CN110849382A - 驾驶时长预测方法及装置 - Google Patents
驾驶时长预测方法及装置 Download PDFInfo
- Publication number
- CN110849382A CN110849382A CN201810954965.2A CN201810954965A CN110849382A CN 110849382 A CN110849382 A CN 110849382A CN 201810954965 A CN201810954965 A CN 201810954965A CN 110849382 A CN110849382 A CN 110849382A
- Authority
- CN
- China
- Prior art keywords
- block
- driving
- ith
- corresponding road
- obtaining
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
Abstract
本发明实施例公开了一种驾驶时长预测方法及装置,属于车辆技术领域。其中所述驾驶时长预测方法包括:获取车辆当前位置信息和车辆目的地信息,得到车辆从当前位置到达目的地的规划路径;得到当前初始时刻,得到第一个区块的对应路段在当前初始时刻的第一车流量和第一平均车速,得到通过第一区块的对应路段的第一驾驶时长;得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n;若判断结果为i大于n,则将规划路径中第一至第n个区块的对应路段的驾驶时长进行累加得到车辆从当前位置到达目的地的总驾驶时长。本发明能够准确的获得从出发地到目的地之间的驾驶时长。
Description
技术领域
本发明涉及车辆技术领域,特别涉及一种驾驶时长预测方法及装置。
背景技术
随着经济的发展和社会的进步,汽车的数量和普及程度都与日俱增。在驾驶人员从出发地到目的地的过程中,驾驶人员希望能够提前获得到达目的地的驾驶时长。现有的导航系统计算从出发地到达目的地驾驶时长的方法是首先获得驾驶总路程长度,然后获得驾驶平均速度,再根据驾驶总路程长度除以驾驶平均速度即可获得驾驶时长,该方法简单易用。
但是,现有获得驾驶时长的方法存在以下不足:一是准确度不高,由于此方法中驾驶时长仅由道路的总长度和驾驶平均速度决定,可是实际汽车驾驶过程中,驾驶时长往往受到道路路况状态、红绿灯停止时间等多方面的因素影响,所以实际到达时间和导航系统所获得的时间有较大偏差。二是此方法没有纠正处理,由于对于出发地到目的地之间的路径来说,总路程和驾驶平均速度是被固定的,所以最终到达目的地的花费时间就被确定了,不会随着行驶状态而纠正。
因此,目前急需要一种方法,能够更加精确地获得导航路程的驾驶时长,以方便人们更加有效的利用时间,并藉此便于进行时间的管理和规划。
发明内容
本发明提供一种驾驶时长预测方法及装置,能够准确的获得从出发地到目的地之间的驾驶时长。
所述技术方案如下:
本发明实施例提供了一种驾驶时长预测方法,其包括:获取车辆当前位置信息和车辆目的地信息,根据车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径;将电子地图划分为多个区块,将规划路径中当前行驶路径所在的区块作为第一个区块,规划路径中目的地所在的区块作为第n个区块,获取第一至第n个区块的对应路段,并得到当前初始时刻,得到第一个区块的对应路段在当前初始时刻的第一车流量和第一平均车速,根据第一平均车速得到通过第一区块的对应路段的第一驾驶时长,其中n为大于0的整数;根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到第i个区块的对应路段在时刻Ti的第i车流量和第i平均车速,根据第i平均车速得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n,其中i=2,…,n,i的起始值为2,t为当前初始时刻,ti为通过第i个区块的对应路段的第i驾驶时长;若判断结果为i大于n,则将规划路径中第一至第n个区块的对应路段的驾驶时长进行累加得到车辆从当前位置到达目的地的总驾驶时长。
在本发明较佳的实施例中,还包括:若判断结果为i不大于n,则继续进行以下步骤:根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到第i个区块的对应路段在时刻Ti的第i车流量和第i平均车速,根据第i平均车速得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n。
在本发明较佳的实施例中,根据车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径,包括:根据车辆当前位置信息、目的地信息和预先存储的电子地图得到车辆从当前位置到达目的地之间的规划路径。
