CN111739325B - 确定异常停车概率和导航控制的方法、装置、设备和介质 - Google Patents
确定异常停车概率和导航控制的方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111739325B CN111739325B CN202010544912.0A CN202010544912A CN111739325B CN 111739325 B CN111739325 B CN 111739325B CN 202010544912 A CN202010544912 A CN 202010544912A CN 111739325 B CN111739325 B CN 111739325B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- target
- road condition
- unit
- abnormal parking
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请属于数据处理技术领域,公开了一种确定异常停车概率和导航控制的方法、装置、设备和介质,包括,根据目标路段单元的历史路况状态序列,确定异常路况时间段集合,并根据目标路段单元中行驶的各目标车辆的异常行驶状态,确定异常行驶时间段集合,以及基于异常路况时间段和异常行驶时间段的交集,获得异常停车时间段集合,并基于异常停车时间段的数量与目标车辆的总数的比值,确定目标单元的异常停车概率,这样,当目标路段单元中的目标车辆的行驶速度较低,同时该目标路段的历史路况状态存在异常时,判定存在异常停车行为的目标车辆,进而可以根据异常停车时间段的数量以及目标车辆的数量,获得异常停车概率。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种确定异常停车概率和导航控制的方法、装置、设备和介质。
背景技术
在地图服务中,通常需要进行导航路径规划,从而为用户提供相应的导航服务。
但是,现有技术下,导航路径规划时,由于未考虑到异常停车行为带来的阻滞影响,使得确定出的导航路径通常存在一定的偏差。
其中,异常停车行为即非等灯状态下的停车行为,如,私家车路边违规停车,以及医院门口上下客时停车等。不同路段中通常存在着不同概率的异常停车行为,异常停车行为会对车辆的正常通行带来一定的阻滞影响。
为此,需要确定不同路段的异常停车概率,进而可以基于异常停车概率,提高导航路径的准确度。
由此,如何获得异常停车概率以及提高导航路径的准确度是一个需要解决的问题。
发明内容
本申请实施例提供一种确定异常停车概率和导航控制的方法、装置、设备和介质,用以获得异常停车概率,以及提高导航路径的准确度。
一方面,提供一种确定异常停车概率的方法,包括:
根据目标路段单元的历史路况状态序列,确定目标路段单元的异常路况时间段集合,历史路况状态序列为多个时刻的历史路况状态组成的序列;
根据目标路段单元中行驶的各个目标车辆的异常行驶状态,确定目标路段单元的异常行驶时间段集合,异常行驶状态为行驶速度低于设定速度阈值的行驶状态;
基于异常路况时间段集合中的异常路况时间段和异常行驶时间段集合中的异常行驶时间段的交集,获得异常停车时间段集合;
基于异常停车时间段集合中的异常停车时间段的数量与目标车辆的总数之间的比值,获得目标路段单元的异常停车概率。
一方面,提供一种导航控制的方法,包括:
根据导航请求,获取所述导航请求中包含的出发地点和目标地点;
获取所述出发地点和所述目标地点相关的导航数据,所述导航数据中至少包括出发地点和目标地点之间的各目标路段单元的异常停车概率,异常停车概率是根据上述一种确定异常停车概率的方法的步骤确定的;
根据所述导航数据,确定从所述出发地点到达所述目标地点的导航路径;
根据所述导航路径进行导航控制。
一方面,提供一种确定异常停车概率的装置,包括:
第一确定单元,用于根据目标路段单元的历史路况状态序列,确定目标路段单元的异常路况时间段集合,历史路况状态序列为多个时刻的历史路况状态组成的序列;
第二确定单元,用于根据目标路段单元中行驶的各个目标车辆的异常行驶状态,确定目标路段单元的异常行驶时间段集合,异常行驶状态为行驶速度低于设定速度阈值的行驶状态;
第一获得单元,用于基于异常路况时间段集合中的异常路况时间段和异常行驶时间段集合中的异常行驶时间段的交集,获得异常停车时间段集合;
第二获得单元,用于基于异常停车时间段集合中的异常停车时间段的数量与目标车辆的总数之间的比值,获得目标路段单元的异常停车概率。
较佳的,第一确定单元用于:
对历史路况状态序列中的各历史路况状态进行平滑处理,获得平滑处理后的各修正路况状态,历史路况状态表示目标路段单元的拥堵程度;
分别将每一历史路况状态与相应的修正路况状态进行比较;
筛选出比较结果符合预设筛选条件的历史路况状态;
根据筛选出的历史路况状态对应的时刻,确定目标路段单元的异常路况时间段集合。
较佳的,第二确定单元用于:
分别将每一目标车辆的异常行驶状态对应的时刻,作为异常时刻;
分别对每一目标车辆的异常时刻进行聚类分析,获得相应的聚类时间片段;
筛选出符合设定时长范围的聚类时间片段,获得目标路段单元的异常轨迹时间段集合。
较佳的,第二获得单元用于:
获取目标路段单元的异常停车概率集合,异常停车概率集合为目标路段单元的多个异常停车概率的集合;
基于异常停车概率集合中包含的各异常停车概率的均值,确定目标路段单元的目标异常停车概率。
较佳的,第二获得单元还用于:
获取目标路段单元的路况数据,路况数据至少包括异常停车概率;
根据路况数据,确定目标路段单元当前的路况状态。
一方面,提供一种导航控制装置,包括:
第一获取单元,用于根据导航请求,获取导航请求中包含的出发地点和目标地点;
第二获取单元,用于获取出发地点和目标地点相关的导航数据,导航数据中至少包括出发地点和目标地点之间的各目标路段单元的异常停车概率,异常停车概率是根据上述任一种确定异常停车概率的装置的步骤确定的;
确定单元,用于根据导航数据,确定从出发地点到达目标地点的导航路径;
导航单元,用于根据导航路径进行导航控制。
一方面,提供一种控制设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时执行上述任一种确定异常停车概率或导航控制的方法的步骤。
一方面,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一种确定异常停车概率或导航控制的方法的步骤。
