CN116431936B - 基于隧道路段的路况信息快速查询方法 - Google Patents
基于隧道路段的路况信息快速查询方法 Download PDFInfo
- Publication number
- CN116431936B CN116431936B CN202310695753.8A CN202310695753A CN116431936B CN 116431936 B CN116431936 B CN 116431936B CN 202310695753 A CN202310695753 A CN 202310695753A CN 116431936 B CN116431936 B CN 116431936B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- adjacent
- possibility
- query
- recommended
- 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 67
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 206010047531 Visual acuity reduced Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- 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
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据处理技术领域,提出了基于隧道路段的路况信息快速查询方法,包括:获得每个隧道的车流量数据;获得当前查询隧道以及临近隧道的推荐可能性;得到临近序列,获取每个临近隧道的查询间隔,根据临近序列序号、查询间隔、推荐可能性得到对连续查询的影响;获取时间间隔,根据时间间隔、查询间隔、对连续查询的影响得到当前用户的临近隧道被推荐的可能性;获取连续查询隧道,根据临近隧道的被推荐可能性以及连续查询隧道的数量得到多个用户的临近隧道被推荐的可能性;获取影响关系;根据影响关系得到最终被推荐的可能性;根据最终被推荐的可能性完成快速查询。本发明保留用户的形式路径的偏好,以便于对当前用户进行最优推荐。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及基于隧道路段的路况信息快速查询方法。
背景技术
随着网络技术的发展,各种信息共享平台不断深入人们生活,极大的方便了人们生活各方面。比如在人们出行之前,通过互联网进行路况查询,以掌握路况信息用于形式路线规划,从而避免行驶拥堵路段。其中隧道一般车道较少且视野不佳,为事故多发位置或者拥堵常发生位置,常常作为重点查询目标。一般查询过程中会伴随多个隧道的查询需求,所以在完成一次查询后,后续相关隧道的查询推荐可减少用户查询输入,便于用户快速查询,所以查询推荐是提高用户体验的必要过程。
在隧道中查询过程中根据已查询隧道进行其他隧道的查询推荐,一般主要利用查询已查询隧道与其他隧道的路径距离关系,选择较近的隧道进行查询推荐,但是在实际路径中可能存在较多的分路口使得隧道之间的路径距离关系不能直接表现隧道查询需求,并且不同用户的查询需求具有差异性,其查询需求差异主要表现在历史查询记录中隧道查询关系,即单个用户查询记录无法反应当前位置最终的查询需求,进而无法进行当前位置查询推荐。
发明内容
本发明提供基于隧道路段的路况信息快速查询方法,以解决单个用户查询记录无法反应当前位置最终的查询需求的问题,所采用的技术方案具体如下:
本发明一个实施例提供了基于隧道路段的路况信息快速查询方法,该方法包括以下步骤:
获得每个隧道的车流量数据;
获得当前查询隧道以及临近隧道,根据临近隧道的车流量数据以及临近隧道和当前查询隧道的距离得到临近隧道的推荐可能性;将历史记录中每一次查询所有临近隧道的推荐可能性排序得到临近序列,获取每个临近隧道和当前查询隧道的查询间隔,根据临近序列序号、查询间隔、推荐可能性以及当前查询隧道与临近隧道之间路径分叉路线的数量得到推荐查询可能性对连续查询的影响;
获取当前用户历史记录中每次查询与当前查询的时间间隔,根据时间间隔、查询间隔、推荐查询可能性对连续查询的影响得到当前用户的临近隧道被推荐查询的可能性;
获取每次查询中当前查询隧道的连续查询隧道,在预设数量用户的历史记录中根据每个临近隧道的被推荐可能性以及连续查询隧道的数量得到多个用户的临近隧道被推荐查询的可能性;
从当前用户的临近隧道被推荐的可能性中提取预设数量的临近隧道,根据提取出来的临近隧道和每个临近隧道的差异得到影响关系;根据影响关系得到临近隧道最终被推荐的可能性;
根据最终被推荐的可能性完成快速查询。
优选的,所述临近隧道与当前查询隧道的距离小于预设。
优选的,所述查询间隔的获得方法为:
在隧道查询的过程中,每次查询都是一个线性过程,即查询一个隧道的车流量数据后会继续查询下一个隧道的车流量数据,查询间隔即为在一次查询过程中,每个临近隧道与当前查询隧道中间隔的临近隧道的数量加一。
优选的,所述根据临近序列序号、查询间隔、推荐可能性以及当前查询隧道与临近隧道之间路径分叉路线的数量得到推荐查询可能性对连续查询的影响的方法为:
式中,表示当前查询隧道第v次查询后,第i个临近隧道被推荐的可能性,/>表示当前查询隧道第v次查询后,第i个临近隧道与当前查询隧道的查询间隔,/>表示在当前查询隧道在第v次查询后,第i个临近隧道在临近序列的序号,/>表示当前查询隧道到第i个临近隧道的分叉路线的数量,/>为调整参数,/>表示当前查询隧道中第v次查询后第i个临近隧道的推荐查询可能性对连续查询的影响。
优选的,所述连续查询隧道的获取方法为:
在一次查询中,若当前查询隧道与临近隧道的查询间隔小于预设间隔,那么认为该临近隧道被连续查询,记为连续查询隧道。
优选的,所述根据每个临近隧道的被推荐可能性以及连续查询隧道的数量得到多个用户的临近隧道被推荐查询的可能性的方法为:
获取每个用户得到的每个临近隧道被推荐的可能性以及每个用户的每个临近隧道为连续查询隧道的次数,将同一个临近隧道被推荐的可能性的倒数以及作为连续查询隧道的次数相乘,将所有用户的乘积取均值得到多个用户的临近隧道被推荐查询的可能性。
优选的,所述从当前用户的临近隧道被推荐的可能性中提取预设数量的临近隧道的方法为:
将任意一个临近隧道记为中心临近隧道,将所有临近隧道从大到小排序,将中心临近隧道周围预设数量的临近隧道提取出来,其中比中心临近隧道的推荐可能性大的和比中心临近隧道的推荐可能性小的临近隧道数量相同,提取出来的临近隧道与中心临近隧道或提取出的临近隧道是相邻的,将提取出的临近隧道从大到小排序。
本发明的有益效果是:本发明根据当前查询隧道与临近隧道之间的查询关系,进行隧道查询推荐,在满足用户查询需求的同时,减少用户查询输入,便于路况信息的快速查询。利用当前用户的查询记录,保证被推荐查询可能性符合用户的查询习惯,同时利用隧道路径关系,保证推荐查询与已查询隧道之间的路径相关性,且保留用户的形式路径的偏好,以便于对当前用户进行最优推荐。利用当前个人查询记录和多个用户查询记录所获得的隧道被推荐的可能性,首先避免了当前用户的查询记录中的偶然性查询对查询推荐的影响,提高查询推荐的准确性;同时避免当前用户初次查询时,查询记录空白导致的无法推荐的可能,使得查询推荐更加完整。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的基于隧道路段的路况信息快速查询方法的流程示意图。
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做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。
在隧道路况查询过程中,首先输入一个隧道进行路况查询,然后根据所查询隧道与其他相关隧道之间的查询关系,进行隧道查询推荐。当前已查询的隧道在查询记录中与其他隧道的查询关系反应当前查询隧道的与其他隧道连续查询需求,影响着查询推荐。所以本发明利用查询记录中隧道查询关系确定连续查询需求,并结合不同用户查询记录中连续查询需求之间的关系确定最终查询推荐。
请参阅图1,其示出了本发明一个实施例提供的基于隧道路段的路况信息快速查询方法流程图,该方法包括以下步骤:
步骤S001,获取每个隧道的车流量数据并上传至隧道路况查询系统中。
在隧道上方安装相机采集图像,将图像数据传输到监测中心进行分析处理,获得隧道内部的车流量数据,CN114241792A公开了一种车流量检测方法及系统获取车流量数据,本实施例不进行具体叙述和限定,在此不做赘述,结合地图系统,获得隧道周围的道路。
将所获得的隧道内的车流量数据分析后实时传输到隧道路况查询系统中,用户可以根据自身需求进行隧道路况查询。
至此,获得了隧道的车流量数据。
步骤S002,获取临近隧道的推荐可能性,根据推荐可能性得到对连续查询的影响,根据当前用户历史记录中推荐可能性对连续查询的影响得到临近隧道被推荐的可能性。
在实际路况查询中用户在查询端输入隧道名称,系统直接显示用户所输入的隧道路况,由于用户行驶路径中可能包含多个隧道,因此用户在经过一次查询后可能还有其余的查询需求,此时为了满足用户查询需求,需要进行其他隧道查询推荐,即不需要用户重新输入隧道名称进行查询,直接选择所推荐的隧道。
在查询推荐中主要根据用户的行驶路径方向结合地图找到用户可能经过的隧道,且可能经过的隧道中距离当前查询的隧道越近,推荐的可能性越大。
首先,统计距离当前查询隧道在50km以内的所有隧道记为临近隧道,根据每个临近隧道的车流量数据以及临近隧道距离当前查询隧道的距离得到每个临近隧道的推荐可能性,公示如下:
式中,表示第i个临近隧道与当前查询隧道的距离,/>表示第i个临近隧道的车流量数据,/>表示第i个临近隧道的推荐可能性。
其中临近隧道与当前查询隧道的距离越大,临近隧道与当前查询隧道的连续的可能性越小,即继续查询的可能性越小,即被推荐的可能性越小,临近隧道的车流量数据越大,临近隧道被查询的可能性越大,即被推荐的可能性越大。
根据上述计算得到每个临近隧道被推荐的可能性,但是在实际应用查询应用过程中,每一个用户行驶路径具有差异,所以每一个用户的查询需求具有差异,即每一个查询需求具有偏好,并且不同隧道于当前查询隧道的路径相关关系具有差异,所以隧道之间的路径距离以及车流量数据无法反映每一个用户在不同位置的查询需求,即所获得的隧道被推荐的可能性不能满足所有用户在不同位置的查询推荐。此时需要根据隧道位置关系以及用户查询需求判断对其查询推荐的影响,比如同时存在于主路的隧道之间连续查询的可能性较大,并且每一个临近隧道于当前查询隧道在路径中存在分路口越多,连续查询需求被分割的可能性越大,即被推荐的可能性越小。
用户查询需求包括单个用户需求与多个用户在当前位置的整体查询需求,对于单个用户查询需求主要表现为对应用户的查询记录,整体查询需求则表现为与当前已查询隧道相关的所有用户的查询记录,二者共同反映当前查询推荐。
对于单个用户的查询需求主要根据用户历史查询进行分析,若用户存在多次重复路线的行驶,存在其查询记录,其查询记录中的数据反映了用户的查询需求,当前用户历史查询记录中当前查询隧道与临近隧道的查询记录越连续,越符合当前用户的查询需求,即被推荐的可能性越大。对于多个用户的历史记录中,用户的查询记录反映当前已查询隧道的连续查询的整体需求,此时在不同用户查询记录中,被连续查询的次数越多,被推荐查询的可能性越大,连续查询指的是在一次查询中,临近隧道在预设查询间隔中被查询,若当前查询隧道与临近隧道的查询间隔小于,那么认为该临近隧道被连续查询记为连续查询隧道,在本实施例中设定/>为20。
对于当前查询隧道中的所有临近隧道按照推荐可能性从大到小排序,得到临近序列,统计当前查询隧道到第i个临近隧道的路径中出现的分叉路线,根据当前查询隧道查询间隔、分叉路线的数量以及推荐可能性得到当前查询隧道中每次查询每个临近隧道的推荐查询可能性对连续查询的影响,公式如下:
式中,表示当前查询隧道第v次查询后,第i个临近隧道被推荐的可能性,/>表示当前查询隧道第v次查询后,第i个临近隧道与当前查询隧道的查询间隔,查询间隔用次数表示,在隧道查询的过程中,每次查询都是一个线性过程,即查询一个隧道的车流量数据后会继续查询下一个隧道的车流量数据,查询间隔即为在一次查询过程中,每个临近隧道与当前查询隧道中间隔的临近隧道的数量加一,例如在历史记录中当前查询隧道在每一次查询中第一个查询的临近隧道和当前查询隧道的查询间隔为1,第二个查询的临近隧道和当前查询隧道的查询间隔为2,依次类推得到部分临近隧道在一次查询中与当前查询隧道的查询间隔,/>表示在当前查询隧道在第v次查询后,第i个临近隧道在临近序列的序号,表示当前查询隧道到第i个临近隧道的分叉路线的数量,/>为调整参数,在本实施例中,若第i个临近隧道在当前查询隧道所在路径行驶前方时,设置/>,若第i个临近隧道在当前查询隧道所在路径行驶后方时,设置/>,/>表示当前查询隧道中第v次查询后第i个临近隧道的推荐查询可能性对连续查询的影响。
表示连续查询相对于被推荐可能性的差异性,/>则表示被推荐可能性与连续查询的一致性,其值越大,影响越大,第i个临近隧道相对于当前查询隧道的查询越满足一般查询推荐,则其对隧道推荐的影响较大,/>值越大,影响越大。
根据历史数据中当前查询隧道的所有查询记录中的时间间隔、查询间隔以及推荐查询可能性对连续查询的影响得到临近隧道被推荐查询的可能性,公示如下:
式中,表示当前查询隧道第v次查询后,第i个临近隧道与当前查询隧道的查询间隔,/>表示当前查询隧道第v次查询时间与当前查询时间的时间间隔,时间间隔用天表示,若具体时间间隔小于1天,则/>取1,/>表示历史查询记录中当前查询隧道第v次查询完后,第i个临近隧道的推荐查询可能性对其连续查询的影响,/>表示当前查询隧道历史查询次数,/>表示第i个临近隧道被推荐查询的可能性。
即为两次查询同样的临近隧道中间间隔其余隧道的数量,该值越小,隧道连续查询的可能性越大,/>越大,当前查询隧道第v次查询记录相对于当前查询隧道的参照作用越小,即/>所反映的推荐查询可信度越小。/>值越大,当前查询隧道第v次查询后,第i个临近隧道查询越满足推荐查询,/>表示当前查询隧道第v次查询记录所表现当前用户查询需求。
上述公式涉及查询记录中第i个临近隧道推荐查询可能性对连续查询的影响。主要表现为查询记录中第i个临近隧道推荐可能性与连续查询的一致性,例如在查询记录中第i个临近隧道推荐查询可能性最大,但是第i个临近隧道未直接连续查询,则其推荐可能性与连续查询的一致性较低,此时第i个临近隧道相对于当前查询隧道的查询不满足一般查询推荐,则其对隧道推荐的影响较小。
根据上述步骤,利用当前用户的查询记录获得隧道推荐查询的可能性,保证被推荐查询可能性符合用户的查询习惯,同时利用隧道路径关系,保证推荐查询与已查询隧道之间的路径相关性,且保留用户的形式路径的偏好,以便于对当前用户进行最优推荐。
至此,获得了当前用户的第i个临近隧道被推荐查询的可能性。
步骤S003,获取多个用户的临近隧道被推荐查询的可能性,根据多个用户以及当前用户被推荐查询的可能性得到最终被推荐查询的可能性。
在实际中,当前用户的查询具有偶然性,导致无法直接反应出当前查询隧道的查询整体需求,所以需要根据当前查询隧道存在于多个用户的历史记录中,所有用户的查询记录反映当前查询隧道的连续查询的整体需求,即反应一般情况下当前查询隧道被推荐的可能性。
根据多个用户反应的临近隧道被推荐的可能性,公式如下:
式中,表示当前查询隧道除了当前用户的第j个用户所得到的第i个临近隧道被推荐的可能性,/>表示第j个用户的历史查询记录中第i个临近隧道为当前查询隧道的连续查询隧道的次数,/>表示所统计的多个用户数量,/>表示多个用户反应的临近隧道被推荐查询的可能性。
值越大,当前用户具有查询偏向的可能性越大,所以/>对整体查询需求的表现程度越小。
根据当前用户的查询记录与多个用户的查询记录获得当前用户查询记录所反应第i个临近隧道被推荐查询的可能性,以及多个用户查询记录所反映的第i个临近隧道被推荐查询的可能性/>,二者共同表示最终被推荐的可能性。
但是二者对最终被推荐可能性的影响具有差异,其中的影响关系主要表现为不同隧道推荐可能性之间的相对差异关系。对当前用户查询记录中所有被推荐查询的可能性进行从大到小的排序,将排序后以每个临近隧道被推荐查询的可能性为中心,将其周围个推荐临近隧道被查询的可能性提取出来从大到小排序,在本实施例中令/>为8,即在每个临近隧道可能性大的提取4个,可能性小的提取4个,由此确定影响关系,公式如下:
式中,表示第i个临近隧道被推荐查询的可能性,/>表示以第i个临近隧道为中心的第t个临近隧道被推荐查询的可能性,/>表示以第i个临近隧道为中心提取出的临近隧道数量,/>为影响关系。
根据所得到的影响关系结合和/>得到每个临近隧道最终被推荐的可能性,公示如下:
式中,为当前用户查询记录所反应第i个临近隧道被推荐查询的可能性,/>为多个用户查询记录所反映的第i个临近隧道被推荐查询的可能性,/>为线性归一化函数,/>为第i个临近隧道的最终被推荐的可能性。
根据上述步骤,利用当前个人查询记录和多个用户查询记录所获得的隧道被推荐的可能性,首先避免了当前用户的查询记录中的偶然性查询对查询推荐的影响,提高查询推荐的准确性;同时避免当前用户初次查询时,查询记录空白导致的无法推荐的可能,使得查询推荐更加完整。
步骤S004,根据最终被推荐查询的可能性完成快速查询。
通过上述方法得到每个当前查询隧道的所有临近隧道最终被推荐的可能性,将当前查询隧道的所有临近隧道最终被推荐的可能性从大到小排序,依次选择最大的10个临近隧道作为推荐查询隧道,并且按照从大到校的顺序依次排列在推荐查询框中,供用户选择。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于隧道路段的路况信息快速查询方法,其特征在于,该方法包括以下步骤:
获得每个隧道的车流量数据;
获得当前查询隧道以及临近隧道,根据临近隧道的车流量数据以及临近隧道和当前查询隧道的距离得到临近隧道的推荐可能性;将历史记录中每一次查询所有临近隧道的推荐可能性排序得到临近序列,获取每个临近隧道和当前查询隧道的查询间隔,根据临近序列序号、查询间隔、推荐可能性以及当前查询隧道与临近隧道之间路径分叉路线的数量得到推荐查询可能性对连续查询的影响;
获取当前用户历史记录中每次查询与当前查询的时间间隔,根据时间间隔、查询间隔、推荐查询可能性对连续查询的影响得到当前用户的临近隧道被推荐查询的可能性;
获取每次查询中当前查询隧道的连续查询隧道,在预设数量用户的历史记录中根据每个临近隧道的被推荐可能性以及连续查询隧道的数量得到多个用户的临近隧道被推荐查询的可能性;
从当前用户的临近隧道被推荐的可能性中提取预设数量的临近隧道,根据提取出来的临近隧道和每个临近隧道的差异得到影响关系;根据影响关系得到临近隧道最终被推荐的可能性;
根据最终被推荐的可能性完成快速查询;
所述查询间隔的获得方法为:
在隧道查询的过程中,每次查询都是一个线性过程,即查询一个隧道的车流量数据后会继续查询下一个隧道的车流量数据,查询间隔即为在一次查询过程中,每个临近隧道与当前查询隧道中间隔的临近隧道的数量加一;
所述最终被推荐的可能性的获取方法包括:
根据当前用户的查询记录与多个用户的查询记录获得当前用户查询记录所反应第i个临近隧道被推荐查询的可能性,以及多个用户查询记录所反映的第i个临近隧道被推荐查询的可能性/>;
对当前用户查询记录中所有被推荐查询的可能性进行从大到小的排序,将排序后以每个临近隧道被推荐查询的可能性为中心,将其周围/>个推荐临近隧道被查询的可能性提取出来从大到小排序,其中/>为正整数,由此确定影响关系,公式如下:
式中,表示第i个临近隧道被推荐查询的可能性,/>表示以第i个临近隧道为中心的第t个临近隧道被推荐查询的可能性,/>表示以第i个临近隧道为中心提取出的临近隧道数量,/>为影响关系;
根据所得到的影响关系结合和/>得到每个临近隧道最终被推荐的可能性,公式如下:
式中,为当前用户查询记录所反应第i个临近隧道被推荐查询的可能性,/>为多个用户查询记录所反映的第i个临近隧道被推荐查询的可能性,/>为线性归一化函数,/>为第i个临近隧道的最终被推荐的可能性。
2.根据权利要求1所述的基于隧道路段的路况信息快速查询方法,其特征在于,所述临近隧道与当前查询隧道的距离小于预设距离。
3.根据权利要求1所述的基于隧道路段的路况信息快速查询方法,其特征在于,所述根据临近序列序号、查询间隔、推荐可能性以及当前查询隧道与临近隧道之间路径分叉路线的数量得到推荐查询可能性对连续查询的影响的方法为:
式中,表示当前查询隧道第v次查询后,第i个临近隧道被推荐的可能性,/>表示当前查询隧道第v次查询后,第i个临近隧道与当前查询隧道的查询间隔,/>表示在当前查询隧道在第v次查询后,第i个临近隧道在临近序列的序号,/>表示当前查询隧道到第i个临近隧道的分叉路线的数量,/>为调整参数,/>表示当前查询隧道中第v次查询后第i个临近隧道的推荐查询可能性对连续查询的影响。
4.根据权利要求1所述的基于隧道路段的路况信息快速查询方法,其特征在于,所述连续查询隧道的获取方法为:
在一次查询中,若当前查询隧道与临近隧道的查询间隔小于预设间隔,那么认为该临近隧道被连续查询,记为连续查询隧道。
5.根据权利要求1所述的基于隧道路段的路况信息快速查询方法,其特征在于,所述根据每个临近隧道的被推荐可能性以及连续查询隧道的数量得到多个用户的临近隧道被推荐查询的可能性的方法为:
获取每个用户得到的每个临近隧道被推荐的可能性以及每个用户的每个临近隧道为连续查询隧道的次数,将同一个临近隧道被推荐的可能性的倒数以及作为连续查询隧道的次数相乘,将所有用户的乘积取均值得到多个用户的临近隧道被推荐查询的可能性。
6.根据权利要求1所述的基于隧道路段的路况信息快速查询方法,其特征在于,所述从当前用户的临近隧道被推荐的可能性中提取预设数量的临近隧道的方法为:
将任意一个临近隧道记为中心临近隧道,将所有临近隧道从大到小排序,将中心临近隧道周围预设数量的临近隧道提取出来,其中比中心临近隧道的推荐可能性大的和比中心临近隧道的推荐可能性小的临近隧道数量相同,提取出来的临近隧道与中心临近隧道或提取出的临近隧道是相邻的,将提取出的临近隧道从大到小排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310695753.8A CN116431936B (zh) | 2023-06-13 | 2023-06-13 | 基于隧道路段的路况信息快速查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310695753.8A CN116431936B (zh) | 2023-06-13 | 2023-06-13 | 基于隧道路段的路况信息快速查询方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116431936A CN116431936A (zh) | 2023-07-14 |
CN116431936B true CN116431936B (zh) | 2023-08-18 |
Family
ID=87091110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310695753.8A Active CN116431936B (zh) | 2023-06-13 | 2023-06-13 | 基于隧道路段的路况信息快速查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116431936B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030004770A (ko) * | 2001-07-06 | 2003-01-15 | 한국통신데이타 (주) | 공간정보관리기술을 이용한 지능형 터널관리시스템 및 그방법 |
CN103136956A (zh) * | 2011-11-29 | 2013-06-05 | 西安扩力机电科技有限公司 | 道路路况信息在线查询系统 |
WO2014010801A1 (ko) * | 2012-07-12 | 2014-01-16 | 아주대학교산학협력단 | 도로 네트워크의 제한된 영역에서 k-최근접 질의의 지속적 모니터링을 위한 분산 기법 |
CN103996293A (zh) * | 2014-06-09 | 2014-08-20 | 重庆大学 | 基于车友协同的实时路况采集查询系统及采集查询方法 |
WO2017128089A1 (zh) * | 2016-01-26 | 2017-08-03 | 罗剑锋 | 实时路况提前预警的方法以及路径推荐系统 |
CN107067725A (zh) * | 2017-05-26 | 2017-08-18 | 安徽皖通科技股份有限公司 | 隧道路况动态预警与联动处置方法 |
CN112949528A (zh) * | 2021-03-12 | 2021-06-11 | 长安大学 | 一种基于时空重要性的隧道内车辆再识别方法 |
CN114659492A (zh) * | 2019-09-06 | 2022-06-24 | 北京住总集团有限责任公司 | 一种隧道掘进用监测平台及监测方法 |
CN114858178A (zh) * | 2022-04-29 | 2022-08-05 | 河南职业技术学院 | 一种基于道路资源预测的智能导航方法和系统 |
CN115063971A (zh) * | 2022-04-29 | 2022-09-16 | 山东金宇信息科技集团有限公司 | 一种隧道内的车辆拥堵管控方法、设备及介质 |
CN115392796A (zh) * | 2022-10-27 | 2022-11-25 | 北京城建设计发展集团股份有限公司 | 基于关系图谱的运营隧道结构病害快速智能诊断方法 |
-
2023
- 2023-06-13 CN CN202310695753.8A patent/CN116431936B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030004770A (ko) * | 2001-07-06 | 2003-01-15 | 한국통신데이타 (주) | 공간정보관리기술을 이용한 지능형 터널관리시스템 및 그방법 |
CN103136956A (zh) * | 2011-11-29 | 2013-06-05 | 西安扩力机电科技有限公司 | 道路路况信息在线查询系统 |
WO2014010801A1 (ko) * | 2012-07-12 | 2014-01-16 | 아주대학교산학협력단 | 도로 네트워크의 제한된 영역에서 k-최근접 질의의 지속적 모니터링을 위한 분산 기법 |
CN103996293A (zh) * | 2014-06-09 | 2014-08-20 | 重庆大学 | 基于车友协同的实时路况采集查询系统及采集查询方法 |
WO2017128089A1 (zh) * | 2016-01-26 | 2017-08-03 | 罗剑锋 | 实时路况提前预警的方法以及路径推荐系统 |
CN107067725A (zh) * | 2017-05-26 | 2017-08-18 | 安徽皖通科技股份有限公司 | 隧道路况动态预警与联动处置方法 |
CN114659492A (zh) * | 2019-09-06 | 2022-06-24 | 北京住总集团有限责任公司 | 一种隧道掘进用监测平台及监测方法 |
CN112949528A (zh) * | 2021-03-12 | 2021-06-11 | 长安大学 | 一种基于时空重要性的隧道内车辆再识别方法 |
CN114858178A (zh) * | 2022-04-29 | 2022-08-05 | 河南职业技术学院 | 一种基于道路资源预测的智能导航方法和系统 |
CN115063971A (zh) * | 2022-04-29 | 2022-09-16 | 山东金宇信息科技集团有限公司 | 一种隧道内的车辆拥堵管控方法、设备及介质 |
CN115392796A (zh) * | 2022-10-27 | 2022-11-25 | 北京城建设计发展集团股份有限公司 | 基于关系图谱的运营隧道结构病害快速智能诊断方法 |
Non-Patent Citations (1)
Title |
---|
城市隧道交通大数据分析及应用;吴;王春枝;;土木工程与管理学报(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116431936A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766808B (zh) | 道路网络空间中车辆对象移动轨迹聚类的方法及系统 | |
CN102102992B (zh) | 基于多级网络划分的匹配道路初筛方法及地图匹配系统 | |
Wang et al. | A novel approach for generating routable road maps from vehicle GPS traces | |
WO2019085807A1 (zh) | 一种路况信息获取方法及其设备、存储介质 | |
CN109801491A (zh) | 基于风险评估的智能导航方法、装置、设备及存储介质 | |
CN111582559B (zh) | 一种到达时间的预估方法及装置 | |
CN102622879B (zh) | 交通信息提供装置 | |
CN111080029A (zh) | 基于多路段时空相关的城市交通路段速度预测方法及系统 | |
CN101719315A (zh) | 一种基于中间件的动态交通信息采集方法 | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
CN109615851B (zh) | 一种在群智感知系统中基于关键路段的感知节点选取方法 | |
Yao et al. | Data-driven choice set generation and estimation of route choice models | |
CN103034963B (zh) | 一种基于相关性的服务选择系统及选择方法 | |
CN114202120A (zh) | 一种针对多源异构数据的城市交通行程时间预测方法 | |
CN112556717B (zh) | 出行方式筛选方法和出行路线推荐方法和装置 | |
CN102622370A (zh) | 一种获取路线描述的方法及装置、电子地图服务器 | |
CN108132056A (zh) | 一种通过gps推断公交路径方法 | |
CN106971535A (zh) | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 | |
CN109489679A (zh) | 一种导航路径中的到达时间计算方法 | |
CN112884014A (zh) | 一种基于路段拓扑结构分类的交通速度短时预测方法 | |
CN104464280A (zh) | 车辆行进开销的预测方法及系统 | |
JP5513360B2 (ja) | 渋滞情報生成装置、渋滞情報生成方法、及びプログラム | |
CN109064750B (zh) | 城市路网交通估计方法及系统 | |
CN116431936B (zh) | 基于隧道路段的路况信息快速查询方法 | |
KR20180121240A (ko) | 빅데이터를 활용한 대중교통 통행시간 예측/예보 시스템 |
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 |