CN110929179A - 一种出行数据的处理方法、装置及电子设备 - Google Patents
一种出行数据的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110929179A CN110929179A CN201911072474.6A CN201911072474A CN110929179A CN 110929179 A CN110929179 A CN 110929179A CN 201911072474 A CN201911072474 A CN 201911072474A CN 110929179 A CN110929179 A CN 110929179A
- Authority
- CN
- China
- Prior art keywords
- target
- time segment
- target time
- path
- historical
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种出行数据的处理方法、装置及电子设备,该处理方法包括:从预设区域划中获取至少一个出行区域组合,并将目标统计时段拆分为多个目标时间片段;获取预设区域在至少一个历史统计时段内的历史出行数据,以及每个出行区域组合在每个目标时间片段内的规划路径;根据历史出行数据确定预设区域在每个目标时间片段内的拥堵路段;根据每个目标时间片段内的拥堵路段调整在对应的目标时间片段内经过对应拥堵路段的规划路径,得到对应的目标时间片段内的调整后的规划路径;在目标统计时段内,根据调整后的每个出行区域组合在每个目标时间片段内的规划路径进行相应的路径推荐。
Description
技术领域
本发明涉及出行技术领域,更具体地,涉及一种出行数据的处理方法、一种出行数据的处理装置、一种电子设备、及一种计算机可读存储介质。
背景技术
交通起止点分析一直都是交通领域中的热门话题。对于城市交通的产出原因,本质上就是来源于交通起止点迁移(即OD迁移)。多个实体(包括人、货物等)从出发点至到达点的迁移需求,就形成了交通。也就是说,交通实际上就是OD迁移的过程。排除交通路网中的拥堵现象是交通领域中的重要课题。
当前的交通排堵方案,通常是在出现交通拥堵的时候,通过信号灯调控和/或通过局部诱导屏进行调控,以使已经出现交通拥堵的路段恢复畅通。
由此可见,现有的交通排堵方案具有一定的滞后性,而且都是从局部(例如一个路口)出发,试图直接将局部的通行效率达到最高,如果局部通过的车流量太多,可能不管如何调控,都无法在短时间内排除交通拥堵;另外,该局部周围的交通路段资源不能被有效利用,这也限制了排堵资源的利用。
此外,在现有技术中,在用户查询的路径时,如果路径中出现交通拥堵,用户使用的目标终端的展示效果可以是如图1所示。目标终端中不会预测该路径中的某些路段可能会出现拥堵,而向用户推荐其他路径,这就会导致发生拥堵的路段可能会无法缓解拥堵情况。
发明内容
本发明实施例的一个目的是提供一种交通排堵的新技术方案。
根据本发明的第一方面,提供了一种出行数据的处理方法,包括:
从预设区域划中获取至少一个出行区域组合,并将目标统计时段拆分为多个目标时间片段;所述出行区域组合包括对应的出发区域和到达区域;
获取所述预设区域在至少一个历史统计时段内的历史出行数据,以及每个出行区域组合在每个目标时间片段内的规划路径;
根据所述历史出行数据确定所述预设区域在每个目标时间片段内的拥堵路段;
根据每个目标时间片段内的拥堵路段调整在对应的目标时间片段内经过对应拥堵路段的规划路径,得到对应的目标时间片段内的调整后的规划路径;
在所述目标统计时段内,根据调整后的每个出行区域组合在每个目标时间片段内的规划路径进行相应的路径推荐。
可选的,所述根据所述历史出行数据确定所述预设区域在每个目标时间片段内的拥堵路段的步骤包括:
根据所述历史出行数据,获得每个出行区域组合在每个目标时间片段内的预测出行数量;
分别根据每个目标时间片段内的预测出行数量,确定所述预设区域中的每个路段在对应目标时间片段内的容纳车辆占比;其中,所述容纳车辆占比表征对应路段在对应目标时间片段内的拥堵程度;
对于每个目标时间片段,选取容纳车辆占比超过预设的占比阈值的路段作为对应目标时间片段内的拥堵路段。
可选的,所述根据所述历史出行数据,获得每个出行区域组合在每个目标时间片段内的预测出行数量的步骤包括:
将每个历史统计时段分别划分为与每个目标时间片段相对应的历史时间片段;
分别根据每个历史时间片段的历史出行数据,确定每个出行区域组合在对应历史时间片段内的历史出行数量;
对于每个出行区域组合,分别根据在对应每个目标时间片段的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量。
可选的,所述对于每个出行区域组合,分别根据在对应每个目标时间片段的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量的步骤包括:
对于每个出行区域组合,采用预先训练得到的预测模型,分别根据在对应每个目标时间片段的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量;或者,
对于每个出行区域组合,分别确定在对应每个目标时间片段的历史时间片段内的历史出行数量的平均值,作为在对应目标时间片段内的预测出行数量。
可选的,所述分别根据每个目标时间片段内的预测出行数量,确定所述预设区域中的每个路段在对应目标时间片段内的容纳车辆占比的步骤包括:
分别根据每个目标时间片段内的预测出行数量,确定所述预设区域中的每个路段在对应目标时间片段内的预测车辆数;
获取每个路段的最多容纳车辆数;
对于每个路段,分别根据在每个目标时间片段内的预测车辆数和最多容纳车辆数,得到在对应目标时间片段内的容纳车辆占比。
可选的,所述根据每个目标时间片段内的拥堵路段调整在对应的目标时间片段内经过每个拥堵路段的规划路径,得到对应的目标时间片段内的调整后的规划路径的步骤包括:
根据每个目标时间片段内的拥堵路段,生成拥堵路段集合;
遍历所述拥堵路段组合中的拥堵路段,选取在对应目标时间片段内经过对应拥堵路段的规划路径,得到对应每个拥堵路段的规划路径集合;
根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径。
可选的,所述遍历所述拥堵路段组合中的拥堵路段作为目标拥堵路段的步骤包括:
根据所述容纳车辆占比对所述拥堵路段集合中的拥堵路段进行降序排序;
按照排序顺序,遍历所述拥堵路段组合。
可选的,所述根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径的步骤包括:
获取对应每个规划路径集合的路段集合;
分别在每个路段集合中去除对应的拥堵路段,得到对应规划路径集合的新路段集合;
对于每个规划路径集合,遍历对应规划路径集合中的规划路径作为目标规划路径;并基于对应的新路径集合,调整所述目标规划路径,得到调整后的目标规划路径。
可选的,所述遍历所述规划路径集合中的规划路径作为目标规划路径的步骤包括:
将规划路径集合中的规划路径按照路径长度进行升序排序;
按照排序顺序,遍历所述规划路径集合中的规划路径作为目标规划路径。
可选的,所述方法的步骤包括:
获取所述目标规划路径的第一路径长度、及所述调整后的目标规划路径的第二路径长度,如果所述第二路径长度与所述第一路径长度之间的第一比值小于或等于预设的第一阈值,则保留调整后的目标规划路径;和/或,
获取所述目标规划路径的第一行驶时间、及所述调整后的目标规划路径的第二行驶时间,如果所述第二行驶时间与所述第一行驶时间之间的第二比值小于或等于预设的第二阈值,则保留调整后的规划路径。
可选的,所述处理方法还包括:
基于调整后的目标规划路径,重新确定所述目标拥堵路段在对应的目标时间片段内的新的容纳车辆占比;如果所述新的容纳车辆占比小于或等于所述占比阈值,则结束遍历所述规划路径集合的步骤。
可选的,所述根据每个目标时间片段内的拥堵路段,生成拥堵路段集合之前包括:
对于每个目标时间片段,将相邻的拥堵路段进行合并。
可选的,所述从预设区域划中获取至少一个出行区域组合的步骤包括:
将所述预设区域划分为多个子区域;
选取至少一对子区域分别作为对应出行区域组合的出发区域和到达区域。
可选的,所述将所述预设区域划分为多个子区域的方法包括以下任意一种或任意组合:
根据所述预设区域内布置的高清卡口系统,采用预设的蓄水池模型,将所述预设区域划分为多个子区域;
按照社会属性,将所述预设区域内划分为多个子区域;
按照坐标范围,将所述预设区域内划分为多个子区域。
可选的,所述根据调整后的每个出行区域组合在每个目标时间片段内的规划路径向用户进行相应的路径推荐的步骤包括:
响应于目标终端发出的获取在目标时刻从目标起点出发至目标终点的路径查询请求,确定所述目标起点和所述目标终点所对应的出行区域组合,作为目标出行区域组合;
从调整后的每个出行区域组合在每个目标时间片段内的规划路径中,选取在所述目标时刻所属的目标时间片段内,所述目标出行区域组合对应的规划路径,作为推荐路径;
将所述推荐路径发送至所述目标终端中进行展示。
可选的,还包括:
响应于目标终端针对指定的目标时间片段内的路况查看请求,获取所述指定的时间片段内的拥堵路段;
在所述目标终端所展示的地图中标示所述指定的时间片段内的拥堵路段。
可选的,还包括:
提供时间进度拉条,以供用户通过所述目标终端选择所述指定的目标时间片段。
可选的,还包括:
根据每个出行区域组合在每个目标时间片段内的预测出行数量,调整所述目标统计时段内目标时间片段的数量。
可选的,还包括:
对预设的多个用户进行分组,得到多个用户组合;
