CN111210616A - 基于多源数据的车流量预测方法、系统、终端及介质 - Google Patents
基于多源数据的车流量预测方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN111210616A CN111210616A CN201811392175.6A CN201811392175A CN111210616A CN 111210616 A CN111210616 A CN 111210616A CN 201811392175 A CN201811392175 A CN 201811392175A CN 111210616 A CN111210616 A CN 111210616A
- Authority
- CN
- China
- Prior art keywords
- data
- traffic flow
- source data
- vehicle
- prediction method
- 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
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明提供基于多源数据的车流量预测方法、系统、终端及介质,其中,应用于远程控制终端的车流量预测方法包括:接收并汇总所涉区域内一或多个车辆用户的与车流量相关联的多源数据;根据汇总结果信息预测所涉区域内各条线路的车流量数据;推送基于所述车流量数据生成的最优路径至所涉区域内对应的车辆用户。应用于车载终端的车流量预测方法包括:将当前车辆用户的与车流量相关联的多源数据对外发送;接收来自外部设备的基于预测的车流量数据所生成的最优路径信息。本发明能够根据所涉区域内的各车辆用户的多源数据预测各车道在未来时刻内的车流量数据,能够更精确地反应道路上车辆整体的流量,达到大幅度降低交通拥堵的目的,实现智能交通管理。
Description
技术领域
本发明涉及车辆技术领域,特别是涉及基于多源数据的车流量预测方法、系统、终端及介质。
背景技术
随着城市规模空前的增长,城市人口数量越来越大,车辆出行变得越来越普遍,城市道路的拥挤程度也与日俱增。因此,利用导航为车辆用户提供车流量信息以及优选行驶路径成为了一项必不可少的技术。
现有导航技术中,导航设备仅能够提供实时的车流量信息,但却无法预测途径区域在未来某时刻的车流量数据,也即只能根据行驶在路上的车辆判断拥堵,而无法判断未来时间内的拥堵。因此,现有的导航技术不够智能,无法满足车辆用户对车流量的预测要求,用户体验不佳。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供基于多源数据的车流量预测方法、系统、终端及介质,用于解决现有技术不够智能,无法满足车辆用户对车流量的预测要求,用户体验不佳问题。
为实现上述目的及其他相关目的,本发明提供一种基于多源数据的车流量预测方法,应用于远程控制终端,所述方法包括:接收并汇总所涉区域内一或多个车辆用户的与车流量相关联的多源数据;根据汇总结果信息预测所涉区域内各条线路的车流量数据;推送基于所述车流量数据生成的最优路径至所涉区域内对应的车辆用户。
于本发明的一实施例中,所述方法还包括:实时检测所涉区域内车辆用户的行驶路径,并根据检测结果信息动态调整推送至车辆用户的最优路径。
于本发明的一实施例中,所述多源数据包括车辆用户设定的导航目的地数据和/或车辆用户的历史行驶数据;其中,所述历史行驶数据包括:行驶日期数据、行驶路径数据、限行数据、车辆载货数据及道路基础设施数据中的任一种或多种组合。
为实现上述目的及其他相关目的,本发明提供一种基于多源数据的车流量预测方法,应用于车载终端,所述方法包括:将当前车辆用户的与车流量相关联的多源数据对外发送;接收来自外部设备的基于预测的车流量数据所生成的最优路径信息。
为实现上述目的及其他相关目的,本发明提供一种基于多源数据的车流量预测系统,其包括:汇总模块,用于汇总接收到的所涉区域内一或多个车辆用户的与车流量相关联的多源数据;预测模块,用于根据汇总结果信息预测所涉区域内各条线路的车流量数据;推送模块,用于推送基于所述车流量数据生成的最优路径至所涉区域内对应的车辆用户。
于本发明的一实施例中,所述系统还包括:检测模块,用于实时检测所涉区域内车辆用户的行驶路径,并根据检测结果信息动态调整推送至车辆用户的最优路径。
为实现上述目的及其他相关目的,本发明提供一种基于多源数据的车流量预测系统,其包括:发送模块,用于将当前车辆用户的与车流量相关联的多源数据对外发送;接收模块,用于接收来自外部设备的基于预测的车流量数据所生成的最优路径信息。
为实现上述目的及其他相关目的,本发明提供一种电子终端,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行应用于远程控制终端的所述基于多源数据的车流量预测方法。
为实现上述目的及其他相关目的,本发明提供一种电子终端,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行应用于车载终端的所述基于多源数据的车流量预测方法。
为实现上述目的及其他相关目的,本发明提供一种计算机可读存储介质,其上存储有第一计算机程序和/或第二计算机程序,所述第一计算机程序被处理器执行时实现应用于远程控制终端的所述基于多源数据的车流量预测方法;所述第二计算机程序被处理器执行时实现应用于车载终端的所述基于多源数据的车流量预测方法。
