CN114065989A - 交通状况预测方法、装置、电子设备及存储介质 - Google Patents

交通状况预测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114065989A
CN114065989A CN202010760908.8A CN202010760908A CN114065989A CN 114065989 A CN114065989 A CN 114065989A CN 202010760908 A CN202010760908 A CN 202010760908A CN 114065989 A CN114065989 A CN 114065989A
Authority
CN
China
Prior art keywords
traffic
data
destination
hot spot
actual
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
Application number
CN202010760908.8A
Other languages
English (en)
Inventor
王宇静
苏岳龙
李屹
董振宁
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.)
Beijing Autonavi Yunmap Technology Co ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN202010760908.8A priority Critical patent/CN114065989A/zh
Publication of CN114065989A publication Critical patent/CN114065989A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Development Economics (AREA)
  • Analytical Chemistry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Navigation (AREA)

Abstract

本申请实施例提供了一种交通状况预测方法、装置、电子设备及存储介质。交通状况预测方法,包括:获取第一预设时间段内的第一交通数据,其中,第一交通数据包括:用于指示交通路径的实际交通流量的第一实际数据,和/或,用于指示交通目的地的实际车辆流入量的第二实际数据;获取基于第二预设时间段内的导航规划数据确定的第二交通数据,其中,第二交通数据包括:用于指示交通路径的预计交通流量的第一预计数据,和/或,用于指示交通目的地的预计车辆流入量的第二预计数据;确定第一交通数据和第二交通数据中的交通匹配数据,根据交通匹配数据对第三预设时间段内的、交通匹配数据对应的交通路径和/或交通目的地进行交通状况预测。

Description

交通状况预测方法、装置、电子设备及存储介质
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种交通状况预测方法、 装置、电子设备及存储介质。
背景技术
随着交通逐渐发展,用户的出行越来越方便,例如,可以通过驾车、飞 机、火车、高铁等方式,方便地从一个城市到达另一个城市,或者从一个国 家到达另一个国家。
通常为了统计用户进行的跨城或者跨国出行等,可以经用户授权后,根 据用户的历史定位信息,确定用户历史所在的城市,再根据用户的实时位置 确定用户当前所在的城市,通过比较历史所在的城市和当前所在的城市,可 以确定用户是否进行了跨城或者跨国出行。
然而,上述方法仅能够基于用户的位置变化,对已经发生过的跨城或者 跨国出行进行统计,数据可用性较差,导致基于这些数据进行的交通状况预 测的准确性较差。
发明内容
有鉴于此,本申请实施例提供一种交通状况预测方法、装置、电子设备 及存储介质,以至少部分解决上述问题。
根据本申请实施例的第一方面,提供了一种交通状况预测方法,包括: 获取第一预设时间段内的第一交通数据,其中,所述第一交通数据包括:用 于指示交通路径的实际交通流量的第一实际数据,和/或,用于指示交通目的 地的实际车辆流入量的第二实际数据;获取基于第二预设时间段内的导航规 划数据确定的第二交通数据,其中,所述第二交通数据包括:用于指示交通 路径的预计交通流量的第一预计数据,和/或,用于指示交通目的地的预计车 辆流入量的第二预计数据;确定所述第一交通数据和所述第二交通数据中的 交通匹配数据,根据所述交通匹配数据对第三预设时间段内的、所述交通匹 配数据对应的交通路径和/或交通目的地进行交通状况预测。
根据本申请实施例的第二方面,提供了一种交通状况预测装置,包括: 实际数据获取模块,用于获取第一预设时间段内的第一交通数据,其中,所 述第一交通数据包括:用于指示交通路径的实际交通流量的第一实际数据, 和/或,用于指示交通目的地的实际车辆流入量的第二实际数据;预计数据获 取模块,用于获取基于第二预设时间段内的导航规划数据确定的第二交通数 据,其中,所述第二交通数据包括:用于指示交通路径的预计交通流量的第 一预计数据,和/或,用于指示交通目的地的预计车辆流入量的第二预计数据;预测模块,用于确定所述第一交通数据和所述第二交通数据中的交通匹配数 据,根据所述交通匹配数据对第三预设时间段内的、所述交通匹配数据对应 的交通路径和/或交通目的地进行交通状况预测。
根据本申请实施例的第三方面,提供了一种电子设备,包括:处理器、 存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通 过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令, 所述可执行指令使所述处理器执行上述的交通状况预测方法对应的操作。
根据本申请实施例的第四方面,提供了一种计算机存储介质,其上存储 有计算机程序,该程序被处理器执行时实现上述的交通状况预测方法。
根据本申请实施例提供的交通状况预测方案,通过获取第一预设时间段 内的第一交通数据,其中,所述第一交通数据包括:用于指示交通路径的实 际交通流量的第一实际数据,和/或,用于指示交通目的地的实际车辆流入量 的第二实际数据,第一交通数据可以用于表征交通路径和/或交通目的地的历 史交通压力;获取基于第二预设时间段内的导航规划数据确定的第二交通数 据,其中,所述第二交通数据包括:用于指示交通路径的预计交通流量的第 一预计数据,和/或,用于指示交通目的地的预计车辆流入量的第二预计数据, 第二交通数据可以用于表征交通路径和/或交通目的地未来可能会增加的交 通压力;确定所述第一交通数据和所述第二交通数据中的交通匹配数据,由 此,可以基于交通匹配数据确定交通路段和/或交通目的地的历史交通压力和 可能会增加的交通压力,并基于此对第三预设时间段内的、所述交通匹配数 据对应的交通路径和/或交通目的地进行交通状况预测,提高了交通状况预测 结果的准确性,并可以根据预测结果,了解用户的出行趋势以及出行时选择 路径的趋势。
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实施例中记载的一些实施例,对于本领域普通技 术人员来讲,还可以根据这些附图获得其他的附图。
图1A为根据本申请实施例一的一种交通状况预测方法的步骤流程图;
图1B为图1A所示实施例中的一种应用场景的示意图;
图2为根据本申请实施例二的一种交通状况预测方法的步骤流程图;
图3为根据本申请实施例三的一种交通状况预测方法的步骤流程图;
图4为根据本申请实施例四的一种交通状况预测方法的步骤流程图;
图5为根据本申请实施例五的一种交通状况预测装置的结构框图;
图6为根据本申请实施例六的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案,下面将结 合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地 描述,显然,所描述的实施例仅是本申请实施例一部分实施例,而不是全部 的实施例。基于本申请实施例中的实施例,本领域普通技术人员所获得的所 有其他实施例,都应当属于本申请实施例保护的范围。
下面结合本申请实施例附图进一步说明本申请实施例具体实现。
实施例一
图1A为根据本申请实施例一的一种交通状况预测方法的步骤流程图; 如图1A所示,其包括:
S101、获取第一预设时间段内的第一交通数据,其中,所述第一交通数 据包括:用于指示交通路径的实际交通流量的第一实际数据,和/或,用于指 示交通目的地的实际车辆流入量的第二实际数据。
本实施例中,第一预设时间段可以根据用户的需求设置。例如,若按天 进行交通状况的预测,则第一预设时间段可以为从上次预测到本次预测之间 的时间段(一天);或者,若预测具体为预测本次五一假期的交通状况,则 第一预设时间段可以为上一个五一假期对应的时间段。应当理解的是,上述 仅为举例说明,并不作为本申请的限定。
本实施例中,经用户授权,可以将用户实际导航大数据等存储于数据库 中,由此,可以直接从数据库中获取到第一交通数据;或者,可以基于历史 的导航大数据训练道路情况模型,通过道路情况模型基于第一预设时间段内 实际经过或流入的车辆等,对交通路径和/或交通目的地的交通情况进行估测, 并输出第一交通数据。
第一交通数据包括用于指示交通路径的实际交通流量的第一实际数据, 和/或,用于指示交通目的地的实际车辆流入量的第二实际数据。
用于指示交通路径的实际交通流量的第一实际数据可以包括:交通路径 的实际车流量,还可以为交通路径的实际车流量与该交通路径的通行能力的 比值。应当理解的是,上述仅为举例说明,并不作为本申请的限定。
车流量,由单位时间内通过某路段的车辆为标准,在一定的时间内,通 过交通路径的某一断面的车辆数。
通行能力指的是在一定的道路和交通条件下,在单位时间内通过交通路 径的某一断面的最大车辆数。
当交通路径的实际车流量低于通行能力时,可以表示交通路径上车辆操 作的自由度较高,可在安全范围内随意变更车速等;当交通路径的实际车流 量接近通行能力时,车辆操作的自由度较低,交通路径上的车辆一般只能按 照接近的速度前行,且较为容易由于意外情况而发生拥堵;当车辆道路的实 际车流量大于通行能力时,则可能发生拥堵情况。
用于指示交通目的地的实际车辆流入量的第二实际数据可以包括:单位 时间内实际进入交通目的地的车辆数量。应当理解的是,上述仅为举例说明, 并不作为本申请的限定。
交通目的地可以为一个国家;可以为国家中包括的多个省份、城市;可 以为城市中包括的多个区域等,本领域的技术人员可按照需求确定。例如, 可以将北京市作为一个交通目的地,或者将北京市的海淀区作为一交通目的 地。应当理解的是,上述仅为举例说明,并不作为本申请的限定。
可选地,本申请任意实施例中,所述第一交通数据还可以包括:用于指 示交通出发地的实际车辆流出量的第三实际数据;所述第二交通数据还包括: 用于指示交通出发地的预计车辆流出量的第三预计数据。由此,可以在后续 步骤中,根据交通匹配数据对所述第三预设时间段内的、所述交通匹配数据 对应的交通出发地进行交通状况预测。例如,预测车辆流出量较多的交通出 发地内的交通状况为畅通、预测车辆流出量较多的交通出发地的出城道路可 能会拥堵等。应当理解的是,上述仅为举例说明,并不作为本申请的限定。
S102、获取基于第二预设时间段内的导航规划数据确定的第二交通数据, 其中,所述第二交通数据包括:用于指示交通路径的预计交通流量的第一预 计数据,和/或,用于指示交通目的地的预计车辆流入量的第二预计数据。
本实施例中,可以将用户的导航规划数据存储在数据库中,则可以直接 通过数据库获取第二交通数据,或者将第二预设时间段内的导航规划数据输 入道路情况模型,通过道路情况模型基于第二预设时间段内预计经过或流入 的车辆等,对交通路径和/或交通目的地的交通情况进行估测,并输出第二交 通数据。
本实施例中,第一预设时间段和第二预设时间段可以相同,也可以不同。 例如,若按天进行交通状况的预测,则第一预设时间段可以为从上次预测到 本次预测之间的时间段(一天),第二预设时间段也可以为上次预测到本次 预测之间的时间段(一天),或者,第二预设时间段也可以为本次预测之前 的三天等。应当理解的是,上述仅为举例说明,并不作为本申请的限定。
本实施例中的导航规划数据可以包括:有出行计划但还未实际出行的用 户所规划的导航路径、出行时间、规划的交通目的地等数据。
例如,用户计划去某一景点旅游,会在出发前会进行旅游规划。通常, 用户会以自身所在地作为出发地,以景点为目的地进行搜索,获得从自身所 在地到景区的交通路径。
若经用户授权,且用户采用地图app搜索了从出发地到目的地的路径, 但并未点击“开始导航”按钮,则可将搜索过程产生的数据,例如作为搜索 结果的交通路径、搜索时的交通出发地、搜索时的交通目的地、搜索时间等, 作为导航规划数据的一部分存储在数据库中;若经用户授权,且用户搜索后 点击了“开始导航”按钮,则将导航过程中产生的数据,例如,用户正在使 用的导航数据、用户驾驶的车辆已经经过的路段、用户的出发时间、用户的 交通出发地、用户的交通目的地、用户到达交通目的地的时间、用户的偏航 数据等,作为第一交通数据的一部分,存储在数据库中。应当理解的是,上 述仅为举例说明,并不作为本申请的限定。
第二交通数据中用于指示交通路径的预计交通流量的第一预计数据可以 包括:交通路径作为搜索结果反馈至用户的次数等;用于指示交通目的地的 预计车辆流入量的第二预计数据可以包括:用户将交通目的地的地址作为目 的地进行搜索的次数等。应当理解的是,上述仅为举例说明,并不作为本申 请的限定。
需要说明的是,上述步骤S101和S102的执行可以不分先后顺序,可以 并行执行。
S103、确定所述第一交通数据和所述第二交通数据中的交通匹配数据, 根据所述交通匹配数据对第三预设时间段内的、所述交通匹配数据对应的交 通路径和/或交通目的地进行交通状况预测。
本实施例中,第一交通数据和所述第二交通数据中的交通匹配数据具体 可以包括:第一交通数据和第二交通数据中所指示的交通路径或交通目的地 相同的数据。例如,交通匹配数据可以为:第一交通数据中用于指示交通路 径A的实际交通流量的第一实际数据,以及,与第二交通数据中用于指示交 通路径A的预计交通流量的第一预计数据。应当理解的是,上述仅为举例说 明,并不作为本申请的限定。
第一交通数据可以用于表征交通路径和/或交通目的地的历史交通压力; 由于导航规划数据为用户为出行计划所做的导航规划,其本身带有预测性质, 由此,第二交通数据可以用于表征交通路径和/或交通目的地未来可能增加的 交通压力。则根据所述交通匹配数据对第三预设时间段内的、所述交通匹配 数据对应的交通路径和/或交通目的地进行交通状况预测,即基于交通路段和 /或交通目的地已有的交通压力,结合可能增加的交通压力,对第三时间段内 的交通路径和/或交通目的地进行交通状况预测。
例如,根据第一交通数据可以确定今天经过某条道路的车辆较多,已经 接近该条道路的通行能力,然而根据第二交通数据确定有大量的导航规划中 包括该条道路,则可能存在已经在路上但并未使用导航的用户所在的车辆, 或者存在大量即将出发并汇入该条道路的车辆,这会使得该条道路的交通状 况变得拥堵。为此,本申请中,通过交通匹配数据,可以对第三预设时间段 内的交通匹配数据对应的交通路径和/或交通目的地进行交通状况预测,若预 测出的交通状况为拥堵等,可以提前部署指挥交通、疏通拥堵等相关的工作 人员,或者提前提醒用户尽量避免经过该条道路。
类似的,若根据第一交通数据确定今天经过某条道路的车辆较多,但是 根据第二交通数据确定有少量的导航规划中包括该条道路,则表明该条道路 的交通状况在之后一天或两天可能会好转;或者,交通目的地,例如北京, 今天的实际车辆流入量较高,而根据第二交通数据确定有大量用户将北京作 为交通目的地,则可以预测明天进京的道路有极大可能会发生拥堵,从而可 以提前部署指挥交通、疏通拥堵等相关的工作人员,或者提前提醒用户尽量 更换交通目的地等。应当理解的是,上述仅为举例说明,并不作为本申请的限定。
如图1B所示,下面通过一个具体的使用场景,对本实施例的方案进行示 例性说明。
经用户授权后,将用户驾车进行跨城出行过程中使用导航软件进行驾车 导航所产生的数据存储至数据库中;以及,经用户授权后,将未出行的用户 使用导航软件进行导航规划所产生的数据存储至数据库中。
数据库可以基于用户进行驾车导航所产生的数据,确定用于指示交通路 径的实际车流量等的第一交通数据;以及可以基于用户进行导航规划所产生 的数据,确定用于指示交通路径的预计车流量等的第二交通数据。
需要进行交通预测的用户,可以从数据库获取到当天内的第一交通数据 和过去三天内的第二交通数据。
基于第一交通数据和第二交通数据中的交通匹配数据,可以对第三预设 时间段内的、所述交通匹配数据对应的交通路径和/或交通目的地进行交通状 况预测,例如,第一交通数据和第二交通数据中的交通匹配数据包括:第一 交通数据中指示道路A的实际车流量的数据和第二交通数据中指示道路A的 预计车流量的数据,则根据交通匹配数据,可以对道路A明天的交通状况进 行预测。
本实施例提供的方案,通过获取第一预设时间段内的第一交通数据,其 中,所述第一交通数据包括:用于指示交通路径的实际交通流量的第一实际 数据,和/或,用于指示交通目的地的实际车辆流入量的第二实际数据,第一 交通数据可以用于表征交通路径和/或交通目的地的历史交通压力;获取基于 第二预设时间段内的导航规划数据确定的第二交通数据,其中,所述第二交 通数据包括:用于指示交通路径的预计交通流量的第一预计数据,和/或,用 于指示交通目的地的预计车辆流入量的第二预计数据,第二交通数据可以用 于表征交通路径和/或交通目的地未来可能会增加的交通压力;确定所述第一 交通数据和所述第二交通数据中的交通匹配数据,由此,可以基于交通匹配 数据确定交通路段和/或交通目的地的历史交通压力,和可能会增加的交通压 力,并基于此对第三预设时间段内的、所述交通匹配数据对应的交通路径和 /或交通目的地进行交通状况预测,提高了交通状况预测结果的准确性,并可 以根据预测结果,了解用户的出行趋势以及出行时选择路径的趋势。
本实施例的交通状况预测方法可以由任意适当的具有数据处理能力的电 子设备执行,包括但不限于:服务器、移动终端(如手机、PAD等)和PC机 等。
实施例二
图2为根据本申请实施例二的一种交通状况预测方法的步骤流程图;如 图2所示,其包括:
S201、获取用于指示交通路径的实际交通流量的第一实际数据,以及获 取用于指示交通路径的预计交通流量的第一预计数据。
本步骤的具体实现参考上述实施例,在此不再赘述。
S202、基于第一预设条件,对所述第一实际数据对应的交通路径进行筛 选,获得第一热点交通路径;基于第二预设条件,对所述第一预计数据对应 的交通路径进行筛选,获得第二热点交通路径。
本实施例中,基于第一预设条件进行筛选,获得第一热点交通路径,以 及基于第二预设条件进行筛选,获得第二热点交通路径,而热点交通路径一 般为较为受关注的交通路径,例如热门旅游路线、容易发生拥堵的道路等, 然后基于第一热点交通路径和第二热点交通路径的交通匹配数据进行针对交 通路段的交通状况预测,可以使得预测结果与用户的关注点更加接近,且节 省了进行预测时所需的资源。
本实施例中,第一预设条件以及第二预设条件可以包括:基于车辆数量、 交通流量等指标的条件。本实施例中,第一预设条件和第二预设条件可以相 同,也可以不同,本实施例对此不进行限定。
示例的,若用户较为关注的交通路段为可能发生拥堵或者可能持续发生 拥堵情况的路段,则,第一预设条件可以为交通流量排名前m的交通路径; 第二预设条件可以为交通流量排名前n的交通路径,m、n为正整数,m、n可 以相同也可以不同。
对应的,所述基于第一预设条件,对所述第一实际数据对应的交通路径 进行筛选,获得第一热点交通路径,包括:对所述第一实际数据对应的交通 路径进行筛选,获得实际交通流量排名前m的交通路径作为所述第一热点交 通路径,m为正整数。
所述基于第二预设条件,对所述第一预计数据对应的交通路径进行筛选, 获得第二热点交通路径,包括:对所述第一预计数据对应的交通路径进行筛 选,获得预计交通流量排名前n的交通路径作为所述第二热点交通路径,n 为正整数。
由此,可以直接基于第一实际数据和第一预计数据所指示的交通流量进 行筛选,使得筛选过程更加简单方便,且,筛选获得的第一热点交通路径为 历史出行时的热门交通路径,筛选获得的第二热点交通路径为未来交通压力 可能会急速增加的交通路径,由此,可以根据第一热点交通路径和第二热点 交通路径,对未来会发生交通拥堵的交通路径进行交通状态预测。
本实施例中,m和n可以相同也可以不同,以相同为例,例如均可以为 10。则本实施例中,步骤S202可以包括:筛选获得实际交通流量排名前10 的交通路径作为第一热点交通路径,筛选获得预计交通流量排名前10的交 通路径作为第二热点交通路径。应当理解的是,上述仅为举例说明,并不作 为本申请的限定。
S203、确定所述第一热点交通路径和所述第二热点交通路径的交通匹配 数据,根据所述交通匹配数据,对第三预设时间段内的、所述交通匹配数据 对应的交通路径进行交通状况预测。
本实施例中,步骤S203具体可以包括:确定所述第一热点交通路径和所 述第二热点交通路径中的重复路段,根据所述重复路段对应的实际交通流量 以及预计交通流量,预测第三预设时间段内的、所述重复路段的交通状况。
重复路段可以为第一热点交通路径和第二热点交通路径中重复的部分或 全部交通路段。
本实施例中,由于第一热点交通路径为根据第一实际数据确定出的用户 可能会重点关注的交通路径,第二热点交通路径为根据第一预计数据确定出 的用户可能会重点关注的交通路径;则,确定出的第一热点交通路径和第二 热点交通路径的重复路段更加符合用户的关注需求。
本实施例中,对重复路段进行交通状况预测后,可以通过在地图上叠加 线条等方式,展示被预测的交通路径,还可以通过设置颜色等方式,展示交 通状况预测结果。例如,若某条道路可能会发生拥堵,则可以用黄色线条在 地图上展示该条道路;若某条道路必定会发生拥堵,则可以用红色线条在地 图上展示该条道路。另外,还可以通过修改线条粗细等方式展示针对交通路 径的交通状况预测结果,例如,将可能会发生拥堵的道路用较细的线条展示, 将必定会发生拥堵的道路用较粗的线条展示。应当理解的是,上述仅为举例 说明,并不作为本申请的限定。
可选地,本实施例中,在步骤S203之后,还可以包括:
S204、根据预测结果,获得所述重复路段中包括的拥堵易发路段,并展 示所述拥堵易发路段的信息。
根据预测结果,可以确定重复路段中包括的可能会发生拥堵的路段,再 基于可能会发生拥堵的路段,获得其中的拥堵易发路段,并进行重点展示。
拥堵易发路段,是指较大概率会发生拥堵的路段,拥堵易发路段可以根 据历史的交通数据确定,也可以根据实时的交通数据确定,本实施例对此不 进行限定。
本实施例的方案,通过基于第一预设条件进行筛选,获得第一热点交通 路径,以及基于第二预设条件进行筛选,获得第二预设交通路径,而热点交 通路径一般为较为受关注的交通路径,例如热门旅游路线、容易发生拥堵的 道路等,然后基于第一热点交通路径和第二热点交通路径的交通匹配数据进 行针对交通路段的交通状况预测,可以使得预测结果与用户的关注点更加接 近,且节省了进行预测时所需的资源。
本实施例的交通状况预测方法可以由任意适当的具有数据处理能力的电 子设备执行,包括但不限于:服务器、移动终端(如手机、PAD等)和PC机 等。
实施例三
图3为根据本申请实施例三的一种交通状况预测方法的步骤流程图;如 图3所示,其包括:S301、获取用于指示交通目的地的实际车辆流入量的第 二实际数据,以及获取用于指示交通目的地的预计车辆流入量的第二预计数 据。
本步骤的具体实现参考上述实施例,在此不再赘述。
S302、基于第三预设条件,对所述第二实际数据对应的交通目的地进行 筛选,获得第一热点交通目的地;基于第四预设条件,对所述第二预计数据 对应的交通目的地进行筛选,获得第二热点交通目的地。
本实施例中,基于第三预设条件进行筛选,可以获得第一热点交通目的 地,以及基于第四预设条件进行筛选,可以获得第二热点交通目的地。而热 点交通目的地一般为较为受关注的地点,例如热门旅游城市、人流量较大的 城市等,然后基于第一热点交通目的地和第二热点交通目的地的交通匹配数 据进行针对交通目的地的交通状况预测,可以使得预测结果与用户的关注点 更加接近,且节省了进行预测时所需的资源。应当理解的是,上述仅为举例 说明,并不作为本申请的限定。
本实施例中,第三预设条件以及第四预设条件可以包括:基于车辆流入 量等指标的条件。本实施例中,第一预设条件和第二预设条件可以相同,也 可以不同,本实施例对此不进行限定。
示例的,若用户较为关注的交通目的地为车辆流入量较大的城市,则, 第三预设条件可以为车辆流入量排名前i的交通目的地;第二预设条件可以 为车辆流入量排名前j的交通目的地,i、j为正整数,i、j可以相同也可以 不同。
对应的,所述基于第三预设条件,对所述第二实际数据对应的交通目的 地进行筛选,获得第一热点交通目的地,包括:对所述第二实际数据对应的 交通目的地进行筛选,获得实际车辆流入量排名前i的交通目的地作为所述 第一热点交通目的地,i为正整数。
所述基于第四预设条件,对所述第二预计数据对应的交通目的地进行筛 选,获得第二热点交通目的地,包括:对所述第二预计数据对应的交通目的 地进行筛选,获得预计车辆流入量排名前j的交通目的地作为所述第二热点 交通目的地,j为正整数。
由此,可以直接基于第二实际数据和第二预计数据所指示的车辆流入量 进行筛选,使得筛选过程更加简单方便,且,筛选获得的第一热点交通目的 地可以为历史出行时的热门城市,筛选获得的第二热点交通目的地为未来车 辆流入量可能会急速增加的城市,由此,可以根据第一热点交通目的地和第 二热点交通目的地,对车辆流入量可能会急速增加的城市的进城路径的进行 交通状态预测,或者对车辆流入量可能会急速增加的城市内的交通路径进行 交通状态预测。
本实施例中,i和j可以相同也可以不同,以相同为例,例如均可以为 10。则本实施例中,步骤S302可以包括:筛选获得实际车辆流入量排名前10 的交通目的地作为第一交通目的地,筛选获得预计车辆流入量排名前10的 交通目的地作为第二热点交通目的地。应当理解的是,上述仅为举例说明, 并不作为本申请的限定。
S303、确定所述第一热点交通目的地和所述第二热点交通目的地中的交 通匹配数据,根据所述交通匹配数据,对第三预设时间段内的、所述交通匹 配数据对应的交通目的地进行交通状况预测。
本实施例中,步骤S303具体可以包括:确定所述第一热点交通目的地和 所述第二热点交通目的地中的重复交通目的地,根据所述重复交通目的地对 应的实际车辆流入量以及预计车辆流入量,预测第三预设时间段内的、所述 重复交通目的地所对应区域的交通状况。
本实施例中,由于第一热点交通目的地为根据第二实际数据确定出的用 户可能会重点关注的交通目的地,例如热点旅游城市等,第二热点交通目的 地为根据第二预计数据确定出的用户可能会重点关注的交通目的地;则,通 过确定第一热点交通目的地和第二热点交通目的地的重复交通目的地,可以 使得确定的热点交通目的地更加符合用户的关注需求。
本实施例中,进行交通状况预测后,可以通过在地图上画圈显示、突出 显示、通过节点标识等方式,展示被预测的重复交通目的地,还可以通过设 置颜色等方式,展示交通状况预测结果。例如,若车辆流入量较少,则城市 内交通状况可能较好,可以用黄色节点进行展示;若车辆流入量较大,则城 市内交通状况可能较为拥堵,可以用红色节点进行展示,便于在交通目的地 预先安排工作人员。应当理解的是,上述仅为举例说明,并不作为本申请的 限定。
可选地,本实施例中,在步骤S303之后,还可以包括:
S304、根据预测结果,获得与所述重复交通目的地对应的交通出发地, 并展示获得的交通出发地的信息。
示例的,根据预测结果确定某一个或两个重复交通目在未来的车辆流入 量较大,则可以获得该一个或两个重复交通目的地对应的交通出发地,并进 行展示,以使用户了解流入车辆的来源,并针对性地部署相关人员。应当理 解的是,上述仅为举例说明,并不作为本申请的限定。
另外,进行展示时,可以在地图上叠加从交通出发地指向交通目的地的 箭头,还可以通过箭头对应线段的粗细,表示从对应交通出发地到交通目的 地的车辆数量等。应当理解的是,上述仅为举例说明,并不作为本申请的限 定。
本实施例提供的方案,通过基于第三预设条件进行筛选,获得第一热点 交通目的地,以及基于第四预设条件进行筛选,获得第二热点交通目的地, 而热点交通目的地一般为较为受关注的地点,例如热门旅游城市、人流量较 大的城市等,然后基于第一热点交通目的地和第二热点交通目的地的交通匹 配数据进行针对交通目的地的交通状况预测,可以使得预测结果与用户的关 注城市等更加接近,且节省了进行预测时所需的资源。
本实施例的交通状况预测方法可以由任意适当的具有数据处理能力的电 子设备执行,包括但不限于:服务器、移动终端(如手机、PAD等)和PC机 等。
另外需要说明的是,上述区分实施例仅为对本申请的方案进行清楚的说 明,在实际实现时,上述实施例二和实施例三的方案可以合并执行,这也在 本申请的保护范围内。
实施例四
图4为根据本申请实施例四的一种交通状况预测方法的步骤流程图,本 实施例中,以交通出发地和交通目的地为城市为例进行示例性说明,如图4 所示,其包括:
S401、从数据库中获得第一预设时间段内的第一交通数据,和,基于第 二预设时间段内的导航规划数据确定的第二交通数据。
本实施例中,可以预先建立数据库,并在获得用户授权后,将用户驾车 在多个城市间迁徙的车辆导航数据,以及用户的导航规划数据等,存储在数 据库中。其中,车辆导航数据不仅可以包括车辆行驶时的行驶路径,还可以 包括出发时间数据、到达时间数据、偏航数据等。
随着智能交通的发展、智能化终端设备的应用,本实施例的数据库中的 数据能够基于车载导航和电子地图厂商的动态和静态交通数据等获得。
从数据库获取第一预设时间段内的第一交通数据可以为:将从数据库中 获取的第一预设时间段对应的数据作为第一交通数据;或者,可以将数据库 中与第一预设时间段内的实际数据输入道路情况模型,通过道路情况模型基 于第一预设时间段内实际经过或流入的车辆等,对交通路径和/或交通目的地 的交通情况进行估测,并输出第一交通数据。从数据库获取基于第二预设时 间段内的导航规划数据确定的第二交通数据可以为:将从数据库中获取的第 二预设时间段对应的导航规划数据进行统计,获得第二交通数据;或者,可 以将数据库中与第二预设时间段内的导航规划数据输入道路情况模型,通过 道路情况模型基于预计经过或流入的车辆等,对交通路径和/或交通目的地的 交通情况进行估测,并输出第二交通数据。
另外,第一预设时间和第二预设时间可由本领域的技术人员根据需求确 定。例如,第一交通数据可以为从数据库获取的前一天的第一交通数据,第 二交通数据可以为从数据库获取的前三天的第二交通数据;第一交通数据可 以为从数据库获取的去年6月第一个星期的第一交通数据,第二交通数据可 以为从数据库获取的今年5月最后一个星期的第二交通数据等。本实施例在 此不再赘述。
S402、对第一实际数据对应的交通路径进行筛选,获得实际交通流量排 名前10的交通路径作为第一热点交通路径。
例如,若获取了昨天的第一交通数据,则筛选出的10条第一热点交通路 径可以为:昨天车流量排名前10的交通路径;若获取了去年五一期间的第一 交通数据,则筛选出的10条第一热点交通路径可以为去年五一期间用户驾 车出游时,车流量排名前10的交通路径。当然,上述仅为举例说明,并不作 为本申请的限定。
S403、对第一预计数据对应的交通路径进行筛选,获得预计交通流量排 名前10的交通路径作为第二热点交通路径。
具体的筛选方法可以参考上述步骤S402,在此不再赘述。
S404、将10条第一热点交通路径与10条第二热点交通路径进行比较, 获得重复路段。
本步骤的具体实现方式可参考上述实施例,本实施例在此不再赘述。
本步骤中,重复路段可以为有高出行需求又实际车流量大的热门路段。
本步骤中,若未获得重复路段,则可以返回至步骤S401继续执行。
可选地,本实施例中,步骤S404之后,还可以包括:
S405、获得重复路段中包括的拥堵易发路段和拥堵信息。
本实施例中,可以对重复路段的历史交通数据进行大数据分析,从而确 定重复路段中包括的拥堵易发路段。本实施例中,拥堵易发路段即容易发生 拥堵的路段。应当理解的是,上述仅为举例说明,并不作为本申请的限定。
可选地,还可以对拥堵易发路段和拥堵信息进行展示。在进行展示时, 可以展示重复路段中包括的拥堵易发路段和拥堵信息,以便提前部署指挥交 通、疏通拥堵等相关的工作人员,或者提前提醒用户尽量避免经过该条道路。 应当理解的是,上述仅为举例说明,并不作为本申请的限定。
当然,本申请的其他实现方式中,也可以不确定拥堵易发路段,本实施 例对此不进行限定。
S406、对第二实际数据对应的交通目的地进行筛选,获得实际车辆流入 量排名前10的交通目的地作为第一热点交通目的地。
本实施例中,第一热点交通目的地为即用户驾车进行跨城出行时所到达 的热点城市。
可替代地,在步骤S406中,也可以确定出10个第一热点交通出发地, 第一热点交通出发地也即用户驾车进行跨城出行前所在的城市。
S407、对第二预计数据对应的交通目的地进行筛选,获得预计车辆流入 量排名前10的交通目的地作为第二热点交通目的地。
本步骤的具体实现方式与上述步骤S406类似,在此不再赘述。
可替代地,在步骤S407中,也可以确定出10个第二热点交通出发地, 10个第二热点交通出发地可以为用户在导航规划时所在的城市。
S408、比较10个第一热点交通目的地和10个第二热点交通目的地,确 定重复的交通目的地。
本实施例中,重复的交通目的地为高迁入需求又实际迁入的用户数量较 大的城市。
本步骤中,若未确定出重复交通目的地,则可以返回步骤S401继续执 行。
可替代地,在步骤S408中,也可以根据第一热点交通出发地和第二热点 交通出发地,确定重复的交通出发地,重复的交通出发地为高迁出需求又实 际迁出的用户数量较大的城市。
S409、确定重复交通目的地对应的交通出发地(起点城市)。
本实施例中,若确定的重复交通目的地为城市J,则可以根据选择城市 J作为交通目的地的用户数量进行筛选,从以城市J为交通目的地的出发城 市中确定出排名前10的起点城市。
S410、展示重复路段、展示重复交通目的地及重复交通目的地对应的交 通出发地。
本实施例中,展示的重复路段,可以为交通状况预测结果为可能发生拥 堵的路段;类似的,展示的重复交通目的地,可以为交通状况预测结果为进 城道路可能发生拥堵的城市。
本实施例中,重复路段和重复交通目的地可以通过不同的界面分别进行 展示。
通过本实施例提供的方案,可以了解全国的多个城市的出入情况和变化 趋势,以及了解用户在多个城市驾车出行的出行规律,在节假日期间、或者 在疫情防控期间,通过本实施例的方案,能够准确地了解到用户的热门出发 城市、热门目的城市、关键的路段,为卡点布控(例如在卡点地点预先安排 疏通交通的工作人员等)提供了精细的指导,满足了精细化交通管理的需求。
本实施例的交通状况预测方法可以由任意适当的具有数据处理能力的电 子设备执行,包括但不限于:服务器、移动终端(如手机、PAD等)和PC机 等。
实施例五
图5为根据本申请实施例五的一种交通状况预测装置的结构框图;如图 5所示,其包括:
实际数据获取模块501,用于获取第一预设时间段内的第一交通数据, 其中,所述第一交通数据包括:用于指示交通路径的实际交通流量的第一实 际数据,和/或,用于指示交通目的地的实际车辆流入量的第二实际数据;
预计数据获取模块502,用于获取基于第二预设时间段内的导航规划数 据确定的第二交通数据,其中,所述第二交通数据包括:用于指示交通路径 的预计交通流量的第一预计数据,和/或,用于指示交通目的地的预计车辆流 入量的第二预计数据;
预测模块503,用于确定所述第一交通数据和所述第二交通数据中的交 通匹配数据,根据所述交通匹配数据对第三预设时间段内的、所述交通匹配 数据对应的交通路径和/或交通目的地进行交通状况预测。
可选地,本申请实施例中,当所述第一交通数据包括第一实际数据,且 所述第二交通数据包括第一预计数据时,所述预测模块503,包括:
第一筛选模块,用于基于第一预设条件,对所述第一实际数据对应的交 通路径进行筛选,获得第一热点交通路径;
第二筛选模块,用于基于第二预设条件,对所述第一预计数据对应的交 通路径进行筛选,获得第二热点交通路径;
路径预测模块,用于确定所述第一热点交通路径和所述第二热点交通路 径的交通匹配数据,根据所述交通匹配数据,对第三预设时间段内的、所述 交通匹配数据对应的交通路径进行交通状况预测。
可选地,本申请实施例中,第一筛选模块具体用于:对所述第一实际数 据对应的交通路径进行筛选,获得实际交通流量排名前m的交通路径作为所 述第一热点交通路径,m为正整数;
第二筛选模块具体用于:对所述第一预计数据对应的交通路径进行筛选, 获得预计交通流量排名前n的交通路径作为所述第二热点交通路径,n为正 整数。
可选地,本申请实施例中,路径预测模块具体用于:确定所述第一热点 交通路径和所述第二热点交通路径中的重复路段,根据所述重复路段对应的 实际交通流量以及预计交通流量,预测第三预设时间段内的、所述重复路段 的交通状况。
可选地,本申请实施例中,所述装置还包括:拥堵易发路段获得模块, 用于根据预测结果,获得所述重复路段中包括的拥堵易发路段,并展示所述 拥堵易发路段的信息。
可选地,本申请实施例中,当所述第一交通数据包括第二实际数据,且 所述第二交通数据包括第二预计数据时,预测模块,包括:
第三筛选模块,用于基于第三预设条件,对所述第二实际数据对应的交 通目的地进行筛选,获得第一热点交通目的地;
第四筛选模块,用于基于第四预设条件,对所述第二预计数据对应的交 通目的地进行筛选,获得第二热点交通目的地;
目的地预测模块,用于确定所述第一热点交通目的地和所述第二热点交 通目的地的交通匹配数据,根据所述交通匹配数据,对第三预设时间段内的、 所述交通匹配数据对应的交通目的地进行交通状况预测。
可选地,本申请实施例中,第三筛选模块,具体用于:对所述第二实际 数据对应的交通目的地进行筛选,获得实际车辆流入量排名前i的交通目的 地作为所述第一热点交通目的地,i为正整数;
第四筛选模块,具体用于:对所述第二预计数据对应的交通目的地进行 筛选,获得预计车辆流入量排名前j的交通目的地作为所述第二热点交通目 的地,j为正整数。
可选地,本申请实施例中,所述目的地预测模块,具体用于:确定所述 第一热点交通目的地和所述第二热点交通目的地中的重复交通目的地,根据 所述重复交通目的地对应的实际车辆流入量以及预计车辆流入量,预测第三 预设时间段内的、所述重复交通目的地所对应区域的交通状况。
可选地,本申请实施例中,所述装置还包括:出发地获取模块,用于根 据预测结果,获得与所述重复交通目的地对应的交通出发地,并展示获得的 交通出发地的信息。
可选地,本申请实施例中,所述第一交通数据还包括:用于指示交通出 发地的实际车辆流出量的第三实际数据;所述第二交通数据还包括:用于指 示交通出发地的预计车辆流出量的第三预计数据;预测模块还用于:对所述 第三预设时间段内的、所述交通匹配数据对应的交通出发地进行交通状况预 测。
本实施例提供的方案,通过获取第一预设时间段内的第一交通数据,其 中,所述第一交通数据包括:用于指示交通路径的实际交通流量的第一实际 数据,和/或,用于指示交通目的地的实际车辆流入量的第二实际数据,第一 交通数据可以用于表征交通路径和/或交通目的地的历史交通压力;获取基于 第二预设时间段内的导航规划数据确定的第二交通数据,其中,所述第二交 通数据包括:用于指示交通路径的预计交通流量的第一预计数据,和/或,用 于指示交通目的地的预计车辆流入量的第二预计数据,第二交通数据可以用 于表征交通路径和/或交通目的地未来可能会增加的交通压力;确定所述第一 交通数据和所述第二交通数据中的交通匹配数据,由此,可以基于交通匹配 数据确定交通路段和/或交通目的地的历史交通压力,和可能会增加的交通压 力,并基于此对第三预设时间段内的、所述交通匹配数据对应的交通路径和 /或交通目的地进行交通状况预测,提高了交通状况预测结果的准确性,并可 以根据预测结果,了解用户的出行趋势以及出行时选择路径的趋势。
实施例六
参照图6,示出了根据本申请实施例六的一种电子设备的结构示意图, 本申请具体实施例并不对电子设备的具体实现做限定。
如图6所示,该电子设备可以包括:处理器(processor)602、通信接口(Communications Interface)604、存储器(memory)606、以及通信总线608。
其中:
处理器602、通信接口604、以及存储器606通过通信总线608完成相 互间的通信。
通信接口604,用于与其它电子设备或服务器进行通信。
处理器602,用于执行程序610,具体可以执行上述交通状况预测方法实 施例中的相关步骤。
具体地,程序610可以包括程序代码,该程序代码包括计算机操作指令。
处理器602可能是中央处理器CPU,或者是特定集成电路ASIC (ApplicationSpecific Integrated Circuit),或者是被配置成实施本申 请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器,可以 是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如 一个或多个CPU以及一个或多个ASIC。
存储器606,用于存放程序610。存储器606可能包含高速RAM存储器, 也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘 存储器。
程序610具体可以用于使得处理器602执行上述交通状况预测方法实施 例中的相应步骤。
程序610中各步骤的具体实现可以参见上述交通状况预测方法实施例中 的相应步骤和单元中对应的描述,在此不赘述。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,上述描述的设备和模块的具体工作过程, 可以参考前述方法实施例中的对应过程描述,在此不再赘述。
需要指出,根据实施的需要,可将本申请实施例中描述的各个部件/步骤 拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分 操作组合成新的部件/步骤,以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现,或者被实现为可 存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算 机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器 可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方 法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如 ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、 微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组 件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理 器或硬件访问且执行时,实现在此描述的交通状况预测方法。此外,当通用 计算机访问用于实现在此示出的交通状况预测方法的代码时,代码的执行将 通用计算机转换为用于执行在此示出的交通状况预测方法的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各 示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结 合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特 定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方 法来实现所描述的功能,但是这种实现不应认为超出本申请实施例的范围。
以上实施方式仅用于说明本申请实施例,而并非对本申请实施例的限制, 有关技术领域的普通技术人员,在不脱离本申请实施例的精神和范围的情况 下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本申请实 施例的范畴,本申请实施例的专利保护范围应由权利要求限定。

Claims (13)

1.一种交通状况预测方法,包括:
获取第一预设时间段内的第一交通数据,其中,所述第一交通数据包括:用于指示交通路径的实际交通流量的第一实际数据,和/或,用于指示交通目的地的实际车辆流入量的第二实际数据;
获取基于第二预设时间段内的导航规划数据确定的第二交通数据,其中,所述第二交通数据包括:用于指示交通路径的预计交通流量的第一预计数据,和/或,用于指示交通目的地的预计车辆流入量的第二预计数据;
确定所述第一交通数据和所述第二交通数据中的交通匹配数据,根据所述交通匹配数据对第三预设时间段内的、所述交通匹配数据对应的交通路径和/或交通目的地进行交通状况预测。
2.根据权利要求1所述的方法,其中,当所述第一交通数据包括第一实际数据,且所述第二交通数据包括第一预计数据时,所述确定所述第一交通数据和所述第二交通数据中的交通匹配数据,根据所述交通匹配数据对第三预设时间段内的、所述交通匹配数据对应的交通路径和/或交通目的地进行交通状况预测,包括:
基于第一预设条件,对所述第一实际数据对应的交通路径进行筛选,获得第一热点交通路径;
基于第二预设条件,对所述第一预计数据对应的交通路径进行筛选,获得第二热点交通路径;
确定所述第一热点交通路径和所述第二热点交通路径的交通匹配数据,根据所述交通匹配数据,对第三预设时间段内的、所述交通匹配数据对应的交通路径进行交通状况预测。
3.根据权利要求2所述的方法,其中,
所述基于第一预设条件,对所述第一实际数据对应的交通路径进行筛选,获得第一热点交通路径,包括:
对所述第一实际数据对应的交通路径进行筛选,获得实际交通流量排名前m的交通路径作为所述第一热点交通路径,m为正整数;
所述基于第二预设条件,对所述第一预计数据对应的交通路径进行筛选,获得第二热点交通路径,包括:
对所述第一预计数据对应的交通路径进行筛选,获得预计交通流量排名前n的交通路径作为所述第二热点交通路径,n为正整数。
4.根据权利要求2所述的方法,其中,所述确定所述第一热点交通路径和所述第二热点交通路径中的交通匹配数据,根据交通匹配数据,对所述交通匹配数据对应的交通路径进行交通状况预测,包括:
确定所述第一热点交通路径和所述第二热点交通路径中的重复路段,根据所述重复路段对应的实际交通流量以及预计交通流量,预测第三预设时间段内的、所述重复路段的交通状况。
5.根据权利要求4所述的方法,其中,所述方法还包括:
根据预测结果,获得所述重复路段中包括的拥堵易发路段,并展示所述拥堵易发路段的信息。
6.根据权利要求1所述的方法,其中,当所述第一交通数据包括第二实际数据,且所述第二交通数据包括第二预计数据时,所述确定所述第一交通数据和所述第二交通数据中的交通匹配数据,根据所述交通匹配数据对第三预设时间段内的、所述交通匹配数据对应的交通路径和/或交通目的地进行交通状况预测,包括:
基于第三预设条件,对所述第二实际数据对应的交通目的地进行筛选,获得第一热点交通目的地;
基于第四预设条件,对所述第二预计数据对应的交通目的地进行筛选,获得第二热点交通目的地;
确定所述第一热点交通目的地和所述第二热点交通目的地的交通匹配数据,根据所述交通匹配数据,对第三预设时间段内的、所述交通匹配数据对应的交通目的地进行交通状况预测。
7.根据权利要求6所述的方法,其中,
所述基于第三预设条件,对所述第二实际数据对应的交通目的地进行筛选,获得第一热点交通目的地,包括:
对所述第二实际数据对应的交通目的地进行筛选,获得实际车辆流入量排名前i的交通目的地作为所述第一热点交通目的地,i为正整数;
所述基于第四预设条件,对所述第二预计数据对应的交通目的地进行筛选,获得第二热点交通目的地,包括:
对所述第二预计数据对应的交通目的地进行筛选,获得预计车辆流入量排名前j的交通目的地作为所述第二热点交通目的地,j为正整数。
8.根据权利要求6所述的方法,其中,所述确定所述第一热点交通目的地和所述第二热点交通目的地中的交通匹配数据,根据所述交通匹配数据,对第三预设时间段内的、所述交通匹配数据对应的交通目的地进行交通状况预测,包括:
确定所述第一热点交通目的地和所述第二热点交通目的地中的重复交通目的地,根据所述重复交通目的地对应的实际车辆流入量以及预计车辆流入量,预测第三预设时间段内的、所述重复交通目的地所对应区域的交通状况。
9.根据权利要求8所述的方法,其中,所述方法还包括:根据预测结果,获得与所述重复交通目的地对应的交通出发地,并展示获得的交通出发地的信息。
10.根据权利要求1所述的方法,其中,所述第一交通数据还包括:用于指示交通出发地的实际车辆流出量的第三实际数据;所述第二交通数据还包括:用于指示交通出发地的预计车辆流出量的第三预计数据;
所述确定所述第一交通数据和所述第二交通数据中的交通匹配数据,根据所述交通匹配数据对第三预设时间段内的、所述交通匹配数据对应的交通路径和/或交通目的地进行交通状况预测,包括:
对所述第三预设时间段内的、所述交通匹配数据对应的交通出发地进行交通状况预测。
11.一种交通状况预测装置,包括:
实际数据获取模块,用于获取第一预设时间段内的第一交通数据,其中,所述第一交通数据包括:用于指示交通路径的实际交通流量的第一实际数据,和/或,用于指示交通目的地的实际车辆流入量的第二实际数据;
预计数据获取模块,用于获取基于第二预设时间段内的导航规划数据确定的第二交通数据,其中,所述第二交通数据包括:用于指示交通路径的预计交通流量的第一预计数据,和/或,用于指示交通目的地的预计车辆流入量的第二预计数据;
预测模块,用于确定所述第一交通数据和所述第二交通数据中的交通匹配数据,根据所述交通匹配数据对第三预设时间段内的、所述交通匹配数据对应的交通路径和/或交通目的地进行交通状况预测。
12.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-10中任一项所述的交通状况预测方法对应的操作。
13.一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-10中任一所述的交通状况预测方法。
CN202010760908.8A 2020-07-31 2020-07-31 交通状况预测方法、装置、电子设备及存储介质 Pending CN114065989A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010760908.8A CN114065989A (zh) 2020-07-31 2020-07-31 交通状况预测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010760908.8A CN114065989A (zh) 2020-07-31 2020-07-31 交通状况预测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114065989A true CN114065989A (zh) 2022-02-18

Family

ID=80227732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010760908.8A Pending CN114065989A (zh) 2020-07-31 2020-07-31 交通状况预测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114065989A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140128063A (ko) * 2013-04-26 2014-11-05 한국교통연구원 교통 상황 예측 시스템
CN104157139A (zh) * 2014-08-05 2014-11-19 中山大学 一种交通拥堵预测方法及可视化方法
CN106355885A (zh) * 2016-11-24 2017-01-25 深圳市永达电子信息股份有限公司 基于大数据分析平台的交通信号动态控制方法及系统
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
CN107702729A (zh) * 2017-09-06 2018-02-16 东南大学 一种考虑预期路况的车辆导航方法及系统
CN108680178A (zh) * 2018-02-22 2018-10-19 北京交通大学 基于定位信息与路径数据分享的未来交通规划系统和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140128063A (ko) * 2013-04-26 2014-11-05 한국교통연구원 교통 상황 예측 시스템
CN104157139A (zh) * 2014-08-05 2014-11-19 中山大学 一种交通拥堵预测方法及可视化方法
CN106355885A (zh) * 2016-11-24 2017-01-25 深圳市永达电子信息股份有限公司 基于大数据分析平台的交通信号动态控制方法及系统
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
CN107702729A (zh) * 2017-09-06 2018-02-16 东南大学 一种考虑预期路况的车辆导航方法及系统
CN108680178A (zh) * 2018-02-22 2018-10-19 北京交通大学 基于定位信息与路径数据分享的未来交通规划系统和方法

Similar Documents

Publication Publication Date Title
US10648822B2 (en) Systems and methods for simultaneous electronic display of various modes of transportation for viewing and comparing
CN110375760A (zh) 路线确定方法、装置、设备和介质
US20190114909A1 (en) Method and Apparatus for Identifying Congestion Bottlenecks
CN106969777A (zh) 路径预测装置以及路径预测方法
US20140222950A1 (en) Predictive Mobile Map Download
US9057612B1 (en) Systems and methods for unified directions
CN107228677A (zh) 偏航识别方法和装置
JP6138934B2 (ja) 交通需要制御装置
JP2022549453A (ja) 行程分析のために車両イベントデータを処理するためのシステムおよび方法
CN104677367A (zh) 基于路径预测的兴趣点搜索方法
US20190017832A1 (en) Method and apparatus for providing recorded, anonymized routes
JP2019028526A (ja) 混雑予測装置
US11181387B2 (en) Dynamic routing system
JP5768526B2 (ja) 渋滞予測装置および渋滞予測データ
Yan et al. Performance evaluation of bus routes using automatic vehicle location data
Astarita et al. A review of traffic signal control methods and experiments based on Floating Car Data (FCD)
JP6633372B2 (ja) 経路探索装置及び経路探索方法
JP2020056730A (ja) 経路探索プログラム、経路探索方法、及び経路探索システム
CN114065989A (zh) 交通状况预测方法、装置、电子设备及存储介质
JP5467124B2 (ja) 移動する対象物が静止している場所を場所と時刻からなる各サイティングの記録から選択する方法及び各サイティングの記録に従ってルート計画システム内でルート計画パラメータを較正する方法
US20240046786A1 (en) Information processing apparatus, information processing method, and computer program
CN112923942B (zh) 起点和终点之间车辆参考行驶路线的方法和装置
US11808602B2 (en) Method and device for correcting errors in map data
JP7275582B2 (ja) 移動トレンド検知システム、サーバコンピュータ、方法、及びコンピュータプログラム
JP7158118B2 (ja) 車両検索システム

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
TA01 Transfer of patent application right

Effective date of registration: 20220421

Address after: Room 715, 7th floor, No. 10, Furong street, Chaoyang District, Beijing

Applicant after: BEIJING AUTONAVI YUNMAP TECHNOLOGY Co.,Ltd.

Address before: Box 847, four, Grand Cayman capital, Cayman Islands, UK

Applicant before: ALIBABA GROUP HOLDING Ltd.

TA01 Transfer of patent application right