CN114495505B - 拥堵路段通过时长的预测方法、装置、介质及服务器 - Google Patents
拥堵路段通过时长的预测方法、装置、介质及服务器 Download PDFInfo
- Publication number
- CN114495505B CN114495505B CN202210115694.8A CN202210115694A CN114495505B CN 114495505 B CN114495505 B CN 114495505B CN 202210115694 A CN202210115694 A CN 202210115694A CN 114495505 B CN114495505 B CN 114495505B
- Authority
- CN
- China
- Prior art keywords
- road section
- networking
- vehicle
- node
- congested 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 230000006855 networking Effects 0.000 claims description 108
- 238000012360 testing method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 9
- 239000002609 medium Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
-
- 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
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种拥堵路段通过时长的预测方法、装置、介质及服务器,所述方法包括:获取拥堵路段内各个车辆的位置信息;其中,拥堵路段为车辆数目大于预设数量阈值的路段;基于拥堵路段对应的路口监控设备,获取车辆通过拥堵路段的速率;基于速率及拥堵路段内各个车辆的位置信息,确定拥堵路段内各个车辆通过拥堵路段的时长。通过本发明实施例提供的技术方案,能够实时获取拥堵路段内各个车辆的位置信息及车辆通过拥堵路段的速率,从而预测拥堵路段内各个车辆通过拥堵路段的时长,具有较高的实时性和准确性,有助于驾驶者更好地规划时间。
Description
技术领域
本发明实施例涉及车联网技术领域,尤其涉及一种拥堵路段通过时长的预测方法、装置、介质及服务器。
背景技术
随着社会快速发展,高效率、快节奏已经成为人们生活与工作的主要趋势。而道路拥堵往往会造成时间浪费,进而可能影响人们对时间的规划,给驾驶者带来极大的苦恼。
相关技术中,根据采集的待预测路段及其关联路段的过车记录数据,计算各个关联路段的拥堵指数和待预测路段的拥堵权重,进而对待预测路段的拥堵程度进行预测。然而,该方案对过往车辆的历史记录具有较强的依赖性,仅能对待预测路段的拥堵程度进行预测,而无法预测车辆通过拥堵路段的时长,且实时性较差。
发明内容
本发明实施例提供一种拥堵路段通过时长的预测方法、装置、存储介质及服务器,能够预测拥堵路段内各个车辆通过拥堵路段的时长,具有较高的实时性和准确性,有助于驾驶者更好地规划时间。
第一方面,本发明实施例提供了一种拥堵路段通过时长的预测方法,包括:
获取拥堵路段内各个车辆的位置信息;其中,所述拥堵路段为车辆数目大于预设数量阈值的路段;
基于所述拥堵路段对应的路口监控设备,获取车辆通过所述拥堵路段的速率;
基于所述速率及所述拥堵路段内各个车辆的位置信息,确定所述拥堵路段内各个车辆通过所述拥堵路段的时长。
第二方面,本发明实施例还提供了一种拥堵路段通过时长的预测装置,包括:
位置信息获取模块,用于获取拥堵路段内各个车辆的位置信息;其中,所述拥堵路段为车辆数目大于预设数量阈值的路段;
通过速率获取模块,用于基于所述拥堵路段对应的路口监控设备,获取车辆通过所述拥堵路段的速率;
通过时长确定模块,用于基于所述速率及所述拥堵路段内各个车辆的位置信息,确定所述拥堵路段内各个车辆通过所述拥堵路段的时长。
第三方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例提供的拥堵路段通过时长的预测方法。
第四方面,本发明实施例提供了一种服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例提供的拥堵路段通过时长的预测方法。
本发明实施例提供的拥堵路段通过时长的预测方案,获取拥堵路段内各个车辆的位置信息;其中,拥堵路段为车辆数目大于预设数量阈值的路段;基于拥堵路段对应的路口监控设备,获取车辆通过拥堵路段的速率;基于速率及拥堵路段内各个车辆的位置信息,确定拥堵路段内各个车辆通过拥堵路段的时长。通过本发明实施例提供的技术方案,能够实时获取拥堵路段内各个车辆的位置信息及车辆通过拥堵路段的速率,从而预测拥堵路段内各个车辆通过拥堵路段的时长,具有较高的实时性和准确性,有助于驾驶者更好地规划时间。
附图说明
图1是本发明一实施例提供的一种拥堵路段通过时长的预测方法的流程图;
图2是本发明另一实施例提供的一种拥堵路段通过时长的预测方法的流程图;
图3为本发明另一实施例提供的一种组网逻辑图;
图4是本发明另一实施例中的一种拥堵路段通过时长的预测装置的结构示意图;
图5是本发明另一实施例中的一种服务器的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1为本发明一实施例提供的一种拥堵路段通过时长的预测方法的流程图,本发明实施例可适用于对车辆通过拥堵路段的时长进行预测的情况,该方法可以由拥堵路段通过时长的预测装置来执行,该装置可由硬件和/或软件组成,并一般可集成在服务器中。如图1所示,该方法具体包括如下步骤:
步骤110,获取拥堵路段内各个车辆的位置信息;其中,拥堵路段为车辆数目大于预设数量阈值的路段。
其中,预设数量阈值可以是指预先设定的车辆数目。在本发明实施例中,可以通过车载智能终端利用车联网功能与周边车辆进行交互,得到车辆所在当前路段的车辆数目,并与预设数量阈值进行比较,进而依据比较结果判断车辆所在当前路段是否为拥堵路段。具体的,当检测到车辆数目大于预设数量阈值时,可以判定车辆所在当前路段为拥堵路段,也即车辆所在当前路段发生拥堵,此时将触发时间预测策略,否则判定车辆所在当前路段为非拥堵路段,也即车辆所在当前路段的路况处于正常状态,此时将不触发时间预测策略。需要说明的是,本发明实施例对预设数量阈值不做任何限定,可以根据不同城市的实际情况进行设定。
在本发明实施例中,可以通过路测设备获取拥堵路段内各个车辆的位置信息。需要说明的是,路测设备可以按照预设更新时间采集拥堵路段内各个车辆的位置信息,从而获取各个车辆的最新位置信息。其中,本发明实施例对预设更新时间不做任何限定,可以根据实际应用需求进行设定。示例性的,可以将预设更新时间设定为1分钟,该情况下路测设备可以每隔1分钟对拥堵路段内各个车辆的位置信息进行一次采集。
可选的,获取拥堵路段内各个车辆的位置信息,包括:通过拥堵路段内部署的路测采集设备,获取拥堵的路段内各个车辆的位置信息。其中,路测采集设备部署在拥堵路段内,并且路测采集设备可以是一个或者多个,此处对路测采集设备的数量不做任何限定。
步骤120,基于拥堵路段对应的路口监控设备,获取车辆通过拥堵路段的速率。
其中,路口监控设备可以用于获取车辆的通行速率。在本发明实施例中,可以通过拥堵路段对应的路口监控设备统计预设时间内(如1分钟)通过拥堵路段对应路口的车辆数量,再根据车辆数量及预设时间计算车辆通过拥堵路段的速率。其中,车辆的通行速率为车辆数量与预设时间的比值。需要说明的是,由于车辆在拥堵路段通行时速率可能发生变化,可以通过拥堵路段对应的路口监控设备按照预设更新时间采集车辆通过拥堵路段的速率,从而获取车辆通过拥堵路段的最新速率,以实现对速率的不断更新。
步骤130,基于速率及拥堵路段内各个车辆的位置信息,确定拥堵路段内各个车辆通过拥堵路段的时长。
在本发明实施例中,可以通过拥堵路段内各个车辆的位置信息得到各车辆从各自当前位置驶出拥堵路段对应的行驶距离,在速率已知的情况下,可根据行驶距离与速率的比值确定出拥堵路段内各个车辆通过拥堵路段的时长。需要说明的是,当车辆在拥堵路段通行时,各个车辆的位置信息及其速率可能发生变化,可以根据最新获取的各个车辆的位置信息和速率重新计算各个车辆通过拥堵路段的时长,以对各个车辆通过拥堵路段的时长进行不断更新。
本发明实施例提供的拥堵路段通过时长的预测方法,获取拥堵路段内各个车辆的位置信息;其中,拥堵路段为车辆数目大于预设数量阈值的路段;基于拥堵路段对应的路口监控设备,获取车辆通过拥堵路段的速率;基于速率及拥堵路段内各个车辆的位置信息,确定拥堵路段内各个车辆通过拥堵路段的时长。通过本发明实施例提供的技术方案,能够实时获取拥堵路段内各个车辆的位置信息及车辆通过拥堵路段的速率,从而预测拥堵路段内各个车辆通过拥堵路段的时长,具有较高的实时性和准确性,有助于驾驶者更好地规划时间。
图2为本发明另一实施例提供的一种拥堵路段通过时长的预测方法的流程图。如图2所示,该方法具体包括如下步骤:
步骤210、获取拥堵路段内各个车辆的位置信息;其中,拥堵路段为车辆数目大于预设数量阈值的路段。
步骤220、基于拥堵路段对应的路口监控设备,获取车辆通过拥堵路段的速率。
步骤230、基于速率及拥堵路段内各个车辆的位置信息,确定拥堵路段内各个车辆通过拥堵路段的时长。
其中,步骤210-230的具体实施方式可参见步骤110-130中的描述。
步骤240、将拥堵路段内各个车辆通过拥堵路段的时长发送至对应的车辆。
在本发明实施例中,可以利用车载终端系统将预测的拥堵路段内各个车辆通过拥堵路段的时长,通过终端显示界面展示给对应车辆的驾驶员,以使驾驶员及时知晓本车通过拥堵路段的时长,并可以据此对行程安排做出及时调整,从而做好时间规划。
本发明实施例提供的拥堵路段通过时长的预测方法,不仅能够根据实时获取的拥堵路段内各个车辆的位置信息及车辆通过拥堵路段的速率对拥堵路段内各个车辆通过拥堵路段的时长进行预测,而且还可以将预测结果发送至对应的车辆,以使驾驶员及时知晓本车通过拥堵路段的时长,并可以据此对行程安排做出及时调整,从而做好时间规划。
在一些实施例中,拥堵路段包括至少一个组网区域,各个组网区域内包括母节点和至少一个子节点;其中,节点为拥堵路段内的车辆;相应的,通过拥堵路段内部署的路测采集设备,获取拥堵的路段内各个车辆的位置信息,包括:针对各个组网区域,当前组网区域内的母节点获取当前组网区域内各个子节点的位置信息及标识信息,并基于各个子节点的位置信息及标识信息,生成当前组网区域的位置画像;当前组网区域内的母节点将当前组网区域的位置画像传输至当前组网区域内的最边界子节点;各个组网区域内的最边界子节点将对应的位置画像传输至目标组网区域内的最边界子节点;目标组网区域内的最边界子节点将各个组网区域的位置画像传输至目标组网区域内的总节点;其中,总节点为能够与路测采集设备通信的母节点;目标组网区域为包含总节点的组网区域;路测采集设备获取总节点传输的各个组网区域内的位置画像。
在本发明实施例中,拥堵路段可以包括一个或多个组网区域,且每个组网区域可以包括一个母节点和至少一个子节点。其中,节点为拥堵路段内的车辆。母节点可以用于采集所在组网区域内节点信息,并按照顺序生成当前组网区域的位置画像。子节点可以用于数据路由,同时可以判断数据是否属于当前组网区域。示例性的,节点信息可以包括位置信息及标识信息。其中,位置信息可可用于表征节点所在位置。标识信息可用于表征节点的唯一身份信息。子节点可以通过标识信息判断数据是否属于当前组网区域。
在本发明实施例中,总节点可以理解为能够与路测采集设备进行通信的母节点,目标组网区域可以是指包含总节点的组网区域。可以通过车载终端系统对预设通信范围内的车辆进行自适应组网,并自动生成母节点和子节点,同时可以对母节点和子节点进行标识,避免车辆被反复统计。针对各个组网区域,可以通过当前组网区域内的母节点获取当前组网区域内各个子节点的位置信息及标识信息,并基于各个子节点的位置信息及标识信息,生成当前组网区域的位置画像。其中,位置画像可用于表征组网区域中各节点的相对位置关系。
图3为本发明另一实施例提供的一种组网逻辑图。其中,○表示子节点,表示最边界子节点,/>表示母节点,/>表示总节点,A1-A4分别表示不同组网区域,箭头方向表示数据传输方向。如图3所示,当前组网包含4个组网区域,并且总节点位于组网区域A3中,也即组网区域A3为目标组网区域。针对组网区域A1-A4,可以通过当前组网区域内的母节点将当前组网区域的位置画像传输至当前组网区域内的最边界子节点,再由组网区域A1的最边界子节点将A1的位置画像传输至组网区域A1,由组网区域A2的最边界子节点将A1和A2的位置画像传输至组网区域A3,由组网区域A4的最边界子节点将A4的位置画像传输至组网区域A3,进而可以通过目标组网区域A3内的最边界子节点将A1、A2和A3的位置画像传输至目标组网区域A3内的总节点,最后可以通过路测采集设备获取总节点传输的各个组网区域内的位置画像。需要说明的是,本发明实施例中对节点传输方向不做任何限定,但最终需要将各个组网区域内的位置画像传输给目标组网区域。
本方案采用这样的设置,可以通过路测采集设备获取总节点传输的各个组网区域内的位置画像,以此可以得到各节点的相对位置关系。
可选的,标识信息包括车辆识别码信息。可选的,标识信息还可以为车辆的车牌号。需要说明的是,本发明实施例对标识信息的具体内容不做限定。
图4为本发明另一实施例提供的一种拥堵路段通过时长的预测装置的结构示意图。如图4所示,该装置包括:位置信息获取模块410,通过速率获取模块420和通过时长确定模块430。其中,
位置信息获取模块410,用于获取拥堵路段内各个车辆的位置信息;其中,所述拥堵路段为车辆数目大于预设数量阈值的路段;
通过速率获取模块420,用于基于所述拥堵路段对应的路口监控设备,获取车辆通过所述拥堵路段的速率;
通过时长确定模块430,用于基于所述速率及所述拥堵路段内各个车辆的位置信息,确定所述拥堵路段内各个车辆通过所述拥堵路段的时长。
本发明实施例提供的拥堵路段通过时长的预测装置,获取拥堵路段内各个车辆的位置信息;其中,拥堵路段为车辆数目大于预设数量阈值的路段;基于拥堵路段对应的路口监控设备,获取车辆通过拥堵路段的速率;基于速率及拥堵路段内各个车辆的位置信息,确定拥堵路段内各个车辆通过拥堵路段的时长。通过本发明实施例提供的技术方案,能够实时获取拥堵路段内各个车辆的位置信息及车辆通过拥堵路段的速率,从而预测拥堵路段内各个车辆通过拥堵路段的时长,具有较高的实时性和准确性,有助于驾驶者更好地规划时间。
可选的,所述位置信息获取模块410,包括:
位置信息获取单元,用于通过所述拥堵路段内部署的路测采集设备,获取拥堵的路段内各个车辆的位置信息。
可选的,所述拥堵路段包括至少一个组网区域,各个组网区域内包括母节点和至少一个子节点;所述节点为所述拥堵路段内的车辆;
相应的,所述位置信息获取单元,用于:
针对各个组网区域,当前组网区域内的母节点获取所述当前组网区域内各个子节点的位置信息及标识信息,并基于各个子节点的位置信息及标识信息,生成所述当前组网区域的位置画像;所述当前组网区域内的母节点将所述当前组网区域的位置画像传输至当前组网区域内的最边界子节点;
各个组网区域内的最边界子节点将对应的位置画像传输至目标组网区域内的最边界子节点;所述目标组网区域内的最边界子节点将各个组网区域的位置画像传输至所述目标组网区域内的总节点;其中,所述总节点为能够与所述路测采集设备通信的母节点;所述目标组网区域为包含总节点的组网区域;
所述路测采集设备获取所述总节点传输的各个组网区域内的位置画像。
可选的,所述标识信息包括车辆识别码信息。
可选的,所述装置还包括:
时长发送模块,用于将所述拥堵路段内各个车辆通过所述拥堵路段的时长发送至对应的车辆。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行拥堵路段通过时长的预测方法,该方法包括:
获取拥堵路段内各个车辆的位置信息;其中,所述拥堵路段为车辆数目大于预设数量阈值的路段;
基于所述拥堵路段对应的路口监控设备,获取车辆通过所述拥堵路段的速率;
基于所述速率及所述拥堵路段内各个车辆的位置信息,确定所述拥堵路段内各个车辆通过所述拥堵路段的时长。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDRRAM、SRAM、EDORAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的拥堵路段通过时长的预测操作,还可以执行本发明任意实施例所提供的拥堵路段通过时长的预测方法中的相关操作。
本发明实施例提供了一种服务器,该服务器中可集成本发明实施例提供的拥堵路段通过时长的预测装置。图5为本发明另一实施例提供的一种服务器的结构示意图。服务器500可以包括:存储器501,处理器502及存储在存储器501上并可在处理器运行的计算机程序,所述处理器502执行所述计算机程序时实现如本发明实施例所述的拥堵路段通过时长的预测方法。
本发明实施例中提供的服务器,
获取拥堵路段内各个车辆的位置信息;其中,拥堵路段为车辆数目大于预设数量阈值的路段;基于拥堵路段对应的路口监控设备,获取车辆通过拥堵路段的速率;基于速率及拥堵路段内各个车辆的位置信息,确定拥堵路段内各个车辆通过拥堵路段的时长。通过本发明实施例提供的技术方案,能够实时获取拥堵路段内各个车辆的位置信息及车辆通过拥堵路段的速率,从而预测拥堵路段内各个车辆通过拥堵路段的时长,具有较高的实时性和准确性,有助于驾驶者更好地规划时间。
上述实施例中提供的拥堵路段通过时长的预测装置、存储介质及服务器可执行本发明任意实施例所提供的拥堵路段通过时长的预测方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的拥堵路段通过时长的预测方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.一种拥堵路段通过时长的预测方法,其特征在于,包括:
通过拥堵路段内部署的路测采集设备,获取拥堵路段内各个车辆的位置信息;其中,所述拥堵路段为车辆数目大于预设数量阈值的路段;
基于所述拥堵路段对应的路口监控设备,获取车辆通过所述拥堵路段的速率;
基于所述速率及所述拥堵路段内各个车辆的位置信息,确定所述拥堵路段内各个车辆通过所述拥堵路段的时长;
其中,所述拥堵路段包括至少一个组网区域,各个组网区域内包括母节点和至少一个子节点;所述节点为所述拥堵路段内的车辆;
通过拥堵路段内部署的路测采集设备,获取拥堵路段内各个车辆的位置信息,包括:
针对各个组网区域,当前组网区域内的母节点获取所述当前组网区域内各个子节点的位置信息及标识信息,并基于各个子节点的位置信息及标识信息,生成所述当前组网区域的位置画像;所述当前组网区域内的母节点将所述当前组网区域的位置画像传输至当前组网区域内的最边界子节点;所述位置画像用于表征组网区域中各节点的相对位置关系;
各个组网区域内的最边界子节点将对应的位置画像传输至目标组网区域内的最边界子节点;所述目标组网区域内的最边界子节点将各个组网区域的位置画像传输至所述目标组网区域内的总节点;其中,所述总节点为能够与所述路测采集设备通信的母节点;所述目标组网区域为包含总节点的组网区域;
所述路测采集设备获取所述总节点传输的各个组网区域内的位置画像。
2.根据权利要求1所述的方法,其特征在于,所述标识信息包括车辆识别码信息。
3.根据权利要求1-2任一所述的方法,其特征在于,在基于所述速率及所述拥堵路段内各个车辆的位置信息,确定所述拥堵路段内各个车辆通过所述拥堵路段的时长之后,还包括:
将所述拥堵路段内各个车辆通过所述拥堵路段的时长发送至对应的车辆。
4.一种拥堵路段通过时长的预测装置,其特征在于,包括:
位置信息获取模块,用于通过拥堵路段内部署的路测采集设备,获取拥堵路段内各个车辆的位置信息;其中,所述拥堵路段为车辆数目大于预设数量阈值的路段;
通过速率获取模块,用于基于所述拥堵路段对应的路口监控设备,获取车辆通过所述拥堵路段的速率;
通过时长确定模块,用于基于所述速率及所述拥堵路段内各个车辆的位置信息,确定所述拥堵路段内各个车辆通过所述拥堵路段的时长;
其中,所述拥堵路段包括至少一个组网区域,各个组网区域内包括母节点和至少一个子节点;所述节点为所述拥堵路段内的车辆;
所述位置信息获取模块,用于:
针对各个组网区域,当前组网区域内的母节点获取所述当前组网区域内各个子节点的位置信息及标识信息,并基于各个子节点的位置信息及标识信息,生成所述当前组网区域的位置画像;所述当前组网区域内的母节点将所述当前组网区域的位置画像传输至当前组网区域内的最边界子节点;所述位置画像用于表征组网区域中各节点的相对位置关系;
各个组网区域内的最边界子节点将对应的位置画像传输至目标组网区域内的最边界子节点;所述目标组网区域内的最边界子节点将各个组网区域的位置画像传输至所述目标组网区域内的总节点;其中,所述总节点为能够与所述路测采集设备通信的母节点;所述目标组网区域为包含总节点的组网区域;
所述路测采集设备获取所述总节点传输的各个组网区域内的位置画像。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现如权利要求1-3中任一所述的拥堵路段通过时长的预测方法。
6.一种服务器,其特征在于,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-3任一所述的拥堵路段通过时长的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210115694.8A CN114495505B (zh) | 2022-02-07 | 2022-02-07 | 拥堵路段通过时长的预测方法、装置、介质及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210115694.8A CN114495505B (zh) | 2022-02-07 | 2022-02-07 | 拥堵路段通过时长的预测方法、装置、介质及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114495505A CN114495505A (zh) | 2022-05-13 |
CN114495505B true CN114495505B (zh) | 2023-08-15 |
Family
ID=81478302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210115694.8A Active CN114495505B (zh) | 2022-02-07 | 2022-02-07 | 拥堵路段通过时长的预测方法、装置、介质及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114495505B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311848A (zh) * | 2022-07-04 | 2022-11-08 | 中国第一汽车股份有限公司 | 车辆信息的处理方法、系统、装置、存储介质和车辆 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002257561A (ja) * | 2001-03-02 | 2002-09-11 | Denso Corp | 渋滞情報提供装置 |
CN101237370A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微系统所分中心 | 带有簇中继节点的码分分簇无线传感器网的网络架构方法 |
CN101729331A (zh) * | 2008-10-28 | 2010-06-09 | 华为技术有限公司 | 成簇方法与装置、簇头与基站的路由方法与装置 |
JP2011118521A (ja) * | 2009-12-01 | 2011-06-16 | Sumitomo Electric Ind Ltd | 交通情報算出装置、交通システム及びコンピュータプログラム |
CN102768807A (zh) * | 2012-06-14 | 2012-11-07 | 龚䶮 | 模拟导弹制导的车辆路径规划方法 |
CN103781148A (zh) * | 2014-02-25 | 2014-05-07 | 重庆邮电大学 | 车载自组织网络中基于链路感知的稳定成簇路由方法 |
CN104950840A (zh) * | 2015-04-30 | 2015-09-30 | 东莞电子科技大学电子信息工程研究院 | 一种电池组监控传输系统及方法 |
CN106452507A (zh) * | 2016-12-07 | 2017-02-22 | 南京万形电气有限公司 | 一种基于ofdm电力线载波通信的自愈自组网方法 |
JP2017126123A (ja) * | 2016-01-12 | 2017-07-20 | 本田技研工業株式会社 | 交通渋滞予測装置及び交通渋滞予測方法 |
CN108012244A (zh) * | 2017-11-29 | 2018-05-08 | 南京工业大学 | 基于簇的公路车载自组织网络数据服务通信系统及方法 |
CN111489548A (zh) * | 2020-02-28 | 2020-08-04 | 广东中科臻恒信息技术有限公司 | 动态道路交通信息采集方法及系统、存储介质 |
CN112700641A (zh) * | 2020-12-17 | 2021-04-23 | 杭州海康威视系统技术有限公司 | 停车场管理方法、装置、电子设备及存储介质 |
CN113409584A (zh) * | 2021-06-10 | 2021-09-17 | 英博超算(南京)科技有限公司 | 一种基于v2x的交通拥堵分析和预防方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9576481B2 (en) * | 2015-04-30 | 2017-02-21 | Here Global B.V. | Method and system for intelligent traffic jam detection |
WO2018180688A1 (ja) * | 2017-03-31 | 2018-10-04 | 日本電気株式会社 | 渋滞推定装置、渋滞推定方法およびそのプログラムを格納した記録媒体 |
-
2022
- 2022-02-07 CN CN202210115694.8A patent/CN114495505B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002257561A (ja) * | 2001-03-02 | 2002-09-11 | Denso Corp | 渋滞情報提供装置 |
CN101237370A (zh) * | 2008-03-05 | 2008-08-06 | 中科院嘉兴中心微系统所分中心 | 带有簇中继节点的码分分簇无线传感器网的网络架构方法 |
CN101729331A (zh) * | 2008-10-28 | 2010-06-09 | 华为技术有限公司 | 成簇方法与装置、簇头与基站的路由方法与装置 |
JP2011118521A (ja) * | 2009-12-01 | 2011-06-16 | Sumitomo Electric Ind Ltd | 交通情報算出装置、交通システム及びコンピュータプログラム |
CN102768807A (zh) * | 2012-06-14 | 2012-11-07 | 龚䶮 | 模拟导弹制导的车辆路径规划方法 |
CN103781148A (zh) * | 2014-02-25 | 2014-05-07 | 重庆邮电大学 | 车载自组织网络中基于链路感知的稳定成簇路由方法 |
CN104950840A (zh) * | 2015-04-30 | 2015-09-30 | 东莞电子科技大学电子信息工程研究院 | 一种电池组监控传输系统及方法 |
JP2017126123A (ja) * | 2016-01-12 | 2017-07-20 | 本田技研工業株式会社 | 交通渋滞予測装置及び交通渋滞予測方法 |
CN106452507A (zh) * | 2016-12-07 | 2017-02-22 | 南京万形电气有限公司 | 一种基于ofdm电力线载波通信的自愈自组网方法 |
CN108012244A (zh) * | 2017-11-29 | 2018-05-08 | 南京工业大学 | 基于簇的公路车载自组织网络数据服务通信系统及方法 |
CN111489548A (zh) * | 2020-02-28 | 2020-08-04 | 广东中科臻恒信息技术有限公司 | 动态道路交通信息采集方法及系统、存储介质 |
CN112700641A (zh) * | 2020-12-17 | 2021-04-23 | 杭州海康威视系统技术有限公司 | 停车场管理方法、装置、电子设备及存储介质 |
CN113409584A (zh) * | 2021-06-10 | 2021-09-17 | 英博超算(南京)科技有限公司 | 一种基于v2x的交通拥堵分析和预防方法 |
Non-Patent Citations (1)
Title |
---|
基于雾计算和自评估的VANET聚类与协作感知;刘丹;;计算机科学(10);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114495505A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11520331B2 (en) | Methods and apparatus to update autonomous vehicle perspectives | |
Marfia et al. | Vehicular congestion detection and short-term forecasting: a new model with results | |
CN109993969A (zh) | 一种路况判定信息获取方法、装置及设备 | |
JP2021501425A (ja) | セルラーネットワークベース運転支援方法及び交通制御ユニット | |
US11170639B2 (en) | Transportation threat detection system | |
US10755565B2 (en) | Prioritized vehicle messaging | |
CN105355039A (zh) | 路况信息处理方法及设备 | |
Al Mamun et al. | An intelligent smartphone based approach using IoT for ensuring safe driving | |
CN107045794B (zh) | 路况处理方法及装置 | |
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 | |
CN112926575A (zh) | 交通事故识别方法、装置、电子设备和介质 | |
CN110733507A (zh) | 车道变换及道路隔离方法、装置、设备及存储介质 | |
CN114495505B (zh) | 拥堵路段通过时长的预测方法、装置、介质及服务器 | |
Habtie et al. | Artificial neural network based real-time urban road traffic state estimation framework | |
US10706720B2 (en) | Predicting vehicle travel times by modeling heterogeneous influences between arterial roads | |
Younes | Real-time traffic distribution prediction protocol (TDPP) for vehicular networks | |
CN112233419B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN113963550B (zh) | 一种多义路径识别方法、装置及电子设备 | |
WO2021189767A1 (zh) | 一种基于v2x的多目标处理方法 | |
Montero et al. | Case study on cooperative car data for estimating traffic states in an urban network | |
Vulimiri et al. | Application of secondary information for misbehavior detection in VANETs | |
CN117496726A (zh) | 一种基于智能交通系统的交通控制协同方法及系统 | |
US11823565B2 (en) | System and method for vehicle queue length detection in a connected vehicle infrastructure environment | |
Montero Mercadé et al. | A case study on cooperative car data for traffic state estimation in an urban network | |
CN106887138B (zh) | 一种堵车蔓延态势侦测方法与系统 |
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 |