CN111986487A - 一种路况信息的管理方法以及相关装置 - Google Patents

一种路况信息的管理方法以及相关装置 Download PDF

Info

Publication number
CN111986487A
CN111986487A CN202010953969.6A CN202010953969A CN111986487A CN 111986487 A CN111986487 A CN 111986487A CN 202010953969 A CN202010953969 A CN 202010953969A CN 111986487 A CN111986487 A CN 111986487A
Authority
CN
China
Prior art keywords
information
target
road
road condition
target road
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
CN202010953969.6A
Other languages
English (en)
Other versions
CN111986487B (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 CN202010953969.6A priority Critical patent/CN111986487B/zh
Publication of CN111986487A publication Critical patent/CN111986487A/zh
Application granted granted Critical
Publication of CN111986487B publication Critical patent/CN111986487B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing

Abstract

本申请公开了一种路况信息的管理方法以及相关装置。通过实时获取目标道路范围内的轨迹信息;然后基于轨迹信息为目标道路分配通行参数,以生成速度样本;并根据速度样本对应的行驶信息对目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;进而基于目标路况特征集进行解析,以得到目标道路在当前时刻对应的目标路况信息。从而实现高频快捷的路况信息生成过程,由于采用实时获取的轨迹信息进行路况的模拟,并进一步的对历史数据进行更新,使得轨迹信息的使用过程中不涉及重复采集的问题,提高了路况信息的生成效率。

