CN117516584B - 一种预测行驶路径信息的获取方法、装置、介质及设备 - Google Patents

一种预测行驶路径信息的获取方法、装置、介质及设备 Download PDF

Info

Publication number
CN117516584B
CN117516584B CN202410016163.2A CN202410016163A CN117516584B CN 117516584 B CN117516584 B CN 117516584B CN 202410016163 A CN202410016163 A CN 202410016163A CN 117516584 B CN117516584 B CN 117516584B
Authority
CN
China
Prior art keywords
target
road section
information
travel path
target vehicle
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
Application number
CN202410016163.2A
Other languages
English (en)
Other versions
CN117516584A (zh
Inventor
孔万锋
俞锋锋
周小平
董敏剑
曾昱深
王志豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Traffic Police Division Of Hangzhou Public Security Bureau
Zhejiang Yuntong Shuda Technology Co ltd
Merit Interactive Co Ltd
Original Assignee
Traffic Police Division Of Hangzhou Public Security Bureau
Zhejiang Yuntong Shuda Technology Co ltd
Merit Interactive Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Traffic Police Division Of Hangzhou Public Security Bureau, Zhejiang Yuntong Shuda Technology Co ltd, Merit Interactive Co Ltd filed Critical Traffic Police Division Of Hangzhou Public Security Bureau
Priority to CN202410016163.2A priority Critical patent/CN117516584B/zh
Publication of CN117516584A publication Critical patent/CN117516584A/zh
Application granted granted Critical
Publication of CN117516584B publication Critical patent/CN117516584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/20—Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明涉及路径预测技术领域，尤其涉及一种预测行驶路径信息的获取方法、装置、介质及设备，当计算机程序被处理器执行时，实现以下步骤：根据目标车辆位置信息和预设路段信息获取到目标路段信息，结合目标车辆位置信息获取到目标行驶路径优先级集并确定第一预测行驶路径信息，根据第一预测行驶路径信息和实际行驶路径信息获取到在目标时间点之后的目标车辆的第二预测行驶路径信息，可知，综合考虑目标车辆的位置信息和预设路段信息来衡量对应路段以及对应车道的目标行驶路径优先级，并将目标行驶路径优先级作为确定目标车辆的预测行驶路径信息的基础，提高了目标车辆的预测行驶路径信息的获取准确性。

