JP2023507925A - 一般的なユーザのルートの所要時間の予測 - Google Patents
一般的なユーザのルートの所要時間の予測 Download PDFInfo
- Publication number
- JP2023507925A JP2023507925A JP2022534803A JP2022534803A JP2023507925A JP 2023507925 A JP2023507925 A JP 2023507925A JP 2022534803 A JP2022534803 A JP 2022534803A JP 2022534803 A JP2022534803 A JP 2022534803A JP 2023507925 A JP2023507925 A JP 2023507925A
- Authority
- JP
- Japan
- Prior art keywords
- route
- partial
- segments
- segment
- duration
- 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
Links
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000010801 machine learning Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 16
- 238000003066 decision tree Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
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
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- 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
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3667—Display of a road map
- G01C21/3676—Overview of the route on the road map
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Social Psychology (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Navigation (AREA)
- Operations Research (AREA)
- Instructional Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
上述のように、ユーザがナビゲーションアプリケーションを使用して出発地から目的地までのナビゲーション指示を要求するとき、ナビゲーションアプリケーションまたはナビゲーションアプリケーションに関連するサーバは、ルートセグメントの連続を含む、出発地から目的地までのルートを生成する。たとえば、各ルートセグメントは、2つの交差点間の道路のセクション(section)であってよい(たとえば、第1のセグメントは、道路Aと道路Bとの交差点に到達するまで道路Aを走行することである可能性があり、第2のセグメントは、道路Bへと右折し、道路Bと道路Cとの交差点まで0.5マイル走行することである可能性があるなど)。ナビゲーションアプリケーションは、ルート上の各ルートセグメントに関して予測された所要時間を集約するかまたは組み合わせることによって、ルートの総所要時間を予測する場合がある。
図1を参照すると、上記で概略を示された技術が実装され得る例示的な環境100が、電子デバイス102とヘッドユニット106を有する車両104とを含む。電子デバイス102は、スマートフォン、タブレットコンピュータ、ウェアラブルコンピュータなどであってよい。電子デバイス102は、有線(たとえば、ユニバーサルシリアルバス(USB))またはワイヤレス(たとえば、Bluetooth、Wi-Fiダイレクト)である場合がある通信リンク108を介して車両104のヘッドユニット106と通信する。電子デバイス102は、ワイヤレス通信ネットワークを介して、様々なコンテンツプロバイダ、サーバなどと通信することもできる。
図3A~図3Cは、例示的なルートセグメントの連続およびルートセグメントの部分的連続の図である(ルートセグメントの部分的連続も、本開示全体を通じて「スーパーセグメント」と意味の区別なく呼ばれる)。たとえば、図3Aに示される出発地1から目的地1までのルート1のルートセグメントの連続は、ルートセグメントA、その直後にルートセグメントB、その直後にルートセグメントC、その直後にルートセグメントD、その直後にルートセグメントEを含む。ルート1のルートセグメントの部分的連続は、ルートセグメントAを含み、その直後にルートセグメントBを含む場合がある。別の例として、ルート1のルートセグメントの部分的連続は、ルートセグメントC、その直後にルートセグメントD、その直後にルートセグメントEを含む場合がある。所与のルートのルートセグメントの部分的連続は、任意の数のルートセグメントを含んでよい。いくつかの例において、ルートのルートセグメントの部分的連続は、ルートのルートセグメントの連続全体を含む場合があるが、その他の例において、ルートのルートセグメントの部分的連続は、ルートのルートセグメントの連続全体よりも少ないルートセグメントを含む場合がある。
ここで図4を参照すると、ルートの所要時間を予測するための例示的な方法400が、スーパーセグメントサーバ140によって実施されてよい。方法400は、スーパーセグメントサーバ140または別の好適なコンピューティングシステムのコンピュータ可読メモリ150上に記憶され、1つまたは複数のプロセッサ148上で実行可能な命令のセットとして実装され得る。その他の実施形態において、方法400は、電子デバイス102内のナビゲーションアプリケーション154によって、またはスーパーセグメントサーバ140およびナビゲーションアプリケーション154の任意の好適な組合せによって実施されてよい。