所述根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径包括:
针对每个用户组合,分别根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径,使得不同用户组合对应的调整后的规划路径不同。
可选的,还包括:
获取所述目标终端所选择的实际路径,以还根据所述实际路径确定所述预设区域在每个目标时间片段内的拥堵路段。
根据本发明的第二方面,提供了一种出行数据的处理装置,包括:
时空获取拆分模块,用于从预设区域划中获取至少一个出行区域组合,并将目标统计时段拆分为多个目标时间片段;所述出行区域组合包括对应的出发区域和到达区域;
数据路径获取模块,用于获取所述预设区域在至少一个历史统计时段内的历史出行数据,以及每个出行区域组合在每个目标时间片段内的规划路径;
拥堵路段确定模块,用于根据所述历史出行数据确定所述预设区域在每个目标时间片段内的拥堵路段;
规划路径调整模块,用于根据每个目标时间片段内的拥堵路段调整在对应的目标时间片段内经过对应拥堵路段的规划路径,得到对应的目标时间片段内的调整后的规划路径;
路径推荐模块,用于在所述目标统计时段内,根据调整后的每个出行区域组合在每个目标时间片段内的规划路径进行相应的路径推荐。
根据本发明的第三方面,提供了一种电子设备,包括根据本发明第二方面所述的处理装置;或者,包括处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行根据本发明第一方面所述的处理方法。
根据本发明的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现如本发明第一方面所述的处理方法。
在本发明的实施例中,通过从预设区域中获取至少一个出行区域组合,将目标统计时段拆分为多个目标时间片段,获取预先区域在至少一个历史统计时段内的历史出行数据,以及每个目标时间片段内每个出行区域组合的规划路径,根据历史出行数据确定预设区域在每个目标时间片段内的拥堵路段,并根据每个目标时间片段内的拥堵路段调整对应目标时间片段内经过对应拥堵路段的规划路径,得到在对应目标时间片段内的调整后的规划路径,以在目标统计时段内进行相应的路径推荐。这样,可以从预设区域整体角度出发,根据出发区域至到达区域的时空需求这一交通拥堵出现的根本原因,解决预设区域整体的拥堵问题。此外,得到的每个出行区域组合在每个目标统计时段内的调整后的规划路径,可以用于预设区域内进行交通诱导、自动驾驶等场景中。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是现有技术中目标终端的展示界面的示意图。
图2a是根据本发明实施例的出行数据的处理系统的一个例子的配置结构示意图。
图2b是根据本发明实施例的出行数据的处理系统的另一个例子的配置结构示意图。
图3示出了本发明的实施例的出行数据的处理方法的流程图。
图4a示出了路段结构的示意图。
图4b示出了规划路径的调整效果的示意图。
图5示出了目标终端的展示界面的一个例子的示意图。
图6示出了本发明的实施例的出行数据的处理方法的一个例子的流程图。
图7示出了本发明的实施例的出行数据的处理装置的框图。
图8示出了本发明的实施例的电子设备的框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图2a和图2b是可用于实现本发明任意实施例的出行数据的处理方法的电子设备1000的硬件配置的框图。
在一个实施例中,如图2a所示,电子设备1000可以是服务器1100。
服务器1100提供处理、数据库、通讯设施的业务点。服务器1100可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的,例如但不限于,网络服务器,新闻服务器,邮件服务器,消息服务器,广告服务器,文件服务器,应用服务器,交互服务器,数据库服务器,或代理服务器。在一些实施例中,每个服务器可以包括硬件,软件,或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。例如,服务器例如刀片服务器、云端服务器等,或者可以是由多台服务器组成的服务器群组,可以包括上述类型的服务器中的一种或多种等等。
本实施例中,服务器1100可以如图2a所示,包括处理器1110、存储器1120、接口装置1130、通信装置1140、显示装置1150、输入装置1160。
在该实施例中,服务器1100还可以包括扬声器、麦克风等等,在此不做限定。
处理器1110可以是专用的服务器处理器,也可以是满足性能要求的台式机处理器、移动版处理器等,在此不做限定。存储器1120例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1130例如包括各种总线接口,例如串行总线接口(包括USB接口)、并行总线接口等。通信装置1140例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏、LED显示屏触摸显示屏等。输入装置1160例如可以包括触摸屏、键盘等。
在该实施例中,服务器1100的存储器1120用于存储指令,该指令用于控制处理器1110进行操作以至少执行根据本发明任意实施例的出行数据的处理方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
尽管在图2a中示出了服务器1100的多个装置,但是,本发明可以仅涉及其中的部分装置,例如,服务器1100只涉及存储器1120和处理器1110。
在一个实施例中,电子设备1000可以是操作人员使用的PC机、笔记本电脑等终端设备1200,在此不做限定。
本实施例中,参照图2b所示,终端设备1200可以包括处理器1210、存储器1220、接口装置1230、通信装置1240、显示装置1250、输入装置1260、扬声器1270、麦克风1280等等。
处理器1210可以是移动版处理器。存储器1220例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1230例如包括USB接口、耳机接口等。通信装置1240例如能够进行有线或无线通信,通信装置1240可以包括短距离通信装置,例如是基于Hilink协议、WiFi(IEEE 802.11协议)、Mesh、蓝牙、ZigBee、Thread、Z-Wave、NFC、UWB、LiFi等短距离无线通信协议进行短距离无线通信的任意装置,通信装置1240也可以包括远程通信装置,例如是进行WLAN、GPRS、2G/3G/4G/5G远程通信的任意装置。显示装置1250例如是液晶显示屏、触摸显示屏等。输入装置1260例如可以包括触摸屏、键盘等。用户可以通过扬声器1270和麦克风1280输入/输出语音信息。
在该实施例中,终端设备1200的存储器1220用于存储指令,该指令用于控制处理器1210进行操作以至少执行根据本发明任意实施例的出行数据的处理方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
尽管在图2b中示出了终端设备1200的多个装置,但是,本发明可以仅涉及其中的部分装置,例如,终端设备1200只涉及存储器1220和处理器1210和显示装置1250。
<方法实施例>
图3为根据本发明实施例的出行数据的处理方法的示意性流程图。
在一个例子中,图3所示的出行数据的处理方法可以仅由服务器或终端设备单独实施,也可以是由服务器和终端设备共同实施。在一个实施例中,终端设备可以是如图2b所示的终端设备1200,服务器可以是如图2a所示的服务器1100。
如图3所示,本实施例的出行数据的处理方法包括如下步骤S1000~S5000:
步骤S1000,从预设区域中获取至少一个出行区域组合,并将目标统计时段拆分为多个目标时间片段。
其中,每个出行区域组合均包括对应的出发区域和到达区域。
在一个实施例中,从预设区域中获取至少一个出行区域组合可以包括如下所示的步骤S1100~S1200:
步骤S1100,将预设区域划分为多个子区域。
在一个例子中,将一个预设区域划分为多个子区域的方式可以包括如下方式中的任意一种或任意组合:
采用预设的蓄水池模型,根据预设区域内布置的高清卡口系统,将预设区域划分为多个子区域;
按照社会属性,将预设区域划分为多个子区域;
按照坐标范围,将预设区域划分为多个子区域。
在采用预设的蓄水池模型,根据预设区域内布置的高清卡口系统,将预设区域划分为多个子区域的实施例中,高清卡口系统是采用先进的光电技术、图像处理技术、模式识别技术对过往的每一辆汽车均拍下车辆的图像,并自动识别出车辆的牌照,所采集到的车辆的信息数据均保存在服务器数据库中。蓄水池模型是基于高清卡口系统中卡口的活跃度、及活跃卡口围成的蓄水池区域进行训练得到的。因此,采用该蓄水池模型,就可以将预设区域划分为多个子区域。
在按照社会属性,将预设区域划分为多个子区域的实施例中,社会属性可以包括小区、商场、写字楼等。因此,按照社会属性,得到的子区域可以是XX小区、XX商场、XX写字楼等。
在按照坐标范围,将预设区域划分为多个子区域的实施例中,可以按照指定的经纬线将预设区域划分为多个子区域;也可以先确定预设区域的坐标范围,再按照预设的每个子区域的尺寸面积,将预设区域划分为多个子区域。
步骤S1200,选取至少一对子区域分别作为对应出行区域组合的出发区域和到达区域。
具体的,可以是对每两个子区域的排列组合,得到对应出行区域组合。
例如,可以是提取一对子区域(包括子区域A和子区域B),可以是将子区域A作为出发区域、子区域B作为达到单元,得到出行区域组合1;将子区域B作为出发区域、子区域A作为达到单元,得到出行区域组合2。
