CN113747364B - 一种基于5g网络的智能交通导航方法、设备及介质 - Google Patents

Abstract

本申请公开了一种基于5G网络的智能交通导航方法、设备及介质，用以解决现有的导航方法无法兼顾实时变化的道路场景和用户的驾驶习惯，规划出最佳行车路线的技术问题。其中，基于预置的电子地图，获取目标车辆的起始位置信息以及目的地的目的位置信息，以生成待选规划路线；构建针对目标车辆的动态道路网络；通过5G网络，获取目标车辆的当前位置对应的下一道路交叉口的各可选行驶道路信息，以及相应的道路交叉口信息，以预测各可选行驶道路对应的通行时间；获取目标车辆的预设交通行驶习惯集合，根据通行时间以及预设交通行驶习惯集合，确定各可选行驶道路对应的权重，以确定目标车辆在下一道路交叉口对应的驶入道路。

Description

一种基于5G网络的智能交通导航方法、设备及介质

技术领域

本申请涉及智能交通技术领域，尤其涉及一种基于5G网络的智能交通导航方法、设备及介质。

背景技术

现在外出开车不可避免的都会使用导航。

目前，常见的导航方法主要为利用高德地图和/或腾讯地图的导航方法，这种利用现有导航工具的导航方法主要是通过获取当前位置信息以及目的地位置信号，以及获取各个行驶路线的用时长短，以为驾驶人员提供参照驾驶时间。

上述导航方法能够提供若干参考线路给驾驶人员选择，但是，对于小范围出行的驾驶人员来说，上述导航方法提供的参考线路行程时间大致相同，但是在面对复杂交通环境时，适应性和用户针对性较差，不能够针对实时变化的交通环境和用户驾驶习惯，为用户规划出最优的行车路线。

发明内容

本申请实施例提供了一种基于5G网络的智能交通导航方法、设备及介质，用以解决现有的导航方法无法兼顾实时变化的道路场景和用户的驾驶习惯，为小范围出行的驾驶人员提供最优的规划线路的技术问题。

本申请实施例提供了一种基于5G网络的智能交通导航方法，方法包括：基于预置的电子地图，获取目标车辆的起始位置信息以及目的地的目的位置信息，以生成待选规划路线；其中，待选规划路线由若干可选行驶道路组成，可选行驶道路为不存在禁行行为的道路；确定各待选规划路线对应的各可选行驶道路和各道路交叉口，将各道路交叉口作为节点，将各可选行驶道路作为边，构建针对目标车辆的动态道路网络；其中，一个道路交叉口对应多个可选行驶道路；通过5G网络，获取目标车辆的当前位置对应的下一道路交叉口的各可选行驶道路信息，以及相应的道路交叉口信息，以预测各可选行驶道路对应的通行时间；其中，可选行驶道路信息包括各可选行驶道路对应的第一车流速度、车辆数、车道长度和车道数；获取目标车辆的预设交通行驶习惯集合，根据通行时间以及预设交通行驶习惯集合，确定各可选行驶道路对应的权重，以确定目标车辆在下一道路交叉口对应的驶入道路。

在本申请的一种实现方式中，通行时间包括目标车辆的行驶时间和道路交叉口的通行延迟时间；预测各可选行驶道路对应的通行时间，具体包括：根据各可选行驶道路信息，分别确定各可选行驶道路对应的第一交通密度，以及对应的车流类型；针对各可选行驶道路的车流类型，确定各可选行驶道路对应的速度与第一交通密度的关系模型，以确定目标车辆在各可选行驶道路上的行驶时间；以及根据道路交叉口信息，确定进入各可选行驶道路对应的通行延迟时间。

在本申请的一种实现方式中，根据各可选行驶道路信息，分别确定各可选行驶道路对应的第一交通密度，以及对应的车流类型，具体包括：根据车辆数、车道长度和车道数，计算各可选行驶道路对应的第一交通密度；根据第一车流速度和第一交通密度，确定各可选行驶道路对应的车流类型；其中，车流类型包括正常车流和饱和车流。

在本申请的一种实现方式中，根据道路交叉口信息，确定进入各可选行驶道路对应的通行延迟时间，具体包括：针对各可选行驶道路，确定可选行驶道路对应的交通信号灯相位的红灯时长；确定目标车辆的当前位置对应的行驶道路的第二交通密度和第二车流速度；根据红灯时长、第二车流速度和第二交通密度，确定进入各可选行驶道路对应的排队车辆数；根据各排队车辆数，确定各可选行驶道路对应的通行延迟时间。

在本申请的一种实现方式中，根据各排队车辆数，确定各可选行驶道路对应的通行延迟时间，具体包括：针对各可选行驶道路，确定可选行驶道路对应的交通信号灯相位的绿灯时长；确定各车辆通过道路交叉口停车线的平均时间，并根据平均时间、绿灯时长，确定各可选行驶道路对应的道路交叉口进口道的通行能力；根据各可选行驶道路对应的排队车辆数，及道路交叉口进口道的通行能力，确定对应的通行延迟时间。

在本申请的一种实现方式中，预设交通行驶习惯集合包含若干错误驾驶习惯，以及各错误驾驶习惯对应的出现次数；根据通行时间以及预设交通行驶习惯集合，确定各可选行驶道路对应的权重之前，方法还包括：分别确定目标车辆进入各可选行驶道路所对应的各行驶规则；针对各行驶规则，从预设交通行驶习惯集合中，确定与行驶规则相匹配的错误驾驶习惯，以及各错误驾驶习惯对应的出现次数；根据出现次数，确定各错误驾驶习惯对应的第一权重。

在本申请的一种实现方式中，根据通行时间以及预设交通行驶习惯集合，确定各可选行驶道路对应的权重之前，方法还包括：根据目标车辆在各可选行驶道路上的行驶时间，以及进入各可选行驶道路对应的通行延迟时间，确定各可选行驶道路对应的通行时间；将各可选行驶道路按照其通行时间的顺序进行排列，得到相应的通行时间序列；根据通行时间序列中各可选行驶道路的顺序，依次确定各可选行驶道路对应的第二权重。

在本申请的一种实现方式中，根据通行时间以及预设交通行驶习惯集合，确定各可选行驶道路对应的权重，具体包括：分别确定通行时间和错误驾驶习惯对应的加权系数；根据加权系数、第一权重和第二权重，对各可选行驶道路对应的通行时间和错误驾驶习惯进行加权求和，以得到各可选行驶道路对应的权重。

本申请实施例还提供了一种基于5G网络的智能交通导航设备，设备包括：处理器；以及存储器，其上存储有可执行代码，当可执行代码被执行时，使得处理器执行如上所述的一种基于5G网络的智能交通导航方法。

本申请实施例还提供了一种基于5G网络的智能交通导航非易失性计算机存储介质，其特征在于，其上存储有计算机指令，计算机指令在被执行时实现如上所述的一种基于5G网络的智能交通导航方法。

本申请实施例提供的一种基于5G网络的智能交通导航方法、设备及介质，在目标车辆行驶过程中通过5G网络提前获知当前位置对应的下一道路交叉口的交叉口信息和可选行驶道路信息，并据此调整预先规划好的行驶路线，这样在发生突发交通情况的时候可以进行提前规避，实时性和应变性更强。对于小范围出行的驾驶人员来说，通过确定出目标车辆在下一道路交叉口所要驶入的最佳行驶道路，在提高行车效率、降低通行时间的同时，也兼顾到驾驶员在面对不同的通行规则时经常出现的错误驾驶习惯，使规划得到的路线能够最大限度上避免驾驶员发生类似的违规行为，提高了驾驶安全性。

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为本申请实施例提供的基于5G网络的智能交通导航方法流程图；

图2为本申请实施例提供的基于5G网络的智能交通导航设备结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

下面通过附图对本申请实施例提出的技术方案进行详细的说明。

图1为本申请实施例提供的基于5G网络的智能交通导航方法流程图。如图1所示，本申请实施例提供的基于5G网络的智能交通导航方法主要包括以下步骤：

S101、基于预置的电子地图，服务器获取目标车辆的起始位置信息以及目的地的目的位置信息，以生成待选规划路线。

服务器通过预置的电子地图，确定从目标车辆的起始位置至目的位置的多条可选行驶道路，连接可选行驶道路，以生成相应的待选规划路线。其中，待选规划路线由若干可选行驶道路组成，可选行驶道路为不存在禁行行为的道路。

待选规划路线为服务器初步规划出的行驶路线，目标车辆可从若干待选规划路线中选择其中一条行驶路线行驶，当行至道路交叉口时，可进一步根据道路交叉口的路况信息，以及在该道路交叉口可选的下一行驶道路对应的路况信息，对所选的行驶路线进行调整，这样，便可在未到达道路交叉口时，对预先规划好的路线基础上进行优化，以获得行驶效率最高且风险最低的最佳行驶路线。

S102、确定各待选规划路线对应的各可选行驶道路和各道路交叉口，将各道路交叉口作为节点，将各可选行驶道路作为边，构建针对目标车辆的动态道路网络。

其中，一个道路交叉口对应多个可选行驶道路，目标车辆行至道路交叉口时有多个方向的可选行驶道路可供选择。服务器在确定目标车辆对应的各待选规划路线之后，将各待选规划路线中包括的各可选行驶道路作为边，各道路交叉口作为节点，构建动态道路网络。

动态道路网络可进行实时更新，当道路交叉路口和可选行驶道路发生严重拥堵或禁行时，可将其对应的节点或边从动态道路网络中删掉，然后重新连线，更新动态道路网络，避免了因信息更新不及时造成路径规划的偏差。并且，通过动态道路网络可直观确定出目标车辆的当前位置，有利于辅助决策出最佳行驶路径，便于管理，且灵活性高。

S103、通过5G网络，获取目标车辆的当前位置对应的下一道路交叉口的各可选行驶道路信息，以及相应的道路交叉口信息，以预测各可选行驶道路对应的通行时间。

在目标车辆的行驶过程中，服务器需根据实时变化的交通场景更新行驶路线，通过5G网络，实时获取动态物流网络中的各可选行驶道路信息和各道路交叉口信息，据此预测目标车辆行驶至其当前位置对应的下一道路交叉口时，所面向的不同可选行驶道路分别对应的通行时间，从而选择出最优的行驶道路来进行下一阶段的行进。需要说明的是，可选行驶道路信息包括各可选行驶道路对应的第一车流速度、车辆数、车道长度和车道数。目标车辆的通行时间包括其在可选行驶道路上的行驶时间和在道路交叉口的通行延迟时间。

在一个实施例中，目标车辆的通行时间包括其在可选行驶道路上的行驶时间和在道路交叉口的通行延迟时间，服务器需分别确定目标车辆在各可选行驶道路上的行驶时间，以及在道路交叉口的通行延迟时间。具体通过以下过程实现：

首先，服务器需根据目标车辆当前位置对应的下一道路交叉口的各可选行驶道路信息，分别确定各可选行驶道路对应的第一交通密度，以及对应的车流类型。

具体地，服务器根据各可选行驶道路上的车辆数、车道长度和所述车道数，计算车辆数分别与车道长度、车道数二者乘积的比值，得到各可选行驶道路对应的第一交通密度。通过交通密度可估计出各可选行驶道路的交通运行情况，但是，交通密度仅能反应车辆的密集程度，在排队等红灯时行驶道路的交通密度也有可能到达较高值，此时的交通密度并不能反映出交通运行状况。

进一步地，服务器根据各可选行驶道路上的第一车流速度及第一交通密度，确定对应的车流类型。车流类型包括正常车流和饱和车流，正常车流表示在行驶道路上车辆可保持大于预设阈值的某一速度前行，饱和车流表示车辆以低于预设阈值的某一速度前行，且速度并不稳定。需要说明的是，此处的第一车流速度为可选行驶道路上各车辆的平均速度。

然后，车流类型用于衡量各可选行驶道路的交通运行情况，服务器能够针对不同的车流类型，确定各可选行驶道路对应的速度与第一交通密度的关系模型，从而确定目标车辆在各所述可选行驶道路上的行驶时间。

当车流类型为正常车流时，说明当前可选行驶道路上的各车辆前行较为稳定，随着第一交通密度的不断增大，车流速度也会随之降低，但第一交通密度和速度之间的关系始终保持线性关系，此时，可将速度与第一交通密度的关系模型抽象为线性函数模型；当车流类型为饱和车流时，说明当前可选行驶道路的交通承载能力已达上限，第一交通密度无法限制车流速度，此时，第一交通密度和速度呈非线性关系，可将速度与第一交通密度的关系模型抽象为非线性函数模型。在得到速度与第一交通密度的关系模型后，便可通过可选行驶道路的第一交通密度确定出目标车辆在驶入该道路之后的行驶速度，进而通过车道长度和行驶速度，确定目标车辆在该可选行驶道路上的行驶时间。

其次，通行延迟时间指的是目标车辆在通过道路交叉口时，由于红灯排队等候造成的排队时间，可以理解的是，目标车辆的通行延迟时间需通过道路交叉口信息来确定。

在一个实施例中，服务器确定目标车辆的当前位置对应的下一道路交叉口后，需针对该道路交叉口对应的各可选行驶道路，确定进入各可选行驶道路的交通信号灯相位的红灯时长。通过确定各可选行驶道路对应的红灯时长，才能进一步根据红灯时长内排队的车辆数量确定目标车辆等待前方车辆完全通行的延迟时间。

进一步地，服务器通过5G网络，获取目标车辆的当前位置对应的行驶道路的第二车流速度，并确定该行驶道路对应的第二交通密度。需要说明的是，第二车流速度为目标车辆的当前位置对应的行驶道路的平均速度。

进一步地，服务器根据红灯时长、第二车流速度和第二交通密度，通过以下公式，确定进入各可选行驶道路对应的排队车辆数：

N＝v_L*T_r*L

其中，N表示排队车辆数，L表示红灯时长，v_L表示第二车流速度，T_r表示第二交通密度。

更进一步地，服务器能够通过排队车辆数，确定出各可选行驶道路对应的通行延迟时间。具体过程如下：

首先，服务器需针对各可选行驶道路，确定可选行驶道路对应的交通信号灯相位的绿灯时长。

然后，服务器确定各车辆通过道路交叉口停车线的平均时间，并根据平均时间、绿灯时长，计算在绿灯时长内可通过的车辆数量，从而得到各可选行驶道路对应的道路交叉口进口道的通行能力。通行能力表示以车辆数/每小时为单位，道路交叉口在一个绿灯周期内能够通过的车辆数量。

其次，服务器根据各可选行驶道路对应的排队车辆数以及道路交叉口进口道的通行能力，确定目标车辆在各进口道的通行延迟时间。

需要说明的是，若目标车辆在一个绿灯周期内不能通过道路交叉口，此时的通行延迟时间需要在一个完整红绿灯周期的基础上，计算目标车辆前方的剩余排队车辆数并得到相应的通行延迟时间，最终的通行延迟时间即为二者之和。

例如，以三车道的行驶道路为例，道路交叉口由左至右的顺序依次设为进口道1、进口道2和进口道3。假设进口道1为左转车道，对应的通行延迟时间为15s，通过进口道1所要进入的可选行驶道路对应的行驶时间预计为120s；进口道2为直行车道，对应的通行延迟时间为5s，通过进口道2所要进入的可选行驶道路对应的行驶时间预计为150s；进口道3为右转车道，对应的通行延迟时间为40s，通过进口道3所要进入的可选行驶道路对应的行驶时间预计为70s。通过计算可知进口道3对应的可选行驶道路，通行时间最短，因此，目标车辆在到达道路交叉口时可右转进入相应的行驶道路。需要说明的是，进口道1、进口道2和进口道3所能进入的行驶道路均在动态道路网络中。

目标车辆行至道路交叉口时，通过不同的进口道便可选择相应的通行方向进入不同的可选行驶道路中，计算车辆在道路交叉口的延迟时间，充分考虑到各通行方向的差异，进一步优化了路径决策的性能，使得确定出的行驶路线更加准确。

S104、获取目标车辆的预设交通行驶习惯集合，根据通行时间以及预设交通行驶习惯集合，确定各可选行驶道路对应的权重，以确定目标车辆在下一道路交叉口对应的驶入道路。

服务器在综合衡量驾驶习惯和通行时间的基础上，确定各可选行驶道路的权重，以便在目标车辆行至道路交叉口时，可根据权重从各可选行驶道路中直观准确的找到最佳行驶路线。

在一个实施例中，服务器在确定各所述可选行驶道路对应的权重之前，会预先确定目标车辆对应的驾驶员的预设交通行驶习惯集合，以确定其错误驾驶习惯及其对应权重。

需要说明的是，预设交通行驶习惯集合包含若干错误驾驶习惯，以及各所述错误驾驶习惯对应的出现次数。错误驾驶习惯可以为违反行驶规则的行为，比如闯红灯、交叉口开错车道等；也可以为日常驾驶过程中的错误习惯性行为，比如转向不减速、行驶过程中玩手机等。

具体地，服务器分别确定目标车辆进入各可选行驶道路所对应的各行驶规则；针对各行驶规则，从预设交通行驶习惯集合中，确定与行驶规则相匹配的错误驾驶习惯，以及错误驾驶习惯对应的出现次数；根据出现次数，确定所述错误驾驶习惯对应的第一权重。

例如，目标车辆行至道路交叉口时，首先确定从该道路交叉口进入各可选行驶道路的行驶规则，以及与该行驶规则匹配的错误驾驶习惯。若驾驶员的预设交通驾驶习惯集合中，左转车道直行出现的次数为10次，右转不减速的次数为3次，直行闯红灯的次数为2次，那么便能够根据以上次数，分别确定上述错误驾驶习惯的第一权重。

本申请实施例在规划最佳行驶路线时参考了驾驶员的错误驾驶习惯，使驾驶员在行驶过程中能够最大限度上避开错误驾驶习惯，减少违规行为的出现概率，从而提高行车的安全性，降低安全隐患。

在一个实施例中，服务器在确定各所述可选行驶道路对应的权重之前，还需根据各可行驶道路对应的通行时间，计算对应的第二权重。第二权重用于表示不同可选行驶道路的通行时间的长短。

具体地，服务器根据目标车辆在各可选行驶道路上的行驶时间，以及进入各可选行驶道路对应的通行延迟时间，确定各可选行驶道路对应的通行时间；将各可选行驶道路按照其通行时间的顺序进行排列，得到相应的通行时间序列；根据通行时间序列中各可选行驶道路的顺序，依次确定各可选行驶道路对应的第二权重。

在一个实施例中，在确定错误驾驶习惯对应的第一权重，及通行时间对应的第二权重后，服务器据此计算各可选行驶道路所对应的权重，以便于根据权重大小，选择最佳的驶入车道。

具体地，服务器分别确定通行时间和错误驾驶习惯对应的加权系数。其中，加权系数可预先人为设定或是根据实时数据进行更新，在各可选行驶道路对应的通行时间之间的差值较小的情况下，减小通行时间对应的加权系数，同时相应增大错误驾驶习惯对应的加权系数。同样，若目标车辆的驾驶员错误驾驶习惯较多，在确定权重时应着重考虑错误驾驶习惯这一点，保证行车安全。加权系数根据实时路况信息进行更新，能够使得计算得到的可选行驶道路的权重更加符合当前道路场景，进一步提高了路径规划的准确性。

进一步地，服务器根据加权系数、第一权重和第二权重，对各可选行驶道路对应的通行时间和错误驾驶习惯进行加权求和，以得到各可选行驶道路对应的权重。

在得到各可选行驶道路对应的权重后，服务器可根据权重的大小对可选行驶道路进行排序，并从中选出通行时间相对较小且对应的错误驾驶习惯较少的行驶道路，作为述目标车辆在下一道路交叉口对应的驶入道路。

以上为本申请提出的方法实施例。基于同样的思路，本申请的一些实施例还提供了上述方法对应的设备和非易失性计算机存储介质。

图2为本申请实施例提供的一种基于5G网络的智能交通导航设备结构示意图。如图2所示，设备包括：至少一个处理器201以及与至少一个处理器201通信连接的存储器202，存储器202存储有可被至少一个处理器201执行的指令，指令被至少一个处理器201执行，以使至少一个处理器201能够执行如上的一种基于5G网络的智能交通导航方法。

本申请的一些实施例提供的一种基于5G网络的智能交通导航非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：如上的一种基于5G网络的智能交通导航方法。

本申请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，对于设备和介质实施例而言，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。

本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种基于5G网络的智能交通导航方法，其特征在于，所述方法包括：

基于预置的电子地图，获取目标车辆的起始位置信息以及目的地的目的位置信息，以生成待选规划路线；其中，所述待选规划路线由若干可选行驶道路组成，所述可选行驶道路为不存在禁行行为的道路；

确定各待选规划路线对应的各可选行驶道路和各道路交叉口，将各所述道路交叉口作为节点，将各所述可选行驶道路作为边，构建针对所述目标车辆的动态道路网络；其中，一个道路交叉口对应多个可选行驶道路；

通过5G网络，获取所述目标车辆的当前位置对应的下一道路交叉口的各可选行驶道路信息，以及相应的道路交叉口信息，以预测各可选行驶道路对应的通行时间；其中，所述可选行驶道路信息包括各所述可选行驶道路对应的第一车流速度、车辆数、车道长度和车道数；

获取所述目标车辆的预设交通行驶习惯集合，根据所述通行时间以及预设交通行驶习惯集合，确定各所述可选行驶道路对应的权重，以确定所述目标车辆在下一道路交叉口对应的驶入道路；

所述通行时间包括目标车辆的行驶时间和道路交叉口的通行延迟时间；

预测各可选行驶道路对应的通行时间，具体包括：

根据各所述可选行驶道路信息，分别确定各所述可选行驶道路对应的第一交通密度，以及对应的车流类型；

针对各所述可选行驶道路的车流类型，确定各所述可选行驶道路对应的速度与第一交通密度的关系模型，以确定所述目标车辆在各所述可选行驶道路上的行驶时间；以及

根据所述道路交叉口信息，确定进入各所述可选行驶道路对应的通行延迟时间；

所述预设交通行驶习惯集合包含若干错误驾驶习惯，以及各所述错误驾驶习惯对应的出现次数；

根据所述通行时间以及预设交通行驶习惯集合，确定各所述可选行驶道路对应的权重之前，所述方法还包括：

分别确定所述目标车辆进入各所述可选行驶道路所对应的各行驶规则；

针对各所述行驶规则，从所述预设交通行驶习惯集合中，确定与所述行驶规则相匹配的错误驾驶习惯，以及各所述错误驾驶习惯对应的出现次数；

根据所述出现次数，确定各所述错误驾驶习惯对应的第一权重。

2.根据权利要求1所述的一种基于5G网络的智能交通导航方法，其特征在于，根据各所述可选行驶道路信息，分别确定各所述可选行驶道路对应的第一交通密度，以及对应的车流类型，具体包括：

根据所述车辆数、所述车道长度和所述车道数，计算各所述可选行驶道路对应的第一交通密度；

根据所述第一车流速度和所述第一交通密度，确定各所述可选行驶道路对应的车流类型；其中，所述车流类型包括正常车流和饱和车流。

3.根据权利要求1所述的一种基于5G网络的智能交通导航方法，其特征在于，根据所述道路交叉口信息，确定进入各所述可选行驶道路对应的通行延迟时间，具体包括：

针对各所述可选行驶道路，确定所述可选行驶道路对应的交通信号灯相位的红灯时长；

确定所述目标车辆的当前位置对应的行驶道路的第二交通密度和第二车流速度；

根据所述红灯时长、所述第二车流速度和所述第二交通密度，确定进入各所述可选行驶道路对应的排队车辆数；

根据各所述排队车辆数，确定各所述可选行驶道路对应的通行延迟时间。

4.根据权利要求3所述的一种基于5G网络的智能交通导航方法，其特征在于，根据各所述排队车辆数，确定各所述可选行驶道路对应的通行延迟时间，具体包括：

针对各所述可选行驶道路，确定所述可选行驶道路对应的交通信号灯相位的绿灯时长；

确定各车辆通过所述道路交叉口停车线的平均时间，并根据所述平均时间、所述绿灯时长，确定各所述可选行驶道路对应的道路交叉口进口道的通行能力；

根据各所述可选行驶道路对应的排队车辆数，及所述道路交叉口进口道的通行能力，确定对应的通行延迟时间。

5.根据权利要求1所述的一种基于5G网络的智能交通导航方法，根据所述通行时间以及预设交通行驶习惯集合，确定所述各可选行驶道路对应的权重之前，所述方法还包括：

根据所述目标车辆在各所述可选行驶道路上的行驶时间，以及进入各所述可选行驶道路对应的通行延迟时间，确定各所述可选行驶道路对应的通行时间；

将各所述可选行驶道路按照其通行时间的顺序进行排列，得到相应的通行时间序列；

根据所述通行时间序列中各所述可选行驶道路的顺序，依次确定各所述可选行驶道路对应的第二权重。

6.根据权利要求5所述的一种基于5G网络的智能交通导航方法，根据所述通行时间以及预设交通行驶习惯集合，确定各所述可选行驶道路对应的权重，具体包括：

分别确定所述通行时间和所述错误驾驶习惯对应的加权系数；

根据所述加权系数、所述第一权重和所述第二权重，对各所述可选行驶道路对应的通行时间和错误驾驶习惯进行加权求和，以得到各所述可选行驶道路对应的权重。

7.一种基于5G网络的智能交通导航设备，其特征在于，所述设备包括：

处理器；

以及存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如权利要求1-6任一项所述的一种基于5G网络的智能交通导航方法。

8.一种基于5G网络的智能交通导航非易失性计算机存储介质，其特征在于，其上存储有计算机指令，所述计算机指令在被执行时实现如权利要求1-6任一项所述的一种基于5G网络的智能交通导航方法。

Images