CN112037518B - 一种用于预测交通状态的计算方法、系统及车辆 - Google Patents
一种用于预测交通状态的计算方法、系统及车辆 Download PDFInfo
- Publication number
- CN112037518B CN112037518B CN202010970827.0A CN202010970827A CN112037518B CN 112037518 B CN112037518 B CN 112037518B CN 202010970827 A CN202010970827 A CN 202010970827A CN 112037518 B CN112037518 B CN 112037518B
- Authority
- CN
- China
- Prior art keywords
- traffic
- vehicles
- section
- vehicle
- preset time
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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"
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Abstract
本发明提供了一种用于预测交通状态的计算方法、系统及车辆,涉及车辆智能驾驶领域。本发明先获取交通系统中所有车辆的出行信息,然后将所有车辆的行驶规划路径拆分成多个交通路段,出行信息至少包括行驶规划路径,每个交通路段均具有与之对应的参数信息,参数信息至少包括车辆饱和值;之后根据所有车辆的出行信息以及所有车辆将要经过的多个交通路段的参数信息计算得出多个交通路段在多个预设时间段内的预计拥堵系数;最后将交通路段在预设时间段内的预计拥堵系数与该交通路段的车辆饱和值相比较,以判断该交通路段在该预设时间段内的预计交通状态。本发明基于车辆的规划路径通过数据计算交通路段的某时间段的拥堵系数,计算出的结果比较真实。
Description
技术领域
本发明涉及车辆智能驾驶领域,特别是涉及一种用于预测交通状态的计算方法、系统及车辆。
背景技术
伴随车辆智能和网联技术的发展,目前车辆配备了众多的感知传感器、控制系统和网联设备。在智能驾驶车辆上,只需要乘员输入行程终点,车辆就可以自动规划路径并自动驾驶到达目的地。
现有技术中的交通拥堵情况是基于当前和过去交通流信息统计计算和推导得出的,无法真实反应未来某时刻的真实交通流环境。
发明内容
本发明第一方面的目的是要提供一种用于预测交通状态的计算方法,解决现有技术中无法真实判断未来某时刻的交通状态的技术问题。
本发明第一方面的进一步目的是要使得车辆尽快地驾驶至目的地。
本发明第二方面的目的是要提供一种用于预测交通状态的计算系统。
本发明第三方面的目的是要提供一种安装有上述用于预测交通状态的计算系统的车辆。
根据本发明第一方面的目的,本发明提供了一种用于预测交通状态的计算方法,包括:
获取交通系统中所有车辆的出行信息,所述出行信息至少包括行驶规划路径;
将所有车辆的行驶规划路径拆分成多个交通路段,每个所述交通路段均具有与之对应的参数信息,所述参数信息至少包括车辆饱和值;
根据所有车辆的出行信息以及所有车辆将要经过的所述多个交通路段的参数信息计算得出所述多个交通路段在多个预设时间段内的预计拥堵系数;
将所述交通路段在所述预设时间段内的预计拥堵系数与该交通路段的车辆饱和值相比较,以判断该交通路段在该预设时间段内的预计交通状态。
可选地,根据所有车辆的出行信息以及所有车辆将要经过的所述多个交通路段的参数信息计算得出所述多个交通路段在多个预设时间段内的预计拥堵系数的步骤,具体包括:
根据所有车辆的出行信息以及所有车辆将要经过的所述多个交通路段的参数信息计算得出所有车辆到达每个交通路段的时刻以及通过每个交通路段的时刻;
根据所有车辆到达每个交通路段的时刻以及通过每个交通路段的时刻计算得出所述多个交通路段在多个预设时间段内的预计拥堵系数。
可选地,将所述交通路段在所述预设时间段内的预计拥堵系数与该交通路段的车辆饱和值相比较,以判断该交通路段在该预设时间段内的预计交通状态的步骤,具体包括:
所述交通路段在所述预设时间段内的预计拥堵系数大于等于该交通路段的车辆饱和值时,则判定该交通路段在该预设时间段内的交通处于拥堵状态;
所述交通路段在所述预设时间内的预计拥堵系数小于该交通路段的车辆饱和值时,则判定该交通路段在该预设时间段内的交通处于畅通状态。
可选地,所述计算方法还包括:
在判定车辆的行驶规划路径中任一个交通路段在该车辆到达该交通路段时的交通处于拥堵状态时为该车辆重新规划行驶路径。
可选地,所述交通路段的参数信息还包括该交通路段的里程数、预设行驶速度、车道数以及安全车距,根据所述所有车辆的出行信息以及所有车辆将要经过的所述多个交通路段的里程数、预设行驶速度、车道数、安全车距计算得出所述多个交通路段在多个预设时间段内的预计拥堵系数。
