CN111739283A - 一种基于聚类的路况计算方法、装置、设备及介质 - Google Patents

一种基于聚类的路况计算方法、装置、设备及介质 Download PDF

Info

Publication number
CN111739283A
CN111739283A CN201911046014.6A CN201911046014A CN111739283A CN 111739283 A CN111739283 A CN 111739283A CN 201911046014 A CN201911046014 A CN 201911046014A CN 111739283 A CN111739283 A CN 111739283A
Authority
CN
China
Prior art keywords
short
sequence
current
clustering
vehicle speed
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
Application number
CN201911046014.6A
Other languages
English (en)
Other versions
CN111739283B (zh
Inventor
王志军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201911046014.6A priority Critical patent/CN111739283B/zh
Publication of CN111739283A publication Critical patent/CN111739283A/zh
Application granted granted Critical
Publication of CN111739283B publication Critical patent/CN111739283B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于聚类的路况计算方法、装置、设备及介质，方法包括获取长路段中预设数量车辆的行驶轨迹；沿长路段车辆通行方向切分得到对应的短路段序列；根据短路段序列得到每个短路段对应的区间行驶轨迹集；根据每个短路段对应的区间行驶轨迹集，得到短路段序列对应的综合车辆速度序列；扫描综合车辆速度序列，沿综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集；根据聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列；根据聚类结果集计算目标路段序列中各个目标路段的路况。本发明目标路段的形成基础更为客观，符合现实世界的真实情况，从而为用户提供精准的路况服务，增加用户粘度。

Description

一种基于聚类的路况计算方法、装置、设备及介质
技术领域
本发明涉及路况计算领域，尤其涉及一种基于聚类的路况计算方法、装置、设备及介质。
背景技术
车辆通行状态数据是地图导航所需的重要数据，现有技术中可以通过计算地图中各个路段或路段组中的车辆速度确定路段或路段组对应的车辆通行状态，进而得到路段或路段组的路况。
相较于路段组，路段的划分粒度较细，因此，在路段粒度进行车辆通行状态的确定有利于为用户提供更为精准的车辆通行状态数据，增加用户粘度。但是不同路段的长度差异较大，比如，短路段长度可能低于5米，长路段长度可能大于几千米。
若路段长度过长，长路段可能存在各种不同的车辆通行状态，难以使用一个确定的车辆通行状态来表达长路段的路况。若强行为长路段确定一个车辆通行状态数据，并以此进行导航，可能对用户造成误导。
发明内容
为了解决现有技术中长路段由于距离过长而带来的难以使用统一路况描述整个长路段区间的路况的技术问题，本发明实施例提供一种基于聚类的路况计算方法、装置、设备及介质。
一方面，本发明提供了一种基于聚类的路况计算方法，所述方法包括：
获取长路段中预设数量的车辆的行驶轨迹；
沿所述长路段车辆通行方向划分所述长路段，得到所述长路段对应的短路段序列；
根据所述短路段序列对所述预设数量的车辆的行驶轨迹进行切分，得到每个所述车辆在每个短路段的区间行驶轨迹,根据所述每个所述车辆在每个短路段的区间行驶轨迹，得到每个短路段对应的区间行驶轨迹集；
根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列；
扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集；
根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列；
根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况。
另一方面，本发明提供一种基于聚类的路况计算装置，所述装置包括：
行驶轨迹获取模块，用于获取长路段中预设数量的车辆的行驶轨迹；
均分模块，用于沿所述长路段车辆通行方向划分所述长路段，得到所述长路段对应的短路段序列；
区间行驶轨迹集获取模块，用于根据所述短路段序列对所述预设数量的车辆的行驶轨迹进行切分，得到每个所述车辆在每个短路段的区间行驶轨迹,根据所述每个所述车辆在每个短路段的区间行驶轨迹，得到每个短路段对应的区间行驶轨迹集；
综合车辆速度序列获取模块，用于根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列；
第一聚类模块，用于扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集；
第二聚类模块，用于根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列；
路况计算模块，用于根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况。
另一方面，本发明提供一种计算机存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述的一种基于聚类的路况计算方法。
另一方面，一种基于聚类的路况计算设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行上述的一种基于聚类的路况计算方法。
本发明提供了一种基于聚类的路况计算方法、装置、设备及介质，将长路段按照预设规则均匀分成多段短路段，在每个短路段内计算综合车辆速度，并基于综合车辆速度进行短路段聚类，根据聚类结果得到目标路段，并获取目标路段的路况，将所述路况发布给用户。这种基于聚类的路况计算方法发布的目标路段内部具有统一的路况，目标路段的形成基础也更为客观，符合现实世界的真实情况，从而为用户提供精准的路况服务，增加用户粘度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1是本发明提供的路段示意图；
图2是本发明提供的路段组示意图；
图3是本发明提供的长路段等距划分的示意图；
图4是本发明提供的长路段等段数划分的示意图；
图5是本发明提供的一种基于聚类的路况计算方法的实施环境示意图；
图6是本发明提供的一种基于聚类的路况计算方法的流程图；
图7是本发明提供的确定长路段流程图；
图8是本发明提供的一辆车辆在短路段中的区间行驶轨迹示意图；
图9是本发明提供的根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列流程图；
图10是本发明提供扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集流程图；
图11是本发明提供的根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列流程图；
图12是本发明提供的根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况流程图；
图13是本发明提供的一种基于聚类的路况计算装置框图；
图14是本发明提供的一种用于实现本发明实施例所提供的方法的设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了使本发明实施例公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明实施例进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本发明实施例，并不用于限定本发明实施例。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。为了便于理解本发明实施例所述的技术方案及其产生的技术效果，本发明实施例首先对于相关专业名词进行解释：
路段(Link):地图制作的最小道路单元，凡是遇到分叉的地方都会打断，同时在红绿灯路口，都会制作很多的细碎的Link。图1示出了路段示意图，图1中标注有六个路段。
路段组(Link组)：一般是以大的交通设施为划分条件，比如收费站，某某桥，路段组一般会很长。如图2示出了路段组示意图，图2中标注有一个路段组。
路况速度：一条道路的综合/平均通行速度，需要采集在该道路上行驶的预设数量的车辆的车辆速度为基础数据，使用复杂算法和模型(多车速度融合)，最终得到路况速度。
路况状态：与路况速度是正相关的，经过一定的规则将路况速度映射到路况状态，路况状态可以使用枚举值描述，比如可以将路况状态枚举为畅通，缓行，拥堵和极度拥堵四个取值。
在路况计算领域，最基础的数据来源是车辆的轨迹，基于车辆轨迹能够计算出车辆在每条道路上的行驶速度，随后基于行驶速度，在各种道路场景中使用相适配的模型(不管是简单规则还是复杂的机器学习，深度学习，迁移学习，主动学习)来计算一条道路的路况速度和路况状态。不过，现有技术中计算维度都是基于路段或路段组。其中，路段的长度受现实世界、制作工艺、导航需求、数据规模等因素的制约，会出现长短不一且差距很大的情况。而路段组的粒度甚至高于路段，因此，现有技术中较多采用路段粒度的路况计算。
与之形成对应的，用户对于路况状况准确性和精细程度的要求越来越高，不仅仅要求一条道路的路况是准确的，当一条道路比较长的时候，且道路内部不同的段存在明显路况差异的情况下，用户也需要获取明确的展示，比如长道路的前半段拥堵，后半段畅通。如果在这种场景下，综合给一个整体缓行的路况提示，用户会认为路况是不准确的，甚至是不对的。在许多场景中，用户需要明确给出，在这条道路上，从哪一个位置点到哪一个位置点的路况状态是什么，即用户需要获取到更加精细化的路况。然而，一个长路段之中，是有很大概率出现前半段和后半段路况差异特别大的情况(影响因素很多，包括但不限于中间车道数变更，中间有道路分流，中间有交通事故，施工，管制等)，这个时候，如果依然按照路段的维度来计算和发布路况，对用户来说，给出的路况，不管在路段的前半段还是后半段，都是错的，难以满足用户需求。
由于不同路段的长度差异较大，若路段长度较长，在其长度范围内，可能存在各种不同的车辆通行状态，难以使用一个确定的车辆通行状态来表达长路段的路况，故现有技术提供两种长路段的路况计算方法。
第一种方法可以将长路段等距划分为若干短路段，以划分出来的短路段作为独立区间计算路况，并根据计算得到的路况为用户提供导航功能。第二种方法可以将长路段等段数划分为若干短路段，以划分出来的短路段作为独立区间计算路况，并根据计算得到的路况为用户提供导航功能。
请参考图3，其示出了长路段等距划分的示意图，这种划分方式过于机械化，缺乏灵活度，不管长路段有多长，都将其进行等距划分，并未考虑到长路段内部的车辆通行情况，很有可能将具有相同通行情况的路段划分在不同区间。请参考图4，其示出了长路段等段数划分的示意图，其也存在与等距划分相同的问题。
并且，不管路段的长度多长，等距划分或等段数划分都会存在段的划分规则是基于人为的经验而制定的问题，很难取到合适的划分依据。比如，如果划分的段数过多或划分的距离过短，则分段越多，现实世界中，即使是长路段，也可能被切割的过于细碎。以此同时，也带来数据存储、用户网络流量消耗的巨大增长；如果划分的段数过少或划分的距离过长，那么划分后的区间长度依然很大，无法解决长路段带来的问题。
为了解决现有技术中长路段由于距离过长而带来的难以使用统一路况描述整个长路段区间的路况的技术问题，本发明实施例提供一种基于聚类的路况计算方法。
首先，本发明实施例公开了在一个可行的实施例中所述一种基于聚类的路况计算方法的实施环境。
参照图5，所述实施环境包括多个终端10和路况服务器30。所述终端10与所述路况服务器30通信连接。
所述终端10具体可以是车载终端、台式终端或移动终端，移动终端具体可以是手机、平板电脑和笔记本电脑等中的至少一种。其中，车载终端是设置于车辆并随车移动的智能终端。
路况服务器30可以接收多个终端10上报的位置数据，获取长路段中预设数量的车辆的行驶轨迹。沿所述长路段车辆通行方向划分所述长路段得到所述长路段对应的短路段序列。根据所述短路段序列对所述预设数量的车辆的行驶轨迹进行切分，得到每个所述车辆在每个短路段的区间行驶轨迹,根据所述每个所述车辆在每个短路段的区间行驶轨迹，得到每个短路段对应的区间行驶轨迹集。根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列。扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集。根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列。根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况。
所述路况服务器30可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
请参考图6，其示出了一种基于聚类的路况计算方法的流程图，所述方法可以以图5所述的实施环境中路况服务器为执行主体实施，所述方法可以包括：
S101.获取长路段中预设数量的车辆的行驶轨迹。
在一个可行的实施例中，可以获取所述长路段中某个时间区间内全部的车辆的行驶轨迹。所述车辆的行驶轨迹通过接受车辆上传至路况服务器的位置信息得到。
具体地，本发明实施例中对于长路段的定义可以根据实际需要进行设定。在一个可行的实施例中，长度大于预设第一阈值的路段被定义为长路段。比如，第一阈值可以为300米，或500米，其取值可以被调整。
在另一个优选的实施例中，还可以综合考虑路段的重要程度判定所述路段是否为长路段。具体地，在所述获取长路段中预设数量的车辆的行驶轨迹之前，还包括确定长路段的步骤，如图7所示，所述确定长路段包括：
S1.获取路段的重要程度。
具体地，不同的路段可以有不同的重要程度，比如，高速公路的重要程度可能高于乡间小路。路段的重要程度可以在地图制作的时候作为字段进行记录，也可以根据制作地图的时候的相关字段间接获取。
S3.获取所述重要程度对应的长度阈值。
S5.若所述路段的实际长度大于或等于所述长度阈值，则将所述路段确定为长路段。
S103.沿所述长路段车辆通行方向划分所述长路段，得到所述长路段对应的短路段序列。
具体地，可以使用现有技术中的等距划分法或等段数划分法对长路段进行划分，所述短路段序列标识的短路段依次连接即可得到所述长路段。
S105.根据所述短路段序列对所述预设数量的车辆的行驶轨迹进行切分，得到每个所述车辆在每个短路段的区间行驶轨迹,根据所述每个所述车辆在每个短路段的区间行驶轨迹，得到每个短路段对应的区间行驶轨迹集。
如图8所示，其示出了一辆车辆在短路段中的区间行驶轨迹示意图。将长路段按照等距或等段数划分为多个短路段。本发明实施例中可以得到预设数量的车辆在短路段中的区间行驶轨迹集。
S107.根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列。
具体地，所述根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列，如图9所示，包括：
S1071.对于每个短路段，计算其对应的行驶轨迹集中每条行驶轨迹对应的车辆速度，得到短路段序列对应的车辆速度矩阵。
本发明实施例中车辆速度为在道路上行驶的一辆车在一定距离中的平均通行速度。
具体地，所述车辆速度矩阵可以被表示为
Figure BDA0002254162630000091
其中n表示短路段数量，m表示车辆数量，a,b,......,m用于区分不同的车辆。所述车辆速度矩阵列向量表示某辆车辆在各个短路段的车辆速度，所述车辆速度矩阵行向量表示某个路段中各个车辆的车辆速度。
S1073.根据所述车辆速度矩阵的行向量计算短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列。
具体地，可以根据所述行向量中各个元素进行算数平均或加权平均计算所述行向量对应的路段的综合车辆速度。
S109.扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集。
具体地，所述综合车辆速度序列可以被表示为{v1,……,vn}，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类可以为自左到右进行聚类。
在一个可行的实施例中，所述扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集，如图10所示，包括：
S1091.以所述综合车辆速度序列的第一个元素为当前元素，初始化当前聚类结果集和当前类，所述当前聚类结果集为空集，所述当前类只包括所述当前元素。
S1093.判断在所述综合车辆速度序列中是否存在所述当前元素的下一个元素。
S1095.若存在，则在所述综合车辆速度序列中获取所述当前元素的下一个元素，判断所述当前元素的下一个元素与所述当前元素是否满足预设关系。
具体地，所述判断所述当前元素的下一个元素与所述当前元素是否满足预设关系，包括：
S10951.判断所述当前元素的下一个元素与所述当前元素的绝对差值是否小于第一预设差值阈值。
S10953.若否，则判定所述当前元素的下一个元素与所述当前元素不满足预设关系；若是，则判断所述当前元素的下一个元素与所述当前元素的相对差值是否小于第二预设差值阈值；
S10955.若所述当前元素的下一个元素与所述当前元素的相对差值小于所述第二预设差值阈值，则判定所述当前元素的下一个元素与所述当前元素满足预设关系；若所述当前元素的下一个元素与所述当前元素的相对差值大于或等于所述第二预设差值阈值，则判定所述当前元素的下一个元素与所述当前元素不满足预设关系。
即当vi+1与vi(当前元素的下一个元素与所述当前元素)的绝对差值和相对差值满足如下公式：
Figure BDA0002254162630000111
其中阈值α(特定的可取值为5)，阈值β(特定的可取值为10％)，且与Ccur所有元素vj的绝对差值和相对差值均满足上述公式，则认为vi+1与vi是可以聚类在一起的，将vi+1加入Ccur(当前类)中；否则，认为vi+1与vi是不能聚在一起，所以Ccur已经无法再行扩展，将其加入C(当前聚类结果集)中，然后清空Ccur，将vi+1加入Ccur。
S1097.若是，则将所述当前速度元素的下一个速度元素加入所述当前类，将所述当前元素的下一个速度元素为当前速度元素，重复执行步骤S1093。
S1099.若否，则将所述当前类加入所述当前聚类结果集，在清空所述当前类后，将所述当前速度元素的下一个速度元素加入所述当前类，将所述当前元素的下一个速度元素为当前速度元素，重复执行步骤S1093。
S10911.若不存在，则将所述当前类加入所述当前聚类结果集，结束聚类流程。
聚类结果集可以被表示为C＝{C1＝{v1,v2,…vk1},C2＝{vk1+1,vk1+2,…vk2},…Ck{vkk+1,vkk+2,…vn}}，其中k为最终的聚类个数。
S1011.根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列。
本发明实施例中聚类结果集中的各个元素均包括了至少一个综合车辆速度，而每个综合车辆速度均有其对应的短路段，因此，所述根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列，如图11所示，包括：
S10111.获取聚类结果集中的每个元素包括的各个综合车辆速度；
S10113.提取所述元素对应的所述综合车辆速度对应的短路段；
S10115.依次连接所述元素对应的所述综合车辆速度对应的短路段，得到所述元素对应的目标路段以得到所述聚类结果集对应的目标路段序列。
显然，本发明实施例中目标路段序列的元素数量对应于聚类结果集中的元素的数量。
S1013.根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况。
具体地，所述根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况，如图12所示，包括：
S10131.确定目标路段在所述聚类结果集中对应的目标元素。
S10133.提取所述目标元素中的各个综合车辆速度。
S10135.根据所述各个综合车辆速度进行速度融合，计算所述目标元素对应的目标速度。
具体地，本发明实施例中融合的方法包括但不限于算数均值，加权均值、几何均值、众数，中位数，以及基于机器学习模型融合等。
S10137.将所述目标速度映射为目标路况。
具体地，可以预设速度区间与路况的映射表，根据所述映射表查询目标速度所在的目标速度区间，将所述目标速度区间对应的目标路况作为所述目标速度对应的目标路况。
在一个优选的实施例中，还可以将所述目标路段序列中各个目标路段和所述目标路段对应的路况发送至第一终端，以使得第一终端显示所述目标路段以及所述目标路段对应的目标路况。
本发明实施例公开了一种基于聚类的路况计算方法，将长路段按照预设规则均匀分成多段短路段，在每个短路段内计算综合车辆速度，并基于综合车辆速度进行短路段聚类，根据聚类结果得到目标路段，并获取目标路段的路况，将所述路况发布给用户。这种基于聚类的路况计算方法发布的目标路段内部具有统一的路况，目标路段的形成基础也更为客观，符合现实世界的真实情况，从而为用户提供精准的路况服务，增加用户粘度。
本发明实施例还公开一种基于聚类的路况计算装置，如图13所示，所述装置包括：
行驶轨迹获取模块201，用于获取长路段中预设数量的车辆的行驶轨迹；
均分模块203，用于沿所述长路段车辆通行方向划分所述长路段，得到所述长路段对应的短路段序列；
区间行驶轨迹集获取模块205，用于根据所述短路段序列对所述预设数量的车辆的行驶轨迹进行切分，得到每个所述车辆在每个短路段的区间行驶轨迹,根据所述每个所述车辆在每个短路段的区间行驶轨迹，得到每个短路段对应的区间行驶轨迹集；
综合车辆速度序列获取模块207，用于根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列；
第一聚类模块209，用于扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集；
第二聚类模块2011，用于根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列；
路况计算模块2013，用于根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况。
具体地，本发明实施例所述一种基于聚类的路况计算装置与方法实施例均基于相同发明构思。详情请参见方法实施例，在此不再赘述。
本发明实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令。所述指令可以适于由处理器加载并执行本发明实施例所述一种基于聚类的路况计算方法，所述方法至少包括下述步骤：
一种基于聚类的路况计算方法，所述方法包括：
获取长路段中预设数量的车辆的行驶轨迹；
沿所述长路段车辆通行方向划分所述长路段，得到所述长路段对应的短路段序列；
根据所述短路段序列对所述预设数量的车辆的行驶轨迹进行切分，得到每个所述车辆在每个短路段的区间行驶轨迹,根据所述每个所述车辆在每个短路段的区间行驶轨迹，得到每个短路段对应的区间行驶轨迹集；
根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列；
扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集；
根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列；
根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况。
在一个可行的实施例中，在所述获取长路段中预设数量的车辆的行驶轨迹之前，还包括确定长路段的步骤，所述确定长路段包括：
获取路段的重要程度；
获取所述重要程度对应的长度阈值；
若所述路段的实际长度大于或等于所述长度阈值，则将所述路段确定为长路段。
在一个可行的实施例中，所述根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列，包括：
对于每个短路段，计算其对应的行驶轨迹集中每条行驶轨迹对应的车辆速度，得到短路段序列对应的车辆速度矩阵；
根据所述车辆速度矩阵的行向量计算短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列。
在一个可行的实施例中，所述扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集，包括：
以所述综合车辆速度序列的第一个元素为当前元素，初始化当前聚类结果集和当前类，所述当前聚类结果集为空集，所述当前类只包括所述当前元素；
判断在所述综合车辆速度序列中是否存在所述当前元素的下一个元素；
若存在，则在所述综合车辆速度序列中获取所述当前元素的下一个元素，判断所述当前元素的下一个元素与所述当前元素是否满足预设关系；
若是，则将所述当前速度元素的下一个速度元素加入所述当前类，将所述当前元素的下一个速度元素为当前速度元素，重复执行步骤：判断在所述综合车辆速度序列中是否存在所述当前元素的下一个元素；
若否，则将所述当前类加入所述当前聚类结果集，在清空所述当前类后，将所述当前速度元素的下一个速度元素加入所述当前类，将所述当前元素的下一个速度元素为当前速度元素，重复执行步骤：判断在所述综合车辆速度序列中是否存在所述当前元素的下一个元素；
若不存在，则将所述当前类加入所述当前聚类结果集，结束聚类流程。
在一个可行的实施例中，所述判断所述当前元素的下一个元素与所述当前元素是否满足预设关系，包括：
判断所述当前元素的下一个元素与所述当前元素的绝对差值是否小于第一预设差值阈值；
若否，则判定所述当前元素的下一个元素与所述当前元素不满足预设关系；若是，则判断所述当前元素的下一个元素与所述当前元素的相对差值是否小于第二预设差值阈值；
若所述当前元素的下一个元素与所述当前元素的相对差值小于所述第二预设差值阈值，则判定所述当前元素的下一个元素与所述当前元素满足预设关系；若所述当前元素的下一个元素与所述当前元素的相对差值大于或等于所述第二预设差值阈值，则判定所述当前元素的下一个元素与所述当前元素不满足预设关系。
在一个可行的实施例中，所述根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列，包括：
获取聚类结果集中的每个元素包括的各个综合车辆速度；
提取所述元素对应的所述综合车辆速度对应的短路段；
依次连接所述元素对应的所述综合车辆速度对应的短路段，得到所述元素对应的目标路段以得到所述聚类结果集对应的目标路段序列。
在一个可行的实施例中，所述根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况，包括：
确定目标路段在所述聚类结果集中对应的目标元素；
提取所述目标元素中的各个综合车辆速度；
根据所述各个综合车辆速度进行速度融合，计算所述目标元素对应的目标速度；
将所述目标速度映射为目标路况。
进一步地，图14示出了一种用于实现本发明实施例所提供的方法的设备的硬件结构示意图，所述设备可以参与构成或包含本发明实施例所提供的装置或系统。如图14所示，设备10可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图14所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，设备10还可包括比图14中所示更多或者更少的组件，或者具有与图14所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到设备10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中所述的方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种基于聚类的路况计算方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括设备10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(NetworkInterfaceController，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与设备10(或移动设备)的用户界面进行交互。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和服务器实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (10)

1.一种基于聚类的路况计算方法，其特征在于，所述方法包括：
获取长路段中预设数量的车辆的行驶轨迹；
沿所述长路段车辆通行方向划分所述长路段，得到所述长路段对应的短路段序列；
根据所述短路段序列对所述预设数量的车辆的行驶轨迹进行切分，得到每个所述车辆在每个短路段的区间行驶轨迹,根据所述每个所述车辆在每个短路段的区间行驶轨迹，得到每个短路段对应的区间行驶轨迹集；
根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列；
扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集；
根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列；
根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况。
2.根据权利要求1所述的方法，其特征在于，在所述获取长路段中预设数量的车辆的行驶轨迹之前，还包括确定长路段的步骤，所述确定长路段包括：
获取路段的重要程度；
获取所述重要程度对应的长度阈值；
若所述路段的实际长度大于或等于所述长度阈值，则将所述路段确定为长路段。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列，包括：
对于每个短路段，计算其对应的行驶轨迹集中每条行驶轨迹对应的车辆速度，得到短路段序列对应的车辆速度矩阵；
根据所述车辆速度矩阵的行向量计算短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列。
4.根据权利要求3所述的方法，其特征在于，所述扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集，包括：
以所述综合车辆速度序列的第一个元素为当前元素，初始化当前聚类结果集和当前类，所述当前聚类结果集为空集，所述当前类只包括所述当前元素；
判断在所述综合车辆速度序列中是否存在所述当前元素的下一个元素；
若存在，则在所述综合车辆速度序列中获取所述当前元素的下一个元素，判断所述当前元素的下一个元素与所述当前元素是否满足预设关系；
若是，则将所述当前速度元素的下一个速度元素加入所述当前类，将所述当前元素的下一个速度元素为当前速度元素，重复执行步骤：判断在所述综合车辆速度序列中是否存在所述当前元素的下一个元素；
若否，则将所述当前类加入所述当前聚类结果集，在清空所述当前类后，将所述当前速度元素的下一个速度元素加入所述当前类，将所述当前元素的下一个速度元素为当前速度元素，重复执行步骤：判断在所述综合车辆速度序列中是否存在所述当前元素的下一个元素；
若不存在，则将所述当前类加入所述当前聚类结果集，结束聚类流程。
5.根据权利要求4所述的方法，其特征在于，所述判断所述当前元素的下一个元素与所述当前元素是否满足预设关系，包括：
判断所述当前元素的下一个元素与所述当前元素的绝对差值是否小于第一预设差值阈值；
若否，则判定所述当前元素的下一个元素与所述当前元素不满足预设关系；若是，则判断所述当前元素的下一个元素与所述当前元素的相对差值是否小于第二预设差值阈值；
若所述当前元素的下一个元素与所述当前元素的相对差值小于所述第二预设差值阈值，则判定所述当前元素的下一个元素与所述当前元素满足预设关系；若所述当前元素的下一个元素与所述当前元素的相对差值大于或等于所述第二预设差值阈值，则判定所述当前元素的下一个元素与所述当前元素不满足预设关系。
6.根据权利要求1或2所述的方法，其特征在于，所述根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列，包括：
获取聚类结果集中的每个元素包括的各个综合车辆速度；
提取所述元素对应的所述综合车辆速度对应的短路段；
依次连接所述元素对应的所述综合车辆速度对应的短路段，得到所述元素对应的目标路段以得到所述聚类结果集对应的目标路段序列。
7.根据权利要求6所述的方法，其特征在于，所述根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况，包括：
确定目标路段在所述聚类结果集中对应的目标元素；
提取所述目标元素中的各个综合车辆速度；
根据所述各个综合车辆速度进行速度融合，计算所述目标元素对应的目标速度；
将所述目标速度映射为目标路况。
8.一种基于聚类的路况计算装置，其特征在于，所述装置包括：
行驶轨迹获取模块，用于获取长路段中预设数量的车辆的行驶轨迹；
均分模块，用于沿所述长路段车辆通行方向划分所述长路段，得到所述长路段对应的短路段序列；
区间行驶轨迹集获取模块，用于根据所述短路段序列对所述预设数量的车辆的行驶轨迹进行切分，得到每个所述车辆在每个短路段的区间行驶轨迹,根据所述每个所述车辆在每个短路段的区间行驶轨迹，得到每个短路段对应的区间行驶轨迹集；
综合车辆速度序列获取模块，用于根据所述每个短路段对应的区间行驶轨迹集，计算每个短路段对应的综合车辆速度，得到短路段序列对应的综合车辆速度序列；
第一聚类模块，用于扫描所述综合车辆速度序列，沿所述综合车辆速度序列的元素排布方向进行车辆速度聚类，得到聚类结果集；
第二聚类模块，用于根据所述聚类结果集对短路段序列中的短路段进行聚类，得到目标路段序列；
路况计算模块，用于根据所述聚类结果集计算所述目标路段序列中各个目标路段的路况。
9.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1-7任一项所述的一种基于聚类的路况计算方法。
10.一种基于聚类的路况计算设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行如权利要求1-7任一项所述的一种基于聚类的路况计算方法。
CN201911046014.6A 2019-10-30 2019-10-30 一种基于聚类的路况计算方法、装置、设备及介质 Active CN111739283B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911046014.6A CN111739283B (zh) 2019-10-30 2019-10-30 一种基于聚类的路况计算方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911046014.6A CN111739283B (zh) 2019-10-30 2019-10-30 一种基于聚类的路况计算方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN111739283A true CN111739283A (zh) 2020-10-02
CN111739283B CN111739283B (zh) 2022-05-20

Family

ID=72646002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911046014.6A Active CN111739283B (zh) 2019-10-30 2019-10-30 一种基于聚类的路况计算方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN111739283B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112885128A (zh) * 2021-01-14 2021-06-01 北京中交兴路信息科技有限公司 识别封堵路段的方法、装置、设备及存储介质
CN113066285A (zh) * 2021-03-15 2021-07-02 北京百度网讯科技有限公司 一种路况信息确定方法、装置、电子设备及存储介质
CN115273452A (zh) * 2021-04-29 2022-11-01 阿里巴巴新加坡控股有限公司 路况确定方法、装置及计算机可读存储介质

Citations (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1975800A (zh) * 2006-12-25 2007-06-06 北京世纪高通科技有限公司 一种交通信息融合处理方法和系统
US20120296560A1 (en) * 2011-05-19 2012-11-22 Microsoft Corporation Inferring a Behavioral State of a Vehicle
CN103093621A (zh) * 2013-01-07 2013-05-08 北京世纪高通科技有限公司 一种多源交通信息融合的处理方法和装置
CN103337189A (zh) * 2013-06-08 2013-10-02 北京航空航天大学 一种基于路段动态划分的车辆路径诱导方法
CN104050817A (zh) * 2014-05-23 2014-09-17 北京中交兴路信息科技有限公司 限速信息库生成、限速信息检测的方法和系统
CN104183128A (zh) * 2013-05-22 2014-12-03 高德软件有限公司 交通状态确定方法及装置
US20150149076A1 (en) * 2012-08-27 2015-05-28 Continental Teves Ag & Co.Ohg Method for Determining a Course of a Traffic Lane for a Vehicle
US20150170514A1 (en) * 2013-12-13 2015-06-18 Here Global B.V. Systems and Methods for Detecting Road Congestion and Incidents in Real Time
CN104766476A (zh) * 2015-04-16 2015-07-08 上海理工大学 一种路段以及路网区域交通状态指数的计算方法
CN104778727A (zh) * 2015-04-30 2015-07-15 安徽超远信息技术有限公司 基于视频监控处理技术的浮动车统计方法
CN105489008A (zh) * 2015-12-28 2016-04-13 北京握奇智能科技有限公司 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统
CN105740904A (zh) * 2016-01-29 2016-07-06 东南大学 一种基于dbscan聚类算法的出行与活动模式识别方法
CN105788289A (zh) * 2014-12-17 2016-07-20 上海宝康电子控制工程有限公司 基于计算机软件系统实现交通路况评估分析的方法和系统
CN106056903A (zh) * 2016-06-22 2016-10-26 江苏迪纳数字科技股份有限公司 基于gps数据的道路拥塞区域的检测方法
CN106447138A (zh) * 2016-11-25 2017-02-22 上海电机学院 一种基于速度矩阵的电子地图出行时间计算方法
CN106504534A (zh) * 2016-11-28 2017-03-15 北京世纪高通科技有限公司 一种预测道路路况的方法、装置及用户设备
US20170089717A1 (en) * 2015-09-29 2017-03-30 Garmin Switzerland Gmbh Use of road lane data to improve traffic probe accuracy
CN106600958A (zh) * 2016-11-29 2017-04-26 北京掌行通信息技术有限公司 动态路况表达方法及装置
EP3208638A1 (en) * 2014-10-14 2017-08-23 Bridgestone Corporation Road surface state prediction method and road surface state prediction system
CN107248283A (zh) * 2017-07-18 2017-10-13 北京航空航天大学 一种考虑路段关键度的城市区域路网运行状态评价方法
CN107293117A (zh) * 2017-07-04 2017-10-24 清华大学 一种公路异常事件的判断方法
CN107766808A (zh) * 2017-09-30 2018-03-06 北京泓达九通科技发展有限公司 道路网络空间中车辆对象移动轨迹聚类的方法及系统
CN107798872A (zh) * 2017-10-27 2018-03-13 北京世纪高通科技有限公司 一种分车道路况的生成方法和装置
CN107886718A (zh) * 2017-11-01 2018-04-06 沈阳世纪高通科技有限公司 一种路况分析方法、装置及网络系统
CN108171976A (zh) * 2017-12-29 2018-06-15 合肥工业大学 基于在途数据的车辆用途识别方法
CN108550259A (zh) * 2018-04-19 2018-09-18 何澜 道路拥堵判断方法、终端设备及计算机可读存储介质
CN108648457A (zh) * 2018-06-28 2018-10-12 苏州大学 一种速度预测的方法、装置和计算机可读存储介质
CN108831161A (zh) * 2018-06-27 2018-11-16 深圳大学 一种基于无人机的交通流量监测方法、智能系统及数据集
CN109166317A (zh) * 2018-10-29 2019-01-08 东北林业大学 基于状态特征的城市交通路径通过时间确定方法
US20190026591A1 (en) * 2017-07-19 2019-01-24 Here Global B.V. Method, apparatus, and computer program product for determining vehicle lanes of a road segment based on received probe data
CN109300312A (zh) * 2018-12-06 2019-02-01 深圳市泰比特科技有限公司 一种基于车辆大数据的路况分析方法及系统
CN109410586A (zh) * 2018-12-13 2019-03-01 中南大学 一种基于多元数据融合的交通状态检测方法
CN109410584A (zh) * 2018-12-11 2019-03-01 北京小马智行科技有限公司 一种路况检测方法及装置
CN109544921A (zh) * 2018-11-26 2019-03-29 中南大学 一种基于交通特性的城市路段分类方法
CN109712402A (zh) * 2019-02-12 2019-05-03 南京邮电大学 一种基于元路径拥塞模式挖掘的移动对象行驶时间预测方法及装置
CN109871876A (zh) * 2019-01-22 2019-06-11 东南大学 一种基于浮动车数据的高速公路路况识别与预测方法
CN109949577A (zh) * 2019-04-25 2019-06-28 贵州大学 一种道路交通流量预测方法
CN110033051A (zh) * 2019-04-18 2019-07-19 杭州电子科技大学 一种基于多步聚类的拖网渔船行为判别方法
CN110069585A (zh) * 2017-12-05 2019-07-30 腾讯科技（深圳）有限公司 轨迹点数据的处理方法和装置、存储介质及电子装置
CN110085026A (zh) * 2019-03-28 2019-08-02 中国公路工程咨询集团有限公司 一种基于聚类分析和马尔科夫模型的交通状态预测方法
CN110148294A (zh) * 2018-06-07 2019-08-20 腾讯大地通途（北京）科技有限公司 路况状态确定方法及装置
CN110176139A (zh) * 2019-02-21 2019-08-27 淮阴工学院 一种基于dbscan+的道路拥堵识别可视化方法
CN110210509A (zh) * 2019-03-04 2019-09-06 广东交通职业技术学院 一种基于mfd+谱聚类+svm的路网交通状态判别方法
CN110379163A (zh) * 2019-07-26 2019-10-25 银江股份有限公司 一种基于轨迹数据的车辆异常减速区域检测方法及系统

Patent Citations (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1975800A (zh) * 2006-12-25 2007-06-06 北京世纪高通科技有限公司 一种交通信息融合处理方法和系统
US20120296560A1 (en) * 2011-05-19 2012-11-22 Microsoft Corporation Inferring a Behavioral State of a Vehicle
US20150149076A1 (en) * 2012-08-27 2015-05-28 Continental Teves Ag & Co.Ohg Method for Determining a Course of a Traffic Lane for a Vehicle
CN103093621A (zh) * 2013-01-07 2013-05-08 北京世纪高通科技有限公司 一种多源交通信息融合的处理方法和装置
CN104183128A (zh) * 2013-05-22 2014-12-03 高德软件有限公司 交通状态确定方法及装置
CN103337189A (zh) * 2013-06-08 2013-10-02 北京航空航天大学 一种基于路段动态划分的车辆路径诱导方法
US20150170514A1 (en) * 2013-12-13 2015-06-18 Here Global B.V. Systems and Methods for Detecting Road Congestion and Incidents in Real Time
CN104050817A (zh) * 2014-05-23 2014-09-17 北京中交兴路信息科技有限公司 限速信息库生成、限速信息检测的方法和系统
EP3208638A1 (en) * 2014-10-14 2017-08-23 Bridgestone Corporation Road surface state prediction method and road surface state prediction system
CN105788289A (zh) * 2014-12-17 2016-07-20 上海宝康电子控制工程有限公司 基于计算机软件系统实现交通路况评估分析的方法和系统
CN104766476A (zh) * 2015-04-16 2015-07-08 上海理工大学 一种路段以及路网区域交通状态指数的计算方法
CN104778727A (zh) * 2015-04-30 2015-07-15 安徽超远信息技术有限公司 基于视频监控处理技术的浮动车统计方法
US20170089717A1 (en) * 2015-09-29 2017-03-30 Garmin Switzerland Gmbh Use of road lane data to improve traffic probe accuracy
CN105489008A (zh) * 2015-12-28 2016-04-13 北京握奇智能科技有限公司 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统
CN105740904A (zh) * 2016-01-29 2016-07-06 东南大学 一种基于dbscan聚类算法的出行与活动模式识别方法
CN106056903A (zh) * 2016-06-22 2016-10-26 江苏迪纳数字科技股份有限公司 基于gps数据的道路拥塞区域的检测方法
CN106447138A (zh) * 2016-11-25 2017-02-22 上海电机学院 一种基于速度矩阵的电子地图出行时间计算方法
CN106504534A (zh) * 2016-11-28 2017-03-15 北京世纪高通科技有限公司 一种预测道路路况的方法、装置及用户设备
CN106600958A (zh) * 2016-11-29 2017-04-26 北京掌行通信息技术有限公司 动态路况表达方法及装置
CN107293117A (zh) * 2017-07-04 2017-10-24 清华大学 一种公路异常事件的判断方法
CN107248283A (zh) * 2017-07-18 2017-10-13 北京航空航天大学 一种考虑路段关键度的城市区域路网运行状态评价方法
US20190026591A1 (en) * 2017-07-19 2019-01-24 Here Global B.V. Method, apparatus, and computer program product for determining vehicle lanes of a road segment based on received probe data
CN107766808A (zh) * 2017-09-30 2018-03-06 北京泓达九通科技发展有限公司 道路网络空间中车辆对象移动轨迹聚类的方法及系统
CN107798872A (zh) * 2017-10-27 2018-03-13 北京世纪高通科技有限公司 一种分车道路况的生成方法和装置
CN107886718A (zh) * 2017-11-01 2018-04-06 沈阳世纪高通科技有限公司 一种路况分析方法、装置及网络系统
CN110069585A (zh) * 2017-12-05 2019-07-30 腾讯科技（深圳）有限公司 轨迹点数据的处理方法和装置、存储介质及电子装置
CN108171976A (zh) * 2017-12-29 2018-06-15 合肥工业大学 基于在途数据的车辆用途识别方法
CN108550259A (zh) * 2018-04-19 2018-09-18 何澜 道路拥堵判断方法、终端设备及计算机可读存储介质
CN110148294A (zh) * 2018-06-07 2019-08-20 腾讯大地通途（北京）科技有限公司 路况状态确定方法及装置
CN108831161A (zh) * 2018-06-27 2018-11-16 深圳大学 一种基于无人机的交通流量监测方法、智能系统及数据集
CN108648457A (zh) * 2018-06-28 2018-10-12 苏州大学 一种速度预测的方法、装置和计算机可读存储介质
CN109166317A (zh) * 2018-10-29 2019-01-08 东北林业大学 基于状态特征的城市交通路径通过时间确定方法
CN109544921A (zh) * 2018-11-26 2019-03-29 中南大学 一种基于交通特性的城市路段分类方法
CN109300312A (zh) * 2018-12-06 2019-02-01 深圳市泰比特科技有限公司 一种基于车辆大数据的路况分析方法及系统
CN109410584A (zh) * 2018-12-11 2019-03-01 北京小马智行科技有限公司 一种路况检测方法及装置
CN109410586A (zh) * 2018-12-13 2019-03-01 中南大学 一种基于多元数据融合的交通状态检测方法
CN109871876A (zh) * 2019-01-22 2019-06-11 东南大学 一种基于浮动车数据的高速公路路况识别与预测方法
CN109712402A (zh) * 2019-02-12 2019-05-03 南京邮电大学 一种基于元路径拥塞模式挖掘的移动对象行驶时间预测方法及装置
CN110176139A (zh) * 2019-02-21 2019-08-27 淮阴工学院 一种基于dbscan+的道路拥堵识别可视化方法
CN110210509A (zh) * 2019-03-04 2019-09-06 广东交通职业技术学院 一种基于mfd+谱聚类+svm的路网交通状态判别方法
CN110085026A (zh) * 2019-03-28 2019-08-02 中国公路工程咨询集团有限公司 一种基于聚类分析和马尔科夫模型的交通状态预测方法
CN110033051A (zh) * 2019-04-18 2019-07-19 杭州电子科技大学 一种基于多步聚类的拖网渔船行为判别方法
CN109949577A (zh) * 2019-04-25 2019-06-28 贵州大学 一种道路交通流量预测方法
CN110379163A (zh) * 2019-07-26 2019-10-25 银江股份有限公司 一种基于轨迹数据的车辆异常减速区域检测方法及系统

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
IRREVALDY: "Spatio-temporal Mining to Identify Potential Traffic Congestion Based on Transportation Mode", 《2017 INTERNATIONAL CONFERENCE ON DATA AND SOFTWARE ENGINEERING (ICODSE)》 *
JUNFENG TU: "Detecting Congestion and Detour of Taxi Trip via GPS Data", 《2017 IEEE SECOND INTERNATIONAL CONFERENCE ON DATA SCIENCE IN CYBERSPACE (DSC)》 *
何贤国: "出租车GPS大数据可视化研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
张俊涛: "利用出租车轨迹数据估计城市道路拥堵状况", 《测绘工程》 *
张晓燕: "基于FCD的城市路网常发性拥堵路段识别方法研究", 《交通信息与安全》 *
朱丹丹: "基于模糊综合评判的城际道路拥堵状态识别方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
薛志文: "吕梁市实际路网拓扑结构精确检测不良交通路段方法研究", 《科 技 通 报》 *
陈姗: "基于机器学习的骨干路网交通状态预测及可视化方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112885128A (zh) * 2021-01-14 2021-06-01 北京中交兴路信息科技有限公司 识别封堵路段的方法、装置、设备及存储介质
CN112885128B (zh) * 2021-01-14 2022-07-05 北京中交兴路信息科技有限公司 识别封堵路段的方法、装置、设备及存储介质
CN113066285A (zh) * 2021-03-15 2021-07-02 北京百度网讯科技有限公司 一种路况信息确定方法、装置、电子设备及存储介质
CN115273452A (zh) * 2021-04-29 2022-11-01 阿里巴巴新加坡控股有限公司 路况确定方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN111739283B (zh) 2022-05-20

Similar Documents

Publication Publication Date Title
CN111739283B (zh) 一种基于聚类的路况计算方法、装置、设备及介质
CN108513676B (zh) 一种路况识别方法、装置及设备
CN110782120B (zh) 一种交通流模型的评测方法、系统、设备及介质
CN110146097B (zh) 自动驾驶导航地图的生成方法、系统、车载终端及服务器
CN109359793A (zh) 一种针对新场景的预测模型训练方法及装置
US20190179312A1 (en) Method and Apparatus for Generating Information
CN114036253B (zh) 高精地图数据处理方法、装置、电子设备和介质
CN114639233B (zh) 一种拥堵状态预测方法、装置、电子设备及存储介质
CN114596709B (zh) 数据处理方法、装置、设备以及存储介质
CN112071087A (zh) 一种基于v2i的限速预警方法、系统、车辆及存储介质
CN115619871A (zh) 一种车辆定位方法、装置、设备及存储介质
CN111489568B (zh) 交通信号灯的调控方法、装置及计算机可读存储介质
CN110244725B (zh) 仿真车辆的控制方法和装置、存储介质及电子装置
CN110956299B (zh) 一种到达时间预估方法及装置
CN116704765A (zh) 路况预测方法、装置及可读存储介质
CN116010543A (zh) 车道信息确定方法、装置、电子设备以及存储介质
CN108319721B (zh) 应用程序推荐方法、装置、用户终端及服务器
CN114523985B (zh) 基于传感器的感知结果的无人车运动决策方法及装置
CN115402318A (zh) 一种车辆变道控制方法、装置、设备及存储介质
CN115049151A (zh) 导航路线推荐方法、装置、设备及存储介质
CN112488217B (zh) 斑马线纠正方法、电子装置和存储介质
CN111599178B (zh) 路口识别方法、装置及存储介质
CN115985124B (zh) 车辆行驶的控制方法、装置、存储介质及电子装置
CN113823082B (zh) 导航数据处理方法、装置、设备及存储介质
CN113494919B (zh) 基于个人局部经验路线的导航规划方法和装置

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
GR01 Patent grant
GR01 Patent grant