如上所述,本发明的基于多源数据的车流量预测方法、系统、终端及介质,具有以下有益效果:本发明提供的技术方案能够根据所涉区域内的各车辆用户的多源数据预测各车道在未来时刻内的车流量数据,能够更精确地反应道路上车辆整体的流量,达到大幅度降低交通拥堵的目的,实现智能交通管理。
附图说明
图1显示为本发明在一实施例中的应用场景的示意图。
图2显示为本发明一实施例中基于多源数据的车流量预测方法的流程示意图。
图3显示为本发明一实施例中基于多源数据的车流量预测方法的流程示意图。
图4显示为本发明一实施例中基于多源数据的车流量预测方法的流程示意图。
图5显示为本发明一实施例中基于多源数据的车流量预测系统的示意图。
图6显示为本发明一实施例中基于多源数据的车流量预测系统的示意图。
图7显示为本发明一实施例中电子终端的结构示意图。
图8显示为本发明一实施例中电子终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。空间相关的术语,例如“上”、“下”、“左”、“右”、“下面”、“下方”、““下部”、“上方”、“上部”等,可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
本发明提供基于多源数据的车流量预测方法、系统、终端及介质,本发明能够预测途径行驶区域未来时刻的车流量数据,并基于预测的车流量数据为用户提供最优行驶路径,故本发明提供的技术方案能够更精确地反应道路上车辆整体的流量,达到大幅度降低交通拥堵的目的,实现智能交通管理。下文,将结合具体的实施例说明本发明的工作原理。
如图1所示,展示本发明一实施例中的应用场景的示意图。于本实施例中,车辆用户位于A位置,该车辆用户当前共有3条通往目的地的行驶路径可供选择,3条行驶路径分别用箭头B、箭头C以及箭头D指示。
车辆用户将3条行驶路径发送至与之通信连接的云端服务器,以待云端服务器预测上述3条行驶路径在未来时段内的车流量数据,并选取其中拥挤程度最轻的路径作为最优路径推送回车辆用户,从而达到大幅度降低交通拥堵的目的,实现智能交通管理。
上文,就本发明一实施例中的应用场景做了相应的描述和解释。下文,将从基于多源数据的车流量预测方法,车流量预测系统,电子终端以及存储介质等方面出发,就具体如何实现本发明的车流量预测功能做详细介绍。
如图2所示,展示本发明一实施例中基于多源数据的车流量预测方法的流程示意图。本实施例中的车流量预测方法应用于远程控制终端,例如云端服务器。所述车流量预测方法具体执行如下各个步骤:
S21:接收并汇总所涉区域内一或多个车辆用户的与车流量相关联的多源数据。其中,所述所涉区域是指远程控制终端对应的控制区域;所述多源数据是指多个来源的车流量相关的数据。
在一实施例中,所述多源数据包括车辆用户设定的导航目的地数据。远程控制终端接收所涉区域内各个车辆用户的导航目的地,根据车辆用户当前位置信息和导航目的地信息可生成导航路径,并根据各个车辆用户的导航路径计算并预测所涉区域内各个线路在未来时段内的车流量数据。
在一实施例中,所述多源数据包括车辆用户的历史行驶数据。所述历史行驶数据包括:行驶日期数据、行驶路径数据、限行数据、车辆载货数据及道路基础设施数据中的任一种或多种组合。远程控制终端接收所涉区域内各个车辆用户的历史行驶数据,并根据车辆用户的历史数据计算并预测所涉区域内各个线路在未来时段内的车流量数据。
S22:根据汇总结果信息预测所涉区域内各条线路的车流量数据。例如,远程控制终端根据车辆用户在过去一段时间内行驶在某线路上的行驶日期、行驶时段和行驶频次,预测该车辆用户下一次行驶在该路线上的行驶日期和行驶时间。再例如,远程控制终端根据道路施工数据或者道路限行数据,预测可替代该施工道路或者限行道路的其它道路因此而上升的车流量数据。
S23:推送基于所述车流量数据生成的最优路径至所涉区域内对应的车辆用户。远程控制终端根据预测的车流量数据,选取车辆用户当前行驶路径中的最优路径,并推送至该车辆用户。推送最优路径的方式例如可通过发送语音提示,文字消息或者路径展示等方式。
如图3所示,展示本发明又一实施例中基于多源数据的车流量预测方法的流程示意图。于本实施例中,所述车流量预测方法具体执行如下各个步骤:
S31:接收并汇总所涉区域内一或多个车辆用户的与车流量相关联的多源数据。
S32:根据汇总结果信息预测所涉区域内各条线路的车流量数据。
S33:推送基于所述车流量数据生成的最优路径至所涉区域内对应的车辆用户。需要说明的是,本实施例中步骤S31~S33的实施方式与上一实施例中步骤S21~S23的实施方式类似,故不再赘述。
S34:实时检测所涉区域内车辆用户的行驶路径,并根据检测结果信息动态调整推送至车辆用户的最优路径。由于所涉区域内道路的车流量数据瞬息万变,因此远程控制终端需实时检测所涉区域内各车辆用户的行驶路径,即实时更新接收多源数据,以便及时调整基于车流量数据而生成的最优路径,提供智能且及时的路径指导服务。
如图4所示,展示本发明一实施例中基于多源数据的车流量预测方法的流程示意图。于本实施例中,所述车流量预测方法应用于车载终端,所述车载终端例如车机或者车载导航设备等等。所述车流量预测方法具体执行如下各个步骤:
S41:将当前车辆用户的与车流量相关联的多源数据对外发送。
本实施例中,车载终端将当前车辆用户的与车流量相关联的多源数据对外发送至远程控制终端。所述多源数据包括车辆用户设定的导航目的地数据和/或车辆用户的历史行驶数据,其中,导航目的地数据和历史行驶数据的内容已于上文中解释说明,故不再赘述。
S42:接收来自外部设备的基于预测的车流量数据所生成的最优路径信息。
本实施例中,车载终端接收来自远程控制终端的基于预测的车流量数据所生成的最优路径信息。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