在本发明较佳的实施例中,得到第一个区块的对应路段在当前初始时刻的第一车流量,包括:将第一个区块的对应路段在当前初始时刻与车流量数据库进行匹配,以获得第一个区块的对应路段在当前初始时刻沿车辆行驶方向的第一车流量,其中车流量数据库存储每个时段与每个区块的对应路段沿两个行驶方向总车流量之间的关系。
在本发明较佳的实施例中,得到第一个区块的对应路段在当前初始时刻的第一车流量和第一平均车速,包括:得到第一个区块的对应路段在当前初始时刻的第一车流量之后,根据第一个区块的对应路段在当前初始时刻的第一车流量、车流量与平均车速计算公式得到第一个区块的对应路段在当前初始时刻的第一平均车速。
本发明实施例还提供了一种驾驶时长预测装置,其包括:路径规划单元、第一驾驶时长获取单元、第二驾驶时长获取单元、总驾驶时长获取单元,其中,所述路径规划单元,用于获取车辆当前位置信息和车辆目的地信息,根据车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径;所述第一驾驶时长获取单元,用于预先将电子地图划分为多个区块,将规划路径中当前行驶路径所在的区块作为第一个区块,规划路径中目的地所在的区块作为第n个区块,获取第一至第n个区块的对应路段,并得到当前初始时刻,得到第一个区块的对应路段在当前初始时刻的第一车流量和第一平均车速,根据第一平均车速得到通过第一区块的对应路段的第一驾驶时长,其中n为大于0的整数;所述第二驾驶时长获取单元,用于根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到第i个区块的对应路段在时刻Ti的第i车流量和第i平均车速,根据第i平均车速得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n,其中i=2,…,n,i的起始值为2,t为当前初始时刻,ti为通过第i个区块的对应路段的第i驾驶时长;所述总驾驶时长获取单元,用于若判断结果为i大于n,则将规划路径中第一至第n个区块的对应路段的驾驶时长进行累加得到车辆从当前位置到达目的地的总驾驶时长。
在本发明较佳的实施例中,所述总驾驶时长获取单元还用于若判断结果为i不大于n,则继续进行所述第二驾驶时长获取单元。
在本发明较佳的实施例中,所述路径规划单元,还用于根据车辆当前位置信息、目的地信息和预先存储的电子地图得到车辆从当前位置到达目的地之间的规划路径。
在本发明较佳的实施例中,所述第一驾驶时长获取单元,还用于将第一个区块的对应路段在当前初始时刻与车流量数据库进行匹配,以获得第一个区块的对应路段在当前初始时刻沿车辆行驶方向的第一车流量,其中车流量数据库存储每个时段与每个区块的对应路段沿两个行驶方向总车流量之间的关系。
在本发明较佳的实施例中,所述第一驾驶时长获取单元,还用于得到第一个区块的对应路段在当前初始时刻的第一车流量之后,根据第一个区块的对应路段在当前初始时刻的第一车流量、车流量与平均车速计算公式得到第一个区块的对应路段在当前初始时刻的第一平均车速。
本发明实施例提供的技术方案带来的有益效果是:
通过车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径;得到当前初始时刻,得到第一区块的对应路段的第一驾驶时长;根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n;若判断结果为i大于n,则将规划路径中第一至第n个区块的对应路段的驾驶时长进行累加得到车辆从当前位置到达目的地的总驾驶时长。本发明可以根据当前实际动态路况精确地预测车辆从当前位置到达目的地的总驾驶时长,以方便人们更加有效的利用时间,并藉此便于进行时间的管理和规划。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是本发明第一实施例提供的驾驶时长预测方法的步骤流程图;
图2是本发明第二实施例提供的驾驶时长预测装置的主要架构框图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的驾驶时长预测方法及装置其具体实施方式、结构、特征及功效,详细说明如后。
有关本发明的前述及其他技术内容、特点及功效,在以下配合参考图式的较佳实施例详细说明中将可清楚的呈现。通过具体实施方式的说明,当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图式仅是提供参考与说明之用,并非用来对本发明加以限制。
第一实施例
图1是本发明第一实施例提供的驾驶时长预测方法的步骤流程图。所述方法能够准确的获得从出发地到目的地之间的驾驶时长,请参考图1,本实施例的驾驶时长预测方法,可以包括以下步骤101-107。
