CN111383449A - 路口通行预估方法、计算机设备和计算机可读存储介质 - Google Patents
路口通行预估方法、计算机设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111383449A CN111383449A CN201811645560.7A CN201811645560A CN111383449A CN 111383449 A CN111383449 A CN 111383449A CN 201811645560 A CN201811645560 A CN 201811645560A CN 111383449 A CN111383449 A CN 111383449A
- Authority
- CN
- China
- Prior art keywords
- intersection
- traffic
- historical
- information
- time period
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005070 sampling Methods 0.000 claims abstract description 115
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
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
- 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"
-
- G06Q50/40—
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种路口通行预估方法、计算机设备和计算机可读存储介质，其中，路口通行预估方法包括：统计任一交叉路口多个采样时间段内的多维行驶轨迹数据；确定当前时刻所属的采样时间段，以根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息；根据多维行驶轨迹数据确定采样时间段内交叉路口每一通行方向的通行流畅度，以根据通行流畅度确定在每一通行方向上历史行停信息对应的权重因子；根据历史行停信息与对应的权重因子预估经过交叉路口时的行停信息。根据本发明的技术方案，一方面，有利于对该交叉路口进行有目的的通行优化，另一方面也能够提升导航地图上交叉路口路况预估的多样性。
Description
技术领域
本发明涉及智能交通领域，具体而言，涉及一种路口通行预估方法、一种计算机设备和一种计算机可读存储介质。
背景技术
目前，随着人们生活节奏的加快，人们对交通状态、出行时间、路径的预知也随之有了更高的期待，例如，人们期望可以获得在驾驶车辆通过或者一段时间内将要通过交叉口时所需要的通行时间和在该交叉口的等待时间等。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此，本发明的一个目的在于提供一种路口通行预估方法。
本发明的另一个目的在于提供一种计算机设备。
本发明的再一个目的在于提供一种计算机可读存储介质。
为了实现上述目的，本发明第一方面的技术方案提供了一种路口通行预估方法，包括：统计任一交叉路口多个采样时间段内的多维行驶轨迹数据；确定当前时刻所属的采样时间段，以根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息；根据多维行驶轨迹数据确定采样时间段内交叉路口每一通行方向的通行流畅度，以根据通行流畅度确定在每一通行方向上历史行停信息对应的权重因子；根据历史行停信息与对应的权重因子预估经过交叉路口时的行停信息。
在上述技术方案中，优选地，行停信息包括通行延误时长、停车次数、排队长度与干线通行时长中的任意一种。
在上述任一技术方案中，优选地，根据多维行驶轨迹数据确定采样时间段内交叉路口每一通行方向的通行流畅度，以根据通行流畅度确定在每一通行方向上历史行停信息对应的权重因子，具体包括：提取多维行驶轨迹数据中采样时间段内在每一通行方向通过交叉路口的车流量，以采用车流量表征通行流畅度；将车流量确定对应的权重因子。
在上述任一技术方案中，优选地，在行停信息为通行延误时长时，根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息，具体包括：提取多维行驶轨迹数据中指定时间段内每个行驶方向上的通行时长，以作为自由通行时长；计算采样时间段内的每个行驶方向上的平均通行时长；根据平均通行时长与自由通行时长确定历史通行延误时长。
在上述任一技术方案中，优选地，在行停信息为停车次数时，根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息，具体包括：提取多维行驶轨迹数据中在采样时间段的行驶车速；根据行驶车速检测在采样时间段内的多个采样时间窗下的车辆处于停车状态的次数，以作为历史停车次数，其中，将距离交叉路口预设距离之内的区域确定为路口行驶区域，以在在检测到行驶车速小于停车车速阈值时，确定车辆处于停车状态。
在上述任一技术方案中，优选地，根据历史行停信息与对应的权重因子预估经过交叉路口时的行停信息，具体包括：根据以下公式确定经过交叉路口时的行停信息，公式为：
其中，T延误为行停信息，T东向延误为东向的历史行停信息，T西向延误为西向的历史行停信息，T南向延误为南向的历史行停信息，T北向延误为北向的历史行停信息，f向东为东向的权重因子，f向西西向的权重因子，f向南南向的权重因子，f向北北向的权重因子。
