适用的法律要求。相同的附图标记始终表示相同的元件。如在此所使用的，术语“数据”、“内容”、“信息”和类似术语可以互换使用，以指代能够根据本发明的实施例发送、接收和/或存储的数据。
本发明的示例实施例可以与系统的多个组件结合使用或由系统的多个组件实施，用于基于车辆探测数据以及来自控制一个或多个交叉路口处的交通流量的一个或多个交通信号或交通灯的信号阶段和定时(SPaT)数据识别交通状况。根据如图1中所示的一些实施例，系统可以包括交通控制器10，该交通控制器10诸如通过交通灯信号阶段和定时以及交通灯功能的序列和模式控制交叉路口处的交通信号。交通控制器10可以位于交通灯的交叉路口附近，或者交通控制器可以远离受控交通灯放置并且通过各种类型的有线或无线通信与交通灯通信，如下面进一步描述的。该系统可以进一步包括网络服务器20，该网络服务器20诸如经由网络30与交通控制器通信，以向交通控制器提供信息和命令，和/或从交通控制器接收信息和数据，诸如交通量、硬件问题或可能有助于控制交通系统的各种其它信息。
各种实施例的交通监视和控制系统可进一步包括与网络30通信的多个移动设备25，以提供来自邻近关注区域或地区的多个车辆的车辆探测数据。移动设备25可以由能够提供与车辆相关联的信息(诸如位置信息)和可以包括时间戳、方向/轨迹、速度的其它信息或可以是与本发明的某些实施例有关的任何其它信息的设备的各种实施例来实现。
网络30可以支持通信，如图1中所示，该网络30可以包括可以经由相应的有线和/或无线接口或者在诸如通过通信运行的网络的ad-hoc网络中彼此通信的各种不同节点、设备或功能的集合。这样，图1应该被理解为可以结合本发明的示例实施例的系统的某些元件的广泛视图而不是系统或网络30的全包或详细视图的示例。尽管不是必需的，但是在一些示例实施例中，网络30可以能够支持根据多个第一代(1G)、第二代(2.G)、2.5G、第三代(3G)、3.5G、3.9G、第四代(4G)移动通信协议等中的任何一个或多个的通信。
诸如业务控制器10的一个或多个通信终端可以经由网络30与网络服务器20通信，并且每个通信终端可以包括用于向基站点发送信号和从基站点接收信号的一个天线或多个天线，该基站点例如可以是作为蜂窝或移动网络或可以耦合到数据网络的接入点的一个或多个的一部分的基站；数据网络诸如局域网(LAN)、城域网(MAN)和/或广域网(WAN)，诸如因特网。反过来，其它设备(例如，个人计算机、服务器计算机等)可以经由网络30耦合到交通控制器10、网络服务器20或移动设备25。通过将移动设备25、交通控制器10、网络服务器20和其它设备直接或间接连接到网络30，移动设备25和交通控制器10可以被启用以例如根据包括超文本传输协议(HTTP)等的多种通信协议与其它设备或彼此通信，从而执行交通控制器10和/或移动设备25的各种通信或其它功能。
尽管移动设备25可以以各种方式配置，但是可以受益于本发明的实施例的移动终端体现的移动设备25的一个示例在图2的框图中示出。虽然出于示例的目的可以示出并在下文中描述移动设备25的若干实施例，但是其它类型的移动终端，诸如便携式数字助理(PDA)、寻呼机、移动电视、游戏设备、所有类型的计算机(例如，膝上型计算机或移动计算机)、相机、音频/视频播放器、无线设备、全球定位系统(GPS)设备，或车载配置的传感器可用于车辆位置定位估计目的，或上述的任何组合，并且其它类型的通信设备可以采用本发明的移动设备25的实施例。此外，如本领域技术人员所理解的，虽然交通控制器10通常被描述为固定计算设备，但是示例实施例可以包括如图2中所示的移动终端，或者实施移动终端的一个或多个特征，诸如便于数据收集和处理的组件，以及便于通信的组件。
在一些实施例中，移动设备25或交通控制器10可以是被配置为采用本发明的示例实施例的计算设备。然而，在一些实施例中，共同称为计算设备的设备或控制器可以体现为芯片或芯片组。换句话说，计算设备可以包括一个或多个物理封装(例如，芯片)，其包括结构组件(例如，基板)上的材料、组件和/或电线。结构组件可以为其上包括的组件电路提供物理强度、尺寸守恒和/或电相互作用的限制。因此，在一些情况下，计算设备可以被配置为在单个芯片上或作为单个“片上系统”实现本发明的实施例。这样，在一些情况下，芯片或芯片组可以构成用于执行一个或多个操作以提供在此描述的功能的部件。
图2示出了可以体现移动设备25、交通控制器10或网络服务器20的计算设备15。移动设备25、交通控制器10和网络服务器可以省略某些特征，或者包括未按要求示出的附加特征，以执行下面关于它们的功能描述的各种操作。图示的计算设备15可以包括与发射机34和接收机36可操作通信的天线32(或多个天线)。计算设备可以进一步包括处理器40，其分别向发射机和接收机提供信号并从发射机和接收机接收信号。信号可以包括根据适用的蜂窝系统的空口标准的信令信息，和/或还可以包括与用户语音、接收的数据和/或用户生成的数据相对应的数据。在这方面，移动终端可以能够利用一个或多个空口标准、通信协议、调制类型和接入类型进行操作。作为说明，计算设备15可以能够根据多个第一代、第二代、第三代和/或第四代通信协议等中的任何一个进行操作。例如，计算设备15可以能够根据第二代(2G)无线通信协议IS-136、GSM和IS-95，或者根据第三代(3G)无线通信协议(诸如UMTS、CDMA2000、宽带CDMA(WCDMA)和时分同步CDMA(TD-SCDMA))，根据3.9G无线通信协议，诸如E-UTRAN(演进UMTS陆地无线接入网)，根据第四代(4G)无线通信协议等操作。
处理器可以以多种不同方式体现。例如，处理器可以体现为各种处理部件，诸如协处理器、微处理器、控制器、数字信号处理器(DSP)、带或不带伴随DSP的处理元件，或包括集成电路(诸如例如ASIC(专用集成电路)、FPGA(现场可编程门阵列)、微控制器单元(MCU)、硬件加速器、专用计算机芯片等)、硬件加速器等的各种其它处理电路。
在示例实施例中，处理器40可以被配置为执行存储在存储器设备60中或者以其它方式处理器40可访问的指令。可选地或另外地，处理器40可以被配置为执行硬编码功能。这样，无论是通过硬件还是软件方法配置，还是通过其组合，处理器40可以表示能够在相应地配置时执行根据本发明实施例的操作的实体(例如，物理地体现在电路中)。因此，例如，当处理器40体现为ASIC、FPGA等时，处理器40可以是专门配置的硬件，用于进行在此描述的操作。可替代地，作为另一示例，当处理器40体现为软件指令的执行器时，指令可以具体地配置处理器40以在执行指令时执行在此描述的算法和/或操作。然而，在一些情况下，处理器40可以是特定设备(例如，移动终端或网络设备)的处理器，其适于通过用于执行在此描述的算法和/或操作的指令进一步配置处理器40来采用本发明的实施例。处理器40特别可以包括时钟、算术逻辑单元(ALU)和被配置为支持处理器40的操作的逻辑门。
计算设备15还可以包括用户界面，该用户界面包括输出设备，诸如耳机或扬声器44、振铃器42、麦克风46、显示器48和可以耦合到处理器40的用户输入接口。允许计算设备15接收数据的用户输入接口可以包括允许计算设备接收数据的多个设备中的任何一个，诸如键盘50、触敏显示器(未示出)或其它输入设备。在包括键盘的实施例中，键盘可以包括数字(0-9)和相关键(#，*)，以及用于操作计算设备15的其它硬键和/或软键。可替代地，键盘可以包括传统QWERTY键盘排列。键盘还可以包括具有相关功能的各种软键。另外或可替代地，计算设备15可以包括接口设备，诸如操纵杆或其他用户输入接口。计算设备15可以进一步包括电池54，诸如振动电池组，用于为用于操作计算设备15的各种电路供电，以及可选地提供机械振动作为可检测输出。计算设备15还可以包括传感器49，诸如加速度计、运动传感器/检测器、温度传感器或其它环境传感器，以向处理器提供指示计算设备15的状况或刺激的输入。根据一些实施例，计算设备15可以包括作为传感器49的图像传感器，诸如配置成捕获静止和/或移动图像的相机。