Description

一种预测行驶路径信息的获取方法、装置、介质及设备
技术领域
本发明涉及路径预测技术领域，特别是涉及一种预测行驶路径信息的获取方法、装置、介质及设备。
背景技术
随着汽车驾驶在日常生活中的广泛应用，道路拥堵情况日渐严重，而保持出行道路畅通对于经济、环境、社会和个人层面都具有重要的意义，因此，对道路上的车辆进行行驶路线预测，可以实时获取道路上的交通状况，对于交通组织优化、信号控制优化、信控协调都有着重要的作用预测。
现有的预测行驶路径信息的获取方法通常是根据目标车辆的出发时间、出发地点以及在行驶过程中的坐标集合来确定已行驶路线，然后将出发时间、出发地点、坐标集合和已行驶路线输入至路线预测模型中预测得到目标车辆的行驶路径信息。但是，实际应用中的道路复杂程度较高，仅根据目标车辆的出发时间、出发地点和已行驶路线难以表征目标车辆的后续行驶意图，导致预测行驶路径信息的获取准确性较低。
因此，如何提高预测行驶路径信息的获取准确性成为亟待解决的问题。
发明内容
针对上述技术问题，本发明采用的技术方案为一种预测行驶路径信息的获取方法，所述方法包括如下步骤：
获取到目标车辆在目标时间点的目标车辆位置信息和预设路段的预设路段信息。
根据目标车辆位置信息和预设路段信息，获取到目标车辆对应的目标路段信息，其中，目标路段信息包括目标路段标识、目标路段标识对应的若干个目标车道位置和每一个目标车道位置对应的每一目标车流占比列表。
根据目标路段信息和目标车辆位置信息，获取到目标车辆在目标时间点的目标行驶路径优先级集。
从目标行驶路径优先级集中选取最大的目标行驶路径优先级对应的行驶路径信息作为目标车辆在目标时间点的第一预测行驶路径信息；
获取目标车辆在目标时间点的实际行驶路径信息，实际行驶路径信息包括目标车辆的实际行驶车道和目标车辆的实际转向；
根据第一预测行驶路径信息和实际行驶路径信息，获取到在目标时间点之后的目标车辆的第二预测行驶路径信息。
本发明还提供了一种目标车辆的预测行驶路径信息的获取装置，所述装置包括：
第一信息获取模块，用于获取到目标车辆在目标时间点的目标车辆位置信息和预设路段的预设路段信息；
第二信息获取模块，用于根据目标车辆位置信息和预设路段信息，获取到目标车辆对应的目标路段信息，其中，目标路段信息包括目标路段标识、目标路段标识对应的若干个目标车道位置和每一个目标车道位置对应的每一目标车流占比列表；
第三信息获取模块，用于根据目标路段信息和目标车辆位置信息，获取到目标车辆在目标时间点的目标行驶路径优先级集；
第一预测行驶路径信息确定模块，用于从目标行驶路径优先级集中选取最大的目标行驶路径优先级对应的行驶路径信息作为目标车辆在目标时间点的第一预测行驶路径信息；
实际行驶路径信息确定模块，用于获取目标车辆在目标时间点的实际行驶路径信息，实际行驶路径信息包括目标车辆的实际行驶车道和目标车辆的实际转向；
第二预测行驶路径信息确定模块，用于根据第一预测行驶路径信息和实际行驶路径信息，获取到在目标时间点之后的目标车辆的第二预测行驶路径信息。
本发明还提供了一种非瞬时性计算机可读存储介质，非瞬时性计算机可读存储介质中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现上述的预测行驶路径信息的获取方法。
本发明还提供了一种电子设备，包括处理器和上述的非瞬时性计算机可读存储介质。
本发明至少具有以下有益效果：根据第一端点、第二端点、第三端点和第四端点对应围成的路段区域Pvj以及对应的经度和纬度，来判断坐标目标车辆位置是否在路段区域Pvj范围内，进而来确定目标车辆对应的目标路段信息，将目标车辆所处位置由预设路段缩小到预设路段的一个预设车道上，从而提高了目标路段信息的准确性；综合考虑目标车辆的行驶时间、目标车辆的历史行驶习惯以及第p个目标路段标识对应的预设路段内各个预设车道标识对应的车道的车辆行驶习惯，获取到目标车辆对应的目标行驶路径优先级集，作为对目标车辆的行驶路线进行预测的基础，提高了目标车辆的预测行驶路径信息的准确性；基于实际行驶路径信息对第一预测行驶路径信息进行判断，在第一预测行驶路径信息与实际行驶路径信息一致时，直接将第一行驶路径权重向量U1作为t之后目标车辆的预测行驶路径信息的获取基础，提高了t之后目标车辆的预测行驶路径信息的获取效率；在第一预测行驶路径信息与实际行驶路径信息不一致时，对α1、α2、β1、β2、γ1和γ2进行优化，得到更新后的第二行驶路径权重向量U2作为t之后目标车辆的预测行驶路径信息的获取基础，提高了t之后目标车辆的预测行驶路径信息的获取准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明实施例提供的一种预测行驶路径信息的获取方法的流程图；
图2为本发明实施例提供的一种预测行驶路径信息的获取方法的另一流程图；
图3为本发明实施例提供的一种预测行驶路径信息的获取方法的另一流程图；
图4为本发明实施例提供的一种预测行驶路径信息的获取方法的另一流程图；
图5为本发明实施例提供的一种预测行驶路径信息的获取装置的结构示意图；
图6为本发明实施例提供的一种预测行驶路径信息的获取装置中第二信息获取模块的结构示意图；
图7为本发明实施例提供的一种预测行驶路径信息的获取装置中第二预测行驶路径信息确定模块的结构示意图。
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。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
本实施例一提供了一种预测行驶路径信息的获取方法，所述方法包括如下步骤，如图1所示：
S100，获取到目标车辆在目标时间点的目标车辆位置信息和预设路段的预设路段信息。
具体的，目标车辆位置信息包括目标时间点时目标车辆位于的经度和目标时间点时目标车辆位于的纬度；即目标车辆位置信息Zt=(xt，yt)，其中，xt是指目标时间点t时目标车辆位于的经度，yt是指目标时间点t时目标车辆位于的纬度，目标车辆是指在一个预设周期时间内的目标时间点t时处于道路上行驶的车辆；目标车辆位置信息可以由目标车辆经过卡口位置时通过卡口处的图像采集设备采集到的目标车辆的行驶图像获取到，或者由目标车辆车载定位系统通过对目标车辆进行定位获取到。其中，当获取到目标车辆的行驶图像时，根据目标车辆在行驶图像中的位置信息可以获取到目标车辆与对应卡口的相对位置信息，结合对应卡口位于的纬度和经度，可以获取到目标车辆对应的纬度和经度。
