CN114566062B - 车辆停车调度管理方法、装置、计算机设备和存储介质 - Google Patents
车辆停车调度管理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114566062B CN114566062B CN202210062684.2A CN202210062684A CN114566062B CN 114566062 B CN114566062 B CN 114566062B CN 202210062684 A CN202210062684 A CN 202210062684A CN 114566062 B CN114566062 B CN 114566062B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- parking lot
- congestion
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
Abstract
本发明涉及一种车辆停车调度管理方法方法、装置、计算机设备和存储介质,该方法包括:获取GPS信息点,根据GPS信息点确定车辆是否进入指定地理范围内,若进入指定地理范围内,则根据车辆的GPS数据的轨迹点,对车辆进行路径规划;基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合各个候选路径上的停车场进行停车调度。上述方法对于经常发生拥堵的场景有很明显的效果。
Description
技术领域
本发明涉及互联网应用技术领域,特别是涉及车辆停车调度管理方法、装置、计算机设备和存储介质。
背景技术
目前虽然可以在拥堵过程中及时预测引导车辆入场,但司机的行为并不可控,存在人为干扰因素。由于采用车机报点的方式采集车辆位置信息,对车机报点的方式存在依赖,这样无法针对未采集到报点的车辆进行道路拥堵的监控,存在误差。且未针对不同道路拥堵程度进行有区别的疏导。
发明内容
本申请提供了一种车辆停车调度管理方法、装置、计算机设备和存储介质。
第一方面提供了一种车辆停车调度管理方法,所述方法包括:
获取GPS信息点,根据GPS信息点确定所述车辆是否进入指定地理范围内,
若进入指定地理范围内,则根据车辆的GPS数据的轨迹点,对车辆进行路径规划;
基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合所述各个候选路径上的停车场进行停车调度。
在一些实施例中,所述方法还包括构建所述拥堵预测模型,所述构建所述拥堵预测模型,包括:
统计预设历史时间段内车辆行驶轨迹,确定车辆可行驶道路;
统计所述车辆可行驶道路上各个路段车辆拥堵情况;
统计预设个数路口以内,通往各个路段的路线的车辆拥堵状态和时间,以及路线的转向关系的数据集;
基于LSTM深度学习网络,根据所述数据集构建拥堵预测模型。
在一些实施例中,所述LSTM深度学习网络采用两个LSTM层和两个Dropout层,训练生成所述拥堵时长预测模型。
在一些实施例中,所述根据车辆的GPS数据的轨迹点,对车辆进行路径规划,包括:
确定是否接收到所述车辆的目的地信息,
如果接收到所述车辆的目的轨迹点,则在计算当前轨迹点和目的轨迹点之间所有候选路线长度之后按长度进行排序,仅保留预设数量的短长度候选路线;
在计算相邻两个轨迹点之间的所有候选路线的长度之后按长度进行排序,则设定所述车辆的预测目的轨迹点,在计算当前轨迹点和预测目的轨迹点之间所有候选路线长度之后按长度进行排序,仅保留预设数量的短长度候选路线。
在一些实施例中,所述基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合所述各个候选路径上的停车场进行停车调度,包括:
确定所述车辆的当前轨迹点与目标轨迹点或预测目的轨迹点之间是否发生道路拥堵,若发生,则获取与所述车辆的目的轨迹点最近的停车场作为所述车辆的引导停车场并对其发送引导消息。
在一些实施例中,在获取与所述车辆的目的轨迹点最近的停车场作为所述车辆的引导停车场并对其发送引导消息之前,还包括:
确定所述停车场是否由停车位,如果有,则停车场作为所述车辆的引导停车场并对其发送引导消息。
在一些实施例中,所述GPS信息点的数据包括车辆标识号、经纬度、路段标识号、车辆速度和采集车辆行进信息数据的时间点。
第二方面提供了一种车辆停车调度管理装置,所述装置包括如下模块:
数据获取模块,用于获取GPS信息点,根据GPS信息点确定所述车辆是否进入指定地理范围内;
路径规划模块,用于对车辆从出发地到目的地进行路径规划;
停车调度模块,用于基于拥堵预测模型判断车辆前往目的地的各个路径的行驶时间和拥堵状况,并结合所述各个路径上是否具有停车场进行停车调度。
第三方面提供了一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述所述车辆停车调度管理方法的步骤。
第四方面提供了一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述所述车辆停车调度管理方法的步骤。
上述车辆停车调度管理方法、装置、计算机设备和存储介质,首先获取GPS信息点,根据GPS信息点确定所述车辆是否进入指定地理范围内,其次若进入指定地理范围内,则根据车辆的GPS数据的轨迹点,对车辆进行路径规划;最后基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合所述各个候选路径上的停车场进行停车调度。因此,用于监控与预测货车在行进道路过程发生拥堵的场景,对于gps监控领域,可以在发生道路拥堵前后,及时进行疏导并推送入场消息,对货车停车调度进行管理,对货车行驶过程中的数据进行采集。
附图说明
图1为一个实施例中提供的车辆停车调度管理方法的实施环境图;
图2为一个实施例中计算机设备的内部结构框图;
图3为一个实施例中车辆停车调度管理方法的流程图;
图4为另一个实施例中车辆停车调度管理方法的流程图;
图5为一个实施例中车辆停车调度管理装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。
图1为一个实施例中提供的车辆停车调度管理方法的实施环境图,如图1所示,在该实施环境中,可以包括计算机设备110以及终端120。
计算机设备110为数据提供方设备,计算机设备110具有接口,例如可以为接口是API(Application Programming Interface,即应用程序接口)。终端120为查询输入方,具有接口配置界面,当车辆停车调度管理时,用户可以通过终端120输入查询请求,以使计算机设备110进行接下来的车辆停车调度管理。
需要说明的是,终端120以及计算机设备110可为智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此。计算机设备110以及终端110可以通过蓝牙、USB(Universal Serial Bus,通用串行总线)或者其他通讯连接方式进行连接,本发明在此不做限制。
图2为一个实施例中计算机设备的内部结构示意图。如图2所示,该计算机设备可以包括通过系统总线连接的处理器、存储介质、存储器和网络API接口。其中,该计算机设备的存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种车辆停车调度管理方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种车辆停车调度管理方法。该计算机设备的网络API接口用于与终端连接通信。本领域技术人员可以理解,图2中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
如图3所示,在一个实施例中,提出了一种车辆停车调度管理方法,该车辆停车调度管理方法可以应用于上述的计算机设备110中,具体可以包括以下步骤:
步骤301、获取GPS信息点,根据GPS信息点确定车辆是否进入指定地理范围内;
其中,通过设置在车辆上的GPS终端设备周期性地采集车辆行进的信息数据,得到若干GPS信息点;每个GPS信息点的数据包括车辆ID(车辆标识号)、经纬度、路段ID(路段标识号)、车辆速度和采集车辆行进信息数据的时间点等数据。
在某些实施方式中,从路网匹配数据库中,调取所有高速公路的路段数据,存储到一个文件中,然后上传到大数据环境中。在路网匹配数据库中,存储有每个GPS信息点(GPS信息点的信息数据包含车辆ID、经纬度、路段ID、速度、时间等数据)所在路线的路段信息。
步骤302、若进入指定地理范围内,则根据车辆的GPS数据的轨迹点,对车辆进行路径规划;
对于注册车辆,从进入监控区域开始进行行程监控,驶出监控区域后结束监控。最终目的是当发现前方路段拥堵后,向该车发送引导消息并告知最近的停车场进行疏导。
在一些实施例中,根据车辆的GPS数据的轨迹点,对车辆进行路径规划,包括:
步骤3021、确定是否接收到车辆的目的地信息;
其中,车辆行驶过程中,当车辆不是注册车辆,当前gps点时间大于当前时间(时间错乱),没有行驶状态、行驶状态为去停车场、在停车场、在目的地时不对其推送引导消息。不满足以上条件时,确定当前车辆为在途监控车辆。车辆状态为:车辆进入监控区域->车辆在去目的地的路上。
步骤3022、如果接收到车辆的目的轨迹点,则在计算当前轨迹点和目的轨迹点之间所有候选路线长度之后按长度进行排序,仅保留预设数量的短长度候选路线;
步骤3023、在计算相邻两个轨迹点之间的所有候选路线的长度之后按长度进行排序,则设定车辆的预测目的轨迹点,在计算当前轨迹点和预测目的轨迹点之间所有候选路线长度之后按长度进行排序,仅保留预设数量的短长度候选路线。
其中,对于刚进入监控区域的车辆,我们根据地图道路数据选择合适假想点作为该车辆假想目的地。
车辆进入停车场后进行车辆信息登记,获取并更新该车真实目的地,在车辆离开停车场后对其前往真实目的地进行监控。车辆离开目的地后以进入监控区域起始位置做为离开目的地假想点。
步骤3024、根据gps点信息与道路拥堵信息对该车当前位置与目的地进行路径规划判断是否可达,当不可达时发送引导消息并获取与该车目的地最近的停车场作为该车引导停车场并对其发送引导消息,当车辆进入停车场后,该车状态为:车辆在去目的地的路上->车辆在去停车场的路上->车辆进入停车场。
根据用户车辆位置和目的地位置,根据距离进行路线规划,选择最短距离路线和最短距离*2里程范围之间的路线,选择方式为先找最短距离路线,然后从可通行路网中去掉该路线中间1/3部分,再找当前最短距离路线,直到路线长度超过最短路线两倍。这个步骤是为了限制可选路线的范围,因为路线的组合方法可能有无数种,这里认为如果绕路很严重(超过最短路线2倍),就没有使用这条路线的价值了。这样做一方面更加符合实际情况,另一方面也减少运算量。
将选择的路线放到一个列表中,查看这些路线内是否有全程不拥堵的路线,如果有则直接选择最短的不拥堵路线,引导用户依照最短的不拥堵路线前往目的地。如果各个路线都拥堵,预估各路线的全程拥堵时间,并判断路线上是否有停车场入口。如果各个路线都没有停车场入口,则引导用户依照拥堵时间最短路线前往目的地。
定时任务计算道路拥堵情况:每3s计算所有道路拥堵情况,获取所有监控车辆轨迹并获取车辆最后所处路段link,统计当前所有在该link(环节)下对应车辆数与速度。分析所有路段每段link平均速度=当前link速度和/当前link车辆数。当平均速度低于40m/s认为当前路段处于拥堵状态,需要疏通。
步骤303、基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合各个候选路径上的停车场进行停车调度。
在一种应用场景中,基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合各个候选路径上的停车场进行停车调度,包括:
确定车辆的当前轨迹点与目标轨迹点或预测目的轨迹点之间是否发生道路拥堵,若发生,则获取与车辆的目的轨迹点最近的停车场作为车辆的引导停车场并对其发送引导消息。
在一种应用场景中,在获取与车辆的目的轨迹点最近的停车场作为车辆的引导停车场并对其发送引导消息之前,还包括:
确定停车场是否由停车位,如果有,则停车场作为车辆的引导停车场并对其发送引导消息。
根据gps点信息与道路拥堵信息对该车当前位置与目的地进行路径规划判断是否可达,当不可达时发送引导消息并获取与该车目的地最近的停车场作为该车引导停车场并对其发送引导消息,当车辆进入停车场后,该车状态为:车辆在去目的地的路上->车辆在去停车场的路上->车辆进入停车场。
针对某些停车场已满的情况,不对该车进行引导,保持原来行驶路线。定时任务计算在停车场车辆到目的地拥堵情况:每20s计算在停车场中车辆从停车场出口出发到该车真实目的地是否可达,当可达时该车即可驶离停车场前往目的地,该车状态为:车辆进入停车场->车辆离开停车场并去目的地的路上。车辆进入目的地坐标半径1000米范围后即认为该车到达目的地,状态更新为:车辆进入目的地。车辆离开目的地后,道路拥堵情况、车辆状态与目的地是否可达、是否发送引导消息引导入场步骤与以上3-9相同。定时任务清除车辆过期轨迹:每50min检查一次车辆gps点情况,该时间范围内没有gps点将删除该车辆的轨迹记录。
在一些实施例中,上述方法还包括构建拥堵预测模型,构建拥堵预测模型,包括:
步骤3001、统计预设历史时间段内车辆行驶轨迹,确定车辆可行驶道路;
步骤3002、统计车辆可行驶道路上各个路段车辆拥堵情况;
步骤3003、统计预设个数路口以内,通往各个路段的路线的车辆拥堵状态和时间,以及路线的转向关系的数据集;
步骤3004、基于LSTM深度学习网络,根据数据集构建拥堵预测模型。
进一步的,LSTM深度学习网络采用两个LSTM层和两个Dropout层,训练生成拥堵时长预测模型。
本方法对发生拥堵的路段疏导具有及时性、可靠性、高效性与一定的预测性,针对处于拥堵的货车车辆都能第一时间找到最合理的停车场并发送引导消息引导入场,能够极大缓解拥堵道路之后的压力。针对入场车辆可以采集到该车的轨迹、长跑路线、停靠点、里程等维度元素作为大数据平台数据支撑。
如图5所示,在一个实施例中,提供了一种车辆停车调度管理装置,该车辆停车调度管理装置可以集成于上述的计算机设备110中,具体可以包括:
数据获取模块511,用于获取GPS信息点,根据GPS信息点确定车辆是否进入指定地理范围内;
路径规划模块512,用于对车辆从出发地到目的地进行路径规划;
停车调度模块513,用于基于拥堵预测模型判断车辆前往目的地的各个路径的行驶时间和拥堵状况,并结合各个路径上是否具有停车场进行停车调度。
在一个实施例中,提出了一种计算机设备,计算机设备可以包括存储器、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,处理器执行计算机程序时实现以下步骤:获取GPS信息点,根据GPS信息点确定车辆是否进入指定地理范围内,若进入指定地理范围内,则根据车辆的GPS数据的轨迹点,对车辆进行路径规划;基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合各个候选路径上的停车场进行停车调度。
在一个实施例中,提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:获取GPS信息点,根据GPS信息点确定车辆是否进入指定地理范围内,若进入指定地理范围内,则根据车辆的GPS数据的轨迹点,对车辆进行路径规划;基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合各个候选路径上的停车场进行停车调度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种车辆停车调度管理方法,其特征在于,所述方法包括:
获取GPS信息点,根据GPS信息点确定所述车辆是否进入指定地理范围内;
若进入指定地理范围内,则根据车辆的GPS数据的轨迹点,对车辆进行路径规划;
基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合所述各个候选路径上的停车场进行停车调度;
所述基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合所述各个候选路径上的停车场进行停车调度,包括:
确定所述车辆的当前轨迹点与目标轨迹点或预测目的轨迹点之间是否发生道路拥堵,若发生,则获取与所述车辆的目的轨迹点最近的停车场作为所述车辆的引导停车场并对其发送引导消息;
所述车辆到达引导停车场后,定时计算道路拥堵情况和停车场到目的地路径可达情况,当目的地路径可达时,引导车辆驶出停车场前往目的地,更新车辆状态并发送引导消息,定时清除车辆过期轨迹;
其中,所述确定所述车辆的当前轨迹点与目标轨迹点或预测目的轨迹点之间是否发生道路拥堵,包括:
获取所有监控车辆轨迹并获取车辆最后所处路段环节;
统计当前所有在所述路段环节下对应车辆数与速度;
分析所有路段每段路段环节的平均速度,当所述平均速度低于指定阈值,则认为当前路段处于拥堵状态;
其中,所述路段环节的平均速度=当前link速度和/当前link车辆数。
2.根据权利要求1所述的车辆停车调度管理方法,其特征在于,所述方法还包括构建所述拥堵预测模型,所述构建所述拥堵预测模型,包括:
统计预设历史时间段内车辆行驶轨迹,确定车辆可行驶道路;
统计所述车辆可行驶道路上各个路段车辆拥堵情况;
统计预设个数路口以内,通往各个路段的路线的车辆拥堵状态和时间,以及路线的转向关系的数据集;
基于LSTM深度学习网络,根据所述数据集构建拥堵预测模型。
3.根据权利要求2所述的车辆停车调度管理方法,其特征在于,所述LSTM深度学习网络采用两个LSTM层和两个Dropout层,训练生成所述拥堵时长预测模型。
4.根据权利要求1所述的车辆停车调度管理方法,其特征在于,所述根据车辆的GPS数据的轨迹点,对车辆进行路径规划,包括:
确定是否接收到所述车辆的目的地信息,
如果接收到所述车辆的目的轨迹点,则在计算当前轨迹点和目的轨迹点之间所有候选路线长度之后按长度进行排序,仅保留预设数量的短长度候选路线;
在计算相邻两个轨迹点之间的所有候选路线的长度之后按长度进行排序,则设定所述车辆的预测目的轨迹点,在计算当前轨迹点和预测目的轨迹点之间所有候选路线长度之后按长度进行排序,仅保留预设数量的短长度候选路线。
5.根据权利要求1所述的车辆停车调度管理方法,其特征在于,在所述获取与所述车辆的目的轨迹点最近的停车场作为所述车辆的引导停车场并对其发送引导消息之前,还包括:
确定所述停车场是否由停车位,如果有,则停车场作为所述车辆的引导停车场并对其发送引导消息。
6.根据权利要求1所述的车辆停车调度管理方法,其特征在于,所述GPS信息点的数据包括车辆标识号、经纬度、路段标识号、车辆速度和采集车辆行进信息数据的时间点。
7.一种车辆停车调度的装置,其特征在于,所述装置包括如下模块:
数据获取模块,用于获取GPS信息点,根据GPS信息点确定所述车辆是否进入指定地理范围内;
路径规划模块,用于对车辆从出发地到目的地进行路径规划;
停车调度模块,用于基于拥堵预测模型判断车辆前往目的地的各个路径的行驶时间和拥堵状况,并结合所述各个路径上是否具有停车场进行停车调度;
所述基于拥堵预测模型判断车辆前往目的地的路径的行驶时间和拥堵状况,结合所述各个候选路径上的停车场进行停车调度,包括:
确定所述车辆的当前轨迹点与目标轨迹点或预测目的轨迹点之间是否发生道路拥堵,若发生,则获取与所述车辆的目的轨迹点最近的停车场作为所述车辆的引导停车场并对其发送引导消息;
所述车辆到达引导停车场后,定时计算道路拥堵情况和停车场到目的地路径可达情况,当目的地路径可达时,引导车辆驶出停车场前往目的地,更新车辆状态并发送引导消息,定时清除车辆过期轨迹;
其中,所述确定所述车辆的当前轨迹点与目标轨迹点或预测目的轨迹点之间是否发生道路拥堵,包括:
获取所有监控车辆轨迹并获取车辆最后所处路段环节;
统计当前所有在所述路段环节下对应车辆数与速度;
分析所有路段每段路段环节的平均速度,当所述平均速度低于指定阈值,则认为当前路段处于拥堵状态;
其中,所述路段环节的平均速度=当前link速度和/当前link车辆数。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器运行所述计算机程序以实现如权利要求1-6中任一项所述的方法。
9.一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,所述程序被处理器执行实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210062684.2A CN114566062B (zh) | 2022-01-19 | 2022-01-19 | 车辆停车调度管理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210062684.2A CN114566062B (zh) | 2022-01-19 | 2022-01-19 | 车辆停车调度管理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114566062A CN114566062A (zh) | 2022-05-31 |
CN114566062B true CN114566062B (zh) | 2023-01-06 |
Family
ID=81712547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210062684.2A Active CN114566062B (zh) | 2022-01-19 | 2022-01-19 | 车辆停车调度管理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114566062B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258438A (zh) * | 2013-04-25 | 2013-08-21 | 山东省科学院自动化研究所 | 智能出行与最佳车位导航系统及其导航方法 |
CN108648492A (zh) * | 2018-06-26 | 2018-10-12 | 深兰科技(上海)有限公司 | 一种车辆引导的方法、装置、服务器和可读存储介质 |
CN112735129A (zh) * | 2020-12-25 | 2021-04-30 | 北京中交兴路信息科技有限公司 | 货车停车调度的方法及装置 |
CN112785841A (zh) * | 2020-12-25 | 2021-05-11 | 北京中交兴路信息科技有限公司 | 判断货车行驶路线拥堵状态的方法及装置 |
CN112863176A (zh) * | 2021-01-06 | 2021-05-28 | 北京掌行通信息技术有限公司 | 交通拥堵溯源方法、装置、电子设备及存储介质 |
-
2022
- 2022-01-19 CN CN202210062684.2A patent/CN114566062B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258438A (zh) * | 2013-04-25 | 2013-08-21 | 山东省科学院自动化研究所 | 智能出行与最佳车位导航系统及其导航方法 |
CN108648492A (zh) * | 2018-06-26 | 2018-10-12 | 深兰科技(上海)有限公司 | 一种车辆引导的方法、装置、服务器和可读存储介质 |
CN112735129A (zh) * | 2020-12-25 | 2021-04-30 | 北京中交兴路信息科技有限公司 | 货车停车调度的方法及装置 |
CN112785841A (zh) * | 2020-12-25 | 2021-05-11 | 北京中交兴路信息科技有限公司 | 判断货车行驶路线拥堵状态的方法及装置 |
CN112863176A (zh) * | 2021-01-06 | 2021-05-28 | 北京掌行通信息技术有限公司 | 交通拥堵溯源方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114566062A (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109520744B (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
CN109000668B (zh) | 基于车联网的实时智能导航方法 | |
US7706964B2 (en) | Inferring road speeds for context-sensitive routing | |
CN112602128B (zh) | 道路交通导航系统 | |
CN103177562B (zh) | 一种获取交通状态预测所需信息的方法及装置 | |
US10876851B2 (en) | Environment adjustment system, environment adjustment method, and environment adjustment program | |
JPH11272983A (ja) | 経路計画装置,到着時間予測装置,走行記録保存装置および経路計画/到着時間予測システム | |
JP2019028526A (ja) | 混雑予測装置 | |
JP2014066655A (ja) | 経路探索装置及び経路探索方法 | |
CN109945880B (zh) | 路径规划方法、相关设备及可读存储介质 | |
Rybarsch et al. | Cooperative parking search: Reducing travel time by information exchange among searching vehicles | |
KR101042811B1 (ko) | 네비게이션 시스템의 경로 결정 방법 | |
CN111862657B (zh) | 一种确定路况信息的方法及装置 | |
EP3570180B1 (en) | Information communication system, information communication method, and server | |
CN114566062B (zh) | 车辆停车调度管理方法、装置、计算机设备和存储介质 | |
JP5768526B2 (ja) | 渋滞予測装置および渋滞予測データ | |
CN114971085B (zh) | 一种公交站点可达性的预测方法、系统及存储介质 | |
Di Martino et al. | Comparing different on-street parking information for parking guidance and information systems | |
Richly et al. | Predicting location probabilities of drivers to improved dispatch decisions of transportation network companies based on trajectory data | |
JP5110125B2 (ja) | 情報処理装置及びコンピュータプログラム | |
CN114781243A (zh) | Eta预测及模型训练方法、设备、介质及产品 | |
JP2023005015A (ja) | 交通状況予測装置、および、交通状況予測方法 | |
KR102302486B1 (ko) | 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체 | |
CN114722127A (zh) | 电子地图校正方法、导航信息设置方法、导航方法及装置 | |
JP2017156983A (ja) | 移動経路推定装置、及び移動経路推定方法 |
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 |