CN112665604A - 交通工具智能引导平台 - Google Patents
交通工具智能引导平台 Download PDFInfo
- Publication number
- CN112665604A CN112665604A CN202011615070.XA CN202011615070A CN112665604A CN 112665604 A CN112665604 A CN 112665604A CN 202011615070 A CN202011615070 A CN 202011615070A CN 112665604 A CN112665604 A CN 112665604A
- Authority
- CN
- China
- Prior art keywords
- module
- travel
- time
- destination
- similar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Navigation (AREA)
Abstract
本发明涉及路线导航技术领域,具体为一种交通工具智能引导平台,包括:出行规划请求获取模块,用于获取用户终端发送的出行规划请求;路线规划模块,用于根据出发地和目的地生成规划行车路线;拥堵预测模块,用于预测各个规划行车路线的拥堵情况以及预计到达时间;路线筛选模块,用于筛选出最佳规划行车路线;引导建议模块,包括组合出行规划模块,组合出行规划模块用于生成多方式组合出行方案。本申请的一种交通工具智能引导平台,能够提前进行路况的预测和出现方案的规划建议,可以让用户提前了解路况,给用户更多的可选方案,减少用户行车堵车时长,确保用户可以按时到达,解决现有技术存在的可选方案少,难以规避堵车路线的问题。
Description
技术领域
本发明涉及路线导航技术领域,具体为一种交通工具智能引导平台。
背景技术
人们在出行时,一般都需要使用到出行路径导航、路径规划类的产品,以此来帮助辅助行车。此类产品能够为出行人及载客服务司机提供最优化的行车路径指引及基于需求的不同提供多种路径选择、路径导航服务。
现有的导航系统无法对路况进行预测,仅仅是根据现有实时路况制定最优路线或提供当前时间下的备选方案。很多时候,等用户要出门时,堵车已经发生,那么可供用户选择的出行方案就比较少,进而出现无法规避堵车路线,堵车时间长,无法按时到达等情况。
发明内容
本发明意在提供一种交通工具智能引导平台,能够提前进行路况的预测和出现方案的规划建议,可以让用户提前了解路况,给用户更多的可选方案,减少用户行车堵车时长,确保用户可以按时到达,解决现有技术存在的可选方案少,难以规避堵车路线的问题。
本申请提供如下技术方案:
一种交通工具智能引导平台,包括:
出行规划请求获取模块,用于获取用户终端发送的出行规划请求,所述出行规划请求包括出发地、目的地、计划出行时间以及计划到达时间;
路线规划模块,用于根据出发地和目的地生成规划行车路线;
拥堵预测模块,用于根据历史交通信息建立拥堵预测模型,还用于根据计划出行时间预测各个规划行车路线的拥堵情况以及预计到达时间;
路线筛选模块,用于根据预计到达时间筛选出最佳规划行车路线;
引导建议模块,所述引导建议模块用于判断最佳规划行车路线的预计到达时间是否晚于计划到达时间或拥堵时长是否大于预设值,并在预计到达时间晚于计划到达时间或拥堵时长大于预设值时,生成出行建议;
所述出行建议包括多方式组合出行方案,所述引导建议模块包括组合出行规划模块,组合出行规划模块用于根据出行规划请求以及拥堵情况的预测结果生成多方式组合出行方案并发送给用户终端。
本发明技术方案中,通过获取用户的出行规划请求,基于出行规划请求进行行车路线的规划,根据用户出行时间预测规划行车路线的拥堵情况,当判断出存在较长时间的拥堵或者无法按时到达目的地时,则推荐多方式组合出行方案,相比现有的导航技术,本申请的技术方案能够提前进行路况的预测和出现方案的规划建议,可以让用户提前了解路况,给用户更多的可选方案,减少用户行车堵车时长,确保用户可以按时到达,解决现有技术存在的可选方案少,难以规避堵车路线的问题。
进一步,所述出行建议还包括错时出行方案,所述引导建议模块还包括错时出行规划模块,所述错时出行规划模块用于根据用户规划行车路线以及拥堵预测模块的预测结果生成错时出行方案并发送给用户终端。
通过错时出行规划模型生成错时出行方案,给用户提供更多方案选择。
进一步,所述出行建议还包括目的地调整方案,所述引导建议模块还包括同类目的地推荐模块,所述同类目的地推荐模块用于匹配与用户行程的目的地相似的同类目的地并发送给用户终端。
通过同类目的地推荐模块生成目的地调整方案,向用户推荐同类的其他目的地,给用户提供更多方案选择。
进一步,所述组合出行规划模块包括:
路径分段模块,用于按照路径分段规则将用户规划行车路线划分为多个行车路段;
方案生成模块,用于获取每个行车路段可用的交通工具,遍历生成所有组合出行方案;
方案评估模块,用于提取每个组合出行方案的评价特征,输入评价模型生成评分;
方案选优模块,用于根据评分对组合出行方案进行排序并选出排序前N的组合出行方案作为推荐组合出行方案发送给用户终端。
进一步,方案预筛选模块,用于筛选出符合换乘要求条件的组合出行方案,所述方案评估模块仅对方案预筛选模块筛选出来的方案进行评分。通过预筛选模块对组合出行方案进行预筛选,降低方案评估模块的数据量,提高数据处理效率。
进一步,所述错时出行规划模块包括时间拓展模块和拓展时间筛选模块;所述时间拓展模块用于根据计划出行时间生成出行时间拓展集;拥堵预测模块还用于对出行时间拓展集中的每个拓展出行时间对应的规划行车路线的拥堵情况以及预计到达时间进行预测,所述路线筛选模块用于筛选每个拓展出行时间对应的最佳规划行车路径,所述拓展时间筛选模块用于将最佳规划行车路径的预计到达时间晚于计划到达时间或堵车时长大于预设值的拓展出行时间从出行时间拓展集中筛除;所述错时出行规划模块用于将筛选后的出行时间拓展集以及每个拓展出行时间对应的最佳规划行车路线作为错时出行方案发送给用户终端。
通过时间拓展模块对用户出行时间进行拓展,通过拓展时间筛选模块筛选合适的出行时间。
进一步,同类目的地推荐模块包括同类目的地获取模块、同类目的地筛选模块,所述同类目的地获取模块用于从数据库中查找相同类型的地点作为同类目的地,所述路线规划模块还用于根据出发地生成各个同类目的地的同类目的地规划行车路线,所述拥堵预测模块还用于对每个同类目的地对应的同类目的地规划行车路线的拥堵情况以及预计到达时间进行预测;同类目的地筛选模块用于根据同类目的地的相似度、预计到达时间、拥堵时长对每个同类目的地进行评分,并根据评分结果筛选同类目的地并将筛选出的同类目的地以及对应的同类目的地规划行测好路线作为目的地调整方案发送给用户终端。
进一步,所述同类目的地获取模块包括同类地点获取模块、距离筛选模块、相似度筛选模块,所述同类地点获取模块用于根据目的地的类型标签获取与目的地同类的地点,所述距离筛选模块用于从同类地点获取模块获取的地点中,筛选出距离出发地距离小于距离阈值的地点,所述相似度筛选模块用于根据经营范围、类型标签、品牌名称计算距离筛选模块筛选出的地点与目的地的相似度并筛选出相似度大于相似度阈值的地点作为同类目的地。
进一步,所述距离筛选模块包括距离阈值计算模块,所述距离阈值计算模块用于根据目的地与出发地的距离生成距离阈值。
附图说明
图1为本申请交通工具智能引导平台实施例中的逻辑框图。
具体实施方式
下面通过具体实施方式对本申请技术方案进行进一步详细说明:
实施例一
如图1所示,本实施例公开的交通工具智能引导平台,部署于云端服务器上,应用时,与用户终端配合使用,平台采用B/S和C/S架构设计,用户终端为安装了相应APP的智能终端,或智能终端通过相应的网页应用实现用户终端的功能。
本实施例的交通工具智能引导平台包括出行规划请求获取模块、路线规划模块、拥堵预测模块、路线筛选模块以及引导建议模块。
出行规划请求获取模块用于获取用户终端发送的出行规划请求,当用户需要进行出行时,通过用户终端,向平台发送出行规划请求,将自己的相关出行信息发送给平台,由平台生成出行的规划,出行规划请求包括至少包括出发地、目的地、计划出行时间以及计划到达时间。
路线规划模块用于根据出发地和目的地生成规划行车路线,本实施例中,路线规划模块默认用户驾车或打车出行,根据用户的出发地和目的地生成多条规划行车路线。
拥堵预测模块用于根据历史交通信息建立拥堵预测模型,还用于根据计划出行时间预测各个规划行车路线的拥堵情况以及预计到达时间;本实施例中,拥堵预测模块包括历史交通信息获取模块、拥堵路段分段模块、模型建立模块、模型训练模块、时间计算模块以及拥堵情况预测模块,历史交通信息获取模块用于获取各个规划行车路线的历史交通信息,包括每天各个时间段的车流量以及拥堵路段、拥堵时长等,拥堵路段分段模块用于根据规划行车路线上各个路段的拥堵记录,提取拥堵记录次数以及时长大于预设值的路段作为目标预测路段;模型建立模块采用基于LSTM长短期记忆神经网络建立各个目标预测路段的拥堵预测模型,模型训练模块根据各个目标预测路段的历史交通信息建立训练数据集,并通过训练数据集对拥堵预测模型进行训练,时间计算模块用于根据用户的计划出行时间以及各个路段的长度和拥堵时长的预测结果,预估用户到达各个路段的时间。拥堵情况预测模块用于通过运行拥堵预测模型对各个目标预测路段在预估的时间下的拥堵情况和堵车时长。
路线筛选模块,用于根据预计到达时间筛选出最佳规划行车路线,根据每条规划行车路线的预计到达时间,选取最早达到的规划行车路线作为最佳规划行车路线。
引导建议模块,引导建议模块用于判断最佳规划行车路线的预计到达时间是否晚于计划到达时间或拥堵时长是否大于预设值,并在预计到达时间晚于计划到达时间或拥堵时长大于预设值时,生成出行建议;
出行建议包括多方式组合出行方案,引导建议模块包括组合出行规划模块,组合出行规划模块用于根据出行规划请求以及拥堵情况的预测结果生成多方式组合出行方案并发送给用户终端。
本实施例中,组合出行规划模块包括:
路径分段模块,用于按照路径分段规则将用户规划行车路线划分为多个行车路段;本实施例中,根据出发地到目的地之间的地图数据生成路线网络,按照路径分段规则进行行车路段的分段,路径分段规则用于规定行车路段的判定条件,路径分段规则可以根据具体情况设置,本实施例中,路径分段规则包括:两个路口之间为一个行车路段,行车路段长度不短于一千米,公交站或/和地铁站之间为一个行车路段等。
方案生成模块,用于获取每个行车路段可用的交通工具,遍历生成所有组合出行方案,通过遍历组合的方式进行组合,如规划行车路线划分为三段行行车路段,且每个行车路段均有三种交通方式,则共可以组合形成二十七种组合出行方案。
方案评估模块,用于提取每个组合出行方案的评价特征,输入评价模型生成评分;本实施例中,评价特征包括步行时长、换乘次数、出行费用成本、时长、堵车时长、预计到达时间等。本实施例中,评价模型采用加权求和的评价方式,将各个评价特征进行加权求和,得到最终的评分。
方案选优模块,用于根据评分对组合出行方案进行排序并选出排序前N的组合出行方案作为推荐组合出行方案发送给用户终端。本实施例中筛选出前三种组合出行方式作为推荐组合出行方案发送给用户。
本实施例中,还包括方案预筛选模块,用于筛选出符合换乘要求条件的组合出行方案,方案评估模块仅对方案预筛选模块筛选出来的方案进行评分。换乘要求条件包括换乘次数要求,本实施例中,要求换乘次数小于等于三次,过多的次数会给用户造成不便,因此将换乘次数大于三次的方案全部去除,降低方案评估模块的数据量,提高处理效率。
实施例二
本实施例与实施例一的区别在于,本实施例中,出行建议还包括错时出行方案,引导建议模块还包括错时出行规划模块,错时出行规划模块用于根据用户规划行车路线以及拥堵预测模块的预测结果生成错时出行方案并发送给用户终端。
错时出行规划模块包括时间拓展模块和拓展时间筛选模块。
时间拓展模块用于根据计划出行时间生成出行时间拓展集,出行时间拓展集包含若干拓展出行时间,本实施例中,以用户计划出行时间的前两个小时到用户计划出行时间的时间范围作为拓展的时间范围,在该时间范围内,每隔十分钟作为一个拓展出行时间,则共计有12个拓展出行时间。
拥堵预测模块还用于对出行时间拓展集中的每个拓展出行时间对应的规划行车路线的拥堵情况以及预计到达时间进行预测,路线筛选模块用于筛选每个拓展出行时间对应的最佳规划行车路径,拓展时间筛选模块用于将最佳规划行车路径的预计到达时间晚于计划到达时间或堵车时长大于预设值的拓展出行时间从出行时间拓展集中筛除;错时出行规划模块用于将筛选后的出行时间拓展集以及每个拓展出行时间对应的最佳规划行车路线作为错时出行方案发送给用户终端。
实施例三
本实施例与实施例二的区别在于,本实施例中,出行建议还包括目的地调整方案,引导建议模块还包括同类目的地推荐模块,同类目的地推荐模块用于匹配与用户行程的目的地相似的同类目的地并发送给用户终端。
同类目的地推荐模块包括同类目的地获取模块、同类目的地筛选模块,同类目的地获取模块用于从数据库中查找相同类型的地点作为同类目的地,同类目的地获取模块包括同类地点获取模块、距离筛选模块、相似度筛选模块。
同类地点获取模块用于根据目的地的类型标签获取与目的地同类的地点。
距离筛选模块用于从同类地点获取模块获取的地点中筛选出距离出发地距离小于距离阈值的地点,距离筛选模块包括距离阈值计算模块,距离阈值计算模块用于根据目的地与出发地的距离生成距离阈值,具体的,采用目的地与出发地的距离的1.2倍作为距离阈值。
相似度筛选模块用于根据经营范围、类型标签、品牌名称计算距离筛选模块筛选出的地点与目的地的相似度并筛选出相似度大于相似度阈值的地点作为同类目的地。
路线规划模块还用于根据出发地生成各个同类目的地的同类目的地规划行车路线,拥堵预测模块还用于对每个同类目的地对应的同类目的地规划行车路线的拥堵情况以及预计到达时间进行预测。
同类目的地筛选模块用于根据同类目的地的相似度、预计到达时间、拥堵时长对每个同类目的地进行评分,并根据评分结果筛选同类目的地并将筛选出的同类目的地以及对应的同类目的地规划行测好路线作为目的地调整方案发送给用户终端。
以上的仅是本发明的实施例,该发明不限于此实施案例涉及的领域,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (9)
1.一种交通工具智能引导平台,其特征在于:包括:
出行规划请求获取模块,用于获取用户终端发送的出行规划请求,所述出行规划请求包括出发地、目的地、计划出行时间以及计划到达时间;
路线规划模块,用于根据出发地和目的地生成规划行车路线;
拥堵预测模块,用于根据历史交通信息建立拥堵预测模型,还用于根据计划出行时间预测各个规划行车路线的拥堵情况以及预计到达时间;
路线筛选模块,用于根据预计到达时间筛选出最佳规划行车路线;
引导建议模块,所述引导建议模块用于判断最佳规划行车路线的预计到达时间是否晚于计划到达时间或拥堵时长是否大于预设值,并在预计到达时间晚于计划到达时间或拥堵时长大于预设值时,生成出行建议;
所述出行建议包括多方式组合出行方案,所述引导建议模块包括组合出行规划模块,组合出行规划模块用于根据出行规划请求以及拥堵情况的预测结果生成多方式组合出行方案并发送给用户终端。
2.根据权利要求1所述的交通工具智能引导平台,其特征在于:所述出行建议还包括错时出行方案,所述引导建议模块还包括错时出行规划模块,所述错时出行规划模块用于根据用户规划行车路线以及拥堵预测模块的预测结果生成错时出行方案并发送给用户终端。
3.根据权利要求2所述的交通工具智能引导平台,其特征在于:所述出行建议还包括目的地调整方案,所述引导建议模块还包括同类目的地推荐模块,所述同类目的地推荐模块用于匹配与用户行程的目的地相似的同类目的地并发送给用户终端。
4.根据权利要求3所述的交通工具智能引导平台,其特征在于:所述组合出行规划模块包括:
路径分段模块,用于按照路径分段规则将用户规划行车路线划分为多个行车路段;
方案生成模块,用于获取每个行车路段可用的交通工具,遍历生成所有组合出行方案;
方案评估模块,用于提取每个组合出行方案的评价特征,输入评价模型生成评分;
方案选优模块,用于根据评分对组合出行方案进行排序并选出排序前N的组合出行方案作为推荐组合出行方案发送给用户终端。
5.根据权利要求4所述的交通工具智能引导平台,其特征在于:方案预筛选模块,用于筛选出符合换乘要求条件的组合出行方案,所述方案评估模块仅对方案预筛选模块筛选出来的方案进行评分。
6.根据权利要求5所述的交通工具智能引导平台,其特征在于:所述错时出行规划模块包括时间拓展模块和拓展时间筛选模块;所述时间拓展模块用于根据计划出行时间生成出行时间拓展集;拥堵预测模块还用于对出行时间拓展集中的每个拓展出行时间对应的规划行车路线的拥堵情况以及预计到达时间进行预测,所述路线筛选模块用于筛选每个拓展出行时间对应的最佳规划行车路径,所述拓展时间筛选模块用于将最佳规划行车路径的预计到达时间晚于计划到达时间或堵车时长大于预设值的拓展出行时间从出行时间拓展集中筛除;所述错时出行规划模块用于将筛选后的出行时间拓展集以及每个拓展出行时间对应的最佳规划行车路线作为错时出行方案发送给用户终端。
7.根据权利要求6所述的交通工具智能引导平台,其特征在于:同类目的地推荐模块包括同类目的地获取模块、同类目的地筛选模块,所述同类目的地获取模块用于从数据库中查找相同类型的地点作为同类目的地,所述路线规划模块还用于根据出发地生成各个同类目的地的同类目的地规划行车路线,所述拥堵预测模块还用于对每个同类目的地对应的同类目的地规划行车路线的拥堵情况以及预计到达时间进行预测;同类目的地筛选模块用于根据同类目的地的相似度、预计到达时间、拥堵时长对每个同类目的地进行评分,并根据评分结果筛选同类目的地并将筛选出的同类目的地以及对应的同类目的地规划行测好路线作为目的地调整方案发送给用户终端。
8.根据权利要求7所述的交通工具智能引导平台,其特征在于:所述同类目的地获取模块包括同类地点获取模块、距离筛选模块、相似度筛选模块,所述同类地点获取模块用于根据目的地的类型标签获取与目的地同类的地点,所述距离筛选模块用于从同类地点获取模块获取的地点中,筛选出距离出发地距离小于距离阈值的地点,所述相似度筛选模块用于根据经营范围、类型标签、品牌名称计算距离筛选模块筛选出的地点与目的地的相似度并筛选出相似度大于相似度阈值的地点作为同类目的地。
9.根据权利要求8所述的交通工具智能引导平台,其特征在于:所述距离筛选模块包括距离阈值计算模块,所述距离阈值计算模块用于根据目的地与出发地的距离生成距离阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011615070.XA CN112665604A (zh) | 2020-12-31 | 2020-12-31 | 交通工具智能引导平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011615070.XA CN112665604A (zh) | 2020-12-31 | 2020-12-31 | 交通工具智能引导平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112665604A true CN112665604A (zh) | 2021-04-16 |
Family
ID=75411388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011615070.XA Pending CN112665604A (zh) | 2020-12-31 | 2020-12-31 | 交通工具智能引导平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112665604A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390424A (zh) * | 2021-06-09 | 2021-09-14 | 深圳市同行者科技有限公司 | 一种智能出行导航方法、系统、设备及介质 |
CN114677839A (zh) * | 2022-05-29 | 2022-06-28 | 深圳市鸿华通交通设施工程有限公司 | 一种基于大数据的定制出行智能交通系统及其控制方法 |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09287965A (ja) * | 1996-04-22 | 1997-11-04 | Matsushita Electric Ind Co Ltd | 経路選出方法 |
JP2003148986A (ja) * | 2001-11-16 | 2003-05-21 | Alpine Electronics Inc | ドライブ情報提供装置 |
JP2007232446A (ja) * | 2006-02-28 | 2007-09-13 | Sanyo Electric Co Ltd | ナビゲーション装置 |
JP2007327975A (ja) * | 2001-10-23 | 2007-12-20 | Hitachi Ltd | 経路誘導装置 |
JP4246250B1 (ja) * | 2008-02-14 | 2009-04-02 | 株式会社ナビタイムジャパン | 経路探索システム、経路探索サーバおよび端末装置ならびに経路探索方法 |
WO2009081499A1 (ja) * | 2007-12-26 | 2009-07-02 | Pioneer Corporation | ナビゲーション装置、ナビゲーション方法、ナビゲーションプログラム、および記録媒体 |
JP2010008337A (ja) * | 2008-06-30 | 2010-01-14 | Navitime Japan Co Ltd | ナビゲーションシステム、経路探索サーバおよび経路探索方法ならびに端末装置 |
CN102506861A (zh) * | 2011-10-12 | 2012-06-20 | 北京世纪高通科技有限公司 | 交通出行信息的处理方法及装置 |
CN103226020A (zh) * | 2012-01-30 | 2013-07-31 | 株式会社电装 | 导航系统、服务器装置及导航装置 |
CN103364002A (zh) * | 2012-03-30 | 2013-10-23 | 北京掌城科技有限公司 | 结合实时路况及公共交通运营信息的路线规划系统和方法 |
DE102012210209A1 (de) * | 2012-06-18 | 2013-12-19 | Robert Bosch Gmbh | Elektronisches Navigationssystem und Verfahren zu seinem Betrieb |
CN104567897A (zh) * | 2013-10-16 | 2015-04-29 | 大陆汽车投资(上海)有限公司 | 结合路况预测的路径规划方法及导航装置 |
CN105115513A (zh) * | 2015-09-08 | 2015-12-02 | 深圳中创未来科技有限公司 | 一种获取出行方案的方法、装置、服务器及客户端 |
CN105222795A (zh) * | 2014-06-12 | 2016-01-06 | 昆山研达电脑科技有限公司 | 根据实时交通信息导航的方法 |
JP2016205980A (ja) * | 2015-04-22 | 2016-12-08 | 株式会社日本総合研究所 | サーバ装置、車載装置、情報処理方法、およびプログラム |
JP2017067582A (ja) * | 2015-09-30 | 2017-04-06 | アイシン・エィ・ダブリュ株式会社 | 通知システム、方法およびプログラム |
CN106781592A (zh) * | 2017-01-04 | 2017-05-31 | 成都四方伟业软件股份有限公司 | 一种基于大数据的交通导航系统及方法 |
CN107478236A (zh) * | 2016-06-07 | 2017-12-15 | 奥迪股份公司 | 用于车辆的出行辅助装置、系统以及辅助出行的方法 |
CN108074008A (zh) * | 2016-11-18 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 一种预测拥堵路段的方法及装置 |
CN109612488A (zh) * | 2018-12-26 | 2019-04-12 | 东北大学 | 基于大数据微服务的混合出行方式路径规划系统及方法 |
CN109840632A (zh) * | 2019-01-23 | 2019-06-04 | 中国联合网络通信集团有限公司 | 一种行车路线评估规划方法及装置 |
CN110579220A (zh) * | 2019-09-16 | 2019-12-17 | 绍兴文理学院 | 基于大数据的交通导航系统及方法 |
CN110730271A (zh) * | 2019-10-12 | 2020-01-24 | 深圳酷派技术有限公司 | 一种日程提醒方法、装置、存储介质及终端 |
CN112113576A (zh) * | 2020-03-26 | 2020-12-22 | 上汽通用五菱汽车股份有限公司 | 行程路线规划方法、终端及存储介质 |
-
2020
- 2020-12-31 CN CN202011615070.XA patent/CN112665604A/zh active Pending
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09287965A (ja) * | 1996-04-22 | 1997-11-04 | Matsushita Electric Ind Co Ltd | 経路選出方法 |
JP2007327975A (ja) * | 2001-10-23 | 2007-12-20 | Hitachi Ltd | 経路誘導装置 |
JP2003148986A (ja) * | 2001-11-16 | 2003-05-21 | Alpine Electronics Inc | ドライブ情報提供装置 |
JP2007232446A (ja) * | 2006-02-28 | 2007-09-13 | Sanyo Electric Co Ltd | ナビゲーション装置 |
WO2009081499A1 (ja) * | 2007-12-26 | 2009-07-02 | Pioneer Corporation | ナビゲーション装置、ナビゲーション方法、ナビゲーションプログラム、および記録媒体 |
JP4246250B1 (ja) * | 2008-02-14 | 2009-04-02 | 株式会社ナビタイムジャパン | 経路探索システム、経路探索サーバおよび端末装置ならびに経路探索方法 |
JP2010008337A (ja) * | 2008-06-30 | 2010-01-14 | Navitime Japan Co Ltd | ナビゲーションシステム、経路探索サーバおよび経路探索方法ならびに端末装置 |
CN102506861A (zh) * | 2011-10-12 | 2012-06-20 | 北京世纪高通科技有限公司 | 交通出行信息的处理方法及装置 |
CN103226020A (zh) * | 2012-01-30 | 2013-07-31 | 株式会社电装 | 导航系统、服务器装置及导航装置 |
CN103364002A (zh) * | 2012-03-30 | 2013-10-23 | 北京掌城科技有限公司 | 结合实时路况及公共交通运营信息的路线规划系统和方法 |
DE102012210209A1 (de) * | 2012-06-18 | 2013-12-19 | Robert Bosch Gmbh | Elektronisches Navigationssystem und Verfahren zu seinem Betrieb |
CN104567897A (zh) * | 2013-10-16 | 2015-04-29 | 大陆汽车投资(上海)有限公司 | 结合路况预测的路径规划方法及导航装置 |
CN105222795A (zh) * | 2014-06-12 | 2016-01-06 | 昆山研达电脑科技有限公司 | 根据实时交通信息导航的方法 |
JP2016205980A (ja) * | 2015-04-22 | 2016-12-08 | 株式会社日本総合研究所 | サーバ装置、車載装置、情報処理方法、およびプログラム |
CN105115513A (zh) * | 2015-09-08 | 2015-12-02 | 深圳中创未来科技有限公司 | 一种获取出行方案的方法、装置、服务器及客户端 |
JP2017067582A (ja) * | 2015-09-30 | 2017-04-06 | アイシン・エィ・ダブリュ株式会社 | 通知システム、方法およびプログラム |
CN107478236A (zh) * | 2016-06-07 | 2017-12-15 | 奥迪股份公司 | 用于车辆的出行辅助装置、系统以及辅助出行的方法 |
CN108074008A (zh) * | 2016-11-18 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 一种预测拥堵路段的方法及装置 |
CN106781592A (zh) * | 2017-01-04 | 2017-05-31 | 成都四方伟业软件股份有限公司 | 一种基于大数据的交通导航系统及方法 |
CN109612488A (zh) * | 2018-12-26 | 2019-04-12 | 东北大学 | 基于大数据微服务的混合出行方式路径规划系统及方法 |
CN109840632A (zh) * | 2019-01-23 | 2019-06-04 | 中国联合网络通信集团有限公司 | 一种行车路线评估规划方法及装置 |
CN110579220A (zh) * | 2019-09-16 | 2019-12-17 | 绍兴文理学院 | 基于大数据的交通导航系统及方法 |
CN110730271A (zh) * | 2019-10-12 | 2020-01-24 | 深圳酷派技术有限公司 | 一种日程提醒方法、装置、存储介质及终端 |
CN112113576A (zh) * | 2020-03-26 | 2020-12-22 | 上汽通用五菱汽车股份有限公司 | 行程路线规划方法、终端及存储介质 |
Non-Patent Citations (1)
Title |
---|
曹阳 等: "时空协同的城市旅游行程规划模型构建", 地球信息科学学报, vol. 21, no. 06, pages 814 - 825 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390424A (zh) * | 2021-06-09 | 2021-09-14 | 深圳市同行者科技有限公司 | 一种智能出行导航方法、系统、设备及介质 |
CN114677839A (zh) * | 2022-05-29 | 2022-06-28 | 深圳市鸿华通交通设施工程有限公司 | 一种基于大数据的定制出行智能交通系统及其控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108932862B (zh) | 一种自动驾驶车辆调度方法和装置 | |
WO2019085807A1 (zh) | 一种路况信息获取方法及其设备、存储介质 | |
US8126641B2 (en) | Route planning with contingencies | |
CN103646560B (zh) | 出租车行车轨迹经验知识路径的提取方法 | |
JP5895926B2 (ja) | 移動案内装置及び移動案内方法 | |
CN105074793A (zh) | 用于车辆路径规划和交通管理的车道级车辆导航 | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN107063278A (zh) | 一种车辆导航系统、导航方法及其车辆 | |
CN109615887A (zh) | 智慧交通网络系统信号指引方法 | |
CN108444486B (zh) | 一种导航路线排序方法和装置 | |
CN112665604A (zh) | 交通工具智能引导平台 | |
CN103177562A (zh) | 一种获取交通状态预测所需信息的方法及装置 | |
CN109242202B (zh) | 一种基于区域间乘客流动的出租车推荐方法及系统 | |
CN110553656A (zh) | 一种用于车机的路况规划方法及系统 | |
Abdelghany et al. | A modeling framework for bus rapid transit operations evaluation and service planning | |
US11430330B2 (en) | Method for predicting travel time using spatio-temporal model and apparatus thereof | |
WO2016163929A1 (en) | Device and method for classification of road segments based on their suitability for platooning | |
Ambrosino et al. | An algorithmic framework for computing shortest routes in urban multimodal networks with different criteria | |
US11473918B2 (en) | System for determining a risk of an accident on a driving route | |
JP2020009189A (ja) | 渋滞状態特定方法、渋滞状態特定装置及びコンピュータプログラム | |
CN111862657B (zh) | 一种确定路况信息的方法及装置 | |
JP6687680B2 (ja) | 情報処理システム、情報処理サーバ、情報処理方法、および、情報処理プログラム | |
Oskarbski et al. | Reliability and safety as an objective of intelligent transport systems in urban areas | |
KR100788960B1 (ko) | 동적 안내 정보 제공 시스템 및 동적 안내 정보 제공 방법 | |
Vranken et al. | Performance comparison of dynamic vehicle routing methods for minimizing the global dwell time in upcoming smart cities |
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 |