如图5所示,展示本发明一实施例中基于多源数据的车流量预测系统的示意图。所述车流量预测系统包括汇总模块51、预测模块52、推送模块53以及检测模块54。所述汇总模块51用于汇总接收到的所涉区域内一或多个车辆用户的与车流量相关联的多源数据;预测模块52用于根据汇总结果信息预测所涉区域内各条线路的车流量数据;推送模块53用于推送基于所述车流量数据生成的最优路径至所涉区域内对应的车辆用户;检测模块54用于实时检测所涉区域内车辆用户的行驶路径,并根据检测结果信息动态调整推送至车辆用户的最优路径。
需要说明的是,本实施例中所述的基于多源数据的车流量预测系统的实施方式与上文中应用于远程控制终端的车流量预测方法的实施方式类似,故不再赘述。
如图6所示,展示本发明又一实施例中基于多源数据的车流量预测系统的示意图。所述车流量预测系统包括发送模块61和接收模块62,所述发送模块61用于将当前车辆用户的与车流量相关联的多源数据对外发送,接收模块62用于接收来自外部设备的基于预测的车流量数据所生成的最优路径信息。
需要说明的是,本实施例中所述的基于多源数据的车流量预测系统的实施方式与上文中应用于车载终端的车流量预测方法的实施方式类似,故不再赘述。
本领域普通技术人员应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,汇总模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上汇总模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
如图7所示,展示本发明一实施例中电子终端的结构示意图。本实施例提供的电子终端用于执行上述应用于远程控制终端的基于多源数据的车流量预测方法。所述电子终端具体包括:处理器71、存储器72、收发器73、通信接口74和系统总线75;存储器72和通信接口74通过系统总线75与处理器71和收发器73连接并完成相互间的通信,存储器72用于存储计算机程序,通信接口74和收发器73用于和其他设备进行通信,处理器71用于运行计算机程序,使电子终端执行如上应用于远程控制终端的基于多源数据的车流量预测方法的各个步骤。
如图8所示,展示本发明一实施例中电子终端的结构示意图。本实施例提供的电子终端用于执行上述应用于车载终端的基于多源数据的车流量预测方法。所述电子终端具体包括:处理器81、存储器82、收发器83、通信接口84和系统总线85;存储器82和通信接口84通过系统总线85与处理器81和收发器83连接并完成相互间的通信,存储器82用于存储计算机程序,通信接口84和收发器83用于和其他设备进行通信,处理器81用于运行计算机程序,使电子终端执行如上应用于车载终端的基于多源数据的车流量预测方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上所述,本发明提供的基于多源数据的车流量预测方法、系统、终端及介质,能够根据所涉区域内的各车辆用户的多源数据预测各车道在未来时刻内的车流量数据,能够更精确地反应道路上车辆整体的流量,达到大幅度降低交通拥堵的目的,实现智能交通管理。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于多源数据的车流量预测方法,其特征在于,应用于远程控制终端,所述方法包括:
接收并汇总所涉区域内一或多个车辆用户的与车流量相关联的多源数据;
根据汇总结果信息预测所涉区域内各条线路的车流量数据;
推送基于所述车流量数据生成的最优路径至所涉区域内对应的车辆用户。
2.根据权利要求1所述的基于多源数据的车流量预测方法,其特征在于,所述方法还包括:
实时检测所涉区域内车辆用户的行驶路径,并根据检测结果信息动态调整推送至车辆用户的最优路径。
3.根据权利要求1所述的基于多源数据的车流量预测方法,其特征在于,所述多源数据包括车辆用户设定的导航目的地数据和/或车辆用户的历史行驶数据;其中,所述历史行驶数据包括:行驶日期数据、行驶路径数据、限行数据、车辆载货数据及道路基础设施数据中的任一种或多种组合。
4.一种基于多源数据的车流量预测方法,其特征在于,应用于车载终端,所述方法包括:
将当前车辆用户的与车流量相关联的多源数据对外发送;
接收来自外部设备的基于预测的车流量数据所生成的最优路径信息。
5.一种基于多源数据的车流量预测系统,其特征在于,包括:
汇总模块,用于汇总接收到的所涉区域内一或多个车辆用户的与车流量相关联的多源数据;
预测模块,用于根据汇总结果信息预测所涉区域内各条线路的车流量数据;
推送模块,用于推送基于所述车流量数据生成的最优路径至所涉区域内对应的车辆用户。
6.根据权利要求5所述的基于多源数据的车流量预测系统,其特征在于,所述系统还包括:
检测模块,用于实时检测所涉区域内车辆用户的行驶路径,并根据检测结果信息动态调整推送至车辆用户的最优路径。
7.一种基于多源数据的车流量预测系统,其特征在于,包括:
发送模块,用于将当前车辆用户的与车流量相关联的多源数据对外发送;
接收模块,用于接收来自外部设备的基于预测的车流量数据所生成的最优路径信息。
8.一种电子终端,其特征在于,包括:处理器、存储器及收发器;
所述收发器用于与外部建立通信连接;
所述存储器用于存储计算机程序;
所述收发器用于通信连接外部设备,所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求1至3中任一项所述的基于多源数据的车流量预测方法。
9.一种电子终端,其特征在于,包括:处理器、存储器及收发器;
所述收发器用于与外部建立通信连接;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述终端执行如权利要求4所述的基于多源数据的车流量预测方法。
10.一种计算机可读存储介质,其上存储有第一计算机程序和/或第二计算机程序,其特征在于,所述第一计算机程序被处理器执行时实现权利要求1至3中任一项所述的基于多源数据的车流量预测方法;所述第二计算机程序被处理器执行时实现权利要求4所述的基于多源数据的车流量预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811392175.6A CN111210616A (zh) | 2018-11-21 | 2018-11-21 | 基于多源数据的车流量预测方法、系统、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811392175.6A CN111210616A (zh) | 2018-11-21 | 2018-11-21 | 基于多源数据的车流量预测方法、系统、终端及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111210616A true CN111210616A (zh) | 2020-05-29 |
Family
ID=70787657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811392175.6A Pending CN111210616A (zh) | 2018-11-21 | 2018-11-21 | 基于多源数据的车流量预测方法、系统、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111210616A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610059A (zh) * | 2021-09-13 | 2021-11-05 | 北京百度网讯科技有限公司 | 基于区域评估的车辆控制方法、装置和智能交管系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080243377A1 (en) * | 2007-03-27 | 2008-10-02 | Hitachi, Ltd. | Traffic Information System |
CN102155951A (zh) * | 2010-02-11 | 2011-08-17 | 上海博泰悦臻电子设备制造有限公司 | 车辆导航系统及车辆导航方法 |
CN103440767A (zh) * | 2013-09-04 | 2013-12-11 | 彭博 | 高速公路行车信息车载终端、监控系统和方法 |
CN103557870A (zh) * | 2013-10-09 | 2014-02-05 | 董路 | 一种动态轨迹导航方法及云平台 |
WO2015125467A1 (ja) * | 2014-02-21 | 2015-08-27 | 株式会社ゼンリン | 旅行時間演算装置、交通情報データおよび交通情報データ生成装置 |
CN105674994A (zh) * | 2014-11-17 | 2016-06-15 | 深圳市腾讯计算机系统有限公司 | 获取行车路线的方法、装置及导航设备 |
CN106781592A (zh) * | 2017-01-04 | 2017-05-31 | 成都四方伟业软件股份有限公司 | 一种基于大数据的交通导航系统及方法 |
CN107421555A (zh) * | 2017-07-10 | 2017-12-01 | 奇瑞汽车股份有限公司 | 确定导航路径的方法和装置 |
CN108286981A (zh) * | 2017-12-29 | 2018-07-17 | 广州斯沃德科技有限公司 | 车联网的车辆路径规划方法、装置和计算机设备 |
-
2018
- 2018-11-21 CN CN201811392175.6A patent/CN111210616A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080243377A1 (en) * | 2007-03-27 | 2008-10-02 | Hitachi, Ltd. | Traffic Information System |
CN102155951A (zh) * | 2010-02-11 | 2011-08-17 | 上海博泰悦臻电子设备制造有限公司 | 车辆导航系统及车辆导航方法 |
CN103440767A (zh) * | 2013-09-04 | 2013-12-11 | 彭博 | 高速公路行车信息车载终端、监控系统和方法 |
CN103557870A (zh) * | 2013-10-09 | 2014-02-05 | 董路 | 一种动态轨迹导航方法及云平台 |
WO2015125467A1 (ja) * | 2014-02-21 | 2015-08-27 | 株式会社ゼンリン | 旅行時間演算装置、交通情報データおよび交通情報データ生成装置 |
CN105674994A (zh) * | 2014-11-17 | 2016-06-15 | 深圳市腾讯计算机系统有限公司 | 获取行车路线的方法、装置及导航设备 |
CN106781592A (zh) * | 2017-01-04 | 2017-05-31 | 成都四方伟业软件股份有限公司 | 一种基于大数据的交通导航系统及方法 |
CN107421555A (zh) * | 2017-07-10 | 2017-12-01 | 奇瑞汽车股份有限公司 | 确定导航路径的方法和装置 |