步骤101,获取车辆当前位置信息和车辆目的地信息,根据车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径。
在本步骤中,可以通过车载导航系统实时获得车辆当前位置信息,例如车辆经纬度等位置信息,还可以接收驾驶人员输入的车辆目的地信息,然后根据车辆当前位置信息、目的地信息和预先存储的电子地图可以得到车辆从当前位置到达目的地之间的规划路径。此规划路径可以包括多条路段,每两个相邻的红绿灯路口之间的行驶道路即为一条路段。
其中,上述电子地图的数据可以预先存储于车载导航系统中,其可以包括地图要素位置、地图要素特征信息等中的至少一个,上述地图要素位置可以包括车辆行驶路段的经度、维度等信息。地图要素特征信息可以包括车辆行驶路段是否有限速值、具体的限速值等信息。上述地图要素特征信息还可以包括街道、巷弄、交叉路口、建筑物等信息中的至少一个。
步骤103,预先将电子地图划分为多个区块,将规划路径中当前行驶路径所在的区块作为第一个区块,规划路径中目的地所在的区块作为第n个区块,获取第一至第n个区块的对应路段,并得到当前初始时刻t,得到第一个区块的对应路段在当前初始时刻的第一车流量和第一平均车速,根据第一平均车速得到通过第一区块的对应路段的第一驾驶时长t1,其中n为大于0的整数。
在本步骤中,可以将电子地图划分为多个区块,例如大小相同的正方形区块,每个区块可以包括规划路径中的一条路段的一部分、整个一条路段、或两条相邻路段的一部分等,具体每个区块包括规划路径中路段的哪一部分是根据所划分的区块大小而决定的。规划路径中当前位置所在的区块即为当前行驶路径所在的区块,规划路径中目的地所在的区块作为第n个区块,这样,规划路径从当前位置到达目的地可以分别对应为第一至第n个区块。
其中,本步骤中的车流量是单位车流量,其为单位时间内通过一条路段点上的车辆数。优选地,步骤103中,得到第一个区块的对应路段在当前初始时刻的第一车流量,具体可以包括:将第一个区块的对应路段在当前初始时刻与车流量数据库进行匹配,以获得第一个区块的对应路段在当前初始时刻沿车辆行驶方向的第一车流量。其中车流量数据库可以存储每个时段与每个区块的对应路段沿两个行驶方向总车流量之间的关系,例如可以存储最近一个星期内每天每个时段,例如时段为10分钟,每个区块的对应路段两个行驶方向的总车流量情况。例如周一的早7点到7点10分,第一区块对应的某一条路段由南至北行驶的总车流量为1170次,则7点到7点10分由南至北行驶的车流量为117次/分钟,此第一区块的对应路段由北至南行驶的总车流量为930次,则由北至南行驶的车流量为93次/分钟。若当前初始时刻为7点5分,车辆行驶方向为由南至北,则通过查找流量数据库即可得到第一区块的对应路段在当前初始时刻的第一车流量为117次/分钟。因车流量数据库可以存储每个时段与每个区块的对应路段两个行驶方向车流量之间的关系,此车流量必然与当前道路实际路况相关,因此可以准确预测出车辆从当前位置到达目的地的总驾驶时长。因同一路段在不同的时间段路况均不相同,比如上下班的高峰时间点,路况较差,车流量数据库实际上是存储的是不同时间和路况的对照表,根据车辆进入区块的预测时间,查找对照表即可得出车辆在该区块的车流量和具体平均车速,可以重新调整预测的驾驶时长。
优选地,步骤103中,得到第一个区块的对应路段在当前初始时刻的第一车流量和第一平均车速,具体可以包括:
得到第一个区块的对应路段在当前初始时刻的第一车流量之后,根据第一个区块的对应路段在当前初始时刻的第一车流量、车流量与平均车速计算公式可以得到第一个区块的对应路段在当前初始时刻的第一平均车速。如果d表示车距,S表示车身长,v表示平均车速,那么车流量与平均车速计算公式为:车流量=单位时间*v/(d+S)。
优选地,步骤103中,根据第一平均车速得到通过第一区块的对应路段的第一驾驶时长t1,具体可以包括:
根据第一平均车速和第一区块的对应路段的长度得到通过第一区块的对应路段的第一驾驶时长t1。例如第一平均车速为60Km/h,第一区块的对应路段的长度为60m,则根据距离和速度计算公式,则可以计算出车辆通过第一区块的第一驾驶时长t1=60/60=3.6秒。
步骤105,根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到第i个区块的对应路段在时刻Ti的第i车流量和第i平均车速,根据第i平均车速得到通过第i个区块的对应路段的第i驾驶时长ti,其中i=2,…,n,即i为大于1小于等于n的整数,i的起始值为2,t为当前初始时刻,ti为通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n,若判断结果为i大于n,则进行步骤107,若判断结果为i不大于n,则进行步骤105。
其中,在本步骤中,以i=3为例,即假设行驶到第3个区块,预测行驶到第3个区块的时刻T3=t+t1+t2,得到第3个区块的对应路段在时刻T3的第3车流量和第3平均车速,根据第3平均车速得到通过第3区块的对应路段的第3驾驶时长t3,依次类推,计算得出第n个区块的第n驾驶时长,即可结束。