以下のさらなる考慮事項が、上の検討に当てはまる。本明細書全体を通じて、単一のインスタンスとして説明された構成要素、動作、または構造を複数のインスタンスが実装する場合がある。1つまたは複数の方法の個々の動作が別々の動作として示され、説明されているが、個々の動作のうちの1つまたは複数が同時に実行される場合があり、動作が示された順序で実行される必要はない。例示的な構成において別個の構成要素として示された構造および機能が、組み合わされた構造または構成要素として実装される場合がある。同様に、単一の構成要素として示された構造および機能が、別個の構成要素として実装される場合がある。これらのおよびその他の変更、修正、追加、および改良は、本開示の主題の範囲内に入る。
102 電子デバイス
104 車両
106 ヘッドユニット
108 通信リンク
110 ディスプレイ
112 ナビゲーション制御装置
114 ハンドル制御装置
116 マイクロフォン
118 スピーカ
120 プロセッサ
122 メモリ
124 GPSユニット
126 ディスプレイ
128 センサー
130 オーディオ入力構成要素
132 オーディオ出力構成要素
134 通信ユニット
136 ワイヤレスネットワーク
138 ナビゲーションサーバ
140 スーパーセグメントサーバ
142 プロセッサ
144 メモリ
146 ナビゲーションデータベース
148 プロセッサ
150 メモリ
152 履歴的トリップデータベース
154 ナビゲーションアプリケーション
400 方法
Claims (20)
- ルートの所要時間を予測するためのコンピュータによって実施される方法であって、
プロセッサによって、ナビゲーション指示の要求を受信するステップであって、前記要求が、出発地および目的地を含む、ステップと、
前記プロセッサによって、前記出発地と前記目的地との間のルートを計算するステップと、
前記プロセッサによって、前記出発地と前記目的地との間の前記ルート上の通過されるべきルートセグメントの連続を決定するステップと、
前記プロセッサによって、ルートセグメントの前記連続のルートセグメントの1つまたは複数の部分的連続を特定するステップであって、各部分的連続が、前記出発地と前記目的地との間の前記ルートの一部の連続して通過されるべきルートセグメントを有する、ステップと、
ルートセグメントの各部分的連続に関して、前記プロセッサによって、ルートセグメントの前記部分的連続の前記ルートセグメントの各々が連続して通過された履歴的なトリップに関連する履歴的な所要時間データに基づいて、ルートセグメントの前記部分的連続の部分的連続所要時間を予測するステップと、
前記プロセッサによって、ルートセグメントの各部分的連続の前記部分的連続所要時間に基づいて、総ルート所要時間を予測するステップと、
前記プロセッサによって、前記ルートを通って前記出発地から前記目的地までナビゲートするためのクライアントデバイス上での提示のために、ナビゲーション指示のセットおよび前記予測された総ルート所要時間を提供するステップと
を含む、コンピュータによって実施される方法。 - ルートセグメントの前記1つまたは複数の部分的連続を特定するステップが、
前記プロセッサによって、ルートセグメントの前記連続のルートセグメントの複数の部分的連続を特定するステップであって、ルートセグメントの前記複数の部分的連続の各々の各ルートセグメントが、前記出発地と前記目的地との間の前記ルートの一部において連続して通過されるべきものである、ステップと、
前記プロセッサによって、ルートセグメントの前記複数の部分的連続の各々に関して、ルートセグメントの前記部分的連続の前記ルートセグメントの各々が連続して通過された履歴的なトリップの数を決定するために、履歴的なトリップを分析するステップと、
前記プロセッサによって、ルートセグメントの前記部分的連続の前記ルートセグメントの各々が連続して通過された履歴的なトリップの前記数に基づいて、前記ルートセグメントの前記複数の部分的連続からルートセグメントの部分的連続を選択するステップと
を含む、請求項1に記載のコンピュータによって実施される方法。 - ルートセグメントの前記部分的連続を選択するステップが、ルートセグメントの前記部分的連続の前記ルートセグメントの各々が連続して通過された履歴的なトリップの前記数が、履歴的なトリップの閾値の数よりも大きいかどうかに基づいて、前記ルートセグメントの前記複数の部分的連続からルートセグメントの前記部分的連続を選択することを含む、請求項2に記載のコンピュータによって実施される方法。
- ルートセグメントの前記部分的連続を選択するステップが、ルートセグメントの前記複数の部分的連続の各々におけるルートセグメントの数に基づいて、ルートセグメントの前記複数の部分的連続からルートセグメントの前記部分的連続を選択することを含む、請求項2に記載のコンピュータによって実施される方法。
- 前記部分的連続所要時間を予測するステップが、ルートセグメントの前記連続に含まれ、ルートセグメントの前記1つまたは複数の部分的連続に含まれないルートセグメントに関連する履歴的なまたは現在の所要時間データにさらに基づいて、ルートセグメントの各部分的連続の前記部分的連続所要時間を予測することを含む、請求項1に記載のコンピュータによって実施される方法。
- 前記部分的連続所要時間を予測するステップが、ルートセグメントの前記1つまたは複数の部分的連続に含まれないルートセグメントに関連する履歴的なまたは現在の所要時間データにさらに基づいて、ルートセグメントの各部分的連続の前記部分的連続所要時間を予測することを含む、請求項1に記載のコンピュータによって実施される方法。
- ルートセグメントの選択された部分的連続の結合が、ルートセグメントの前記連続よりも少ないルートセグメントを含む、請求項1に記載のコンピュータによって実施される方法。
- 前記プロセッサによって、ルートセグメントの前記連続に含まれ、ルートセグメントの前記1つまたは複数の部分的連続に含まれない各ルートセグメントの所要時間を予測するステップ
をさらに含み、