本发明第二方面的技术方案提供了一种计算机设备，包括：存储器和处理器；存储器，用于存储存储器用于存储程序代码；处理器，用于调用程序代码执行：统计任一交叉路口多个采样时间段内的多维行驶轨迹数据；确定当前时刻所属的采样时间段，以根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息；根据多维行驶轨迹数据确定采样时间段内交叉路口每一通行方向的通行流畅度，以根据通行流畅度确定在每一通行方向上历史行停信息对应的权重因子；根据历史行停信息与对应的权重因子预估经过交叉路口时的行停信息，其中，行停信息包括通行延误时长、停车次数、排队长度与干线通行时长中的任意一种。
在上述技术方案中，优选地，处理器，具体用于：提取多维行驶轨迹数据中采样时间段内在每一通行方向通过交叉路口的车流量，以采用车流量表征通行流畅度；将车流量确定对应的权重因子。
在上述任一技术方案中，优选地，处理器，具体用于：提取多维行驶轨迹数据中指定时间段内每个行驶方向上的通行时长，以作为自由通行时长；计算采样时间段内的每个行驶方向上的平均通行时长；根据平均通行时长与自由通行时长确定历史通行延误时长。
在上述任一技术方案中，优选地，处理器，具体用于：提取多维行驶轨迹数据中在采样时间段的行驶车速；根据行驶车速检测在采样时间段内的多个采样时间窗下的车辆处于停车状态的次数，以作为历史停车次数，其中，将距离交叉路口预设距离之内的区域确定为路口行驶区域，以在在检测到行驶车速小于停车车速阈值时，确定车辆处于停车状态。
在上述任一技术方案中，优选地，处理器，具体用于：根据以下公式确定经过交叉路口时的行停信息，公式为：
其中，T延误为行停信息，T东向延误为东向的历史行停信息，T西向延误为西向的历史行停信息，T南向延误为南向的历史行停信息，T北向延误为北向的历史行停信息，f向东为东向的权重因子，f向西西向的权重因子，f向南南向的权重因子，f向北北向的权重因子。
本发明的第三方面的技术方案提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项路口通行预估方法限定的步骤。
本发明的优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了根据本发明的一个实施例的路口通行预估方法的示意流程图；
图2示出了根据本发明的另一个实施例的路口通行预估方法的示意流程图；
图3示出了根据本发明的再一个实施例的路口通行预估方法的示意流程图；
图4示出了根据本发明的实施例的计算机设备的示意框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的路口通行预估方法的示意流程图。
如图1所示，根据本发明的一个实施例的路口通行预估方法，包括：统计任一交叉路口多个采样时间段内的多维行驶轨迹数据；确定当前时刻所属的采样时间段，以根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息；根据多维行驶轨迹数据确定采样时间段内交叉路口每一通行方向的通行流畅度，以根据通行流畅度确定在每一通行方向上历史行停信息对应的权重因子；根据历史行停信息与对应的权重因子预估经过交叉路口时的行停信息。
在该实施例中，对于任一交叉路口，通过统计该交叉路口处的历史行车轨迹数据作为多维行驶轨迹数据，多维行驶轨迹数据包括时间维度的轨迹数据以及空间中方向维度的轨迹数据，在收集到大量行驶数据后，由于在每一天中不同的时间段内同一个交叉路口的路况也不同，因此可以以一天为单位，将一天划分为多个采样时间段，通过分析同一个采样时间段内的多维行驶轨迹数据，得到至少一种历史行停信息，同时通过分析交叉路口在每一个通行方向上的通行流畅度，通行流畅度可以通过车流量或路口通行时长来表征，从而能够根据通行流畅度生成每一通行方向上的权重因子，进而能够结合历史行停信息与权重因子推算当前时刻下经过该交叉路口的行停信息，通过推算出当前时刻经过该交叉路口所需要的行停信息，一方面，有利于对该交叉路口进行有目的的通行优化，另一方面也能够提升导航地图上交叉路口路况预估的多样性。
具体地，利用各个交叉路口在各个采样时间段以及各个通行方向的历史行车轨迹数据，比如以1个月为采样周期，以半小时为采样时间段，分别统计每个采样时间段内在不同日期下的行驶数据，结合相关的权重因子，可以确定更为精确且符合交叉口实际交通状况的车辆行停信息，另外利用各交叉口的行车轨迹数据还能确定车辆的排队长度，利用这些数据可以用来后续优化导航地图中交叉口的属性信息。
在上述实施例中，优选地，行停信息包括通行延误时长、停车次数、排队长度与干线通行时长中的任意一种。
在上述任一实施例中，优选地，根据多维行驶轨迹数据确定采样时间段内交叉路口每一通行方向的通行流畅度，以根据通行流畅度确定在每一通行方向上历史行停信息对应的权重因子，具体包括：提取多维行驶轨迹数据中采样时间段内在每一通行方向通过交叉路口的车流量，以采用车流量表征通行流畅度；将车流量确定对应的权重因子。
在该实施例中，对于交叉路口，由于每一个通行方向上拥堵程度是不同的，因此可以采用权重因子可以基于历史行车轨迹数据中某一时间段内的通过该交叉路口的每一通行方向的历史流量来确定，通过引入对应的权重因子可以用来确定更为精确且符合交叉路口实际交通状况的车辆延误时间、停车次数等信息，以提升预估的准确性。
其中，对于不同的行停信息，对应的权重因子的获得方式可以相同，也可以不同。
在上述任一实施例中，优选地，在行停信息为通行延误时长时，根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息，具体包括：提取多维行驶轨迹数据中指定时间段内每个行驶方向上的通行时长，以作为自由通行时长；计算采样时间段内的每个行驶方向上的平均通行时长；根据平均通行时长与自由通行时长确定历史通行延误时长。