本申请实施例提供的一种确定异常停车概率和导航控制的方法、装置、设备和介质中,根据目标路段单元的历史路况状态序列,确定异常路况时间段集合,并根据目标路段单元中行驶的各目标车辆的异常行驶状态,确定异常行驶时间段集合,以及基于异常路况时间段和异常行驶时间段的交集,获得异常停车时间段集合,并基于异常停车时间段的数量与目标车辆的总数的比值,确定目标单元的异常停车概率,这样,当目标路段单元中的目标车辆的行驶速度较低,同时该目标路段的历史路况状态存在异常时,判定存在异常停车行为的目标车辆,以根据异常停车时间段的数量以及目标车辆的数量,获得异常停车概率,进而可以基于异常停车概率,获得准确的导航路径。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施方式中提供的一种确定异常停车概率和导航控制系统的架构示意图;
图2为本申请实施方式中提供的一种确定异常停车概率方法的实施流程图;
图3a为本申请实施方式中提供的一种路况状态变化示意图一;
图3b为本申请实施方式中提供的一种路况状态变化示意图二。
图4为本申请实施方式中提供的一种导航控制方法的实施流程图;
图5为本申请实施方式中一种确定异常停车概率的装置的结构示意图;
图6为本申请实施方式中一种导航控制的装置的结构示意图;
图7为本申请实施方式中一种控制设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
首先,对本申请实施例中涉及的部分用语进行说明,以便于本领域技术人员理解。
终端设备:可以是移动终端、固定终端或便携式终端,例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统设备、个人导航设备、个人数字助理、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合,包括这些设备的配件和外设或者其任意组合。还可预见到的是,终端设备能够支持任意类型的针对用户的接口(例如可穿戴设备)等。
服务器:可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。
控制设备:为用于数据处理的设备,可以为服务器,也可以为终端设备。实际应用中,控制设备通常为用于为用户提供地图服务的服务器集合。
云计算(cloud computing)是一种计算模式,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的,并且可以随时获取,按需使用,随时扩展,按使用付费。
云存储(cloud storage)是在云计算概念上延伸和发展出来的一个新的概念,分布式云存储系统(以下简称存储系统)是指通过集群应用、网格技术以及分布存储文件系统等功能,将网络中大量各种不同类型的存储设备(存储设备也称之为存储节点)通过应用软件或应用接口集合起来协同工作,共同对外提供数据存储和业务访问功能的一个存储系统。目前,存储系统的存储方法为:创建逻辑卷,在创建逻辑卷时,就为每个逻辑卷分配物理存储空间,该物理存储空间可能是某个存储设备或者某几个存储设备的磁盘组成。客户端在某一逻辑卷上存储数据,也就是将数据存储在文件系统上,文件系统将数据分成许多部分,每一部分是一个对象,对象不仅包含数据而且还包含数据标识(ID,ID entity)等额外的信息,文件系统将每个对象分别写入该逻辑卷的物理存储空间,且文件系统会记录每个对象的存储位置信息,从而当客户端请求访问数据时,文件系统能够根据每个对象的存储位置信息让客户端对数据进行访问。
存储系统为逻辑卷分配物理存储空间的过程,具体为:按照对存储于逻辑卷的对象的容量估量(该估量往往相对于实际要存储的对象的容量有很大余量)和独立冗余磁盘阵列(RAID,Redundant Array of Independent Disk)的组别,预先将物理存储空间划分成分条,一个逻辑卷可以理解为一个分条,从而为逻辑卷分配了物理存储空间。
路况状态:本申请实施例中,包括历史路况状态和修正路况状态,表示路段单元的拥堵程度。
历史路况状态序列:本申请实施例中,为多个时刻的历史路况状态组成的序列。
异常行驶状态:本申请实施例中,为行驶速度低于设定速度阈值的行驶状态。
异常停车行为:本申请实施例中,为非等灯状态下的停车行为,如,私家车路边违规停车,以及医院门口上下客时停车等。
下面介绍本申请实施例的设计思想。
在地图服务中,通常通过多个车辆的行驶数据,如,车辆的行驶速度,确定不同路段的路况状态,还可以根据导航数据确定导航路径,进而可以根据导航路径为进行导航控制等。
但是,实际应用中,不同路段通常存在着不同概率的异常停车行为,例如,医院、车站以及居住小区等地点附近的道路的异常停车概率通常高于高速公路以及郊区道路的异常停车概率。而异常停车行为通常会对车辆的正常通行带来一定的阻滞影响。由于传统方式中的路况状态确定以及导航路径规划没有考虑异常停车行为带来的影响,使得确定出的路况状态以及导航路径通常不准确。
为此亟待需要一种可以确定不同路段的异常停车概率的技术方案,使得可以获得异常停车概率,以及基于异常停车概率,获得准确的路况状态和导航路径。
考虑到异常停车行为通常会造成短时间的拥堵程度加剧,以及行驶速度降低的情况,因此,可以通过路段中路况状态的异常变化以及车辆低速行驶的异常行驶状态,判定存在异常停车行为的车辆,并根据异常停车的车辆的数量以及车辆的总数量,确定异常停车概率,进而根据异常停车概率进行路况状态确定和导航路径规划。
鉴于以上分析和考虑,本申请实施例中提供了一种确定异常停车概率和导航控制的方案,该方案中,根据目标路段单元的历史路况状态序列,确定异常路况时间段集合,并根据目标路段单元中行驶的各目标车辆的异常行驶状态,确定异常行驶时间段集合,以及基于异常路况时间段和异常行驶时间段的交集,获得异常停车时间段集合,并基于异常停车时间段的数量与目标车辆的总数的比值,确定目标单元的异常停车概率。这样,就可以根据目标路段的历史路况状态以及目标车辆的形式状态,筛选出存在异常停车行为的目标车辆,以及确定异常停车概率。进一步地,基于异常停车概率,获得准确的路况状态和导航路径。
为进一步说明本申请实施例提供的技术方案,下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。方法在实际的处理过程中或者装置执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行。
参阅图1所示,为本申请提供的一种确定异常停车概率和导航控制系统的架构示意图。该系统包括目标车辆100和控制设备101,可选的,还可以包括终端102。
其中,目标车辆100为目标路段单元中的一个或多个车辆。目标车辆100中设置有定位装置,如,全球定位系统(Global Positioning System,GPS),实时获取当前的地理位置,并将包含地理位置和时间的行驶轨迹数据发送至控制设备101。目标车辆100还用于向控制设备101发送包含出发地点和目标地点的导航请求,并接收控制设备101基于导航请求返回的包含导航路径的导航指示,以及根据导航指示行驶。
其中,每一地理位置即为一个行驶轨迹点。
可选的,目标车辆100可以为设定时间段内目标路段单元中行驶的所有车辆,也可以为设定时间段内目标路段单元中行驶的部分车辆。
