CN110136438A - 基于人工智能的道路切换方法、装置、设备及存储介质 - Google Patents
基于人工智能的道路切换方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110136438A CN110136438A CN201910405503.XA CN201910405503A CN110136438A CN 110136438 A CN110136438 A CN 110136438A CN 201910405503 A CN201910405503 A CN 201910405503A CN 110136438 A CN110136438 A CN 110136438A
- Authority
- CN
- China
- Prior art keywords
- information
- road
- artificial intelligence
- current
- traffic lights
- 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
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
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
Abstract
本发明公开了一种基于人工智能的道路切换方法、装置、设备及存储介质,所述方法包括:获取当前车辆行驶至目的地的各个参考道路信息;采集所述参考道路信息中参考道路上的车辆行驶速度信息;根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息;将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息;根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息,通过道路的实时状况变化以及红绿灯的状况进行综合处理,得到适合用户的最佳行驶路线,达到提高最佳道路选择准确性的目的。
Description
技术领域
本发明涉及智慧交通技术领域,尤其涉及一种基于人工智能的道路切换方法、装置、设备及存储介质。
背景技术
当前的城市交通状态信息都是通过交通管理部门的视频以及传感装置进行分析与统计,通过这些设备了解部分道路的通行以及拥堵情况,从而实现对路口红绿灯状态的管理,对于这些信息并未共享给车辆驾驶人员,未发挥信息与决策的最大化作用,并且在接收交通管理部门的交通信息时,也存在不及时的问题,对于驾驶者来说,只有驶入到当前路段上才能知道当前的红绿灯状态,无法进行及时有效的道路切换,从而无法实现智慧交通的目标。
发明内容
本发明的主要目的在于提出一种基于人工智能的道路切换方法、装置、设备及存储介质,旨在提高最佳道路选择的准确性。
为实现上述目的,本发明提供一种基于人工智能的道路切换方法,所述基于人工智能的道路切换方法包括以下步骤:
获取当前车辆行驶至目的地的各个参考道路信息;
采集所述参考道路信息中参考道路上的车辆行驶速度信息;
根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息;
将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息;
根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息。
优选地,所述采集所述参考道路信息中参考道路上的车辆行驶速度信息,包括:
通过全球定位系统对所述参考道路信息中参考道路上的行驶车辆进行定位,获得参考道路上行驶车辆的待选速度信息;
去除不符合预设速度范围的待选速度信息,并将剩余的待选速度信息作为参考速度信息;
将所述参考速度信息的平均值作为所述车辆行驶速度信息。
优选地,所述采集所述参考道路信息中参考道路上的车辆行驶速度信息之后,所述方法还包括:
获取实际行驶距离信息与实际行驶时间信息;
根据所述实际行驶距离信息与实际行驶时间信息计算目标行驶速度信息;
根据所述目标行驶速度信息调整所述车辆行驶速度信息;
相应的,根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息,包括:
根据调整后的车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息。
优选地,所述根据调整后的车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息,包括:
获取车辆行驶状态信息,根据车辆行驶状态信息以及调整后的车辆行驶速度信息得到当前车辆行驶至当前红绿灯的参考行驶时间信息;
获取当前时间信息,根据所述参考行驶时间信息以及当前时间信息确定行驶至当前红绿灯的预测时间信息。
优选地,所述将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息之前,所述方法还包括:
获取历史时间信息以及对应的历史红绿灯状态信息;
将所述历史时间信息以及对应的历史红绿灯状态信息生成多维向量信息;
将所述多维向量信息输入卷积神经网络中进行训练,得到所述预设交通灯预测模型。
优选地,所述根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息之前,所述方法还包括:
获取当前红绿灯状态信息,根据所述预测时间信息以及当前红绿灯状态信息得到目标红绿灯状态信息;
根据所述目标红绿灯状态信息调整所述预测红绿灯状态信息;
相应的,所述根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息,包括:
根据所述预测时间信息以及调整后的预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息。
优选地,所述根据所述预测时间信息以及调整后的预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息,包括:
根据所述预测时间信息以及调整后的预测红绿灯状态信息得到所述参考道路信息对应的目标行驶时间信息;
将所述目标行驶时间信息进行排序,将排序结果中时间为最小的目标行驶时间信息对应的参考道路信息作为目标道路信息;
将当前行驶道路信息切换为目标道路信息。
此外,为实现上述目的,本发明还提出一种基于人工智能的道路切换装置,所述基于人工智能的道路切换装置包括:
获取模块,用于获取当前车辆行驶至目的地的各个参考道路信息;
采集模块,用于采集所述参考道路信息中参考道路上的车辆行驶速度信息;
确定模块,用于根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息;
预测模块,用于将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息;
切换模块,用于根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息。
此外,为实现上述目的,本发明还提出一种基于人工智能的道路切换设备,所述基于人工智能的道路切换设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的道路切换程序,所述基于人工智能的道路切换程序配置为实现如上所述的基于人工智能的道路切换方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有基于人工智能的道路切换程序,所述基于人工智能的道路切换程序被处理器执行时实现如上文所述的基于人工智能的道路切换方法的步骤。
本发明提出的基于人工智能的道路切换方法,通过获取当前车辆行驶至目的地的各个参考道路信息;采集所述参考道路信息中参考道路上的车辆行驶速度信息;根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息;将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息;根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息,通过道路的实时状况变化以及红绿灯的状况进行综合处理,得到适合用户的最佳行驶路线,达到提高最佳道路选择准确性的目的。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于人工智能的道路切换设备结构示意图;
图2为本发明基于人工智能的道路切换方法第一实施例的流程示意图;
图3为本发明基于人工智能的道路切换方法一实施例路线分布的结构示意图;
图4为本发明基于人工智能的道路切换方法第二实施例的流程示意图;
图5为本发明基于人工智能的道路切换方法第三实施例的流程示意图;
图6为本发明基于人工智能的道路切换装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的基于人工智能的道路切换设备结构示意图。
如图1所示,该基于人工智能的道路切换设备可以包括:处理器1001,例如CPU,通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如按键,可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的设备结构并不构成对基于人工智能的道路切换设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于人工智能的道路切换程序。
在图1所示的设备中,网络接口1004主要用于连接外网,与其他网络设备进行数据通信;用户接口1003主要用于连接用户设备,与设备进行数据通信;本发明设备通过处理器1001调用存储器1005中存储的基于人工智能的道路切换程序,并执行本发明实施例提供的基于人工智能的道路切换的实施方法。
基于上述硬件结构,提出本发明基于人工智能的道路切换方法实施例。