在该实施例中，以通行延误时长预估为例，首先确定通过该交叉路口车辆不停车状态下的通行时长，以作为自由通行时长，然后通过对当前的采样时间段内的多维行驶轨迹数据进行提取与计算，得到在该采样时间段内，通过该交叉路口的平均通行时长，进一步将平均通行时长与自由通行时长之间的差值作为历史通行延误时长，从而能够结合权重因子得到当前的通行延误时长，以起到用户出行时的指导作用，进一步，在检测到延误时长过长、延误现象经常发生时，还可以进一步优化该路口的通行架构，以减少延误时长。
具体地，可以以交叉路口的交叉点为中心，以250m为半径限定出交叉路口的通行区域，然后采集凌晨时间段内车辆直接通过通行区域的时长为自由通行时长，然后通过连续得到的不同日期同一采样时间段内交叉路口通过的平均通行时长，以得到延误时长。
在上述任一实施例中，优选地，在行停信息为停车次数时，根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息，具体包括：提取多维行驶轨迹数据中在采样时间段的行驶车速；根据行驶车速检测在采样时间段内的多个采样时间窗下的车辆处于停车状态的次数，以作为历史停车次数，其中，将距离交叉路口预设距离之内的区域确定为路口行驶区域，以在在检测到行驶车速小于停车车速阈值时，确定车辆处于停车状态。
在该实施例中，以对停车次数的预估为例，为了得到采样时间段内的停车次数，首先可以进行停车状态的定义，然后将采样时间段进一步划分为多个采样时间窗，以观察每个采样时间窗内的车辆位移，通过车辆位移与采样时间窗的长度确定车速，以进一步确定是否处于停车状态，通过观察相邻的采样时间窗之间的速度变化，确定停车状态或行驶状态是否改变，以完成在每个采样时间段内停车次数的统计，结合对多个天数的同一采样时间段内的停车次数的统计，以得到历史停车次数，结合对应的权重因子，确定经过当前路口时的平均停车次数，以指导用户出行。
另外，基于多维行驶轨迹数据还可以用来确定交叉路口的排队长度。可选地，在距离交叉口一定的距离内(如250米)，在该范围内，车辆的首次停车点距交叉口的距离即为当前排队长度，可以理解的是，首次停车点可以通过行车轨迹来进行确定。
同样地，基于行车轨迹还可以用来预估干线通行时间，对于本领域的技术人员可知，该方法应显而易见，即通过轨迹数据可获得干线距离和行车速度，进而预估通行时间。
在上述任一实施例中，优选地，根据历史行停信息与对应的权重因子预估经过交叉路口时的行停信息，具体包括：根据以下公式确定经过交叉路口时的行停信息，公式为：
其中，T延误为行停信息，T东向延误为东向的历史行停信息，T西向延误为西向的历史行停信息，T南向延误为南向的历史行停信息，T北向延误为北向的历史行停信息，f向东为东向的权重因子，f向西西向的权重因子，f向南南向的权重因子，f向北北向的权重因子。
在该实施例中，在行停信息为通行延误时长时，对应的行停信息为当前通行延误时长，对应的历史行停信息为历史通行延误时长，在行停信息为停车次数时，对应的行停信息为当前停车次数，对应的历史行停信息为历史停车次数。
如图2所示，根据本发明的另一个实施例的路口通行预估方法，包括：步骤202，获取各个交叉路口各个方向的多维行驶轨迹数据。
具体地，以交叉路口A为例，可以采集到过去一段时期内(例如过去28天)通过该交叉路口的历史多维行驶轨迹数据。历史多维行驶轨迹数据可以包括历史行车流量、通行时间、行车速度等信息。
进一步地，根据多维行驶轨迹数据，能够以时间段维度、以行车方向维度做统计分析。例如，可以统计得到在中午12:00-13:00内，经过交叉路口A东西走向的历史行车流量、通行时间、速度等信息。可以理解的是，可以根据实际计算需求对所述多维行驶轨迹数据以时间段、方向维度做统计划分。
步骤204，基于轨迹数据确定各个交叉路口各个方向的自由通行时长。
自由通行时长是指通过某一交叉路口车辆不停车直接通过的时间，指定时间段可以为凌晨的一个时间段，通过统计车辆通过某一交叉路口的通行时间得到的平均通行时长作为自由通行时长，
例如，可以基于过去28天在凌晨0:00-6:00时间段内通过交叉路口A的所有车辆的多维行驶轨迹数据，其中，如果多维行驶轨迹数据中包括某一车辆在该时间段内在交叉路口发生停车的轨迹数据，该轨迹数据应剔除，不在统计范围内，得到各个车辆各个方向(如东向西方向、南向北方向等)的通行时间，然后统计得到平均通行时长，该平均通行时长即为自由通行时长。
步骤206，以半小时为采样时间段，基于轨迹数据确定各个交叉路口上每一通行方向车辆的平均通行时长。
例如，采集得到某日上午8.30-9.00的交叉路口A的多维行驶轨迹数据，统计分析得到东西走向和/或南北走向的所有车辆的通行时间，可以理解的是，由于处于早高峰时间段内，通行时间包括了通过该交叉路口的延误时间等。
步骤208，以上述半小时为单位，根据各个车辆的通行时间和自由通行时长确定所述半小时内对应的交叉路口的平均延误时间。计算方法如下：
以东西走向为例，假设在上午8.30-9.00时间段内，通过交叉路口的车辆为50辆，那么通过获得的通行时间(T1)减去自由通行时长(T2)即可获得各个车辆通过该交叉路口的延误时间(T3)，即：T3＝T1-T2。然后统计得到这50辆车的平均延误时间。
同理可以得到该交叉路口南北走向的车辆平均延误时间。
步骤210，根据相应交叉路口的历史行车流量获得延误时间权重因子。例如，如果在过去的28天同一时间段内(如上午8.30-9.00内)，通过交叉路口A沿东西走向的车辆为200辆，那么200作为东西走向的延误时间权重因子，沿南北走向的车辆为100辆，那么100可作为南北走向的延误时间权重因子。可以理解的是，所属权重因子不限于所述历史流量。