进一步的，本领域技术人员可以根据实际需求设置T的取值，例如，T的取值为24小时，以提高T的合理性和行驶路线预测过程中的简便性。
具体的，预设路段信息包括：若干个预设路段标识、每一个预设路段标识对应的若干个预设车道位置和每一个预设车道位置对应的每一预设车流占比列表，即若干个预设路段标识A1，A2，……，Av，……，Am，任一Av对应的若干个预设车道位置Fv1，Fv2，……，Fvj，……，Fvn（v），Fvj对应的预设车流占比列表Bvj，v的取值为1至m，m为预设路段标识数量，j的取值为1至n（v），n（v）是指Av对应的预设路段中预设车道数量。
进一步的，预设路段标识为预设路段的唯一身份标识。
具体的，预设路段信息还包括：每一Av对应的预设车道标识列表A0 v={A0 v1，A0 v2，……，A0 vj，……，A0 vn（v）}，A0 vj是指Av对应的预设路段中第j个预设车道标识。
进一步的，预设车道标识为预设路段内单个车道的唯一身份标识。
进一步的，Fvj={F1 vj、F2 vj、F3 vj、F4 vj}，F1 vj=(x1 vj，y1 vj)，x1 vj是指A0 vj对应的第一端点的经度，y1 vj是指A0 vj对应的第一端点的纬度；F2 vj=(x2 vj，y2 vj)，x2 vj是指A0 vj对应的第二端点的经度，y2 vj是指A0 vj对应的第二端点的纬度；F3 vj=(x3 vj，y3 vj)，x3 vj是指A0 vj对应的第三端点的经度，y3 vj是指A0 vj对应的第三端点的纬度；F4 vj=(x4 vj，y4 vj)，x4 vj是指A0 vj对应的第四端点的经度，y4 vj是指A0 vj对应的第四端点的纬度。每个车道包括两条长边道路和两条短边道路，将每条长边道路与每条短边道路的交点看作是对应的端点，其中，第一端点是指A0 vj的第一个长边道路与第一个短边道路的交点，第二端点是指A0 vj的第一个长边道路与第二个短边道路的交点，第三端点是指A0 vj的第二个长边道路与第一个短边道路的交点，第四端点是指A0 vj的第二个长边道路与第二个短边道路的交点。
进一步的，Bvj={B0 vj，B1 vj，B2 vj，……，Bk vj，……，Bh vj}，B0 vj是指在指定时间段中A0 vj对应的预设车道上的车流占比，Bk vj是指在指定时间段内的第k个第三指定时间片中A0 vj对应的预设车道上的车流占比，k的取值为1至h，h是指第二预设时间段的数量。
进一步的，指定时间段包括第一指定时间片和第二指定时间片，第一指定时间片是指预设周期时间内7时至9时，第二指定时间片是指预设周期时间内17时至19时。
进一步的，第三指定时间片是指在指定时间段按照预设时长设置的时间片，其中，预设时长的取值为0.5小时。
上述，若第二预设时间段的具体数值过大，会导致历史行驶信息的数据量过少，进而导致目标车辆的行驶路线的预测准确性较低；若第二预设时间段的具体数值过小，会导致历史行驶信息的数据量过多，进而导致目标车辆的行驶路线的预测效率较低。
S200，根据目标车辆位置信息和预设路段信息，获取到目标车辆对应的目标路段信息，其中，目标路段信息包括目标路段标识、目标路段标识对应的若干个目标车道位置和每一个目标车道位置对应的每一目标车流占比列表。
具体的，在S200步骤中还包括如下步骤，如图2所示：
S201，根据预设路段信息，获取到中间路段区域集；可以理解为：中间路段区域集P={P1，P2，……，Pv，……，Pm}，Av对应的中间路段区域Pv={Pv1，Pv2，……，Pvj，……，Pvn（v）}，Pvj是指根据第一端点、第二端点、第三端点和第四端点对应围成的地理区域。
S202，根据中间路段区域集和目标车辆位置信息，确定出目标车辆对应的目标路段信息。
具体的，目标路段标识为目标路段的唯一身份标识。
进一步的，S202步骤中，当min(x1 vj，x2 vj，x3 vj，x4 vj)＜xt＜max(x1 vj，x2 vj，x3 vj，x4 vj)，且min(y1 vj，y2 vj，y3 vj，y4 vj)＜yt＜max(y1 vj，y2 vj，y3 vj，y4 vj)时，确定Av对应的预设路段为目标路段，min（）为取最小值函数，max（）为取最大值函数。
上述，根据第一端点、第二端点、第三端点和第四端点对应围成的中间路段区域Pvj，结合第一端点、第二端点、第三端点和第四端点对应的经度和纬度，来判断坐标目标车辆位置是否在路段区域Pvj范围内，进而来确定目标车辆对应的目标路段信息，将目标车辆所处位置由预设路段缩小到预设路段的一个预设车道上，从而提高了目标路段信息的准确性，进而提高了目标车辆的行驶路线的预测准确性。
S300，根据目标路段信息和目标车辆位置信息，获取到目标车辆在目标时间点的目标行驶路径优先级集。
具体的，在S300步骤中还包括如下步骤，如图3所示：
S301，从目标路段信息中获取到目标车辆在目标时间点的关键车流占比集；可以理解为：关键车流占比集Dp={Dp1，Dp2，……，Dpq，……，Dps（p）}，Dpq是指在目标时间点时的第p个目标路段标识对应的目标路段内第q个目标车道上车流量占比，其中，p的取值为1至g，z为目标路段标识数量，q的取值为1至s（p），s（p）为第p个目标路段标识对应的目标路段内目标车道数量。
S302，根据关键车流占比集和目标车辆的历史行驶信息集，获取到目标车辆在目标时间点的目标行驶路径优先级集。
可以理解为：预先获取目标车辆的历史行驶信息集Cp={Cp1，Cp2，……，Cpq，……，Cps（p）}，Cpq={C1 pq，C2 pq}，C1 pq是指目标时间点时的第p个目标路段标识对应的目标路段的历史行驶次数占比，C2 pq是指目标时间点时的第p个目标路段标识对应的目标路段的历史行驶平均时间点，根据Dp和Cp，获取到到目标车辆在目标时间点的目标行驶路径优先级集Gp={Gp1，Gp2，……，Gpq，……，Gps（p）}。
进一步的，Gpq符合如下条件：