这是由于当车流量太大时,若针对所有车辆进行数据处理,会耗费大量的系统资源和时间成本。因此,当车流量较大时,可以选择部分车辆作为目标车辆。
可选的,设定时间段可以为预先设置的固定时间范围,如,元旦中的一点至五点,也可以为周期性的时间范围,如,每天的一点至两点,还可以为根据当前时间确定的时间范围,如当前时间前的指定路况时长内,如,当前时间之前的一个小时内。
实际应用中,设定时间段也可以根据实际应用场景进行设置,在此不做限制。
可选的,设定时间段内各时刻可以为按照单位时长划分的连续的时间点,如,设定时间段为一天,单位时长为一小时,则设定时间段内的各时刻为一天内的各时钟点,也可以为非连续的时间点,在此不做限制。
控制设备101:用于接收并存储目标车辆100发送的包含地理位置和时间的行驶轨迹数据,还用于根据目标路段单元中行驶的各目标车辆的行驶轨迹数据,确定目标路段单元的历史路况状态序列和目标路段单元中行驶的各目标车辆的异常行驶状态,并根据历史路况状态序列确定异常路况时间段集合,以及根据目标车辆的异常行驶状态确定异常行驶时间段集合,进一步地,确定异常路况时间段集合中的异常路况时间段和异常行驶时间段集合中的异常行驶时间段的交集,获得异常停车时间段集合,最后,将异常停车时间段的数量与目标车辆的总数的比值,确定为目标路段单元的异常停车概率。控制设备101还用于接收目标车辆100或终端102发送的导航请求,获取导航请求中包含的出发地点和目标地点,并根据包含异常停车概率的导航数据,确定从出发地点到目标地点的导航路径,以及向目标车辆100或终端102发送包含导航路径的导航指示,以根据导航路径对目标车辆100或终端102进行导航。
其中,控制设备101可以为服务器,也可以为终端设备。
一种实施方式中,控制设备101为提供云存储和云计算的云服务器。则控制设备101对行驶轨迹数据、历史路况状态序列以及异常停车概率等数据进行云存储,以及通过云计算的方式确定异常停车概率以及导航路径。
终端102:为提供地图服务的终端设备,如手机,用于向控制设备101发送包含出发地点和目标地点的导航请求,并接收控制设备101基于导航请求返回的包含导航路径的导航指示。
这样,就可以基于异常停车概率,确定路况状态或规划导航路径,从而提高路况状态确定或路径规划结果的准确度。
参阅图2所示,为本申请提供的一种确定异常停车概率方法的实施流程图。
该方法的具体流程如下:
步骤200:控制设备获取设定时间段内目标路段单元中行驶的各目标车辆的行驶轨迹数据,并分别执行步骤200和步骤203。
在执行步骤200之前,各车辆通过设置的定位装置实时获取当前的地理位置,并将包含地理位置和时间的行驶轨迹数据上报至控制设备。控制设备接收并存储各车辆的行驶轨迹数据。
执行步骤200时,控制设备从存储的行驶轨迹数据中,分别获取设定时间段内在目标路段单元中行驶的每一目标车辆的行驶轨迹数据。
这样,就可以获取目标车辆的行驶轨迹数据。
步骤201:控制设备根据设定时间段内目标路段单元中行驶的各目标车辆的行驶轨迹数据,确定目标路段单元的历史路况状态序列。
具体的,控制设备分别根据设定时间段内目标路段单元中行驶的每一目标车辆的行驶轨迹数据,确定该目标车辆在各时刻的行驶速度,并根据各目标车辆分别在每一时刻的行驶速度,确定目标路段单元在每一时刻的历史路况状态,以及获得由各时刻的历史路况状态组成历史路况状态序列。
其中,历史路况状态序列为多个时刻的历史路况状态组成的序列。历史路况状态是根据目标路段单元中行驶的全部或部分车辆的行驶速度确定的,表示道路的拥堵程度,根据路段单元的拥堵程度,可以将历史路况状态划分为多种状态。
一种实施方式中,历史路况状态划分为以下四种状态:畅通、缓行、拥堵以及极度拥堵。
实际应用中,历史路况状态还可以采用其它方式进行划分,在此不再赘述。
需要说明的是,由于道路错综复杂,因此,为便于数据处理,通常会按照道路划分规则,将道路划分为多个路段单元。例如,可以根据是否存在红绿灯以及是否为直线等,将道路划分为不同的路段单元(Link)。路段单元为道路的基本组成部分。
一种实施方式中,目标路段单元是根据用户的导航请求确定的,即目标路段单元为用户请求的出发地点和目标地点之间的所有路段单元。
一种实施方式中,控制设备将每一路段单元,均确定为目标路段单元,并分别确定每一目标路段单元的异常停车概率,进而实时更新每一目标路段单元的路况状态,以便地图服务的调用。
本申请实施例中,仅以确定一个目标路段单元的异常停车概率为例进行具体说明,基于与确定一个目标路段单元在设定时间段内的异常停车概率相似的原理,可以分别确定其它每一目标路段单元在设定时间段内的异常停车概率,在此不再赘述。
步骤202:控制设备根据目标路段单元的历史路况状态序列,确定目标路段单元的异常路况时间段集合。
具体的,执行步骤202时,控制设备可以采用以下步骤:
S2021:控制设备对历史路况状态序列中的各历史路况状态进行平滑处理,获得平滑处理后的各修正路况状态。
一种实施方式中,控制设备采用不同的数值表示不同的历史路况状态,例如,畅通、缓行、拥堵以及极度拥堵,对应的数值依次为:0、10、20以及40。控制设备分别确定一天内每一分钟的历史路况状态,获得1440个取值,进而获得包含1440个历史路况状态的历史路况状态序列。
平滑处理也称为模糊处理,通常采用平均法,即求邻近元素的平均值,可选的,可以采用以下几种方式中的任意一种:均值滤波、中值滤波、高斯滤波以及双边滤波。
S2022:控制设备分别将每一历史路况状态与相应的修正路况状态进行比较,并筛选出比较结果符合预设筛选条件的历史路况状态。
一种实施方式中,预设筛选条件为:比较结果为历史路况状态表示的拥堵程度高于相应的修正路况状态表示的拥堵程度。
参阅图3a所示,为一种路况状态变化示意图一。通过图3a可以看出,虚线表示历史路况状态,实线表示修正路况状态。加黑的实线为历史路况状态和修正路况状态重合的部分。在时间戳位于(-8,-5)以及(9,13)范围内时,修正路况状态为20(即拥堵),而历史路况状态为20-40-20,均高于20。
S2023:控制设备根据筛选出的历史路况状态对应的时刻,确定目标路段单元的异常路况时间段集合。
具体的,控制设备根据时刻的连续性,将筛选出的历史路况状态对应的时刻进行划分,获得一个获得多个时刻组合,使得每一时刻组合中包含的各时刻均是连续的,并获得每一时刻组合中的各时刻组成的异常路况时间段,以及获得上述一个或多个异常路况时间段组成的异常路况时间段集合。
参阅图3b所示,为一种路况状态变化示意图二。通过图3b可以看出,虚线表示历史路况状态,实线表示修正路况状态。加黑的实线为历史路况状态和修正路况状态重合的部分。在时间戳位于(-4,0)范围内的修正路况状态为0表示顺畅,而历史路况状态均高于0。则控制设备确定异常路况时间段为(-4,0)。
显然,若根据历史路况状态,确定目标路段单元发生短时跳变并且变得更加拥堵,则确定目标路段单元的路况状态异常,并将目标路段单元的异常路况时间段标记为疑似异常。
步骤203:控制设备根据目标路段单元中行驶的各个目标车辆的行驶轨迹数据,确定目标车辆的异常行驶状态。
具体的,控制设备分别针对设定时间段内目标路段单元中行驶的每一目标车辆,执行以下步骤:
获取该目标车辆在设定时间段内的行驶轨迹数据,并根据行驶轨迹数据确定该目标车辆在设定时间段内各时刻的行驶速度,当行驶速度低于设定速度阈值时,确定该目标车辆处于异常行驶状态。
其中,异常行驶状态为行驶速度低于设定速度阈值的行驶状态。实际应用中,设定速度阈值可以根据实际应用场景进行设置,在此不作限制。例如,设定速度阈值为3.6km/h。
进一步地,异常行驶状态还可以根据实际应用场景采用其它特征确定,在此不做限制。
这样,就可以确定目标车辆的异常行驶状态。
步骤204:控制设备根据目标路段单元中行驶的各个目标车辆的异常行驶状态,确定目标路段单元的异常行驶时间段集合。
具体的,执行步骤204时,可以采用以下步骤:
S2041:控制设备分别将每一目标车辆的异常行驶状态对应的时刻,作为异常时刻。
S2042:控制设备分别对每一目标车辆的异常时刻进行聚类分析,获得相应的聚类时间片段。
具体的,控制设备分别针对每一目标车辆执行以下步骤:
基于该目标车辆的各异常时刻的密度进行聚类,获得聚类后的各聚类时间片段。
进一步地,控制设备确定聚类时间片段时,还可以采用以下方式:
分别针对每一目标车辆执行以下步骤:将该目标车辆的异常行驶状态对应的轨迹点,作为异常轨迹点,基于该目标车辆的各异常轨迹点的密度,进行聚类,获得异常聚类轨迹,并获得异常聚类轨迹对应的各聚类时间片段。
S2043:控制设备筛选出符合设定时长范围的聚类时间片段,获得目标路段单元的异常轨迹时间段集合。
一种实施方式中,确定设定时长范围时,可以分别针对每一目标车辆的聚类时间片段执行以下步骤:
获取该目标车辆在该聚类时间片段的异常轨迹点以及距离最近的红绿灯位置,判断异常轨迹点是否位于红绿灯位置的设定距离内,若是,则设定时长范围为高于第一时长阈值(如,150s),否则,设定时长范围为高于第二时长阈值(如,60s)。
实际应用中,设定时长范围、第一时长阈值以及第二时长阈值均可以根据实际应用场景进行设置,在此不再赘述。
需要说明的是,步骤201-202,与步骤203-204,可以先后执行,也可以并行执行,本申请实施例中,仅以先执行步骤201-202,后执行步骤203-204为例进行说明,实际应用中,还可以先执行步骤203-204,后执行步骤201-202,在此不再赘述。
一种实施方式中,异常行驶状态和历史路况状态也可以为预先确定并存储的,即控制设备可以直接获取异常行驶状态和历史路况状态。
步骤205:控制设备基于异常路况时间段集合中的异常路况时间段和异常行驶时间段集合中的异常行驶时间段的交集,获得异常停车时间段集合。
具体的,控制设备分别确定每一异常路况段与每一异常行驶时间段之间的交集,作为异常停车时间段,并获得异常停车时间段组成的异常停车时间段集合。
这样,异常停车时间段说明目标车辆的行驶速度较低并且所处的目标路段单元同时处于异常路况的状态,因此,每一异常停车时间段均表示存在一个车辆异常停车。
步骤206:控制设备获取目标车辆的总数以及异常行驶时间段集合中的异常行驶时间段的数量。
具体的,控制设备统计设定时间段内目标路段单元中行驶的目标车辆的总数,以及统计异常行驶时间段集合中的异常行驶时间段的数量。
其中,异常行驶时间段的数量,即为发生异常停车行为的车辆数量。
步骤207:控制设备基于异常停车时间段集合中的异常停车时间段的数量与目标车辆的总数之间的比值,获得目标路段单元的异常停车概率。
一种实施方式中,控制设备将异常停车时间段的数量与目标车辆的总数之间的比值,作为异常停车概率。
一种实施方式中,控制设备确定目标路段单元分别在每一设定时间段的异常停车概率。
例如设定时间段为1小时,则确定第k小时内目标路段单元的异常停车概率时,可以采用以下公式:
其中,P为异常停车概率,k为时间段,n为异常停车时间段的数量,m为目标车辆的总数。
实际应用中,控制设备可以(如,一小时)周期性确定目标路段单元的异常停车概率,也可以在接收到指令时,根据当前时间前的指定时长范围内的目标路段单元的历史数据,确定当前的异常停车概率。
其中,指定时长范围可以根据实际应用场景进行设置,在此不再赘述。
由于车辆异常停车时通常有两个特点,一个特点是车辆会存在一小段低速停车轨迹,即在短时间内低速行驶,另一个特点是道路会出现短时间的拥堵加剧。因此,本申请实施例中,根据目标路段单元的历史路况状态,确定目标路段单元出现短时间的拥堵加剧的异常路况时间段,并根据目标路段单元中行驶的目标车辆的异常行驶状态,确定异常行驶时间段,进而根据异常路况时间段和异常行驶时间段的交集,获得同时符合上述两个特点的异常停车时间段。每一异常停车时间段即表示存在一个异常停车的车辆,则将异常停车时间段的数量与目标车辆的总数之间的比值,确定为目标路段单元的异常停车概率。
进一步地,控制设备还可以根据获取的多个异常停车概率,对当前的异常停车概率进行调整。
其中,对当前的异常停车概率进行调整时,控制设备可以针对每一目标路段单元,执行以下步骤:
S2071:控制设备获取该目标路段单元的异常停车概率集合。
其中,异常停车概率集合为目标路段单元的各设定时间段的异常停车概率的集合。
可选的,各设定时间段可以为连续的时间段,如设定时间段为1小时,各设定时间段为一天内的各小时。由于异常停车行为存在一定的规律,如上班期间公司附近的异常停车行为较多,其它时间段的异常行为明显较少,因此,各设定时间段还可以为周期性的时间段,如,设定时间段为上午9点至10点,各设定时间段为一周内每个工作日的上述9点至10点。各设定时间段还可以为非周期性的时间段。
S2072:控制设备基于异常停车概率集合中包含的各异常停车概率的均值,确定目标路段单元的目标异常停车概率。
一种实施方式中,控制设备将异常停车概率集合中包含的各异常停车概率的均值,确定为目标路段单元的目标异常停车概率。
一种实施方式中,控制设备根据异常停车概率集合中包含的各异常停车概率的均值,确定相应的方差,并将该方差确定为目标路段单元的目标异常停车概率。
这样,就可以根据一段时间内的多个异常停车概率,确定目标异常停车概率,从而提高确定异常停车概率的精确度。
进一步地,控制设备还可以获取目标路段的路况数据,并根据获得的路况数据,确定目标路段单元当前的路况状态。
其中,路况状态表示道路的拥堵情况,可以通过拥堵程度表示。路况数据至少包括异常停车概率,还可以包括目标路段单元中行驶的全部或部分车辆的行驶速度数据或行驶轨迹数据。
一种实施方式中,控制设备针对每一时刻执行以下步骤:
控制设备获取目标路段单元中行驶的各目标车辆在该时刻的行驶速度,并将各行驶速度的平均值,确定为目标行驶速度,以及获得目标行驶速度对应设置的路况状态。然后,控制设备获取目标路段单元在该时刻的异常停车概率,并根据异常停车概率对当前的路况状态进行调整。
其中,每一时刻是根据设置的单位时间确定的,如,每一分钟,每一秒等。
实际应用,每一时刻可以根据实际应用场景进行确定,在此不作限制。
这样,在确定路况状态时,还考虑了异常停车概率对目标路段单元的阻滞影响,从而提高了路况状态确定的精确度。
一种应用场景中,控制设备可以基于异常停车概率,规划导航路径。
参阅图4所示,为本申请实施方式中提供的一种导航控制方法的实施流程图,具体流程如下:
步骤400:控制设备根据导航请求,获取导航请求中包含的出发地点和目标地点。
具体的,导航请求可以为控制设备发出的,也可以为终端设备发送的。
步骤401:控制设备获取出发地点和目标地点相关的导航数据。
其中,导航数据中包含出发地点和目标地点之间的各目标路段单元的异常停车概率,还可以包括不同出行方式(如,车辆、骑行以及步行等)对应的出行速度(如,行驶速度、骑行速度以及步行速度)、红绿灯以及目标路段单元等。
步骤402:控制设备根据导航数据,确定从出发地点到达目标地点的导航路径。
具体的,控制设备根据导航数据,确定出发地点到达目标地点的多个路径,并分别获取每一路径中的各目标路段单元的异常停车概率,以及根据各路径所需要的出行时间,以及各路径中包含的各目标路段单元的异常停车概率,从各路径中筛选出导航路径。
一种实施方式中,控制设备分别基于每一路径中各目标路段单元的异常停车概率,分别确定每一导航路径的路况状态,并分别对每一导航路径的出行时间和路况状态进行归一化以及加权求和,以及根据求和结果确定最优的导航路径。
步骤403:控制设备根据导航路径进行导航控制。
一种实施方式中,控制设备根据确定出的导航路径进行导航。
一种实施方式中,控制设备将包含导航路径的导航指示返回至终端设备,以通过导航路径对终端设备进行导航。这样,就可以基于包含异常停车概率的导航数据,确定最优导航路径,提高了最优导航路径确定的精确度。
基于同一发明构思,本申请实施例中还提供了一种确定异常停车概率的装置,由于上述装置及设备解决问题的原理与一种确定异常停车概率的方法相似,因此,上述装置的实施可以参见方法的实施,重复之处不再赘述。
如图5所示,其为本申请实施例提供的一种确定异常停车概率的装置的结构示意图。一种确定异常停车概率的装置包括:
第一确定单元501,用于根据目标路段单元的历史路况状态序列,确定目标路段单元的异常路况时间段集合,历史路况状态序列为多个时刻的历史路况状态组成的序列;
第二确定单元502,用于根据目标路段单元中行驶的各个目标车辆的异常行驶状态,确定目标路段单元的异常行驶时间段集合,异常行驶状态为行驶速度低于设定速度阈值的行驶状态;
第一获得单元503,用于基于异常路况时间段集合中的异常路况时间段和异常行驶时间段集合中的异常行驶时间段的交集,获得异常停车时间段集合;
第二获得单元504,用于基于异常停车时间段集合中的异常停车时间段的数量与目标车辆的总数之间的比值,获得目标路段单元的异常停车概率。
较佳的,第一确定单元501用于:
对历史路况状态序列中的各历史路况状态进行平滑处理,获得平滑处理后的各修正路况状态,历史路况状态表示目标路段单元的拥堵程度;
分别将每一历史路况状态与相应的修正路况状态进行比较;
筛选出比较结果符合预设筛选条件的历史路况状态;
根据筛选出的历史路况状态对应的时刻,确定目标路段单元的异常路况时间段集合。
较佳的,第二确定单元502用于:
分别将每一目标车辆的异常行驶状态对应的时刻,作为异常时刻;
分别对每一目标车辆的异常时刻进行聚类分析,获得相应的聚类时间片段;
筛选出符合设定时长范围的聚类时间片段,获得目标路段单元的异常轨迹时间段集合。
较佳的,第二获得单元504还用于:
获取目标路段单元的异常停车概率集合,异常停车概率集合为目标路段单元的多个异常停车概率的集合;
基于异常停车概率集合中包含的各异常停车概率的均值,确定目标路段单元的目标异常停车概率。
较佳的,第二获得单元504还用于:
获取目标路段单元的路况数据,路况数据至少包括异常停车概率;
根据路况数据,确定目标路段单元当前的路况状态。
基于同一发明构思,本申请实施例中还提供了一种导航控制的装置,由于上述装置及设备解决问题的原理与一种导航控制的方法相似,因此,上述装置的实施可以参见方法的实施,重复之处不再赘述。
如图6所示,其为本申请实施例提供的一种导航控制的装置的结构示意图。
一种导航控制的装置包括:
第一获取单元601,用于根据导航请求,获取导航请求中包含的出发地点和目标地点;
第二获取单元602,用于获取出发地点和目标地点相关的导航数据,导航数据中至少包括出发地点和目标地点之间的各目标路段单元的异常停车概率,异常停车概率是根据上述任一种确定异常停车概率的装置的步骤确定的;
确定单元603,用于根据导航数据,确定从出发地点到达目标地点的导航路径;
导航单元604,用于根据导航路径进行导航控制。
本申请实施例提供的一种确定异常停车概率和导航控制的方法、装置、设备和介质中,根据目标路段单元的历史路况状态序列,确定异常路况时间段集合,并根据目标路段单元中行驶的各目标车辆的异常行驶状态,确定异常行驶时间段集合,以及基于异常路况时间段和异常行驶时间段的交集,获得异常停车时间段集合,并基于异常停车时间段的数量与目标车辆的总数的比值,确定目标单元的异常停车概率,这样,当目标路段单元中的目标车辆的行驶速度较低,同时该目标路段的历史路况状态存在异常时,判定存在异常停车行为的目标车辆,以根据异常停车时间段的数量以及目标车辆的数量,获得异常停车概率,进而可以基于异常停车概率,获得准确的导航路径。
图7示出了一种控制设备7000的结构示意图。参阅图7所示,控制设备7000包括:处理器7010、存储器7020、电源7030、显示单元7040、输入单元7050。控制设备8000可以为服务器,也可以为终端设备。实际应用中,控制设备通常为用于为用户提供地图服务的服务器集合。
处理器7010是控制设备7000的控制中心,利用各种接口和线路连接各个部件,通过运行或执行存储在存储器7020内的软件程序和/或数据,执行控制设备7000的各种功能,从而对控制设备7000进行整体监控。
本申请实施例中,处理器7010调用存储器7020中存储的计算机程序时执行如图2中所示的实施例提供的确定异常停车概率的方法或图4中所示的实施例提供的导航控制的方法。
可选的,处理器7010可包括一个或多个处理单元;优选的,处理器7010可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器7010中。在一些实施例中,处理器、存储器、可以在单一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
存储器7020可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、各种应用等;存储数据区可存储根据控制设备7000的使用所创建的数据等。此外,存储器7020可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件等。
控制设备7000还包括给各个部件供电的电源7030(比如电池),电源可以通过电源管理系统与处理器7010逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗等功能。
显示单元7040可用于显示由用户输入的信息或提供给用户的信息以及控制设备7000的各种菜单等,本发明实施例中主要用于显示控制设备7000中各应用的显示界面以及显示界面中显示的文本、图片等对象。显示单元7040可以包括显示面板7041。显示面板7041可以采用液晶显示屏(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置。
输入单元7050可用于接收用户输入的数字或字符等信息。输入单元7050可包括触控面板7051以及其他输入设备7052。其中,触控面板7051,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触摸笔等任何适合的物体或附件在触控面板7051上或在触控面板7051附近的操作)。
具体的,触控面板7051可以检测用户的触摸操作,并检测触摸操作带来的信号,将这些信号转换成触点坐标,发送给处理器7010,并接收处理器7010发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板7051。其他输入设备7052可以包括但不限于物理键盘、功能键(比如音量控制按键、开关机按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
当然,触控面板7051可覆盖显示面板7041,当触控面板7051检测到在其上或附近的触摸操作后,传送给处理器7010以确定触摸事件的类型,随后处理器7010根据触摸事件的类型在显示面板7041上提供相应的视觉输出。虽然在图7中,触控面板7051与显示面板7041是作为两个独立的部件来实现控制设备7000的输入和输出功能,但是在某些实施例中,可以将触控面板7051与显示面板7041集成而实现控制设备7000的输入和输出功能。
控制设备7000还可包括一个或多个传感器,例如压力传感器、重力加速度传感器、接近光传感器等。当然,根据具体应用中的需要,上述控制设备7000还可以包括摄像头等其它部件,由于这些部件不是本申请实施例中重点使用的部件,因此,在图7中没有示出,且不再详述。
本领域技术人员可以理解,图7仅仅是控制设备的举例,并不构成对控制设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任意方法实施例中的确定异常停车概率或导航控制的方法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对相关技术做出贡献的部分可以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台控制设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种确定异常停车概率的方法,其特征在于,包括:
根据目标路段单元的历史路况状态序列,确定所述目标路段单元的异常路况时间段集合,所述历史路况状态序列为多个时刻的历史路况状态组成的序列;
根据所述目标路段单元中行驶的各个目标车辆的异常行驶状态,确定所述目标路段单元的异常行驶时间段集合,所述异常行驶状态为行驶速度低于设定速度阈值的行驶状态;
基于异常路况时间段集合中的异常路况时间段和异常行驶时间段集合中的异常行驶时间段的交集,获得异常停车时间段集合;
基于所述异常停车时间段集合中的异常停车时间段的数量与目标车辆的总数之间的比值,获得所述目标路段单元的异常停车概率,其中,所述异常停车时间段的数量为发生异常停车行为的车辆数量。
2.如权利要求1所述的方法,其特征在于,根据目标路段单元的历史路况状态序列,确定所述目标路段单元的异常路况时间段集合,包括:
对所述历史路况状态序列中的各历史路况状态进行平滑处理,获得平滑处理后的各修正路况状态,所述历史路况状态表示目标路段单元的拥堵程度;
分别将每一历史路况状态与相应的修正路况状态进行比较;
筛选出比较结果符合预设筛选条件的历史路况状态;
根据筛选出的历史路况状态对应的时刻,确定所述目标路段单元的异常路况时间段集合。
3.如权利要求1所述的方法,其特征在于,根据所述目标路段单元中行驶的各个目标车辆的异常行驶状态,确定所述目标路段单元的异常行驶时间段集合,包括:
分别将每一目标车辆的异常行驶状态对应的时刻,作为异常时刻;
分别对每一目标车辆的异常时刻进行聚类分析,获得相应的聚类时间片段;
筛选出符合设定时长范围的聚类时间片段,获得所述目标路段单元的异常轨迹时间段集合。
4.如权利要求1所述的方法,其特征在于,进一步包括:
获取所述目标路段单元的异常停车概率集合,所述异常停车概率集合为目标路段单元的多个异常停车概率的集合;
基于所述异常停车概率集合中包含的各异常停车概率的均值,确定所述目标路段单元的目标异常停车概率。
5.如权利要求1-4任一项所述的方法,其特征在于,进一步包括:
获取所述目标路段单元的路况数据,所述路况数据至少包括异常停车概率;
根据所述路况数据,确定所述目标路段单元当前的路况状态。
6.一种导航控制方法,其特征在于,包括:
根据导航请求,获取所述导航请求中包含的出发地点和目标地点;
获取所述出发地点和所述目标地点相关的导航数据,所述导航数据中至少包括出发地点和目标地点之间的各目标路段单元的异常停车概率,所述异常停车概率是根据权利要求1-5任一项所述的方法确定的;
根据所述导航数据,确定从所述出发地点到达所述目标地点的导航路径;
根据所述导航路径进行导航控制。
7.一种确定异常停车概率的装置,其特征在于,包括:
第一确定单元,用于根据目标路段单元的历史路况状态序列,确定所述目标路段单元的异常路况时间段集合,所述历史路况状态序列为多个时刻的历史路况状态组成的序列;
第二确定单元,用于根据所述目标路段单元中行驶的各个目标车辆的异常行驶状态,确定所述目标路段单元的异常行驶时间段集合,所述异常行驶状态为行驶速度低于设定速度阈值的行驶状态;
第一获得单元,用于基于异常路况时间段集合中的异常路况时间段和异常行驶时间段集合中的异常行驶时间段的交集,获得异常停车时间段集合;
第二获得单元,用于基于所述异常停车时间段集合中的异常停车时间段的数量与目标车辆的总数之间的比值,获得所述目标路段单元的异常停车概率,其中,所述异常停车时间段的数量为发生异常停车行为的车辆数量。
8.一种导航控制装置,其特征在于,包括:
第一获取单元,用于根据导航请求,获取所述导航请求中包含的出发地点和目标地点;
第二获取单元,用于获取所述出发地点和所述目标地点相关的导航数据,所述导航数据中至少包括出发地点和目标地点之间的各目标路段单元的异常停车概率,所述异常停车概率是通过权利要求7所述的装置确定的;
确定单元,用于根据所述导航数据,确定从所述出发地点到达所述目标地点的导航路径;
导航单元,用于根据所述导航路径进行导航控制。
9.一种控制设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-5或6任一项所述的方法的步骤。
10.一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,该计算机程序被处理器执行时实现权利要求1-5或6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010544912.0A CN111739325B (zh) | 2020-06-15 | 2020-06-15 | 确定异常停车概率和导航控制的方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010544912.0A CN111739325B (zh) | 2020-06-15 | 2020-06-15 | 确定异常停车概率和导航控制的方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111739325A CN111739325A (zh) | 2020-10-02 |
CN111739325B true CN111739325B (zh) | 2021-08-03 |
Family
ID=72649248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010544912.0A Active CN111739325B (zh) | 2020-06-15 | 2020-06-15 | 确定异常停车概率和导航控制的方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111739325B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330094A (zh) * | 2020-10-09 | 2021-02-05 | 广州市物联万方电子科技有限公司 | 集装箱的调度方法、装置及服务器 |
CN112233273A (zh) * | 2020-10-10 | 2021-01-15 | 苏州智加科技有限公司 | 数据传输方法、装置、车载设备及存储介质 |
CN112396859B (zh) * | 2020-11-24 | 2022-04-01 | 深圳安途智行科技有限公司 | 基于移动设备的自动驾驶车辆叫停方法及车辆叫停系统 |
CN112668892A (zh) * | 2020-12-30 | 2021-04-16 | 北京嘀嘀无限科技发展有限公司 | 确定停车风险的方法、装置、电子设备和存储介质 |
CN112885087A (zh) * | 2021-01-22 | 2021-06-01 | 北京嘀嘀无限科技发展有限公司 | 确定路况信息的方法、装置、设备和介质和程序产品 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107316459A (zh) * | 2017-07-21 | 2017-11-03 | 武汉依迅北斗空间技术有限公司 | 一种车辆轨迹异常检测方法及系统 |
JP2018146462A (ja) * | 2017-03-08 | 2018-09-20 | パイオニア株式会社 | 情報出力装置及び情報出力方法 |
US20190096240A1 (en) * | 2017-09-28 | 2019-03-28 | Boe Technology Group Co., Ltd. | Method and apparatus for optimizing traffic scheme for passing through congested roads |
CN109532842A (zh) * | 2017-09-21 | 2019-03-29 | 奥迪股份公司 | 交通状况检测系统和方法 |
US20190147741A1 (en) * | 2017-04-01 | 2019-05-16 | Pied Parker, Inc. | Systems and methods for detecting vehicle movements |
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 |
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 |
CN110779539A (zh) * | 2019-10-23 | 2020-02-11 | 招商华软信息有限公司 | 行车路径修正方法、装置、设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782654B (zh) * | 2019-02-22 | 2021-05-25 | 滴滴智慧交通科技有限公司 | 拥堵区域通行能力估测方法、装置及数据处理设备 |
CN110827551A (zh) * | 2019-10-22 | 2020-02-21 | 江苏广宇协同科技发展研究院有限公司 | 高速公路异常车辆的识别方法、装置及系统 |
CN111243316A (zh) * | 2020-02-28 | 2020-06-05 | 长安大学 | 一种导航系统道路限速值是否需要实时更新的判断方法 |
-
2020
- 2020-06-15 CN CN202010544912.0A patent/CN111739325B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018146462A (ja) * | 2017-03-08 | 2018-09-20 | パイオニア株式会社 | 情報出力装置及び情報出力方法 |
US20190147741A1 (en) * | 2017-04-01 | 2019-05-16 | Pied Parker, Inc. | Systems and methods for detecting vehicle movements |
CN107316459A (zh) * | 2017-07-21 | 2017-11-03 | 武汉依迅北斗空间技术有限公司 | 一种车辆轨迹异常检测方法及系统 |
CN109532842A (zh) * | 2017-09-21 | 2019-03-29 | 奥迪股份公司 | 交通状况检测系统和方法 |
US20190096240A1 (en) * | 2017-09-28 | 2019-03-28 | Boe Technology Group Co., Ltd. | Method and apparatus for optimizing traffic scheme for passing through congested roads |
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 |
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 |
CN110779539A (zh) * | 2019-10-23 | 2020-02-11 | 招商华软信息有限公司 | 行车路径修正方法、装置、设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
Vehicle Travel Distance and Time Prediction Using Virtual Detection Zone and CCTV Data;Benny Hardjono;《2017 IEEE 17th International Conference on Communication Technology (ICCT)》;20171030;1832-1837 * |
基于路段消散指数的交通拥堵评价;范馨月;《数学建模及其应用》;20190915;27-36 * |
融合多目标与速度控制的AGV全局路径规划;郭兴海;《控制与决策》;20181228;1369-1376 * |
Also Published As
Publication number | Publication date |
---|---|
CN111739325A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111739325B (zh) | 确定异常停车概率和导航控制的方法、装置、设备和介质 | |
JP7082151B2 (ja) | 地図軌跡マッチングデータの品質決定方法、装置、サーバ及び媒体 | |
US10010754B2 (en) | Recommended modes of transportation for achieving fitness goals | |
CN105144264B (zh) | 用云协助来丰富驾驶体验 | |
US10175054B2 (en) | Predicting and utilizing variability of travel times in mapping services | |
US11841239B2 (en) | Prioritizing collecting of information for a map | |
US20190050624A1 (en) | PU Classifier For Detection of Travel Mode Associated with Computing Devices | |
US20090326791A1 (en) | Local decision policies about the sharing of sensed data that enhance privacy and lower communication costs for services that aggregate data from personal devices | |
US20220090930A1 (en) | Autonomous vehicle positioning for trip optimization | |
US20210049911A1 (en) | Determining efficient pickup locations for transportation requests utilizing a pickup location model | |
US11868929B2 (en) | Optimizing engagement of transportation providers | |
CN113906716A (zh) | 雾节点资源的分配 | |
US8185304B2 (en) | Method, computer program and system for optimising routes provided by navigation systems | |
US10401181B2 (en) | Detection of travel mode associated with computing devices | |
US20220164910A1 (en) | Prioritized transportation requests for a dynamic transportation matching system | |
US20210256576A1 (en) | Utilizing a directional filter for a geotemporal destination mode of a dynamic transportation matching system | |
CN115017400A (zh) | 一种应用app推荐方法及电子设备 | |
CN114255592A (zh) | 一种智慧城市交通管控系统及方法 | |
CN110113716B (zh) | 一种路径状态信息获取方法、装置及存储介质 | |
US11800323B2 (en) | Vehicle mobility patterns based on user location data | |
CN112991712A (zh) | 预测交通密度的方法、系统、计算机设备和存储介质 | |
US20220327933A1 (en) | Intelligently generating computer model learning data by dispatching enhanced sensory vehicles utilizing data collection values | |
US11842632B2 (en) | Fleet tracking and behavior modification in geographic areas of interest | |
US20230316821A1 (en) | Fleet tracking and behavior modification in geographic areas of interest | |
CN117877239B (zh) | 共享车辆的收车告警方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |