CN115218912B - 导航时长预估方法、装置、车辆及设备 - Google Patents
导航时长预估方法、装置、车辆及设备 Download PDFInfo
- Publication number
- CN115218912B CN115218912B CN202111505617.5A CN202111505617A CN115218912B CN 115218912 B CN115218912 B CN 115218912B CN 202111505617 A CN202111505617 A CN 202111505617A CN 115218912 B CN115218912 B CN 115218912B
- Authority
- CN
- China
- Prior art keywords
- road section
- vehicle
- navigation
- current road
- current
- 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 31
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开一种导航时长预估方法，包括：响应于导航指令，获取目标车辆的导航信息；根据获取的当前路段的起始时间获取当前路段的入口的车辆排队长度，并根据车辆排队长度和预设的当前路段的应用车辆吞吐量，计算当前路段的延迟时长；将当前路段的延迟时长和当前路段的理论行程时长相加，得到当前路段的实际行程时长；将所有路段的实际行程时长相加，得到导航时长。本发明还公开一种导航时长预估装置、车辆及设备。本发明实施例能够通过预先获取的道路的车辆吞吐量和其他车辆的导航信息，预估目标车辆行驶至每个路段时的对应路段的路况以计算每一路段的用时，进而准确计算行程时间，为驾驶员提供精准的导航指导。
Description
技术领域
本发明涉及车载导航技术领域，尤其涉及一种导航时长预估方法、装置、车辆及设备。
背景技术
随着车辆技术的发展以及经济水平的提升，车辆成为普遍的代步工具，目前全国机动车保有量将近4亿，其中汽车将近3亿，大量车辆的使用使得城市越来越拥堵，给车主造成极大的不便，因此有必要对路况信息进行计算，以提供导航路线及相应的行程时间，为驾驶员提供导航指导。
现有的导航技术直接根据导航路线的实时路况计算行程时间，随着车辆的行驶，道路的路况也会随着其他车辆的移动而发生改变，特别是假期出行时期，大量参与交通的车辆导致道路易出现拥挤现象，使得实际的行驶时间与一开始计算的行程时间相差较大，无法为驾驶员提供精准的导航指导。
发明内容
本发明实施例的目的是提供一种导航时长预估方法、装置、车辆及设备，能够通过预先获取的道路的车辆吞吐量和其他车辆的导航信息，预估目标车辆行驶至每个路段时的对应路段的路况以计算每一路段的用时，进而准确计算行程时间，为驾驶员提供精准的导航指导。
为实现上述目的，本发明实施例提供了一种导航时长预估方法，包括：
响应于导航指令，获取目标车辆的导航信息；其中，所述导航信息包括导航起始时间、划分有若干路段的导航路线以及每一路段的理论行程时长；
获取当前路段的起始时间；其中，当所述当前路段为第一路段时，所述当前路段的起始时间为所述导航起始时间；
根据所述当前路段的起始时间，获取所述当前路段的入口的车辆排队长度，并根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，计算所述当前路段的延迟时长；
将所述当前路段的延迟时长和所述当前路段的理论行程时长相加，得到所述当前路段的实际行程时长；
将所有路段的实际行程时长相加，得到导航时长。
作为上述方案的改进，所述导航路线通过以下方式进行路段划分：
根据所述导航路线中的每一基站的覆盖范围对所述导航路线进行划分，得到若干路段。
作为上述方案的改进，所述根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，计算所述当前路段的延迟时长，具体包括：
将所述当前路段的入口的车辆排队长度除以所述当前路段的应用车辆吞吐量，得到所述当前路段的第一延迟时长；
当所述当前路段的入口的车辆排队长度大于预设长度阈值时，根据所述当前路段的入口的车辆排队长度，从预先获取的所述当前路段的历史数据中，获取历史路况数据；
根据所述历史路况数据计算第二延迟时长；
当所述当前路段的入口的车辆排队长度小于或等于预设长度阈值时，所述第二延迟时长为零；
将所述第一延迟时长和所述第二延迟时长相加，得到所述当前路段的延迟时长。
作为上述方案的改进，所述根据所述历史路况数据计算第二延迟时长，具体包括：
根据与所述当前路段的入口的车辆排队长度对应的历史总次数，以及与所述当前路段的入口的车辆排队长度对应的事故的次数，计算与所述当前路段的入口的车辆排队长度对应的事故概率；
将所述事故概率乘以所述事故延迟时长，得到第二延迟时长。
作为上述方案的改进，所述当前路段的应用车辆吞吐量通过以下方式获得：
将所述当前路段的基站与其覆盖范围内的参考车辆建立通信连接；
通过所述当前路段的基站实时记录当前车辆吞吐量；
当所述当前车辆吞吐量小于预设的吞吐量阈值时，将所述当前车辆吞吐量作为应用车辆吞吐量；
当所述当前车辆吞吐量大于或等于预设的吞吐量阈值时，将预设的所述当前路段的标准车辆吞吐量作为所述应用车辆吞吐量。
作为上述方案的改进，所述当前路段的标准车辆吞吐量通过以下方式计算得到：
获取最近若干历史自然日的所述当前路段的车辆吞吐量；
根据所有所述历史自然日的车辆吞吐量，得到所述当前路段的标准车辆吞吐量。
作为上述方案的改进，所述将所述当前路段的基站与其覆盖范围内的参考车辆建立通信连接，具体包括：
获取若干目标基站；其中，所述目标基站包括与所述参考车辆通信连接的当前基站、所述参考车辆的导航路线中的未经连接的基站；
获取所述目标基站与若干历史车辆的历史平均连接时间；
基于所述目标基站与所述参考车辆的距离，依次叠加各个历史平均连接时间直到满足预设的停止叠加条件，得到叠加时间值以及与所述叠加时间值对应的目标基站个数；
当所述目标基站个数大于3时，将所述参考车辆预约连接参与叠加计算的前n-1个目标基站中的待连接基站；其中，所述待连接基站为所述参考车辆的导航路线中的未经连接的基站；
将预约连接的所述待连接基站与其覆盖范围内的参考车辆建立通信连接。
为实现上述目的，本发明实施例还提供了一种导航时长预估装置，包括：
导航信息获取模块，用于响应于导航指令，获取目标车辆的导航信息；其中，所述导航信息包括导航起始时间、划分有若干路段的导航路线以及每一路段的理论行程时长；
当前起始时间获取模块，获取当前路段的起始时间；其中，当所述当前路段为第一路段时，所述当前路段的起始时间为所述导航起始时间；
延迟时长计算模块，用于根据所述当前路段的起始时间，获取所述当前路段的入口的车辆排队长度，并根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，计算所述当前路段的延迟时长；
当前实际时长计算模块，用于将所述当前路段的延迟时长和所述当前路段的理论行程时长相加，得到所述当前路段的实际行程时长；
导航时长计算模块，用于将所有路段的实际行程时长相加，得到导航时长。
为实现上述目的，本发明实施例还提供了一种车辆，包括：车辆本体和上述任一实施例所述的导航时长预估装置。
为实现上述目的，本发明实施例还提供了一种导航时长预估设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一实施例所述的导航时长预估方法。
与现有技术相比，本发明实施例公开的导航时长预估方法、装置、车辆及设备，首先，通过响应于导航指令，来获取目标车辆的导航信息；其中，所述导航信息包括导航起始时间、划分有若干路段的导航路线以及每一路段的理论行程时长；通过获取当前路段的起始时间，进而获取当前路段的入口在当前路段的起始时间的车辆排队长度；其中，当所述当前路段为第一路段时，所述当前路段的起始时间为所述导航起始时间；然后，通过根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，来计算所述当前路段的延迟时长；通过将所述当前路段的延迟时长和所述当前路段的理论行程时长相加，以得到所述当前路段的实际行程时长；最后，将所有路段的实际行程时长相加，得到导航时长。本发明实施例能够通过预先获取的道路的车辆吞吐量和其他车辆的导航信息，预估目标车辆行驶至每个路段时的对应路段的路况以计算每一路段的用时，进而准确计算行程时间，为驾驶员提供精准的导航指导。
附图说明
图1是本发明一实施例提供的一种导航时长预估方法的流程图；
图2是本发明一实施例提供的一种导航时长预估装置的结构示意图；
图3是本发明一实施例提供的一种导航时长预估设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，是本发明一实施例提供的一种导航时长预估方法，包括以下步骤：
S1、响应于导航指令，获取目标车辆的导航信息；其中，所述导航信息包括导航起始时间、划分有若干路段的导航路线以及每一路段的理论行程时长。
作为举例地，导航指令由用户输入，输入方式可以是键盘输入、鼠标输入、触屏输入或者语音输入等，在此不作限定；一般情况下，在响应导航指令时，根据用户输入的导航起始时间、导航起点和导航终点，查询与交通地图相关的数据库，获取得到目标车辆的导航信息，导航起始时间是目标车辆开始行驶的时间点，由用户根据实际情况自行设定。
S2、获取当前路段的起始时间；其中，当所述当前路段为第一路段时，所述当前路段的起始时间为所述导航起始时间。
当前路段的起始时间指的是预估的当车辆行驶到当前路段时的时间点。作为举例地，可以理解的是，当当前路段为第一路段时，起始时间为导航起始时间，当当前路段不是第一路段时，起始时间根据导航起始时间和当前路段之前的所有路段的预估的实际行程时长计算得到。
S3、根据所述当前路段的起始时间，获取所述当前路段的入口的车辆排队长度，并根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，计算所述当前路段的延迟时长。
具体地，应用车辆量吞吐量用于指示路段的道路承载极限；车辆排队长度的获取方式如下：联网获取当前路段的入口在当前路段的起始时间的车辆排队长度。示例性的，其他车辆的导航相关信息被上传至云端，目标车辆联网可根据当前路段的起始时间查询云端中其他车辆的导航相关信息，获取在当前路段的起始时间到达当前路段的入口的车辆数量，以作为当前路段的车辆排队长度。目标车辆通过当前路段的入口的时间(延迟时长)根据入口处的车辆数量和应用车辆吞吐量计算得到。
S4、将所述当前路段的延迟时长和所述当前路段的理论行程时长相加，得到所述当前路段的实际行程时长。
S5、将所有路段的实际行程时长相加，得到导航时长。
本发明实施例中通过根据获取的每一路段的起始时间来确定对应的车辆排队长度，结合每一路段的车辆吞吐量以计算每一路段的延迟时间，进而根据所有路段的延迟时间和理论行程时间准确计算总的导航时长，为驾驶员提供精准的导航指导。
进一步地，步骤S2中的所述当前路段的起始时间通过以下步骤获取：
S21、当所述当前路段为第一路段时，所述当前路段的起始时间为所述导航起始时间；
S22、当所述当前路段不是第一路段时，根据前一路段的起始时间、前一路段的实际行程时长，计算当前路段的起始时间。
示例性的，假定导航路段被划分为三个路段，三个路段依次为第一路段、第二路段和第三路段，第一路段的起始时间为导航起始时间。根据导航起始时间查询其他车辆的导航相关信息(包括导航路线及导航时间)，获取第一路段的入口在导航起始时间的第一车辆数目(车辆排队长度)，根据第一车辆数目和预设的第一路段的应用车辆吞吐量计算第一路段的延迟时长，将第一路段的延迟时长加上第一路段的理论行程时长，得到第一路段的实际行程时长；将导航起始时间加上第一路段的实际行程时长得到第二路段的起始时间，获取第二路段的入口在第二路段的起始时间的第二车辆数目(车辆排队长度)，根据第二车辆数目和预设的第二路段的应用车辆吞吐量计算第二路段的延迟时长，将第二路段的延迟时长加上第二路段的理论行程时长，得到第二路段的实际行程时长；将第二路段的起始时间加上第二路段的实际行程时长得到第三路段的起始时间，获取第三路段的入口在第三路段的起始时间的第三车辆数目(车辆排队长度)，根据第三车辆数目和预设的第三路段的应用车辆吞吐量计算第三路段的延迟时长，将第三路段的延迟时长加上第三路段的理论行程时长，得到第三路段的实际行程时长；将第一路段的实际行程时长、第二路段的实际行程时长和第三路段的实际行程时长相加，得到导航时长。由此可知，本发明实施例通过对每一路段的实际行程时长进行逐段计算，根据前一路段的起始时间和实际行程时长来计算当前路段的起始时间，进而查询其他车辆的导航相关信息，得到当前路段在对应的起始时间的车辆排队长度，从而计算得到当前路段的实际行程时长，依次对导航路线中的路段进行计算，最后综合得出总的导航时长，实现了导航时长的精准预估，为驾驶员提供精准的导航指导。
在一种实施方式中，所述导航路线通过以下方式进行路段划分：
根据所述导航路线中的每一基站的覆盖范围对所述导航路线进行划分，得到若干路段。
值得说明的是，在高速路上，通过设置基站为用户进行导航提供网络，一般情况下，考虑到基站的建设、运行、维修成本，在保障网络覆盖率的情况下尽可能增加各个基站间的距离，因此，可根据每一基站的覆盖范围对导航路线进行划分，得到若干与基站一一对应的路段。
在一种实施方式中，步骤S3中的所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，计算所述当前路段的延迟时长，具体包括以下步骤：
S31、将所述当前路段的入口的车辆排队长度除以所述当前路段的应用车辆吞吐量，得到所述当前路段的第一延迟时长；
S32、当所述当前路段的入口的车辆排队长度大于预设长度阈值时，根据所述当前路段的入口的车辆排队长度，从预先获取的所述当前路段的历史数据中，获取历史路况数据；
S33、根据所述历史路况数据计算第二延迟时长；
S34、当所述当前路段的入口的车辆排队长度小于或等于预设长度阈值时，所述第二延迟时长为零；
S35、将所述第一延迟时长和所述第二延迟时长相加，得到所述当前路段的延迟时长。
具体地，延迟时长包括第一延迟时长和第二延迟时长，第一延迟时长为综合其他车辆的导航相关信息预估计算得到的目标车辆通过路口的用时，通过路口的用时与通过路口的车辆以及路段的车辆吞吐量密切相关，第二延迟时长为综合了历史路况计算得到的延迟时长，当车辆排队长度大于预设长度阈值时，说明该路段的车辆堆积数量过高，需进行事故风险的评估，根据历史路况数据估算出对应的延迟时间，当车辆排队长度不大于预设长度阈值时，说明该路段的交通正常，无需考虑事故风险，因此对应的延迟时长为0。示例性的，第一延迟时长的具体计算方式如下：假设当前路段的入口的车辆排队长度为200，应用车辆吞吐量为100辆/分钟，将当前路段的入口的车辆排队长度200除以当前路段的应用车辆吞吐量100，得到当前路段的第一延迟时长为2分钟。
可选的，步骤S31中的所述第一延迟时长还可通过以下步骤进行计算得到：
S36、当所述当前路段的入口的车辆排队长度大于所述当前路段的应用车辆吞吐量时，将所述当前路段的入口的车辆排队长度减去所述当前路段的车辆吞吐量，再除以所述当前路段的应用车辆吞吐量，得到所述当前路段的第一延迟时长；
S37、当所述当前路段的入口的车辆排队长度小于或等于所述当前路段的应用车辆吞吐量时，所述当前路段的第一延迟时长为零。
值得说明的是，第一延迟时长的计算方式可以是步骤S31的计算方式，也可以是步骤S36～S37的计算方式，在此不作限定。
在一种实施方式中，步骤S33中的所述根据所述历史路况数据计算第二延迟时长，具体包括以下步骤：
S331、根据与所述当前路段的入口的车辆排队长度对应的历史总次数，以及与所述当前路段的入口的车辆排队长度对应的事故的次数，计算与所述当前路段的入口的车辆排队长度对应的事故概率；
S332、将所述事故概率乘以所述事故延迟时长，得到第二延迟时长。
示例性的，假设当前路段的入口的车辆排队长度为200，查询历史数据，得到与车辆排队长度200对应的历史总次数为50，其中，在历史总次数中，事故的次数为20，根据20次事故的延迟时长进行平均计算得到事故延迟时长为10分钟，将事故的次数20除以历史总次数50得到事故概率40％，将事故概率40％乘以事故延迟时长10，得到第二延迟时长4分钟。
可选的，与当前路段的入口的车辆排队长度对应的历史总次数通过以下方式获取：根据当前路段的车辆排队长度和预设的冗余数值得到长度区间，在历史数据中查询得到车辆排队长度落在长度区间的数据，计算出历史总次数。示例性的，假设当前路段的车辆排队长度为200，冗余数值为10，则长度区间为[190，210]，查询历史数据中得到车辆排队长度落在[190，210]的数据，总共得到8组数据，则历史总次数为8。
在一种实施方式中，步骤S3中的所述当前路段的应用车辆吞吐量通过以下步骤获得：
S301、将所述当前路段的基站与其覆盖范围内的参考车辆建立通信连接；
S302、通过所述当前路段的基站实时记录当前车辆吞吐量；
S303、当所述当前车辆吞吐量小于预设的吞吐量阈值时，将所述当前车辆吞吐量作为应用车辆吞吐量；
S304、当所述当前车辆吞吐量大于或等于预设的吞吐量阈值时，将预设的所述当前路段的标准车辆吞吐量作为所述应用车辆吞吐量。
具体地，利用基站和基站覆盖范围内的参考车辆连接，从而确定应用车辆吞吐量。当前车辆吞吐量是实时记录的路段的车辆吞吐量，通过以下方式获取：当参考车辆进入基站覆盖范围内时，参考车辆和基站会建立通信连接，与此同时，基站会对连接的参考车辆进行实时记录，以得到当前车辆吞吐量。标准车辆吞吐量表示正常路况下的路段的车辆吞吐量，吞吐量阈值和标准车辆吞吐量的关系为正相关的关系，吞吐量阈值小于标准车辆吞吐量。
示例性的，假设当前路段的基站实时记录的当前车辆吞吐量为60辆/分钟，吞吐量阈值为90辆/分钟，标准车辆吞吐量为100辆/分钟，当前车辆吞吐量远远小于吞吐量阈值，由此推断出当前路段发生严重交通事故或者道路维修的情况，此时的路段承载能力较弱，且短时间内难以恢复原状，因此将当前车辆吞吐量作为应用车辆吞吐量，直到实时记录的当前车辆吞吐量大于或等于吞吐量阈值时才将标准车辆吞吐量作为应用车辆吞吐量。
在具体应用中，一般情况下基站每天只上传一次24小时内计算得到的车辆吞吐量(可通过将基站在24小时内通信连接的车辆的数目除以24小时得到)至云计算终端，但是当当前车辆吞吐量小于吞吐量阈值时，将当前车辆吞吐量直接上传至云计算终端，以使云计算终端以当前车辆吞吐量作为应用车辆吞吐量，当当前车辆吞吐量不小于吞吐量阈值时，以标准车辆吞吐量作为应用车辆吞吐量；其中，云计算终端为设置在车辆处以供用户操作的设备。
在一种实施方式中，步骤S304中的所述当前路段的标准车辆吞吐量通过以下步骤计算得到：
S3041、获取最近若干历史自然日的所述当前路段的车辆吞吐量；
S3042、根据所有所述历史自然日的车辆吞吐量，得到所述当前路段的标准车辆吞吐量。
具体地，由基站与车辆的通信连接实现基站对车辆吞吐量的记录，作为举例地，历史自然日的当前路段的车辆吞吐量由基站上传至云计算终端，在云计算终端根据历史自然日的当前路段的车辆吞吐量进行标准车辆吞吐量的计算。
在一种实施方式中，步骤S301中的所述将所述当前路段的基站与其覆盖范围内的参考车辆建立通信连接，具体包括以下步骤：
S3011、获取若干目标基站；其中，所述目标基站包括与所述参考车辆通信连接的当前基站、所述参考车辆的导航路线中的未经连接的基站；
S3012、获取所述目标基站与若干历史车辆的历史平均连接时间；
S3013、基于所述目标基站与所述参考车辆的距离，依次叠加各个历史平均连接时间直到满足预设的停止叠加条件，得到叠加时间值以及与所述叠加时间值对应的目标基站个数；
S3013、当所述目标基站个数大于3时，将所述参考车辆预约连接参与叠加计算的前n-1个目标基站中的待连接基站；其中，所述待连接基站为所述参考车辆的导航路线中的未经连接的基站；
S3014、将预约连接的所述待连接基站与其覆盖范围内的参考车辆建立通信连接。
值得说明的是，随着5G通信技术的发展，利用5G的传输通信能力，将云计算的原理应用在车机上，可大幅降低成本。由于5G信号频率高，波长短，可传播范围较小，一般覆盖范围不超过250米，而车辆经常处于快速移动的状态且对网络的稳定性要求较高，因此需要采用一定的通信连接策略以保证基站(信号塔)的无缝切换。
进一步地，步骤S3013还包括：当所述目标基站个数小于或等于3时，将所述参考车辆预约连接离所述参考车辆最近的待连接基站。
示例性的，参考车辆和基站的通信连接策略如下：获取参考车辆的导航路线，根据参考车辆当前所在的位置从参考车辆的导航路线中找出目标基站(与参考车辆连接的当前基站以及未经连接的基站)，并对获取的目标基站和其他历史车辆的连接时间进行平均计算得到历史平均连接时间，基于目标基站和参考车辆的距离，从近到远依次叠加各个目标基站的历史平均连接时间，直到满足预设的停止叠加条件，示例性的，设定停止叠加条件是叠加得到的时间值大于或等于20秒，当当前基站的历史平均连接时间大于20秒时，或者，当当前基站的历史平均连接时间不大于20秒但当前基站的历史平均连接时间和距离最近的待连接基站的历史平均连接时间之和大于20秒时，或者，当当前基站的历史平均连接时间和距离最近的待连接基站的历史平均连接时间之和不大于20秒但当前基站的历史平均连接时间和距离最近的两个待连接基站的历史平均连接时间之和大于20秒时，将参考车辆预约连接距离最近的待连接基站；当参与叠加计算的目标基站的个数大于3时，除最后一个参与叠加计算的目标基站和当前基站外，将参考车辆预约连接参与叠加计算的其他目标基站；将预约连接的基站与其覆盖范围内的参考车辆进行通信连接。
可以理解的是，为了降低基站的处理器的压力，参考车辆不与在参考车辆的导航路线中的基站外的基站进行预约连接。
进一步地，步骤S3013还包括：当所述参考车辆与所述当前基站的连接时间大于所述预设时间阈值时，将所述参考车辆仅预约连接离所述参考车辆最近的待连接基站。
具体地，当参考车辆与当前基站的连接时间大于预设时间阈值时，说明参考车辆并没有按照正常情况进行行驶，可能途中突发事故，导致离开当前基站的历史平均连接时间失准，为避免基站因堵车时过量的连接申请而瘫痪，在经过预设时间阈值后，参考车辆仅预约连接离所述参考车辆最近的待连接基站，其他的待连接基站不进行预约连接。值得说明的是，预设时间阈值与当前基站的历史平均连接时间之间为正相关的关系。
与现有技术相比，本发明实施例公开的导航时长预估方法，通过预先获取的道路的车辆吞吐量和其他车辆的导航信息，预估目标车辆行驶至每个路段时的对应路段的路况以计算每一路段的用时，进而准确计算行程时间，为驾驶员提供精准的导航指导。
参见图2，是本发明实施例提供的一种导航时长预估装置，包括：
导航信息获取模块11，用于响应于导航指令，获取目标车辆的导航信息；其中，所述导航信息包括导航起始时间、划分有若干路段的导航路线以及每一路段的理论行程时长；
当前起始时间获取模块12，获取当前路段的起始时间；其中，当所述当前路段为第一路段时，所述当前路段的起始时间为所述导航起始时间；
延迟时长计算模块13，用于根据所述当前路段的起始时间，获取所述当前路段的入口的车辆排队长度，并根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，计算所述当前路段的延迟时长；
当前实际时长计算模块14，用于将所述当前路段的延迟时长和所述当前路段的理论行程时长相加，得到所述当前路段的实际行程时长；
导航时长计算模块15，用于将所有路段的实际行程时长相加，得到导航时长。
值得说明的是，具体的所述导航时长预估装置的工作过程可参考上述实施例中所述导航时长预估方法的工作过程，在此不再赘述。
与现有技术相比，本发明实施例公开的导航时长预估装置，首先，通过响应于导航指令，来获取目标车辆的导航信息；其中，所述导航信息包括导航起始时间、划分有若干路段的导航路线以及每一路段的理论行程时长；通过获取当前路段的起始时间，进而获取当前路段的入口在当前路段的起始时间的车辆排队长度；其中，当所述当前路段为第一路段时，所述当前路段的起始时间为所述导航起始时间；然后，通过根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，来计算所述当前路段的延迟时长；通过将所述当前路段的延迟时长和所述当前路段的理论行程时长相加，以得到所述当前路段的实际行程时长；最后，将所有路段的实际行程时长相加，得到导航时长。本发明实施例能够通过预先获取的道路的车辆吞吐量和其他车辆的导航信息，预估目标车辆行驶至每个路段时的对应路段的路况以计算每一路段的用时，进而准确计算行程时间，为驾驶员提供精准的导航指导。
本发明实施例还提供一种车辆，包括：车辆本体和如上实施例所述的导航时长预估装置。
参见图3，是本发明实施例提供的一种导航时长预估设备，包括处理器21、存储器22以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，例如行驶控制程序。所述处理器21执行所述计算机程序时实现上述导航时长预估方法实施例中的步骤，例如图1中所示的步骤S1～S5。或者，所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如导航信息获取模块11。
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述导航时长预估设备中的执行过程。例如，所述计算机程序可以被分割成导航信息获取模块11、当前起始时间获取模块12、延迟时长计算模块13、当前实际时长计算模块14和导航时长计算模块15，各模块具体功能如下：
导航信息获取模块11，用于响应于导航指令，获取目标车辆的导航信息；其中，所述导航信息包括导航起始时间、划分有若干路段的导航路线以及每一路段的理论行程时长；
当前起始时间获取模块12，获取当前路段的起始时间；其中，当所述当前路段为第一路段时，所述当前路段的起始时间为所述导航起始时间；
延迟时长计算模块13，用于根据所述当前路段的起始时间，获取所述当前路段的入口的车辆排队长度，并根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，计算所述当前路段的延迟时长；
当前实际时长计算模块14，用于将所述当前路段的延迟时长和所述当前路段的理论行程时长相加，得到所述当前路段的实际行程时长；
导航时长计算模块15，用于将所有路段的实际行程时长相加，得到导航时长。
各个模块具体的工作过程可参考上述实施例所述的导航时长预估装置的工作过程，在此不再赘述。
所述导航时长预估设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述导航时长预估设备可包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，所述示意图仅仅是导航时长预估设备的示例，并不构成对导航时长预估设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述导航时长预估设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器21是所述导航时长预估设备的控制中心，利用各种接口和线路连接整个导航时长预估设备的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块，所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，实现所述导航时长预估设备的各种功能。所述存储器22可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据车辆的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述导航时长预估设备集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种导航时长预估方法，其特征在于，包括：
响应于导航指令，获取目标车辆的导航信息；其中，所述导航信息包括导航起始时间、划分有若干路段的导航路线以及每一路段的理论行程时长；
获取当前路段的起始时间；其中，当所述当前路段为第一路段时，所述当前路段的起始时间为所述导航起始时间；当所述当前路段不为所述第一路段时，所述当前路段的起始时间为上一路段的起始时间加上一路段的实际行程时长；
根据所述当前路段的起始时间，获取所述当前路段的入口的车辆排队长度，并根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，计算所述当前路段的延迟时长；
将所述当前路段的延迟时长和所述当前路段的理论行程时长相加，得到所述当前路段的实际行程时长；
将所有路段的实际行程时长相加，得到导航时长。
2.如权利要求1所述的导航时长预估方法，其特征在于，所述导航路线通过以下方式进行路段划分：
根据所述导航路线中的每一基站的覆盖范围对所述导航路线进行划分，得到若干路段。
3.如权利要求1所述的导航时长预估方法，其特征在于，所述根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，计算所述当前路段的延迟时长，具体包括：
将所述当前路段的入口的车辆排队长度除以所述当前路段的应用车辆吞吐量，得到所述当前路段的第一延迟时长；
当所述当前路段的入口的车辆排队长度大于预设长度阈值时，根据所述当前路段的入口的车辆排队长度，从预先获取的所述当前路段的历史数据中，获取历史路况数据；
根据所述历史路况数据计算第二延迟时长；
当所述当前路段的入口的车辆排队长度小于或等于预设长度阈值时，所述第二延迟时长为零；
将所述第一延迟时长和所述第二延迟时长相加，得到所述当前路段的延迟时长。
4.如权利要求3所述的导航时长预估方法，其特征在于，所述根据所述历史路况数据计算第二延迟时长，具体包括：
根据与所述当前路段的入口的车辆排队长度对应的历史总次数，以及与所述当前路段的入口的车辆排队长度对应的事故的次数，计算与所述当前路段的入口的车辆排队长度对应的事故概率；
将所述事故概率乘以所述事故延迟时长，得到第二延迟时长。
5.如权利要求2所述的导航时长预估方法，其特征在于，所述当前路段的应用车辆吞吐量通过以下方式获得：
将所述当前路段的基站与其覆盖范围内的参考车辆建立通信连接；
通过所述当前路段的基站实时记录当前车辆吞吐量；
当所述当前车辆吞吐量小于预设的吞吐量阈值时，将所述当前车辆吞吐量作为应用车辆吞吐量；
当所述当前车辆吞吐量大于或等于预设的吞吐量阈值时，将预设的所述当前路段的标准车辆吞吐量作为所述应用车辆吞吐量。
6.如权利要求5所述的导航时长预估方法，其特征在于，所述当前路段的标准车辆吞吐量通过以下方式计算得到：
获取最近若干历史自然日的所述当前路段的车辆吞吐量；
根据所有所述历史自然日的车辆吞吐量，得到所述当前路段的标准车辆吞吐量。
7.如权利要求5所述的导航时长预估方法，其特征在于，所述将所述当前路段的基站与其覆盖范围内的参考车辆建立通信连接，具体包括：
获取若干目标基站；其中，所述目标基站包括与所述参考车辆通信连接的当前基站、所述参考车辆的导航路线中的未经连接的基站；
获取所述目标基站与若干历史车辆的历史平均连接时间；
基于所述目标基站与所述参考车辆的距离，依次叠加各个历史平均连接时间直到满足预设的停止叠加条件，得到叠加时间值以及与所述叠加时间值对应的目标基站个数；
当所述目标基站个数大于3时，将所述参考车辆预约连接参与叠加计算的前n-1个目标基站中的待连接基站；其中，所述待连接基站为所述参考车辆的导航路线中的未经连接的基站；
将预约连接的所述待连接基站与其覆盖范围内的参考车辆建立通信连接。
8.一种导航时长预估装置，其特征在于，包括：
导航信息获取模块，用于响应于导航指令，获取目标车辆的导航信息；其中，所述导航信息包括导航起始时间、划分有若干路段的导航路线以及每一路段的理论行程时长；
当前起始时间获取模块，获取当前路段的起始时间；其中，当所述当前路段为第一路段时，所述当前路段的起始时间为所述导航起始时间；当所述当前路段不为所述第一路段时，所述当前路段的起始时间为上一路段的起始时间加上一路段的实际行程时长；
延迟时长计算模块，用于根据所述当前路段的起始时间，获取所述当前路段的入口的车辆排队长度，并根据所述车辆排队长度和预设的所述当前路段的应用车辆吞吐量，计算所述当前路段的延迟时长；
当前实际时长计算模块，用于将所述当前路段的延迟时长和所述当前路段的理论行程时长相加，得到所述当前路段的实际行程时长；
导航时长计算模块，用于将所有路段的实际行程时长相加，得到导航时长。
9.一种车辆，其特征在于，包括：车辆本体和如权利要求8所述的导航时长预估装置。
10.一种导航时长预估设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的导航时长预估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111505617.5A CN115218912B (zh) | 2021-12-10 | 2021-12-10 | 导航时长预估方法、装置、车辆及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111505617.5A CN115218912B (zh) | 2021-12-10 | 2021-12-10 | 导航时长预估方法、装置、车辆及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115218912A CN115218912A (zh) | 2022-10-21 |
| CN115218912B true CN115218912B (zh) | 2023-11-21 |
Family
ID=83606265
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111505617.5A Active CN115218912B (zh) | 2021-12-10 | 2021-12-10 | 导航时长预估方法、装置、车辆及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115218912B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115512549A (zh) * | 2022-11-23 | 2022-12-23 | 无锡智谷锐拓技术服务有限公司 | 用于智慧汽车的交通信息动态更新系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104596522A (zh) * | 2014-05-27 | 2015-05-06 | 腾讯科技（深圳）有限公司 | 一种导航剩余时间获取方法和装置 |
| CN104613974A (zh) * | 2014-05-08 | 2015-05-13 | 腾讯科技（深圳）有限公司 | 导航时间获取方法、系统、导航方法和装置 |
| CN106525062A (zh) * | 2016-10-29 | 2017-03-22 | 安徽省艾佳信息技术有限公司 | 一种基于时间预估的导航方法 |
| CN108180922A (zh) * | 2018-01-26 | 2018-06-19 | 百度在线网络技术（北京）有限公司 | 一种导航时间测评方法、装置、设备和介质 |
| CN109059952A (zh) * | 2018-10-11 | 2018-12-21 | 国家卫星海洋应用中心 | 一种行程时长预测方法及装置 |
| CN109211253A (zh) * | 2017-07-05 | 2019-01-15 | 深圳市凯立德科技股份有限公司 | 一种预估到达时间的方法及导航设备 |
| CN109489679A (zh) * | 2018-12-18 | 2019-03-19 | 成佳颖 | 一种导航路径中的到达时间计算方法 |
| CN111554109A (zh) * | 2020-04-21 | 2020-08-18 | 河北万方中天科技有限公司 | 基于排队长度的信号配时方法及终端 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015146202A1 (ja) * | 2014-03-24 | 2015-10-01 | 日本電気株式会社 | ルート算出装置、ナビゲーション装置、ルート算出方法、ナビゲーション方法、および通信システム |
| CN111353009B (zh) * | 2020-02-03 | 2021-10-26 | 百度在线网络技术（北京）有限公司 | 建立路线耗时预估模型、预估路线耗时的方法及对应装置 |
-
2021
- 2021-12-10 CN CN202111505617.5A patent/CN115218912B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104613974A (zh) * | 2014-05-08 | 2015-05-13 | 腾讯科技（深圳）有限公司 | 导航时间获取方法、系统、导航方法和装置 |
| CN104596522A (zh) * | 2014-05-27 | 2015-05-06 | 腾讯科技（深圳）有限公司 | 一种导航剩余时间获取方法和装置 |
| CN106525062A (zh) * | 2016-10-29 | 2017-03-22 | 安徽省艾佳信息技术有限公司 | 一种基于时间预估的导航方法 |
| CN109211253A (zh) * | 2017-07-05 | 2019-01-15 | 深圳市凯立德科技股份有限公司 | 一种预估到达时间的方法及导航设备 |
| CN108180922A (zh) * | 2018-01-26 | 2018-06-19 | 百度在线网络技术（北京）有限公司 | 一种导航时间测评方法、装置、设备和介质 |
| CN109059952A (zh) * | 2018-10-11 | 2018-12-21 | 国家卫星海洋应用中心 | 一种行程时长预测方法及装置 |
| CN109489679A (zh) * | 2018-12-18 | 2019-03-19 | 成佳颖 | 一种导航路径中的到达时间计算方法 |
| CN111554109A (zh) * | 2020-04-21 | 2020-08-18 | 河北万方中天科技有限公司 | 基于排队长度的信号配时方法及终端 |
Non-Patent Citations (2)
| Title |
|---|
| 基于行程时间多步预测的实时路径导航算法;李进燕;计算机应用研究;第30卷(第2期);346-353 * |
| 车路协同环境下基于公交优先的交叉口配时优化;王琪;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(第6期);C034-805 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115218912A (zh) | 2022-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110784825B (zh) | 车辆行驶轨迹的生成方法、装置 | |
| CN104520912A (zh) | 堵塞预测装置、堵塞预测系统、堵塞预测方法和程序 | |
| CN109841078B (zh) | 导航数据处理方法及其装置、存储介质 | |
| CN115218912B (zh) | 导航时长预估方法、装置、车辆及设备 | |
| CN109840632A (zh) | 一种行车路线评估规划方法及装置 | |
| CN112712732A (zh) | 一种车辆碰撞预警方法、装置及设备 | |
| CN113888857A (zh) | 基于车联网的公共交通管理系统、装置及方法 | |
| CN111341093A (zh) | 车队的控制方法、装置、设备及存储介质 | |
| CN109945880B (zh) | 路径规划方法、相关设备及可读存储介质 | |
| CN109637178A (zh) | 车辆到站时间确定方法及设备 | |
| CN110113716B (zh) | 一种路径状态信息获取方法、装置及存储介质 | |
| CN112862214A (zh) | 基于大数据的停车服务推荐方法、装置、介质及服务器 | |
| CN114705214B (zh) | 一种里程轨迹计算方法、装置、存储介质及电子设备 | |
| CN116442787A (zh) | 一种电动汽车能耗预警方法、装置、介质及设备 | |
| CN116205460A (zh) | 基于乘客画像和eta数据的公交报站生成方法、装置及应用 | |
| CN115839721A (zh) | 一种行驶路线的预测方法、装置、车载终端及介质 | |
| CN114781243A (zh) | Eta预测及模型训练方法、设备、介质及产品 | |
| CN114199274A (zh) | 一种车辆行程确定方法、装置、设备及可读存储介质 | |
| CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 | |
| CN113820141A (zh) | 车辆测试方法、装置、设备及存储介质 | |
| CN116448138B (zh) | 行驶坐标预测方法、服务端及行驶坐标预测系统 | |
| CN113516843A (zh) | 预计到达时间的确定方法和装置、电子设备以及计算机可读存储介质 | |
| CN111681430A (zh) | 实时预测未来机动车到达信号灯路口停止线台数的方法 | |
| CN111309838B (zh) | 用于确定用户出行数据的方法和装置 | |
| CN114419887B (zh) | 一种路网指标的确定方法及装置 |
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 |