本步骤中第i车流量、第i平均车速和第i驾驶时长ti的计算方式同步骤103中的计算方式相同。即如下所述:
优选地,步骤105中,得到第i个区块的对应路段在时刻Ti的第i车流量,具体可以包括:将第i个区块的对应路段在时刻Ti与车流量数据库进行匹配,以获得第i个区块的对应路段在时刻Ti沿车辆行驶方向的第i车流量。
优选地,步骤105中,得到第i个区块的对应路段在时刻Ti的第i车流量和第i平均车速,具体可以包括:
得到第i个区块的对应路段在时刻Ti的第一车流量之后,根据第i个区块的对应路段在当前初始时刻的第i车流量、车流量与平均车速计算公式可以得到第i个区块的对应路段在时刻Ti的第i平均车速。如果d表示车距,S表示车身长,v表示平均车速,那么车流量与平均车速计算公式为:车流量=单位时间*v/(d+S)。
优选地,步骤105中,根据第i平均车速得到通过第i区块的对应路段的第i驾驶时长ti,具体可以包括:
根据第i平均车速和第i区块的对应路段的长度得到通过第i区块的对应路段的第i驾驶时长t1。
步骤107,将规划路径中第一至第n个区块的对应路段的驾驶时长进行累加得到车辆从当前位置到达目的地的总驾驶时长。
在本步骤中,总驾驶时长t总=∑ti-1,其中i=1,2,……,n,ti为通过第i个区块的对应路段的第i驾驶时长。
综上所述,本发明实施例提供的驾驶时长预测方法,通过车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径;得到当前初始时刻,得到第一区块的对应路段的第一驾驶时长;根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n;若判断结果为i大于n,则将规划路径中第一至第n个区块的对应路段的驾驶时长进行累加得到车辆从当前位置到达目的地的总驾驶时长。本发明可以根据当前实际动态路况精确地预测车辆从当前位置到达目的地的总驾驶时长,以方便人们更加有效的利用时间,并藉此便于进行时间的管理和规划。
以下为本发明的装置实施例,在装置实施例中未详尽描述的细节,可以参考上述对应的方法实施例。
第二实施例
图2是本发明第二实施例提供的驾驶时长预测装置的主要架构框图。所述驾驶时长预测装置能够准确的获得出发地到目的地之间的驾驶时长。请参阅图2,所述驾驶时长预测装置包括:路径规划单元20、第一驾驶时长获取单元21、第二驾驶时长获取单元22、总驾驶时长获取单元23。
更具体地,路径规划单元20,与第一驾驶时长获取单元21相连,用于获取车辆当前位置信息和车辆目的地信息,根据车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径。
其中,路径规划单元20,还用于根据车辆当前位置信息、目的地信息和预先存储的电子地图得到车辆从当前位置到达目的地之间的规划路径。
第一驾驶时长获取单元21,用于预先将电子地图划分为多个区块,将规划路径中当前行驶路径所在的区块作为第一个区块,规划路径中目的地所在的区块作为第n个区块,获取第一至第n个区块的对应路段,并得到当前初始时刻,得到第一个区块的对应路段在当前初始时刻的第一车流量和第一平均车速,根据第一平均车速得到通过第一区块的对应路段的第一驾驶时长,其中n为大于0的整数。
优选地,第一驾驶时长获取单元21,还用于将第一个区块的对应路段在当前初始时刻与车流量数据库进行匹配,以获得第一个区块的对应路段在当前初始时刻沿车辆行驶方向的第一车流量,其中车流量数据库存储每个时段与每个区块的对应路段沿两个行驶方向总车流量之间的关系。
优选地,第一驾驶时长获取单元21,还用于得到第一个区块的对应路段在当前初始时刻的第一车流量之后,根据第一个区块的对应路段在当前初始时刻的第一车流量、车流量与平均车速计算公式得到第一个区块的对应路段在当前初始时刻的第一平均车速。
第二驾驶时长获取单元22,与第一驾驶时长获取单元21相连,用于根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到第i个区块的对应路段在时刻Ti的第i车流量和第i平均车速,根据第i平均车速得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n,其中i=2,…,n,i的起始值为2,t为当前初始时刻,ti为通过第i个区块的对应路段的第i驾驶时长。
总驾驶时长获取单元23,与第一驾驶时长获取单元21和第二驾驶时长获取单元22相连,用于若判断结果为i大于n,则将规划路径中第一至第n个区块的对应路段的驾驶时长进行累加得到车辆从当前位置到达目的地的总驾驶时长。
优选地,总驾驶时长获取单元23还用于若判断结果为i不大于n,则继续进行所述第二驾驶时长获取单元。