Description

一种路况信息的管理方法以及相关装置
技术领域
本申请涉及计算机技术领域,尤其涉及一种路况信息的管理方法以及相关装置。
背景技术
随着互联网技术的迅速发展,手机导航应用在人们生活中越来越重要,而对于手机导航的过程往往需要基于路况信息进行。在实时交通领域,路况信息的计算一般需要三个组件共同有序的配合,分别是单车速度计算、多车速度融合、道路拓扑上下游平滑。
一般,在实时交通领域,路况信息的计算一般采用基于固定时间窗口的计算,且每次计算都是基于缓存的有效周期(例如10分钟)内轨迹进行全量计算。
但是,在基于时间窗口的计算过程中,相邻的时间窗口中大量轨迹是重复的,该过程耗费了大量的时间,影响路况信息的生成效率。
发明内容
有鉴于此,本申请提供一种路况信息的管理方法,可以有效路况信息的生成效率。
本申请第一方面提供一种路况信息的管理方法,可以应用于终端设备中包含路况信息的管理功能的系统或程序中,具体包括:
实时获取目标道路范围内的轨迹信息,所述目标道路范围中包括多条目标道路,所述轨迹信息包含所述目标道路的距离信息和通行能力信息;
基于所述距离信息和所述通行能力信息为所述目标道路分配通行参数,以生成速度样本,所述所述速度样本用于指示目标车辆在经过所述目标道路时对应的行驶信息;
根据所述行驶信息对所述目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;
基于所述目标路况特征集进行解析,以得到所述目标道路在当前时刻对应的目标路况信息。
可选的,在本申请一些可能的实现方式中,所述实时获取目标道路范围内的轨迹信息,包括:
确定所述目标道路范围内的多个监测点;
实时获取所述监测点对应的监测信息;
基于所述监测信息进行配对,以确定所述轨迹信息。
可选的,在本申请一些可能的实现方式中,所述基于所述距离信息和所述通行能力信息为所述目标道路分配通行参数,以生成速度样本,包括:
确定所述目标道路对应的目标轨迹;
获取所述目标轨迹的通行时长;
基于所述目标道路对应的所述距离信息和所述通行能力信息生成权重信息;
根据所述权重信息对所述通行时长进行分配,以得到目标时长;
根据所述目标时长确定所述通行参数,以生成所述速度样本。
可选的,在本申请一些可能的实现方式中,所述基于所述目标道路对应的所述距离信息和所述通行能力信息生成权重信息,包括:
调用所述目标道路对应的道路信息;
根据所述道路信息模拟得到自由流速度,以确定所述通行能力信息;
基于所述目标道路对应的所述距离信息和所述通行能力信息生成所述权重信息。
可选的,在本申请一些可能的实现方式中,所述根据所述行驶信息对所述目标道路对应的历史路况特征集进行更新,以得到目标路况特征集,包括:
确定所述历史特征集对应的样本统计信息;
将所述行驶信息输入所述样本统计信息,以得到所述目标路况特征集。
可选的,在本申请一些可能的实现方式中,所述将所述行驶信息输入所述样本统计信息,以得到所述目标路况特征集,包括:
确定所述样本统计信息中的特征数列,所述特征数列用于指示不同道路状态下对应的速度信息;
将所述行驶信息中指示的速度参数输入所述特征数列,以得到所述目标路况特征集。
可选的,在本申请一些可能的实现方式中,所述基于所述目标路况特征集进行解析,以得到所述目标道路在当前时刻对应的目标路况信息,包括:
响应于所述目标路况特征集的生成,调用路况判定模型;
将所述目标路况特征集输入所述路况判定模型,以得到所述目标道路在当前时刻对应的目标路况信息。
可选的,在本申请一些可能的实现方式中,所述方法还包括:
获取训练特征集;
对所述训练特征集中的训练样本进行状态标记,以得到路况判定训练对;
基于所述路况判定训练对所述预设判定模型进行训练,以确定所述路况判定模型。
可选的,在本申请一些可能的实现方式中,所述方法还包括:
确定与所述目标道路存在关联关系的关联道路;
获取所述关联道路对应的道路状态信息;
基于所述道路状态信息对所述目标路况信息进行平滑处理,以更新所述目标路况信息。
可选的,在本申请一些可能的实现方式中,所述确定与所述目标道路存在关联关系的关联道路,包括:
调用所述目标道路对应的关联道路集合;
基于预设长度值对所述关联道路集合进行筛选,以确定所述关联道路。
可选的,在本申请一些可能的实现方式中,所述基于所述道路状态信息对所述目标路况信息进行平滑处理,以更新所述目标路况信息,包括:
响应于所述关联道路的确定,调用路况平滑模型;
将所述道路状态信息和所述目标路况信息输入所述路况平滑模型,以得到路况调整信息;
基于所述路况调整信息对所述目标路况信息进行更新。
可选的,在本申请一些可能的实现方式中,所述目标路况信息用于引导导航路径的生成,所述导航路径与所述目标道路相关联。
本申请第二方面提供一种路况信息的管理装置,包括:获取单元,用于实时获取目标道路范围内的轨迹信息,所述目标道路范围中包括多条目标道路,所述轨迹信息包含所述目标道路的距离信息和通行能力信息;
分配单元,用于基于所述距离信息和所述通行能力信息为所述目标道路分配通行参数,以生成速度样本,所述所述速度样本用于指示目标车辆在经过所述目标道路时对应的行驶信息;
更新单元,用于根据所述行驶信息对所述目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;
管理单元,用于基于所述目标路况特征集进行解析,以得到所述目标道路在当前时刻对应的目标路况信息。
可选的,在本申请一些可能的实现方式中,所述获取单元,具体用于确定所述目标道路范围内的多个监测点;
所述获取单元,具体用于实时获取所述监测点对应的监测信息;
所述获取单元,具体用于基于所述监测信息进行配对,以确定所述轨迹信息。
可选的,在本申请一些可能的实现方式中,所述分配单元,具体用于确定所述目标道路对应的目标轨迹;
所述分配单元,具体用于获取所述目标轨迹的通行时长;
所述分配单元,具体用于基于所述目标道路对应的所述距离信息和所述通行能力信息生成权重信息;
所述分配单元,具体用于根据所述权重信息对所述通行时长进行分配,以得到目标时长;
所述分配单元,具体用于根据所述目标时长确定所述通行参数,以生成所述速度样本。
可选的,在本申请一些可能的实现方式中,所述分配单元,具体用于调用所述目标道路对应的道路信息;
所述分配单元,具体用于根据所述道路信息模拟得到自由流速度,以确定所述通行能力信息;
所述分配单元,具体用于基于所述目标道路对应的所述距离信息和所述通行能力信息生成所述权重信息。
可选的,在本申请一些可能的实现方式中,所述更新单元,具体用于确定所述历史特征集对应的样本统计信息;
所述更新单元,具体用于将所述行驶信息输入所述样本统计信息,以得到所述目标路况特征集。
可选的,在本申请一些可能的实现方式中,所述更新单元,具体用于确定所述样本统计信息中的特征数列,所述特征数列用于指示不同道路状态下对应的速度信息;
所述更新单元,具体用于将所述行驶信息中指示的速度参数输入所述特征数列,以得到所述目标路况特征集。
可选的,在本申请一些可能的实现方式中,所述管理单元,具体用于响应于所述目标路况特征集的生成,调用路况判定模型;
所述管理单元,具体用于将所述目标路况特征集输入所述路况判定模型,以得到所述目标道路在当前时刻对应的目标路况信息。
可选的,在本申请一些可能的实现方式中,所述管理单元,具体用于获取训练特征集;
所述管理单元,具体用于对所述训练特征集中的训练样本进行状态标记,以得到路况判定训练对;
所述管理单元,具体用于基于所述路况判定训练对所述预设判定模型进行训练,以确定所述路况判定模型。
可选的,在本申请一些可能的实现方式中,所述管理单元,具体用于确定与所述目标道路存在关联关系的关联道路;
所述管理单元,具体用于获取所述关联道路对应的道路状态信息;
所述管理单元,具体用于基于所述道路状态信息对所述目标路况信息进行平滑处理,以更新所述目标路况信息。
可选的,在本申请一些可能的实现方式中,所述管理单元,具体用于调用所述目标道路对应的关联道路集合;
所述管理单元,具体用于基于预设长度值对所述关联道路集合进行筛选,以确定所述关联道路。
可选的,在本申请一些可能的实现方式中,所述管理单元,具体用于响应于所述关联道路的确定,调用路况平滑模型;
所述管理单元,具体用于将所述道路状态信息和所述目标路况信息输入所述路况平滑模型,以得到路况调整信息;
所述管理单元,具体用于基于所述路况调整信息对所述目标路况信息进行更新。
本申请第三方面提供一种计算机设备,包括:存储器、处理器以及总线系统;所述存储器用于存储程序代码;所述处理器用于根据所述程序代码中的指令执行上述第一方面或第一方面任一项所述的路况信息的管理方法。
本申请第四方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述第一方面或第一方面任一项所述的路况信息的管理方法。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述第一方面或者第一方面的各种可选实现方式中提供的路况信息的管理方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
通过实时获取目标道路范围内的轨迹信息,目标道路范围中包括多条目标道路,轨迹信息包含目标道路的距离信息和通行能力信息;然后基于距离信息和通行能力信息为目标道路分配通行参数,以生成速度样本,速度样本用于指示目标车辆在经过目标道路时对应的行驶信息;并根据行驶信息对目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;进而基于目标路况特征集进行解析,以得到目标道路在当前时刻对应的目标路况信息。从而实现高频快捷的路况信息生成过程,由于采用实时获取的轨迹信息进行路况的模拟,并进一步的对历史数据进行更新,使得轨迹信息的使用过程中不涉及重复采集的问题,提高了路况信息的生成效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为路况信息的管理系统运行的网络架构图;
图2为本申请实施例提供的一种路况信息的管理的流程架构图;
图3为本申请实施例提供的一种路况信息的管理方法的流程图;
图4为本申请实施例提供的一种路况信息的管理方法的场景示意图;
图5为本申请实施例提供的一种路况信息的管理方法的场景流程图;
图6为本申请实施例提供的另一种路况信息的管理方法的场景流程图;
图7为本申请实施例提供的另一种路况信息的管理方法的场景流程图;
图8为本申请实施例提供的另一种路况信息的管理方法的流程图;
图9为本申请实施例提供的另一种路况信息的管理方法的场景示意图;
图10为本申请实施例提供的一种路况信息的管理装置的结构示意图;
图11为本申请实施例提供的一种终端设备的结构示意图;
图12为本申请实施例提供的一种服务器的结构示意图。
具体实施方式
本申请实施例提供了一种路况信息的管理方法以及相关装置,可以应用于终端设备中包含路况信息的管理功能的系统或程序中,通过实时获取目标道路范围内的轨迹信息,目标道路范围中包括多条目标道路,轨迹信息包含目标道路的距离信息和通行能力信息;然后基于距离信息和通行能力信息为目标道路分配通行参数,以生成速度样本,速度样本用于指示目标车辆在经过目标道路时对应的行驶信息;并根据行驶信息对目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;进而基于目标路况特征集进行解析,以得到目标道路在当前时刻对应的目标路况信息。从而实现高频快捷的路况信息生成过程,由于采用实时获取的轨迹信息进行路况的模拟,并进一步的对历史数据进行更新,使得轨迹信息的使用过程中不涉及重复采集的问题,提高了路况信息的生成效率。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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,以便这里描述的本申请的实施例例如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“对应于”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、产品或设备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。
首先,对本申请实施例中可能出现的一些名词进行解释。
全球定位系统(Global Positioning System,GPS):一种用于定位的系统。
GPS点对:一辆车时间上经过相邻的两个GPS点组成的元组,假设为<A,B>,A点的属性数据中包含A的时间戳,所匹配的道路ID,位置(道路的第多少米处),A到B之间经历的道路、道路的长度信息;同理B点的属性数据也包含了时间戳,所匹配道路的ID、位置,以及B到下一个C点经历的道路、道路的长度信息。
时间窗口:基于固定时间的一个窗口,每个窗口都有大小属性,比如某个组件设置的时间窗口大小为1min中,那么就代表该组件每分钟触发1次计算。
自由流速度(Free Flow Speed,ffs):车辆在道路完全畅通情况下的行驶速度,不同的道路由于设计容量、道路等级、限速的不同,自由流速度也会有所不同。
应理解,本申请提供的路况信息的管理方法可以应用于终端设备中包含路况信息的管理功能的系统或程序中,例如地图导航软件,具体的,路况信息的管理系统可以运行于如图1所示的网络架构中,如图1所示,是路况信息的管理系统运行的网络架构图,如图可知,路况信息的管理系统可以提供与多个信息源的路况信息的管理过程,即终端设备实时采集轨迹信息,并将轨迹信息发送至服务器,以使得服务器基于轨迹信息进行路况信息的判断,从而下发对应的路况信息;可以理解的是,图1中示出了多种终端设备,在实际场景中可以有更多或更少种类的终端设备参与到路况信息的管理的过程中,具体数量和种类因实际场景而定,此处不做限定,另外,图1中示出了一个服务器,但在实际场景中,也可以有多个服务器的参与,特别是在多终端设备进行信息采集与交互的场景中,具体服务器数量因实际场景而定。
本实施例中,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、CDN、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。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
可以理解的是,上述路况信息的管理系统可以运行于个人移动终端,例如:作为地图导航软件这样的应用,也可以运行于服务器,还可以作为运行于第三方设备以提供路况信息的管理,以得到信息源的路况信息的管理处理结果;具体的路况信息的管理系统可以是以一种程序的形式在上述设备中运行,也可以作为上述设备中的系统部件进行运行,还可以作为云端服务程序的一种,具体运作模式因实际场景而定,此处不做限定。
随着互联网技术的迅速发展,手机导航应用在人们生活中越来越重要,而对于手机导航的过程往往需要基于路况信息进行。在实时交通领域,路况信息的计算一般需要三个组件共同有序的配合,分别是单车速度计算、多车速度融合、道路拓扑上下游平滑。
一般,在实时交通领域,路况信息的计算一般采用基于固定时间窗口的计算,且每次计算都是基于缓存的有效周期(例如10分钟)内轨迹进行全量计算。
但是,在实时路况计算领域中,随着接入的数据源越来越丰富,规模越来越庞大,参与路况计算的数据规模也越来越大,与此同时,用户对瞬息万变的路况质量需求也越来越高。而在基于时间窗口的计算过程中,相邻的时间窗口中大量轨迹是重复的,该过程耗费了大量的时间,影响路况信息的生成效率。
为了解决上述问题,本申请提出了一种路况信息的管理方法,该方法应用于图2所示的路况信息的管理的流程框架中,如图2所示,为本申请实施例提供的一种路况信息的管理的流程架构图,用户通过界面层查看相关道路的路况信息,而该路况信息是基于应用层进行高频的数据迭代计算所得,即根据最新的轨迹信息与历史数据进行更新,从而得到当前的路况信息。
可以理解的是,本申请所提供的方法可以为一种程序的写入,以作为硬件系统中的一种处理逻辑,也可以作为一种路况信息的管理装置,采用集成或外接的方式实现上述处理逻辑。作为一种实现方式,该路况信息的管理装置通过实时获取目标道路范围内的轨迹信息,目标道路范围中包括多条目标道路,轨迹信息包含目标道路的距离信息和通行能力信息;然后基于距离信息和通行能力信息为目标道路分配通行参数,以生成速度样本,速度样本用于指示目标车辆在经过目标道路时对应的行驶信息;并根据行驶信息对目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;进而基于目标路况特征集进行解析,以得到目标道路在当前时刻对应的目标路况信息。从而实现高频快捷的路况信息生成过程,由于采用实时获取的轨迹信息进行路况的模拟,并进一步的对历史数据进行更新,使得轨迹信息的使用过程中不涉及重复采集的问题,提高了路况信息的生成效率。
结合上述流程架构,下面将对本申请中路况信息的管理方法进行介绍,请参阅图3,图3为本申请实施例提供的一种路况信息的管理方法的流程图,该管理方法可以是由终端设备执行的,也可以是由服务器执行的,还可以由服务器与终端设备共同执行的,此处以终端设备执行为例进行说明。本申请实施例至少包括以下步骤:
301、实时获取目标道路范围内的轨迹信息。
本实施例中,目标道路范围中包括多条目标道路,轨迹信息包含目标道路的距离信息和通行能力信息;其中,目标道路范围可以是地图导航软件内所有的道路集合;也可以是特定地理范围内的道路集合,例如A城市的道路集合为目标道路范围;还可以是用户进行地图导航过程中所涉及的道路集合,此处不做限定。
可以理解的是,实时获取的过程可以是采用一定时间间隔进行的,例如每分钟获取一次,具体的取值因实际场景而定,此处不做限定。
另外,轨迹信息即目标道路范围内涉及道路的行驶信息以及位置信息,在一种可能的场景中,轨迹信息可以通过GPS点对来描述;具体的,对于GPS点对的确定过程,首先确定目标道路范围内的多个监测点;然后实时获取监测点对应的监测信息;进而基于监测信息进行配对,以确定轨迹信息。其中,监测信息进行配对的结果即为GPS点对,例如对于GPS点对<A,B>,即指示了A点的属性数据中包含A的时间戳,所匹配的道路ID,位置(道路的第多少米处),A到B之间经历的道路、道路的长度信息;同理B点的属性数据也包含了时间戳,所匹配道路的ID、位置,以及B到下一个C点经历的道路、道路的长度信息等。
可以理解的是,上述监测信息的来源可以是车辆,例如出租车、私家车;也可以是车辆上的检测插件,例如行车记录仪、后视镜;还可以是车辆上包含定位功能的应用,例如打车软件、各类地图应用等,具体的数据来源形式因实际场景而定。
302、基于距离信息和通行能力信息为目标道路分配通行参数,以生成速度样本。
本实施例中,速度样本用于指示目标车辆在经过目标道路时对应的行驶信息;其中,行驶信息即可以包括目标车辆在经过目标道路时对应的行驶速度、行驶时长、行驶距离等;对于目标道路的设定,即为目标道路范围内的任意道路,即通过本申请提供的针对于目标道路的处理方式对目标道路范围内的所有道路或指定道路进行处理,从而得到整体范围或部分范围内的路况信息。
具体的,对于分配通行参数的过程即采用了平均分配的方法,即通过参数的模拟来表示不同道路的行驶信息,由于该过程不会涉及大量的参数,从而便于行驶信息的表达。故对于速度样本具体的生成过程,可以首先确定目标道路对应的目标轨迹;然后获取目标轨迹的通行时长;并基于目标道路对应的距离信息和通行能力信息生成权重信息;进而根据权重信息对通行时长进行分配,以得到目标时长;从而根据目标时长确定通行参数,以生成速度样本。其中,距离信息即包括道路的长度;而考虑到平均分配的方法排除了特殊数据的影响,故可以采用直观表示通行能力的自由流速度进行表述,从而提高通行参数分配的准确性。
对于自由流速度的获取过程,可以首先调用目标道路对应的道路信息,例如道路的长度信息、限速信息等;然后根据道路信息模拟得到自由流速度,以确定通行能力信息;从而基于目标道路对应的距离信息和通行能力信息生成权重信息。
下面,结合一种具体的场景对平均分配通行参数的方法进行介绍。如图4所示,为本申请实施例提供的一种路况信息的管理方法的场景示意图。始终示出了对于GPS点对<A,B>形成的轨迹信息如下,从A到B经历过了3条道路L1、L2、L3,其中GPS点A匹配在道路L1上,时间戳为T1;GPS点B匹配在道路L3上,时间戳为T2。
对应的,车辆在道路上L1的行驶时间的计算公式为:
Figure BDA0002677970590000121
进一步的,车辆在道路上L1的行驶速度的计算公式为:
Figure BDA0002677970590000131
其中,l1、l2、l3分别对应于L1、L2、L3的道路长度;ffs1、ffs2、ffs3分别对应于L1、L2、L3的自由流速度,即代表道路的通行速度或能力;而(T2-T1)则表示车辆经过<A,B>的总时间,故可以而用自由流速度和距离信息加进行权,可以准确的分配车辆在L1、L2、L3上的行驶时间。
对应的,车辆在道路L2上的行驶时间的计算公式为:
Figure BDA0002677970590000132
进一步的,车辆在道路上L2的行驶速度的计算公式为:
Figure BDA0002677970590000133
对应的,车辆在道路L3上的行驶时间的计算公式为:
Figure BDA0002677970590000134
进一步的,车辆在道路上L3的行驶速度的计算公式为:
Figure BDA0002677970590000135
其中,l1、l2、l3分别对应于L1、L2、L3的道路长度;ffs1、ffs2、ffs3分别对应于L1、L2、L3的自由流速度,即代表道路的通行速度或能力;而(T2-T1)则表示车辆经过<A,B>的总时间。
相较于一般采用的时间窗口机制内的轨迹进行路况计算,本申请的计算过程为流式计算过程,即以当前获取的轨迹信息为主体进行计算,并不涉及数据的重复获取,从而避免了现有方法轨迹重复计算的缺陷。
303、根据行驶信息对目标道路对应的历史路况特征集进行更新,以得到目标路况特征集。
本实施例中,在确定单车的行驶信息后,则可以进行多辆车的行驶信息的融合,从而反映实际场景中多辆车行驶时的路况;具体的,多辆车的行驶信息的融合过程是基于历史路况特征集的更新进行的,历史路况特征集即包括上一个计算周期中的路况信息、通过速度信息以及相关数据整合所得的特征参数。即在上一次路况统计(历史路况特征集)的基础上,将本次采集轨迹信息对应的行驶信息输入该路况统计,从而确定当前的路况。
可选的,历史路况特征集中的特征参数可以是通过样本统计描述的,具体的,首先确定历史特征集对应的样本统计信息;然后将行驶信息输入样本统计信息,以得到目标路况特征集。其中,样本统计信息可以包括分速度区间的样本数(例如速度每5k/h分一个区间),分状态区间的样本数(例如根据单车的速度计算出来的单车的行驶状态,分为畅通、缓行、拥堵、极度拥堵四个区间)。在该场景中,确定当前路况的过程可以是:若上一次在分速度区间指示的速度为“10-15k/h”区间的样本数为10,对应的路况为缓行,而在当前计算的速度样本加入后,“10-15k/h”区间的样本数为20,则说明缓行的车辆变多了,可能出现了拥堵情况,故当前路况则更新为拥堵,从而高效且准确的确定了当前的路况信息。
可选的,历史路况特征集中的特征参数还可以通过特征数列来描述,具体的,首先确定样本统计信息中的特征数列,特征数列用于指示不同道路状态下对应的速度信息;然后将行驶信息中指示的速度参数输入特征数列,以得到目标路况特征集。其中,特征数列可以得到相关的特征参数,例如分状态区间的平均速度、所有样本速度中位数、所有样本速度平均值、所有速度样本数等。在该场景中,则根据这些特征参数的变化进行路况的更新。
可以理解的是,具体的路况信息的更新过程还可以是上述事例的结合考虑,例如即考虑分速度区间内的样本变化,也考虑所有样本速度中位数的变化,并综合得到当前的路况信息。
304、基于目标路况特征集进行解析,以得到目标道路在当前时刻对应的目标路况信息。
本实施例中,对目标路况特征集进行解析以得到目标路况信息的过程在步骤303的指出,即通过上述样本统计信息或特征数列的变化来指示上一时刻对应的历史路况特征集的变化,从而得到对应的目标路况信息。
可选的,对于目标路况信息的确定过程还可以基于神经网络模型来进行,即通过神经网络模型模拟目标路况信息与上述特征参数变化的对应关系;具体的,即响应于目标路况特征集的生成,调用路况判定模型;然后将目标路况特征集输入路况判定模型,以得到目标道路在当前时刻对应的目标路况信息,从而提高了目标路况信息确定的效率及准确性。其中,路况判定模型可以是规则判定模型、xgboost机器学习模式、DNN深度神经网络模型等,具体的模型架构因实际场景而定。
可以理解的是,由于本申请中的轨迹信息为实时获取并与历史数据相迭代的过程,故可以定时调整路况判定模型的相关参数,即路况判定模型是在目标路况特征集的生成后调用的,例如目标路况特征集变化项较多则调用路况判定模型1;若目标路况特征集变化项较少则调用路况判定模型2,从而提高路况判定模型的准确性。
可选的,对于路况判定模型的训练过程可以首先获取训练特征集;然后对训练特征集中的训练样本进行状态标记,以得到路况判定训练对;进而基于路况判定训练对预设判定模型进行训练,以确定路况判定模型。其中,状态标记即训练样本对应的路况信息、通过的速度信息等,从而提高了路况判定模型的准确性。
在一种可能的场景中,考虑到道路之间的关联性,关联道路之间的拥堵情况可能会相互影响,故可以对关联道路之间的路况信息进行平滑处理。具体的,首先确定与目标道路存在关联关系的关联道路;然后获取关联道路对应的道路状态信息;进而基于道路状态信息对目标路况信息进行平滑处理,以更新目标路况信息。
可选的,由于路径较短的道路数据可能受影响较大,故可以针对于这些道路进行平滑,即首先调用目标道路对应的关联道路集合;然后基于预设长度值对关联道路集合进行筛选,以确定关联道路。例如从关联道路集合中筛选出长度小于500米的道路作为关联道路,从而减少了特殊数据对于路况判断的影响。
可选的,对于路况平滑的过程,可以是基于神经网络进行的,即首先响应于关联道路的确定,调用路况平滑模型;然后将道路状态信息和目标路况信息输入路况平滑模型,以得到路况调整信息;从而基于路况调整信息对目标路况信息进行更新。其中,路况判定模型可以是规则判定模型、xgboost机器学习模式、DNN深度神经网络模型等,具体的模型架构因实际场景而定。
结合上述实施例可知,通过实时获取目标道路范围内的轨迹信息,目标道路范围中包括多条目标道路,轨迹信息包含目标道路的距离信息和通行能力信息;然后基于距离信息和通行能力信息为目标道路分配通行参数,以生成速度样本,速度样本用于指示目标车辆在经过目标道路时对应的行驶信息;并根据行驶信息对目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;进一步的,基于目标路况特征集进行解析,以得到目标道路在当前时刻对应的目标路况信息。从而实现高频快捷的路况信息生成过程,由于采用实时获取的轨迹信息进行路况的模拟,并进一步的对历史数据进行更新,使得轨迹信息的使用过程中不涉及重复采集的问题,提高了路况信息的生成效率。
上述实施例介绍了路径信息的生成过程,下面结合一种硬件结构对上述路径信息的生成过程进行说明,如图5所示,图5为本申请实施例提供的一种路况信息的管理方法的场景流程图;图中示出了首先通过轨迹采集组件对多个监测点进行数据采集,以得到GPS点序列;进一步的将GPS点序列输入道路匹配组件进行道路匹配,从而得到监测点对,即GPS点对;进一步的将GPS点对输入单车速度计算组件,对应的输出是各个GPS点对在它经历过的所有道路上的行驶信息,包括行驶距离,行驶速度,行驶时间等,并将它实时发送到下游多车速度融合组件。相较于一般计算过程中基于时间窗口的计算过程,本申请将设计为无状态的流式计算组件,使其能够根据实时流进来的GPS点对,实时输出一辆车在其所经过道路上的多个速度样本。
具体的,对于多车速度融合组件的执行过程如图6所示,图6为本申请实施例提供的另一种路况信息的管理方法的场景流程图;即改造多车速度融合组件为有状态的流式计算组件,使其能够根据实时流进来的一辆车在一条道路上的一个速度样本,实时输出该道路的速度和路况状态。
在一种可能的场景中,改造多车速度融合组件实时接收上游组件的输出数据,它们是一个GPS点对(也就是一辆车)在一条道路上的行驶速度、行驶距离、行驶时间等信息,上述数据可以作为一个速度样本,例如车辆C在道路L上的行驶速度v,行驶距离len,行驶时间t。然后从缓存中心中调用道路L上一次路况更新后的路况状态last_status和速度last_speed,以及上一次路况更新时候参与计算的所有速度样本的特征集W(历史路况特征集,即历史数据),主要包括:分速度区间的样本数(例如速度每5k/h分一个区间)、分状态区间的样本数(例如根据单车的速度计算出来的单车的行驶状态,分为畅通、缓行、拥堵、极度拥堵四个区间)、分状态区间的平均速度、所有样本速度中位数、所有样本速度平均值、所有速度样本数等。进一步的,基于v、len、t更新W,定义为new_W(目标路况特征集,即当前数据),并将新new_W和last_status和last_speed输入到离线训练好的路况判定模型,从而输出新的status和speed(目标路况信息,即状态信息),其中路况判定模型包括但不限于规则判定模型,xgboost机器学习模式,DNN深度神经网络模型等。进一步的,将新算出的路况状态status、速度speed、特征集new_W更新到L的数据缓存中,以便于在下一个数据获取周期进行迭代计算。然后将status和speed发给下游的道路拓扑上下游平滑组件。
对于道路拓扑上下游平滑组件的执行过程如图7所示,图7为本申请实施例提供的另一种路况信息的管理方法的场景流程图;即使道路拓扑上下游平滑组件能根据实时流进来一条道路的速度和状态(目标路况信息,即状态信息),并集合该道路上一次更新后的速度和状态,以及该道路拓扑上下游关联道路上一次更新后的速度和状态集,输出该道路新的道路的状态和速度。具体的,首先实时接收上游组件的输入,每一条数据输入是一条道路L的状态status和速度speed,然后从缓存中获取道路L的last_status和last_speed(历史数据),且从缓存中获取道路L拓扑上下游关联道路集的statusList和speedList(关联道路信息);然后基于statusList、SpeedList、last_status、last_speed、status、speed这些特征,输入给离线训练好的路况平滑模型,输出平滑后的路况状态new_status和速度new_speed(更新后的状态信息),其中路况平滑模型包括但不限于规则判定模型,xgboost机器学习模式,DNN深度神经网络模型等。进一步的,将路况状态new_status和速度new_speed更新到缓存中心,以便于在下一个数据获取周期进行迭代计算。然后将路况状态new_status和速度new_speed发送给路况发布模块,发送给用户。
具体的,对于路况平滑模型的训练过程需要准备关于道路信息与状态信息对应的训练数据集、验证数据集和测试数据集,然后首先基于训练数据集(X,Y)输入给路况平滑模型进行自我训练和学习,其中,X为道路信息而Y为对应的状态信息,路况平滑模型可以选用决策树模型,深度神经网络DNN模型,LSTM模型等;经过上述训练可以得到一个初步模型,该初步模型可以响应于X的输入,输出对应的Y。
在得到初步模型后,使用验证数据集对初步模型的预测准确率做评估,如果评估结果显示准确性不高,则调整模型训练过程中的各种参数,重新训练,重复上述初步模型的训练过程。
进一步的,评估通过后,再使用测试数据集对初步模型进行进一步的测试,即评判应用于测试数据集中该初步模型的准确性;若测试不通过,则重复上述初步模型的训练过程;若测试通过,则将该初步模型作为训练好的路况平滑模型。
通过上述处理架构的设计,可以实现基于轨迹信息的流式计算过程,且该过程具有高频实时的特点,即任何新进来的数据都能立即触发单车速度计算组件、多车速度融合组件、道路拓扑上下游平滑组件的流式计算,并将最新的路况路况和速度推送给用户。同时由于采用流式计算方法,避免了数据的重复采集过程,提高了计算效率。
下面结合地图导航的具体场景进行说明。请参阅图8,图8为本申请实施例提供的另一种路况信息的管理方法的流程图,本申请实施例至少包括以下步骤:
801、获取当前导航路径。
本实施例中,获取当前导航路径的过程即实时监控的过程,即对于当前导航路径涉及的道路进行路况信息的监控。
802、确定当前导航路径对应的路况信息。
本实施例中,确定当前导航路径对应的路况信息的过程可参考上述图3或图5实施例中目标路况信息的生成过程,此处不做赘述。
803、基于路况信息进行导航路径调整。
本实施例中,由于导航过程中对路径进行实时监控,故在检测到由道路拥堵时可以发出相应的提示,并进行调整。
在一种可能的场景中,可以采用如图9所示的界面显示场景,图9为本申请实施例提供的另一种路况信息的管理方法的场景示意图。图中示出了在检测到路径1(当前导航路径)中由道路发生拥堵时,即会弹出提醒字样,用户可以通过点击“确定”按钮进行路径的切换,切换后的路径2即为拥堵情况优于路径1的道路,从而保证了用户车辆顺畅的行驶过程。
结合上述实施例可知,本申请一方面用于缩短路况计算耗时,达到高频更新路况的效果,提高路况的实时性和准确性;另一方面,可以进行实施例的路况监控,为用户带来更好的路况体验、导航体验和出行体验。
为了更好的实施本申请实施例的上述方案,下面还提供用于实施上述方案的相关装置。请参阅图10,图10为本申请实施例提供的一种路况信息的管理装置的结构示意图,管理装置1000包括:
获取单元1001,用于实时获取目标道路范围内的轨迹信息,所述目标道路范围中包括多条目标道路,所述轨迹信息包含所述目标道路的距离信息和通行能力信息;
分配单元1002,用于基于所述距离信息和所述通行能力信息为所述目标道路分配通行参数,以生成速度样本,所述所述速度样本用于指示目标车辆在经过所述目标道路时对应的行驶信息;
更新单元1003,用于根据所述行驶信息对所述目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;
管理单元1004,用于基于所述目标路况特征集进行解析,以得到所述目标道路在当前时刻对应的目标路况信息。
可选的,在本申请一些可能的实现方式中,所述获取单元1001,具体用于确定所述目标道路范围内的多个监测点;
所述获取单元1001,具体用于实时获取所述监测点对应的监测信息;
所述获取单元1001,具体用于基于所述监测信息进行配对,以确定所述轨迹信息。
可选的,在本申请一些可能的实现方式中,所述分配单元1002,具体用于确定所述目标道路对应的目标轨迹;
所述分配单元1002,具体用于获取所述目标轨迹的通行时长;
所述分配单元1002,具体用于基于所述目标道路对应的所述距离信息和所述通行能力信息生成权重信息;
所述分配单元1002,具体用于根据所述权重信息对所述通行时长进行分配,以得到目标时长;
所述分配单元1002,具体用于根据所述目标时长确定所述通行参数,以生成所述速度样本。
可选的,在本申请一些可能的实现方式中,所述分配单元1002,具体用于调用所述目标道路对应的道路信息;
所述分配单元1002,具体用于根据所述道路信息模拟得到自由流速度,以确定所述通行能力信息;
所述分配单元1002,具体用于基于所述目标道路对应的所述距离信息和所述通行能力信息生成所述权重信息。
可选的,在本申请一些可能的实现方式中,所述更新单元1003,具体用于确定所述历史特征集对应的样本统计信息;
所述更新单元1003,具体用于将所述行驶信息输入所述样本统计信息,以得到所述目标路况特征集。
可选的,在本申请一些可能的实现方式中,所述更新单元1003,具体用于确定所述样本统计信息中的特征数列,所述特征数列用于指示不同道路状态下对应的速度信息;
所述更新单元1003,具体用于将所述行驶信息中指示的速度参数输入所述特征数列,以得到所述目标路况特征集。
可选的,在本申请一些可能的实现方式中,所述管理单元1004,具体用于响应于所述目标路况特征集的生成,调用路况判定模型;
所述管理单元1004,具体用于将所述目标路况特征集输入所述路况判定模型,以得到所述目标道路在当前时刻对应的目标路况信息。
可选的,在本申请一些可能的实现方式中,所述管理单元1004,具体用于获取训练特征集;
所述管理单元1004,具体用于对所述训练特征集中的训练样本进行状态标记,以得到路况判定训练对;
所述管理单元1004,具体用于基于所述路况判定训练对所述预设判定模型进行训练,以确定所述路况判定模型。
可选的,在本申请一些可能的实现方式中,所述管理单元1004,具体用于确定与所述目标道路存在关联关系的关联道路;
所述管理单元1004,具体用于获取所述关联道路对应的道路状态信息;
所述管理单元1004,具体用于基于所述道路状态信息对所述目标路况信息进行平滑处理,以更新所述目标路况信息。
可选的,在本申请一些可能的实现方式中,所述管理单元1004,具体用于调用所述目标道路对应的关联道路集合;
所述管理单元1004,具体用于基于预设长度值对所述关联道路集合进行筛选,以确定所述关联道路。
可选的,在本申请一些可能的实现方式中,所述管理单元1004,具体用于响应于所述关联道路的确定,调用路况平滑模型;
所述管理单元1004,具体用于将所述道路状态信息和所述目标路况信息输入所述路况平滑模型,以得到路况调整信息;
所述管理单元1004,具体用于基于所述路况调整信息对所述目标路况信息进行更新。
通过实时获取目标道路范围内的轨迹信息,目标道路范围中包括多条目标道路,轨迹信息包含目标道路的距离信息和通行能力信息;然后基于距离信息和通行能力信息为目标道路分配通行参数,以生成速度样本,速度样本用于指示目标车辆在经过目标道路时对应的行驶信息;并根据行驶信息对目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;进而基于目标路况特征集进行解析,以得到目标道路在当前时刻对应的目标路况信息。从而实现高频快捷的路况信息生成过程,由于采用实时获取的轨迹信息进行路况的模拟,并进一步的对历史数据进行更新,使得轨迹信息的使用过程中不涉及重复采集的问题,提高了路况信息的生成效率。
本申请实施例还提供了一种终端设备,如图11所示,是本申请实施例提供的另一种终端设备的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请实施例方法部分。该终端可以为包括手机、平板电脑、个人数字助理(personal digital assistant,PDA)、销售终端(point of sales,POS)、车载电脑等任意终端设备,以终端为手机为例:
图11示出的是与本申请实施例提供的终端相关的手机的部分结构的框图。参考图11,手机包括:射频(radio frequency,RF)电路1110、存储器1120、输入单元1130、显示单元1140、传感器1150、音频电路1160、无线保真(wireless fidelity,WiFi)模块1170、处理器1180、以及电源1190等部件。本领域技术人员可以理解,图11中示出的手机结构并不构成对手机的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图11对手机的各个构成部件进行具体的介绍:
RF电路1110可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器1180处理;另外,将设计上行的数据发送给基站。通常,RF电路1110包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noiseamplifier,LNA)、双工器等。此外,RF电路1110还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(globalsystem of mobile communication,GSM)、通用分组无线服务(general packet radioservice,GPRS)、码分多址(code division multiple access,CDMA)、宽带码分多址(wideband code division multiple access,WCDMA)、长期演进(long term evolution,LTE)、电子邮件、短消息服务(short messaging service,SMS)等。
存储器1120可用于存储软件程序以及模块,处理器1180通过运行存储在存储器1120的软件程序以及模块,从而执行手机的各种功能应用以及数据处理。存储器1120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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器1120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。
输入单元1130可用于接收输入的数字或字符信息,以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地,输入单元1130可包括触控面板1131以及其他输入设备1132。触控面板1131,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、触笔等任何适合的物体或附件在触控面板1131上或在触控面板1131附近的操作,以及在触控面板1131上一定范围内的隔空触控操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板1131可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器1180,并能接收处理器1180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1131。除了触控面板1131,输入单元1130还可以包括其他输入设备1132。具体地,其他输入设备1132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1140可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1140可包括显示面板1141,可选的,可以采用液晶显示器(liquidcrystal display,LCD)、有机发光二极管(organic light-emitting diode,OLED)等形式来配置显示面板1141。进一步的,触控面板1131可覆盖显示面板1141,当触控面板1131检测到在其上或附近的触摸操作后,传送给处理器1180以确定触摸事件的类型,随后处理器1180根据触摸事件的类型在显示面板1141上提供相应的视觉输出。虽然在图11中,触控面板1131与显示面板1141是作为两个独立的部件来实现手机的输入和输入功能,但是在某些实施例中,可以将触控面板1131与显示面板1141集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器1150,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板1141的亮度,接近传感器可在手机移动到耳边时,关闭显示面板1141和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路1160、扬声器1161,传声器1162可提供用户与手机之间的音频接口。音频电路1160可将接收到的音频数据转换后的电信号,传输到扬声器1161,由扬声器1161转换为声音信号输出;另一方面,传声器1162将收集的声音信号转换为电信号,由音频电路1160接收后转换为音频数据,再将音频数据输出处理器1180处理后,经RF电路1110以发送给比如另一手机,或者将音频数据输出至存储器1120以便进一步处理。
WiFi属于短距离无线传输技术,手机通过WiFi模块1170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图11示出了WiFi模块1170,但是可以理解的是,其并不属于手机的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1180是手机的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器1120内的软件程序和/或模块,以及调用存储在存储器1120内的数据,执行手机的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器1180可包括一个或多个处理单元;可选的,处理器1180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、用户界面和应用程序等,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1180中。
手机还包括给各个部件供电的电源1190(比如电池),可选的,电源可以通过电源管理系统与处理器1180逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出,手机还可以包括摄像头、蓝牙模块等,在此不再赘述。
在本申请实施例中,该终端所包括的处理器1180还具有执行如上述页面处理方法的各个步骤的功能。
本申请实施例还提供了一种服务器,请参阅图12,图12是本申请实施例提供的一种服务器的结构示意图,该服务器1200可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)1222(例如,一个或一个以上处理器)和存储器1232,一个或一个以上存储应用程序1242或数据1244的存储介质1230(例如一个或一个以上海量存储设备)。其中,存储器1232和存储介质1230可以是短暂存储或持久存储。存储在存储介质1230的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1222可以设置为与存储介质1230通信,在服务器1200上执行存储介质1230中的一系列指令操作。
服务器1200还可以包括一个或一个以上电源1226,一个或一个以上有线或无线网络接口1250,一个或一个以上输入输出接口1258,和/或,一个或一个以上操作系统1241,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上述实施例中由管理装置所执行的步骤可以基于该图12所示的服务器结构。
本申请实施例中还提供一种计算机可读存储介质,该计算机可读存储介质中存储有路况信息的管理指令,当其在计算机上运行时,使得计算机执行如前述图2至图9所示实施例描述的方法中路况信息的管理装置所执行的步骤。
本申请实施例中还提供一种包括路况信息的管理指令的计算机程序产品,当其在计算机上运行时,使得计算机执行如前述图2至图9所示实施例描述的方法中路况信息的管理装置所执行的步骤。
本申请实施例还提供了一种路况信息的管理系统,所述路况信息的管理系统可以包含图10所描述实施例中的路况信息的管理装置,或图11所描述实施例中的终端设备,或者图12所描述的服务器。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,路况信息的管理装置,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,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 (15)

1.一种路况信息的管理方法,其特征在于,包括:
实时获取目标道路范围内的轨迹信息,所述目标道路范围中包括多条目标道路,所述轨迹信息包含所述目标道路的距离信息和通行能力信息;
基于所述距离信息和所述通行能力信息为所述目标道路分配通行参数,以生成速度样本,所述所述速度样本用于指示目标车辆在经过所述目标道路时对应的行驶信息;
根据所述行驶信息对所述目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;
基于所述目标路况特征集进行解析,以得到所述目标道路在当前时刻对应的目标路况信息。
2.根据权利要求1所述的方法,其特征在于,所述实时获取目标道路范围内的轨迹信息,包括:
确定所述目标道路范围内的多个监测点;
实时获取所述监测点对应的监测信息;
基于所述监测信息进行配对,以确定所述轨迹信息。
3.根据权利要求1或2任一项所述的方法,其特征在于,所述基于所述距离信息和所述通行能力信息为所述目标道路分配通行参数,以生成速度样本,包括:
确定所述目标道路对应的目标轨迹;
获取所述目标轨迹的通行时长;
基于所述目标道路对应的所述距离信息和所述通行能力信息生成权重信息;
根据所述权重信息对所述通行时长进行分配,以得到目标时长;
根据所述目标时长确定所述通行参数,以生成所述速度样本。
4.根据权利要求3所述的方法,其特征在于,所述基于所述目标道路对应的所述距离信息和所述通行能力信息生成权重信息,包括:
调用所述目标道路对应的道路信息;
根据所述道路信息模拟得到自由流速度,以确定所述通行能力信息;
基于所述目标道路对应的所述距离信息和所述通行能力信息生成所述权重信息。
5.根据权利要求1所述的方法,其特征在于,所述根据所述行驶信息对所述目标道路对应的历史路况特征集进行更新,以得到目标路况特征集,包括:
确定所述历史特征集对应的样本统计信息;
将所述行驶信息输入所述样本统计信息,以得到所述目标路况特征集。
6.根据权利要求5所述的方法,其特征在于,所述将所述行驶信息输入所述样本统计信息,以得到所述目标路况特征集,包括:
确定所述样本统计信息中的特征数列,所述特征数列用于指示不同道路状态下对应的速度信息;
将所述行驶信息中指示的速度参数输入所述特征数列,以得到所述目标路况特征集。
7.根据权利要求1所述的方法,其特征在于,所述基于所述目标路况特征集进行解析,以得到所述目标道路在当前时刻对应的目标路况信息,包括:
响应于所述目标路况特征集的生成,调用路况判定模型;
将所述目标路况特征集输入所述路况判定模型,以得到所述目标道路在当前时刻对应的目标路况信息。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
获取训练特征集;
对所述训练特征集中的训练样本进行状态标记,以得到路况判定训练对;
基于所述路况判定训练对所述预设判定模型进行训练,以确定所述路况判定模型。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述方法还包括:
确定与所述目标道路存在关联关系的关联道路;
获取所述关联道路对应的道路状态信息;
基于所述道路状态信息对所述目标路况信息进行平滑处理,以更新所述目标路况信息。
10.根据权利要求9所述的方法,其特征在于,所述确定与所述目标道路存在关联关系的关联道路,包括:
调用所述目标道路对应的关联道路集合;
基于预设长度值对所述关联道路集合进行筛选,以确定所述关联道路。
11.根据权利要求9所述的方法,其特征在于,所述基于所述道路状态信息对所述目标路况信息进行平滑处理,以更新所述目标路况信息,包括:
响应于所述关联道路的确定,调用路况平滑模型;
将所述道路状态信息和所述目标路况信息输入所述路况平滑模型,以得到路况调整信息;
基于所述路况调整信息对所述目标路况信息进行更新。
12.根据权利要求1所述的方法,其特征在于,所述目标路况信息用于引导导航路径的生成,所述导航路径与所述目标道路相关联。
13.一种路况信息的管理装置,其特征在于,包括:
获取单元,用于实时获取目标道路范围内的轨迹信息,所述目标道路范围中包括多条目标道路,所述轨迹信息包含所述目标道路的距离信息和通行能力信息;
分配单元,用于基于所述距离信息和所述通行能力信息为所述目标道路分配通行参数,以生成速度样本,所述所述速度样本用于指示目标车辆在经过所述目标道路时对应的行驶信息;
更新单元,用于根据所述行驶信息对所述目标道路对应的历史路况特征集进行更新,以得到目标路况特征集;
管理单元,用于基于所述目标路况特征集进行解析,以得到所述目标道路在当前时刻对应的目标路况信息。
14.一种计算机设备,其特征在于,所述计算机设备包括处理器以及存储器:
所述存储器用于存储程序代码;所述处理器用于根据所述程序代码中的指令执行权利要求1至12任一项所述的路况信息的管理方法。
15.一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述权利要求1至12任一项所述的路况信息的管理方法。
CN202010953969.6A 2020-09-11 2020-09-11 一种路况信息的管理方法以及相关装置 Active CN111986487B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010953969.6A CN111986487B (zh) 2020-09-11 2020-09-11 一种路况信息的管理方法以及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010953969.6A CN111986487B (zh) 2020-09-11 2020-09-11 一种路况信息的管理方法以及相关装置

Publications (2)

Publication Number Publication Date
CN111986487A true CN111986487A (zh) 2020-11-24
CN111986487B CN111986487B (zh) 2022-02-25

Family

ID=73449326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010953969.6A Active CN111986487B (zh) 2020-09-11 2020-09-11 一种路况信息的管理方法以及相关装置

Country Status (1)

Country Link
CN (1) CN111986487B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496278A (zh) * 2011-12-09 2012-06-13 北京世纪高通科技有限公司 通过图像获取交通状态的方法和装置
CN103500504A (zh) * 2013-09-30 2014-01-08 同济大学 基于rfid数据的城市道路交通参数估计与路况判别方法及应用系统
US20150260614A1 (en) * 2012-10-19 2015-09-17 Roadroid Ab Method and system for monitoring road conditions
CN104952243A (zh) * 2014-03-25 2015-09-30 高德软件有限公司 通行时长分配方法及装置
US20160104377A1 (en) * 2013-03-14 2016-04-14 Sirius Xm Radio Inc. High resolution encoding and transmission of traffic information
WO2018122806A1 (zh) * 2016-12-30 2018-07-05 同济大学 一种基于行程时间分布的多模态交通异常检测方法
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
CN110726414A (zh) * 2019-10-25 2020-01-24 百度在线网络技术(北京)有限公司 用于输出信息的方法和装置
CN111383444A (zh) * 2018-12-28 2020-07-07 腾讯大地通途(北京)科技有限公司 预测路况状态的方法、装置、服务器及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102496278A (zh) * 2011-12-09 2012-06-13 北京世纪高通科技有限公司 通过图像获取交通状态的方法和装置
US20150260614A1 (en) * 2012-10-19 2015-09-17 Roadroid Ab Method and system for monitoring road conditions
US20160104377A1 (en) * 2013-03-14 2016-04-14 Sirius Xm Radio Inc. High resolution encoding and transmission of traffic information
CN103500504A (zh) * 2013-09-30 2014-01-08 同济大学 基于rfid数据的城市道路交通参数估计与路况判别方法及应用系统
CN104952243A (zh) * 2014-03-25 2015-09-30 高德软件有限公司 通行时长分配方法及装置
WO2018122806A1 (zh) * 2016-12-30 2018-07-05 同济大学 一种基于行程时间分布的多模态交通异常检测方法
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
CN111383444A (zh) * 2018-12-28 2020-07-07 腾讯大地通途(北京)科技有限公司 预测路况状态的方法、装置、服务器及存储介质
CN110726414A (zh) * 2019-10-25 2020-01-24 百度在线网络技术(北京)有限公司 用于输出信息的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
章威: "基于浮动车技术的城市路况计算方法", 《智能交通系统与信息技术》 *

Also Published As

Publication number Publication date
CN111986487B (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN112364439B (zh) 自动驾驶系统的仿真测试方法、装置以及存储介质
CN109556621B (zh) 一种路线规划的方法及相关设备
CN112052841B (zh) 一种视频摘要的生成方法以及相关装置
CN112751648B (zh) 丢包数据恢复方法和相关装置、设备及存储介质
CN112052778B (zh) 一种交通标志识别方法以及相关装置
CN112163280B (zh) 一种自动驾驶场景的模拟方法、装置、设备以及存储介质
CN114117056B (zh) 一种训练数据的处理方法、装置以及存储介质
CN114595124A (zh) 时序异常检测模型评估方法、相关装置及存储介质
CN112414420B (zh) 一种基于交通流量的导航方法以及相关装置
CN112859136B (zh) 一种定位方法和相关装置
CN111986487B (zh) 一种路况信息的管理方法以及相关装置
CN114781766B (zh) 水文站点的水文信息预测方法、装置、设备及存储介质
CN113052198A (zh) 一种数据处理方法、装置、设备及存储介质
CN109544241A (zh) 一种点击率预估模型的构建方法、点击率预估方法和装置
CN112798005B (zh) 一种道路数据的处理方法以及相关装置
CN113313155A (zh) 数据处理方法和相关装置
CN112948763B (zh) 件量预测方法、装置、电子设备及存储介质
CN115080840A (zh) 一种内容推送方法、装置及存储介质
CN112307254B (zh) 一种音乐标签的向量确定方法和相关装置
CN117473306A (zh) 一种到达时间预估模型的训练方法、装置以及存储介质
CN117255231B (zh) 一种虚拟视频合成方法、装置及相关产品
CN117555815B (zh) 参数预测方法、模型训练方法和相关装置
CN115437931A (zh) 基于算法筛选的模型配置方法、装置、设备、存储介质
CN115222316A (zh) 预计送达时间获取方法、装置、电子设备及存储介质
CN115905416A (zh) 一种数据处理方法和相关装置

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