参照图2,图2为本发明基于人工智能的道路切换方法第一实施例的流程示意图。
在第一实施例中,所述基于人工智能的道路切换方法包括以下步骤:
步骤S10,获取当前车辆行驶至目的地的各个参考道路信息。
需要说明的是,本实施例的执行主体为基于人工智能的道路切换设备,还可为其他安装有基于人工智能的道路切换应用程序的移动终端,本实施例对此不作限制,在本实施例中,以导航设备为例进行说明。
可以理解的是,在通过导航设备进行导航时,通常情况下有多个行驶路线展示给用户进行选择,一般按照行驶时间的长度进行排序,但是却忽略了道路的实时状况变化,例如突然出现的道路拥堵以及红绿灯的等待,一般情况下一个红绿灯的等待通常需要20s的时间,在主干道上红绿灯的等待时间会越长,并且红绿灯的数量也会越多,从而无法实时更新到最佳路径展示给用户,而在本实施例中,将道路拥堵情况以及红绿灯的等待情况进行实时更新,添加到进行道路更新参考的参数中,但是,首先需要获取到达目的地的各个参考道路信息,如图3所示的交通道路行驶示意图,在获取到目的地时,根据所述目的地规划出参考道路1和参考道路2,在参考道路1和参考道路2中设有红绿灯,通过红绿灯直行时采用参考道路1,通过红绿灯左拐时采用参考道路2。
步骤S20,采集所述参考道路信息中参考道路上的车辆行驶速度信息。
需要说明的是,在当前行驶车辆的导航设备上设有数据采集传感器,例如红外传感器,通过所述红外传感器可采集所述参考道路信息中参考道路上的车辆行驶速度信息,从而实现实时采集当前道路的行驶状况,其中,所述车辆行驶状态信息为当前道路的车辆数量,以及前后车辆的距离信息等,从而得到当前道路的拥堵状态。
步骤S30,根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息。
可以理解的是,所述预测时间信息为计算预计到达当前红绿灯需要行驶的时间,以及当前车辆行驶状态信息,根据所述车辆行驶状态信息在预设关系映射表中查找对应的权重值,根据所述权重值以及当前行驶速度信息确定行驶至当前红绿灯的预测时间信息,例如当前道路车辆行驶状态信息的拥堵1级,当前行驶速度信息为20km/h,在这种情况下,根据拥堵状态在预设关系映射表中查找对应的权重值,例如拥堵1级对应的权重值为0.5,则将当前行驶速度信息乘以权重值得到接近实际情况的车辆行驶信息,根据实际的车辆行驶信息与距离红绿灯的距离信息得到到达当前红绿灯的行驶时间信息,例如实际的车辆行驶信息10km/h与距离红绿灯的距离为500m,则达到的预测时间信息为3分钟,从而实现更细化的道路状况的处理。
步骤S40,将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息。
在本实施例中,通过预设交通灯预测模型进行红绿灯状态的预测,一般情况下道路上的红绿灯的状态是有规律的,通常情况下在预设时间点的红绿灯的状态与之前时间的状态基本一致,例如在早上9点,在当前红绿灯的显示状态为显示红灯,在10点,在当前红绿灯的显示状态为显示绿灯等,从而通过人工智能实现对红绿灯显示状态的预测。
步骤S50,根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息。
继续如图3所示,通过参考道路1得到行驶时间为20min,预计到达当前红绿灯为红灯状态,通过参考道路2得到行驶时间为21min,预计到达当前红绿灯为绿灯状态,在这种情况下,可知,虽然通过参考道路2的行驶时间为21min比参考道路1的行驶时间长,但是由于参考道路1通过时进行直行为红灯状态,需要进行等待,而且等待的时间不定,并且也不一定红灯切换到绿灯时能完全通过,而参考道路2进行左拐时直接为绿灯,更方便车辆进行通行,则将参考道路2作为目标道路。
在本实施例中,在获取目标道路信息时,还可通过获取道路展示指令,提取所述道路展示指令中的展示形式;通过所述展示形式将所述目标道路信息进行展示,例如通过语音的形式提醒用户进行道路切换,或者通过显示屏展示目标道路的方式提醒用户进行切换,本实施例对此不作限制。
本实施例通过上述方案,通过获取当前车辆行驶至目的地的各个参考道路信息;采集所述参考道路信息中参考道路上的车辆行驶速度信息;根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息;将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息;根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息,通过道路的实时状况变化以及红绿灯的状况进行综合处理,得到适合用户的最佳行驶路线,达到提高最佳道路选择准确性的目的。
在一实施例中,如图4所示,基于第一实施例提出本发明基于人工智能的道路切换方法第二实施例,在本实施例中,所述参考道路上设有红外线检测器,所述步骤S10,包括:
通过全球定位系统对所述参考道路信息中参考道路上的行驶车辆进行定位,获得参考道路上行驶车辆的待选速度信息。
需要说明的是,为了获得道路上的车辆行驶状态信息,可首先通过全球定位系统对所述参考道路信息中参考道路上的行驶车辆进行定位,获得参考道路上行驶车辆的参考数量信息以及行驶车辆的参考速度信息。
去除不符合预设速度范围的待选速度信息,并将剩余的待选速度信息作为参考速度信息。
可以理解的是,所述预设速度范围为10至100km/h,还可为其他参数信息,本实施例对此不作限制。
为了提高获取行驶车辆速度的准确性,将所述参考速度信息与预设阈值进行比较,从而得到当前道路上小于5km/h行驶速度的车辆信息,根据比较结果得到不满足预设速度范围的参考速度信息对应的行驶车辆,即异常车辆信息。
根据不满足预设阈值的参考速度信息对应的行驶车辆对所述参考数量信息进行调整,根据调整后的参考数量信息得到当前行驶速度信息以及车辆行驶状态信息,并将所述参考速度信息的平均值作为所述车辆行驶速度信息。
在本实施例中,将异常车辆信息从行驶车辆中排除,从而得到正常行驶车辆的数量信息,根据实际数量得到车辆行驶状态信息以及当前行驶速度信息,例如当前行驶速度信息为50km/h时,则表示车辆行驶状态信息为畅通状态,当前行驶速度信息小于20km/h时,则表示车辆行驶状态信息为拥堵状态。
在一实施例中,所述步骤S20之后,所述方法还包括:
步骤S201,获取实际行驶距离信息与实际行驶时间信息。
在本实施中,由于当前行驶速度信息为通过传感器采集得到的,往往数据不够精确,在这种情况下,可通过车辆行驶状态信息中计算得到精确的行驶速度信息,通过精确的行驶速度信息对采集的当前行驶速度信息进行调整,从而提高数据处理的准确性。
需要说明的是,在获取初始行驶距离信息与初始行驶时间信息时设置不同的标签信息,通过所述标签信息实现对初始行驶距离信息与初始行驶时间信息的管理。
在具体实现中,通过标签信息提取所述车辆行驶状态信息中的初始行驶距离信息与初始行驶时间信息,从而实现对信息的识别。
步骤S202,根据所述实际行驶距离信息与实际行驶时间信息计算目标行驶速度信息。
在本实施例中,通过获取所述实际行驶距离信息与实际行驶时间信息,根据所述所述实际行驶距离信息与实际行驶时间信息进行计算得到目标行驶速度信息,例如获取到实际行驶距离信息为500m以及实际行驶时间信息为1min,从而得到目标行驶速度信息为30km/h,其中,所述实际行驶距离信息可为通过距离传感器得到,所述实际行驶时间信息可为通过车上的速度传感器得到的实际速度信息以及距离传感器得到的距离信息计算得到的。
步骤S203,根据所述目标行驶速度信息调整所述车辆行驶速度信息。
相应的,所述步骤S30,包括:
步骤S301,根据调整后的车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息。
进一步地,所述步骤S301,包括:
为了获取到当前车辆预期行驶至当前红绿灯的时间,通过获取车辆行驶状态信息,根据车辆行驶状态信息以及调整后的车辆行驶速度信息得到当前车辆行驶至当前红绿灯的参考行驶时间信息,然后获取当前时间信息,根据所述参考行驶时间信息以及当前时间信息确定行驶至当前红绿灯的预测时间信息,例如当前时间信息为9点,行驶至当前红绿灯的目标行驶时间信息为5分钟,则得到行驶至当前红绿灯的预测时间信息为9点零5分。
本实施例通过上述方案,通过所述车辆行驶状态信息以及调整后的当前行驶速度信息得到当前车辆行驶至当前红绿灯的目标行驶时间信息,然后根据所述目标行驶时间信息以及当前时间信息得到预测时间信息,从而实现当前车辆行驶至当前红绿灯的准确时间,实现对交通数据更细化的处理。
在一实施例中,如图5所示,基于第一实施例或第二实施例提出本发明基于人工智能的道路切换方法第三实施例,在本实施例中,基于第一实施例进行说明,所述步骤S40之前,所述方法还包括:
为了实现对红绿灯状态的预测,获取历史时间信息以及对应的历史红绿灯状态信息;将所述历史时间信息以及对应的历史红绿灯状态信息生成多维向量信息;将所述多维向量信息输入卷积神经网络中进行训练,得到所述预设交通灯预测模型,从而实现预设交通灯预测模型的建立。
进一步地,所述步骤S50之前,所述方法还包括:
步骤S501,获取当前红绿灯状态信息,根据所述预测时间信息以及当前红绿灯状态信息得到目标红绿灯状态信息。
在本实施例中,通过实际的红绿灯的显示情况与通过预设交通灯预测模型预测的红绿灯的预测情况进行对比,提高红绿灯预测的准确性。
步骤S502,根据所述目标红绿灯状态信息调整所述预测红绿灯状态信息。
相应的,所述步骤S50,包括:
根据所述预测时间信息以及调整后的预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息。
进一步地,所述步骤S50,包括:
在本实施例中,为了保证选择的最佳道路的准确性,根据所述预测时间信息以及预测红绿灯状态信息得到所述参考道路信息对应的目标行驶时间信息,将所述目标行驶时间信息进行排序,将排序结果中时间为最小的目标行驶时间信息对应的参考道路信息作为目标道路信息,将当前行驶道路信息切换为目标道路信息,从而实现最佳路径的选择。
本实施例提供的方案,通过道路的实时状况变化以及红绿灯的状况进行综合处理,得到适合用户的最佳行驶路线,达到提高最佳道路选择准确性的目的。
本发明进一步提供一种基于人工智能的道路切换装置。
参照图6,图6为本发明基于人工智能的道路切换装置第一实施例的功能模块示意图。
本发明基于人工智能的道路切换装置第一实施例中,该基于人工智能的道路切换装置包括:
获取模块10,用于获取当前车辆行驶至目的地的各个参考道路信息。
可以理解的是,在通过导航设备进行导航时,通常情况下有多个行驶路线展示给用户进行选择,一般按照行驶时间的长度进行排序,但是却忽略了道路的实时状况变化,例如突然出现的道路拥堵以及红绿灯的等待,一般情况下一个红绿灯的等待通常需要20s的时间,在主干道上红绿灯的等待时间会越长,并且红绿灯的数量也会越多,从而无法实时更新到最佳路径展示给用户,而在本实施例中,将道路拥堵情况以及红绿灯的等待情况进行实时更新,添加到进行道路更新参考的参数中,但是,首先需要获取到达目的地的各个参考道路信息,如图3所示的交通道路行驶示意图,在获取到目的地时,根据所述目的地规划出参考道路1和参考道路2,在参考道路1和参考道路2中设有红绿灯,通过红绿灯直行时采用参考道路1,通过红绿灯左拐时采用参考道路2。
采集模块20,用于采集所述参考道路信息中参考道路上的车辆行驶速度信息。
需要说明的是,在当前行驶车辆的导航设备上设有数据采集传感器,例如红外传感器,通过所述红外传感器可采集所述参考道路信息中参考道路上的车辆行驶速度信息,从而实现实时采集当前道路的行驶状况,其中,所述车辆行驶状态信息为当前道路的车辆数量,以及前后车辆的距离信息等,从而得到当前道路的拥堵状态。
确定模块30,用于根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息。
可以理解的是,所述预测时间信息为计算预计到达当前红绿灯需要行驶的时间,以及当前车辆行驶状态信息,根据所述车辆行驶状态信息在预设关系映射表中查找对应的权重值,根据所述权重值以及当前行驶速度信息确定行驶至当前红绿灯的预测时间信息,例如当前道路车辆行驶状态信息的拥堵1级,当前行驶速度信息为20km/h,在这种情况下,根据拥堵状态在预设关系映射表中查找对应的权重值,例如拥堵1级对应的权重值为0.5,则将当前行驶速度信息乘以权重值得到接近实际情况的车辆行驶信息,根据实际的车辆行驶信息与距离红绿灯的距离信息得到到达当前红绿灯的行驶时间信息,例如实际的车辆行驶信息10km/h与距离红绿灯的距离为500m,则达到的预测时间信息为3分钟,从而实现更细化的道路状况的处理。
预测模块40,用于将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息。
在本实施例中,通过预设交通灯预测模型进行红绿灯状态的预测,一般情况下道路上的红绿灯的状态是有规律的,通常情况下在预设时间点的红绿灯的状态与之前时间的状态基本一致,例如在早上9点,在当前红绿灯的显示状态为显示红灯,在10点,在当前红绿灯的显示状态为显示绿灯等,从而通过人工智能实现对红绿灯显示状态的预测。
切换模块50,用于根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息。
继续如图3所示,通过参考道路1得到行驶时间为20min,预计到达当前红绿灯为红灯状态,通过参考道路2得到行驶时间为21min,预计到达当前红绿灯为绿灯状态,在这种情况下,可知,虽然通过参考道路2的行驶时间为21min比参考道路1的行驶时间长,但是由于参考道路1通过时进行直行为红灯状态,需要进行等待,而且等待的时间不定,并且也不一定红灯切换到绿灯时能完全通过,而参考道路2进行左拐时直接为绿灯,更方便车辆进行通行,则将参考道路2作为目标道路。
在本实施例中,在获取目标道路信息时,还可通过获取道路展示指令,提取所述道路展示指令中的展示形式;通过所述展示形式将所述目标道路信息进行展示,例如通过语音的形式提醒用户进行道路切换,或者通过显示屏展示目标道路的方式提醒用户进行切换,本实施例对此不作限制。
本实施例通过上述方案,通过获取当前车辆行驶至目的地的各个参考道路信息;采集所述参考道路信息中参考道路上的车辆行驶速度信息;根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息;将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息;根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息,通过道路的实时状况变化以及红绿灯的状况进行综合处理,得到适合用户的最佳行驶路线,达到提高最佳道路选择准确性的目的。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有基于人工智能的道路切换程序,所述基于人工智能的道路切换程序被处理器执行如上文所述的基于人工智能的道路切换方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台智能终端设备(可以是手机,计算机,终端设备,空调器,或者网络终端设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于人工智能的道路切换方法,其特征在于,所述基于人工智能的道路切换方法包括:
获取当前车辆行驶至目的地的各个参考道路信息;
采集所述参考道路信息中参考道路上的车辆行驶速度信息;
根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息;
将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息;
根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息。
2.如权利要求1所述的基于人工智能的道路切换方法,其特征在于,所述采集所述参考道路信息中参考道路上的车辆行驶速度信息,包括:
通过全球定位系统对所述参考道路信息中参考道路上的行驶车辆进行定位,获得参考道路上行驶车辆的待选速度信息;
去除不符合预设速度范围的待选速度信息,并将剩余的待选速度信息作为参考速度信息;
将所述参考速度信息的平均值作为所述车辆行驶速度信息。
3.如权利要求1所述的基于人工智能的道路切换方法,其特征在于,所述采集所述参考道路信息中参考道路上的车辆行驶速度信息之后,所述方法还包括:
获取实际行驶距离信息与实际行驶时间信息;
根据所述实际行驶距离信息与实际行驶时间信息计算目标行驶速度信息;
根据所述目标行驶速度信息调整所述车辆行驶速度信息;
相应的,所述根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息,包括:
根据调整后的车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息。
4.如权利要求3所述基于人工智能的道路切换方法,其特征在于,所述根据调整后的车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息,包括:
获取车辆行驶状态信息,根据车辆行驶状态信息以及调整后的车辆行驶速度信息得到当前车辆行驶至当前红绿灯的参考行驶时间信息;
获取当前时间信息,根据所述参考行驶时间信息以及当前时间信息确定行驶至当前红绿灯的预测时间信息。
5.如权利要求1至4中任一项所述基于人工智能的道路切换方法,其特征在于,所述将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息之前,所述方法还包括:
获取历史时间信息以及对应的历史红绿灯状态信息;
将所述历史时间信息以及对应的历史红绿灯状态信息生成多维向量信息;
将所述多维向量信息输入卷积神经网络中进行训练,得到预设交通灯预测模型。
6.如权利要求1至4中任一项所述的基于人工智能的道路切换方法,其特征在于,所述根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息之前,所述方法还包括:
获取当前红绿灯状态信息,根据所述预测时间信息以及当前红绿灯状态信息得到目标红绿灯状态信息;
根据所述目标红绿灯状态信息调整所述预测红绿灯状态信息;
相应的,所述根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息,包括:
根据所述预测时间信息以及调整后的预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息。
7.如权利要求6所述的基于人工智能的道路切换方法,其特征在于,所述根据所述预测时间信息以及调整后的预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息,包括:
根据所述预测时间信息以及调整后的预测红绿灯状态信息得到所述参考道路信息对应的目标行驶时间信息;
将所述目标行驶时间信息进行排序,将排序结果中时间为最小的目标行驶时间信息对应的参考道路信息作为目标道路信息;
将当前行驶道路信息切换为目标道路信息。
8.一种基于人工智能的道路切换装置,其特征在于,所述基于人工智能的道路切换装置包括:
获取模块,用于获取当前车辆行驶至目的地的各个参考道路信息;
采集模块,用于采集所述参考道路信息中参考道路上的车辆行驶速度信息;
确定模块,用于根据所述车辆行驶速度信息确定行驶至当前红绿灯的预测时间信息;
预测模块,用于将所述预测时间信息输入至预设交通灯预测模型中进行预测,得到预测红绿灯状态信息;
切换模块,用于根据所述预测时间信息以及所述预测红绿灯状态信息对所述参考道路信息进行道路评估,并根据评估结果将当前行驶道路信息切换为目标道路信息。
9.一种基于人工智能的道路切换设备,其特征在于,所述基于人工智能的道路切换设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的道路切换程序,所述基于人工智能的道路切换程序配置为实现如权利要求1至7中任一项所述的基于人工智能的道路切换方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有基于人工智能的道路切换程序,所述基于人工智能的道路切换程序被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的道路切换方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910405503.XA CN110136438A (zh) | 2019-05-15 | 2019-05-15 | 基于人工智能的道路切换方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910405503.XA CN110136438A (zh) | 2019-05-15 | 2019-05-15 | 基于人工智能的道路切换方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110136438A true CN110136438A (zh) | 2019-08-16 |
Family
ID=67574342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910405503.XA Pending CN110136438A (zh) | 2019-05-15 | 2019-05-15 | 基于人工智能的道路切换方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110136438A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021190799A1 (de) * | 2020-03-02 | 2021-09-30 | Siemens Mobility GmbH | Bestimmen eines zukünftigen schaltverhaltens einer anlageeinheit |
CN114926980A (zh) * | 2022-04-22 | 2022-08-19 | 阿里巴巴(中国)有限公司 | 交通数据挖掘方法、装置、电子设备及计算机程序产品 |
CN116168544A (zh) * | 2023-04-25 | 2023-05-26 | 北京百度网讯科技有限公司 | 切换点预测方法、预测模型训练方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106679685A (zh) * | 2016-12-29 | 2017-05-17 | 鄂尔多斯市普渡科技有限公司 | 一种用于车辆导航的行车路径规划方法 |
CN107144286A (zh) * | 2016-03-01 | 2017-09-08 | 阿里巴巴集团控股有限公司 | 导航方法及装置 |
CN206819542U (zh) * | 2017-04-07 | 2017-12-29 | 惠州市凯越电子股份有限公司 | 一种车联网系统 |
US20180075739A1 (en) * | 2009-08-11 | 2018-03-15 | Connected Signals, Inc. | Traffic Routing Display System with Multiple Signal Lookahead |
CN109448415A (zh) * | 2018-11-13 | 2019-03-08 | 郑州云海信息技术有限公司 | 一种车道选择方法、系统、装置及可读存储介质 |
CN109615887A (zh) * | 2018-12-24 | 2019-04-12 | 张鹏 | 智慧交通网络系统信号指引方法 |
CN109656248A (zh) * | 2018-11-30 | 2019-04-19 | 五方智能车科技有限公司 | 一种用于智能车路况分析的测试系统 |
-
2019
- 2019-05-15 CN CN201910405503.XA patent/CN110136438A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180075739A1 (en) * | 2009-08-11 | 2018-03-15 | Connected Signals, Inc. | Traffic Routing Display System with Multiple Signal Lookahead |
CN107144286A (zh) * | 2016-03-01 | 2017-09-08 | 阿里巴巴集团控股有限公司 | 导航方法及装置 |
CN106679685A (zh) * | 2016-12-29 | 2017-05-17 | 鄂尔多斯市普渡科技有限公司 | 一种用于车辆导航的行车路径规划方法 |
CN206819542U (zh) * | 2017-04-07 | 2017-12-29 | 惠州市凯越电子股份有限公司 | 一种车联网系统 |
CN109448415A (zh) * | 2018-11-13 | 2019-03-08 | 郑州云海信息技术有限公司 | 一种车道选择方法、系统、装置及可读存储介质 |
CN109656248A (zh) * | 2018-11-30 | 2019-04-19 | 五方智能车科技有限公司 | 一种用于智能车路况分析的测试系统 |
CN109615887A (zh) * | 2018-12-24 | 2019-04-12 | 张鹏 | 智慧交通网络系统信号指引方法 |
Non-Patent Citations (1)
Title |
---|
杜宇翔: "一种共享共建式红绿灯时刻预测系统", 《时代汽车》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021190799A1 (de) * | 2020-03-02 | 2021-09-30 | Siemens Mobility GmbH | Bestimmen eines zukünftigen schaltverhaltens einer anlageeinheit |
CN114926980A (zh) * | 2022-04-22 | 2022-08-19 | 阿里巴巴(中国)有限公司 | 交通数据挖掘方法、装置、电子设备及计算机程序产品 |
CN116168544A (zh) * | 2023-04-25 | 2023-05-26 | 北京百度网讯科技有限公司 | 切换点预测方法、预测模型训练方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11650066B2 (en) | Systems and methods for variable energy routing and tracking | |
CN110361024B (zh) | 用于利用车辆组标识的动态车道级车辆导航的方法和系统 | |
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 | |
US20230139760A1 (en) | Network-assisted scanning of a surrounding environment | |
Wang et al. | A multi-agent based vehicles re-routing system for unexpected traffic congestion avoidance | |
JP5013211B2 (ja) | 運転評価システム及び運転評価プログラム | |
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 | |
CN106652515A (zh) | 车辆自动控制方法、装置和系统 | |
CN107270925B (zh) | 一种用户车辆导航系统、装置及方法 | |
KR20150128712A (ko) | 차량 라우팅 및 교통 관리를 위한 차선 레벨 차량 내비게이션 | |
CN110136438A (zh) | 基于人工智能的道路切换方法、装置、设备及存储介质 | |
EP3009798B1 (en) | Providing alternative road navigation instructions for drivers on unfamiliar roads | |
CN109615887A (zh) | 智慧交通网络系统信号指引方法 | |
TW201341759A (zh) | 將上下文與歷史資料整合至路線決定之技術 | |
US11854404B2 (en) | Computing timing intervals for vehicles through directional route corridor | |
JP5562691B2 (ja) | 渋滞時間算出装置、出発時刻算出装置、渋滞なし時間算出装置、及びプログラム | |
CN110363984B (zh) | 交通流量预测方法和设备 | |
CN105637324A (zh) | 运动引导装置和运动引导方法 | |
CN110415517B (zh) | 一种基于车辆行驶轨迹的道路拥堵精准预警系统及方法 | |
US20230056115A1 (en) | Method of Collecting Data from Fleet of Vehicles | |
CN110411469A (zh) | 导航规划方法、装置、设备和介质 | |
CN107045794B (zh) | 路况处理方法及装置 | |
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 | |
CN111862590A (zh) | 路况预测方法、装置及存储介质 | |
JP2021526246A (ja) | 交通状況の視覚化を改善するためのシステムおよび方法 |
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: 20190816 |