步骤212，根据历史通行延误时长和权重因子预估交叉路口的当前通行延误时长，计算方式如下：
其中，T延误为当前通行延误时长，T东向延误为东向的历史通行延误时长，T西向延误为西向的历史通行延误时长，T南向延误为南向的历史通行延误时长，T北向延误为北向的历史通行延误时长，f向东为东向的权重因子，f向西西向的权重因子，f向南南向的权重因子，f向北北向的权重因子。
例如，假设在某日上午8.30-9.00内，东西走向平均延误时间为5分钟，南北走向平均延误时间为3分钟，过去28天内通过该交叉路口东西走向的历史车辆为200辆，南北走向的历史车辆为100辆，那么该交叉路口的当前通行延误时长可以确定为：T延误＝(200×5+100×3)/(200+100)
如图3所示，根据本发明的另一个实施例的路口通行预估方法，包括：
步骤302，获取各个交叉路口各个方向的多维行驶轨迹数据。
多维行驶轨迹数据可以包括历史行车流量、通行时间、行车速度等信息，利用多维行驶轨迹数据，能够以时间段维度、或者以行车方向维度做统计分析。
例如，可以统计得到在中午12:00-13:00内，经过交叉路口A东西走向的历史行车流量、通行时间、速度等信息。可以理解的是，可以根据实际计算需求对多维行驶轨迹数据以时间段、方向维度做统计划分。
步骤304，基于行驶轨迹数据确定各个交叉路口各个方向的平均车辆停车次数。可选地，车辆在距离交叉路口一定距离范围内(例如250米)，车辆的速度小于2/3米每秒，可定义为一次停车，若车辆的速度大于2.5米每秒，可定义为车辆启动。如果车辆速度在2/3米每秒和2.5米每秒之间，可以认为该车辆仍处于停车状态，不计入停车次数。可以理解的是车辆速度可以采样时间内行车距离除以采样时间获得。采样时间通常设定为3秒，即从多维行驶轨迹数据中每3秒采集行车轨迹点，得到轨迹点之间的位移，进而确定行车速度是否小于停车阈值，用来判断车辆的一次停车。
进一步地，统计过去一段时间内各个交叉路口在各个方向(东西、南北)的所有车辆的停车次数，并对各个车辆的停车次数求和并平均，即可以得到对应的平均停车次数。例如，根据某日上午8.30-9.00内通过交叉路口A的所有车辆的行车轨迹，可以统计得到交叉路口A东西走向的平均停车次数为3次，南北走向的平均停车次数为2次。
步骤306，根据相应交叉路口的历史流量获得停车次数权重因子。与延误时间权重因子类似，停车次数权重因子可以以过去28天内同一时间段内(如上午8.30-9.00内)通过该交叉路口的车辆为停车次数权重因子。例如，在过去28天上午8.30-9.00内，通过交叉路口A东西走向的车辆为100辆，那么在东西走向上，停车次数权重因子为100。南北走向上的停车次数权重因子计算方法类似，在此不再赘述。
步骤308，基于平均车辆停车次数和停车次数权重因子预估交叉路口当前停车次数。可选地，计算方法与图1中Step6中计算当前通行延误时长的方法相似，计算方式如下：
其中，P延误为当前停车次数，P东向延误为东向的历史停车次数，P西向延误为西向的历史停车次数，P南向延误为南向的历史停车次数，P北向延误为北向的历史停车次数，f向东为东向的权重因子，f向西西向的权重因子，f向南南向的权重因子，f向北北向的权重因子。
例如，假设在某日上午8.30-9.00内，东西走向平均停车次数为3次，南北走向平均停车次数为2次，过去28天内通过该交叉路口东西走向的历史车辆为200辆，南北走向的历史车辆为100辆，那么该交叉路口的当前停车次数可以预估为：P停车＝(200×3+100×2)/(200+100)。可选地，若停车次数不是整数，可按四舍五入法确定停车次数。
如图4所示，根据本发明的一个实施例的计算机设备400，包括：存储器402、处理器404及存储在存储器402上并可在处理器404上运行的计算机程序，处理器404执行计算机程序时实现上述任一项路口通行预估方法限定的步骤。
具体地，根据本发明的实施例的计算机设备，包括：存储器和处理器；存储器，用于存储存储器用于存储程序代码；处理器，用于调用程序代码执行：统计任一交叉路口多个采样时间段内的多维行驶轨迹数据；确定当前时刻所属的采样时间段，以根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息；根据多维行驶轨迹数据确定采样时间段内交叉路口每一通行方向的通行流畅度，以根据通行流畅度确定在每一通行方向上历史行停信息对应的权重因子；根据历史行停信息与对应的权重因子预估经过交叉路口时的行停信息，其中，行停信息包括通行延误时长、停车次数、排队长度与干线通行时长中的任意一种。
在该实施例中，对于任一交叉路口，通过统计该交叉路口处的历史行车轨迹数据作为多维行驶轨迹数据，多维行驶轨迹数据包括时间维度的轨迹数据以及空间中方向维度的轨迹数据，在收集到大量行驶数据后，由于在每一天中不同的时间段内同一个交叉路口的路况也不同，因此可以以一天为单位，将一天划分为多个采样时间段，通过分析同一个采样时间段内的多维行驶轨迹数据，得到至少一种历史行停信息，同时通过分析交叉路口在每一个通行方向上的通行流畅度，通行流畅度可以通过车流量或路口通行时长来表征，从而能够根据通行流畅度生成每一通行方向上的权重因子，进而能够结合历史行停信息与权重因子推算当前时刻下经过该交叉路口的行停信息，通过推算出当前时刻经过该交叉路口所需要的行停信息，一方面，有利于对该交叉路口进行有目的的通行优化，另一方面也能够提升导航地图上交叉路口路况预估的多样性。
具体地，利用各个交叉路口在各个采样时间段以及各个通行方向的历史行车轨迹数据，比如以1个月为采样周期，以半小时为采样时间段，分别统计每个采样时间段内在不同日期下的行驶数据，结合相关的权重因子，可以确定更为精确且符合交叉口实际交通状况的车辆行停信息，另外利用各交叉口的行车轨迹数据还能确定车辆的排队长度，利用这些数据可以用来后续优化导航地图中交叉口的属性信息。
在上述实施例中，优选地，处理器，具体用于：提取多维行驶轨迹数据中采样时间段内在每一通行方向通过交叉路口的车流量，以采用车流量表征通行流畅度；将车流量确定对应的权重因子。
在该实施例中，对于交叉路口，由于每一个通行方向上拥堵程度是不同的，因此可以采用权重因子可以基于历史行车轨迹数据中某一时间段内的通过该交叉路口的每一通行方向的历史流量来确定，通过引入对应的权重因子可以用来确定更为精确且符合交叉路口实际交通状况的车辆延误时间、停车次数等信息，以提升预估的准确性。
其中，对于不同的行停信息，对应的权重因子的获得方式可以相同，也可以不同。
在上述任一实施例中，优选地，处理器，具体用于：提取多维行驶轨迹数据中指定时间段内每个行驶方向上的通行时长，以作为自由通行时长；计算采样时间段内的每个行驶方向上的平均通行时长；根据平均通行时长与自由通行时长确定历史通行延误时长。
在该实施例中，以通行延误时长预估为例，首先确定通过该交叉路口车辆不停车状态下的通行时长，以作为自由通行时长，然后通过对当前的采样时间段内的多维行驶轨迹数据进行提取与计算，得到在该采样时间段内，通过该交叉路口的平均通行时长，进一步将平均通行时长与自由通行时长之间的差值作为历史通行延误时长，从而能够结合权重因子得到当前的通行延误时长，以起到用户出行时的指导作用，进一步，在检测到延误时长过长、延误现象经常发生时，还可以进一步优化该路口的通行架构，以减少延误时长。
具体地，可以以交叉路口的交叉点为中心，以250m为半径限定出交叉路口的通行区域，然后采集凌晨时间段内车辆直接通过通行区域的时长为自由通行时长，然后通过连续得到的不同日期同一采样时间段内交叉路口通过的平均通行时长，以得到延误时长。
在上述任一实施例中，优选地，处理器，具体用于：提取多维行驶轨迹数据中在采样时间段的行驶车速；根据行驶车速检测在采样时间段内的多个采样时间窗下的车辆处于停车状态的次数，以作为历史停车次数，其中，将距离交叉路口预设距离之内的区域确定为路口行驶区域，以在在检测到行驶车速小于停车车速阈值时，确定车辆处于停车状态。
在该实施例中，以对停车次数的预估为例，为了得到采样时间段内的停车次数，首先可以进行停车状态的定义，然后将采样时间段进一步划分为多个采样时间窗，以观察每个采样时间窗内的车辆位移，通过车辆位移与采样时间窗的长度确定车速，以进一步确定是否处于停车状态，通过观察相邻的采样时间窗之间的速度变化，确定停车状态或行驶状态是否改变，以完成在每个采样时间段内停车次数的统计，结合对多个天数的同一采样时间段内的停车次数的统计，以得到历史停车次数，结合对应的权重因子，确定经过当前路口时的平均停车次数，以指导用户出行。
另外，基于多维行驶轨迹数据还可以用来确定交叉路口的排队长度。可选地，在距离交叉口一定的距离内(如250米)，在该范围内，车辆的首次停车点距交叉口的距离即为当前排队长度，可以理解的是，首次停车点可以通过行车轨迹来进行确定。
同样地，基于行车轨迹还可以用来预估干线通行时间，对于本领域的技术人员可知，该方法应显而易见，即通过轨迹数据可获得干线距离和行车速度，进而预估通行时间
在上述任一实施例中，优选地，处理器，具体用于：根据以下公式确定经过交叉路口时的行停信息，公式为：
其中，T延误为行停信息，T东向延误为东向的历史行停信息，T西向延误为西向的历史行停信息，T南向延误为南向的历史行停信息，T北向延误为北向的历史行停信息，f向东为东向的权重因子，f向西西向的权重因子，f向南南向的权重因子，f向北北向的权重因子。
在该实施例中，在行停信息为通行延误时长时，对应的行停信息为当前通行延误时长，对应的历史行停信息为历史通行延误时长，在行停信息为停车次数时，对应的行停信息为当前停车次数，对应的历史行停信息为历史停车次数。
本发明实施例的路口通行预估装置中的单元模块可以根据实际需要进行合并、划分和删减。
根据本发明的实施例，提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现：
统计任一交叉路口多个采样时间段内的多维行驶轨迹数据；确定当前时刻所属的采样时间段，以根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息；根据多维行驶轨迹数据确定采样时间段内交叉路口每一通行方向的通行流畅度，以根据通行流畅度确定在每一通行方向上历史行停信息对应的权重因子；根据历史行停信息与对应的权重因子预估经过交叉路口时的行停信息。
在上述技术方案中，优选地，行停信息包括通行延误时长、停车次数、排队长度与干线通行时长中的任意一种。
在上述任一技术方案中，优选地，根据多维行驶轨迹数据确定采样时间段内交叉路口每一通行方向的通行流畅度，以根据通行流畅度确定在每一通行方向上历史行停信息对应的权重因子，具体包括：提取多维行驶轨迹数据中采样时间段内在每一通行方向通过交叉路口的车流量，以采用车流量表征通行流畅度；将车流量确定对应的权重因子。
在上述任一技术方案中，优选地，在行停信息为通行延误时长时，根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息，具体包括：提取多维行驶轨迹数据中指定时间段内每个行驶方向上的通行时长，以作为自由通行时长；计算采样时间段内的每个行驶方向上的平均通行时长；根据平均通行时长与自由通行时长确定历史通行延误时长。
在上述任一技术方案中，优选地，在行停信息为停车次数时，根据多维行驶轨迹数据生成采样时间段内交叉路口的历史行停信息，具体包括：提取多维行驶轨迹数据中在采样时间段的行驶车速；根据行驶车速检测在采样时间段内的多个采样时间窗下的车辆处于停车状态的次数，以作为历史停车次数，其中，将距离交叉路口预设距离之内的区域确定为路口行驶区域，以在在检测到行驶车速小于停车车速阈值时，确定车辆处于停车状态。