综上所述,本发明实施例提供的驾驶时长预测装置,通过车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径;得到当前初始时刻,得到第一区块的对应路段的第一驾驶时长;根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n;若判断结果为i大于n,则将规划路径中第一至第n个区块的对应路段的驾驶时长进行累加得到车辆从当前位置到达目的地的总驾驶时长。本发明可以根据当前实际动态路况精确地预测车辆从当前位置到达目的地的总驾驶时长,以方便人们更加有效的利用时间,并藉此便于进行时间的管理和规划。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种驾驶时长预测方法,其特征在于,所述驾驶时长预测方法,包括:
获取车辆当前位置信息和车辆目的地信息,根据车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径;
预先将电子地图划分为多个区块,将规划路径中当前行驶路径所在的区块作为第一个区块,规划路径中目的地所在的区块作为第n个区块,获取第一至第n个区块的对应路段,并得到当前初始时刻,得到第一个区块的对应路段在当前初始时刻的第一车流量和第一平均车速,根据第一平均车速得到通过第一个区块的对应路段的第一驾驶时长,其中n为大于0的整数;
根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到第i个区块的对应路段在时刻Ti的第i车流量和第i平均车速,根据第i平均车速得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n,其中i=2,…,n,i的起始值为2,t为当前初始时刻,ti为通过第i个区块的对应路段的第i驾驶时长;
若判断结果为i大于n,则将规划路径中第一至第n个区块的对应路段的驾驶时长进行累加得到车辆从当前位置到达目的地的总驾驶时长。
2.根据权利要求1所述的驾驶时长预测方法,其特征在于,还包括:
若判断结果为i不大于n,则继续进行以下步骤:根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到第i个区块的对应路段在时刻Ti的第i车流量和第i平均车速,根据第i平均车速得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n。
3.根据权利要求1所述的驾驶时长预测方法,其特征在于,根据车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径,包括:
根据车辆当前位置信息、目的地信息和预先存储的电子地图得到车辆从当前位置到达目的地之间的规划路径。
4.根据权利要求1所述的驾驶时长预测方法,其特征在于,得到第一个区块的对应路段在当前初始时刻的第一车流量,包括:
将第一个区块的对应路段在当前初始时刻与车流量数据库进行匹配,以获得第一个区块的对应路段在当前初始时刻沿车辆行驶方向的第一车流量,其中车流量数据库存储每个时段与每个区块的对应路段沿两个行驶方向总车流量之间的关系。
5.根据权利要求4所述的驾驶时长预测方法,其特征在于,得到第一个区块的对应路段在当前初始时刻的第一车流量和第一平均车速,包括:
得到第一个区块的对应路段在当前初始时刻的第一车流量之后,根据第一个区块的对应路段在当前初始时刻的第一车流量、车流量与平均车速计算公式得到第一个区块的对应路段在当前初始时刻的第一平均车速。
6.一种驾驶时长预测装置,其特征在于,其包括:路径规划单元、第一驾驶时长获取单元、第二驾驶时长获取单元、总驾驶时长获取单元,其中,
所述路径规划单元,用于获取车辆当前位置信息和车辆目的地信息,根据车辆当前位置信息和目的地信息得到车辆从当前位置到达目的地的规划路径;
所述第一驾驶时长获取单元,用于预先将电子地图划分为多个区块,将规划路径中当前行驶路径所在的区块作为第一个区块,规划路径中目的地所在的区块作为第n个区块,获取第一至第n个区块的对应路段,并得到当前初始时刻,得到第一个区块的对应路段在当前初始时刻的第一车流量和第一平均车速,根据第一平均车速得到通过第一区块的对应路段的第一驾驶时长,其中n为大于0的整数;
所述第二驾驶时长获取单元,用于根据公式Ti=t+∑ti-1预测行驶到第i个区块的时刻Ti,得到第i个区块的对应路段在时刻Ti的第i车流量和第i平均车速,根据第i平均车速得到通过第i个区块的对应路段的第i驾驶时长,将i的值加1并判断i是否大于n,其中i=2,…,n,i的起始值为2,t为当前初始时刻,ti为通过第i个区块的对应路段的第i驾驶时长;
所述总驾驶时长获取单元,用于若判断结果为i大于n,则将规划路径中第一至第n个区块的对应路段的驾驶时长进行累加得到车辆从当前位置到达目的地的总驾驶时长。