可选地,所述车辆的出行信息还包括出发地、出发时间以及目的地,根据所述所有车辆的出发地、出发时间、目的地以及所有车辆将要经过的所述多个交通路段的里程数、预设行驶速度、车道数、安全车距计算得出所述多个交通路段在多个预设时间段内的预计拥堵系数。
根据本发明第二方面的目的,本发明还提供了一种用于预测交通状态的计算系统,包括:
获取模块,用于获取交通系统中所有车辆的出行信息;以及
规划装置,所述规划装置包括存储器和处理器,所述存储器内存储有计算程序,所述计算程序被所述处理器执行时用于实现根据上述的计算方法。
根据本发明第三方面的目的,本发明还提供了一种车辆,其安装有上述的计算系统。
本发明先获取交通系统中所有车辆的出行信息,然后将所有车辆的行驶规划路径拆分成多个交通路段,其中,出行信息至少包括行驶规划路径,每个交通路段均具有与之对应的参数信息,参数信息至少包括车辆饱和值;之后根据所有车辆的出行信息以及所有车辆将要经过的多个交通路段的参数信息计算得出多个交通路段在多个预设时间段内的预计拥堵系数;最后将交通路段在预设时间段内的预计拥堵系数与该交通路段的车辆饱和值相比较,以判断该交通路段在该预设时间段内的预计交通状态。本发明基于所有车辆的规划路径通过大数据计算各种交通路段的某一时间段的拥堵系数,计算得出的结果比较真实,从而可以真实地提前预判未来某时刻的交通情况。
进一步地,本发明在判定车辆的行驶规划路径中任一个交通路段在该车辆到达该交通路段时的交通处于拥堵状态时为该车辆重新规划行驶路径。本发明可以依据未来某时刻的交通情况为车辆智能更改规划路径,从而可以使得车辆尽快地行驶到目的地。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本发明一个实施例的用于预测交通状态的计算方法的示意性流程图;
图2是根据本发明另一个实施例的用于预测交通状态的计算方法的示意性流程图;
图3是根据本发明又一个实施例的用于预测交通状态的计算方法的示意性流程图;
图4是根据本发明一个实施例的用于预测交通状态的计算系统的示意性结构图;
图5是根据本发明一个实施例的用来表示交通路段的交通状态的示意性图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
图1是根据本发明一个实施例的用于预测交通状态的计算方法的示意性流程图。如图1所示,在一个具体地实施例中,用于预测交通状态的计算方法一般性地可包括以下步骤:
S100,获取交通系统中所有车辆的出行信息,出行信息至少包括行驶规划路径;
S200,将所有车辆的行驶规划路径拆分成多个交通路段,每个交通路段均具有与之对应的参数信息,参数信息至少包括车辆饱和值;
S300,根据所有车辆的出行信息以及所有车辆将要经过的多个交通路段的参数信息计算得出多个交通路段在多个预设时间段内的预计拥堵系数;
S400,将交通路段在预设时间段内的预计拥堵系数与该交通路段的车辆饱和值相比较,以判断该交通路段在该预设时间段内的预计交通状态。
本发明基于所有车辆的规划路径通过大数据计算各种交通路段的某一时间段的拥堵系数,计算得出的结果比较真实,从而可以真实地提前预判未来某时刻的交通情况。
图2是根据本发明另一个实施例的用于预测交通状态的计算方法的示意性流程图。如图2所示,在另一个实施例中,步骤S300具体包括以下步骤:
S310,根据所有车辆的出行信息以及所有车辆将要经过的多个交通路段的参数信息计算得出所有车辆到达每个交通路段的时刻以及通过每个交通路段的时刻;
S320,根据所有车辆到达每个交通路段的时刻以及通过每个交通路段的时刻计算得出多个交通路段在多个预设时间段内的预计拥堵系数。这里,多个预设时间段可以看成是将一天二十四小时拆分成二十四个时间段。
本发明通过计算所有车辆到达每个交通路段的时刻以及通过每个交通路段的时刻,从而可以知晓在某个时间段的某个交通路段的车辆的数量,就可以计算出该交通路段的拥堵系数了。本发明是根据未来将要到达该交通路段的车辆来计算拥堵系数的,相比于现有技术中根据之前的数据预测未来该交通路段的拥堵程度地方案相比,本发明计算拥堵系数的方案使用的数据是更准确的,因此计算得出的拥堵系数也是更精确的。
在一个实施例中,交通路段的参数信息包括该交通路段的里程数、预设行驶速度、车道数以及安全车距,根据所有车辆的出行信息以及所有车辆将要经过的多个交通路段的里程数、预设行驶速度、车道数、安全车距计算得出多个交通路段在多个预设时间段内的预计拥堵系数。
进一步地,车辆的出行信息还包括出发地、出发时间以及目的地,根据所有车辆的出发地、出发时间、目的地以及所有车辆将要经过的多个交通路段的里程数、预设行驶速度、车道数、安全车距计算得出多个交通路段在多个预设时间段内的预计拥堵系数。
本发明通过上述参数信息和出行信息可以更准确地计算得出所有车辆到达每个交通路段的时刻以及通过每个交通路段的时刻,从而可以更精确地计算出预计拥堵系数。
图3是根据本发明又一个实施例的用于预测交通状态的计算方法的示意性流程图。如图3所示,在又一个实施例中,步骤S400具体包括:
S410,交通路段在预设时间段内的预计拥堵系数大于等于该交通路段的车辆饱和值时,则判定该交通路段在该预设时间段内的交通处于拥堵状态;
S420,交通路段在所述预设时间内的预计拥堵系数小于该交通路段的车辆饱和值时,则判定该交通路段在该预设时间段内的交通处于畅通状态。
这里,需要说明的是步骤S410和步骤S420是没有先后顺序之分的。车辆饱和值是用来表征根据该交通路段的里程数、所限制的行驶速度以及安全车距来计算出该交通路段最多能容纳车辆的数量的。
进一步地,计算方法还包括以下步骤:
S500,在判定车辆的行驶规划路径中任一个交通路段在该车辆到达该交通路段时的交通处于拥堵状态时为该车辆重新规划行驶路径。
本发明可以依据未来某时刻的交通情况为车辆智能更改规划路径,从而可以使得车辆尽快地行驶到目的地。
图4是根据本发明一个实施例的用于预测交通状态的计算系统的示意性结构图。如图4所示,在一个具体地实施例中,用于预测交通状态的计算系统100包括用于获取交通系统中所有车辆的出行信息的获取模块10以及规划装置20,规划装置20包括存储器21和处理器22,存储器21内存储有计算程序,计算程序被处理器22执行时用于实现任一项实施例中的用于预测交通状态的计算方法。处理器22可以是一个中央处理单元(centralprocessing unit,简称CPU),或者为数字处理单元等等。处理器22通过通信接口收发数据。存储器21用于存储处理器执行的程序。存储器21是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何介质,也可以是多个存储器的组合。上述计算程序可以从计算机可读存储介质下载到相应计算/处理设备或者经由网络(例如因特网、局域网、广域网和/或无线网络)下载到计算机或外部存储设备。
本发明还提供了一种车辆,其安装有上述的计算系统100。对于计算系统100,这里不一一赘述。
图5是根据本发明一个实施例的用来表示交通路段的交通状态的示意性图。如图5所示,例如,A车1点出发,3点到达P点,4点到达Q点;B车2点出发,3点到达P点,4点到达Q点;C车1点出发,4点到达P点,5点到达Q点。计算系统计算得出3点时刻P-Q交通路段的预计拥堵系数为2,而P-Q交通路段的车辆饱和值为1.5,则该交通路段在3点时刻的预计交通状态为拥堵状态。本发明可以在2点的时候就可以预算出3点时刻P-Q交通路段的交通状态,从而可以提前知晓即将要出行时交通路段的交通状态,并且可以根据交通路段的交通状态及时对行驶路径作出调整。本发明可以应用于车辆的智能驾驶系统中。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (5)
1.一种用于预测交通状态的计算方法,其特征在于,包括:
获取交通系统中所有车辆的出行信息,所述出行信息至少包括行驶规划路径;
将所有车辆的行驶规划路径拆分成多个交通路段,每个所述交通路段均具有与之对应的参数信息,所述参数信息至少包括车辆饱和值;
根据所有车辆的出行信息以及所有车辆将要经过的所述多个交通路段的参数信息计算得出所述多个交通路段在多个预设时间段内的预计拥堵系数;
将所述交通路段在所述预设时间段内的预计拥堵系数与该交通路段的车辆饱和值相比较,以判断该交通路段在该预设时间段内的预计交通状态;
根据所有车辆的出行信息以及所有车辆将要经过的所述多个交通路段的参数信息计算得出所述多个交通路段在多个预设时间段内的预计拥堵系数的步骤,具体包括:
根据所有车辆的出行信息以及所有车辆将要经过的所述多个交通路段的参数信息计算得出所有车辆到达每个交通路段的时刻以及通过每个交通路段的时刻;
根据所有车辆到达每个交通路段的时刻以及通过每个交通路段的时刻计算得出所述多个交通路段在多个预设时间段内的预计拥堵系数;
所述交通路段的参数信息还包括该交通路段的里程数、预设行驶速度、车道数以及安全车距,根据所述所有车辆的出行信息以及所有车辆将要经过的所述多个交通路段的里程数、预设行驶速度、车道数、安全车距计算得出所述多个交通路段在多个预设时间段内的预计拥堵系数;
所述车辆的出行信息还包括出发地、出发时间以及目的地,根据所述所有车辆的出发地、出发时间、目的地以及所有车辆将要经过的所述多个交通路段的里程数、预设行驶速度、车道数、安全车距计算得出所述多个交通路段在多个预设时间段内的预计拥堵系数。
2.根据权利要求1所述的计算方法,其特征在于,将所述交通路段在所述预设时间段内的预计拥堵系数与该交通路段的车辆饱和值相比较,以判断该交通路段在该预设时间段内的预计交通状态的步骤,具体包括:
所述交通路段在所述预设时间段内的预计拥堵系数大于等于该交通路段的车辆饱和值时,则判定该交通路段在该预设时间段内的交通处于拥堵状态;
所述交通路段在所述预设时间内的预计拥堵系数小于该交通路段的车辆饱和值时,则判定该交通路段在该预设时间段内的交通处于畅通状态。
3.根据权利要求2所述的计算方法,其特征在于,所述计算方法还包括:
在判定车辆的行驶规划路径中任一个交通路段在该车辆到达该交通路段时的交通处于拥堵状态时为该车辆重新规划行驶路径。
4.一种用于预测交通状态的计算系统,其特征在于,包括:
获取模块,用于获取交通系统中所有车辆的出行信息;以及
规划装置,所述规划装置包括存储器和处理器,所述存储器内存储有计算程序,所述计算程序被所述处理器执行时用于实现根据权利要求1-3中任一项所述的计算方法。
5.一种车辆,其特征在于,所述车辆安装有如权利要求4所述的计算系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010970827.0A CN112037518B (zh) | 2020-09-15 | 2020-09-15 | 一种用于预测交通状态的计算方法、系统及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010970827.0A CN112037518B (zh) | 2020-09-15 | 2020-09-15 | 一种用于预测交通状态的计算方法、系统及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112037518A CN112037518A (zh) | 2020-12-04 |
CN112037518B true CN112037518B (zh) | 2022-03-25 |
Family
ID=73589412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010970827.0A Active CN112037518B (zh) | 2020-09-15 | 2020-09-15 | 一种用于预测交通状态的计算方法、系统及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037518B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113071474B (zh) * | 2021-04-08 | 2022-07-15 | 浙江吉利控股集团有限公司 | 一种车辆的能量管理方法、系统及车辆 |
CN113643535B (zh) * | 2021-08-02 | 2023-02-21 | 宝方云科技(浙江)有限公司 | 基于智慧城市的道路交通预测方法、装置、设备及介质 |
CN113674528B (zh) * | 2021-08-23 | 2022-05-24 | 深圳提亚数字科技有限公司 | 一种基于大数据共建共享的智慧交通系统及方法 |
CN113865608A (zh) * | 2021-09-26 | 2021-12-31 | 上海擎朗智能科技有限公司 | 导航路径的规划方法、装置及存储介质 |
CN114964284A (zh) * | 2022-04-22 | 2022-08-30 | 合众新能源汽车有限公司 | 一种车辆路径的规划方法及装置 |
CN114997451A (zh) * | 2022-08-05 | 2022-09-02 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种公路场景下自动驾驶车辆的预约通行方法及计算设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN105185115A (zh) * | 2015-09-07 | 2015-12-23 | 华迪计算机集团有限公司 | 一种交通预测方法和预测系统 |
CN105608918A (zh) * | 2016-03-31 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 一种路况信息监控方法和系统 |
JP2017198495A (ja) * | 2016-04-26 | 2017-11-02 | 日産自動車株式会社 | 経路探索方法および経路探索装置 |
CN108320508A (zh) * | 2018-03-22 | 2018-07-24 | 北京交通大学 | 一种基于出行计划预测未来交通拥堵状况方法及其系统 |
CN110648008A (zh) * | 2018-12-29 | 2020-01-03 | 北京奇虎科技有限公司 | 路况预测方法和装置 |
CN110930688A (zh) * | 2018-09-19 | 2020-03-27 | 奥迪股份公司 | 交通工具行驶路径的规划方法、装置、计算机设备和存储介质 |
CN111081013A (zh) * | 2019-12-03 | 2020-04-28 | 重庆特斯联智慧科技股份有限公司 | 一种基于预测算法的交通路线规划方法和系统 |
-
2020
- 2020-09-15 CN CN202010970827.0A patent/CN112037518B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN105185115A (zh) * | 2015-09-07 | 2015-12-23 | 华迪计算机集团有限公司 | 一种交通预测方法和预测系统 |
CN105608918A (zh) * | 2016-03-31 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 一种路况信息监控方法和系统 |
JP2017198495A (ja) * | 2016-04-26 | 2017-11-02 | 日産自動車株式会社 | 経路探索方法および経路探索装置 |
CN108320508A (zh) * | 2018-03-22 | 2018-07-24 | 北京交通大学 | 一种基于出行计划预测未来交通拥堵状况方法及其系统 |
CN110930688A (zh) * | 2018-09-19 | 2020-03-27 | 奥迪股份公司 | 交通工具行驶路径的规划方法、装置、计算机设备和存储介质 |
CN110648008A (zh) * | 2018-12-29 | 2020-01-03 | 北京奇虎科技有限公司 | 路况预测方法和装置 |
CN111081013A (zh) * | 2019-12-03 | 2020-04-28 | 重庆特斯联智慧科技股份有限公司 | 一种基于预测算法的交通路线规划方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112037518A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112037518B (zh) | 一种用于预测交通状态的计算方法、系统及车辆 | |
CN107945507B (zh) | 行程时间预测方法及装置 | |
CN110361024B (zh) | 用于利用车辆组标识的动态车道级车辆导航的方法和系统 | |
US9970780B2 (en) | Method and apparatus for fuel consumption prediction and cost estimation via crowd sensing in vehicle navigation system | |
US20170328721A1 (en) | Methods and systems for generating a horizon for use in an advanced driver assistance system (adas) | |
CN101154317B (zh) | 交通状况预测装置 | |
JP5378002B2 (ja) | 車両動作推定装置、車両動作推定方法および車両動作推定プログラム | |
CN106355915A (zh) | 一种用于提供行驶建议的方法和装置 | |
EP3778330A1 (en) | Flood sensing device, flood sensing system, and flood sensing program | |
JP7451303B2 (ja) | 交通状況予測装置、および、交通状況予測方法 | |
US20220371620A1 (en) | Path planning device, path planning method, computer program product | |
CN115164922A (zh) | 一种路径规划方法、系统、设备及存储介质 | |
CN117693459A (zh) | 用于自主交通工具操作的轨迹一致性测量 | |
CN112985442B (zh) | 行驶路径匹配方法、可读存储介质和电子设备 | |
CN111667689B (zh) | 车辆旅行时间预测的方法、设备和计算机设备 | |
CN110930688B (zh) | 交通工具行驶路径的规划方法、装置、计算机设备和存储介质 | |
CN116442787A (zh) | 一种电动汽车能耗预警方法、装置、介质及设备 | |
EP4270352A1 (en) | Controlling a future traffic state on a road segment | |
CN115839721A (zh) | 一种行驶路线的预测方法、装置、车载终端及介质 | |
CN114169463A (zh) | 一种自主预测车道信息模型训练方法及装置 | |
US11233717B2 (en) | System and method for collaborative centralized latency characterization | |
EP4138057A1 (en) | Method of selecting a route for recording vehicle | |
CN116347336B (zh) | 一种气象信息发送方法和系统 | |
CN114550453B (zh) | 模型训练方法、确定方法、电子设备及计算机存储介质 | |
KR102484139B1 (ko) | 인공지능모델을 이용하여 이륜차의 운전 패턴 정보를 기초로 이륜차 보험료를 산출하는 방법, 장치 및 시스템 |
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 |