CN115440045B - 一种提高交通导航实时准确性的方法 - Google Patents
一种提高交通导航实时准确性的方法 Download PDFInfo
- Publication number
- CN115440045B CN115440045B CN202211086134.0A CN202211086134A CN115440045B CN 115440045 B CN115440045 B CN 115440045B CN 202211086134 A CN202211086134 A CN 202211086134A CN 115440045 B CN115440045 B CN 115440045B
- Authority
- CN
- China
- Prior art keywords
- traffic
- time
- road condition
- data
- navigation
- 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 49
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 206010039203 Road traffic accident Diseases 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 241000287181 Sturnus vulgaris Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 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
- 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
- G08G1/09—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
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
-
- 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
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种提高交通导航实时准确性的方法，基于智能的综合交通规划数据库平台，采用交通历史大数据测算方法，结合历史交通流量数据和公共交通数据，能够高效精准获取实时交通数据和历史交通数据，为精细化的交通导航预测提供了准确性和可靠性保障，用户根据历史路况预测时间推算路线切换，排除因历史数据不够精准导致的预测偏差，有效减少大数据计算的数量，节约测算资源，提升预估准确度，避免路线切换不够灵活，自动规划包括用户需要途经的经停地点或经停点类型，从而使路径规划效率高，能够自适应的调整用户对出行的需求信息，更精准的满足用户需求。
Description
技术领域
本发明属于交通规划研究技术领域，具体涉及一种提高交通导航实时准确性的方法。
背景技术
随着城市化的迅速扩张，全球各地的大城市均面临着缓解交通压力的难题。随着当前市民生活节奏的加快，快速及时的交通出行在市民出行生活中的重要性也在不断提升。然而每个城市的交通线路都非常繁多，线路信息也在不断更新，这就给行人导航出行提出了不小的挑战，尤其是随着城市的不断扩张，交通线路、人口等的迁移变更，更是对出行效率的一个大考验。为帮助用户提高驾车出行效率，现在手机地图APP中都有驾车导航功能，能够帮助用户规划驾车出行路线，实时导航。然而，主流的手机地图导航通常参考导航开始时刻的实时交通道路路况，当用户在临近高峰时段出行时，或者当用户规划的线路和时间跨度较长时，有可能随着车流量和人流量的快速变化，用户在导航之初选择的一条最快捷的路线变得特别拥堵，不再是最佳选择路线，而用户已经驶离最初的出发位置，错失切换其他更加快捷路线的时机；且一旦导航APP开始导航，驾车用户难以分出精力切换更加合适的路线避免拥堵，抽出时间低头盯着车内导航仪或手机看，也会容易发生交通事故，加剧交通堵塞程度；而即便用户根据历史路况预测时间推算路线切换，也有可能因为预测精度不够，或路线切换不够灵活，自动规划避开了用户需要途经的经停地点，而导致规划低效。
为了贯彻国家信息化技术的发展策略，顺应“互联网+”时代的科技创新趋势，提升交通规划信息化的科技水平，作为智慧城市建设的重要内容，需要将互联网、交通、大数据相结合，融合多元交通数据，内置交通模型技术及大数据算法，建设具备辅助交通决策的信息化、智能化、可视化的综合交通规划数据库及辅助决策系统。本发明基于智能的综合交通规划数据库，采用交通历史大数据的综合联动测算，能够提供给用户更加高效实用的交通规划方案，便捷城市用户交通出行。
发明内容
针对现有技术中的问题，本发明提供了一种提高交通导航实时准确性的方法，采用交通大数据历史模型，可以实时估算驾驶时间对应的交通拥堵情况并给出交通驾驶估算时间和最佳线路推荐，并可以根据用户设置，在用户驾驶过程中，智能切换更优导航线路。本发明适用于城市化进程下的交通导航的精细化预测，并利用多源大数据对路线进行修正；研究结果表明，基于交通大数据历史模型推荐最佳线路，具有较好的可行性、有效性，为城市交通导航提供了新的思路和方法，在精准满足用户驾驶需求，缓解交通压力，预防交通事故上具有重要的指导意义。
为了实现上述目的，本发明采用的技术方案如下：一种提高交通导航实时准确性的方法，包含以下步骤：
第一步，导航终端获取用户输入的目的地址、始发地址、一个或多个经停地点或经停类型(经停地点和经停预设位置类型默认可空缺)，生成导航请求发送给导航服务器；其中，始发地址缺省默认为用户当前GPS实时定位的地址；
第二步，导航服务器实时获取当前的路况信息，导航服务器根据获取的所述路况信息计算候选路线；候选路线按照用户预定义，分别为时间优先、时间和距离的均衡优先两种选择模式，缺省默认候选路线模式为时间和距离的均衡优先；导航服务器依据综合交通规划数据库平台生成交通方案，发送至用户的导航终端；
其中，根据获取的所述路况信息计算候选路线，进一步的，还包括以下步骤：基于综合交通规划数据库平台，采用交通历史大数据测算方法，获取从始发地址a到目的地址b、途经经停地点c1,c2,……,cn的多条候选路线的平均交通距离S1，不限出发时刻的时段R内交通历史大数据的平均交通时间T1，以及限定出发时刻的时段R内交通历史大数据的平均交通时间T2，其中，时段R根据城市交通数据库管理系统的交通历史大数据的数据量进行定义；当S1大于等于预设交通距离门限S，或T2减去T1时长差值大于等于预设时间门限T时，启动实时路况的分割测算方法；当S1小于预设交通距离门限且T2与T1时长差值小于预设时间门限时，启用实时路况的整体测算方法。
导航服务器依据综合交通规划数据库平台生成交通方案，具体为：
根据时段R1内每个出行时刻平均交通时间T2中目标区域内产生的历史出行数据，剔除因道路施工、临时交通管制、突发交通事故、恶劣天气的特殊路况特征p导致的特殊路况数据，生成历史交通拥堵时间分布模型O1(a,b,c1,c2,……,cn,d,R1,T2)，根据时段R2内每个出行时刻平均交通时间T2中目标区域内产生的历史出行数据，将因道路施工、临时交通管制、突发交通事故、恶劣天气的特殊路况特征p导致的特殊路况数据，生成特殊路况历史交通拥堵时间分布模型O2(a,b,c1,c2,……,cn,d,p,R2,T2)，结合当前目标区域内公交GPS、汽车GPS、自行车、步行实时交通信息，根据候选目标的移动速度和停留时长，判定交通拥堵情况严重的拥堵目标地点和拥堵特殊路况特征，是否满足特殊路况数据特征；在路况不满足特殊路况特征p时，确定所述目标区域内拥堵目标地点对应的交通状态评价指标EW遵循分布模型O1，在路况满足特殊路况数据特征p时，确定所述目标区域内拥堵目标地点对应的交通状态评价指标EW遵循分布模型O2；
进一步的，判断所述目标区域内拥堵目标地点对应的预设位置类型；预设位置类型包含路口、餐厅、加油站、车站、学校、医院、停车场，可以预先定义一个或多个；根据所述交通状态评价指标EW，从所述地点中确定可以避让的拥堵目标地点和目标地点位置类型；根据所述拥堵目标地点对应的位置类型，排除可以避让的拥堵目标地点的位置类型为经停预设位置类型d的路线，从已建立的交通历史数据库中确定与排除后的所述拥堵目标地点对应的交通方案参考优化信息，即避让的拥堵地点；根据所述目标参考优化信息，生成所述目标地点的交通方案。
第三步，用户选择最合适的驾驶路线。
与现有技术相比，本发明的优点在于：
1)本发明创造性地引入实时路况的测算方法，均衡交通时长和路程信息，启用实时路况的整体测算方法或启用实时路况的分割测算方法，更为准确的估算候选路线每个路段的交通通行时间，能够帮助用户更加准确的预估未来的交通拥堵情况。
2)本发明基于智能的综合交通规划数据库平台，采用交通历史大数据测算方法，结合历史交通流量数据和公共交通数据，能够高效精准获取实时交通数据和历史交通数据，为精细化的交通导航预测提供了准确性和可靠性保障，用户根据历史路况预测时间推算路线切换，排除因历史数据不够精准导致的预测偏差，有效减少大数据计算的数量，节约测算资源，提升预估准确度。
3)避免路线切换不够灵活，自动规划包括用户需要途经的经停地点或经停点类型，从而使路径规划效率高，能够自适应的调整用户对出行的需求信息，更精准的满足用户需求。
附图说明
附图1为本发明的流程图；
附图2为实时路况的分割测算方法示意图。
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用于解释本发明，并不用于限定本发明。
实施例1
一种提高交通导航实时准确性的方法，如附图1所示，包含以下步骤：
第一步，导航终端获取用户输入的目的地址、始发地址，一个或多个经停地点或经停类型(经停地点和经停预设位置类型默认可空缺)，生成导航请求发送给导航服务器；其中，始发地址缺省默认为用户当前GPS实时定位的地址；
第二步，导航服务器实时获取当前的路况信息，导航服务器根据获取的所述路况信息计算候选路线；候选路线按照用户预定义，分别为时间优先、时间和距离的均衡优先两种选择模式，缺省默认候选路线为时间和距离的均衡优先；导航服务器依据综合交通规划数据库平台生成交通方案，发送至用户的导航终端；
其中，根据获取的所述路况信息计算候选路线，进一步的，还包括以下步骤：基于综合交通规划数据库平台，采用交通历史大数据测算方法，获取从始发地址a到目的地址b、途经经停地点c1,c2,……,cn的多条候选路线的平均交通距离S1，不限出发时刻的时段R内交通历史大数据的平均交通时间T1，以及限定出发时刻的时段R内交通历史大数据的平均交通时间T2，其中，时段R根据城市交通数据库管理系统的交通历史大数据的数据量进行定义，在此取值为7天；当S1大于等于预设交通距离门限S，或T2减去T1时长差值大于等于预设时间门限T时，启动实时路况的分割测算方法；当S1小于预设交通距离门限且T2与T1时长差值小于预设时间门限时，启用实时路况的整体测算方法。
不限出发时刻的时段R内交通历史大数据的平均交通时间T1，即不考虑出发时刻，采用交通历史大数据，距离出发日前时段R内的从始发地址到目的地址的平均交通时间；限定出发时刻的时段R内交通历史大数据的平均交通时间T2，即考虑出发时刻，采用交通历史大数据，对应该时刻的历史时刻作为出发时刻，距离出发日的时段R内每天该出发时刻始发的从始发地址到目的地址的交通时间的平均值；
当S1大于等于预设交通距离门限，或T2减去T1时长差值大于等于预设时间门限时，说明路况信息存在变动的可能性大，启动实时路况的分割测算方法；当S1小于预设交通距离门限且T2与T1时长差值小于预设时间门限时，说明路况信息存在变动的可能性小，此时启用实时路况的整体测算方法，节约测算资源；例如，预设交通距离门限取值为20公里或以上；预设时间门限为大于等于5分钟。
导航服务器依据综合交通规划数据库平台生成交通方案，具体为：
根据时段R1内每个出行时刻平均交通时间T2中目标区域内产生的历史出行数据，剔除因道路施工、临时交通管制、突发交通事故、恶劣天气的特殊路况特征p导致的特殊路况数据，生成历史交通拥堵时间分布模型O1(a,b,c1,c2,……,cn,d,R1,T2)；此处，R1取值为R，也可以是与R相近的值，在此不做限定；根据时段R2内每个出行时刻平均交通时间T2中目标区域内产生的历史出行数据，将因道路施工、临时交通管制、突发交通事故、恶劣天气的特殊路况特征p导致的特殊路况数据，生成特殊路况历史交通拥堵时间分布模型O2(a,b,c1,c2,……,cn,d,p,R2,T2)；此处R2取值为10R，R2取值大于R，根据数据精度的要求可做调整，在此不做限定；
结合当前目标区域内公交GPS、汽车GPS、自行车、步行实时交通信息，根据候选目标的移动速度和停留时长，判定交通拥堵情况严重的拥堵目标地点和拥堵特殊路况特征，是否满足特殊路况数据特征；在路况不满足特殊路况特征p时，确定所述目标区域内拥堵目标地点对应的交通状态评价指标EW遵循分布模型O1，在路况满足特殊路况数据特征p时，确定所述目标区域内拥堵目标地点对应的交通状态评价指标EW遵循分布模型O2；
进一步的，判断所述目标区域内拥堵目标地点对应的预设位置类型；预设位置类型包含路口、餐厅、加油站、车站、学校、医院、停车场，可以预先定义一个或多个；根据所述交通状态评价指标EW，从所述地点中确定可以避让的拥堵目标地点和目标地点位置类型；根据所述拥堵目标地点对应的位置类型，排除候选的可以避让的拥堵目标地点的位置类型为经停预设位置类型d的路线，从已建立的交通历史数据库中确定与排除后的所述拥堵目标地点对应的目标交通方案参考优化信息，即确定避让的拥堵地点；根据所述目标参考优化信息，生成交通方案。
第三步，用户选择最合适的驾驶路线。
实施例2
一种提高交通导航实时准确性的方法，包含以下步骤：
第一步，导航终端获取用户输入的目的地址、始发地址，一个或多个经停地点或经停类型(经停地点和经停预设位置类型默认可空缺)，生成导航请求发送给导航服务器；其中，始发地址缺省默认为用户当前GPS实时定位的地址；
第二步，导航服务器实时获取当前的路况信息，导航服务器根据获取的所述路况信息计算候选路线；候选路线按照用户预定义，分别为时间优先、时间和距离的均衡优先两种选择模式，缺省默认候选路线为时间和距离的均衡优先；导航服务器依据综合交通规划数据库平台生成交通方案，发送至用户的导航终端；
其中，根据获取的所述路况信息计算候选路线，进一步的，还包括以下步骤：基于综合交通规划数据库平台，采用交通历史大数据测算方法，获取从始发地址a到目的地址b、途经经停地点c1,c2,……,cn的多条候选路线的平均交通距离S1，不限出发时刻的时段R内交通历史大数据的平均交通时间T1，以及限定出发时刻的时段R内交通历史大数据的平均交通时间T2，其中，时段R根据城市交通数据库管理系统的交通历史大数据的数据量进行定义，在此取值为7天；当S1大于等于预设交通距离门限S，或T2减去T1时长差值大于等于预设时间门限T时，启动实时路况的分割测算方法；当S1小于预设交通距离门限且T2与T1时长差值小于预设时间门限时，启用实时路况的整体测算方法。
如附图2所示，所述分割测算方法为，将交通距离以交叉路口为分割点进行拆分，分别对拆分后的各个交通分段估算交通时间，以到达该交通分段对应的初始交叉路口的时刻作为出发时刻，对应历史时刻该交通分段的交通历史大数据的平均交通时间t1，t2,……tn，得到最终的候选路线交通估算时间其中，n为拆分后的各个交通分段的个数；
所述整体测算方法为，获取当前出发时刻对应的该候选路线的交通历史大数据的平均交通时间，作为候选路线交通估算时间T。
本发明基于智能的综合交通规划数据库平台，采用交通历史大数据测算方法，结合历史交通流量数据和公共交通数据，能够高效精准获取实时交通数据和历史交通数据，为精细化的交通导航预测提供了准确性和可靠性保障，用户根据历史路况预测时间推算路线切换，排除因历史数据不够精准导致的预测偏差，有效减少大数据计算的数量，节约测算资源，提升预估准确度。避免路线切换不够灵活，自动规划包括用户需要途经的经停地点或经停点类型，从而使路径规划效率高，能够自适应的灵活调整用户对出行的需求信息，更精准的满足用户需求。
上面对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种改进，或未经改进直接应用于其它场合的，均在本发明的保护范围之内。
Claims (1)
1.一种提高交通导航实时准确性的方法，包含以下步骤：
第一步，导航终端获取用户输入的目的地址、始发地址、一个或多个经停地点或经停类型，生成导航请求发送给导航服务器；其中，始发地址缺省默认为用户当前GPS实时定位的地址；
第二步，导航服务器实时获取当前的路况信息，导航服务器根据获取的所述路况信息计算候选路线；候选路线按照用户预定义，分别为时间优先、时间和距离的均衡优先两种选择模式，缺省默认候选路线模式为时间和距离的均衡优先；导航服务器依据综合交通规划数据库平台生成交通方案，发送至用户的导航终端；
其中，根据获取的所述路况信息计算候选路线，进一步的，还包括以下步骤：基于综合交通规划数据库平台，采用交通历史大数据测算方法，获取从始发地址a到目的地址b、途经经停地点c1,c2,……,cn的多条候选路线的平均交通距离S1，不限出发时刻的时段R内交通历史大数据的平均交通时间T1，以及限定出发时刻的时段R内交通历史大数据的平均交通时间T2，其中，时段R根据城市交通数据库管理系统的交通历史大数据的数据量进行定义，在此取值为7天；当S1大于等于预设交通距离门限S，或T2减去T1时长差值大于等于预设时间门限时，启动实时路况的分割测算方法；当S1小于预设交通距离门限且T2与T1时长差值小于预设时间门限时，启用实时路况的整体测算方法；
导航服务器依据综合交通规划数据库平台生成交通方案，具体为：
根据时段R1内每个出行时刻平均交通时间T2中目标区域内产生的历史出行数据，剔除因道路施工、临时交通管制、突发交通事故、恶劣天气的特殊路况特征p导致的特殊路况数据，生成历史交通拥堵时间分布模型O1(a,b,c1,c2,……,cn,d,R1,T2)；根据时段R2内每个出行时刻平均交通时间T2中目标区域内产生的历史出行数据，将因道路施工、临时交通管制、突发交通事故、恶劣天气的特殊路况特征p导致的特殊路况数据，生成特殊路况历史交通拥堵时间分布模型O2(a,b,c1,c2,……,cn,d,p,R2,T2)，结合当前目标区域内公交GPS、汽车GPS、自行车、步行实时交通信息，根据候选目标的移动速度和停留时长，判定交通拥堵情况严重的拥堵目标地点和拥堵特殊路况特征，是否满足特殊路况数据特征p；在路况不满足特殊路况特征p时，确定所述目标区域内拥堵目标地点对应的交通状态评价指标EW遵循分布模型O1，在路况满足特殊路况数据特征p时，确定所述目标区域内拥堵目标地点对应的交通状态评价指标EW遵循分布模型O2；
判断所述目标区域内拥堵目标地点对应的预设位置类型；根据所述交通状态评价指标EW，从所述地点中确定可以避让的拥堵目标地点和目标地点位置类型；根据所述拥堵目标地点对应的位置类型，排除可以避让的拥堵目标地点的位置类型为经停预设位置类型d的路线，从已建立的交通历史数据库中确定与排除后的所述拥堵目标地点对应的交通方案参考优化信息，即避让的拥堵地点；根据所述参考优化信息，生成所述目标地点的交通方案；
第三步，用户选择最合适的驾驶路线；
所述整体测算方法为，获取当前出发时刻对应的该候选路线的交通历史大数据的平均交通时间，作为候选路线交通估算时间T；所述分割测算方法为，将交通距离以交叉路口为分割点进行拆分，分别对拆分后的各个交通分段估算交通时间，以到达该交通分段对应的初始交叉路口的时刻作为出发时刻，对应历史时刻该交通分段的交通历史大数据的平均交通时间t1，t2,……tn，得到最终的候选路线交通估算时间其中，n为拆分后的各个交通分段的个数；所述预设位置类型包含路口、餐厅、加油站、车站、学校、医院、停车场，可以预先定义一个或多个；预设交通距离门限为20公里或以上，预设时间门限大于等于5分钟；时段R取值为7天，R1取值为7天，R2取值为70天。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211086134.0A CN115440045B (zh) | 2021-08-19 | 2021-08-19 | 一种提高交通导航实时准确性的方法 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110954475.4A CN113808391B (zh) | 2021-08-19 | 2021-08-19 | 一种提高交通导航实时准确性的方法 |
| CN202211086134.0A CN115440045B (zh) | 2021-08-19 | 2021-08-19 | 一种提高交通导航实时准确性的方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110954475.4A Division CN113808391B (zh) | 2021-08-19 | 2021-08-19 | 一种提高交通导航实时准确性的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115440045A CN115440045A (zh) | 2022-12-06 |
| CN115440045B true CN115440045B (zh) | 2023-12-22 |
Family
ID=78941488
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211086134.0A Active CN115440045B (zh) | 2021-08-19 | 2021-08-19 | 一种提高交通导航实时准确性的方法 |
| CN202110954475.4A Active CN113808391B (zh) | 2021-08-19 | 2021-08-19 | 一种提高交通导航实时准确性的方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110954475.4A Active CN113808391B (zh) | 2021-08-19 | 2021-08-19 | 一种提高交通导航实时准确性的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN115440045B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114613187B (zh) * | 2022-05-13 | 2022-07-12 | 佛山市城市规划设计研究院 | 一种公交线路设置方法、装置、电子设备及存储介质 |
| CN117493820B (zh) * | 2024-01-03 | 2024-04-02 | 中国电子工程设计院股份有限公司 | 一种数据要素处理方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003203289A (ja) * | 2001-12-28 | 2003-07-18 | Fujitsu Fip Corp | 渋滞分布を推測する経路探査システム |
| CN103824126A (zh) * | 2014-02-17 | 2014-05-28 | 株洲南车时代电气股份有限公司 | 交通拥堵情况分析系统 |
| 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 |
| CN108648445A (zh) * | 2018-04-19 | 2018-10-12 | 浙江浙大中控信息技术有限公司 | 基于交通大数据的动态交通态势预测方法 |
| CN109887289A (zh) * | 2019-03-28 | 2019-06-14 | 南京邮电大学 | 一种城市交通网络模型的网络车流量最大化方法 |
| CN110646004A (zh) * | 2018-12-29 | 2020-01-03 | 北京奇虎科技有限公司 | 一种基于路况预测的智能导航方法及装置 |
| CN112185108A (zh) * | 2020-08-27 | 2021-01-05 | 银江股份有限公司 | 基于时空特征的城市路网拥堵模式识别方法、设备及介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102346964A (zh) * | 2010-08-05 | 2012-02-08 | 王学鹰 | 道路交通网络区域拥堵实时预测与智能管理系统 |
| TWI674561B (zh) * | 2017-06-30 | 2019-10-11 | 修平學校財團法人修平科技大學 | 即時交通路況的通報與形成方法 |
| CN108307312B (zh) * | 2018-01-09 | 2021-08-24 | 腾讯科技（深圳）有限公司 | 一种拥堵提示方法、服务器、客户端及存储介质 |
-
2021
- 2021-08-19 CN CN202211086134.0A patent/CN115440045B/zh active Active
- 2021-08-19 CN CN202110954475.4A patent/CN113808391B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003203289A (ja) * | 2001-12-28 | 2003-07-18 | Fujitsu Fip Corp | 渋滞分布を推測する経路探査システム |
| CN103824126A (zh) * | 2014-02-17 | 2014-05-28 | 株洲南车时代电气股份有限公司 | 交通拥堵情况分析系统 |
| 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 |
| CN108648445A (zh) * | 2018-04-19 | 2018-10-12 | 浙江浙大中控信息技术有限公司 | 基于交通大数据的动态交通态势预测方法 |
| CN110646004A (zh) * | 2018-12-29 | 2020-01-03 | 北京奇虎科技有限公司 | 一种基于路况预测的智能导航方法及装置 |
| CN109887289A (zh) * | 2019-03-28 | 2019-06-14 | 南京邮电大学 | 一种城市交通网络模型的网络车流量最大化方法 |
| CN112185108A (zh) * | 2020-08-27 | 2021-01-05 | 银江股份有限公司 | 基于时空特征的城市路网拥堵模式识别方法、设备及介质 |
Non-Patent Citations (2)
| Title |
|---|
| 一种交通拥堵指数智能计算方法;周燕华;;微型电脑应用(第03期);全文 * |
| 基于多因素的城市道路交通拥堵预测分析;宋洋;;建筑技术开发(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113808391B (zh) | 2022-08-02 |
| CN113808391A (zh) | 2021-12-17 |
| CN115440045A (zh) | 2022-12-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10495472B2 (en) | Dynamic geolocation optimization of pickup locations using location scores | |
| CN115440045B (zh) | 一种提高交通导航实时准确性的方法 | |
| US20190346275A1 (en) | Vehicle route guidance | |
| KR101897339B1 (ko) | 전기 자동차의 주행가능거리 예측방법 및 그 시스템 | |
| EP2685215B1 (en) | Method of estimating an ability of a vehicle to reach a target road segment, method of generating a database therefor, and corresponding navigation system | |
| CN110491158B (zh) | 一种基于多元数据融合的公交车到站时间预测方法及系统 | |
| US9683850B2 (en) | Method for navigation using adaptive coverage | |
| US9057622B2 (en) | Method and system for routing using uncertainty data | |
| WO2018188177A1 (zh) | 一种基于无人驾驶的路径规划的方法、装置及系统 | |
| US8768616B2 (en) | Adaptive method for trip prediction | |
| CN102243811B (zh) | 车辆导航系统及推荐路径检索方法 | |
| CN101964941A (zh) | 基于动态信息的智能导航与位置服务系统及方法 | |
| CN103413455A (zh) | 一种道路交通引导方法及系统 | |
| CN109579861B (zh) | 一种基于强化学习的路径导航方法及系统 | |
| CN110646004B (zh) | 一种基于路况预测的智能导航方法及装置 | |
| US20210333114A1 (en) | System and method for dynamic routing | |
| CN111829538A (zh) | 交通安全导航方法、存储介质及电子设备 | |
| CN109159782A (zh) | 车辆的动力模式调节方法及服务器 | |
| CN112669642A (zh) | 一种基于通行时间和车速预测的动态路径规划算法和系统 | |
| CN113175939A (zh) | 纯电动汽车行程规划方法及系统 | |
| EP4354413A1 (en) | Driving assistance device | |
| CN110696627A (zh) | 一种车辆可达范围的反馈方法及装置、汽车、存储介质 | |
| GB2556876A (en) | Vehicle route guidance | |
| CN108256662A (zh) | 到达时间的预测方法和装置 | |
| CN111523702B (zh) | 网约车上车点的优化方法、系统、服务器及存储介质 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Luo Dian Inventor after: Lu Huoping Inventor after: Wang Zhuoyu Inventor after: Li Hanfei Inventor after: Li Jianmin Inventor after: Zhang Hailei Inventor after: Yan Yongnan Inventor before: Luo Dian Inventor before: Zhang Hailei Inventor before: Yan Yongnan Inventor before: Li Hanfei Inventor before: Lu Hu Inventor before: Zhu Mo Inventor before: He Jihong Inventor before: Wen Weihua Inventor before: Lu Huoping Inventor before: Li Jianmin Inventor before: Wang Zhuoyu |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240419 Address after: 528000, 26th Floor, Building B, Vanke Financial Center, No. 57 Jihua Fifth Road, Zumiao Street, Chancheng District, Foshan City, Guangdong Province (Residence Declaration) Patentee after: Foshan Urban Planning and Design Research Institute Co.,Ltd. Country or region after: China Address before: 528000 No.62, Lingnan Avenue North, Chancheng District, Foshan City, Guangdong Province Patentee before: FOSHAN URBAN PLANNING AND DESIGN INSTITUTE Country or region before: China |