在上述任一技术方案中，优选地，根据历史行停信息与对应的权重因子预估经过交叉路口时的行停信息，具体包括：根据以下公式确定经过交叉路口时的行停信息，公式为：
其中，T延误为行停信息，T东向延误为东向的历史行停信息，T西向延误为西向的历史行停信息，T南向延误为南向的历史行停信息，T北向延误为北向的历史行停信息，f向东为东向的权重因子，f向西西向的权重因子，f向南南向的权重因子，f向北北向的权重因子。
进一步地，可以理解的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (12)
1.一种路口通行预估方法，其特征在于，包括：
统计任一交叉路口多个采样时间段内的多维行驶轨迹数据；
确定当前时刻所属的采样时间段，以根据所述多维行驶轨迹数据生成所述采样时间段内所述交叉路口的历史行停信息；
根据所述多维行驶轨迹数据确定所述采样时间段内所述交叉路口每一通行方向的通行流畅度，以根据所述通行流畅度确定在所述每一通行方向上所述历史行停信息对应的权重因子；
根据所述历史行停信息与对应的所述权重因子预估经过所述交叉路口时的行停信息。
2.根据权利要求1所述的路口通行预估方法，其特征在于，
所述行停信息包括通行延误时长、停车次数、排队长度与干线通行时长中的任意一种。
3.根据权利要求2所述的路口通行预估方法，其特征在于，所述根据所述多维行驶轨迹数据确定所述采样时间段内所述交叉路口每一通行方向的通行流畅度，以根据所述通行流畅度确定在所述每一通行方向上所述历史行停信息对应的权重因子，具体包括：
提取所述多维行驶轨迹数据中所述采样时间段内在所述每一通行方向通过所述交叉路口的车流量，以采用所述车流量表征所述通行流畅度；
将所述车流量确定对应的所述权重因子。
4.根据权利要求3所述的路口通行预估方法，其特征在于，在所述行停信息为所述通行延误时长时，所述根据所述多维行驶轨迹数据生成所述采样时间段内所述交叉路口的历史行停信息，具体包括：
提取所述多维行驶轨迹数据中指定时间段内每个所述行驶方向上的通行时长，以作为自由通行时长；
计算所述采样时间段内的所述每个行驶方向上的平均通行时长；
根据所述平均通行时长与所述自由通行时长确定历史通行延误时长。
5.根据权利要求3所述的路口通行预估方法，其特征在于，在所述行停信息为所述停车次数时，所述根据所述多维行驶轨迹数据生成所述采样时间段内所述交叉路口的历史行停信息，具体包括：
提取所述多维行驶轨迹数据中在所述采样时间段的行驶车速；
根据所述行驶车速检测在所述采样时间段内的多个采样时间窗下的车辆处于停车状态的次数，以作为历史停车次数，
其中，将距离所述交叉路口预设距离之内的区域确定为路口行驶区域，以在在检测到所述行驶车速小于停车车速阈值时，确定车辆处于所述停车状态。
6.根据权利要求1至5中任一项所述的路口通行预估方法，其特征在于，所述根据所述历史行停与对应的所述权重因子预估经过所述交叉路口时的行停信息，具体包括：
根据以下公式确定经过所述交叉路口时的所述行停信息，所述公式为：
其中，T延误为所述行停信息，T东向延误为东向的所述历史行停信息，T西向延误为西向的所述历史行停信息，T南向延误为南向的所述历史行停信息，T北向延误为北向的所述历史行停信息，f向东为东向的所述权重因子，f向西西向的所述权重因子，f向南南向的所述权重因子，f向北北向的所述权重因子。
7.一种计算机设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储所述存储器用于存储程序代码；
所述处理器，用于调用所述程序代码执行：
统计任一交叉路口多个采样时间段内的多维行驶轨迹数据；
确定当前时刻所属的采样时间段，以根据所述多维行驶轨迹数据生成所述采样时间段内所述交叉路口的历史行停信息；
根据所述多维行驶轨迹数据确定所述采样时间段内所述交叉路口每一通行方向的通行流畅度，以根据所述通行流畅度确定在所述每一通行方向上所述历史行停信息对应的权重因子；
根据所述历史行停与对应的所述权重因子预估经过所述交叉路口时的行停信息。
8.根据权利要求7所述的设备，其特征在于，所述处理器，具体用于：
提取所述多维行驶轨迹数据中所述采样时间段内在所述每一通行方向通过所述交叉路口的车流量，以采用所述车流量表征所述通行流畅度；
将所述车流量确定对应的所述权重因子。
9.根据权利要求8所述的设备，其特征在于，所述处理器，具体用于：
提取所述多维行驶轨迹数据中指定时间段内每个所述行驶方向上的通行时长，以作为自由通行时长；
计算所述采样时间段内的所述每个行驶方向上的平均通行时长；
根据所述平均通行时长与所述自由通行时长确定历史通行延误时长。
10.根据权利要求8所述的设备，其特征在于，所述处理器，具体用于：
提取所述多维行驶轨迹数据中在所述采样时间段的行驶车速；
根据所述行驶车速检测在所述采样时间段内的多个采样时间窗下的车辆处于停车状态的次数，以作为历史停车次数，
其中，将距离所述交叉路口预设距离之内的区域确定为路口行驶区域，以在在检测到所述行驶车速小于停车车速阈值时，确定车辆处于所述停车状态。
11.根据权利要求7至10中任一项所述的设备，其特征在于，所述处理器，具体用于：
根据以下公式确定经过所述交叉路口时的所述行停信息，所述公式为：
其中，T延误为所述行停信息，T东向延误为东向的所述历史行停信息，T西向延误为西向的所述历史行停信息，T南向延误为南向的所述历史行停信息，T北向延误为北向的所述历史行停信息，f向东为东向的所述权重因子，f向西西向的所述权重因子，f向南南向的所述权重因子，f向北北向的所述权重因子。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项路口通行预估方法限定的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811645560.7A CN111383449A (zh) | 2018-12-29 | 2018-12-29 | 路口通行预估方法、计算机设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811645560.7A CN111383449A (zh) | 2018-12-29 | 2018-12-29 | 路口通行预估方法、计算机设备和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111383449A true CN111383449A (zh) | 2020-07-07 |
Family
ID=71216615
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811645560.7A Pending CN111383449A (zh) | 2018-12-29 | 2018-12-29 | 路口通行预估方法、计算机设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111383449A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113327419A (zh) * | 2021-05-31 | 2021-08-31 | 北京百度网讯科技有限公司 | 绿波速度确定方法、装置、电子设备和存储介质 |
| CN114078321A (zh) * | 2020-08-14 | 2022-02-22 | 阿里巴巴集团控股有限公司 | 一种交通状况确定方法和装置 |
| CN114170801A (zh) * | 2021-12-07 | 2022-03-11 | 中国第一汽车股份有限公司 | 路口通行时长的确定方法、装置、电子终端及存储介质 |
| JP2022101679A (ja) * | 2021-06-25 | 2022-07-06 | 阿波▲羅▼智▲聯▼（北京）科技有限公司 | 交通信号機の制御信号生成方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
| CN115440063A (zh) * | 2022-09-01 | 2022-12-06 | 的卢技术有限公司 | 交通信号灯的控制方法、装置、计算机设备和存储介质 |
| CN115440043A (zh) * | 2021-09-26 | 2022-12-06 | 国信军创(岳阳)六九零六科技有限公司 | 基于rfid车辆识别实时路况信息道路监控管理系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002331936A (ja) * | 2001-05-14 | 2002-11-19 | Toshiba Corp | 車両走行軌道上すれ違い部のすれ違いタイミング補正方法、そのすれ違いタイミング補正システム、および車両交通システム |
| CN103680127A (zh) * | 2013-08-29 | 2014-03-26 | 中国科学院地理科学与资源研究所 | 一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法 |
| CN105976062A (zh) * | 2016-05-13 | 2016-09-28 | 腾讯科技（深圳）有限公司 | 信号灯时长数据的挖掘方法、出行服务实现方法和装置 |
| CN106097717A (zh) * | 2016-08-23 | 2016-11-09 | 重庆大学 | 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法 |
| TW201705099A (zh) * | 2015-07-22 | 2017-02-01 | Chunghwa Telecom Co Ltd | 偵測交通號誌位置與狀態的方法和系統 |
| CN107085952A (zh) * | 2017-06-28 | 2017-08-22 | 北京数行健科技有限公司 | 一种评价区域信号灯配时方案的方法、装置及系统 |
-
2018
- 2018-12-29 CN CN201811645560.7A patent/CN111383449A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002331936A (ja) * | 2001-05-14 | 2002-11-19 | Toshiba Corp | 車両走行軌道上すれ違い部のすれ違いタイミング補正方法、そのすれ違いタイミング補正システム、および車両交通システム |
| CN103680127A (zh) * | 2013-08-29 | 2014-03-26 | 中国科学院地理科学与资源研究所 | 一种利用低采样率浮动车数据计算信号灯控制道路交叉口延误的方法 |
| TW201705099A (zh) * | 2015-07-22 | 2017-02-01 | Chunghwa Telecom Co Ltd | 偵測交通號誌位置與狀態的方法和系統 |
| CN105976062A (zh) * | 2016-05-13 | 2016-09-28 | 腾讯科技（深圳）有限公司 | 信号灯时长数据的挖掘方法、出行服务实现方法和装置 |
