JP2021170410A - 交通データの分析方法、装置、デバイス、車両、記憶媒体及びプログラム - Google Patents

交通データの分析方法、装置、デバイス、車両、記憶媒体及びプログラム Download PDF

Info

Publication number
JP2021170410A
JP2021170410A JP2021126659A JP2021126659A JP2021170410A JP 2021170410 A JP2021170410 A JP 2021170410A JP 2021126659 A JP2021126659 A JP 2021126659A JP 2021126659 A JP2021126659 A JP 2021126659A JP 2021170410 A JP2021170410 A JP 2021170410A
Authority
JP
Japan
Prior art keywords
traffic data
initial
target
analysis
initial traffic
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.)
Granted
Application number
JP2021126659A
Other languages
English (en)
Other versions
JP7227320B2 (ja
Inventor
リャオ ルイファ
Ruihua Liao
ファン ユプ
Yupu Huang
リン シュロン
Shulong Lin
リウ ヤンウ
Yanwu Liu
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.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Original Assignee
Apollo Intelligent Connectivity Beijing Technology 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 Apollo Intelligent Connectivity Beijing Technology Co Ltd filed Critical Apollo Intelligent Connectivity Beijing Technology Co Ltd
Publication of JP2021170410A publication Critical patent/JP2021170410A/ja
Application granted granted Critical
Publication of JP7227320B2 publication Critical patent/JP7227320B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0259—Targeted advertisements based on store location
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • 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
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096716—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information does not generate an automatic action on the vehicle control
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/09675—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where a selection from the received information takes place in the vehicle
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Signal Processing (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Navigation (AREA)

Abstract

【課題】ビッグデータ処理、自動運転、車載ネットワーク分野におけるＡＩナビゲーションに適用でき、ＡＩ分析の効率及びＡＩ分析の多様性を高める交通データの分析方法、装置、デバイス、車両、記憶媒体及びプログラムを提供する。【解決手段】方法は、複数の初期交通データを取得し、各処理交通データの類別を決定し、ＡＩ分析モデルの、ターゲット類別情報を含む検索命令を受信し、各初期交通データの類別に基づき、各初期交通データの中からターゲット類別情報に対応するターゲット交通データを決定し、ＡＩ分析モデルにターゲット交通データを送信することにより、ＡＩ分析モデルがターゲット交通データに基づいてＡＩ分析を行う。【選択図】図１

Description

本開示は、人工知能分野に関し、特に、ビッグデータ処理、自動運転、車載ネットワークの分野に関する。
現在、車両は、基本的に、サーバから少量の交通データを取得してＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ、人工知能）分析するしかできず、例えば、道路状況データを用いて道路の混雑状況を分析する。よって、交通データの利用効率が低く、分析機能が単一であるという問題がある。
本開示は、交通データの分析方法、装置、デバイス、車両及び記憶媒体を提供する。
本開示の第１の側面では、
複数の初期交通データを取得することと、
各初期交通データの類別を決定することと、
ＡＩ分析モデルの、ターゲット類別情報を含む検索命令を受信することと、
各初期交通データの類別に基づき、各初期交通データの中からターゲット類別情報に対応するターゲット交通データを決定することと、
ＡＩ分析モデルがターゲット交通データに基づいてＡＩ分析を行うように、ＡＩ分析モデルにターゲット交通データを送信することとを含む交通データの分析方法が提供される。
本開示の第２の側面では、
ターゲット類別情報を含む検索命令を、交通データプロセッサに送信することと、
交通データプロセッサから送信されたターゲット交通データを受信することと、
ターゲット交通データに基づいてＡＩ分析を行うこととを含む交通データの分析方法が提供される。ここで、当該ターゲット交通データは、交通データプロセッサが各初期交通データの類別に基づき、各初期交通データの中から決定されたターゲット類別情報に対応するデータである。
本開示の第３の側面では、
複数の初期交通データを取得するための取得モジュールと、
各初期交通データの類別を決定するための第１の決定モジュールと、
ＡＩ分析モデルの、ターゲット類別情報を含む検索命令を受信するための受信モジュールと、
各初期交通データの類別に基づき、各初期交通データの中からターゲット類別情報に対応するターゲット交通データを決定するための第２の決定モジュールと、
ＡＩ分析モデルがターゲット交通データに基づいてＡＩ分析を行うように、ＡＩ分析モデルにターゲット交通データを送信するための送信モジュールとを備える交通データの分析装置が提供される。
本開示の第４の側面では、
ターゲット類別情報を含む検索命令を、交通データプロセッサに送信するための送信モジュールと、
交通データプロセッサから送信されたターゲット交通データを受信するための受信モジュールと、
ターゲット交通データに基づいてＡＩ分析を行うための分析モジュールとを備える交通データの分析装置が提供される。ここで、当該ターゲット交通データは、交通データプロセッサが各初期交通データの類別に基づき、各初期交通データの中から決定されたターゲット類別情報に対応するデータである。
本開示の第５の側面では、
少なくとも１つのプロセッサと、
少なくとも１つのプロセッサと通信接続されたメモリとを備える電子デバイスが提供される。ここで、当該メモリは、少なくとも１つのプロセッサで実行可能な命令を記憶し、当該命令は、少なくとも１つのプロセッサにより実行されると、少なくとも１つのプロセッサに上述した第１の側面による方法を実行させる。
本開示の第６の側面では、上述した第２の側面による装置及び上述した第４の側面による装置を含む車両が提供される。
本開示の第７の側面では、コンピュータ命令が記憶されている非一時的なコンピュータ可読記憶媒体が提供される。ここで、当該コンピュータ命令は、コンピュータに上述した第１の側面又は第３の側面による方法を実行させることに用いられる。
本開示の第８の側面では、プロセッサに実行される場合、上述した第１の側面又は第３の側面による方法を実現するプログラムが提供される。
本開示の実施形態の分析方法によれば、まず、取得された複数の初期交通データに対して分類することにより、各初期交通データの類別を決定する。次に、ＡＩ分析モデルの検索命令を受信すると、検索命令の中のターゲット類別情報に基づき、各初期交通データの中から相応するターゲット交通データを迅速に決定し、ＡＩ分析モデルにターゲット交通データを迅速にプッシュすることができる。よって、ＡＩ分析モデルは、ターゲット交通データに基づいてＡＩ分析を行うことができ、ＡＩ分析の効率を高めることができる。また、初期交通データの類別とＡＩ分析モデルの間の対応関係により、ＡＩ分析モデルにターゲット交通データを正しく提供することができるので、当該分析方法は、複数のＡＩ分析モデルを有する大規模なＡＩ分析に適用でき、ＡＩ分析の多様性を高めることに寄与することができる。
ここに記載されている内容は、本開示の実施形態の主要なまたは重要な特徴を限定することを意図したものではなく、本開示の範囲を限定するものでもないことが理解されるべきである。本開示のその他の特徴は、以下の明細書でより理解しやすくなる。
添付の図面は、本実施形態をより良く理解するために使用され、本開示に対する限定を構成するものではない。
本開示の実施形態による交通データの分析方法のフローチャート模式図その１である。 本開示の実施形態による交通データの分析方法のフローチャート模式図その２である。 本開示の実施形態によるステップＳ１０２のフローチャート模式図である。 本開示の実施形態によるステップＳ１０５のフローチャート模式図である。 本開示のもう１つの実施形態による交通データの分析方法のフローチャート模式図である。 本開示の実施形態による交通データの分析装置の模式図その１である。 本開示の実施形態による交通データの分析装置の模式図その２である。 本開示のもう１つの実施形態による交通データの分析装置の模式図である。 本開示の実施形態による車両の模式図である。 本開示の実施形態による交通データの分析方法を実現するための電子デバイスのブロック図である。
以下、図面を参照し、本開示の例示的な実施形態を説明し、理解を助けるために本開示の実施形態の様々な詳細を含んでいるが、これらは、単に例示的なものとみなされるべきである。したがって、当業者は、本開示の範囲および要旨から逸脱することなく、本明細書に記載の実施形態に様々な変更および修正を加えることができることを認識すべきである。以下の説明では、明瞭で簡潔にするために、周知の機能と構造の説明を省略している。
図１は、本開示の実施形態による交通データの分析方法のフローチャート模式図その１である。図１に示すように、当該分析方法は、ステップＳ１０１、ステップＳ１０２、ステップＳ１０３、ステップＳ１０４及びステップＳ１０５を含んでも良い。
ステップＳ１０１においては、複数の初期交通データを取得する。
ステップＳ１０２においては、各初期交通データの類別を決定する。
ステップＳ１０３においては、ＡＩ分析モデルの検索命令を受信する。ここで、検索命令は、ターゲット類別情報を含む。
ステップＳ１０４においては、各初期交通データの類別に基づき、各初期交通データの中からターゲット類別情報に対応するターゲット交通データを決定する。
ステップＳ１０５においては、ＡＩ分析モデルがターゲット交通データに基づいてＡＩ分析を行うように、ＡＩ分析モデルにターゲット交通データを送信する。
本開示の実施形態の分析方法によれば、まず、取得された複数の初期交通データに対して分類することにより、各初期交通データの類別を決定する。次に、ＡＩ分析モデルの検索命令を受信すると、検索命令の中のターゲット類別情報に基づき、各初期交通データの中から相応するターゲット交通データを迅速に決定し、ＡＩ分析モデルにターゲット交通データを迅速にプッシュすることができる。よって、ＡＩ分析モデルは、ターゲット交通データに基づいてＡＩ分析を行うことができ、ＡＩ分析の効率を高めることに寄与することができる。
また、初期交通データの類別とＡＩ分析モデルの間の対応関係により、ＡＩ分析モデルにターゲット交通データを正しく提供することができるので、当該分析方法は、複数のＡＩ分析モデルを有する大規模なＡＩ分析に適用でき、ＡＩ分析の多様性を高めることに寄与することができる。
なお、本開示の実施形態の交通データの分析方法は、ビッグデータ処理、自動運転及び車載ネットワーク分野に適用することができる。例えば、大量の交通データに対する分類処理であり、交通データを用いて自動運転に必要なＡＩナビゲーションを行うことであり、交通データを用いて車載ネットワーク分野に必要なＡＩ分析を行うこと等である。