Gpq=γ1×(β1×e^(-(|t-C2 pq|/T0))+β2×C1 pq)+γ2×Dpq/(α2×(yt-(y1 pq+y2 pq+y3 pq+y4 pq)/4)-α1×(xt-(x2 pq+x4 pq)/2))，其中，α1是指目标车道长度距离权重，α2是指目标车道宽度距离权重，β1是指时间差权重，β2是指行驶次数占比权重，γ1是指目标车辆的历史行驶信息权重，γ2是指车流占比权重，T0是指预设周期时间的时长，y1 pq是指第p个目标路段标识对应的预设路段内第j个预设车道标识对应的第一端点的纬度，y2 pq是指第p个目标路段标识对应的预设路段内第j个预设车道标识对应的第二端点的纬度，y3 pq是指第p个目标路段标识对应的预设路段内第j个预设车道标识对应的第三端点的纬度，y4 pq是指第p个目标路段标识对应的预设路段内第j个预设车道标识对应的第四端点的纬度，x2 pq是指第p个目标路段标识对应的预设路段内第j个预设车道标识对应的第二端点的经度，x4 pq是指第p个目标路段标识对应的预设路段内第j个预设车道标识对应的第四端点的经度。
上述，基于α1、α2、β1、β2、γ1、γ2、目标车辆在第p个目标路段标识对应的预设路段内第j个预设车道标识对应的车道上的剩余行驶长度、目标车辆距离第p个目标路段标识对应的预设路段内第j个预设车道标识对应的车道两侧的平均宽度、t与C2 pq的接近程度以及C1 pq，综合考虑目标车辆的行驶时间、目标车辆的历史行驶习惯以及第p个目标路段标识对应的预设路段内各个预设车道标识对应的车道的车辆行驶习惯，获取到目标车辆对应的目标行驶路径优先级集，作为对目标车辆的行驶路线进行预测的基础，提高了目标车辆的预测行驶路径信息的准确性。
S400，从目标行驶路径优先级集中选取最大的目标行驶路径优先级对应的行驶路径信息作为目标车辆在目标时间点的第一预测行驶路径信息。
具体的，目标行驶路径优先级对应的行驶路径信息包括目标车道和目标车道对应的目标转向，可以理解为：获取到转向信息集ZX={ZX1，ZX2，……，ZXp，……，ZXg}，ZXp={ZXi1，ZXi2，……，ZXpq，……，ZXps（p）}，ZXpq是指目标时间点时的第p个目标路段标识对应的目标路段中第q个目标车道的目标转向，即ZXpq与Dpq相对应；从ZX中筛选出目标车道对应的目标转向；目标转向可以为直行、右转、左转、掉头、右转加直行、左转加直行、掉头加直行中一种转向。
上述，将最大的目标行驶路径优先级对应的行驶路径信息作为目标车辆在目标时间点的第一预测行驶路径信息，使得第一预测行驶路径信息的可靠性更高，且获取到目标车道以及对应的目标转向，提高了行驶路径信息的数据丰富性。
S500，获取目标车辆在目标时间点的实际行驶路径信息；实际行驶路径信息包括目标车辆的实际行驶车道和目标车辆的实际转向，即实际行驶路径信息SX={A1，ZX1}，其中，A1是指目标车辆的实际行驶车道，ZX1是指目标车辆的实际转向。
S600，根据第一预测行驶路径信息和实际行驶路径信息，获取到在目标时间点之后的目标车辆的第二预测行驶路径信息。
进一步的，在S600步骤中还包括如下步骤，如图4所示：
S601，当第一预测行驶路径信息与实际行驶路径信息一致时，获取到第一行驶路径权重信息；可以理解为：实际行驶路径信息包括实际车道和实际车道对应的实际转向，第一预测行驶路径信息与实际行驶路径信息一致是指目标车道与实际车道一致，且目标转向与实际转向一致。
其中，第一行驶路径权重信息包括目标车道长度距离权重、目标车道宽度距离权重、时间差权重、行驶次数占比权重、目标车辆的历史行驶信息权重和车流占比权重，即第一行驶路径权重向量U1=（α1，α2，β1，β2，γ1，γ2）。
S602，根据第一行驶路径权重向量，获取到第二预测行驶路径信息。
可以理解为：基于第一行驶路径权重向量采用与第一预测行驶路径信息相同的获取方式，获取到目标时间点后一时间点的目标车辆的行驶路径信息即第二预测行驶路径信息。
S603，当第一预测行驶路径信息与实际行驶路径信息不一致时，获取到第二行驶路径权重信息；可以理解为：第一预测行驶路径信息与实际行驶路径信息不一致是指目标车道与实际车道不一致，或者目标转向与实际转向不一致。
其中，第二行驶路径权重信息包括更新后的目标车道长度距离权重、更新后的目标车道宽度距离权重、更新后的时间差权重、更新后的行驶次数占比权重、更新后的目标车辆的历史行驶信息权重和更新后的车流占比权重，即第二行驶路径权重向量U2=（Eα1，Eα2，Eβ1，Eβ2，Eγ1，Eγ2），Eα1是指更新后的目标车道长度距离权重，Eα2是指更新后的目标车道宽度距离权重，Eβ1是指更新后的指时间差权重，Eβ2是指更新后的行驶次数占比权重，Eγ1是指更新后的目标车辆的历史行驶信息权重，Eγ2是指更新后的车流占比权重。
进一步的，Eα1符合如下条件：
Eα1=α1+rs1，其中，r是指更新程度，s1是指预设的第一更新步长。
进一步的，Eα2符合如下条件：
Eα2=α2-rs1。
进一步的，Eβ1符合如下条件：
Eβ1=β1+s2，其中，s2是指预设的第二更新步长。
进一步的，Eβ2符合如下条件：
Eβr 2=β2+s2。
进一步的，Eγ1符合如下条件：
Eγ1=γ1+s3，其中，s3是指预设的第三更新步长。
进一步的，Eγ2符合如下条件：
Eγ2=γ2+s3。
S604，根据第二行驶路径权重信息，获取到第二预测行驶路径信息，其中，第二行驶路径权重信息与第一行驶路径权重信息不一致。
可以理解为：基于第二行驶路径权重向量采用与第一预测行驶路径信息相同的获取方式，获取到目标时间点后一时间点的目标车辆的行驶路径信息即第二预测行驶路径信息。
上述，基于实际行驶路径信息对第一预测行驶路径信息进行判断，在第一预测行驶路径信息与实际行驶路径信息一致时，直接将第一行驶路径权重向量U1作为t之后目标车辆的预测行驶路径信息的获取基础，提高了t之后目标车辆的预测行驶路径信息的获取效率；在第一预测行驶路径信息与实际行驶路径信息不一致时，对α1、α2、β1、β2、γ1和γ2进行优化，得到更新后的第二行驶路径权重向量U2作为t之后目标车辆的预测行驶路径信息的获取基础，提高了t之后目标车辆的预测行驶路径信息的获取准确性。
上述，根据第一端点、第二端点、第三端点和第四端点对应围成的路段区域Pvj以及对应的经度和纬度，来判断坐标目标车辆位置是否在路段区域Pvj范围内，进而来确定目标车辆对应的目标路段信息，将目标车辆所处位置由预设路段缩小到预设路段的一个预设车道上，从而提高了目标路段信息的准确性；综合考虑目标车辆的行驶时间、目标车辆的历史行驶习惯以及第p个目标路段标识对应的预设路段内各个预设车道标识对应的车道的车辆行驶习惯，获取到目标车辆对应的目标行驶路径优先级集，作为对目标车辆的行驶路线进行预测的基础，提高了目标车辆的预测行驶路径信息的准确性；基于实际行驶路径信息对第一预测行驶路径信息进行判断，在第一预测行驶路径信息与实际行驶路径信息一致时，直接将第一行驶路径权重向量U1作为t之后目标车辆的预测行驶路径信息的获取基础，提高了t之后目标车辆的预测行驶路径信息的获取效率；在第一预测行驶路径信息与实际行驶路径信息不一致时，对α1、α2、β1、β2、γ1和γ2进行优化，得到更新后的第二行驶路径权重向量U2作为t之后目标车辆的预测行驶路径信息的获取基础，提高了t之后目标车辆的预测行驶路径信息的获取准确性。
实施例二
本实施例二提供了一种预测行驶路径信息的获取装置，如图5所示，所述装置包括：
第一信息获取模块51，用于获取到目标车辆在目标时间点的目标车辆位置信息和预设路段的预设路段信息；
第二信息获取模块52，用于根据目标车辆位置信息和预设路段信息，获取到目标车辆对应的目标路段信息，其中，目标路段信息包括目标路段标识、目标路段标识对应的若干个目标车道位置和每一个目标车道位置对应的每一目标车流占比列表；
第三信息获取模块53，用于根据目标路段信息和目标车辆位置信息，获取到目标车辆在目标时间点的目标行驶路径优先级集；
第一预测行驶路径信息确定模块54，用于从目标行驶路径优先级集中选取最大的目标行驶路径优先级对应的行驶路径信息作为目标车辆在目标时间点的第一预测行驶路径信息；
实际行驶路径信息确定模块55，用于获取目标车辆在目标时间点的实际行驶路径信息，实际行驶路径信息包括目标车辆的实际行驶车道和目标车辆的实际转向，即实际行驶路径信息SX={A1，ZX1}，其中，A1是指目标车辆的实际行驶车道，ZX1是指目标车辆的实际转向；
第二预测行驶路径信息确定模块56，用于根据第一预测行驶路径信息和实际行驶路径信息，获取到在目标时间点之后的目标车辆的第二预测行驶路径信息。
在一具体实施方式中，目标车辆位置信息包括目标时间点时目标车辆位于的经度和目标时间点时目标车辆位于的纬度。
在一具体实施方式中，预设路段信息包括：若干个预设路段标识、每一个预设路段标识对应的若干个预设车道位置和每一个预设车道位置对应的每一预设车流占比列表。
在一具体实施方式中，如图6所示，第二信息获取模块52包括：
中间路段区域集获取单元521，用于根据预设路段信息，获取到中间路段区域集，其中，中间路段区域集中的每个中间路段区域是由对应预设车道的第一端点、第二端点、第三端点和第四端点对应围成的地理区域；
目标路段信息确定单元522，用于根据中间路段区域集和目标车辆位置信息，确定出目标车辆对应的目标路段信息。
在一具体实施方式中，如图7所示，第二预测行驶路径信息确定模块56包括：
第一行驶路径权重信息获取单元561，用于当第一预测行驶路径信息与实际行驶路径信息一致时，获取到第一行驶路径权重信息；
第一执行单元562，用于根据第一行驶路径权重信息，获取到第二预测行驶路径信息；
第二行驶路径权重信息获取单元563，用于当第一预测行驶路径信息与实际行驶路径信息不一致时，获取到第二行驶路径权重信息；
第二执行单元564，用于根据第二行驶路径权重信息，获取到第二预测行驶路径信息，其中，第二行驶路径权重信息与第一行驶路径权重信息不一致。
需要说明的是，上述模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
实施例三
本发明实施例三提供一种非瞬时性计算机可读存储介质，该非瞬时性计算机可读存储介质中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现步骤：
获取到目标车辆在目标时间点的目标车辆位置信息和预设路段的预设路段信息；
根据所述目标车辆位置信息和所述预设路段信息，获取到目标车辆对应的目标路段信息，其中，目标路段信息包括目标路段标识、目标路段标识对应的若干个目标车道位置和每一个目标车道位置对应的每一目标车流占比列表；
根据所述目标路段信息和所述目标车辆位置信息，获取到目标车辆在目标时间点的目标行驶路径优先级集；
从所述目标行驶路径优先级集中选取最大的目标行驶路径优先级对应的行驶路径信息作为目标车辆在目标时间点的第一预测行驶路径信息；
获取目标车辆在目标时间点的实际行驶路径信息，所述实际行驶路径信息包括目标车辆的实际行驶车道和目标车辆的实际转向；
根据所述第一预测行驶路径信息和所述实际行驶路径信息，获取到在目标时间点之后的目标车辆的第二预测行驶路径信息。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器，存储，数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM），可编程ROM（PROM），电可编程ROM（EPROM），电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM），动态RAM（DRAM），同步DRAM（SDRAM），双数据率SDRAM（DDRSDRAM），增强型SDRAM（ESDRAM），同步链路（Synchlink）DRAM（SLDRAM），存储器总线（Rambus）直接RAM（RDRAM），直接存储器总线动态RAM（DRDRAM），以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元，模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元，模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
实施例四
本发明实施例四提供一种电子设备，该电子设备包括处理器和本发明实施例三中的非瞬时性计算机可读存储介质。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改，等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (12)

1.一种预测行驶路径信息的获取方法，其特征在于，所述方法包括如下步骤：
获取到目标车辆在目标时间点的目标车辆位置信息和预设路段的预设路段信息；
根据所述目标车辆位置信息和所述预设路段信息，获取到目标车辆对应的目标路段信息，其中，所述目标路段信息包括目标路段标识、目标路段标识对应的若干个目标车道位置和每一个目标车道位置对应的每一目标车流占比列表；
根据所述目标路段信息和所述目标车辆位置信息，获取到目标车辆在目标时间点的目标行驶路径优先级集，其中，所述根据所述目标路段信息和所述目标车辆位置信息，获取到目标车辆在目标时间点的目标行驶路径优先级集包括如下步骤：
从所述目标路段信息中获取到目标车辆在目标时间点的关键车流占比集Dp={Dp1，Dp2，……，Dpq，……，Dps（p）}，其中，Dpq是指在目标时间点时的第p个目标路段标识对应的目标路段内第q个目标车道上车流量占比，其中，p的取值为1至g，g为目标路段标识数量，q的取值为1至s（p），s（p）为第p个目标路段标识对应的目标路段内目标车道数量；
获取目标车辆的历史行驶信息集Cp={Cp1，Cp2，……，Cpq，……，Cps（p）}，其中，Cpq={C1 pq，C2 pq}，C1 pq是指目标时间点时的第p个目标路段标识对应的目标路段内第q个目标车道的历史行驶次数占比，C2 pq是指目标时间点时的第p个目标路段标识对应的目标路段内第q个目标车道的历史行驶平均时间点；
根据Dp和Cp，获取到目标车辆在目标时间点的目标行驶路径优先级集Gp={Gp1，Gp2，……，Gpq，……，Gps（p）}，其中，Gpq符合如下条件：
Gpq=γ1×(β1×e^(-(|t-C2 pq|/T0))+β2×C1 pq)+γ2×Dpq/(α2×(yt-(y1 pq+y2 pq+y3 pq+y4 pq)/4)-α1×(xt-(x2 pq+x4 pq)/2))，其中，α1是指目标车道长度距离权重，α2是指目标车道宽度距离权重，β1是指时间差权重，β2是指行驶次数占比权重，γ1是指目标车辆的历史行驶信息权重，γ2是指车流占比权重，t是指目标时间点，e是指自然常数，xt是指目标时间点t时目标车辆位于的经度，yt是指目标时间点t时目标车辆位于的纬度，T0是指预设周期时间的时长，y1 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第一端点的纬度，y2 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第二端点的纬度，y3 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第三端点的纬度，y4 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第四端点的纬度，x2 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第二端点的经度，x4 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第四端点的经度；
从所述目标行驶路径优先级集中选取最大的目标行驶路径优先级对应的行驶路径信息作为目标车辆在目标时间点的第一预测行驶路径信息；
获取目标车辆在目标时间点的实际行驶路径信息，所述实际行驶路径信息包括目标车辆的实际行驶车道和目标车辆的实际转向；
根据所述第一预测行驶路径信息和所述实际行驶路径信息，获取到在目标时间点之后的目标车辆的第二预测行驶路径信息。
2.根据权利要求1所述的预测行驶路径信息的获取方法，其特征在于，所述目标车辆位置信息包括目标时间点时目标车辆位于的经度和目标时间点时目标车辆位于的纬度。
3.根据权利要求1所述的预测行驶路径信息的获取方法，其特征在于，所述预设路段信息包括：若干个预设路段标识、每一个所述预设路段标识对应的若干个预设车道位置和每一个所述预设车道位置对应的每一预设车流占比列表。
4.根据权利要求3所述的预测行驶路径信息的获取方法，其特征在于，在根据所述目标车辆位置信息和所述预设路段信息，获取到目标车辆对应的目标路段信息的步骤中还包括如下步骤：
根据所述预设路段信息，获取到中间路段区域集，其中，所述中间路段区域集中的每个中间路段区域是由对应预设车道的第一端点、第二端点、第三端点和第四端点对应围成的地理区域；
根据所述中间路段区域集和所述目标车辆位置信息，确定出目标车辆对应的目标路段信息。
5.根据权利要求1所述的预测行驶路径信息的获取方法，其特征在于，在根据所述第一预测行驶路径信息和所述实际行驶路径信息，获取到在目标时间点之后的目标车辆的第二预测行驶路径信息的步骤中还包括如下步骤：
当所述第一预测行驶路径信息与所述实际行驶路径信息一致时，获取到第一行驶路径权重信息；
根据所述第一行驶路径权重信息，获取到所述第二预测行驶路径信息；
当所述第一预测行驶路径信息与所述实际行驶路径信息不一致时，获取到第二行驶路径权重信息；
根据所述第二行驶路径权重信息，获取到所述第二预测行驶路径信息，其中，所述第二行驶路径权重信息与所述第一行驶路径权重信息不一致。
6.一种预测行驶路径信息的获取装置，其特征在于，所述装置包括：
第一信息获取模块，用于获取到目标车辆在目标时间点的目标车辆位置信息和预设路段的预设路段信息；
第二信息获取模块，用于根据所述目标车辆位置信息和所述预设路段信息，获取到目标车辆对应的目标路段信息，其中，所述目标路段信息包括目标路段标识、目标路段标识对应的若干个目标车道位置和每一个目标车道位置对应的每一目标车流占比列表；
第三信息获取模块，用于根据所述目标路段信息和所述目标车辆位置信息，获取到目标车辆在目标时间点的目标行驶路径优先级集，其中，所述根据所述目标路段信息和所述目标车辆位置信息，获取到目标车辆在目标时间点的目标行驶路径优先级集包括如下步骤：
从所述目标路段信息中获取到目标车辆在目标时间点的关键车流占比集Dp={Dp1，Dp2，……，Dpq，……，Dps（p）}，其中，Dpq是指在目标时间点时的第p个目标路段标识对应的目标路段内第q个目标车道上车流量占比，其中，p的取值为1至g，g为目标路段标识数量，q的取值为1至s（p），s（p）为第p个目标路段标识对应的目标路段内目标车道数量；
获取目标车辆的历史行驶信息集Cp={Cp1，Cp2，……，Cpq，……，Cps（p）}，其中，Cpq={C1 pq，C2 pq}，C1 pq是指目标时间点时的第p个目标路段标识对应的目标路段内第q个目标车道的历史行驶次数占比，C2 pq是指目标时间点时的第p个目标路段标识对应的目标路段内第q个目标车道的历史行驶平均时间点；
根据Dp和Cp，获取到目标车辆在目标时间点的目标行驶路径优先级集Gp={Gp1，Gp2，……，Gpq，……，Gps（p）}，其中，Gpq符合如下条件：
Gpq=γ1×(β1×e^(-(|t-C2 pq|/T0))+β2×C1 pq)+γ2×Dpq/(α2×(yt-(y1 pq+y2 pq+y3 pq+y4 pq)/4)-α1×(xt-(x2 pq+x4 pq)/2))，其中，α1是指目标车道长度距离权重，α2是指目标车道宽度距离权重，β1是指时间差权重，β2是指行驶次数占比权重，γ1是指目标车辆的历史行驶信息权重，γ2是指车流占比权重，t是指目标时间点，e是指自然常数，xt是指目标时间点t时目标车辆位于的经度，yt是指目标时间点t时目标车辆位于的纬度，T0是指预设周期时间的时长，y1 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第一端点的纬度，y2 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第二端点的纬度，y3 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第三端点的纬度，y4 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第四端点的纬度，x2 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第二端点的经度，x4 pq是指第p个目标路段标识对应的目标路段内第q个目标车道对应的第四端点的经度；
第一预测行驶路径信息确定模块，用于从所述目标行驶路径优先级集中选取最大的目标行驶路径优先级对应的行驶路径信息作为目标车辆在目标时间点的第一预测行驶路径信息；
实际行驶路径信息确定模块，用于获取目标车辆在目标时间点的实际行驶路径信息，所述实际行驶路径信息包括目标车辆的实际行驶车道和目标车辆的实际转向；
第二预测行驶路径信息确定模块，用于根据所述第一预测行驶路径信息和所述实际行驶路径信息，获取到在目标时间点之后的目标车辆的第二预测行驶路径信息。
7.根据权利要求6所述的预测行驶路径信息的获取装置，其特征在于，所述目标车辆位置信息包括目标时间点时目标车辆位于的经度和目标时间点时目标车辆位于的纬度。
8.根据权利要求6所述的预测行驶路径信息的获取装置，其特征在于，所述预设路段信息包括：若干个预设路段标识、每一个所述预设路段标识对应的若干个预设车道位置和每一个所述预设车道位置对应的每一预设车流占比列表。
9.根据权利要求8所述的预测行驶路径信息的获取装置，其特征在于，所述第二信息获取模块包括：
中间路段区域集获取单元，用于根据所述预设路段信息，获取到中间路段区域集，其中，所述中间路段区域集中的每个中间路段区域是由对应预设车道的第一端点、第二端点、第三端点和第四端点对应围成的地理区域；
目标路段信息确定单元，用于根据所述中间路段区域集和所述目标车辆位置信息，确定出目标车辆对应的目标路段信息。
10.根据权利要求6所述的预测行驶路径信息的获取装置，其特征在于，所述第二预测行驶路径信息确定模块包括：
第一行驶路径权重信息获取单元，用于当所述第一预测行驶路径信息与所述实际行驶路径信息一致时，获取到第一行驶路径权重信息；
第一执行单元，用于根据所述第一行驶路径权重信息，获取到所述第二预测行驶路径信息；
第二行驶路径权重信息获取单元，用于当所述第一预测行驶路径信息与所述实际行驶路径信息不一致时，获取到第二行驶路径权重信息；
第二执行单元，用于根据所述第二行驶路径权重信息，获取到所述第二预测行驶路径信息，其中，所述第二行驶路径权重信息与所述第一行驶路径权重信息不一致。
11.一种非瞬时性计算机可读存储介质，所述非瞬时性计算机可读存储介质中存储有至少一条指令或至少一段程序，其特征在于，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-5中任意一项所述的预测行驶路径信息的获取方法。
12.一种电子设备，其特征在于，包括处理器和权利要求11中所述的非瞬时性计算机可读存储介质。
CN202410016163.2A 2024-01-05 2024-01-05 一种预测行驶路径信息的获取方法、装置、介质及设备 Active CN117516584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410016163.2A CN117516584B (zh) 2024-01-05 2024-01-05 一种预测行驶路径信息的获取方法、装置、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410016163.2A CN117516584B (zh) 2024-01-05 2024-01-05 一种预测行驶路径信息的获取方法、装置、介质及设备

Publications (2)

Publication Number Publication Date
CN117516584A CN117516584A (zh) 2024-02-06
CN117516584B true CN117516584B (zh) 2024-04-05

Family

ID=89744273

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410016163.2A Active CN117516584B (zh) 2024-01-05 2024-01-05 一种预测行驶路径信息的获取方法、装置、介质及设备

Country Status (1)

Country Link
CN (1) CN117516584B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180064639A (ko) * 2016-12-06 2018-06-15 현대자동차주식회사 자동차 및 그 제어 방법
CN111220162A (zh) * 2018-11-23 2020-06-02 北京交研智慧科技有限公司 一种获取慢行车辆行驶轨迹的方法及装置
CN112644518A (zh) * 2020-12-31 2021-04-13 广州文远知行科技有限公司 一种车辆轨迹预测方法、装置、设备和存储介质
CN113483775A (zh) * 2021-06-30 2021-10-08 上海商汤临港智能科技有限公司 路径预测方法及装置、电子设备及计算机可读存储介质
CN114881279A (zh) * 2022-03-24 2022-08-09 青岛海信网络科技股份有限公司 一种车辆轨迹预测方法、设备和装置
CN116311969A (zh) * 2023-02-22 2023-06-23 每日互动股份有限公司 一种获取车流量的数据处理系统
CN116863711A (zh) * 2023-07-29 2023-10-10 广东省交通运输规划研究中心 基于公路监控的车道流量检测方法、装置、设备及介质
CN117173913A (zh) * 2023-09-18 2023-12-05 日照朝力信息科技有限公司 基于不同时段车流量分析的交通控制方法及系统
CN117315971A (zh) * 2023-09-12 2023-12-29 智慧互通科技股份有限公司 一种智慧停车轨迹行成的控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9409570B2 (en) * 2014-05-09 2016-08-09 Toyota Motor Engineering & Manufacturing North America, Inc. Method and apparatus for predicting most probable path of vehicle travel and vehicle control loss preview
JP6375568B2 (ja) * 2016-04-28 2018-08-22 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180064639A (ko) * 2016-12-06 2018-06-15 현대자동차주식회사 자동차 및 그 제어 방법
CN111220162A (zh) * 2018-11-23 2020-06-02 北京交研智慧科技有限公司 一种获取慢行车辆行驶轨迹的方法及装置
CN112644518A (zh) * 2020-12-31 2021-04-13 广州文远知行科技有限公司 一种车辆轨迹预测方法、装置、设备和存储介质
CN113483775A (zh) * 2021-06-30 2021-10-08 上海商汤临港智能科技有限公司 路径预测方法及装置、电子设备及计算机可读存储介质
CN114881279A (zh) * 2022-03-24 2022-08-09 青岛海信网络科技股份有限公司 一种车辆轨迹预测方法、设备和装置
CN116311969A (zh) * 2023-02-22 2023-06-23 每日互动股份有限公司 一种获取车流量的数据处理系统
CN116863711A (zh) * 2023-07-29 2023-10-10 广东省交通运输规划研究中心 基于公路监控的车道流量检测方法、装置、设备及介质
CN117315971A (zh) * 2023-09-12 2023-12-29 智慧互通科技股份有限公司 一种智慧停车轨迹行成的控制方法
CN117173913A (zh) * 2023-09-18 2023-12-05 日照朝力信息科技有限公司 基于不同时段车流量分析的交通控制方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Hong Wang ; Bing Lu ; Jun Li ; 等.Risk Assessment and Mitigation in Local Path Planning for Autonomous Vehicles With LSTM Based Predictive Model.IEEE Transactions on Automation Science and Engineering.2021,全文. *
基于粒子群算法的车道保持模型预测控制研究;万鹏，时培成，梁涛年，尹哲;机械设计与研究;20220228;第38卷(第1期);全文 *
基于路径预测的不确定性推理组合地图匹配算法;唐进君;刘芳;;测绘学报;20101031;39(05);全文 *
面向个性化交通信息服务的车辆行驶路径关联规则挖掘;李杰;王娜娜;李志鹏;徐勇;;系统工程理论与实践;20131231;33(12);全文 *

Also Published As

Publication number Publication date
CN117516584A (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
DE60319993T2 (de) Vorrichtung und verfahren zur verkehrsinformationsbereitstellung
EP3683549B1 (en) Method, apparatus, and computer program product for lane-level route guidance
EP1975898A1 (en) Traffic information system
DE112016006526T5 (de) Reiseplan-erzeugungsvorrichtung, reiseplan-erzeugungsverfahren und reiseplan-erzeugungsprogramm
EP3745087B1 (en) Method, apparatus, and computer program product for determining lane level vehicle speed profiles
CN110363984B (zh) 交通流量预测方法和设备
US10982969B2 (en) Method, apparatus, and computer program product for lane-level route guidance
JP2006300780A (ja) 経路探索装置
CN109059952A (zh) 一种行程时长预测方法及装置
WO2019222903A1 (en) Systems and methods for providing travelling suggestion
CN110849382A (zh) 驾驶时长预测方法及装置
JP2021533334A (ja) 計算されたパラメータ間のトレードオフを考慮したナビゲーションルートの生成およびカープーリングオプションの特定
DE102013202345A1 (de) Strasseninformationsbereitstellungsvorrichtung
CN109637178A (zh) 车辆到站时间确定方法及设备
CN116311969A (zh) 一种获取车流量的数据处理系统
CN111091215A (zh) 车辆识别方法、装置、计算机设备和存储介质
CN113838303B (zh) 停车场推荐方法、装置、电子设备及存储介质
CN113905942A (zh) 电子控制装置、控制方法、自动驾驶系统
US10460410B1 (en) Location services platform, apparatus and method for informing law enforcement personnel placement
CN117516584B (zh) 一种预测行驶路径信息的获取方法、装置、介质及设备
CN110827561B (zh) 一种基于车辆的道路路况信息预报系统及方法
Sharma et al. GPS based adaptive traffic light timings and lane scheduling
EP4270352A1 (en) Controlling a future traffic state on a road segment
JP2016075998A (ja) 道路交通状況予測装置、道路交通状況予測システム、道路交通状況予測方法及びコンピュータプログラム
CN111323034B (zh) 在车辆的测试行驶期间确定接下来测试路线的方法和设备

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