7.根据权利要求1所述的驾驶时长预测装置,其特征在于,所述总驾驶时长获取单元还用于若判断结果为i不大于n,则继续进行所述第二驾驶时长获取单元。
8.根据权利要求6所述的驾驶时长预测装置,其特征在于,所述路径规划单元,还用于根据车辆当前位置信息、目的地信息和预先存储的电子地图得到车辆从当前位置到达目的地之间的规划路径。
9.根据权利要求6所述的驾驶时长预测装置,其特征在于,所述第一驾驶时长获取单元,还用于将第一个区块的对应路段在当前初始时刻与车流量数据库进行匹配,以获得第一个区块的对应路段在当前初始时刻沿车辆行驶方向的第一车流量,其中车流量数据库存储每个时段与每个区块的对应路段沿两个行驶方向总车流量之间的关系。
10.根据权利要求9所述的驾驶时长预测装置,其特征在于,所述第一驾驶时长获取单元,还用于得到第一个区块的对应路段在当前初始时刻的第一车流量之后,根据第一个区块的对应路段在当前初始时刻的第一车流量、车流量与平均车速计算公式得到第一个区块的对应路段在当前初始时刻的第一平均车速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810954965.2A CN110849382A (zh) | 2018-08-21 | 2018-08-21 | 驾驶时长预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810954965.2A CN110849382A (zh) | 2018-08-21 | 2018-08-21 | 驾驶时长预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110849382A true CN110849382A (zh) | 2020-02-28 |
Family
ID=69594566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810954965.2A Pending CN110849382A (zh) | 2018-08-21 | 2018-08-21 | 驾驶时长预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110849382A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311965A (zh) * | 2020-03-06 | 2020-06-19 | 深圳市闻迅数码科技有限公司 | 一种连续航行监控方法、装置、设备及存储介质 |
CN113183966A (zh) * | 2021-05-27 | 2021-07-30 | 上海悟景信息科技有限公司 | 一种智能驾驶方法、系统、设备及介质 |
CN114613145A (zh) * | 2022-05-12 | 2022-06-10 | 中运科技股份有限公司 | 一种大数据下的客运流量感知预警系统及方法 |
CN114842661A (zh) * | 2022-07-04 | 2022-08-02 | 成都宜泊信息科技有限公司 | 一种管理室内地图通行路段实时状态的方法和系统 |
CN115871450A (zh) * | 2023-02-16 | 2023-03-31 | 日照职业技术学院 | 一种基于物联网的新能源汽车智能控制方法及系统 |
CN116050976A (zh) * | 2023-01-28 | 2023-05-02 | 广东原尚物流股份有限公司 | 基于物流运输的监控系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004118700A (ja) * | 2002-09-27 | 2004-04-15 | Foundation For The Promotion Of Industrial Science | 走行所要時間予測装置 |
US20080269985A1 (en) * | 2007-04-25 | 2008-10-30 | Denso Corporation | Travel information collection apparatus |
US20100217519A1 (en) * | 2009-02-26 | 2010-08-26 | Navigon Ag | Method and navigation device for determining the estimated time of travel |
US20140201121A1 (en) * | 2013-01-17 | 2014-07-17 | Mitsubishi Electric Research Laboratories, Inc. | Method for Predicting Future Travel Time Using Geospatial Inference |
CN104882020A (zh) * | 2015-06-05 | 2015-09-02 | 刘光明 | 预测交通状况和行车时间 |
CN105046985A (zh) * | 2015-06-12 | 2015-11-11 | 重庆电讯职业学院 | 基于大数据的主干道全路段的交通控制系统 |
US20160210854A1 (en) * | 2013-08-07 | 2016-07-21 | Coyote System | Device and method for automatically updating a database of driving speed limits |
CN106710278A (zh) * | 2017-02-18 | 2017-05-24 | 山东交通学院 | 一种道路分流导向方法 |
WO2017140175A1 (zh) * | 2016-02-18 | 2017-08-24 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
CN107993438A (zh) * | 2017-12-08 | 2018-05-04 | 上海云砥信息科技有限公司 | 一种高速公路瓶颈路段拥堵预警方法 |
-
2018
- 2018-08-21 CN CN201810954965.2A patent/CN110849382A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004118700A (ja) * | 2002-09-27 | 2004-04-15 | Foundation For The Promotion Of Industrial Science | 走行所要時間予測装置 |
US20080269985A1 (en) * | 2007-04-25 | 2008-10-30 | Denso Corporation | Travel information collection apparatus |
US20100217519A1 (en) * | 2009-02-26 | 2010-08-26 | Navigon Ag | Method and navigation device for determining the estimated time of travel |
US20140201121A1 (en) * | 2013-01-17 | 2014-07-17 | Mitsubishi Electric Research Laboratories, Inc. | Method for Predicting Future Travel Time Using Geospatial Inference |
US20160210854A1 (en) * | 2013-08-07 | 2016-07-21 | Coyote System | Device and method for automatically updating a database of driving speed limits |
CN104882020A (zh) * | 2015-06-05 | 2015-09-02 | 刘光明 | 预测交通状况和行车时间 |
WO2016192668A1 (zh) * | 2015-06-05 | 2016-12-08 | 刘光明 | 预测交通状况和行车时间 |
CN105046985A (zh) * | 2015-06-12 | 2015-11-11 | 重庆电讯职业学院 | 基于大数据的主干道全路段的交通控制系统 |
WO2017140175A1 (zh) * | 2016-02-18 | 2017-08-24 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
CN106710278A (zh) * | 2017-02-18 | 2017-05-24 | 山东交通学院 | 一种道路分流导向方法 |
CN107993438A (zh) * | 2017-12-08 | 2018-05-04 | 上海云砥信息科技有限公司 | 一种高速公路瓶颈路段拥堵预警方法 |
Non-Patent Citations (1)
Title |
---|
姜英姿等: "《数学建模教程》", 28 February 2017, 中国矿业大学出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311965A (zh) * | 2020-03-06 | 2020-06-19 | 深圳市闻迅数码科技有限公司 | 一种连续航行监控方法、装置、设备及存储介质 |
CN113183966A (zh) * | 2021-05-27 | 2021-07-30 | 上海悟景信息科技有限公司 | 一种智能驾驶方法、系统、设备及介质 |
CN113183966B (zh) * | 2021-05-27 | 2023-12-05 | 上海悟景信息科技有限公司 | 一种智能驾驶方法、系统、设备及介质 |
CN114613145A (zh) * | 2022-05-12 | 2022-06-10 | 中运科技股份有限公司 | 一种大数据下的客运流量感知预警系统及方法 |
CN114842661A (zh) * | 2022-07-04 | 2022-08-02 | 成都宜泊信息科技有限公司 | 一种管理室内地图通行路段实时状态的方法和系统 |
CN116050976A (zh) * | 2023-01-28 | 2023-05-02 | 广东原尚物流股份有限公司 | 基于物流运输的监控系统 |
CN115871450A (zh) * | 2023-02-16 | 2023-03-31 | 日照职业技术学院 | 一种基于物联网的新能源汽车智能控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110849382A (zh) | 驾驶时长预测方法及装置 | |
EP3528078B1 (en) | Vehicle platoon system control for intersections | |
EP3222973B1 (en) | Map updates from a connected vehicle fleet | |
CN107305131B (zh) | 以节点为中心的导航优化 | |
CN109937344B (zh) | 用于产生电子地图的段的分布曲线数据的方法和系统 | |
US7499949B2 (en) | Method and system for obtaining recurring delay data using navigation systems | |
US8150611B2 (en) | System and methods for providing predictive traffic information | |
US7433889B1 (en) | Method and system for obtaining traffic sign data using navigation systems | |
JP5291935B2 (ja) | オブジェクトの将来の動きを予測するための装置および方法 | |
US11100794B2 (en) | Autonomous driving and slowdown patterns | |
EP2988285A1 (en) | Optimal warning distance | |
US20070001873A1 (en) | Travel time database generating device, method and program | |
EP3657129A1 (en) | Navigation using dynamic intersection map data | |
EP2610782A1 (en) | Method for planning the route of a vehicle | |
US11237007B2 (en) | Dangerous lane strands | |
CN106382939A (zh) | 一种基于历史数据的导航路径行驶时间预测系统及方法 | |
US20130030683A1 (en) | Method For Accurately Timing Stations On A Public Transportation Route | |
CN110375762B (zh) | 一种协助规划导航路径的方法及装置 | |
CN106840153A (zh) | 一种云端计算隧道内通过速度的方法 | |
US20220277163A1 (en) | Predictive shadows to suppress false positive lane marking detection | |
JP4501619B2 (ja) | ナビゲーションシステム | |
EP4086783A1 (en) | Electronic horizon creation method and system | |
CN105806355A (zh) | 一种车辆绿色路径导航系统及方法 | |
CN110696627A (zh) | 一种车辆可达范围的反馈方法及装置、汽车、存储介质 | |
CN109870158A (zh) | 导航终端及其导航路线修正方法、及无人驾驶车辆 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200228 |