１つの例においては、初期交通データは、サーバ及び／又は車両から取得することができる。なお、サーバは、交通情報システムであっても良く、サーバから取得された初期データは、車両の所在位置からの道路のデータ、道路ネットワークデータ及び店舗データを含むが、これらに限定しない。車両から取得された初期データは、車両から取得された車両の走行データを含む。
例示的に、道路データは、車両の所在位置からの次の道路の位置情報、名称、長さ情報、車線数及び距離情報を含むが、これらに限定しない。道路ネットワークデータは、車両の所在位置からの所定範囲内の周辺道路の位置情報、名称、長さ情報、車線数、ステアリング情報及び横断歩道情報を含むが、これらに限定しない。店舗データは、店舗の名称、位置情報、価格情報及び評価情報を含むが、これらに限定しない。車両の走行データは、車両の速度情報、残りのオイル及び残りの電気量を含むが、これらに限定しない。
もう１つの例においては、初期交通データの類別は、複数であっても良く、初期交通データの類別及び数は、実際のニーズに応じて選択及び調整することができる。本開示の実施形態においては、これに対して限定せず、必要な機能に基づいて初期交通データに対して分類することができれば良い。
例示的に、各初期交通データの類別は、自家用車情報類別、案内情報類別及び周辺道路ネットワーク情報類別を含んでも良い。各初期交通データの類別を決定することは、車両の走行データに対して自家用車情報類別をマークすること、道路データに対して案内情報類別をマークすること、道路ネットワークデータ及び店舗データに対して周辺道路ネットワーク情報類別をマークすることを含んでも良い。
例示的に、同じ類別に属する初期交通データは、同一のデータグループに分けることができるので、同一のデータグループの初期交通データは、同じ類別を有する。ＡＩ分析モデルがある類別のターゲット交通データを呼び出す必要な場合、当該類別を有するデータグループの中の全ての初期交通データをＡＩ分析モデルに送信することができる。
１つの例においては、ＡＩ分析モデルは、異なる分析機能を有する複数のＡＩ分析モデルであっても良く、各ＡＩ分析モデルは、１つ又は複数の類別の初期交通データと対応関係がある。例えば、ＡＩ分析モデルは、第１のＡＩ分析モデル、第２のＡＩ分析モデル及び第３のＡＩ分析モデルを含んでも良い。なお、第１のＡＩ分析モデルは、自家用車情報類別の中の車両の速度情報と対応関係があり、第２のＡＩ分析モデルは、自家用車情報類別の中の車両の残りのオイル及び案内情報類別の中の次の道路の位置情報と対応関係があり、第３のＡＩ分析モデルは、自家用車情報類別の中の車両の速度情報、案内情報類別の中の次の道路の位置情報、周辺道路ネットワーク情報類別の中の周辺道路の位置情報及び店舗の位置情報と対応関係がある。
これにより、各ＡＩ分析モデルが分析命令に応答する際、各類別の中の初期交通データとの対応関係に基づき、ターゲット類別情報を有する検索命令を生成することができる。ＡＩ分析モデルの検索命令を受信すると、各初期交通データの類別に基づき、各初期交通データからターゲット交通データを決定し、正しいターゲット交通データをＡＩ分析モデルに迅速に提供することができる。
例示的に、ＡＩ分析モデルの検索命令は、ＡＩ分析モデルが音声制御情報に応答して生成されたものであっても良い。例えば、ＡＩ分析モデルは、音声制御情報である「最近の店舗を探す」を受信すると、ＡＩ分析モデルは、対応する検索命令を生成する。
１つの例においては、異なる応用シナリオにより、ＡＩ分析モデルは、様々な種類を有しても良い。例えば、ＡＩ分析モデルは、ヨー分析モデル、オイル分析モデル、輻輳回避分析モデル及び店舗分析モデル等を含むが、これらに限定しない。
例えば、店舗分析モデルは、ガソリンスタンド分析モデル又はレストラン分析モデルであっても良い。ガソリンスタンド分析モデルのＡＩ分析機能は、各初期交通データから決定された、ガソリンスタンド分析モデルに対応するターゲット交通データを用い、車両の所在位置からの価格の最も安いガソリンスタンドを分析することを含んでも良い。レストラン分析モデルのＡＩ分析機能は、各初期交通データから決定された、レストラン分析モデルに相応するターゲット交通データを用い、車両の所在位置からの評価の最も良いレストランを分析することを含んでも良い。
ＡＩ分析モデルのＡＩ分析機能は、実際のニーズに応じて選択及び調整することができることが理解されたい。本開示の実施形態は、ＡＩ分析モデルの具体的なＡＩ分析機能に対して限定しない。
１つの実施形態においては、ステップＳ１０４の前は、初期交通データに対して誤り訂正処理を行うことを更に含んでも良い。
なお、初期交通データに対して誤り訂正処理を行うことは、同じ類別の初期交通データを、相応する誤り訂正モデルに入力することにより、誤り訂正モデルが相応する初期交通データに対して誤り訂正処理を行うことを含んでも良い。
例えば、誤り訂正モデルは、自家用車情報誤り訂正モデル、案内情報誤り訂正モデル及び周辺道路ネットワーク情報誤り訂正モデルを含んでも良く、自家用車情報類別を有する初期交通データを自家用車情報誤り訂正モデルに入力し、案内情報類別を有する初期交通データを案内情報誤り訂正モデルに入力し、周辺道路ネットワーク情報類別を有する初期交通データを周辺道路ネットワーク情報誤り訂正モデルに入力することにより、誤り訂正処理を行っても良い。
例えば、店舗の評価グレードと平均評価の対応関係については、Ａグレードが４〜５ポイントに対応し、Ｂグレードが２〜３ポイントに対応し、Ｃグレードが０〜１ポイントに対応し、店舗の評価グレードが周辺道路ネットワーク情報誤り修正モデルに入力された際、店舗の評価グレードがＡグレードであり、周辺道路ネットワーク情報誤り訂正モデルにおいて決定された平均評価が３ポイントである場合、店舗の出力評価グレードがＢグレードである。
よって、初期交通データに対して誤り訂正処理を行うことにより、初期交通データの正確性を高め、ＡＩ分析の正確性を高めることができる。また、同じ類別の初期交通データを、相応する誤り訂正モデルに入力して誤り訂正処理を行うことは、各類別の初期交通データに対して同時に誤り訂正処理を行うことができ、誤り訂正処理の効率を高めることができる。
１つの実施形態においては、ステップＳ１０４の前は、初期交通データに対して検証処理を行うことを更に含んでも良い。よって、初期交通データを送信する有効性及び完全性を検証し、ＡＩ分析の正確性を高めることができる。
１つの実施形態においては、図２に示すように、初期交通データに対して誤り訂正処理を行うことは、ステップＳ２０１及びステップＳ２０２を含んでも良い。
ステップＳ２０１においては、初期交通データが異常交通データである場合、初期交通データの第１の関連交通データを決定する。
ステップＳ２０２においては、初期交通データと第１の関連交通データの間の関連関係に基づき、初期交通データに対して誤り訂正処理を行う。
１つの例においては、ステップＳ２０１は、初期交通データの初期数値が閾値範囲を超えた場合、初期交通データが異常交通データであることを決定することを含んでも良く、ここで、閾値範囲は、複数の初期交通データに対して機械学習を行うことにより取得されたものである。
例えば、初期交通データは、道路の速度制限情報を含んでも良い。ここで、速度制限範囲は、１１０ｋｍ／ｈ〜１２０ｋｍ／ｈであり、道路の速度制限情報が速度制限範囲以外にある場合、速度制限情報が異常交通データであることが決定され、速度制限範囲は、複数の道路の速度制限情報サンプルに対して機械学習を行うことにより取得されたものである。
もう１つの例においては、ステップＳ２０２は、初期交通データと第１の関連交通データの間の関連関係に基づき、初期交通データの正常数値を決定し、初期交通データの正常数値を用いて初期数値を置き換えることを含んでも良い。
例えば、道路の速度制限情報が１１０ｋｍ／ｈ〜１２０ｋｍ／ｈ以外である場合、道路のグレード情報が第５グレードであることを決定し、速度制限情報とグレード情報の間の関連関係に基づき、対応する速度制限情報が１２０ｋｍ／ｈであることを決定し、１２０ｋｍ／ｈを用いて速度制限情報の初期データを置き換える。
よって、より正しい初期交通データをＡＩ分析モデルに提供し、ＡＩ分析の正確性を高めることができる。なお、初期交通データをサーバから車両に送信することができるので、初期交通データの送信プロセスにおいては、異常交通データが生じる可能性がある。しかしながら、送信プロセスで生じた異常交通データに対して誤り訂正処理を行うことにより、ＡＩ分析の正確性に対するネットワークの送信機能の影響も低減することができる。
１つの実施形態においては、初期交通データは、第１の初期交通データ及び第２の初期交通データを含み、各初期交通データの類別を決定することは、ステップＳ３０１及びステップＳ３０２を含む。
ステップＳ３０１においては、第１の初期交通データと第２の初期交通データの間の位置関係に基づき、第２の初期交通データが第１の初期交通データの第２の関連交通データであるか否かを決定する。
ステップＳ３０２においては、第２の初期交通データが第１の初期交通データの第２の関連交通データである場合、第２の初期交通データの類別を第１の初期交通データの類別として設定する。
１つの例においては、ステップＳ３０１は、第１の初期交通データ及び第２の初期交通データを位置関係識別モデルに入力することにより、第１の初期交通データと第２の初期交通データの間の位置関係を識別し、識別結果に基づき、第２の初期交通データが第１の初期交通データの第２の関連交通データであるか否かを決定することを含んでも良い。なお、位置関係モデルは、複数の第１の初期交通データサンプル及び複数の第２の初期交通データサンプルに基づき、深層学習ネットワークモデルをトレーニングすることで得られたものである。
例示的に、第１の初期交通データは、店舗位置情報であっても良く、第２の初期交通データは、道路位置情報であっても良い。店舗位置情報及び道路位置情報を位置関係識別モデルに入力し、店舗が道路の距離閾値範囲内にあるか否かを識別する。識別結果に基づき、店舗位置情報が道路位置情報の第２の関連交通データであるか否かを決定する。例えば、店舗が道路の距離閾値範囲内にある場合、店舗位置情報が道路位置情報の第２の関連交通データであることを決定し、さもなければ、店舗位置情報が道路の第２の関連交通データではない。
例示的に、ステップＳ３０２に対し、店舗位置情報が道路の第２の関連交通データである場合、道路位置情報の類別を店舗位置情報の類別として設定し、即ち、道路位置情報と店舗位置情報が同じ類別のデータグループに分けられる。店舗位置情報と道路位置情報が関連し、道路位置情報に基づき、道路に対する店舗の位置関係を決定することができる。
本実施形態においては、第１の初期交通データと第２の初期交通データの間の位置関係により、第１の初期交通データと第２の初期交通データに対して関連付け処理を行う。よって、初期交通データの分類時の計算量を減少し、ＡＩ分析モデルの計算量も減少することに寄与し、ＡＩ分析の効率を高めることができる。
１つの実施形態においては、図４に示すように、ステップＳ１０５においては、ターゲット交通データをＡＩ分析モデルに送信することは、ステップＳ４０１及びステップＳ４０２を含んでも良い。
ステップＳ４０１においては、ターゲット交通データに対してパッケージを行う。
ステップＳ４０２においては、パッケージされたターゲット交通データをＡＩ分析モデルに送信する。
１つの例においては、類別ごとにターゲット交通データに対してパッケージを行い、同じ類別のターゲット交通データが一緒にパッケージされることにより、類別ごとにターゲット交通データをＡＩ分析モデルに送信することができる。
１つの例においては、ＡＩ分析モデルに関連する全てのターゲット交通データに対してパッケージを行うことにより、ターゲット交通データを一度にＡＩ分析モデルに送信することができる。
１つの実施形態においては、ステップＳ１０１は、車両の所在位置との距離が所定の距離条件を満たすターゲットオブジェクトを決定することと、
ターゲットオブジェクトに対応する交通データを取得することにより、初期交通データを取得することとを含んでも良い。
なお、距離条件は、車両の所在位置が中心であり、半径が所定距離であるエリア内であっても良い。所定距離は、１ｋｍ、２ｋｍ、３ｋｍ、５ｋｍ等であっても良い。所定距離条件と所定距離は、実際のニーズに応じて選択及び調整することができる。本開示の実施形態では、所定距離条件及び所定距離に対して限定しない。
ここで、ターゲットオブジェクトは、道路及び店舗を含むが、これらに限らない。また、ターゲットオブジェクトは、実際のニーズに応じて選択及び調整することができる。本開示の実施形態では、ターゲットオブジェクトに対して限定しない。
１つの例においては、車両の所在位置との距離が所定の距離条件を満たすターゲットオブジェクトを決定することは、車両の所在位置との距離が１ｋｍである円形エリアの内の次の道路、周辺道路及び店舗を決定することであっても良く、なお、周辺道路と車両の所在位置の間の距離は、次の道路と車両の所在位置の間の距離より大きい。
もう１つの例においては、ターゲットオブジェクトに対応する交通データを取得することにより、初期交通データを取得することは、次の道路の位置情報、名称、長さ情報、車線数及び距離情報、周辺道路の名称、長さ情報、車線数、ステアリング情報及び横断歩道情報、店舗の名称、位置情報、価格情報及び評価情報等を取得することであっても良い。
本開示の実施形態の方法は、車両側により実行されても良く、サーバにより実行されても良い。１つの実施形態においては、ステップＳ１０１の前は、車両とサーバの間に通信接続を確立することにより、サーバによりプッシュされた初期交通データを受信するか、予め設定された時間間隔に従ってサーバに初期交通データをアクティブに要求することを更に含んでも良い。
１つの例においては、サーバによりプッシュされた初期交通データを受信することは、サーバにより送信されたプッシュ要求を受信し、プッシュ要求に基づき、サーバに車両の所在位置の位置情報を送信し、サーバから送信された、ターゲットオブジェクトに対応する交通データを受信することを含んでも良い。
相応的に、サーバは、予め設定された時間間隔に従ってプッシュ要求を送信し、サーバは、車両の所在位置の位置情報を受信した際、位置情報に基づき、車両の所在位置との距離が所定の距離条件を満たすターゲットオブジェクトを決定し、車両にターゲットオブジェクトに対応する交通データをプッシュする。
もう１つの例においては、予め設定された時間間隔に従い、サーバに初期交通データをアクティブに要求することは、予め設定された時間間隔に従い、サーバに車両の所在位置の位置情報を送信し、ターゲットオブジェクトに対応する交通データを受信することを含んでも良い。
相応的に、サーバは、車両の所在位置の位置情報を受信した際、位置情報に基づき、車両の所在位置との距離が所定の距離条件を満たすターゲットオブジェクトを決定し、車両にターゲットオブジェクトに対応する交通データをプッシュする。
ここで、サーバは、位置情報に基づき、車両の所在位置との距離が所定の距離条件を満たすターゲットオブジェクトを決定することは、車両の車両マークに基づき、予め設定されたオブジェクトリストから車両マークに対応する初期オブジェクトを決定し、位置情報に基づき、初期オブジェクトから車両の所在位置との距離が所定の距離条件を満たすターゲットオブジェクトを決定することであっても良い。よって、ターゲットオブジェクトの決定効率を高め、初期交通データを迅速に取得し、ＡＩ分析効率を高めることができる。
図５は、本開示のもう１つの実施形態による交通データの分析方法のフローチャート模式図である。車両側の交通データプロセッサが上述した実施形態の交通データの分析方法を実行する場合、当該もう１つの実施形態の交通データの分析方法は、ＡＩ分析モデルにより実行することに適している。図５に示すように、当該もう１つの実施形態の交通データの分析方法は、ステップＳ５０１、ステップＳ５０２及びステップＳ５０３を含んでも良い。
ステップＳ５０１においては、ターゲット類別情報を含む検索命令を交通データプロセッサに送信する。
ステップＳ５０２においては、交通データプロセッサから送信されたターゲット交通データを受信する。ここで、当該ターゲット交通データは、交通データプロセッサが各初期交通データの類別に基づき、各初期交通データの中から決定されたターゲット類別情報に対応するデータである。
ステップＳ５０３においては、ターゲット交通データに基づいてＡＩ分析を行う。
本実施形態においては、交通データプロセッサに検索命令を送信することにより、交通データプロセッサは、ターゲット類別情報に基づき、各初期交通データからターゲット交通データを迅速に決定することができる。よって、ターゲット交通データを迅速に受信し、ターゲット交通データに基づいてＡＩ分析を迅速に行うことができ、ＡＩ分析の効率を高めることができる。
また、ＡＩ分析と初期交通データの類別の間の対応関係により、ターゲット交通データを正しく検索することができるので、当該分析方法は、複数のＡＩ分析モデルを有する大規模なＡＩ分析に適用でき、ＡＩ分析の多様性を高めることができる。
図６は、本開示の実施形態による交通データの分析装置６００の模式図その１である。図６に示すように、当該交通データの分析装置６００は、取得モジュール６１０、第１の決定モジュール６２０、受信モジュール６３０、第２の決定モジュール６４０及び送信モジュール６５０を備えても良い。
取得モジュール６１０は、複数の初期交通データを取得することに用いられる。
第１の決定モジュール６２０は、各初期交通データの類別を決定することに用いられる。
受信モジュール６３０は、ＡＩ分析モデルの、ターゲット類別情報を含む検索命令を受信することに用いられる。
第２の決定モジュール６４０は、各初期交通データの類別に基づき、各初期交通データの中からターゲット類別情報に対応するターゲット交通データを決定することに用いられる。
送信モジュール６５０は、ＡＩ分析モデルがターゲット交通データに基づいてＡＩ分析を行うように、ＡＩ分析モデルにターゲット交通データを送信することに用いられる。
図７は、本開示の実施形態による交通データの分析装置６００の模式図その２である。図７に示すように、当該交通データの分析装置６００は、データ処理モジュール７１０を更に備えても良い。
データ処理モジュール７１０は、初期交通データに対して誤り訂正処理を行うことに用いられる。
１つの実施形態においては、データ処理モジュール７１０は、第１の決定サブモジュール及び誤り訂正処理サブモジュールを備える。
第１の決定サブモジュールは、初期交通データが異常交通データである場合、初期交通データの第１の関連交通データを決定することに用いられる。
誤り訂正処理サブモジュールは、初期交通データと第１の関連交通データの間の関連関係に基づき、初期交通データに対して誤り訂正処理を行うことに用いられる。
１つの実施形態においては、初期交通データは、第１の初期交通データ及び第２の初期交通データを含み、第１の決定モジュール６２０は、第２の決定サブモジュール及び類別設定サブモジュールを備えても良い。
第２の決定サブモジュールは、第１の初期交通データ及び第２の初期交通データの間の位置関係に基づき、第２の初期交通データが第１の初期交通データの第２の関連交通データであるか否かを決定することに用いられる。
類別設定サブモジュールは、第２の初期交通データが第１の初期交通データの第２の関連交通データである場合、第２の初期交通データの類別を第１の初期交通データの類別として設定することに用いられる。
１つの実施形態においては、送信モジュール６５０は、パッケージサブモジュール及び送信サブモジュールを備えても良い。
パッケージサブモジュールは、ターゲット交通データに対してパッケージを行うことに用いられる。
送信サブモジュールは、パッケージされたターゲット交通データをＡＩ分析モデルに送信することに用いられる。
１つの実施形態においては、取得モジュール６１０は、第３の決定サブモジュール及び取得サブモジュールを備えても良い。
第３の決定サブモジュールは、車両の所在位置との距離が所定の距離条件を満たすターゲットオブジェクトを決定することに用いられる。
取得サブモジュールは、ターゲットオブジェクトに対応する交通データを取得することにより、初期交通データを取得することに用いられる。
図８は、本開示のもう１つの実施形態による交通データの分析装置８００の模式図である。図８に示すように、当該交通データの分析装置８００は、送信モジュール８１０、受信モジュール８２０及び分析モジュール８３０を含んでも良い。
送信モジュール８１０は、ターゲット類別情報を含む検索命令を、交通データプロセッサに送信することに用いられる。
受信モジュール８２０は、交通データプロセッサから送信されたターゲット交通データを受信することに用いられる。ここで、ターゲット交通データは、交通データプロセッサが各初期交通データの類別に基づき、各初期交通データの中から決定された、ターゲット類別情報に対応するデータである。
分析モジュール８３０は、ターゲット交通データに基づいてＡＩ分析を行うことに用いられる。
図９は、本開示の実施形態による車両９００の模式図である。図９に示すように、当該車両９００は、上述した何れか１つの実施形態の交通データの分析装置６００及び上述したもう１つの実施形態の交通データの分析装置８００を備えても良い。
本開示の実施形態における各装置の中の各モジュールの機能は、上述した方法における対応する説明を参照することができ、ここでは、繰り返して説明しない。
本開示の実施形態により、本開示は、電子デバイス、可読記憶媒体及びコンピュータプログラム製品を更に提供する。
図１０は、本開示の実施形態による交通データの分析方法を実現する電子デバイスのブロック図である。電子デバイスは、様々な形態のデジタルコンピュータ、例えば、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレームコンピュータ、及び他の好適なコンピュータを表すことを目的としている。また、電子デバイスは、また、様々な形態のモバイルデバイス、例えば、パーソナルデジタルアシスタント、携帯電話、スマートフォン、ウェアラブルデバイス、及び他の類似のコンピューティングデバイスを表すことができる。本明細書に記載のコンポーネント、それらの接続及び関係、ならびにそれらの機能は、例としてのみ意図されており、本明細書に記載及び／または要求される本開示の実現を限定することを意図するものではない。
図１０に示すように、当該電子デバイスは、１つ以上のプロセッサ１００１、メモリ１００２、及び各コンポーネントを接続するための、高速インターフェース及び低速インターフェースを含むインターフェースを有する。様々なコンポーネントは、異なるバスを用いて相互に接続されており、共通のマザーボード上に実装されてもよいし、必要に応じて他の方式で実装されてもよい。プロセッサは、電子デバイス内で実行される命令を処理してもよく、当該命令は、メモリにまたはメモリ上に記憶されることによって、外部入出力装置（例えば、インターフェースに結合されたディスプレイ装置）にＧＵＩのグラフィカル情報を表示させるための命令を含む。他の実施形態では、必要に応じて、複数のプロセッサ及び／又は複数のバスを複数のメモリと一緒に使用してもよい。同様に、複数の電子デバイスが接続されていてもよく、個々のデバイスが必要な操作の一部を提供する（例えば、サーバアレイ、ブレードサーバのグループ又はマルチプロセッサシステムとして）。図１０は、１つのプロセッサ１００１を例としている。
メモリ１００２は、本開示によって提供される非一時的コンピュータ可読記憶媒体である。なお、前記メモリは、本開示により提供される交通データの分析方法を前記少なくとも１つのプロセッサに実行させるために、前記少なくとも１つのプロセッサにより実行可能な命令を記憶している。本開示の非一時的コンピュータ可読記憶媒体は、本開示によって提供される交通データの分析方法をコンピュータに実行させるために使用されるコンピュータ命令を記憶している。
メモリ１００２は、非一時的コンピュータ可読記憶媒体として、非一時的ソフトウェアプログラム、非一時的コンピュータ実行可能プログラム及びモジュール、例えば、本開示の実施形態における方法に対応するプログラム命令／モジュール（例えば、図６に示す取得モジュール６１０、受信モジュール６３０、第１の決定モジュール６２０、第２の決定モジュール６４０及び送信モジュール６５０）を格納するために使用することができる。プロセッサ１００１は、メモリ１００２に記憶された非一時的ソフトウェアプログラム、命令及びモジュールを実行することにより、サーバの各種機能アプリケーション及びデータ処理を実行し、上述した方法の実施形態における交通データの分析方法を実現する。
メモリ１００２は、プログラム記憶領域とデータ記憶領域とを含んでもよく、プログラム記憶領域は、オペレーティングシステム、少なくとも１つの機能に必要なアプリケーションプログラムを格納してもよく、データ記憶領域は、交通データの分析方法の電子デバイスの使用により作成されたデータなどを格納してもよい。また、メモリ１００２は、高速ランダムアクセスメモリを含んでもよく、少なくとも１つのディスクメモリ装置、フラッシュメモリ装置又は他の非一時的ソリッドステートメモリ装置などの非一時的メモリを更に含んでもよい。幾つかの実施形態では、メモリ１００２は、プロセッサ１００１に対して相対的に遠隔に配置されたメモリを含むことが好ましく、これらの遠隔メモリは、ネットワークを介して、交通データの分析方法の電子デバイスに接続されてもよい。前記ネットワークの例としては、インターネット、企業のイントラネット、ローカルエリアネットワーク、移動体通信ネットワーク及びそれらの組合せが挙げられるが、これらに限定されない。
交通データの分析方法の電子デバイスは、入力装置１００３と出力装置１００４を更に含んでもよい。プロセッサ１００１、メモリ１００２、入力装置１００３および出力装置１００４は、バスを介して接続されていてもよく、他の方式で接続されていてもよく、図１０ではバスを介した接続を例に挙げている。
入力装置１００３は、入力された数値情報または文字情報を受信するとともに交通データの分析方法の電子デバイスのユーザ設定及び機能制御に関連するキー信号入力を生成してもよく、例えば、タッチスクリーン、キーパッド、マウス、トラックパッド、タッチパッド、インジケータスティック、１つ以上のマウスボタン、トラックボール、ジョイスティック、その他の入力装置などが挙げられる。出力装置１００４は、表示装置、補助照明装置（例えば、ＬＥＤ）、触覚フィードバック装置（例えば、振動モータ）等を含んでもよい。当該表示装置としては、液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ、ＬＣＤ）、発光ダイオード（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ、ＬＥＤ）、プラズマディスプレイ等が挙げられるが、これらに限定されない。幾つかの実施形態では、表示装置は、タッチスクリーンであってもよい。
本明細書に記載のシステム及び技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、専用集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔｓ、ＡＳＩＣ）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／またはそれらの組合せで実現することができる。これらの様々な実施形態は、以下を含み得る：１つ以上のコンピュータプログラムで実施し、当該１つ以上のコンピュータプログラムは、少なくとも１つのプログラマブルプロセッサを含むプログラマブルシステム上で実行及び／又は解釈され、当該プログラマブルプロセッサは、記憶システム、少なくとも１つの入力装置、および少なくとも１つの出力装置からデータおよび命令を受信し、且つデータ及び命令を当該記憶システム、当該少なくとも１つの入力装置、及び当該少なくとも１つの出力装置へ転送することができる専用または汎用のプログラマブルプロセッサであってもよい。
これらのコンピュータプログラムは、プログラム、ソフトウェア、ソフトウェアアプリケーション、またはコードとも呼ばれ、プログラマブルプロセッサのための機械命令を含み、高グレード手順及び／またはオブジェクト指向のプログラミング言語、及び／またはアセンブリ／機械語を使用してこれらのコンピュータプログラムを実装することができる。本明細書で使用されるように、「機械可読媒体」及び「コンピュータ可読媒体」という用語は、機械命令及び／またはデータをプログラマブルプロセッサに提供するために使用される任意のコンピュータプログラム製品、デバイス、及び／または装置、例えば、磁気ディスク、光ディスク、メモリ、プログラマブルロジックデバイス（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｄｅｖｉｃｅ、ＰＬＤ）を指し、機械可読信号である機械命令を受け取る機械可読媒体を含む。「機械可読信号」という用語は、機械命令及び／またはデータをプログラマブルプロセッサに提供するために使用される任意の信号を指す。
ユーザとのインタラクティブを提供するために、本明細書に記載されているシステム及び技術は、ユーザに情報を表示するための表示装置（例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ、陰極線管）またはＬＣＤ（液晶ディスプレイ）モニタ）と、ユーザがコンピュータに入力を提供するためのキーボード及びポインティング装置（例えば、マウスまたはトラックボール）とを有するコンピュータ上に実装されてもよい。他の種類の装置もユーザとのインタラクティブを提供するためにも使用されてもよく、例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック（例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバック）であってもよく、ユーザからの入力は、任意の形態（音響入力、音声入力、または触覚入力を含む）で受信されてもよい。
本明細書に記載されているシステム及び技術は、バックエンドコンポーネントを含むコンピューティングシステム（例えば、データサーバー）、ミドルウェアコンポーネントを含むコンピューティングシステム（例えば、アプリケーションサーバー）、またはフロントエンドコンポーネントを含むコンピューティングシステム（例えば、グラフィカルユーザインターフェースまたはウェブブラウザーを備えたユーザコンピューター。当該グラフィカルユーザインターフェースまたは当該ウェブブラウザーを介して、ユーザはここで説明するシステムおよび技術の実装とインタラクティブできる）、またはそのようなバックエンドコンポーネント、ミドルウェアコンポーネント、またはフロントエンドコンポーネントの任意の組合せを含むコンピューティングシステムで実装されてもよい。システムのコンポーネントは、任意の形態または媒体のデジタルデータ通信（例えば、通信ネットワーク）を介して相互に接続されていてもよい。通信ネットワークの例としては、ローカルエリアネットワーク（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ、ＬＡＮ）、ワイドエリアネットワーク（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ、ＷＡＮ）及びインターネット等がある。
コンピュータシステムは、クライアントとサーバを含むことができる。クライアントとサーバは一般的に互いに遠隔地にあり、通常は、通信ネットワークを介してインタラクティブする。クライアント−サーバ関係は、対応するコンピュータ上で実行され、互いにクライアント−サーバ関係を有するコンピュータプログラムによって生成される。サーバは、クラウドコンピューティングサーバ又はクラウドホストとも呼ばれるクラウドサーバであっても良く、クラウドコンピューティングサービスシステムのホスト製品であり、従来の物理ホスト及び仮想プライベートサーバー（ＶＰＳ）サービスにおける管理困難の問題及び業務拡大性が弱いという欠陥を解決する。サーバは、分散システムのサーバであっても良く、ブロックチェーンと組み合わせたサーバであっても良い。
上述した処理の様々なプロセスを用い、順序を変えたり、ステップを追加または削除したりすることができることが理解されるべきである。例えば、本開示に記載の各ステップは、並行して実行されてもよく、順次実行されてもよく、異なる順序で実行されてもよく、本開示に開示された技術案の所望の結果が達成される限り、限定されない。
上記の具体的な実施形態は、本開示の保護範囲の制限を構成するものではない。設計要件及び他の要因に応じて、様々な変更、組み合わせ、サブ組み合わせ及び置換えが行われ得ることは、当業者によって理解されるべきである。本開示の要旨及び原則の範囲内で行われる如何なる修正、同等の代替、改良等は、すべて本開示の保護範囲に含まれる。

Claims (18)

  1. 複数の初期交通データを取得することと、
    各前記初期交通データの類別を決定することと、
    ＡＩ分析モデルの、ターゲット類別情報を含む検索命令を受信することと、
    各前記初期交通データの類別に基づき、各前記初期交通データの中から前記ターゲット類別情報に対応するターゲット交通データを決定することと、
    前記ＡＩ分析モデルが前記ターゲット交通データに基づいてＡＩ分析を行うように、前記ＡＩ分析モデルに前記ターゲット交通データを送信することと、を含む
    ことを特徴とする交通データの分析方法。
  2. 各前記初期交通データの類別に基づき、各前記初期交通データの中から前記ターゲット類別情報に対応するターゲット交通データを決定する前に、
    前記初期交通データに対して誤り訂正処理を行うことを更に含む
    ことを特徴とする請求項１に記載の交通データの分析方法。
  3. 前記初期交通データに対して誤り訂正処理を行うことは、
    前記初期交通データが異常交通データである場合、前記初期交通データの第１の関連交通データを決定することと、
    前記初期交通データと前記第１の関連交通データの間の関連関係に基づき、前記初期交通データに対して誤り訂正処理を行うこととを含む
    ことを特徴とする請求項２に記載の交通データの分析方法。
  4. 前記初期交通データは、第１の初期交通データ及び第２の初期交通データを含み、各前記初期交通データの類別を決定することは、
    前記第１の初期交通データと前記第２の初期交通データの間の位置関係に基づき、前記第２の初期交通データが前記第１の初期交通データの第２の関連交通データであるか否かを決定することと、
    前記第２の初期交通データが前記第１の初期交通データの第２の関連交通データである場合、前記第２の初期交通データの類別を前記第１の初期交通データの類別として設定することと、を含む
    ことを特徴とする請求項１に記載の交通データの分析方法。
  5. 前記ＡＩ分析モデルに前記ターゲット交通データを送信することは、
    前記ターゲット交通データに対してパッケージを行うことと、
    パッケージされたターゲット交通データを前記ＡＩ分析モデルに送信することとを含む
    ことを特徴とする請求項１に記載の交通データの分析方法。
  6. 複数の初期交通データを取得することは、
    車両の所在位置との距離が所定の距離条件を満たすターゲットオブジェクトを決定することと、
    前記ターゲットオブジェクトに対応する交通データを取得することにより、前記初期交通データを取得することと、を含む
    ことを特徴とする請求項１〜５の何れか１つに記載の交通データの分析方法。
  7. ターゲット類別情報を含む検索命令を、交通データプロセッサに送信することと、
    前記交通データプロセッサから送信されたターゲット交通データを受信することと、
    前記ターゲット交通データに基づいてＡＩ分析を行うこととを含み、
    前記ターゲット交通データは、前記交通データプロセッサが各初期交通データの類別に基づき、各初期交通データの中から決定された、前記ターゲット類別情報に対応するデータである
    ことを特徴とする交通データの分析方法。
  8. 複数の初期交通データを取得するための取得モジュールと、
    各前記初期交通データの類別を決定するための第１の決定モジュールと、
    ＡＩ分析モデルの、ターゲット類別情報を含む検索命令を受信するための受信モジュールと、
    各前記初期交通データの類別に基づき、各前記初期交通データの中から前記ターゲット類別情報に対応するターゲット交通データを決定するための第２の決定モジュールと、
    前記ＡＩ分析モデルが前記ターゲット交通データに基づいてＡＩ分析を行うように、前記ＡＩ分析モデルに前記ターゲット交通データを送信するための送信モジュールと、を備える
    ことを特徴とする交通データの分析装置。
  9. 前記初期交通データに対して誤り訂正処理を行うためのデータ処理モジュールを更に備える
    ことを特徴とする請求項８に記載の交通データの分析装置。
  10. 前記データ処理モジュールは、
    前記初期交通データが異常交通データである場合、前記初期交通データの第１の関連交通データを決定するための第１の決定サブモジュールと、
    前記初期交通データと前記第１の関連交通データの間の関連関係に基づき、前記初期交通データに対して誤り訂正処理を行うための誤り訂正処理サブモジュールとを備える
    ことを特徴とする請求項９に記載の交通データの分析装置。
  11. 前記初期交通データは、第１の初期交通データ及び第２の初期交通データを含み、前記第１の決定モジュールは、
    前記第１の初期交通データと前記第２の初期交通データの間の位置関係に基づき、前記第２の初期交通データが前記第１の初期交通データの第２の関連交通データであるか否かを決定するための第２の決定サブモジュールと、
    前記第２の初期交通データが前記第１の初期交通データの第２の関連交通データである場合、前記第２の初期交通データの類別を前記第１の初期交通データの類別として設定するための類別設定サブモジュールと、を備える
    ことを特徴とする請求項８に記載の交通データの分析装置。
  12. 前記送信モジュールは、
    前記ターゲット交通データに対してパッケージを行うためのパッケージサブモジュールと、
    パッケージされたターゲット交通データを前記ＡＩ分析モデルに送信するための送信サブモジュールと、を備える
    ことを特徴とする請求項８に記載の交通データの分析装置。
  13. 前記取得モジュールは、
    車両の所在位置との距離が所定の距離条件を満たすターゲットオブジェクトを決定するための第３の決定サブモジュールと、
    前記ターゲットオブジェクトに対応する交通データを取得することにより、前記初期交通データを取得するための取得サブモジュールと、を備える
    ことを特徴とする請求項８〜１２の何れか１つに記載の交通データの分析装置。
  14. ターゲット類別情報を含む検索命令を、交通データプロセッサに送信するための送信モジュールと、
    前記交通データプロセッサから送信されたターゲット交通データを受信するための受信モジュールと、
    前記ターゲット交通データに基づいてＡＩ分析を行うための分析モジュールとを備え、
    前記ターゲット交通データは、前記交通データプロセッサが各初期交通データの類別に基づき、各初期交通データの中から決定された、前記ターゲット類別情報に対応するデータである
    ことを特徴とする交通データの分析装置。
  15. 少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサと通信接続されたメモリと、を備え、
    前記メモリは、前記少なくとも１つのプロセッサで実行可能な命令を記憶し、前記命令は、前記少なくとも１つのプロセッサにより実行されると、前記少なくとも１つのプロセッサに請求項１〜７の何れか１つに記載の交通データの分析方法を実行させることを特徴とする電子デバイス。
  16. 請求項８〜１３の何れか１つに記載の交通データの分析装置及び請求項１４に記載の交通データの分析装置を備えることを特徴とする車両。
  17. コンピュータに請求項１〜７の何れか１つに記載の交通データの分析方法を実行させるための命令が記憶されている非一時的なコンピュータ可読記憶媒体。
  18. コンピュータにおいて、プロセッサにより実行される場合、請求項１〜７の何れか１つに記載の交通データの分析方法を実現することを特徴とするプログラム。
JP2021126659A 2020-12-16 2021-08-02 交通データの分析方法、装置、デバイス、車両、記憶媒体及びプログラム Active JP7227320B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011489927.8A CN112735124B (zh) 2020-12-16 2020-12-16 交通数据的分析方法、装置、设备、车辆及存储介质
CN202011489927.8 2020-12-16

Publications (2)

Publication Number Publication Date
JP2021170410A true JP2021170410A (ja) 2021-10-28
JP7227320B2 JP7227320B2 (ja) 2023-02-21

Family

ID=75603752

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021126659A Active JP7227320B2 (ja) 2020-12-16 2021-08-02 交通データの分析方法、装置、デバイス、車両、記憶媒体及びプログラム

Country Status (5)

Country Link
US (1) US11626013B2 (ja)
EP (1) EP3944211A3 (ja)
JP (1) JP7227320B2 (ja)
KR (1) KR20210151726A (ja)
CN (1) CN112735124B (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117235556A (zh) * 2023-11-13 2023-12-15 浙江大学城乡规划设计研究院有限公司 一种面向交通管理者的多模式交通复合网络构建方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114155704B (zh) * 2021-10-18 2023-05-02 北京千方科技股份有限公司 一种基于ai服务的交通数据处理方法、装置、存储介质及终端
CN114475631B (zh) * 2022-02-22 2023-03-24 阿波罗智能技术(北京)有限公司 驾驶数据处理方法装置、设备、自动驾驶车辆介质及产品
CN114937356A (zh) * 2022-05-13 2022-08-23 一汽解放青岛汽车有限公司 一种车辆控制方法、装置、设备以及存储介质
CN114677126B (zh) * 2022-05-27 2022-08-26 深圳市一指淘科技有限公司 基于多源数据的智慧城市用公共交通综合调控系统
CN115687406B (zh) * 2022-11-07 2023-08-01 北京优特捷信息技术有限公司 一种调用链数据的采样方法、装置、设备及存储介质
CN116596345B (zh) * 2023-07-07 2023-10-24 北京千方科技股份有限公司 高速路段的服务水平计算方法、装置、电子设备及介质
CN117058887B (zh) * 2023-10-12 2023-12-22 深圳市中智车联科技有限责任公司 一种城市交通数据的采集方法、装置、设备和介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002092123A (ja) * 2000-09-12 2002-03-29 Takao Inoue 不動産物件情報提供分析システム
JP2002229991A (ja) * 2001-01-31 2002-08-16 Fujitsu Ltd サーバ，ユーザ端末，情報提供サービスシステムおよび情報提供サービス方法
JP2008276286A (ja) * 2007-04-25 2008-11-13 Denso Corp 走行情報収集装置および走行情報の学習方法
JP2013246036A (ja) * 2012-05-25 2013-12-09 Toyota Infotechnology Center Co Ltd 情報提供装置、情報提供方法および情報提供プログラム
CN105160866A (zh) * 2015-08-07 2015-12-16 浙江高速信息工程技术有限公司 一种基于深度学习神经网络结构的交通流预测方法
JP2016081308A (ja) * 2014-10-16 2016-05-16 ココロプラン株式会社 集約情報提供システム
JP2018136754A (ja) * 2017-02-22 2018-08-30 株式会社日立製作所 情報処理装置、モビリティデータ収集システム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9146962B1 (en) * 2014-10-09 2015-09-29 Splunk, Inc. Identifying events using informational fields
CN106559634B (zh) * 2015-09-30 2019-12-03 杭州海康威视数字技术股份有限公司 用于交通卡口视频监控的数据存储方法及装置
CN107346610B (zh) * 2016-05-05 2021-05-04 阿里巴巴集团控股有限公司 一种路况提醒方法及装置
CN105761500B (zh) * 2016-05-10 2019-02-22 腾讯科技（深圳）有限公司 交通事故处理方法及交通事故处理装置
CN106205161B (zh) * 2016-07-09 2018-09-18 腾讯科技（深圳）有限公司 路况信息传输方法和装置
CN108154681B (zh) * 2016-12-06 2020-11-20 杭州海康威视数字技术股份有限公司 发生交通事故的风险预测方法、装置及系统
US10713955B2 (en) * 2016-12-22 2020-07-14 Xevo Inc. Method and system for providing artificial intelligence analytic (AIA) services for performance prediction
EP3622420A4 (en) * 2017-05-10 2021-01-06 Agora Intelligence, Inc. PROCESS, APPARATUS AND COMPUTER-READABLE MEDIA FOR GENERATING RESEARCH RESULTS BASED ON CATEGORIES AND CRITERIA FROM A SEARCH REQUEST
US10579063B2 (en) * 2017-07-21 2020-03-03 Uatc, Llc Machine learning for predicting locations of objects perceived by autonomous vehicles
US20190051171A1 (en) * 2017-08-11 2019-02-14 Gridsmart Technologies, Inc. System and method for managing traffic by providing recommendations to connected objects
CN108833476A (zh) * 2018-05-16 2018-11-16 中国联合网络通信集团有限公司 共享实时信息的方法及系统
US11386304B2 (en) 2018-08-20 2022-07-12 Samsung Electronics Co., Ltd. Electronic device and method of controlling the same
EP3649435A4 (en) * 2018-09-18 2020-05-13 Beijing Didi Infinity Technology and Development Co., Ltd. SYSTEMS WITH ARTIFICIAL INTELLIGENCE AND METHOD FOR THE PREDICTION OF TRAFFIC ACCIDENT LOCATIONS
WO2020139713A1 (en) * 2018-12-28 2020-07-02 Didi Research America, Llc System and method for remote intervention of vehicles
CN109657031B (zh) 2018-12-28 2020-08-04 国汽(北京)智能网联汽车研究院有限公司 一种基于智能网联汽车的高精度动态地图生成与应用方法
CN110096981A (zh) 2019-04-22 2019-08-06 长沙千视通智能科技有限公司 一种基于深度学习的视频大数据交通场景分析方法
CN110322688A (zh) * 2019-05-20 2019-10-11 华为技术有限公司 一种数据处理的方法、数据查询的方法及相关设备
CN111428506B (zh) * 2020-03-31 2023-02-21 联想(北京)有限公司 实体分类方法、实体分类装置和电子设备
CN111397628B (zh) * 2020-04-03 2022-07-29 腾讯科技（深圳）有限公司 导航方法、装置、计算机设备和存储介质
CN111583639B (zh) 2020-04-30 2021-05-14 山东交通学院 一种道路交通拥堵预警方法及系统
CN111897836A (zh) * 2020-07-03 2020-11-06 中国建设银行股份有限公司 一种搜索系统、方法及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002092123A (ja) * 2000-09-12 2002-03-29 Takao Inoue 不動産物件情報提供分析システム
JP2002229991A (ja) * 2001-01-31 2002-08-16 Fujitsu Ltd サーバ，ユーザ端末，情報提供サービスシステムおよび情報提供サービス方法
JP2008276286A (ja) * 2007-04-25 2008-11-13 Denso Corp 走行情報収集装置および走行情報の学習方法
JP2013246036A (ja) * 2012-05-25 2013-12-09 Toyota Infotechnology Center Co Ltd 情報提供装置、情報提供方法および情報提供プログラム
JP2016081308A (ja) * 2014-10-16 2016-05-16 ココロプラン株式会社 集約情報提供システム
CN105160866A (zh) * 2015-08-07 2015-12-16 浙江高速信息工程技术有限公司 一种基于深度学习神经网络结构的交通流预测方法
JP2018136754A (ja) * 2017-02-22 2018-08-30 株式会社日立製作所 情報処理装置、モビリティデータ収集システム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117235556A (zh) * 2023-11-13 2023-12-15 浙江大学城乡规划设计研究院有限公司 一种面向交通管理者的多模式交通复合网络构建方法
CN117235556B (zh) * 2023-11-13 2024-02-27 浙江大学城乡规划设计研究院有限公司 一种面向交通管理者的多模式交通复合网络构建方法

Also Published As

Publication number Publication date
KR20210151726A (ko) 2021-12-14
US11626013B2 (en) 2023-04-11
CN112735124B (zh) 2022-05-20
CN112735124A (zh) 2021-04-30
EP3944211A3 (en) 2022-06-01
US20220020267A1 (en) 2022-01-20
JP7227320B2 (ja) 2023-02-21
EP3944211A2 (en) 2022-01-26

Similar Documents

Publication Publication Date Title
JP2021170410A (ja) 交通データの分析方法、装置、デバイス、車両、記憶媒体及びプログラム
EP3862723A2 (en) Method and apparatus for detecting map quality
JP2022031902A (ja) 道路イベントの検出方法、装置、機器及び記憶媒体
JP7214702B2 (ja) 車両列の長さを検出する方法、車両列の長さを検出する装置、電子機器、記憶媒体及びコンピュータプログラム
CN111694973A (zh) 自动驾驶场景的模型训练方法、装置、电子设备
EP3842752A1 (en) Vehicle positioning method, apparatus, electronic device, vehicle and storage medium
US20170017931A1 (en) System and Method for Dynamic Discovery and Enhancements of Diagnostic Rules
US11447153B2 (en) Method and apparatus for annotating virtual lane at crossing
US11405744B2 (en) Positioning method and device, on-board equipment, vehicle, and positioning system
US20230103040A1 (en) Vehicle travel control method and apparatus
EP3901581A2 (en) Method, apparatus, device and storage medium for determining a lane where a vehicle is located
CN113916559B (zh) 碰撞假人冲击响应性能限值的构建方法及电子设备
KR20220029309A (ko) 교통 검문소를 결정하는 방법, 시스템, 전자 기기 및 매체
US20210139052A1 (en) Task scheduling method, apparatus, device, and computer readable storage medium
US11290843B2 (en) Method for measuring sensing range of vehicle, device and medium
JP2021119458A (ja) 障害物速度確定方法、装置、電子機器、記憶媒体およびコンピュータプログラム
JP7307111B2 (ja) 車両測位方法及び装置、車両、記憶媒体並びにコンピュータプログラム
CN114852096A (zh) 域控制器变量的管理方法、装置、电子设备及存储介质
JP2023535661A (ja) 車両の車線区画線踏み越え認識方法、装置、電子機器、記憶媒体及びコンピュータプログラム
CN116108290A (zh) 位置查询方法和装置
TW202125329A (zh) 物件識別模型訓練方法及車載裝置
JP2021099376A (ja) データ処理方法と装置、車端機器及びナビゲーションシステム
CN116980396A (zh) 代码发布方法和装置、电子设备及存储介质
CN111308997A (zh) 用于生成行驶路径的方法和装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210802

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220829

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220927

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221221

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230131

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230209

R150 Certificate of patent or registration of utility model

Ref document number: 7227320

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150