CN108286981A (zh) * | 2017-12-29 | 2018-07-17 | 广州斯沃德科技有限公司 | 车联网的车辆路径规划方法、装置和计算机设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610059A (zh) * | 2021-09-13 | 2021-11-05 | 北京百度网讯科技有限公司 | 基于区域评估的车辆控制方法、装置和智能交管系统 |
CN113610059B (zh) * | 2021-09-13 | 2023-12-05 | 北京百度网讯科技有限公司 | 基于区域评估的车辆控制方法、装置和智能交管系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US20180018572A1 (en) | Method, apparatus, device, and system for predicting future travel volumes of geographic regions based on historical transportation network data | |
US20200370912A1 (en) | Method and system for predicting traffic conditions | |
CN107624190B (zh) | 用于加速路线搜索的系统和方法 | |
US10885472B2 (en) | Dynamic transportation pooling | |
EP3198227B1 (en) | Technologies for route navigation sharing in a community cloud | |
AU2017319582A1 (en) | Driver location prediction for a transportation service | |
US10746558B2 (en) | Method and system for routing based on a predicted connectivity quality | |
US10111033B2 (en) | GIS based compression and reconstruction of GPS data for transmission from a vehicular edge platform to the cloud | |
US10594806B2 (en) | Management of mobile objects and resources | |
US11255693B2 (en) | Technologies for intelligent traffic optimization with high-definition maps | |
EP3994626A1 (en) | Receding horizon state estimator | |
US20190096240A1 (en) | Method and apparatus for optimizing traffic scheme for passing through congested roads | |
CN111473789B (zh) | 一种导航路线规划方法、装置及设备 | |
JP2020102838A (ja) | 車両マクロクラウドにおける改善された無線通信 | |
WO2014168428A1 (ko) | 복수의 경유지를 포함한 최적 경로 전달 방법 및 이를 위한 장치 | |
US20220292965A1 (en) | Internet of Vehicles Based Dynamic Information Sending Method and Device | |
CN114036253A (zh) | 高精地图数据处理方法、装置、电子设备和介质 | |
US20170178268A1 (en) | Management of mobile objects and resources | |
US20230152108A1 (en) | Emission-optimized vehicle route and charging | |
US20220268593A1 (en) | Joint optimization of vehicle mobility, communication networks, and computing resources | |
CN111210616A (zh) | 基于多源数据的车流量预测方法、系统、终端及介质 | |
US8818341B2 (en) | Wristwatch notification for late trains | |
Meuser et al. | Relevance-aware information dissemination in vehicular networks | |
Malandrino et al. | Edge-powered assisted driving for connected cars |
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 |
Application publication date: 20200529 |
|
RJ01 | Rejection of invention patent application after publication |