| CN106097717A (zh) * | 2016-08-23 | 2016-11-09 | 重庆大学 | 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法 |
| CN107085952A (zh) * | 2017-06-28 | 2017-08-22 | 北京数行健科技有限公司 | 一种评价区域信号灯配时方案的方法、装置及系统 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114078321A (zh) * | 2020-08-14 | 2022-02-22 | 阿里巴巴集团控股有限公司 | 一种交通状况确定方法和装置 |
| CN113327419A (zh) * | 2021-05-31 | 2021-08-31 | 北京百度网讯科技有限公司 | 绿波速度确定方法、装置、电子设备和存储介质 |
| CN113327419B (zh) * | 2021-05-31 | 2022-09-06 | 北京百度网讯科技有限公司 | 绿波速度确定方法、装置、电子设备和存储介质 |
| JP2022101679A (ja) * | 2021-06-25 | 2022-07-06 | 阿波▲羅▼智▲聯▼（北京）科技有限公司 | 交通信号機の制御信号生成方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
| CN115440043A (zh) * | 2021-09-26 | 2022-12-06 | 国信军创(岳阳)六九零六科技有限公司 | 基于rfid车辆识别实时路况信息道路监控管理系统 |
| CN114170801A (zh) * | 2021-12-07 | 2022-03-11 | 中国第一汽车股份有限公司 | 路口通行时长的确定方法、装置、电子终端及存储介质 |
| CN115440063A (zh) * | 2022-09-01 | 2022-12-06 | 的卢技术有限公司 | 交通信号灯的控制方法、装置、计算机设备和存储介质 |
| CN115440063B (zh) * | 2022-09-01 | 2023-12-05 | 的卢技术有限公司 | 交通信号灯的控制方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111383449A (zh) | 路口通行预估方法、计算机设备和计算机可读存储介质 | |
| US8279086B2 (en) | Traffic flow monitoring for intersections with signal controls | |
| CN107945562B (zh) | 停车场信息的推荐方法、服务器设备及可读介质 | |
| CN107886725B (zh) | 基于卡口数据的排队长度计算方法和装置 | |
| CN114973677A (zh) | 用于确定预计到达时间的方法和设备 | |
| CN111351499B (zh) | 路径识别方法、装置、计算机设备和计算机可读存储介质 | |
| CN108022425B (zh) | 交通状况预测方法、装置和计算机设备 | |
| CN101964941A (zh) | 基于动态信息的智能导航与位置服务系统及方法 | |
| Kumar et al. | A model based approach to predict stream travel time using public transit as probes | |
| 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 | |
| CN109716067A (zh) | 路径搜索装置、路径搜索系统以及计算机程序 | |
| CN110782656B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
| CN109272745A (zh) | 一种基于深度神经网络的车辆轨迹预测方法 | |
| CN110849382A (zh) | 驾驶时长预测方法及装置 | |
| CN113077084A (zh) | 一种旅游景点游客流量预警装置 | |
| CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
| CN111696376A (zh) | 一种公交车辆到站顺序的确定方法 | |
| CN108269400B (zh) | 一种主干路信号控制交叉口延误估算方法及装置 | |
| CN112489439A (zh) | 一种基于大数据的交通管控方法、存储介质 | |
| CN111613051B (zh) | 一种饱和车头时距的估计方法及装置 | |
| JP2012108084A (ja) | 交差点における進行方向予測装置、進行方向予測方法およびプログラム | |
| CN115860536A (zh) | 一种道路口拥挤率评价方法 | |
| CN114822050B (zh) | 路况识别方法、电子设备及计算机程序产品 | |
| CN105825675A (zh) | 一种基于大数据的路段旅行时间计算方法和装置 | |
| CN110807912A (zh) | 一种道路行车速度预测方法、终端设备及存储介质 |
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: 20200707 |