前記プロセッサによって、前記総ルート所要時間を予測するステップが、ルートセグメントの前記連続に含まれ、ルートセグメントの前記1つまたは複数の部分的連続に含まれない各ルートセグメントの予測された所要時間にさらに基づく、請求項1に記載のコンピュータによって実施される方法。 - ルートセグメントの所要時間を予測するステップが、
(i)前記ルートセグメントに関連する履歴的な所要時間データ、
(ii)別のルートセグメントに関連する履歴的な所要時間データであって、前記別のルートセグメントが、ルートセグメントの前記連続の中で前記ルートセグメントの前もしくは前記ルートセグメントの後にある、履歴的な所要時間データ、
(iii)前記ルートセグメントに関連する現在の所要時間データ、または
(iv)別のルートセグメントに関連する現在の所要時間データであって、前記別のルートセグメントが、ルートセグメントの前記連続の中で前記ルートセグメントの前もしくは前記ルートセグメントの後にある、現在の所要時間データ
のうちの1つまたは複数に基づく請求項7に記載のコンピュータによって実施される方法。 - ルートセグメントの各部分的連続の前記部分的連続所要時間を予測するステップが、
前記プロセッサによって、(i)ルートセグメントの各部分的連続内のルートセグメントの履歴的な所要時間を含む、ルートセグメントの部分的連続の特性、および(ii)ルートセグメントの各部分的連続の履歴的な所要時間のうちの1つまたは複数を使用して、機械学習モデルを訓練するステップと、
ルートセグメントの前記1つまたは複数の部分的連続の各々に関して、
前記プロセッサによって、ルートセグメントの前記部分的連続内のルートセグメントの現在の所要時間を含む、ルートセグメントの前記部分的連続の特性を特定するステップと、
前記プロセッサによって、前記部分的連続所要時間を予測するために、ルートセグメントの前記部分的連続の前記特性に、前記機械学習モデルを適用するステップと
を含む、請求項1に記載のコンピュータによって実施される方法。 - 1つまたは複数のプロセッサと、命令を記憶する非一時的コンピュータ可読メモリとを備える、コンピューティングデバイスであって、前記命令が、前記1つまたは複数プロセッサによって実行されるときに、前記コンピューティングデバイスに、
ナビゲーション指示の要求を受信することであって、前記要求が、出発地および目的地を含む、受信すること、
前記出発地と前記目的地との間のルートを計算すること、
前記出発地と前記目的地との間の前記ルート上の通過されるべきルートセグメントの連続を決定すること、
ルートセグメントの前記連続のルートセグメントの1つまたは複数の部分的連続を特定することであって、各部分的連続が、前記出発地と前記目的地との間の前記ルートの一部の連続して通過されるべきルートセグメントを有する、特定すること、
ルートセグメントの各部分的連続に関して、ルートセグメントの前記部分的連続の前記ルートセグメントの各々が連続して通過された履歴的なトリップに関連する履歴的な所要時間データに基づいて、ルートセグメントの前記部分的連続の部分的連続所要時間を予測すること、
ルートセグメントの各部分的連続の前記部分的連続所要時間に基づいて、総ルート所要時間を予測すること、ならびに
前記ルートを通って前記出発地から前記目的地までナビゲートするためのクライアントデバイス上での提示のために、ナビゲーション指示のセットおよび前記予測された総ルート所要時間を提供すること
を行わせる、コンピューティングデバイス。 - 前記命令が、前記コンピューティングデバイスに、
ルートセグメントの前記連続のルートセグメントの複数の部分的連続を特定することであって、ルートセグメントの前記複数の部分的連続の各々の各ルートセグメントが、前記出発地と前記目的地との間の前記ルートの一部において連続して通過されるべきものである、特定することと、
ルートセグメントの前記複数の部分的連続の各々に関して、ルートセグメントの前記部分的連続の前記ルートセグメントの各々が連続して通過された履歴的なトリップの数を決定するために、履歴的なトリップを分析することと、
ルートセグメントの前記部分的連続の前記ルートセグメントの各々が連続して通過された履歴的なトリップの前記数に基づいて、前記ルートセグメントの前記複数の部分的連続からルートセグメントの部分的連続を選択すると
によって、ルートセグメントの前記1つまたは複数の部分的連続を特定させる、請求項11に記載のコンピューティングデバイス。 - 前記命令が、前記コンピューティングデバイスに、ルートセグメントの前記部分的連続の前記ルートセグメントの各々が連続して通過された履歴的なトリップの前記数が、履歴的なトリップの閾値の数よりも大きいかどうかに基づいて、前記ルートセグメントの前記複数の部分的連続からルートセグメントの前記部分的連続を選択させる、請求項12に記載のコンピューティングデバイス。
- 前記命令が、前記コンピューティングデバイスに、ルートセグメントの前記複数の部分的連続の各々のルートセグメントの数に基づいて、ルートセグメントの前記複数の部分的連続からルートセグメントの前記部分的連続を選択させる、請求項12に記載のコンピューティングデバイス。
- 前記命令が、前記コンピューティングデバイスに、ルートセグメントの前記連続に含まれ、ルートセグメントの前記1つまたは複数の連続に含まれないルートセグメントに関連する履歴的なまたは現在の所要時間データにさらに基づいて、ルートセグメントの各部分的連続の前記部分的連続所要時間を予測させる、請求項11に記載のコンピューティングデバイス。
- 前記命令が、前記コンピューティングデバイスに、ルートセグメントの前記1つまたは複数の部分的連続に含まれないルートセグメントに関連する履歴的なまたは現在の所要時間データにさらに基づいて、ルートセグメントの各部分的連続の前記部分的連続所要時間を予測させる、請求項11に記載のコンピューティングデバイス。
- ルートセグメントの各部分的連続が、ルートセグメントの前記連続よりも少ないルートセグメントを含む、請求項11に記載のコンピューティングデバイス。
- 前記命令が、前記コンピューティングデバイスに、
ルートセグメントの前記連続に含まれ、ルートセグメントの前記1つまたは複数の部分的連続に含まれない各ルートセグメントの所要時間を予測すること、および