统计时段可以是预先根据应用场景或具体需求设定,例如,统计时段的时长可以是一天。目标统计时段可以是未来的一天。
在一个例子中,可以是将目标统计时段平均拆分为多个时长相等的目标时间片段。每个目标时间片段的时长可以预先根据应用场景或具体需求设定,例如,每个目标时间片段的时长可以是10分钟。
如果目标统计时段的为X年X月X日,每个目标时间片段的时长可以是10分钟,那么,可以将目标统计时段拆分为144个目标时间片段,分别为X年X月X日的00:00-00:10、00:10-00:20、00:20-00:30、……、23:40-23:50、23:50-24:00。
步骤S2000,获取预设区域在至少一个历史统计时段内的历史出行数据,以及每个目标时间片段内每个出行区域组合的规划路径。
在本实施例中,历史统计时段可以有多个,每个历史统计时段的时长与目标统计时段的时长可以相等,且目标统计时段在每个历史统计时段之后。例如,在目标统计时段为X年X月X日时,历史统计时段可以X年X月X日之前的一天。
在一个实施例中,历史出行数据可以包括多个历史出行轨迹、及每个历史出行轨迹对应的出发时间。
具体的,历史出行数据可以是通过提取地图轨迹获得,也可以是对设置在预设区域内的高清卡口系统采集的图像进行分析获得。
对于每个出行区域组合,每个目标时间片段内的规划路径,具体可以是基于最短距离进行路径规划得到的,也可以基于道路最小最短时间(最短时间定义为路径长度/最大限速)进行路径规划得到的,还可以是基于当前的交通路况来进行路径规划得到的。
步骤S3000,根据历史出行数据确定预设区域在每个目标时间片段内的拥堵路段。
在一个实施例中,根据历史出行数据确定预设区域在每个目标时间片段内的拥堵路段的步骤可以包括如下所示的步骤S3100~S3300:
步骤S3100,根据历史出行数据,获得每个出行区域组合在每个目标时间片段内的预测出行数量。
在本例中,每个出行区域组合的预测出行数量,即为对应出行区域组合的规划路径的预测出行数量。
例如,目标时间片段的数量为N,出行区域组合的数量为M,第m个出行区域组合包括出发区域Oi和到达区域Dj,那么,第m个出行区域组合在第n个目标时间片段内的预测出行数量可以表示为Qm,n,m∈[1,M],n∈[1,n],即为出发时间在第k个目标时间片段内、从出发区域Oi至到达区域Dj的预测出行数量。
在一个实施例中,根据历史出行数据,获得每个出行区域组合在每个目标时间片段内的预测出行数量的步骤可以包括如下所示的步骤S3110~S3130:
步骤S3110,将每个历史统计时段分别划分为与每个目标时间片段相对应的历史时间片段。
例如,目标时间片段包括分别为X年X月X日的00:00-00:10、00:10-00:20、00:20-00:30、……、23:40-23:50、23:50-24:00,那么,历史统计时段1为X年X月Y日时,将历史统计时段1划分得到的历史时间片段包括X年X月Y日的00:00-00:10、00:10-00:20、00:20-00:30、……、23:40-23:50、23:50-24:00。历史统计时段2为X年X月Z日时,将历史统计时段2划分得到的历史时间片段包括X年X月Z日的00:00-00:10、00:10-00:20、00:20-00:30、……、23:40-23:50、23:50-24:00。其中,历史时间片段X年X月Y日的00:00-00:10和历史时间片段X年X月Z日的00:00-00:10,与目标时间片段X年X月X日的00:00-00:10相对应。
步骤S3120,分别根据每个历史时间片段的历史出行数据,确定每个出行区域组合在对应历史时间片段内的历史出行数量。
具体的,可以先根据历史出行数据中每个历史出行轨迹的起点和终点,确定每个历史出行轨迹对应的出行区域组合。再根据对应每个出行区域组合的历史出行轨迹对应的出发时间,每个出行区域组合在每个历史时间片段内的历史出行轨迹;分别对每个出行区域组合在每个历史时间片段内的历史出行轨迹的数量进行统计,可以得到每个出行区域组合在每个历史时间片段内的历史出行数量。
步骤S3130,对于每个出行区域组合,分别根据在对应每个目标时间片段内的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量。
在一个实施例中,对于每个出行区域组合,分别根据在对应每个目标时间片段内的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量的方式可以包括:
对于每个出行区域组合,采用预设的预测模型,分别根据在对应每个目标时间片段内的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量。
在本实施例中,可以是预先训练有对应每个目标时间片段的预测模型,该预测模型可以是以对应的历史出行数量和实际出行数量为训练样本进行训练得到。对于每个出行区域组合,分别根据对应每个目标时间片段的预测模型,根据对应的历史时间片段内的历史出行数量,得到预测出行数量。
例如,目标时间片段的数量为N,出行区域组合的数量为M,出行区域组合m在第n个目标时间片段内的预测出行数量为Qm,n,m∈[1,M],n∈[1,n],历史统计时段的数量为K,出行区域组合m在第k个历史统计时段的第n个历史时间片段内的历史出行数量为Qm,n,k,m∈[1,M],n∈[1,n],k∈[1,K]。那么,可以是将出行区域组合m在每个历史统计时段的第n个历史时间片段内的历史出行数量Qm,n,1、Qm,n,2、Qm,n,3、……、Qm,n,K输入至第n个目标时间片段对应的预测模型中,得到出行区域组合m在第n个目标时间片段内的预测出行数量为Qm,n。
在另一个实施例中,对于每个出行区域组合,分别根据在对应每个目标时间片段的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量的方式还可以包括:
对于每个出行区域组合,分别确定在对应每个目标时间片段的历史时间片段内的历史出行数量的平均值,作为在对应目标时间片段内的预测出行数量。
例如,目标时间片段的数量为N,出行区域组合的数量为M,出行区域组合m在第n个目标时间片段内的预测出行数量为Qm,n,m∈[1,M],n∈[1,n],历史统计时段的数量为K,出行区域组合m在第k个历史统计时段的第n个历史时间片段内的历史出行数量为Qm,n,k,m∈[1,M],n∈[1,n],k∈[1,K]。那么,可以是确定出行区域组合m在每个历史统计时段的第n个历史时间片段内的历史出行数量Qm,n,1、Qm,n,2、Qm,n,3、……、Qm,n,K的平均值,作为出行区域组合m在第n个目标时间片段内的预测出行数量为Qm,n。
步骤S3200,分别根据每个目标时间片段内的预测出行数量,确定预设区域内每个路段在对应目标时间片段内的容纳车辆占比。
其中,容纳车辆占比表征对应路段在对应目标时间片段内的拥堵程度。
在一个实施例中,分别根据每个目标时间片段内的预测出行数量,确定预设区域内每个路段在对应目标时间片段内的容纳车辆占比可以包括如下所示的步骤S3210~S3230:
步骤S3210,分别根据每个目标时间片段内的预测出行数量,确定预设区域中每个路段在对应目标时间片段内的预测车辆数。
在本实施例中,路段是交通网络上相邻两个节点之间的一个行驶方向的交通线路。参考图4a所示中的A~H为交通网络上的节点,那么,由节点A行驶至节点D之间的交通线路就表示一个路段A→D,由节点D行驶至节点A的交通线路就表示路段D→A。由节点C行驶至节点C之间的交通线路就表示一个路段D→C,由节点D行驶至节点C的交通线路就表示路段D→C。在如图4a所示的区域中,包括路段A→D、D→A、D→C、D→C、D→B、B→D、D→E、E→D、E→F、F→E、F→G、G→F、F→H、H→F。
可以是对于每个目标时间片段,根据每个出行区域组合的规划路径的预测出行数量,可以得到预设区域中每个路段的预测车辆数。具体的,可以是对于每个目标时间片段的每个路段,确定经过对应路段的规划路径的预测出行数量的总和,作为对应路段在对应目标时间片段内的预测车辆数。
例如,目标时间片段的数量为N,预设区域中包括W个路段,对于第w个路段,在第n个目标时间片段内经过第w个路段的规划路径的预测出行数量的总和,即为第w个路段在第n个目标时间片段内的预测车辆数Qw,n,w∈[1,W],n∈[1,n]。
步骤S3220,获取每个路段的最多容纳车辆数。
在一个实施例中,可以根据每个路段的路段长度、车道数量、及预设的车辆长度,得到对应路段的最多容纳车辆数。
例如,第w个路段的路径长度为Lw,车道数量为Dw,预先假设每辆车的车流长度相等均为L,那么,第w个路段的最多容纳车辆数可以为Qw=Lw*Dw/L。
步骤S3230,对于每个路段,分别根据在每个目标时间片段内的预测车辆数和最多容纳车辆数,得到在对应目标时间片段内的容纳车辆占比。
例如,目标时间片段的数量为N,预设区域中包括W个路段,第w个路段在第n个目标时间片段内的预测车辆数为Qw,n,w∈[1,W],n∈[1,n],第w个路段的最多容纳车辆数为Qw=Lw*Dw/L,那么,第w个路段在第n个目标时间片段内容纳车辆占比可以为ρw=Qw,n/Qw。
步骤S3300,对于每个目标时间片段,选取容纳车辆占比超过预设的占比阈值的路段作为对应目标时间片段内的拥堵路段。
其中,占比阈值可以是预先根据应用场景或具体需求设定的,例如,占比阈值可以是0.7,那么,可以是将容纳车辆占比超过0.7的路段作为对应的目标时间片段内的拥堵路段。
步骤S4000,根据每个目标时间片段内的拥堵路段调整对应目标时间片段内经过对应拥堵路段的规划路径,得到对应目标时间片段内的调整后的规划路径。
在一个实施例中,根据每个目标时间片段内的拥堵路段调整对应目标时间片段内经过对应拥堵路段的规划路径,得到对应目标时间片段内的调整后的规划路径的步骤可以包括如下所示的步骤S4100~S4300:
步骤S4100,根据每个目标时间片段内的拥堵路段,生成拥堵路段集合。
具体的,可以是根据所有的拥堵路段的生成拥堵路段集合。该拥堵路段集合中可以包括在不同目标时间片段下的相同拥堵路段。例如,在拥堵路段集合中可以包括多个不同目标时间片段下的拥堵路段x。
在一个实施例中,根据每个目标时间片段内的拥堵路段,生成拥堵路段集合之前还可以包括:
对于每个目标时间片段,将相邻的拥堵路段进行合并。
例如,在第n个目标时间片段下,如图4a所示的区域中,如果相邻的路段A→D、路段D→C、路段D→E、和路段E→F均为拥堵路段,可以将路段A→D和路段D→C合并为路段A→C,还可以将路段A→D、路段D→E和路段E→F合并为路段A→F。
步骤S4200,遍历拥堵道路组合中的拥堵路段,选取在对应目标时间片段内经过对应拥堵路段的规划路径,得到对应每个拥堵路段的规划路径集合。
具体的,可以是遍历拥堵道路组合中的拥堵路段作为目标拥堵路段,选取在目标拥堵路段对应的目标时间片段内经过目标拥堵路段的规划路径,得到对应目标拥堵路段的规划路径集合。
例如,拥堵道路组合中包括目标时间片段1内的拥堵路段1和目标时间片段2内的拥堵路段2,那么,可以是选取在目标时间片段1内经过拥堵路段1的规划路径,得到对应目标时间片段1内的拥堵路段1的规划路径集合;选取在目标时间片段2内经过拥堵路段2的规划路径,得到对应目标时间片段2内的拥堵路段2的规划路径集合。
再例如,拥堵道路组合中包括目标时间片段1内的拥堵路段1和目标时间片段2内的拥堵路段1,那么,可以是选取在目标时间片段1内经过拥堵路段1的规划路径,得到对应目标时间片段1内的拥堵路段1的规划路径集合;选取在目标时间片段2内经过拥堵路段1的规划路径,得到对应目标时间片段2内的拥堵路段1的规划路径集合。
在一个实施例中,可以是按照容纳车辆占比由大至小的顺序对拥堵道路集合进行遍历。具体的,遍历拥堵道路组合的步骤可以包括如下所示的步骤S4210~S4220:
步骤S4210,根据容纳车辆占比对拥堵路段集合中的拥堵路段进行降序排序。
步骤S4220,按照排序顺序,遍历拥堵道路集合中的拥堵路段。
步骤S4300,根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径。
例如,第x个规划路径集合包括在第y个目标时间片段内经过第z个拥堵路段的规划路径,可以是根据第z个拥堵路段对第x个规划路径集合中的规划路径进行调整,得到对应的调整后的规划路径。
在一个实施例中,根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径的步骤可以包括如下所示的步骤S4310~S4320:
在一个实施例中,根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径的步骤包括如下所示的步骤S4310~S4330:
步骤S4310,获取对应每个规划路径集合的路段集合。
具体的,在本步骤中,可以针对每个规划路径集合建立对应的路段集合,每个路段集合中均包括预设区域中的所有路段。
步骤S4320,分别在每个规划路径集合对应的路段集合中去除对应的拥堵路段,得到对应规划路径集合的新路段集合。
例如,第x个规划路径集合包括在第y个目标时间片段内经过第z个拥堵路段的规划路径,那么,可以是在在第x个规划路径集合对应的路段集合中去除第z个拥堵路段,得到第x个规划路径集合对应的新路段集合。
步骤S4330,对于每个规划路径集合,遍历对应规划路径集合中的规划路径作为目标规划路径,并基于对应的新路径集合,调整目标规划路径,得到调整后的目标规划路径。
对于一个规划路径集合中的规划路径进行调整的效果可以是如图4b所示。
在一个实施例中,对于每个规划路径集合,遍历对应规划路径集合中的规划路径作为目标规划路径的步骤可以包括如下所示的步骤S4341~S4342:
步骤S4341,将每个规划路径集合中的规划路径按照路径长度进行升序排序。
步骤S4342,对于每个规划路径集合,按照排序顺序,遍历规划路径集合中的规划路径作为目标规划路径。
按照路径长度升序排序的顺序,遍历规划路径集合中的规划路径作为目标规划路径,即按照路径长度由小至大的顺序选取目标规划路径。
由于基于第x个目标时间片段内的新路径集合调整目标规划路径,且第x个目标时间片段内的新路径集合中不包含该目标时间片段内的目标拥堵路段,因此,第x个目标时间片段内的调整后的目标规划路径中也不经过目标拥堵路段。
在得到对应的目标时间片段内的调整后的目标规划路径之后,该处理方法还可以包括:
获取目标规划路径的第一路径长度、及调整后的目标规划路径的第二路径长度,如果第二路径长度与第一路径长度之间的第一比值小于或等于预设的第一阈值,则将目标规划路径替换为调整后的目标规划路径,否则,保留调整前的目标规划路径;和/或,
获取目标规划路径的第一行驶时间、及调整后的目标规划路径的第二行驶时间,如果第二行驶时间与第二行驶时间之间的第二比值小于或等于预设的第二阈值,则将目标规划路径替换为调整后的目标规划路径,否则,保留调整前的目标规划路径。
规划路径的行驶时间具体可以根据对应路径的路径长度和最高限速得到。例如,目标规划路径的路径长度为L1,最高限速为v1,那么,目标规划路径的第一行驶时间可以为L1/v1。
在本实施例中,基于调整后的目标规划路径,重新确定目标拥堵路段在对应的目标时间片段内的新的容纳车辆占比;如果新的容纳车辆占比小于或等于占比阈值,则结束遍历对应规划路径集合的步骤。
步骤S5000,在目标统计时段内,根据调整后的每个出行区域组合在每个目标时间片段内的规划路径进行相应的路径推荐。
在一个实施例中,可以是在每个时间片段内,将调整后的出行区域组合的规划路径推荐至对应的诱导屏中进行展示,以诱导车辆按照调整后的规划路径行驶。
在一个实施例中,在目标统计时段内,根据每个目标时间片段内的调整后的规划路径进行相应的路径推荐的步骤可以包括如下所示的步骤S5100~S5300:
步骤S5100,响应于目标终端发出的获取在目标时刻从目标起点出发至目标终点的路径查询请求,确定目标起点和目标终点所对应的出行区域组合,作为目标出行区域组合。
其中,目标时刻属于目标统计时段。
具体的,可以确定目标起点所属的子区域,作为目标出发区域,确定目标终端所属的子区域,作为目标到达区域,根据目标出发区域和目标到达区域,得到对应的目标出行区域组合。
在本实施例中,目标终端可以是安装有指定的地图应用客户端的终端设备。用户通过使用该目标终端可以查询在目标时刻从目标起点出发至目标终点的路径。
如图5所示,该目标终端中可以提供查询界面,该界面中可以设置有出发时间(即为目标时刻)的下拉选择项、查询按钮、用于输入目标起点的第一输入框和目标终点的第二输入框。用户可以通过下拉选择项选择对应的出发时间,通过第一输入框输入目标起点,通过第二输入框输入目标终点,并通过点击查询按钮,触发目标终端发出获取在目标时刻从目标起点出发至目标终点的路径查询请求。
步骤S5200,从调整后的每个出行区域组合在每个目标时间片段内的规划路径中,选取在目标时刻所属的目标时间片段内,目标出行区域组合对应的规划路径,作为推荐路径。
步骤S5300,将推荐路径发送至目标终端中进行展示。
推荐路径的展示效果可以是如图5所示。
在本发明的实施例中,通过从预设区域中获取至少一个出行区域组合,将目标统计时段拆分为多个目标时间片段,获取预先区域在多个历史统计时段内的历史出行数据,以及每个目标时间片段内每个出行区域组合的规划路径,根据历史出行数据确定预设区域在每个目标时间片段内的拥堵路段,并根据每个目标时间片段内的拥堵路段调整对应目标时间片段内经过对应拥堵路段的规划路径,得到在对应目标时间片段内的调整后的规划路径,以在目标统计时段内进行相应的路径推荐。这样,可以从预设区域整体角度出发,根据出发区域至到达区域的时空需求这一交通拥堵出现的根本原因,解决预设区域整体的拥堵问题。此外,得到的每个出行区域组合在每个目标统计时段内的调整后的规划路径,可以用于预设区域内进行交通诱导、自动驾驶等场景中。
在本发明的一个实施例中,该处理方法还可以包括:
响应于目标终端针对指定的目标时间片段内的路况查看请求,获取指定的时间片段内的拥堵路段;
在目标终端所展示的地图中标示指定的时间片段内的拥堵路段。
在本发明的一个实施例中,可以是在终端设备所展示的地图中展示预设区域内的所有路段,其中的拥堵路段可以是通过第一颜色展示,非拥堵路段可以是通过第二颜色展示,以区分拥堵路段和非拥堵路段。
该第一颜色和第二颜色可以是预先根据应用场景或具体需求设定好,例如,第一颜色可以是红色,第二颜色可以是绿色。
在本发明的一个实施例中,指定的目标时间片段可以是由用户通过其终端设备所选择确定的。该处理方法还可以包括:
提供时间进度拉条,以供用户通过目标终端选择指定的目标时间片段。
具体的,可以是在目标终端上提供时间进度拉条,用户可以通过拖动该时间进度拉条来选择指定的目标时间片段。
在本发明的一个实施例中,该处理方法还可以包括:
根据每个出行区域组合在每个目标时间片段内的预测出行数量,调整目标统计时段内目标时间片段的数量。
在一个例子中,可以是确定所有出行区域组合在所有目标时间片段内的预测出行数量的平均值,并在该平均值大于预设的第一阈值的情况下,可以增大目标统计时段内目标时间片段的数量,即缩短目标时间片段的时长,这样可以使得预测粒度更细、更准确。在该平均值小于预设的第二阈值的情况下,可以减少目标统计时段内目标时间片段的数量,即延长目标时间片段的时长。其中,第一阈值和第二阈值可以是预先根据应用场景或具体需求设定的。
在另一个例子中,可以是确定所有出行区域组合在所有目标时间片段内的预测出行数量,并对这些预测出行数量进行排序,选取排序值为设定值的预测出行数量与预设的第三阈值进行比较,在该预测出行数量大于或等于第三阈值的情况下,可以增大目标统计时段内目标时间片段的数量,即缩短目标时间片段的时长,这样可以使得预测粒度更细、更准确。在该平均值小于预设的第四阈值的情况下,可以减少目标统计时段内目标时间片段的数量,即延长目标时间片段的时长。其中,第三阈值和第四阈值可以是预先根据应用场景或具体需求设定的。
在本发明的一个实施例中,该处理方法还可以包括:
对预设的多个用户进行分组,得到多个用户组合;
根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径包括:
针对每个用户组合,分别根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径,使得不同用户组合对应的调整后的规划路径不同。
这样,可以避免向同一出行区域组合所对应的所有用户推荐相同的调整后的规划路径,造成调整后的规划路径发生拥堵。
在本发明的一个实施例中,该处理方法还可以包括:
获取目标终端所选择的实际路径,以还根据实际路径确定预设区域在每个目标时间片段内的拥堵路段。
具体的,可以是将目标终端对路线的选择结果纳入规划路径的考虑因素,即将目标终端所选择的实际路径作为确定预设区域在每个目标时间片段内的拥堵路段的输入参数,进而对规划路径进行调整。
<例子1>
下面以一个具体的例子来说明本发明实施例中出行数据的处理方法实施的过程。如图6所示,该处理方法可以包括:
步骤S6001,将预设区域划分为多个子区域。
步骤S6002,选取多对子区域分别作为对应出行区域组合的出发区域和到达区域。
步骤S6003,获取预设区域在多个历史统计时段内的历史出行数据,以及每个目标时间片段内每个出行区域组合的规划路径。
步骤S6004,将每个历史统计时段分别划分为与每个目标时间片段相对应的历史时间片段。
步骤S6005,分别根据每个历史时间片段的历史出行数据,确定每个出行区域组合在对应历史时间片段内的历史出行数量。
步骤S6006,对于每个出行区域组合,分别根据在对应每个目标时间片段内的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量。
步骤S6007,分别根据每个目标时间片段内的预测出行数量,确定预设区域中每个路段在对应目标时间片段内的预测车辆数。
步骤S6008,获取每个路段的最多容纳车辆数。
步骤S6009,对于每个路段,分别根据在每个目标时间片段内的预测车辆数和最多容纳车辆数,得到在对应目标时间片段内的容纳车辆占比。
步骤S6010,对于每个目标时间片段,选取容纳车辆占比超过预设的占比阈值的路段作为对应目标时间片段内的拥堵路段。
例如,在第x个目标时间片段内的拥堵路段可以是如图4b中的路段C4→C3。
步骤S6011,根据每个目标时间片段内的拥堵路段,生成拥堵路段集合。
步骤S6012,根据容纳车辆占比对拥堵路段集合中的拥堵路段进行降序排序。
步骤S6013,按照排序顺序,遍历拥堵道路集合中的拥堵路段,选取在对应目标时间片段内经过对应拥堵路段的规划路径,得到对应每个拥堵路段的规划路径集合。
在如图4b所示的例子中,在第x个目标时间片段内经过拥堵路段C4→C3的规划路径集合y中包括规划路径1和规划路径2。
步骤S6014,获取对应每个规划路径集合的路段集合。
步骤S6015,分别在每个规划路径集合对应的路段集合中去除对应的拥堵路段,得到对应规划路径集合的新路段集合。
步骤S6016,将每个规划路径集合中的规划路径按照路径长度进行升序排序。
在如图4b所示的例子中,在第x个目标时间片段内经过拥堵路段C4→C3的规划路径集合y中,规划路径1的路径长度小于规划路径2的路径长度,因此,按照路径长度对规划路径1和规划路径2进行升序排序,得到的结果为规划路径1、规划路径2。
步骤S6017,对于每个规划路径集合,按照排序顺序,遍历对应规划路径集合中的规划路径作为目标规划路径,并基于对应的新路径集合,调整目标规划路径,得到调整后的目标规划路径。
按照排序顺序遍历该规划路径集合y,先将规划路径1作为目标规划路径,基于对应的新路径集合,调整目标规划路径1,得到调整后的规划路径1。
步骤S6018,基于调整后的目标规划路径,重新确定目标拥堵路段在对应的目标时间片段内的新的容纳车辆占比;如果新的容纳车辆占比小于或等于占比阈值,则结束遍历对应规划路径集合的步骤。
步骤S6019,响应于目标终端发出的获取在目标时刻从目标起点出发至目标终点的路径查询请求,确定目标起点和目标终点所对应的出行区域组合,作为目标出行区域组合。
步骤S6020,从调整后的每个出行区域组合在每个目标时间片段内的规划路径中,选取在目标时刻所属的目标时间片段内,目标出行区域组合对应的规划路径,作为推荐路径。
步骤S6021,将推荐路径发送至目标终端中进行展示。
<装置>
在本实施例中,提供一种出行数据的处理装置7000。如图7所示,该处理装置7000可以包括时空获取拆分模块7100、数据路径获取模块7200、拥堵路段确定模块7300、规划路径调整模块7400和路径推荐模块7500。
上述时空获取拆分模块7100用于从预设区域划中获取至少一个出行区域组合,并将目标统计时段拆分为多个目标时间片段;出行区域组合包括对应的出发区域和到达区域。
上述数据路径获取模块7200用于获取预设区域在至少一个历史统计时段内的历史出行数据,以及每个出行区域组合在每个目标时间片段内的规划路径。
上述拥堵路段确定模块7300用于根据历史出行数据确定预设区域在每个目标时间片段内的拥堵路段。
上述规划路径调整模块7400用于根据每个目标时间片段内的拥堵路段调整在对应的目标时间片段内经过对应拥堵路段的规划路径,得到对应的目标时间片段内的调整后的规划路径。
上述路径推荐模块7500用于在目标统计时段内,根据调整后的每个出行区域组合在每个目标时间片段内的规划路径进行相应的路径推荐。
在本发明的一个实施例中,拥堵路段确定模块7300还可以用于:
根据历史出行数据,获得每个出行区域组合在每个目标时间片段内的预测出行数量;
分别根据每个目标时间片段内的预测出行数量,确定预设区域中的每个路段在对应目标时间片段内的容纳车辆占比;其中,容纳车辆占比表征对应路段在对应目标时间片段内的拥堵程度;
对于每个目标时间片段,选取容纳车辆占比超过预设的占比阈值的路段作为对应目标时间片段内的拥堵路段。
在本发明的一个实施例中,根据历史出行数据,获得每个出行区域组合在每个目标时间片段内的预测出行数量可以包括:
将每个历史统计时段分别划分为与每个目标时间片段相对应的历史时间片段;
分别根据每个历史时间片段的历史出行数据,确定每个出行区域组合在对应历史时间片段内的历史出行数量;
对于每个出行区域组合,分别根据在对应每个目标时间片段的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量。
在本发明的一个实施例中,对于每个出行区域组合,分别根据在对应每个目标时间片段的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量可以包括:
对于每个出行区域组合,采用预先训练得到的预测模型,分别根据在对应每个目标时间片段的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量;或者,
对于每个出行区域组合,分别确定在对应每个目标时间片段的历史时间片段内的历史出行数量的平均值,作为在对应目标时间片段内的预测出行数量。
在本发明的一个实施例中,分别根据每个目标时间片段内的预测出行数量,确定预设区域中的每个路段在对应目标时间片段内的容纳车辆占比可以包括:
分别根据每个目标时间片段内的预测出行数量,确定预设区域中的每个路段在对应目标时间片段内的预测车辆数;
获取每个路段的最多容纳车辆数;
对于每个路段,分别根据在每个目标时间片段内的预测车辆数和最多容纳车辆数,得到在对应目标时间片段内的容纳车辆占比。
在本发明的一个实施例中,规划路径调整模块7400还可以用于:
根据每个目标时间片段内的拥堵路段,生成拥堵路段集合;
遍历拥堵路段组合中的拥堵路段,选取在对应目标时间片段内经过对应拥堵路段的规划路径,得到对应每个拥堵路段的规划路径集合;
根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径。
在本发明的一个实施例中,遍历拥堵路段组合中的拥堵路段作为目标拥堵路段可以包括:
根据容纳车辆占比对拥堵路段集合中的拥堵路段进行降序排序;
按照排序顺序,遍历拥堵路段组合。
在本发明的一个实施例中,根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径可以包括:
获取对应每个规划路径集合的路段集合;
分别在每个路段集合中去除对应的拥堵路段,得到对应规划路径集合的新路段集合;
对于每个规划路径集合,遍历对应规划路径集合中的规划路径作为目标规划路径;并基于对应的新路径集合,调整目标规划路径,得到调整后的目标规划路径。
在本发明的一个实施例中,遍历规划路径集合中的规划路径作为目标规划路径可以包括:
将规划路径集合中的规划路径按照路径长度进行升序排序;
按照排序顺序,遍历规划路径集合中的规划路径作为目标规划路径。
在本发明的一个实施例中,该处理装置7000还可以包括:
用于获取目标规划路径的第一路径长度、及调整后的目标规划路径的第二路径长度,如果第二路径长度与第一路径长度之间的第一比值小于或等于预设的第一阈值,则保留调整后的目标规划路径的模块;和/或,
用于获取目标规划路径的第一行驶时间、及调整后的目标规划路径的第二行驶时间,如果第二行驶时间与第一行驶时间之间的第二比值小于或等于预设的第二阈值,则保留调整后的规划路径的模块。
在本发明的一个实施例中,该处理装置7000还可以包括:
用于基于调整后的目标规划路径,重新确定目标拥堵路段在对应的目标时间片段内的新的容纳车辆占比;如果新的容纳车辆占比小于或等于占比阈值,则结束遍历规划路径集合的模块。
在本发明的一个实施例中,该处理装置7000还可以包括:
对于每个目标时间片段,将相邻的拥堵路段进行合并。
在本发明的一个实施例中,从预设区域划中获取至少一个出行区域组合可以包括:
将预设区域划分为多个子区域;
选取至少一对子区域分别作为对应出行区域组合的出发区域和到达区域。
在本发明的一个实施例中,将预设区域划分为多个子区域的方法包括以下任意一种或任意组合:
根据预设区域内布置的高清卡口系统,采用预设的蓄水池模型,将预设区域划分为多个子区域;
按照社会属性,将预设区域内划分为多个子区域;
按照坐标范围,将预设区域内划分为多个子区域。
在本发明的一个实施例中,路径推荐模块7500可以用于:
响应于目标终端发出的获取在目标时刻从目标起点出发至目标终点的路径查询请求,确定目标起点和目标终点所对应的出行区域组合,作为目标出行区域组合;
从调整后的每个出行区域组合在每个目标时间片段内的规划路径中,选取在目标时刻所属的目标时间片段内,目标出行区域组合对应的规划路径,作为推荐路径;
将推荐路径发送至目标终端中进行展示。
在本发明的一个实施例中,该处理装置7000还可以包括:
用于响应于目标终端针对指定的目标时间片段内的路况查看请求,获取指定的时间片段内的拥堵路段的模块;
用于在目标终端所展示的地图中标示指定的时间片段内的拥堵路段的模块。
在本发明的一个实施例中,该处理装置7000还可以包括:
用于提供时间进度拉条,以供用户通过目标终端选择指定的目标时间片段的模块。
在本发明的一个实施例中,该处理装置7000还可以包括:
用于根据每个出行区域组合在每个目标时间片段内的预测出行数量,调整目标统计时段内目标时间片段的数量的模块。
在本发明的一个实施例中,该处理装置7000还可以包括:
用于对预设的多个用户进行分组,得到多个用户组合的模块;
根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径包括:
用于针对每个用户组合,分别根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径,使得不同用户组合对应的调整后的规划路径不同的模块。
在本发明的一个实施例中,该处理装置7000还可以包括:
用于获取目标终端所选择的实际路径,以还根据实际路径确定预设区域在每个目标时间片段内的拥堵路段模块。
本领域技术人员应当明白,可以通过各种方式来实现出行数据的处理装置7000。例如,可以通过指令配置处理器来实现出行数据的处理装置7000。例如,可以将指令存储在ROM中,并且当启动设备时,将指令从ROM读取到可编程器件中来实现出行数据的处理装置7000。例如,可以将出行数据的处理装置7000固化到专用器件(例如ASIC)中。可以将出行数据的处理装置7000分成相互独立的单元,或者可以将它们合并在一起实现。出行数据的处理装置7000可以通过上述各种实现方式中的一种来实现,或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
在本实施例中,出行数据的处理装置7000可以具有多种实现形式,例如,出行数据的处理装置7000可以是任何的提供处理出行数据的功能的软件产品或者应用程序中运行的功能模块,或者是这些软件产品或者应用程序的外设嵌入件、插件、补丁件等,还可以是这些软件产品或者应用程序本身。
<电子设备>
在本实施例中,还提供一种电子设备8000。该电子设备8000可以包括如图2a所示的服务器1100和图2b所示的终端设备1200。该电子设备8000也可以是如图2a的服务器1100,或者是如图2b所示的终端设备1200。
在一方面,该电子设备8000可以包括前述的出行数据的处理装置7000,用于实施本发明任意实施例的出行数据的处理方法。
在另一方面,如图8所示,电子设备8000还可以包括处理器8100和存储器8200,该存储器8200用于存储可执行的指令;该处理器8100用于根据指令的控制运行电子设备8000执行根据本发明任意实施例的出行数据的处理方法。
<计算机可读存储介质>
在本实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序在被处理器执行时实现如本发明任意实施例的出行数据的处理方法。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (23)
1.一种出行数据的处理方法,其中,包括:
从预设区域划中获取至少一个出行区域组合,并将目标统计时段拆分为多个目标时间片段;所述出行区域组合包括对应的出发区域和到达区域;
获取所述预设区域在至少一个历史统计时段内的历史出行数据,以及每个出行区域组合在每个目标时间片段内的规划路径;
根据所述历史出行数据确定所述预设区域在每个目标时间片段内的拥堵路段;
根据每个目标时间片段内的拥堵路段调整在对应的目标时间片段内经过对应拥堵路段的规划路径,得到对应目标时间片段内的调整后的规划路径;
在所述目标统计时段内,根据调整后的每个出行区域组合在每个目标时间片段内的规划路径进行相应的路径推荐。
2.根据权利要求1所述的处理方法,其中,所述根据所述历史出行数据确定所述预设区域在每个目标时间片段内的拥堵路段的步骤包括:
根据所述历史出行数据,获得每个出行区域组合在每个目标时间片段内的预测出行数量;
分别根据每个目标时间片段内的预测出行数量,确定所述预设区域中的每个路段在对应目标时间片段内的容纳车辆占比;其中,所述容纳车辆占比表征对应路段在对应目标时间片段内的拥堵程度;
对于每个目标时间片段,选取容纳车辆占比超过预设的占比阈值的路段作为对应目标时间片段内的拥堵路段。
3.根据权利要求2所述的处理方法,其中,所述根据所述历史出行数据,获得每个出行区域组合在每个目标时间片段内的预测出行数量的步骤包括:
将每个历史统计时段分别划分为与每个目标时间片段相对应的历史时间片段;
分别根据每个历史时间片段的历史出行数据,确定每个出行区域组合在对应历史时间片段内的历史出行数量;
对于每个出行区域组合,分别根据在对应每个目标时间片段的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量。
4.根据权利要求3所述的处理方法,其中,所述对于每个出行区域组合,分别根据在对应每个目标时间片段的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量的步骤包括:
对于每个出行区域组合,采用预先训练得到的预测模型,分别根据在对应每个目标时间片段的历史时间片段内的历史出行数量,得到在对应目标时间片段内的预测出行数量;或者,
对于每个出行区域组合,分别确定在对应每个目标时间片段的历史时间片段内的历史出行数量的平均值,作为在对应目标时间片段内的预测出行数量。
5.根据权利要求2所述的处理方法,其中,所述分别根据每个目标时间片段内的预测出行数量,确定所述预设区域中的每个路段在对应目标时间片段内的容纳车辆占比的步骤包括:
分别根据每个目标时间片段内的预测出行数量,确定所述预设区域中的每个路段在对应目标时间片段内的预测车辆数;
获取每个路段的最多容纳车辆数;
对于每个路段,分别根据在每个目标时间片段内的预测车辆数和最多容纳车辆数,得到在对应目标时间片段内的容纳车辆占比。
6.根据权利要求1所述的处理方法,其中,所述根据每个目标时间片段内的拥堵路段调整在对应的目标时间片段内经过每个拥堵路段的规划路径,得到对应的目标时间片段内的调整后的规划路径的步骤包括:
根据每个目标时间片段内的拥堵路段,生成拥堵路段集合;
遍历所述拥堵路段组合中的拥堵路段,选取在对应目标时间片段内经过对应拥堵路段的规划路径,得到对应每个拥堵路段的规划路径集合;
根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径。
7.根据权利要求6所述的处理方法,其中,所述遍历所述拥堵路段组合的步骤包括:
根据所述容纳车辆占比对所述拥堵路段集合中的拥堵路段进行降序排序;
按照排序顺序,遍历所述拥堵路段组合。
8.根据权利要求6所述的处理方法,其中,所述根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径的步骤包括:
获取对应每个规划路径集合的路段集合;
分别在每个路段集合中去除对应的拥堵路段,得到对应规划路径集合的新路段集合;
对于每个规划路径集合,遍历对应规划路径集合中的规划路径作为目标规划路径;并基于对应的新路径集合,调整所述目标规划路径,得到调整后的目标规划路径。
9.根据权利要求8所述的处理方法,其中,所述遍历所述规划路径集合中的规划路径作为目标规划路径的步骤包括:
将规划路径集合中的规划路径按照路径长度进行升序排序;
按照排序顺序,遍历所述规划路径集合中的规划路径作为目标规划路径。
10.根据权利要求8所述的处理方法,其中,所述处理方法还包括:
获取所述目标规划路径的第一路径长度、及所述调整后的目标规划路径的第二路径长度,如果所述第二路径长度与所述第一路径长度之间的第一比值小于或等于预设的第一阈值,则保留调整后的目标规划路径;和/或,
获取所述目标规划路径的第一行驶时间、及所述调整后的目标规划路径的第二行驶时间,如果所述第二行驶时间与所述第一行驶时间之间的第二比值小于或等于预设的第二阈值,则保留调整后的规划路径。
11.根据权利要求8所述的处理方法,其中,所述处理方法还包括:
基于调整后的目标规划路径,重新确定所述目标拥堵路段在对应的目标时间片段内的新的容纳车辆占比;如果所述新的容纳车辆占比小于或等于所述占比阈值,则结束遍历所述规划路径集合的步骤。
12.根据权利要求6所述的处理方法,其中,所述根据每个目标时间片段内的拥堵路段,生成拥堵路段集合之前包括:
对于每个目标时间片段,将相邻的拥堵路段进行合并。
13.根据权利要求1所述的处理方法,其中,所述从预设区域划中获取至少一个出行区域组合的步骤包括:
将所述预设区域划分为多个子区域;
选取至少一对子区域分别作为对应出行区域组合的出发区域和到达区域。
14.根据权利要求13所述的处理方法,其中,所述将所述预设区域划分为多个子区域的方法包括以下任意一种或任意组合:
根据所述预设区域内布置的高清卡口系统,采用预设的蓄水池模型,将所述预设区域划分为多个子区域;
按照社会属性,将所述预设区域内划分为多个子区域;
按照坐标范围,将所述预设区域内划分为多个子区域。
15.根据权利要求1至14中任一项所述的处理方法,其中,所述出行区域组合为多个,
所述根据调整后的出行区域组合在每个目标时间片段内的规划路径向用户进行相应的路径推荐的步骤包括:
响应于目标终端发出的获取在目标时刻从目标起点出发至目标终点的路径查询请求,确定所述目标起点和所述目标终点所对应的出行区域组合,作为目标出行区域组合;
从调整后的每个出行区域组合在每个目标时间片段内的规划路径中,选取在所述目标时刻所属的目标时间片段内,所述目标出行区域组合对应的规划路径,作为推荐路径;
将所述推荐路径发送至所述目标终端中进行展示。
16.根据权利要求1至14中任一项所述的处理方法,还包括:
响应于目标终端针对指定的目标时间片段内的路况查看请求,获取所述指定的时间片段内的拥堵路段;
在所述目标终端所展示的地图中标示所述指定的时间片段内的拥堵路段。
17.根据权利要求16所述的处理方法,还包括:
提供时间进度拉条,以供用户通过所述目标终端选择所述指定的目标时间片段。
18.根据权利要求2所述的处理方法,还包括:
根据每个出行区域组合在每个目标时间片段内的预测出行数量,调整所述目标统计时段内目标时间片段的数量。
19.根据权利要求6所述的处理方法,还包括:
对预设的多个用户进行分组,得到多个用户组合;
所述根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径包括:
针对每个用户组合,分别根据每个拥堵路段对对应的规划路径集合中的规划路径进行调整,得到的调整后的规划路径,使得不同用户组合对应的调整后的规划路径不同。
20.根据权利要求15所述的方法,还包括:
获取所述目标终端所选择的实际路径,以还根据所述实际路径确定所述预设区域在每个目标时间片段内的拥堵路段。
21.一种出行数据的处理装置,其中,包括:
时空获取拆分模块,用于从预设区域划中获取至少一个出行区域组合,并将目标统计时段拆分为多个目标时间片段;所述出行区域组合包括对应的出发区域和到达区域;
数据路径获取模块,用于获取所述预设区域在至少一个历史统计时段内的历史出行数据,以及每个出行区域组合在每个目标时间片段内的规划路径;
拥堵路段确定模块,用于根据所述历史出行数据确定所述预设区域在每个目标时间片段内的拥堵路段;
规划路径调整模块,用于根据每个目标时间片段内的拥堵路段调整在对应的目标时间片段内经过对应拥堵路段的规划路径,得到对应的目标时间片段内的调整后的规划路径;
路径推荐模块,用于在所述目标统计时段内,根据调整后的每个出行区域组合在每个目标时间片段内的规划路径进行相应的路径推荐。
22.一种电子设备,其中,包括根据权利要求21所述的处理装置;或者,包括处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行如权利要求1至20中任一项所述的处理方法。
23.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现如权利要求1至20中任一项所述的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072474.6A CN110929179B (zh) | 2019-11-05 | 2019-11-05 | 一种出行数据的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072474.6A CN110929179B (zh) | 2019-11-05 | 2019-11-05 | 一种出行数据的处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929179A true CN110929179A (zh) | 2020-03-27 |
CN110929179B CN110929179B (zh) | 2023-06-09 |
Family
ID=69852425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911072474.6A Active CN110929179B (zh) | 2019-11-05 | 2019-11-05 | 一种出行数据的处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929179B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111854785A (zh) * | 2020-07-23 | 2020-10-30 | 中国平安财产保险股份有限公司 | 基于多用户需求的路径规划方法及相关设备 |
CN112991739A (zh) * | 2021-03-23 | 2021-06-18 | 苏州蓝图智慧城市科技有限公司 | 一种基于出行强度的车辆引导方法、装置、介质及设备 |
CN113496595A (zh) * | 2020-04-08 | 2021-10-12 | 北京意锐新创科技有限公司 | 一种停车场信息处理方法和装置 |
CN113733086A (zh) * | 2021-08-31 | 2021-12-03 | 上海擎朗智能科技有限公司 | 一种机器人的出行方法、装置、设备及存储介质 |
CN113850419A (zh) * | 2021-09-10 | 2021-12-28 | 果客行(苏州)科技有限公司 | 基于出行大数据的路线推荐方法、装置、设备和存储介质 |
CN113936452A (zh) * | 2020-06-29 | 2022-01-14 | 阿里巴巴集团控股有限公司 | 一种交通控制方法、装置及电子设备 |
CN114463983A (zh) * | 2020-06-30 | 2022-05-10 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN116337104A (zh) * | 2023-05-29 | 2023-06-27 | 佳都科技集团股份有限公司 | 一种区域路径导航方法、系统、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100106402A1 (en) * | 2008-10-28 | 2010-04-29 | Inventec Corporation | Mobile navigation method and device for route planning |
CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN104567897A (zh) * | 2013-10-16 | 2015-04-29 | 大陆汽车投资(上海)有限公司 | 结合路况预测的路径规划方法及导航装置 |
CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及系统 |
KR101795250B1 (ko) * | 2016-05-03 | 2017-11-07 | 현대자동차주식회사 | 자율주행차량의 주행경로 계획장치 및 방법 |
WO2018094614A1 (zh) * | 2016-11-23 | 2018-05-31 | 深圳前海达闼云端智能科技有限公司 | 用于线路规划的方法、装置及电子设备 |
CN108268974A (zh) * | 2017-12-28 | 2018-07-10 | 阿里巴巴集团控股有限公司 | 一种路径推荐的方法及装置 |
CN108615389A (zh) * | 2018-06-15 | 2018-10-02 | 邵文远 | 一种城市交通拥堵预测预防系统 |
WO2018219337A1 (en) * | 2017-06-01 | 2018-12-06 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for route planning |
CN109000676A (zh) * | 2018-06-22 | 2018-12-14 | 东华大学 | 一种vanet环境下结合预测信息的路径规划方法 |
CN109767030A (zh) * | 2018-12-14 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 道路拥堵检测方法、装置、计算机设备及存储介质 |
CN109841059A (zh) * | 2019-01-09 | 2019-06-04 | 东华大学 | 一种基于vanet环境下预测拥挤路段并进行规避的方法 |
-
2019
- 2019-11-05 CN CN201911072474.6A patent/CN110929179B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100106402A1 (en) * | 2008-10-28 | 2010-04-29 | Inventec Corporation | Mobile navigation method and device for route planning |
CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN104567897A (zh) * | 2013-10-16 | 2015-04-29 | 大陆汽车投资(上海)有限公司 | 结合路况预测的路径规划方法及导航装置 |
KR101795250B1 (ko) * | 2016-05-03 | 2017-11-07 | 현대자동차주식회사 | 자율주행차량의 주행경로 계획장치 및 방법 |
WO2018094614A1 (zh) * | 2016-11-23 | 2018-05-31 | 深圳前海达闼云端智能科技有限公司 | 用于线路规划的方法、装置及电子设备 |
CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及系统 |
WO2018219337A1 (en) * | 2017-06-01 | 2018-12-06 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for route planning |
CN108268974A (zh) * | 2017-12-28 | 2018-07-10 | 阿里巴巴集团控股有限公司 | 一种路径推荐的方法及装置 |
CN108615389A (zh) * | 2018-06-15 | 2018-10-02 | 邵文远 | 一种城市交通拥堵预测预防系统 |
CN109000676A (zh) * | 2018-06-22 | 2018-12-14 | 东华大学 | 一种vanet环境下结合预测信息的路径规划方法 |
CN109767030A (zh) * | 2018-12-14 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 道路拥堵检测方法、装置、计算机设备及存储介质 |
CN109841059A (zh) * | 2019-01-09 | 2019-06-04 | 东华大学 | 一种基于vanet环境下预测拥挤路段并进行规避的方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113496595A (zh) * | 2020-04-08 | 2021-10-12 | 北京意锐新创科技有限公司 | 一种停车场信息处理方法和装置 |
CN113936452A (zh) * | 2020-06-29 | 2022-01-14 | 阿里巴巴集团控股有限公司 | 一种交通控制方法、装置及电子设备 |
CN114463982B (zh) * | 2020-06-30 | 2023-09-29 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN114463983A (zh) * | 2020-06-30 | 2022-05-10 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN114463982A (zh) * | 2020-06-30 | 2022-05-10 | 北京百度网讯科技有限公司 | 交通设施控制方法、装置、设备和介质 |
CN111854785A (zh) * | 2020-07-23 | 2020-10-30 | 中国平安财产保险股份有限公司 | 基于多用户需求的路径规划方法及相关设备 |
CN111854785B (zh) * | 2020-07-23 | 2024-05-03 | 中国平安财产保险股份有限公司 | 基于多用户需求的路径规划方法及相关设备 |
CN112991739A (zh) * | 2021-03-23 | 2021-06-18 | 苏州蓝图智慧城市科技有限公司 | 一种基于出行强度的车辆引导方法、装置、介质及设备 |
CN112991739B (zh) * | 2021-03-23 | 2022-03-04 | 苏州蓝图智慧城市科技有限公司 | 一种基于出行强度的车辆引导方法、装置、介质及设备 |
CN113733086A (zh) * | 2021-08-31 | 2021-12-03 | 上海擎朗智能科技有限公司 | 一种机器人的出行方法、装置、设备及存储介质 |
CN113850419A (zh) * | 2021-09-10 | 2021-12-28 | 果客行(苏州)科技有限公司 | 基于出行大数据的路线推荐方法、装置、设备和存储介质 |
CN116337104B (zh) * | 2023-05-29 | 2023-08-18 | 佳都科技集团股份有限公司 | 一种区域路径导航方法、系统、设备及存储介质 |
CN116337104A (zh) * | 2023-05-29 | 2023-06-27 | 佳都科技集团股份有限公司 | 一种区域路径导航方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110929179B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929179B (zh) | 一种出行数据的处理方法、装置及电子设备 | |
US8494991B2 (en) | Optimizing traffic predictions and enhancing notifications | |
EP2241120B1 (en) | Passive traffic alert and communication system | |
Wang et al. | Encapsulating urban traffic rhythms into road networks | |
US20190114909A1 (en) | Method and Apparatus for Identifying Congestion Bottlenecks | |
DE102012223496B4 (de) | Online- und verteiltes optimierungsrahmenwerk für die mobilfunkanalyse | |
JP6797944B2 (ja) | 注文振り分け装置及び方法 | |
CN113808400B (zh) | 车流迁徙情况的展示方法、装置、设备及介质 | |
CN113470356B (zh) | 电子设备及区域路况预测方法 | |
CN103699694A (zh) | 一种数据处理方法和装置 | |
CN111210625B (zh) | 一种交通控制方法、装置及电子设备 | |
CN111815942B (zh) | 一种轨迹的处理方法、装置、及电子设备 | |
DE112020000881T5 (de) | Delegieren von cloud-seitigen rollen an einheiten | |
CN111681417A (zh) | 交通路口渠化调整方法和装置 | |
Kovavisaruch et al. | Museum Layout Evaluation based on Visitor Statistical History | |
CN113038382A (zh) | 一种数据处理方法、装置及电子设备 | |
CN108334639A (zh) | 基于ar视觉呈现的可视化方法、装置及ar设备 | |
CN111754770B (zh) | 一种交通控制方法、装置及电子设备 | |
CN112950932B (zh) | 一种区域单元的合并方法、装置及电子设备 | |
CN112652161B (zh) | 一种车流路径分布信息的处理方法、装置、及电子设备 | |
CN113470408A (zh) | 一种交通信息提示方法、装置、电子设备及存储介质 | |
CN111932872B (zh) | 一种交通控制方法、装置及电子设备 | |
CN111445708A (zh) | 一种交通控制方法、装置、及电子设备 | |
US20240046786A1 (en) | Information processing apparatus, information processing method, and computer program | |
US20170280105A1 (en) | Pubic safety camera monitoring system and method |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40026846 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |