CN114822050B - 路况识别方法、电子设备及计算机程序产品 - Google Patents
路况识别方法、电子设备及计算机程序产品 Download PDFInfo
- Publication number
- CN114822050B CN114822050B CN202210334632.6A CN202210334632A CN114822050B CN 114822050 B CN114822050 B CN 114822050B CN 202210334632 A CN202210334632 A CN 202210334632A CN 114822050 B CN114822050 B CN 114822050B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- queuing
- target object
- road condition
- vehicles
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
- G07B15/063—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems using wireless information transmission between the vehicle and a fixed station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例公开了一种路况识别方法、电子设备及计算机程序产品,所述方法包括:获取车辆在道路上标的物前行驶时产生的行驶轨迹;基于所述车辆的行驶轨迹,确定所述车辆在所述标的物前的首次停车位置;基于在同一所述标的物前停车的车辆的首次停车位置,确定所述标的物前车辆的排队距离分布信息,以及车辆在所述标的物前的排队时长分布信息;基于所述排队距离分布信息以及所述排队时长分布信息识别所述标的物前的车道级路况。该技术方案能够准确识别出不同车道的路况信息,解决已有技术无法区分不同车道的路况信息的问题,能够提高路况信息精准度。
Description
技术领域
本公开涉及动态交通技术领域,具体涉及一种路况识别方法、电子设备及计算机程序产品。
背景技术
随着城市规模的不断扩大、私家车保有量不断增多、人们出行需求的持续上涨,基于位置服务系统提供服务的应用软件越来越多。位置服务系统的一个重要服务是提供路况预测的动态交通服务,路况通常包括道路是否拥堵、道路上车辆的平均通行时间和/或道路上车辆的平均通行速度等。
由于GPS定位精度的问题,基于GPS定位获得的轨迹点一般只能匹配到道路上,而无法匹配到道路的车道上,因此,识别车道级路况是动态交通领域的难点问题之一。
因此,如何识别车道级的路况信息是本领域技术人员需要解决的主要技术问题之一。
发明内容
本公开实施例提供一种路况识别方法、电子设备及计算机程序产品。
第一方面,本公开实施例中提供了一种路况识别方法,其中,包括:
获取车辆在道路上标的物前行驶时产生的行驶轨迹;
基于所述车辆的行驶轨迹,确定所述车辆在所述标的物前的首次停车位置;
基于在同一所述标的物前停车的车辆的首次停车位置,确定所述标的物前车辆的排队距离分布信息,以及车辆在所述标的物前的排队时长分布信息;
基于所述排队距离分布信息以及所述排队时长分布信息识别所述标的物前的车道级路况。
进一步地,基于所述车辆的行驶轨迹,确定所述车辆在所述标的物前的首次停车位置,包括:
遍历所述车辆的行驶轨迹,确定出所述车辆在行驶速度降低至预设阈值或预设阈值以下时产生的轨迹点,直至遍历到所述车辆在设定条件下产生的轨迹点时停止遍历;
基于遍历得到的所述行驶速度降低至预设阈值或预设阈值以下的轨迹点,确定所述首次停车位置。
进一步地,基于在同一所述标的物前停车的车辆的首次停车位置,确定所述标的物前车辆的排队距离分布信息,以及车辆在所述标的物前的排队时长分布信息,包括:
基于所述车辆的当前定位位置,统计在所述标的物前不同距离范围内的车辆数;
基于所述车辆的首次停车位置,统计车辆在所述标的物前的排队时长,以及基于所述排队时长统计在不同时长范围内的车辆数;
基于所述不同距离范围以及所述不同距离范围对应的车辆数确定所述排队距离分布信息;
基于所述不同时长范围以及基于所述不同时长范围对应的车辆数确定所述排队时长分布信息。
进一步地,所述标的物为一个收费站的各个收费通道,基于所述排队距离分布信息以及所述排队时长分布信息识别所述标的物前的车道级路况,包括:
基于所述排队距离分布信息以及所述排队时长分布信息确定位于所述收费站各收费通道前的快速车辆和慢速车辆;
基于所述快速车辆的所述排队距离分布信息以及所述排队时长分布信息确定所述快速车辆所在收费通道的路况信息;
基于所述慢速车辆所述排队距离分布信息以及所述排队时长分布信息确定所述慢速车辆所在收费通道的路况信息;
各收费通道的所述路况信息构成所述收费站前的车道级路况。
进一步地,所述方法还包括:
将所述快速车辆经过的收费通道确定为ETC收费通道,将所述慢速车辆经过的收费通道确定为人工收费通道。
进一步地,所述方法还包括:
将所述快速车辆标记为ETC车辆,将所述慢速车辆标记为非ETC车辆。
进一步地,所述方法还包括:
将所述快速车辆所在车道的路况信息推送至被标识为ETC的车辆,以及将所述慢速车辆所在车道的路况信息推送至被表示为非ETC的车辆。
第二方面,本发明实施例中提供了一种基于位置的服务提供方法,其中,该基于位置的服务提供方法利用第一方面所述的方法识别标的物前的车道级路况,并基于识别得到的车道级路况为被服务对象提供基于位置的服务;所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
第三方面,本发明实施例中提供了一种路况识别装置,包括:
获取模块,被配置为获取车辆在道路上标的物前行驶时产生的行驶轨迹;
信息确定模块,被配置为基于所述车辆的行驶轨迹,确定所述车辆在所述标的物前的首次停车位置;
第一确定模块,被配置为基于在同一所述标的物前停车的车辆的首次停车位置,确定所述标的物前车辆的排队距离分布信息,以及车辆在所述标的物前的排队时长分布信息;
识别模块,被配置为基于所述排队距离分布信息以及所述排队时长分布信息识别所述标的物前的车道级路况。
所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中,上述装置的结构中包括存储器和处理器,所述存储器用于存储一条或多条支持上述装置执行上述对应方法的计算机指令,所述处理器被配置为用于执行所述存储器中存储的计算机指令。上述装置还可以包括通信接口,用于上述装置与其他设备或通信网络通信。
第四方面,本公开实施例提供了一种电子设备,包括存储器、处理器以及存储在存储器上的计算机程序,其中,所述处理器执行所述计算机程序以实现上述任一方面所述的方法。
第五方面,本公开实施例提供了一种计算机可读存储介质,用于存储上述任一装置所用的计算机指令,该计算机指令被处理器执行时用于实现上述任一方面所述的方法。
第六方面,本公开实施例提供了一种计算机程序产品,其包含计算机指令,该计算机指令被处理器执行时用于实现上述任一方面所述的方法。
本公开实施例提供的技术方案可以包括以下有益效果:
本公开实施例在识别标的物前车道级路况时,通过手机标的物前道路上的车辆的行驶轨迹,并基于行驶轨迹确定车辆在标的物前的首次停车位置,进而再根据该首次停车位置确定标的物前车辆的排队距离分布信息以及排队时长分布信息,并基于排队距离分布信息和排队时长分布信息确定标的物前所在道路的车道级路况。上述方式,由于计算了单个车辆的首次停车位置以及排队特征(包括排队距离以及排队时长),在识别标的物前的车道级路况时,通过多个车辆的排队距离以及排队时长的分布信息,能够准确识别出不同车道的路况信息,解决已有技术无法区分不同车道的路况信息的问题,能够提高路况信息精准度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开一实施方式的路况识别方法的流程图;
图2示出根据本公开一实施方式在收费站口前车辆的排队距离分布信息以及排队时长分布信息;
图3示出车辆在收费站前所经历的行驶阶段示意图;
图4示出根据本公开一实施方式在路况信息推送场景下的应用示意图;
图5示出根据本公开一实施方式的路况识别装置的结构框图;
图6是适于用来实现根据本公开实施方式的路况识别方法和/或基于位置的服务提供方法的电子设备的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施方式,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施方式无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
下面通过具体实施例详细介绍本公开实施例的细节。
图1示出根据本公开一实施方式的路况识别方法的流程图。如图1所示,该路况识别方法包括以下步骤:
在步骤S101中,获取车辆在道路上标的物前行驶时产生的行驶轨迹;
在步骤S102中,基于所述车辆的行驶轨迹,确定所述车辆在所述标的物前的首次停车位置;
在步骤S103中,基于在同一所述标的物前停车的车辆的首次停车位置,确定所述标的物前车辆的排队距离分布信息,以及车辆在所述标的物前的排队时长分布信息;
在步骤S104中,基于所述排队距离分布信息以及所述排队时长分布信息识别所述标的物前的车道级路况。
本实施例中,该路况识别方法用于识别标的物前车道级的路况信息。路况信息可以包括但不限于车道是否拥堵或通畅的信息。标的物可以是跨道路或者道路一侧设置的物体,比如十字路口、收费站口、高速入口、高速出口等。以收费站口为例,收费站前是容易出现车道级路况的场景之一,比如容易出现人工收费通道拥堵,但是ETC收费通道畅通的情形,用户如果能够提前得知收费站前车道级路况,则可以在行驶过程中预先采取相应措施,比如绕道行驶或者选择ETC收费通道过站等,从而减少等待时间。可见,在收费站口场景下识别车道级路况,可以给用户提供更好的驾车体验。
车道级的路况可以通过车道上排队车辆的数量以及排队时间等计算得到,然而由于GPS定位轨迹点的精度问题,用户车辆的轨迹点只能匹配到道路,而无法精确到车道,因此基于GPS定位轨迹点难以计算车道级的路况信息。
本公开实施例考虑到一些标的物例如收费站口前容易出现拥堵等路况,因此本公开实施例通过收集标的物前车辆的行驶轨迹,并对行驶轨迹进行分析确定标的物所在车道的路况信息。
在一些实施例中,为了识别标的物前车道级的路况信息,首先收集标的物前车辆的行驶轨迹。需要说明的是,车辆的行驶轨迹包括多个时间上连续的GPS轨迹点,而这些GPS轨迹点只能匹配到道路上,无法精确匹配到车道。因此,即使标的物对应的车道已知,但是所收集到的车辆的行驶轨迹依然包括标的物所在车道上的车辆以及与标的物所在车道同属同一道路的其他车道上的车辆。在一些实施例中,一个标的物可以仅位于一个车道,例如一个收费站口、一个高速入口、一个高速出口等。在另一些实施例中,一个标的物也可以横跨整个道路的多个车道,比如一个收费站、十字路口等。
在一些实施例中,收集的车辆的行驶轨迹可以是针对整条道路的,也即可以包括该整条道路上所有车道上的车辆的行驶轨迹。
针对每个车辆的行驶轨迹可以进行遍历,并确定该条行驶轨迹中车辆首次在标的物前的停车位置。标的物前的首次停车位置可以理解为车辆行驶到标的物前之后,由于车辆排队等候而第一次停下来的位置。在一些实施例中,可以基于该行驶轨迹中车辆的行驶速度来确定首次停车位置,比如遍历该条行驶轨迹发现,用户在标的物前的某个位置处由高速行驶降为低速行驶速度,并且该低速行驶的速度达到一定阈值,比如3公里每小时,也即在遍历到车辆到标的物前的某个位置点后速度降为3公里每小时及以下,则可以认为该车辆首次停在了标的物前,该位置点可以认为是该车辆在标的物前的首次停车位置。
在遍历完所有车辆的形式轨迹之后,可以确定每个车辆在标的物前的首次停车位置,进而可以根据该首次停车位置确定车辆的排队距离分布信息和排队时长分布信息。
在一些实施例中,排队距离分布信息可以包括距离标的物的不同长度范围内排队的车辆数量,排队时长分布信息可以包括排队时长在不同时间范围内的车辆数量。
图2示出根据本公开一实施方式在收费站口前车辆的排队距离分布信息以及排队时长分布信息。如图2所示,排队距离分布信息包括排队长度范围以及车辆数,排队长度范围被划分为[0,x1)、[x1,x2)、[x2,x3)、[x3,x4)、[x4,∞),x1、x2、x3和x4的单位可以是米,在[0,x1)长度范围内的车辆数为n1,在[x1,x2)长度范围内的车辆数为n2,在[x2,x3)长度范围内的车辆数为n3,在[x3,x4)长度范围内的车辆数为n4,在[x4,∞)长度范围内的车辆数为n5。
排队时长分布信息包括排队时长范围和车辆数,排队时长范围被划分为[0,t1)、[t1,t2)、[t2,t3)、[t3,t4)、[t4,∞),t1、t2、t3和t4的单位可以是秒或分钟,在[0,t1)时长范围内的车辆数为m1,在[t1,t2)长度范围内的车辆数为m2,在[t2,t3)长度范围内的车辆数为m3,在[t3,t4)长度范围内的车辆数为m4,在[t4,∞)长度范围内的车辆数为m5。
通过对上述排队距离分布信息和排队时长分布信息进行统计分析,可以确定在同一条道路上,一些车辆行驶速度较快,而一些车辆行驶速度较慢,则可以确定该条道路上有的车道行驶速度慢,已经形成拥堵路况,而有些车道行驶速度较快,并未发生拥堵。因此,通过这种方式可以确定标的物所在道路上发生了车道级的路况,也即一些车道形成了拥堵路况。
当然,可以理解的是,如果通过排队距离分布信息以及排队时长分布信息确定车辆的行驶速度相差不大,则可以确定该条道路上各个车道的路况信息相似;进一步地,还可以基于车辆的行驶速度确定该条道路上所有车辆的平均行驶速度或者平均通行时间,进而基于该平均行驶速度或者平均通行时间判断该道路上的路况属于畅通还是拥堵。
本公开实施例在识别标的物前车道级路况时,通过手机标的物前道路上的车辆的行驶轨迹,并基于行驶轨迹确定车辆在标的物前的首次停车位置,进而再根据该首次停车位置确定标的物前车辆的排队距离分布信息以及排队时长分布信息,并基于排队距离分布信息和排队时长分布信息确定标的物前所在道路的车道级路况。上述方式,由于计算了单个车辆的首次停车位置以及排队特征(包括排队距离以及排队时长),在识别标的物前的车道级路况时,通过多个车辆的排队距离以及排队时长的分布信息,能够准确识别出不同车道的路况信息,解决了已有技术无法区分不同车道的路况信息的问题,能够提高路况信息精准度。
在本实施例的一个可选实现方式中,步骤S102,即基于所述车辆的行驶轨迹,确定所述车辆在所述标的物前的首次停车位置的步骤,进一步包括以下步骤:
遍历所述车辆的行驶轨迹,确定出所述车辆在行驶速度降低至预设阈值或预设阈值以下时产生的轨迹点,直至遍历到所述车辆在设定条件下产生的轨迹点时停止遍历;
基于遍历得到的所述行驶速度降低至预设阈值或预设阈值以下的轨迹点,确定所述首次停车位置。
该可选的实现方式中,遍历车辆的行驶轨迹时,可以按照时间由近及远进行遍历,并且在遍历到行驶轨迹中的轨迹点时,可以确定出车辆在行驶速度降低至预设阈值或预设阈值以下时产生的轨迹点。
在另一些实施例中,遍历车辆的行驶轨迹时,按照时间由近及远进行遍历,并且在遍历到车辆在设定条件下产生的轨迹点时停止遍历。该设定条件可以预先设置,例如预定条件下产生的轨迹点可以是遇到快速通行路段的轨迹点(标的物前首次停车后车辆的行驶轨迹中不会产生快速通行路段)、红绿灯位置所在的轨迹点等。设定条件的设置原则是防止将标的物前的非首次停车位置错认为标的物前的首次停车位置。
遍历过程中,可以根据行驶轨迹计算车辆的速度变化情况,在遍历的这段行驶轨迹中,车辆第一次速度降至预设阈值或者预设阈值以下时,可以认为该轨迹点即为车辆的首次停车位置。该预设阈值可以根据实际情况设置,可以设置为能够确定车辆在该速度以下时为停车状态即可。
在本实施例的一个可选实现方式中,步骤S103,即基于在同一所述标的物前停车的车辆的首次停车位置,确定所述标的物前车辆的排队距离分布信息,以及车辆在所述标的物前的排队时长分布信息的步骤,进一步包括以下步骤:
基于所述车辆的当前定位位置,统计在所述标的物前不同距离范围内的车辆数;
基于所述车辆的首次停车位置,统计车辆在所述标的物前的排队时长,以及基于所述排队时长统计在不同时长范围内的车辆数;
基于所述不同距离范围以及所述不同距离范围对应的车辆数确定所述排队距离分布信息;
基于所述不同时长范围以及基于所述不同时长范围对应的车辆数确定所述排队时长分布信息。
该可选的实现方式中,可以基于车辆当前的位置确定车辆当前排队在标的物前的距离范围,进而可以确定不同距离范围内当前正在排队的车辆数;基于该车辆数以及对应的距离范围即可确定标的物前的排队距离分布信息。
此外,还可以基于计算得到的每个车辆的首次停车位置,确定车辆从首次停车到当前时间所排队的时长,进而根据该排队时长确定在不同时长范围内排队的车辆数;基于该车辆数以及对应的距离范围即可确定标的物前的排队时长分布信息。
在本实施例的一个可选实现方式中,所述标的物为一个收费站的各个收费通道,步骤S104,即基于所述排队距离分布信息以及所述排队时长分布信息识别所述标的物前的车道级路况的步骤,进一步包括以下步骤:
基于所述排队距离分布信息以及所述排队时长分布信息确定位于所述收费站各收费通道前的快速车辆和慢速车辆;
基于所述快速车辆的所述排队距离分布信息以及所述排队时长分布信息确定所述快速车辆所在收费通道的路况信息;
基于所述慢速车辆所述排队距离分布信息以及所述排队时长分布信息确定所述慢速车辆所在收费通道的路况信息;
各收费通道的所述路况信息构成所述收费站前的车道级路况。
该可选的实现方式中,在同一道路上不同车道发生不同路况时,可以基于排队距离分布信息以及排队时长分布信息确定出快速车辆以及慢速车辆,也即可以基于车辆的排队时长以及排队距离可以确定一些车辆行驶缓慢,而一些车辆行驶快速,则可以得出有车道发生拥堵,而有的车道行驶畅通。
在另一些实施例中,还可以基于快速车辆在标的物前的平均排队长度或平均排队时长确定快速车辆所在车道的车道级路况,并基于慢速车辆在标的物前的平均排队长度或平均排队时长确定慢速车辆所在车道的车道级路况。各个车道的车道级路况构成了该标的物前的车道级路况。
下面以收费站的人工收费通道和ETC收费通道为例说明。
图3示出车辆在收费站前所经历的行驶阶段示意图。如图3所示,收费站前,车辆的行驶轨迹基本上经历几个阶段:正常行驶->减速->首次停车->走走停停->过站。因此,可以定义车辆首次停车位置到收费站口的距离为该车辆的排队长度,而首次停车到过站(针对已经经过收费站口的车辆)或者当前时间(针对未经过收费站口的车辆)的时长为该车辆的排队时长。
此外,还可以定义行驶速度低于3公里/小时的轨迹点为车辆的停车点,首次停车后直到过站前不能有长距离的快速通过路段。遍历用户的站前轨迹,遇到快速通行路段、红绿灯等就停止。找到符合要求的首次停车位置,即可得到该车辆的排队长度和排队时长。
在发生车道级路况的时候,车辆的排队长度和排队时长会发生明显的两极分化,即一部分车辆的排队长度和排队时长较短,而另一部分车辆的排队长度和排队时相对较长。因此,基于排队距离分布信息以及排队时长分布信息发现这种情况时,即可认为收费站前发生了车道级路况。
此外,还可以过滤掉排队长度和排队时长相矛盾的车辆,然后将剩余车辆按照排队距离分布信息和排队时长分布信息划分为快速车辆和慢速车辆两组,并分别计算快速车辆和慢速车辆的平均排队长度和平均排队时长,进而识别收费站前车道级路况。其中,可以基于车辆的排队长度和排队时长计算出该车辆在收费站前的行驶速度和行驶时间,并将行驶速度大于或等于预设速度阈值和/或行驶时间小于或等于预设时间阈值的车辆确定为快速车辆,而将行驶速度小于预设速度阈值和/或行驶时间大于预设时间阈值的车辆确定为慢速车辆。
在本实施例的一个可选实现方式中,所述方法还进一步包括以下步骤:
将所述快速车辆经过的收费通道确定为ETC收费通道,将所述慢速车辆经过的收费通道确定为人工收费通道。
该可选的实现方式中,考虑到收费站口包括人工收费通道和ETC收费通道,而通常情况下人工收费通道车辆的通行速度较低,而ETC收费通道车辆的通行速度较高,因此标的物为收费站口时,可以将快速车辆通过的收费站口确定为ETC收费通道,而将慢速车辆通过的收费站口确定为人工收费通道,并且还可以基于快速车辆的平均排队长度和/或平均排队时长确定ETC收费通道的路况信息,而基于慢速车辆的平均排队长度和/或平均排队时长确定人工收费通道的路况信息。
在本实施例的一个可选实现方式中,所述方法还进一步包括以下步骤:
将所述快速车辆标记为ETC车辆,将所述慢速车辆标记为非ETC车辆。
该可选的实现方式中,还可以基于上文中快速车辆和慢速车辆的划分信息,将快速车辆标识为ECT车辆,而将慢速车辆标识为非ETC车辆。通过这种方式,后续可以基于ETC标识为车辆进行更加精准的导航以及路况信息的推送。
在本实施例的一个可选实现方式中,所述方法还进一步包括以下步骤:
将所述快速车辆所在车道的路况信息推送至被标识为ETC的车辆,以及将所述慢速车辆所在车道的路况信息推送至被表示为非ETC的车辆。
该可选的实现方式中,本公开实施例的这种方法可以周期性的应用在各个收费站口。经过一段时间后,大部分车辆可以被标识出是ETC车辆还是非ETC车辆。因此,在当前周期基于快速车辆以及慢速车辆确定人工收费通道以及ETC收费通道的路况信息之后,可以将ETC收费通道的路况信息推送至即将到达收费站口的ETC车辆,而将人工收费通道的路况信息推送给即将到达收费站口的非ETC车辆。通过这种方式,可以使得推送的路况信息更加精准。
图4示出根据本公开一实施方式在路况信息推送场景下的应用示意图。如图4所示,服务器收集高速收费站前车辆的行驶轨迹,并基于行驶轨迹统计得到车辆在收费站前的特征,包括排队距离分布信息以排队时长分布信息,并基于该排队距离分布信息和排队时长分布信息确定在收费站前是否发生了车道级路况。在基于排队距离分布信息和排队时长分布信息确定在收费站前发生了车道级路况时,基于车辆在收费站前的行驶速度将车辆划分为快速车辆和慢速车辆,并基于快速车辆的平均行驶速度以及平均排队时长确定ETC收费通道的路况信息,基于慢速车辆的平均行驶速度以及平均排队时长确定人工收费通道的路况信息。服务器还将上述路况信息推送至即将导航通过该收费站的车辆,将ETC收费通道的路况信息推送至ETC车辆,而将人工收费通道的路况信息推送至非ETC车辆。
根据本公开一实施方式的基于位置的服务提供方法,该基于位置的服务提供方法利用上述路况识别方法识别标的物前的车道级路况,并基于识别得到的车道级路况为被服务对象提供基于位置的服务;所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
本实施例中,该基于位置的服务提供方法可以在终端上执行,终端是手机、ipad、电脑、智能手表、车辆等。本公开实施例,可以针对标的物例如收费站口前的道路进行车道级路况识别,进而在基于位置的服务过程中,可以使用该车道级路况为被服务对象提供更精准的位置服务,例如导航服务、路径规划服务和/或地图渲染服务等。
被服务对象可以是手机、ipad、电脑、智能手表、车辆、机器人等。在为被服务对象导航、规划路径或者渲染地图上的道路时,可以基于上述方法获得标的物前的车道级路况,进而在导航、规划路径以及在地图渲染时,将上述车道级路况推送给用户,以便为用户提供精确度更好的路口信息,具体细节可以参见上述对路况识别方法的描述,在此不再赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图5示出根据本公开一实施方式的路况识别装置的结构框图。该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图5所示,该路况识别装置包括:
获取模块501,被配置为获取车辆在道路上标的物前行驶时产生的行驶轨迹;
信息确定模块502,被配置为基于所述车辆的行驶轨迹,确定所述车辆在所述标的物前的首次停车位置;
第一确定模块503,被配置为基于在同一所述标的物前停车的车辆的首次停车位置,确定所述标的物前车辆的排队距离分布信息,以及车辆在所述标的物前的排队时长分布信息;
识别模块504,被配置为基于所述排队距离分布信息以及所述排队时长分布信息识别所述标的物前的车道级路况。
本实施例中,该路况识别装置用于识别标的物前车道级的路况信息。路况信息可以包括但不限于车道是否拥堵或通畅的信息。标的物可以是跨道路或者道路一侧设置的物体,比如十字路口、收费站口、高速入口、高速出口等。以收费站口为例,收费站前是容易出现车道级路况的场景之一,比如容易出现人工收费通道拥堵,但是ETC收费通道畅通的情形,用户如果能够提前得知收费站前车道级路况,则可以在行驶过程中预先采取相应措施,比如绕道行驶或者选择ETC收费通道过站等,从而减少等待时间。可见,在收费站口场景下识别车道级路况,可以给用户提供更好的驾车体验。
车道级的路况可以通过车道上排队车辆的数量以及排队时间等计算得到,然而由于GPS定位轨迹点的精度问题,用户车辆的轨迹点只能匹配到道路,而无法精确到车道,因此基于GPS定位轨迹点难以计算车道级的路况信息。
本公开实施例考虑到一些标的物例如收费站口前容易出现拥堵等路况,因此本公开实施例通过收集标的物前车辆的行驶轨迹,并对行驶轨迹进行分析确定标的物所在车道的路况信息。
在一些实施例中,为了识别标的物前车道级的路况信息,首先收集标的物前车辆的行驶轨迹。需要说明的是,车辆的行驶轨迹包括多个时间上连续的GPS轨迹点,而这些GPS轨迹点只能匹配到道路上,无法精确匹配到车道。因此,即使标的物对应的车道已知,但是所收集到的车辆的行驶轨迹依然包括标的物所在车道上的车辆以及与标的物所在车道同属同一道路的其他车道上的车辆。在一些实施例中,一个标的物可以仅位于一个车道,例如一个收费站口、一个高速入口、一个高速出口等。在另一些实施例中,一个标的物也可以横跨整个道路的多个车道,比如一个收费站、十字路口等。
在一些实施例中,收集的车辆的行驶轨迹可以是针对整条道路的,也即可以包括该整条道路上所有车道上的车辆的行驶轨迹。
针对每个车辆的行驶轨迹可以进行遍历,并确定该条行驶轨迹中车辆首次在标的物前的停车位置。标的物前的首次停车位置可以理解为车辆行驶到标的物前之后,由于车辆排队等候而第一次停下来的位置。在一些实施例中,可以基于该行驶轨迹中车辆的行驶速度来确定首次停车位置,比如遍历该条行驶轨迹发现,用户在标的物前的某个位置处由高速行驶降为低速行驶速度,并且该低速行驶的速度达到一定阈值,比如3公里每小时,也即在遍历到车辆到标的物前的某个位置点后速度降为3公里每小时及以下,则可以认为该车辆首次停在了标的物前,该位置点可以认为是该车辆在标的物前的首次停车位置。
在遍历完所有车辆的形式轨迹之后,可以确定每个车辆在标的物前的首次停车位置,进而可以根据该首次停车位置确定车辆的排队距离分布信息和排队时长分布信息。
在一些实施例中,排队距离分布信息可以包括距离标的物的不同长度范围内排队的车辆数量,排队时长分布信息可以包括排队时长在不同时间范围内的车辆数量。
通过对上述排队距离分布信息和排队时长分布信息进行统计分析,可以确定在同一条道路上,一些车辆行驶速度较快,而一些车辆行驶速度较慢,则可以确定该条道路上有的车道行驶速度慢,已经形成拥堵路况,而有些车道行驶速度较快,并未发生拥堵。因此,通过这种方式可以确定标的物所在道路上发生了车道级的路况,也即一些车道形成了拥堵路况。
当然,可以理解的是,如果通过排队距离分布信息以及排队时长分布信息确定车辆的行驶速度相差不大,则可以确定该条道路上各个车道的路况信息相似;进一步地,还可以基于车辆的行驶速度确定该条道路上所有车辆的平均行驶速度或者平均通行时间,进而基于该平均行驶速度或者平均通行时间判断该道路上的路况属于畅通还是拥堵。
本公开实施例在识别标的物前车道级路况时,通过手机标的物前道路上的车辆的行驶轨迹,并基于行驶轨迹确定车辆在标的物前的首次停车位置,进而再根据该首次停车位置确定标的物前车辆的排队距离分布信息以及排队时长分布信息,并基于排队距离分布信息和排队时长分布信息确定标的物前所在道路的车道级路况。上述方式,由于计算了单个车辆的首次停车位置以及排队特征(包括排队距离以及排队时长),在识别标的物前的车道级路况时,通过多个车辆的排队距离以及排队时长的分布信息,能够准确识别出不同车道的路况信息,解决了已有技术无法区分不同车道的路况信息的问题,能够提高路况信息精准度。
在本实施例的一个可选实现方式中,所述信息确定模块,包括:
遍历子模块,被配置为遍历所述车辆的行驶轨迹,确定出所述车辆在行驶速度降低至预设阈值或预设阈值以下时产生的轨迹点,直至遍历到所述车辆在设定条件下产生的轨迹点时停止遍历;
第一确定子模块,被配置为基于遍历得到的所述行驶速度降低至预设阈值或预设阈值以下的轨迹点,确定所述首次停车位置。
该可选的实现方式中,
遍历车辆的行驶轨迹时,可以按照时间由近及远进行遍历,并且在遍历到行驶轨迹中的轨迹点时,可以确定出车辆在行驶速度降低至预设阈值或预设阈值以下时产生的轨迹点。
在另一些实施例中,遍历车辆的行驶轨迹时,按照时间由近及远进行遍历,并且在遍历到车辆在设定条件下产生的轨迹点时停止遍历。该设定条件可以预先设置,例如预定条件下产生的轨迹点可以是遇到快速通行路段的轨迹点(标的物前首次停车后车辆的行驶轨迹中不会产生快速通行路段)、红绿灯位置所在的轨迹点等。设定条件的设置原则是防止将标的物前的非首次停车位置错认为标的物前的首次停车位置。
遍历过程中,可以根据行驶轨迹计算车辆的速度变化情况,在遍历的这段行驶轨迹中,车辆第一次速度降至预设阈值或者预设阈值以下时,可以认为该轨迹点即为车辆的首次停车位置。该预设阈值可以根据实际情况设置,可以设置为能够确定车辆在该速度以下时为停车状态即可。
在本实施例的一个可选实现方式中,所述第一确定模块,包括:
第一统计子模块,被配置为基于所述车辆的当前定位位置,统计在所述标的物前不同距离范围内的车辆数;
第二统计子模块,被配置为基于所述车辆的首次停车位置,统计车辆在所述标的物前的排队时长,以及基于所述排队时长统计在不同时长范围内的车辆数;
第二确定子模块,被配置为基于所述不同距离范围以及所述不同距离范围对应的车辆数确定所述排队距离分布信息;
第一信息确定子模块,被配置为基于所述不同时长范围以及基于所述不同时长范围对应的车辆数确定所述排队时长分布信息。
该可选的实现方式中,可以基于车辆当前的位置确定车辆当前排队在标的物前的距离范围,进而可以确定不同距离范围内当前正在排队的车辆数;基于该车辆数以及对应的距离范围即可确定标的物前的排队距离分布信息。
此外,还可以基于计算得到的每个车辆的首次停车位置,确定车辆从首次停车到当前时间所排队的时长,进而根据该排队时长确定在不同时长范围内排队的车辆数;基于该车辆数以及对应的距离范围即可确定标的物前的排队时长分布信息。
在本实施例的一个可选实现方式中,所述标的物为一个收费站的各个收费通道,所述识别模块,包括:
第三确定子模块,被配置为基于所述排队距离分布信息以及所述排队时长分布信息确定位于所述收费站各收费通道前的快速车辆和慢速车辆;
第四确定子模块,被配置为基于所述快速车辆的所述排队距离分布信息以及所述排队时长分布信息确定所述快速车辆所在收费通道的路况信息;
第二信息确定子模块,被配置为基于所述慢速车辆所述排队距离分布信息以及所述排队时长分布信息确定所述慢速车辆所在收费通道的路况信息;
路况信息确定子模块,被配置为各收费通道的所述路况信息构成所述收费站前的车道级路况。
该可选的实现方式中,在同一道路上不同车道发生不同路况时,可以基于排队距离分布信息以及排队时长分布信息确定出快速车辆以及慢速车辆,也即可以基于车辆的排队时长以及排队距离可以确定一些车辆行驶缓慢,而一些车辆行驶快速,则可以得出有车道发生拥堵,而有的车道行驶畅通。
在另一些实施例中,还可以基于快速车辆在标的物前的平均排队长度或平均排队时长确定快速车辆所在车道的车道级路况,并基于慢速车辆在标的物前的平均排队长度或平均排队时长确定慢速车辆所在车道的车道级路况。各个车道的车道级路况构成了该标的物前的车道级路况。
在本实施例的一个可选实现方式中,所述装置还包括:
第二确定模块,被配置为将所述快速车辆经过的收费通道确定为ETC收费通道,将所述慢速车辆经过的收费通道确定为人工收费通道。
该可选的实现方式中,考虑到收费站口包括人工收费通道和ETC收费通道,而通常情况下人工收费通道车辆的通行速度较低,而ETC收费通道车辆的通行速度较高,因此标的物为收费站口时,可以将快速车辆通过的收费站口确定为ETC收费通道,而将慢速车辆通过的收费站口确定为人工收费通道,并且还可以基于快速车辆的平均排队长度和/或平均排队时长确定ETC收费通道的路况信息,而基于慢速车辆的平均排队长度和/或平均排队时长确定人工收费通道的路况信息。
在本实施例的一个可选实现方式中,所述装置还包括:
标记模块,被配置为将所述快速车辆标记为ETC车辆,将所述慢速车辆标记为非ETC车辆。
该可选的实现方式中,还可以基于上文中快速车辆和慢速车辆的划分信息,将快速车辆标识为ECT车辆,而将慢速车辆标识为非ETC车辆。通过这种方式,后续可以基于ETC标识为车辆进行更加精准的导航以及路况信息的推送。
在本实施例的一个可选实现方式中,所述装置还包括:
推送模块,被配置为将所述快速车辆所在车道的路况信息推送至被标识为ETC的车辆,以及将所述慢速车辆所在车道的路况信息推送至被表示为非ETC的车辆。
该可选的实现方式中,本公开实施例的这种装置可以周期性的应用在各个收费站口。经过一段时间后,大部分车辆可以被标识出是ETC车辆还是非ETC车辆。因此,在当前周期基于快速车辆以及慢速车辆确定人工收费通道以及ETC收费通道的路况信息之后,可以将ETC收费通道的路况信息推送至即将到达收费站口的ETC车辆,而将人工收费通道的路况信息推送给即将到达收费站口的非ETC车辆。通过这种方式,可以使得推送的路况信息更加精准。
根据本公开一实施方式的基于位置的服务提供装置,该基于位置的服务提供装置利用上述路况识别装置识别标的物前的车道级路况,并基于识别得到的车道级路况为被服务对象提供基于位置的服务;所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
本实施例中,该基于位置的服务提供装置可以在终端上执行,终端是手机、ipad、电脑、智能手表、车辆等。本公开实施例,可以针对标的物例如收费站口前的道路进行车道级路况识别,进而在基于位置的服务过程中,可以使用该车道级路况为被服务对象提供更精准的位置服务,例如导航服务、路径规划服务和/或地图渲染服务等。
被服务对象可以是手机、ipad、电脑、智能手表、车辆、机器人等。在为被服务对象导航、规划路径或者渲染地图上的道路时,可以基于上述装置获得标的物前的车道级路况,进而在导航、规划路径以及在地图渲染时,将上述车道级路况推送给用户,以便为用户提供精确度更好的路口信息,具体细节可以参见上述对路况识别装置的描述,在此不再赘述。
图6是适于用来实现根据本公开实施方式的路况识别方法和/或基于位置的服务提供方法的电子设备的结构示意图。
如图6所示,电子设备600包括处理单元601,其可实现为CPU、GPU、FPGA、NPU等处理单元。处理单元601可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行本公开上述任一方法的实施方式中的各种处理。在RAM603中,还存储有电子设备600操作所需的各种程序和数据。处理单元601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施方式,上文参考本公开实施方式中的任一方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行本公开实施方式中任一方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种路况识别方法,其中,包括:
获取车辆在道路上标的物前行驶时产生的行驶轨迹;
基于所述车辆的行驶轨迹,确定所述车辆在所述标的物前的首次停车位置;
基于所述车辆的当前定位位置,统计在所述标的物前不同距离范围内的车辆数;
基于所述车辆的首次停车位置,统计车辆在所述标的物前的排队时长,以及基于所述排队时长统计在不同时长范围内的车辆数;
基于所述不同距离范围以及所述不同距离范围对应的车辆数确定排队距离分布信息;
基于所述不同时长范围以及基于所述不同时长范围对应的车辆数确定排队时长分布信息;
基于所述排队距离分布信息以及所述排队时长分布信息,识别所述标的物前的车道级路况。
2.根据权利要求1所述的方法,其中,基于所述车辆的行驶轨迹,确定所述车辆在所述标的物前的首次停车位置,包括:
遍历所述车辆的行驶轨迹,确定出所述车辆在行驶速度降低至预设阈值或预设阈值以下时产生的轨迹点,直至遍历到所述车辆在设定条件下产生的轨迹点时停止遍历;
基于遍历得到的所述行驶速度降低至预设阈值或预设阈值以下的轨迹点,确定所述首次停车位置。
3.根据权利要求1或2所述的方法,其中,所述标的物为一个收费站的各个收费通道,基于所述排队距离分布信息以及所述排队时长分布信息识别所述标的物前的车道级路况,包括:
基于所述排队距离分布信息以及所述排队时长分布信息确定位于所述收费站各收费通道前的快速车辆和慢速车辆;
基于所述快速车辆的所述排队距离分布信息以及所述排队时长分布信息确定所述快速车辆所在收费通道的路况信息;
基于所述慢速车辆所述排队距离分布信息以及所述排队时长分布信息确定所述慢速车辆所在收费通道的路况信息;
各收费通道的所述路况信息构成所述收费站前的车道级路况。
4.根据权利要求3所述的方法,其中,所述方法还包括:
将所述快速车辆经过的收费通道确定为ETC收费通道,将所述慢速车辆经过的收费通道确定为人工收费通道。
5.根据权利要求4所述的方法,其中,所述方法还包括:
将所述快速车辆标记为ETC车辆,将所述慢速车辆标记为非ETC车辆。
6.根据权利要求5所述的方法,其中,所述方法还包括:
将所述快速车辆所在车道的路况信息推送至被标识为ETC的车辆,以及将所述慢速车辆所在车道的路况信息推送至被表示为非ETC的车辆。
7.一种基于位置的服务提供方法,其中,该基于位置的服务提供方法利用权利要求1-6任一项所述的方法识别标的物前的车道级路况,并基于识别得到的车道级路况为被服务对象提供基于位置的服务;所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
8.一种电子设备,其中,包括存储器、处理器以及存储在存储器上的计算机程序,其中,所述处理器执行所述计算机程序以实现权利要求1-7任一项所述的方法。
9.一种计算机程序产品,其包括计算机指令,其中,该计算机指令被处理器执行时实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210334632.6A CN114822050B (zh) | 2022-03-30 | 2022-03-30 | 路况识别方法、电子设备及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210334632.6A CN114822050B (zh) | 2022-03-30 | 2022-03-30 | 路况识别方法、电子设备及计算机程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114822050A CN114822050A (zh) | 2022-07-29 |
CN114822050B true CN114822050B (zh) | 2023-07-21 |
Family
ID=82532016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210334632.6A Active CN114822050B (zh) | 2022-03-30 | 2022-03-30 | 路况识别方法、电子设备及计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114822050B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115082277B (zh) * | 2022-08-23 | 2022-11-11 | 交通运输部科学研究院 | 车辆管控区域行程识别方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470965A (zh) * | 2007-12-26 | 2009-07-01 | 奥城同立科技开发(北京)有限公司 | 自控式红绿灯控制系统 |
CN103366574A (zh) * | 2013-07-11 | 2013-10-23 | 上海济安交通工程咨询有限公司 | 基于车队跟驰理论的交叉口延误计算方法 |
JP2015082200A (ja) * | 2013-10-22 | 2015-04-27 | アルパイン株式会社 | 料金所レーン案内装置および料金所レーン案内方法 |
WO2017140175A1 (zh) * | 2016-02-18 | 2017-08-24 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
CN107958605A (zh) * | 2017-12-25 | 2018-04-24 | 重庆冀繁科技发展有限公司 | 路况信息获取方法 |
CN109697875A (zh) * | 2017-10-23 | 2019-04-30 | 华为技术有限公司 | 规划行驶轨迹的方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274672B (zh) * | 2017-08-03 | 2020-02-14 | 重庆大学 | 基于gps数据的信号交叉口单车延误时间估计方法 |
CN112766662A (zh) * | 2020-12-31 | 2021-05-07 | 北京掌行通信息技术有限公司 | 确定收费站运营能力的方法、装置、电子设备及介质 |
CN113947899B (zh) * | 2021-09-30 | 2023-11-10 | 南京云析科技有限公司 | 一种低渗透率轨迹数据下排队服务时间动态估计方法 |
CN114155734A (zh) * | 2021-12-02 | 2022-03-08 | 腾讯科技(深圳)有限公司 | 等灯信息确定方法和车辆信息显示方法 |
-
2022
- 2022-03-30 CN CN202210334632.6A patent/CN114822050B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470965A (zh) * | 2007-12-26 | 2009-07-01 | 奥城同立科技开发(北京)有限公司 | 自控式红绿灯控制系统 |
CN103366574A (zh) * | 2013-07-11 | 2013-10-23 | 上海济安交通工程咨询有限公司 | 基于车队跟驰理论的交叉口延误计算方法 |
JP2015082200A (ja) * | 2013-10-22 | 2015-04-27 | アルパイン株式会社 | 料金所レーン案内装置および料金所レーン案内方法 |
WO2017140175A1 (zh) * | 2016-02-18 | 2017-08-24 | 华南理工大学 | 基于路径识别系统的收费公路网交通信息采集与诱导系统 |
CN109697875A (zh) * | 2017-10-23 | 2019-04-30 | 华为技术有限公司 | 规划行驶轨迹的方法及装置 |
CN107958605A (zh) * | 2017-12-25 | 2018-04-24 | 重庆冀繁科技发展有限公司 | 路况信息获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114822050A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
CN114973677A (zh) | 用于确定预计到达时间的方法和设备 | |
CN108848460B (zh) | 基于rfid和gps数据的人车关联方法 | |
CN101964941A (zh) | 基于动态信息的智能导航与位置服务系统及方法 | |
WO2015134311A1 (en) | Traffic obstruction detection | |
EP2771872A1 (en) | Methods and systems for determining information relating to the operation of traffic control signals | |
CN109754598B (zh) | 一种拥堵组团识别方法及系统 | |
CN113553482B (zh) | 停留点识别和出行链构建系统、算法、设备及存储介质 | |
CN110782656B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
CN112767694B (zh) | 用于缓解道路拥堵的交通优化方法和装置 | |
CN114822050B (zh) | 路况识别方法、电子设备及计算机程序产品 | |
CN110646004A (zh) | 一种基于路况预测的智能导航方法及装置 | |
CN111383449A (zh) | 路口通行预估方法、计算机设备和计算机可读存储介质 | |
CN108806244A (zh) | 图像传送装置、方法及非暂态存储介质 | |
CN110849382A (zh) | 驾驶时长预测方法及装置 | |
Sauerländer-Biebl et al. | Evaluation of a transport mode detection using fuzzy rules | |
JP2016062241A (ja) | 交通情報推定システム、方法、およびプログラム | |
Ohba et al. | Travel time calculation method for expressway using toll collection system data | |
CN103903432A (zh) | 用于确定路链拥堵状况的设备和方法 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN107967802B (zh) | 一种公交车车速确定方法及装置 | |
CN108269400B (zh) | 一种主干路信号控制交叉口延误估算方法及装置 | |
US20200250968A1 (en) | Traffic congestion estimation | |
JP2018021887A (ja) | 経路探索装置及びコンピュータプログラム | |
CN116129650A (zh) | 一种基于大数据分析的交通预警系统及其方法 |
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 |