ルートセグメントの前記連続に含まれ、ルートセグメントの前記1つまたは複数の部分的連続に含まれない各ルートセグメントの前記予測された所要時間にさらに基づいて、前記総ルート所要時間を予測すること
をさらに行わせる、請求項11に記載のコンピューティングデバイス。 - 前記命令が、前記コンピューティングデバイスに、
(i)前記ルートセグメントに関連する履歴的な所要時間データ、
(ii)別のルートセグメントに関連する履歴的な所要時間データであって、前記別のルートセグメントが、ルートセグメントの前記連続の中で前記ルートセグメントの直前もしくは前記ルートセグメントの直後にある、履歴的な所要時間データ、
(iii)前記ルートセグメントに関連する現在の所要時間データ、または
(iv)別のルートセグメントに関連する現在の所要時間データであって、前記別のルートセグメントが、ルートセグメントの前記連続の中で前記ルートセグメントの直前もしくは前記ルートセグメントの直後にある、現在の所要時間データ
のうちの1つまたは複数に基づいて、ルートセグメントの所要時間を予測させる、請求項17に記載のコンピューティングデバイス。 - 操作に含める関心地点を選択するための命令を記憶する非一時的コンピュータ可読媒体であって、前記命令が、コンピューティングデバイスの1つまたは複数のプロセッサによって実行されるときに、前記1つまたは複数のプロセッサに、
ナビゲーション指示の要求を受信することであって、前記要求が、出発地および目的地を含む、受信すること、
前記出発地と前記目的地との間のルートを計算すること、
前記出発地と前記目的地との間の前記ルート上の通過されるべきルートセグメントの連続を決定すること、
ルートセグメントの前記連続のルートセグメントの1つまたは複数の部分的連続を特定することであって、各部分的連続が、前記出発地と前記目的地との間の前記ルートの一部の連続して通過されるべきルートセグメントを有する、特定すること、
ルートセグメントの各部分的連続に関して、ルートセグメントの前記部分的連続の前記ルートセグメントの各々が連続して通過された履歴的なトリップに関連する履歴的な所要時間データに基づいて、ルートセグメントの前記部分的連続の部分的連続所要時間を予測すること、
ルートセグメントの各部分的連続の前記部分的連続所要時間に基づいて、総ルート所要時間を予測すること、ならびに
前記ルートを通って前記出発地から前記目的地までナビゲートするためのクライアントデバイス上での提示のために、ナビゲーション指示のセットおよび前記予測された総ルート所要時間を提供すること
を行わせる、非一時的コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962953666P | 2019-12-26 | 2019-12-26 | |
US62/953,666 | 2019-12-26 | ||
PCT/US2020/023524 WO2021133421A1 (en) | 2019-12-26 | 2020-03-19 | Traversal time prediction for commmon user routes |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023507925A true JP2023507925A (ja) | 2023-02-28 |
JP7442643B2 JP7442643B2 (ja) | 2024-03-04 |
Family
ID=70285937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022534803A Active JP7442643B2 (ja) | 2019-12-26 | 2020-03-19 | 一般的なユーザのルートの所要時間の予測 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11874122B2 (ja) |
EP (1) | EP4051987A1 (ja) |
JP (1) | JP7442643B2 (ja) |
KR (1) | KR20220118486A (ja) |
CN (1) | CN114846298A (ja) |
WO (1) | WO2021133421A1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003296891A (ja) * | 2002-04-01 | 2003-10-17 | I Transport Lab Co Ltd | 旅行時間推計装置およびその方法、コンピュータプログラム |
JP2005195329A (ja) * | 2003-12-26 | 2005-07-21 | Aisin Aw Co Ltd | リンク旅行時間統計データ処理方法、リンク旅行時間統計データ処理装置及びリンク旅行時間統計データ構造 |
JP2007271481A (ja) * | 2006-03-31 | 2007-10-18 | Xanavi Informatics Corp | 交通情報処理装置、交通情報サーバ装置 |
JP2017076253A (ja) * | 2015-10-15 | 2017-04-20 | 株式会社ゼンリン | 区間情報を生成する方法、情報処理装置 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4374336B2 (ja) | 2005-10-05 | 2009-12-02 | 株式会社ナビタイムジャパン | ナビゲーションシステム、経路探索サーバおよび端末装置ならびにナビゲーション端末装置 |
US7912628B2 (en) | 2006-03-03 | 2011-03-22 | Inrix, Inc. | Determining road traffic conditions using data from multiple data sources |
US20080033630A1 (en) | 2006-07-26 | 2008-02-07 | Eun-Mi Lee | System and method of predicting traffic speed based on speed of neighboring link |
US8755991B2 (en) | 2007-01-24 | 2014-06-17 | Tomtom Global Assets B.V. | Method and structure for vehicular traffic prediction with link interactions and missing real-time data |
JP4555321B2 (ja) * | 2007-07-25 | 2010-09-29 | クラリオン株式会社 | 経路探索装置、およびその経路探索方法 |
DE102009014978A1 (de) * | 2008-10-10 | 2010-04-29 | Eads Deutschland Gmbh | Rechenzeiteffiziente Routenbestimmung entlang mehrerer vorgegebener Wegpunkte mit dazwischenliegenden gegebenen Verbindungsstrecken |
CN102110365B (zh) | 2009-12-28 | 2013-11-06 | 日电(中国)有限公司 | 基于时空关系的路况预测方法和系统 |
JP4978720B2 (ja) * | 2010-08-06 | 2012-07-18 | トヨタ自動車株式会社 | 区間定義方法、及び旅行時間演算装置、及び運転支援装置 |
US9349285B1 (en) | 2014-12-01 | 2016-05-24 | Here Global B.V. | Traffic classification based on spatial neighbor model |
US9791573B2 (en) * | 2015-06-30 | 2017-10-17 | International Business Machines Corporation | Intelligent global positioning system service |
CN105608911B (zh) | 2016-01-19 | 2017-11-17 | 邹晓虎 | 城市干道道路交通信号灯的智能控制方法 |
US9792575B2 (en) * | 2016-03-11 | 2017-10-17 | Route4Me, Inc. | Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints |
US10330485B2 (en) * | 2017-04-15 | 2019-06-25 | Qualcomm Incorporated | Enhanced navigation with crowd-sourced information |
US10078337B1 (en) * | 2017-07-14 | 2018-09-18 | Uber Technologies, Inc. | Generation of trip estimates using real-time data and historical data |
US10890459B2 (en) * | 2017-10-13 | 2021-01-12 | John Matsumura | Systems and methods for variable energy routing and tracking |
KR102575724B1 (ko) * | 2018-11-14 | 2023-09-08 | 현대자동차주식회사 | 하이브리드 차량 제어 장치 및 그 방법 |
US11210293B2 (en) * | 2018-11-27 | 2021-12-28 | Sap Se | Systems and methods for associating data entries |
-
2020
- 2020-03-19 KR KR1020227024397A patent/KR20220118486A/ko unknown
- 2020-03-19 WO PCT/US2020/023524 patent/WO2021133421A1/en unknown
- 2020-03-19 EP EP20718999.4A patent/EP4051987A1/en active Pending
- 2020-03-19 CN CN202080090393.3A patent/CN114846298A/zh active Pending
- 2020-03-19 JP JP2022534803A patent/JP7442643B2/ja active Active
- 2020-09-19 US US17/057,375 patent/US11874122B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003296891A (ja) * | 2002-04-01 | 2003-10-17 | I Transport Lab Co Ltd | 旅行時間推計装置およびその方法、コンピュータプログラム |
JP2005195329A (ja) * | 2003-12-26 | 2005-07-21 | Aisin Aw Co Ltd | リンク旅行時間統計データ処理方法、リンク旅行時間統計データ処理装置及びリンク旅行時間統計データ構造 |
JP2007271481A (ja) * | 2006-03-31 | 2007-10-18 | Xanavi Informatics Corp | 交通情報処理装置、交通情報サーバ装置 |
JP2017076253A (ja) * | 2015-10-15 | 2017-04-20 | 株式会社ゼンリン | 区間情報を生成する方法、情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114846298A (zh) | 2022-08-02 |
EP4051987A1 (en) | 2022-09-07 |
WO2021133421A1 (en) | 2021-07-01 |
KR20220118486A (ko) | 2022-08-25 |
US20220316891A1 (en) | 2022-10-06 |