计算设备15可以进一步包括用户身份模块(UIM)58，其通常可以被称为智能卡。UIM可以是具有内置处理器的存储器设备。UIM可以包括例如订户标识模块(SIM)、通用集成电路卡(UICC)、通用订户标识模块(USIM)、可移动用户标识模块(R-UIM)或任何其它智能卡。例如，UIM可以存储与移动订户相关的信息元素或者被分配了调查设备25的服务技术人员。除了UIM之外，移动终端可以配备有存储器。例如，计算设备15可以包括易失性存储器60，诸如易失性随机存取存储器(RAM)，其包括用于临时存储数据的高速缓存区域。计算设备还可以包括其它非易失性存储器62，其可以是嵌入式的和/或可以是可移除的。非易失性存储器可以另外地或可替代地包括电可擦除可编程只读存储器(EEPROM)、闪存等。存储器可以存储计算设备用于实施计算设备的功能的多个信息和数据中的任何一条。例如，存储器可以包括能够唯一识别移动终端的标识符，诸如国际移动设备标识(IMEI)代码。此外，存储器可以存储用于确定小区id信息的指令。具体地，存储器可以存储用于由处理器40执行的应用程序，其确定当前小区的标识，即，移动终端与之通信的小区id标识或小区id信息。
通常，本发明的示例实施例可以提供一种方法，用于从多个探测器、车载传感器、环路传感器以及与信号阶段和定时(SPaT)相关的交通信号数据接收探测数据信息，并且使用该信息来确定与交叉路口相关的交通拥堵信息，同时区分交叉路口处的交通拥堵和仅由交通灯的循环产生的在交叉路口处排队的车辆。
在此通常称为交通灯的交通信号和在此一般称为交通控制器的交通信号或交通灯控制器正在变成连接设备，因为交通控制器在可以通过中央交通控制操作管理的交通控制系统上更频繁地彼此联网。管理来自中央交通控制操作的交通灯可以通过使交通灯彼此协作来实现更好地控制通过诸如城市或郊区的区域的交通流。该协同操作可以增加交通吞吐量，同时减少燃料消耗并减少驾驶员的烦恼。此外，增加的交通吞吐量可以减少对更高容量道路的感知需求(例如，通过附加的车道或旁路)，并且可以通过优化现有道路来节省成本。中央交通控制还可以提供与通过交叉路口的多个路径中的每一个路径的交叉路口相关的信号阶段和定时数据。
可以基于中央交通控制器确定交通信号的信号阶段和定时，并且可以由位于交叉路口附近的道路侧单元(诸如计算设备15)进行广播。信号阶段可以包括在交叉路口处呈现给驾车者、行人、骑车人等的信号。交通灯可包括各种阶段。例如，单阶段交通灯可以包括指示交叉路口处通行权的闪烁琥珀色或红色的灯，或者指示受保护或禁止转弯的绿色或红色箭头。双阶段交通灯可包括例如行人行走/不能行走信号。三阶段交通灯可包括传统的绿色/琥珀色/红色交通灯。在此描述的某些实施例可以涉及所有交通灯阶段，并且不限于上述阶段的简要描述。状态转变可以包括交通灯处的阶段之间的转变。从绿色到琥珀色的交通灯变化是第一状态转变，而从琥珀色到红色的变化是第二状态转变。收集的信号阶段和状态转变的定时可以通过图1中所示的分布网络通过通信协议提供。
本发明的实施例的各种示例一般可以涉及车辆交通模式处理系统，其简化示例在图3中示为系统100。在车辆交通系统100中，存在描述路段几何形状的地图数据源110，用于提供探测数据120的多个探测器(诸如移动设备25，体现为例如计算设备15)以及交通处理引擎130，该交通处理引擎130可以例如由图1的网络服务器20体现。可以使用图3的系统将信号阶段和定时数据与来自探测器的车辆交通数据进行整合，以通过交通处理引擎130传递流量或事故消息作为输出。可以经由空中无线接口、连接的因特网等将消息传递给终端客户(例如，驾驶员、交通控制中心、应急管理人员等)。
如图3中所示，对交通处理引擎的输入可以包括从移动设备25接收的实时探测数据130，以及描述路段拓扑和几何形状110的地图伪影(artifact)数据。交通处理引擎接收探测数据，并且可以执行探测数据的地图-匹配过程以使探测数据与描述路段几何形状的地图数据对齐。来自交通处理引擎的输出可以是对给定路段(例如，道路链路)的当前行驶速度的估计。基于该路段的行驶速度，可以估计道路状况(例如，道路拥堵)是自由流动(例如，没有交通拥堵)，排队(例如，由于交通信号而停止的交通)，或者是静止的(例如，严重交通拥堵)，以及其它拥堵级别。从用户感知的角度来看，沿着特定路段的等于或低于排队速度的行进速度可以通常被认为是道路拥堵，其可以在地图界面上以图形方式描绘为黄色或红色以指示交通减缓的级别。然而，沿着特定路段的交通速度可能并不总是指示交通拥堵的级别。
根据示例实施例，由于红色交通信号，接近交叉路口的路段可能具有低于所发布的速度限制的交通行驶，尽管该减慢的交通速度可能不指示道路段上的拥堵，而是由于交叉路口的交通灯的信号阶段和定时。在考虑主干道路上的交通控制时，交叉路口在交通流量管理中起着关键作用。具有交通信号的交叉路口可以提供移动控制策略以最大化与交叉路口相关联的道路上的车辆容量和安全性。每个交叉路口可以具有其自己的指定信号和阶段定时，其可以与附近的其它交叉路口相关或不相关以协调交通流量。仅由于没有大量交通量的交通信号或者使交通减慢的其它因素的交通排队可以是交叉路口的典型，使得在交通信号处存在交通拥堵的指示是错误的。本发明的某些实施例阐明和区分交通拥堵和仅由交通信号引起的交通排队。
由于交通量超过可用道路容量，特别是在发生事故、峰值量的时间(例如，高峰时间、体育赛事等)以及在道路的建造或维护期间，交通拥堵可能发生并开始累积。通常，可以由导航系统服务提供商使用探测数据和传感器技术来提供交通状况。然而，可能难以区分由交通拥堵导致的交叉路口拥堵交通状况和由于交通灯的信号阶段和定时循环阶段的交通排队/累积。在此描述的某些实施例公开了一种智能交通过程引擎系统，其能够区分交通灯的黄/红阶段期间的正常交叉路口交通累积与道路交通拥堵状况。该区分可以为终端用户提供更好和更准确的交通服务。该信息还可以用作交通信号控制器的反馈，以在交通拥堵期间更好地管理交叉路口的信号阶段和定时。
图4示出了交通处理系统200的示例实施例，该交通处理系统200被配置为区分交叉路口处的交通拥堵和响应于交通灯的黄/红阶段的交叉路口处的排队交通。系统200包括作为输入的探测数据120，其可以来自车辆、服务提供商(例如，导航服务提供商)、管理者(例如，市政交通监视器)等。描述道路几何形状110的地图数据也可以由服务提供商或管理者提供，并且交通处理引擎130可以将探测数据120与地图数据110的相关路段进行地图匹配。对探测数据进行地图匹配可以包括使用探测位置的统计分析以及考虑定位系统(例如GPS)错误、位置识别不良(例如，在城市峡谷或在大量树木覆盖下)或数字地图数据几何中的错误，以准确地将来自车辆的探测数据点与沿着现有道路的路径和通过交叉路口的路径进行地图匹配。交通处理引擎可以使用将车辆探测轨迹和位置信息与道路网络的路段进行匹配的地图匹配技术。
交通信号控制器原始数据150可以来自市政当局或管理者(例如，交通控制器系统)以传送通过交叉路口的路径及其相应的阶段(绿色、黄色、红色)。探测数据120和交通信号控制器原始数据150可以通过数据的时间戳或通过对齐数据的同步点进行时间同步。该同步对于交通由于黄/红灯信号阶段在交叉路口处停止并排队时与交通由于交通拥堵而在绿灯信号阶段期间在交叉路口处停止时准确地反映可能是重要的。交通信号控制器原始数据可以包括交通灯序列、序列期间信号的每个阶段的持续时间、由于一天中的时间或检测到的交通量而导致的序列或持续时间的变化、交通信号序列的一个或多个部分的时间戳，或者与控制交叉路口以及通过其的相应路径的交通信号有关的任何其它信息。
交通信号控制器原始数据可以与探测数据120一起输入到信号阶段和定时预测引擎160。根据该信息，可以将信号阶段和定时数据提供给交通处理引擎，其中确定交叉路口处的交通是否是交通信号阶段的结果(例如，红灯处的交通排队)或者交叉路口处的交通是否是交通拥堵的结果。提供该确定的输出作为指示在140处是否存在交通拥堵的消息。
道路的容量通常被定义为车辆在普遍条件下在预定时间段内可以通过给定点的最大速率。当交通量接近容量时，诸如高于容量的90％，就会发生道路或交叉路口的饱和流量。在饱和或接近饱和时，可以假定通过交叉路口的车辆行进时间不超过预定值，诸如2.5秒，这取决于交叉路口的大小和通过交叉路口的路径的标示速度限制。可以基于道路宽度、车道数量、道路的功能等级等来确定交叉路口的容量。交叉路口的容量可以由交通处理引擎130计算或者例如与描述道路几何形状110的地图数据一起提供。可选地，交叉路口的交通容量可以由市政当局或交通控制器与交通信号数据150一起提供。容量可以由每小时车辆、每个交通灯阶段周期的车辆或每特定时间段的车辆来定义。
可替代地，在没有交通容量信息的情况下，交通处理引擎130可以基于与穿过交叉路口的车辆相关联的探测数据120的分析来计算交通容量。对探测数据的分析可以包括表示沿着路径穿过交叉路口的车辆并且识别例如在交通灯的周期期间或在一段时间期间处于或接近于标示的速度限制通过交叉路口的车辆的最大数量的探测数据分析。交叉路口的容量，以及更具体地，通过交叉路口的特定路径，可以用于区分交通拥堵和仅由交通灯信号阶段引起的交通排队。
基于通过交叉路口的路径的既定容量，无论是接收还是计算，可以确定在信号阶段的周期期间应该穿过交叉路口的车辆的总数量。如果在通过交叉路口的路径的交通信号的黄/红灯阶段期间排队等待交叉路口的预定数量的车辆在交通信号的随后绿灯阶段期间不穿过交叉路口，则可以确定轻微的交通拥堵。可以基于通过交叉路口的路径的容量来确定不在随后绿灯阶段穿过交叉路口的在黄色/红色灯阶段排队等待交叉路口的车辆的预定数量。例如，如果通过交叉路口的路径的容量是每个绿灯阶段20台车辆，并且25台车辆在通过交叉路口的该路径的黄色/红色灯阶段排队，则确定在黄色/红色灯处排队的五辆车未能成功穿过随后的绿灯的交叉路口可能不会被确定为交通拥堵，因为满足了沿着该路径穿过交叉路口的车辆的预期容量。在绿灯阶段上没有穿过交叉路口的五辆车可能不是由于拥堵而是由于交通信号阶段和定时而再次排队。
对于通过交叉路口的每一个路径，可以为未能在随后的绿灯阶段穿过交叉路口而在黄色/红色灯阶段的该路径的交通信号处排队的车辆建立第一阈值。根据示例实施例，第一阈值可以是10台车辆。在该示例中，如果30台车辆沿着通过该交叉路口的路径在交叉路口处排队，并且该交叉路口的容量可以是沿着该路径的每个绿灯阶段的20台车辆。如果在绿灯阶段期间仅有9台车辆穿过交叉路口，则确定可能已经穿过交叉路口(基于容量)的11台车辆未能沿着路径穿过交叉路口。由于该车辆数量高于第一阈值，因此可以确定轻度交通拥堵。
可以为未能在随后的绿灯阶段穿过交叉路口的在黄色/红色灯阶段的该路径的交通信号处排队的车辆建立第二阈值。根据示例实施例，第二阈值可以是13台车辆。如果基于通过交叉路口的路径的容量，超过13台车辆在可能已经在自由流动交通中沿着路径穿过交叉路口的绿灯阶段期间未能穿过交叉路口，则可以为通过交叉路口的该路径确定严重交通拥堵。
在上面的每种情况下，通过交叉路口的路径正在经历交通拥堵级别。可以以多种不同方式(诸如通过导航系统)将该交通拥堵传达给用户，诸如驾驶员、数字地图用户或交通规划者。可以传达交通拥堵级别的一种方式是通过向通过交叉路口的路径突出显示颜色，该颜色与被配置为呈现地图界面的显示器上的车辆拥堵级别相关联。向通过交叉路口的路径突出显示绿色可以向用户传达在通过交叉路口的路径上不存在交通拥堵。向通过交叉路口的路径突出显示黄色可以向用户传达在通过交叉路口的路径处存在轻度或轻微的交通拥堵。向通过交叉路口的路径突出显示红色可以传达在通过交叉路口的路径处存在严重交通拥堵。
图5-7示出了本发明的示例实施例。根据图5，沿着东向西路径通过交叉路口205的交通处于绿灯阶段220，并且车辆“F”正沿着该路径穿过交叉路口。西向东的路径处于绿灯阶段240，并且车辆“D”在没有阻碍的情况下正穿过交叉路口。北向南路径处于红色阶段210，而南向北路径处于230。车辆“E”正在北向南路径中排队，而车辆“A”、“B”和“C”正在南向北路径中排队。在东向西220和西向东240的信号切换到黄/红阶段时，停止那些方向中的交通。北向南210和南向北230的信号进入绿色阶段，由此“E”车辆如图所示横跨交叉路口前进，并且“A”、“B”和“C”车辆开始移动。在210和230的绿灯阶段期间，车辆“E”、“A”和“B”成功地穿过交叉路口。然而，车辆“C”未能沿着南向北路径穿过交叉路口并且停止在由信号230进入的黄/红阶段，如图7中所示。如果南向北路径上的交叉路口的容量是10台车辆，并且是图5中的灯230处正在排队的10台车辆，则只有七台车辆成功穿过了交叉路口，留下未能穿过交叉路口的三台排队的车辆。
根据如上所述图5-7的示例实施例，如果用于确定中等交通拥堵的阈值是未能穿过交叉路口的沿着交叉路口的南向北路径排队的两台车辆，则可以沿着通过交叉路口205的南向北路径确定中等交通拥堵。例如，这可以通过在包括交叉路口205的道路网络的数字地图表示中以黄色突出显示通过交叉路口205的南向北路径来传达给用户。
图8-11是说明根据本发明的示例实施例的系统、方法和程序产品的流程图。流程图操作可以由如通过通信网络(诸如图1中所示的通信网络)操作的计算设备(诸如图2的计算设备15)执行。应当理解，流程图的每个框和流程图中的框的组合可以通过各种部件来实施，诸如硬件、固件、处理器、电路和/或与包括一个或多个计算机程序指令的软件的执行相关联的其它设备。例如，上述一个或多个过程可以由计算机程序指令体现。在这方面，体现上述过程的计算机程序指令可以由采用本发明实施例的装置的存储器装置存储，并由装置中的处理器执行。可以理解，任何这种计算机程序指令都可以加载到计算机或其它可编程装置(例如，硬件)上，诸如图2所示，以产生机器，使得所得到的计算机或其它可编程装置体现用于实现流程图框中指定的功能的部件。这些计算机程序指令还可以存储在计算机可读存储器中，该计算机可读存储器可以指示计算机或其它可编程装置以特定方式起作用，使得存储在计算机可读存储器中的指令产生执行实现流程图框中指定的功能的制品。计算机程序指令也可以加载到计算机或其它可编程装置上，以使得在计算机或其它可编程装置上执行一系列操作，以产生计算机实现的过程，使得在计算机或其它可编程的装置上执行的指令提供用于实现流程图框中指定的功能的操作。
因此，流程图的框支持用于执行指定功能的部件的组合，用于执行指定功能的操作的组合和用于执行指定功能的程序指令部件。还将理解，流程图的一个或多个框以及流程图中的框的组合可以由执行指定功能的专用基于硬件的计算机系统或专用硬件和计算机指令的组合来实现。
在图8的流程图中示出了描绘在此描述的方法的概述的示例实施例。如图所示，在310处检索每个交叉路口的地图伪影。该地图伪影可以是例如由地图数据服务提供商提供的数字地图数据。地图伪影可以包括关于交叉路口容量、标示的速度限制、车道数量等的信息。在320处，检索每个交叉路口的每个交通灯的信号阶段和定时(SPaT)数据。例如，该SPaT数据可以包括每个交叉路口的各个阶段及其定时调度，以及基于一天中的时间对该调度的任何改变。可以在330处检索穿过(多个)交叉路口的车辆的探测数据，而可以在340处检索每个车辆穿过交叉路口的时间。以处于或接近标示的速度穿过交叉路口的车辆可以指示缺少通过交叉路口的相应路径的交通拥堵。相反，比标示的速度慢得多的缓慢穿过交叉路口的交通可能指示交通拥堵。虽然从停靠站穿过交叉路口的车辆通常可能需要更长的时间，但是如果信号阶段已经为绿色几秒钟，则在自由流量交通模式期间，交通应该以接近于标示的速度限制流过交叉路口。
图9是示出根据示例实施例的基于沿着通过交叉路口的路径穿过和/或未能穿过交叉路口的车辆的数量来确定拥堵级别的方法的流程图。如图所示，在405处，基于预测的信号阶段和定时数据计算通过交叉路口的路径的两个队列阈值。第一阈值(Tl)用于确定轻度拥堵，而第二阈值(Th)用于确定严重拥堵。可以基于通过交叉路口的路径的容量以及信号阶段和定时信息(诸如通过交叉路口的路径的交通信号的每个阶段的持续时间)来计算阈值。在410处，识别通过交叉路口的每一个路径的交通拥堵状况。使用与路径地图匹配的探测数据点，在415处信号从红色变为绿色时沿着进入交叉路口的路径的车辆的数量(Ns(T))进行估计。Ns是车辆的数量，而(T)表示通过交叉路口的路径的交通信号的红灯阶段到绿灯阶段到红灯阶段的采样时间段，否则称为“红绿红循环”。类似地使用地图匹配的探测数据，还估计在灯从绿色变为红色时沿着进入交叉路口的路径的车辆数量(Ne(T))。在420处，确定在未能穿过交叉路口的信号从红色变为绿色时沿着进入交叉路口的路径(例如，排队)的车辆的数量(Ns(T))。可以基于探测数据信息进行该确定。
一旦已知排队沿着路径穿过交叉路口的车辆数量(Ns(T)与这些车辆(Ns(T)中有多少车辆M未能穿过交叉路口，则可以确定关于拥堵水平。在425处，如果沿着的路径在交叉路口排队的车辆(Ns(T)中未能穿过交叉路口的车辆数量(M)低于轻度拥堵的阈值(T1)，则在430处确定沿着进入交叉路口的路径不存在交通拥堵，可以通过以绿色突出显示进入交叉路口的路径来传达给用户。如果沿着路径在交叉路口排队的车辆(Ns(T)中未能穿过交叉路口的车辆数量(M)高于轻度拥堵的阈值(T1)，但在435处低于严重拥堵阈值(Th)，则在440处确定进入交叉路口的路径是轻度拥堵。这可以被传达给用户，例如，通过在包括交叉路口的表示的数字地图界面上以黄色突出显示进入交叉路口的路径。如果沿着路径在交叉路口排队的车辆(Ns(T))中未能穿过交叉路口的车辆数量(M)高于严重拥堵阈值(Th)，则在445处确定通往交叉路口的路径已经严重拥堵。这可以被传达给用户，例如，通过在包括交叉路口的表示的数字地图界面上以红色突出显示进入交叉路口的路径。
可以针对每个交叉路口以及到道路网络中的每个交叉路口的每个路径执行该方法，以在整个道路网络中确定交通拥堵模式，如450处所示。一旦交叉路口的路径的交通拥堵状态已知，则在455处，可以通过地图界面或通过其它消息传递方法将该状态传达给用户。图9的方法可以周期性地或持续地执行，随着基于每个交叉路口或到交叉路口的每个路径而不是基于横跨道路和交叉路口的网络或网络区域的拥堵确定来确定拥堵而实时更新数字地图界面。
此外，虽然在图9的方法中描述并使用了两个阈值，但是可以使用任何数量的阈值来提供更加细粒度的交通拥堵估计。如本领域普通技术人员所理解的，基于任何数量的阈值，在其间可以存在颜色阴影，而不是红色、黄色和绿色。可替代地，可以采用其它类型的视觉分界，包括例如不同类型的阴影、交叉影线等。
虽然图9示出了基于当前接收的探测数据的交叉路口拥堵估计的方法，但是图10示出了在不久的将来预测交叉路口拥堵的方法。在510处，针对刚刚完成的红-绿-红阶段循环计算交叉路口饱和车辆数量S(T)。饱和车辆数量是在拥堵条件下沿着路径能够通过交叉路口的车辆的最大数量。交叉路口饱和数量基于通过交叉路口的每个路径确定的，并且可以通过从交通信号变为绿色时排队路径的车辆总数中减去未沿路径穿过交叉路口的车辆的数量来估计。这可以表示为：S(T)＝Ns(T)-M。在520处，估计路径的交通信号从红色到绿色的转变的开始时的车辆数量Ns(T+1)。在530处，确定在交通信号从红色到绿色的转变的开始时估计的车辆数量是否大于交叉路口饱和车辆数量。换句话说，Ns(T+1)是否大于S(T)？如果不是，则估计表明交通正在缓和，并且预计或预期不会出现拥堵。如果Ns(T+1)大于S(T)，则将有车辆排队以沿着不能穿过交叉路口的路径穿过交叉路口，并且在540处预期拥堵。某些实施例的系统还可以确定是否交通在特定的交叉路口处正在改善或变得更糟。如果用户距离交叉路口有一段距离，但确定交叉路口的交通量正在改善，则通过交叉路口的路线可能仍然是优选的。如果交叉路口处交通恶化，则通过交叉路口的路线可能不太理想，并且可以选择新的路线。可以通过比较不同时间点的N(T)值来确定交叉路口处的交通趋势，以确定交通是在改善还是变得更糟。
图11示出了根据本发明示例实施例的估计沿着通过交叉路口的路径的交通拥堵的方法。如图所示，在610处通过交叉路口，诸如通过描述图3和图4的路段几何形状110的地图伪影数据识别多个路径。在620处，针对与通过交叉路口的每一个路径相关联的每个交通灯识别信号阶段和定时数据。在630处接收到接近和/或穿过交叉路口的车辆的探测数据。在640处，相对于沿着路径接近交叉路口或者在交通灯从红色变为绿色时沿着路径在交叉路口排队的车辆的数量来估计未能穿过交叉路口的车辆数量。基于未能穿过交叉路口的车辆的数量，在650处估计拥堵状态。在660处提供拥堵状态以允许更新地图以反映拥堵状态。
在示例实施例中，一种用于执行上面图8-11的方法的装置可以包括处理器(例如，处理器40)，其被配置为执行上述操作(310-350、405-455、510-540和/或610-660)中的一些或每个。例如，处理器可以被配置为通过执行硬件实现的逻辑功能，执行存储的指令或执行用于实施每个操作的算法来实施操作(310-350、405-455、510-540和/或610-660)。可替代地，该装置可包括用于执行上述每个操作的装置。在这方面，根据示例实施例，用于执行操作310-350、405-455、510-540和/或610-660的部件的示例可以包括例如处理器40和/或用于执行指令或执行用于处理如上所述的信息的算法的设备或电路。
如上所述并且如本领域技术人员将理解的，本发明的实施例可以被配置为系统、方法或电子设备。因此，本发明的实施例可以由包括完全由硬件或软件和硬件的任何组合的各种部件组成。此外，本发明的实施例可以采用计算机可读存储介质上的计算机程序产品的形式，该计算机可读存储介质具有包含在存储介质中的计算机可读程序指令(例如，计算机软件)。可以使用任何合适的非暂态计算机可读存储介质，包括硬盘、CD-ROM、光学存储设备或磁存储设备。
受益于前述描述和相关附图中呈现的教导，本发明所属领域的技术人员将想到在此所阐述的本发明的许多修改和其它实施例。因此，应该理解，本发明不限于所公开的特定实施例，并且修改和其它实施例旨在包括在所附权利要求的范围内。尽管在此采用了特定术语，但它们仅以一般性和描述性意义使用，而不是出于限制的目的。

Claims (15)

1.一种装置，包括至少一个处理器和包括计算机程序代码的至少一个存储器，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使所述装置至少执行：
识别通过交叉路口的多个路径中的每一个路径；
识别与通过所述交叉路口的每一个路径相关联的每个交通灯的信号阶段和定时数据；
接收用于接近或穿过所述交叉路口的车辆的探测数据；
估计未能沿着通过所述交叉路口的路径穿过所述交叉路口的车辆的数量；
基于未能穿过所述交叉路口的车辆的所述数量来估计通过所述交叉路口的所述路径的拥堵状态；以及
使所述拥堵状态被提供以允许更新地图以反映所述拥堵状态。
2.根据权利要求1所述的装置，其中，使所述装置估计未能沿着所述路径穿过所述交叉路口的车辆的数量包括：
在控制通过所述交叉路口的所述路径的所述交通灯的红色阶段期间，估计队列中沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的数量；
识别控制通过所述交叉路口的所述路径的所述交通灯的绿色阶段；以及
估计在所述交通灯的所述绿色阶段期间未能穿过所述交叉路口的排队沿着通过所述交叉路口的所述路径穿过所述交叉路口的所述车辆的车辆数量。
3.根据权利要求2所述的装置，其中，使所述装置估计队列中沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的数量包括使所述装置：
针对通过所述交叉路口的所述路径接收的所述探测数据的至少一部分进行地图匹配；以及
在控制通过所述交叉路口的所述路径的所述交通灯的红色阶段期间，估计所述队列中沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的数量。
4.根据权利要求3所述的装置，其中，使所述装置估计所述交叉路口的拥堵状态包括使所述装置：
识别未能沿着所述路径穿过所述交叉路口的排队沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的第一阈值数量；
识别未能沿着所述路径穿过所述交叉路口的排队沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的第二阈值数量；
响应于未能沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的数量高于所述第二阈值，估计通过所述交叉路口的所述路径的所述拥堵状态相对较重；
响应于未能穿过通过所述交叉路口的所述路径的车辆的数量高于所述第一阈值但低于所述第二阈值，估计通过所述交叉路口的所述路径的所述拥堵状态是中等的；以及
响应于未能沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的数量低于所述第一阈值，估计通过所述交叉路口的所述路径的所述拥堵状态相对较低。
5.根据权利要求4所述的装置，其中，所述装置进一步被使得：
响应于所述拥堵状态为低，提供以第一颜色突出显示的通过所述交叉路口的所述路径的表示的在显示器上的指示；
响应于所述拥堵状态为中等，提供以第二颜色突出显示的通过所述交叉路口的所述路径的表示的在所述显示器上的指示；以及
响应于所述拥堵状态为严重，提供以第三颜色突出显示的通过所述交叉路口的所述路径的表示的在所述显示器上的指示。
6.根据权利要求1至5中任一项所述的装置，其中，所述装置进一步被使得：
计算通过所述交叉路口的所述路径的交叉路口饱和车辆数量，其中，所述交叉路口饱和车辆数量基于从排队沿着所述路径穿过所述交叉路口的车辆的数量减去未能沿着所述路径穿过所述交叉路口的车辆的数量来计算；以及
估计在控制通过所述交叉路口的所述路径的所述交通灯从红色阶段到绿色阶段的下一个转变开始时的车辆的数量。
7.根据权利要求6中的任一项所述的装置，其中，所述装置进一步被使得：
响应于在所述交通灯从红色阶段到绿色阶段的下一个转变开始时估计的车辆的数量大于所述交叉路口饱和车辆数量，确定拥堵状况。
8.一种方法，包括：
识别通过交叉路口的多个路径中的每一个路径；
识别与通过所述交叉路口的每一个路径相关联的每个交通灯的信号阶段和定时数据；
接收用于接近或穿过所述交叉路口的车辆的探测数据；
估计未能沿着通过所述交叉路口的路径穿过所述交叉路口的车辆的数量；
基于未能穿过所述交叉路口的车辆的所述数量来估计通过所述交叉路口的所述路径的拥堵状态；以及
使所述拥堵状态被提供以允许更新地图以反映所述拥堵状态。
9.根据权利要求8所述的方法，其中，估计未能沿着所述路径穿过所述交叉路口的车辆的数量包括：
在控制通过所述交叉路口的所述路径的所述交通灯的红色阶段期间，估计队列中沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的数量；
识别控制通过所述交叉路口的所述路径的所述交通灯的绿色阶段；以及
估计在所述交通灯的所述绿色阶段期间未能穿过所述交叉路口的排队沿着通过所述交叉路口的所述路径穿过所述交叉路口的所述车辆的车辆数量。
10.根据权利要求9所述的方法，其中，估计队列中沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的数量包括：
对通过所述交叉路口的所述路径接收的所述探测数据的至少一部分进行地图匹配；以及
在控制通过所述交叉路口的所述路径的所述交通灯的红色阶段期间，估计所述队列中沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的数量。
11.根据权利要求10所述的方法，其中，估计所述交叉路口的拥堵状态包括：
识别未能沿着所述路径穿过所述交叉路口的排队沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的第一阈值数量；
识别未能沿着所述路径穿过所述交叉路口的排队沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的第二阈值数量；
响应于未能沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的所述数量高于所述第二阈值，估计通过所述交叉路口的所述路径的所述拥堵状态相对较重；
响应于未能穿过通过所述交叉路口的所述路径的车辆的数量高于所述第一阈值但低于所述第二阈值，估计通过所述交叉路口的所述路径的所述拥堵状态是中等的；以及
响应于未能沿着通过所述交叉路口的所述路径穿过所述交叉路口的车辆的所述数量低于所述第一阈值，估计通过所述交叉路口的所述路径的所述拥堵状态相对较低。
12.根据权利要求11所述的方法，进一步包括：
响应于所述拥堵状态为低，提供以第一颜色突出显示的通过所述交叉路口的所述路径的表示的在显示器上的指示；
响应于所述拥堵状态为中等，提供以第二颜色突出显示的通过所述交叉路口的所述路径的表示的在所述显示器上的指示；以及
响应于所述拥堵状态为严重，提供以第三颜色突出显示的通过所述交叉路口的所述路径的表示的在所述显示器上的指示。
13.根据权利要求8至12中任一项所述的方法，进一步包括：
计算通过所述交叉路口的所述路径的交叉路口饱和车辆数量，其中，所述交叉路口饱和车辆数量基于从排队沿着所述路径穿过所述交叉路口的车辆的数量减去未能沿着所述路径穿过所述交叉路口的车辆的数量来计算；以及
估计在控制通过所述交叉路口的所述路径的所述交通灯从红色阶段到绿色阶段的下一个转变开始时的车辆的数量。
14.根据权利要求13所述的方法，进一步包括：
响应于在所述交通灯从红色阶段到绿色阶段的下一个转变开始时估计的车辆的数量大于所述交叉路口饱和车辆数量，确定拥堵状况。
15.一种计算机程序产品，包括至少一个非暂态计算机可读存储介质，所述非暂态计算机可读存储介质具有在其中存储的计算机可执行程序代码指令，所述计算机可执行程序代码指令包括：
识别通过交叉路口的多个路径中的每一个路径的程序代码指令；
识别与通过所述交叉路口的每一个路径相关联的每个交通灯的信号阶段和定时数据的程序代码指令；
接收用于接近或穿过所述交叉路口的车辆的探测数据的程序代码指令；
估计未能沿着通过所述交叉路口的路径穿过所述交叉路口的车辆的数量的程序代码指令；
基于未能穿过所述交叉路口的车辆的所述数量来估计通过所述交叉路口的所述路径的拥堵状态的程序代码指令；以及
使所述拥堵状态被提供以允许更新地图以反映所述拥堵状态的程序代码指令。
CN201780073400.7A 2016-11-29 2017-11-27 用于使用交通信号数据估计道路交通状况的方法和装置 Active CN110100271B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/363,711 2016-11-29
US15/363,711 US10181263B2 (en) 2016-11-29 2016-11-29 Method, apparatus and computer program product for estimation of road traffic condition using traffic signal data
PCT/IB2017/057426 WO2018100481A1 (en) 2016-11-29 2017-11-27 Method, apparatus and computer program product for estimation of road traffic condition using traffic signal data

Publications (2)

Publication Number Publication Date
CN110100271A true CN110100271A (zh) 2019-08-06
CN110100271B CN110100271B (zh) 2022-09-30

Family

ID=60702888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780073400.7A Active CN110100271B (zh) 2016-11-29 2017-11-27 用于使用交通信号数据估计道路交通状况的方法和装置

Country Status (4)

Country Link
US (2) US10181263B2 (zh)
EP (1) EP3549119B1 (zh)
CN (1) CN110100271B (zh)
WO (1) WO2018100481A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110796864A (zh) * 2019-11-06 2020-02-14 北京百度网讯科技有限公司 智能交通控制方法、装置、电子设备和存储介质
CN110796865A (zh) * 2019-11-06 2020-02-14 北京百度网讯科技有限公司 智能交通控制方法、装置、电子设备和存储介质
CN111815973A (zh) * 2020-06-30 2020-10-23 平安国际智慧城市科技股份有限公司 信号交叉口分析方法及相关设备
CN112435460A (zh) * 2019-08-26 2021-03-02 通用汽车环球科技运作有限责任公司 交通灯状态监控和交通灯到车道的分配的方法和系统
CN113327446A (zh) * 2020-02-28 2021-08-31 大唐高鸿数据网络技术股份有限公司 信息传输处理方法、装置、处理设备、车载单元及车辆
CN114868171A (zh) * 2019-12-20 2022-08-05 高通股份有限公司 交叉路口轨迹确定和消息传递
CN117809460A (zh) * 2024-03-01 2024-04-02 电子科技大学 一种智慧交通调控方法及系统

Families Citing this family (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3267418A1 (en) * 2016-07-06 2018-01-10 Volvo Car Corporation A method for performing a real time analysis of traffic light related data
US10515390B2 (en) 2016-11-21 2019-12-24 Nio Usa, Inc. Method and system for data optimization
US10380886B2 (en) * 2017-05-17 2019-08-13 Cavh Llc Connected automated vehicle highway systems and methods
US10471829B2 (en) 2017-01-16 2019-11-12 Nio Usa, Inc. Self-destruct zone and autonomous vehicle navigation
US10286915B2 (en) 2017-01-17 2019-05-14 Nio Usa, Inc. Machine learning for personalized driving
CN108428338B (zh) * 2017-02-15 2021-11-12 阿里巴巴集团控股有限公司 交通路况分析方法、装置以及电子设备
US11354013B1 (en) * 2017-02-17 2022-06-07 Skydio, Inc. Location-based asset efficiency determination
DE102017208061A1 (de) * 2017-05-12 2018-11-15 Siemens Aktiengesellschaft Hochgenaue Positionsbestimmung für Fahrzeuge
US10692365B2 (en) 2017-06-20 2020-06-23 Cavh Llc Intelligent road infrastructure system (IRIS): systems and methods
US12020563B2 (en) 2017-05-17 2024-06-25 Cavh Llc Autonomous vehicle and cloud control system
US10234302B2 (en) 2017-06-27 2019-03-19 Nio Usa, Inc. Adaptive route and motion planning based on learned external and internal vehicle environment
US11043120B2 (en) * 2017-06-28 2021-06-22 Sumitomo Electric Industries, Ltd. Preferential control cancel device, cancel method, and computer program
US10837790B2 (en) * 2017-08-01 2020-11-17 Nio Usa, Inc. Productive and accident-free driving modes for a vehicle
WO2019028660A1 (en) 2017-08-08 2019-02-14 Beijing Didi Infinity Technology And Development Co., Ltd. SYSTEMS AND METHODS FOR SYNCHRONIZATION OF TRAFFIC LIGHTS
CN109891469B (zh) * 2017-08-08 2022-02-08 北京嘀嘀无限科技发展有限公司 交通信号灯配时系统与方法
US10635109B2 (en) 2017-10-17 2020-04-28 Nio Usa, Inc. Vehicle path-planner monitor and controller
US10935978B2 (en) 2017-10-30 2021-03-02 Nio Usa, Inc. Vehicle self-localization using particle filters and visual odometry
US10606274B2 (en) 2017-10-30 2020-03-31 Nio Usa, Inc. Visual place recognition based self-localization for autonomous vehicles
DE102017220139A1 (de) * 2017-11-13 2019-05-16 Robert Bosch Gmbh Verfahren und Vorrichtung zum Bereitstellen einer Position wenigstens eines Objekts
WO2019130300A1 (en) * 2017-12-31 2019-07-04 Axilion Ltd. Method, device, and system of traffic light control utilizing virtual detectors
WO2019156956A2 (en) 2018-02-06 2019-08-15 Cavh Llc Intelligent road infrastructure system (iris): systems and methods
US11055991B1 (en) * 2018-02-09 2021-07-06 Applied Information, Inc. Systems, methods, and devices for communication between traffic controller systems and mobile transmitters and receivers
US10902720B2 (en) * 2018-02-09 2021-01-26 Here Global B.V. Traffic light signal adjustment notification improvement
WO2019187291A1 (ja) * 2018-03-29 2019-10-03 日本電気株式会社 情報処理装置、道路分析方法、及びプログラムが格納された非一時的なコンピュータ可読媒体
CN112106001B (zh) 2018-05-09 2024-07-05 上海丰豹商务咨询有限公司 一种车路驾驶任务智能化分配系统和方法
US11842642B2 (en) 2018-06-20 2023-12-12 Cavh Llc Connected automated vehicle highway systems and methods related to heavy vehicles
WO2020006161A1 (en) 2018-06-28 2020-01-02 Cavh Llc Cloud-based technology for connected and automated vehicle highway systems
US11373122B2 (en) 2018-07-10 2022-06-28 Cavh Llc Fixed-route service system for CAVH systems
WO2020014227A1 (en) 2018-07-10 2020-01-16 Cavh Llc Route-specific services for connected automated vehicle highway systems
US10909866B2 (en) * 2018-07-20 2021-02-02 Cybernet Systems Corp. Autonomous transportation system and methods
WO2020029013A1 (en) * 2018-08-06 2020-02-13 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for determining traffic conditions
SE1851025A1 (en) * 2018-08-30 2020-03-01 Scania Cv Ab Method and control arrangement for calculating an appropriate vehicle speed
US11205345B1 (en) 2018-10-02 2021-12-21 Applied Information, Inc. Systems, methods, devices, and apparatuses for intelligent traffic signaling
US11009366B2 (en) 2018-11-19 2021-05-18 Here Global B.V. Navigation using dynamic intersection map data
JP7256982B2 (ja) 2018-12-28 2023-04-13 スズキ株式会社 車両の走行制御装置
CN109671282B (zh) * 2019-02-03 2020-04-21 爱易成技术(天津)有限公司 一种车路互动信号控制方法和装置
DE102019001735B3 (de) * 2019-03-11 2020-06-04 Audi Ag Erheben von fahrzeugbasierten, ortsbezogenen Datensätzen
JP7189509B2 (ja) * 2019-03-27 2022-12-14 スズキ株式会社 車両の走行制御装置
US20220316900A1 (en) * 2019-06-24 2022-10-06 Bilal Farooq Distributed traffic management system with dynamic end-to-end routing
US12002361B2 (en) * 2019-07-03 2024-06-04 Cavh Llc Localized artificial intelligence for intelligent road infrastructure
JP7393730B2 (ja) 2019-09-26 2023-12-07 スズキ株式会社 車両の走行制御装置
WO2021108438A1 (en) * 2019-11-27 2021-06-03 B&H Licensing Inc. Method and system for pedestrian-to-vehicle collision avoidance based on emitted wavelength
WO2021108434A1 (en) * 2019-11-27 2021-06-03 B&H Licensing Inc. Method and system for pedestrian-to-vehicle collision avoidance based on amplified and reflected wavelength
CN111862588B (zh) * 2019-12-18 2022-04-22 北京嘀嘀无限科技发展有限公司 控制信息发布的方法、装置、电子设备和存储介质
US11421999B2 (en) * 2020-07-01 2022-08-23 Global Traffic Technologies, Llc Route selection using correction factors indicating phase interruptible traffic signals
CN112037508B (zh) * 2020-08-13 2022-06-17 山东理工大学 基于动态饱和流率的交叉口信号配时优化方法
TWI793454B (zh) * 2020-09-30 2023-02-21 緯創資通股份有限公司 交通狀態顯示系統及其相關交通狀態顯示方法
US20220165150A1 (en) * 2020-11-24 2022-05-26 Here Global B.V. System and method for determining dynamic road capacity data for traffic condition
US20220172609A1 (en) * 2020-11-30 2022-06-02 George Mason University Multi-access edge computing for roadside units
CN112634612B (zh) * 2020-12-15 2022-09-27 北京百度网讯科技有限公司 路口流量分析方法、装置、电子设备及存储介质
US20220227360A1 (en) * 2021-01-15 2022-07-21 B&H Licensing Inc. Distributed method and system for collision avoidance between vulnerable road users and vehicles
JP7552449B2 (ja) * 2021-03-11 2024-09-18 トヨタ自動車株式会社 交差点管制システム、交差点管制方法、及び、プログラム
CN114446066B (zh) * 2021-12-30 2023-05-16 银江技术股份有限公司 一种道路信号控制方法以及装置
CN114648880B (zh) * 2022-05-24 2022-09-06 阿里巴巴达摩院(杭州)科技有限公司 预测交通流量的方法、车辆和可读存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020077742A1 (en) * 1999-03-08 2002-06-20 Josef Mintz Method and system for mapping traffic congestion
CN102005124A (zh) * 2010-11-16 2011-04-06 青岛海信网络科技股份有限公司 交叉口交通信号控制方法及装置
CN102289937A (zh) * 2011-08-08 2011-12-21 上海电科智能系统股份有限公司 基于停车线检测器的城市地面道路交通状态自动判别方法
CN102610087A (zh) * 2012-02-14 2012-07-25 清华大学 基于车流波理论的交通事件影响分析方法
CN103680159A (zh) * 2013-12-10 2014-03-26 重庆交通大学 道路交叉口多虚拟信号线性联动控制系统及其控制方法
CN103985264A (zh) * 2014-05-30 2014-08-13 北京易华录信息技术股份有限公司 一种能减少路口排队长度的路口控制系统及方法
CN104050804A (zh) * 2013-03-13 2014-09-17 龚轶 一种交通信息数据实时采集和处理的系统及方法
CN104575066A (zh) * 2015-02-06 2015-04-29 上海博尔特数字科技有限公司 基于智能终端的智能红绿灯系统和方法
CN104715623A (zh) * 2015-04-08 2015-06-17 王蕾 信号灯前交通路口拥堵指数检测系统
CN104809893A (zh) * 2015-04-14 2015-07-29 深圳市润安科技发展有限公司 基于超宽频无线定位技术的交通灯优化系统及优化方法
CN104835331A (zh) * 2015-05-11 2015-08-12 石立公 一种信号灯调度系统及其信号灯调度方法
CN104851291A (zh) * 2015-05-02 2015-08-19 石立公 一种实时车道拥堵指数分析系统及其分析方法
CN105405290A (zh) * 2015-11-24 2016-03-16 昆明理工大学 一种区域内高速公路堵车预测方法
CN105513366A (zh) * 2016-02-19 2016-04-20 上海果路交通科技有限公司 一种道路交叉口交通状态判定方法

Family Cites Families (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6587778B2 (en) * 1999-12-17 2003-07-01 Itt Manufacturing Enterprises, Inc. Generalized adaptive signal control method and system
DE10022812A1 (de) 2000-05-10 2001-11-22 Daimler Chrysler Ag Verfahren zur Verkehrslagebestimmung auf Basis von Meldefahrzeugdaten für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten
US6985090B2 (en) * 2001-08-29 2006-01-10 Siemens Aktiengesellschaft Method and arrangement for controlling a system of multiple traffic signals
US6900740B2 (en) * 2003-01-03 2005-05-31 University Of Florida Research Foundation, Inc. Autonomous highway traffic modules
US7860639B2 (en) * 2003-02-27 2010-12-28 Shaoping Yang Road traffic control method and traffic facilities
JP4635245B2 (ja) * 2004-05-27 2011-02-23 独立行政法人産業技術総合研究所 交差点における停止車両の発進状態計測装置
CN100337256C (zh) 2005-05-26 2007-09-12 上海交通大学 城市路网交通流状态估计方法
WO2009150528A2 (en) * 2008-06-13 2009-12-17 Tmt Services And Supplies (Pty) Limited Traffic control system and method
US8279086B2 (en) 2008-09-26 2012-10-02 Regents Of The University Of Minnesota Traffic flow monitoring for intersections with signal controls
US8306725B2 (en) * 2008-12-05 2012-11-06 Electronics And Telecommunications Research Institute Apparatus for informing economical speed of vehicle and method thereof
AU2009243492B2 (en) 2008-12-19 2014-12-11 Intelematics Australia Pty Ltd Green cycle filter for traffic data
JP4888533B2 (ja) * 2009-07-22 2012-02-29 株式会社デンソー 信号機通過支援システムおよび信号機通過支援システム用の車載装置
CA2789699C (en) * 2010-03-11 2016-05-03 Inrix, Inc. Learning road navigation paths based on aggregate driver behavior
JP5018927B2 (ja) * 2010-04-21 2012-09-05 株式会社デンソー 運転者支援装置、および運転者支援システム
US8566010B2 (en) * 2010-06-23 2013-10-22 Massachusetts Institute Of Technology System and method for providing road condition and congestion monitoring using smart messages
US20120065871A1 (en) * 2010-06-23 2012-03-15 Massachusetts Institute Of Technology System and method for providing road condition and congestion monitoring
JP5051283B2 (ja) * 2010-08-02 2012-10-17 株式会社デンソー エンジン自動制御システム
WO2012114382A1 (ja) * 2011-02-24 2012-08-30 三菱電機株式会社 ナビゲーション装置、推奨速度演算装置及び推奨速度提示装置
US8723687B2 (en) * 2011-03-31 2014-05-13 Alex Thomas Advanced vehicle traffic management and control
WO2012144255A1 (ja) 2011-04-21 2012-10-26 三菱電機株式会社 走行支援装置
CN103518231B (zh) * 2011-05-13 2016-03-16 丰田自动车株式会社 车辆用信号信息处理装置和车辆用信号信息处理方法、驾驶支援装置和驾驶支援方法
JP5729176B2 (ja) * 2011-07-01 2015-06-03 アイシン・エィ・ダブリュ株式会社 移動案内システム、移動案内装置、移動案内方法及びコンピュータプログラム
US8554456B2 (en) * 2011-07-05 2013-10-08 International Business Machines Corporation Intelligent traffic control mesh
US9014955B2 (en) * 2011-07-20 2015-04-21 Sumitomo Electric Industries, Ltd. Traffic evaluation device non-transitory recording medium and traffic evaluation method
JP5741310B2 (ja) * 2011-08-10 2015-07-01 富士通株式会社 車列長測定装置、車列長測定方法及び車列長測定用コンピュータプログラム
JP2013073480A (ja) * 2011-09-28 2013-04-22 Denso Corp 運転支援装置、および運転支援プログラム
CN102436751B (zh) * 2011-09-30 2014-09-17 上海交通大学 基于城市宏观路网模型的交通流短时预测方法
JP2013097621A (ja) * 2011-11-01 2013-05-20 Toyota Motor Corp 運転支援装置
JP5397452B2 (ja) * 2011-11-01 2014-01-22 トヨタ自動車株式会社 運転支援装置
JP2013097620A (ja) * 2011-11-01 2013-05-20 Toyota Motor Corp 運転支援装置
US20130222154A1 (en) * 2012-02-24 2013-08-29 Research In Motion Limited System and method for providing traffic notifications
US9412271B2 (en) * 2013-01-30 2016-08-09 Wavetronix Llc Traffic flow through an intersection by reducing platoon interference
US10102746B2 (en) * 2013-11-18 2018-10-16 Mitsubishi Electric Corporation Driving support device and driving support method
US20150141036A1 (en) * 2013-11-19 2015-05-21 At&T Mobility Ii Llc Method and apparatus for estimating traffic speed
WO2015198156A1 (en) 2014-06-17 2015-12-30 King Abdullah University Of Science And Technology System and method for traffic signal timing estimation
US9513135B2 (en) * 2014-09-16 2016-12-06 Ford Global Technologies, Llc Stochastic range
US9551591B2 (en) * 2015-03-03 2017-01-24 Verizon Patent And Licensing Inc. Driving assistance based on road infrastructure information
US10496252B2 (en) * 2016-01-06 2019-12-03 Robert Bosch Gmbh Interactive map informational lens
US10019898B2 (en) * 2016-01-14 2018-07-10 Siemens Industry, Inc. Systems and methods to detect vehicle queue lengths of vehicles stopped at a traffic light signal
JP6260912B2 (ja) * 2016-02-09 2018-01-17 本田技研工業株式会社 渋滞箇所情報提供のための装置、方法、及びプログラム
CN105809958A (zh) 2016-03-29 2016-07-27 中国科学院深圳先进技术研究院 一种基于交叉口群的交通控制方法及系统
EP3497405B1 (en) * 2016-08-09 2022-06-15 Nauto, Inc. System and method for precision localization and mapping

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020077742A1 (en) * 1999-03-08 2002-06-20 Josef Mintz Method and system for mapping traffic congestion
CN102005124A (zh) * 2010-11-16 2011-04-06 青岛海信网络科技股份有限公司 交叉口交通信号控制方法及装置
CN102289937A (zh) * 2011-08-08 2011-12-21 上海电科智能系统股份有限公司 基于停车线检测器的城市地面道路交通状态自动判别方法
CN102610087A (zh) * 2012-02-14 2012-07-25 清华大学 基于车流波理论的交通事件影响分析方法
CN104050804A (zh) * 2013-03-13 2014-09-17 龚轶 一种交通信息数据实时采集和处理的系统及方法
CN103680159A (zh) * 2013-12-10 2014-03-26 重庆交通大学 道路交叉口多虚拟信号线性联动控制系统及其控制方法
CN103985264A (zh) * 2014-05-30 2014-08-13 北京易华录信息技术股份有限公司 一种能减少路口排队长度的路口控制系统及方法
CN104575066A (zh) * 2015-02-06 2015-04-29 上海博尔特数字科技有限公司 基于智能终端的智能红绿灯系统和方法
CN104715623A (zh) * 2015-04-08 2015-06-17 王蕾 信号灯前交通路口拥堵指数检测系统
CN104809893A (zh) * 2015-04-14 2015-07-29 深圳市润安科技发展有限公司 基于超宽频无线定位技术的交通灯优化系统及优化方法
CN104851291A (zh) * 2015-05-02 2015-08-19 石立公 一种实时车道拥堵指数分析系统及其分析方法
CN104835331A (zh) * 2015-05-11 2015-08-12 石立公 一种信号灯调度系统及其信号灯调度方法
CN105405290A (zh) * 2015-11-24 2016-03-16 昆明理工大学 一种区域内高速公路堵车预测方法
CN105513366A (zh) * 2016-02-19 2016-04-20 上海果路交通科技有限公司 一种道路交叉口交通状态判定方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112435460A (zh) * 2019-08-26 2021-03-02 通用汽车环球科技运作有限责任公司 交通灯状态监控和交通灯到车道的分配的方法和系统
CN110796864A (zh) * 2019-11-06 2020-02-14 北京百度网讯科技有限公司 智能交通控制方法、装置、电子设备和存储介质
CN110796865A (zh) * 2019-11-06 2020-02-14 北京百度网讯科技有限公司 智能交通控制方法、装置、电子设备和存储介质
CN110796864B (zh) * 2019-11-06 2022-05-17 阿波罗智联(北京)科技有限公司 智能交通控制方法、装置、电子设备和存储介质
CN110796865B (zh) * 2019-11-06 2022-09-23 阿波罗智联(北京)科技有限公司 智能交通控制方法、装置、电子设备和存储介质
CN114868171A (zh) * 2019-12-20 2022-08-05 高通股份有限公司 交叉路口轨迹确定和消息传递
CN113327446A (zh) * 2020-02-28 2021-08-31 大唐高鸿数据网络技术股份有限公司 信息传输处理方法、装置、处理设备、车载单元及车辆
CN111815973A (zh) * 2020-06-30 2020-10-23 平安国际智慧城市科技股份有限公司 信号交叉口分析方法及相关设备
CN117809460A (zh) * 2024-03-01 2024-04-02 电子科技大学 一种智慧交通调控方法及系统
CN117809460B (zh) * 2024-03-01 2024-05-14 电子科技大学 一种智慧交通调控方法及系统

Also Published As

Publication number Publication date
EP3549119A1 (en) 2019-10-09
CN110100271B (zh) 2022-09-30
US10181263B2 (en) 2019-01-15
US11127285B2 (en) 2021-09-21
US20190114908A1 (en) 2019-04-18
US20180151064A1 (en) 2018-05-31
WO2018100481A1 (en) 2018-06-07
EP3549119B1 (en) 2024-03-20

Similar Documents

Publication Publication Date Title
CN110100271A (zh) 用于使用交通信号数据估计道路交通状况的方法、装置和计算机程序产品
CN111371904B (zh) 云边端协同的高速公路云控系统及控制方法
TWI716449B (zh) 導航方法及裝置
WO2019109645A1 (zh) 一种路况预报方法、装置、存储介质和服务器
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
CN104424812B (zh) 一种公交到站时间预测系统和方法
US20090048769A1 (en) Method and system for partitioning a continental roadway network for an intelligent vehicle highway system
US20200201357A1 (en) Systems and methods for vehicle scheduling and routing
CN113330496A (zh) 使用连接的车辆数据来管理交通流的系统和方法
CN109612488B (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
Zhou et al. Edge-facilitated augmented vision in vehicle-to-everything networks
CN110136438A (zh) 基于人工智能的道路切换方法、装置、设备及存储介质
US20230056115A1 (en) Method of Collecting Data from Fleet of Vehicles
CN103793763A (zh) 基于大数据与云计算的最优公交乘车路径挖掘系统
US20200312142A1 (en) System and a Method for Improving Road Safety and/or Management
JP2017096636A (ja) 推奨予定経路取得システム、方法およびプログラム
CN111862590A (zh) 路况预测方法、装置及存储介质
CN109027982A (zh) 用于控制路灯开启和关闭的方法、装置、设备及介质
CN116698075B (zh) 路网数据处理方法、装置、电子设备及存储介质
CN108182819A (zh) 一种基于物联网技术的道路规划方法及车辆
CN114419917B (zh) 一种基于单向图的交通拥堵疏导方法及系统
CN110377671A (zh) 一种城市道路规划方法及设备
CN110349428A (zh) 识别用户是否正在前往公交站点的方法及装置
WO2018107611A1 (zh) 城市道路的运行速度的处理方法、装置、设备及非易失性计算机存储介质
Keiser et al. IMA-an adaptable and dynamic service platform for intermodal mobility assistance

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