US11874122B2 (en) | 2024-01-16 |
JP7442643B2 (ja) | 2024-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10989544B2 (en) | Utilizing artificial neural networks to evaluate routes based on generated route tiles | |
US9200910B2 (en) | Ranking of path segments based on incident probability | |
Yuan et al. | Driving with knowledge from the physical world | |
US11460312B2 (en) | Method, apparatus, and computer program product for determining lane level traffic information | |
US9387860B2 (en) | Driver behavior from probe data for augmenting a data model | |
US7706964B2 (en) | Inferring road speeds for context-sensitive routing | |
US10883850B2 (en) | Additional security information for navigation systems | |
US11024166B2 (en) | Method, apparatus, and computer program product for estimating traffic speed through an intersection | |
EP3745087B1 (en) | Method, apparatus, and computer program product for determining lane level vehicle speed profiles | |
Zhang et al. | Aggregating and sampling methods for processing GPS data streams for traffic state estimation | |
US20120277985A1 (en) | Method of analyzing points of interest with probe data | |
US11249984B2 (en) | System and method for updating map data in a map database | |
EP3009798B1 (en) | Providing alternative road navigation instructions for drivers on unfamiliar roads | |
Stipancic et al. | Measuring and visualizing space–time congestion patterns in an urban road network using large-scale smartphone-collected GPS data | |
JP7451303B2 (ja) | 交通状況予測装置、および、交通状況予測方法 | |
CN111862587A (zh) | 一种出行引导策略生成方法及装置 | |
JP7442643B2 (ja) | 一般的なユーザのルートの所要時間の予測 | |
US20210370933A1 (en) | Methods and systems for validating path data | |
JP2023005015A (ja) | 交通状況予測装置、および、交通状況予測方法 | |
KR101607384B1 (ko) | 대체 경로를 위한 반사실적 운행 시간 제공 방법 및 시스템 | |
JP7273649B2 (ja) | ナビゲーションシステム、ナビゲーション方法及びプログラム | |
US20230196915A1 (en) | Method, apparatus, and computer program product for determining lane closures along a road | |
US20230194285A1 (en) | Traffic prediction and routing using train movement patterns | |
Suvitha et al. | Traffic prediction using Viterbi algorithm in machine learning approach | |
Reddy et al. | Computing Practically Fast Routes with Cloud-Based Cyber-Physical System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220808 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220808 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230814 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230821 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231121 |
|
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: 20240122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7442643 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |