JP7106794B2 - 道路状況予測方法、装置、機器、プログラム及びコンピュータ記憶媒体 - Google Patents
道路状況予測方法、装置、機器、プログラム及びコンピュータ記憶媒体 Download PDFInfo
- Publication number
- JP7106794B2 JP7106794B2 JP2020556771A JP2020556771A JP7106794B2 JP 7106794 B2 JP7106794 B2 JP 7106794B2 JP 2020556771 A JP2020556771 A JP 2020556771A JP 2020556771 A JP2020556771 A JP 2020556771A JP 7106794 B2 JP7106794 B2 JP 7106794B2
- Authority
- JP
- Japan
- Prior art keywords
- link
- time
- user
- road condition
- currently
- 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
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
-
- 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
-
- 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
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3641—Personalized guidance, e.g. limited guidance on previously travelled routes
-
- 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
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
-
- 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
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
- G08G1/096844—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the complete route is dynamically recomputed based on new data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Mathematical Physics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Description
ナビゲーションパスが分割された少なくとも2つの連続するリンクを確定し、
前記ナビゲーションパスの始点から前記ナビゲーションパスの終点まで、順次、リンクごとに、
ユーザが現在処理中のリンクに到着する時刻を確定し、
確定された時刻での前記現在処理中のリンクの道路状況情報を推定し、
確定された時刻での前記現在処理中のリンクの道路状況情報に基づいて、前記ユーザの前記現在処理中のリンクにおける通過時間を推定する、処理をそれぞれ実行することを含む。
前記ナビゲーションパスの始点から始まるリンクについて、ユーザの出発時刻を、ユーザが現在処理中のリンクに到着する時刻とし、
他のリンクについて、ユーザが直前のリンクに到着した時刻と、推定された前記ユーザの前記直前のリンクにおける通過時間とを利用して、ユーザが現在処理中のリンクに到着する時刻を確定することを含む。
ユーザが現在処理中のリンクに到着する時刻から現在の時刻までの時間を確定し、
前記現在処理中のリンク情報、前記時間及び外部要因特徴を、予めトレーニングされた道路状況モデルに入力して、前記確定された時刻での前記現在処理中のリンクの道路状況情報を取得することを含む。
各リンクの履歴交通流情報を、トレーニングデータとして収集し、
リンクごとに、
リンクの各履歴時点での交通流情報に従って、当該リンクの各履歴時点での対応するそれぞれの道路状況情報を確定し、
各履歴時点から所定の時間を遡って、各履歴時点で当該リンクを走行したユーザのそれぞれが由来するリンクとその道路状況情報、及び各履歴時点から所定の時間を遡った外部要因特徴を分類モデルの入力として、当該リンクの各履歴時点での対応するそれぞれの道路状況情報を、分類モデルの出力として、前記分類モデルをトレーニングすることにより、前記道路状況モデルを取得する、処理を実行することを含む。
前記現在処理中のリンクの、前記道路状況情報を含む共通特徴を確定し、
前記ユーザの履歴運転レコードから、前記ユーザが前記現在処理中のリンクを通過する個性化運転特徴を抽出し、
前記共通特徴と前記個性化運転特徴とを、予めトレーニングされた回帰モデルを入力して、ユーザの前記現在処理中のリンクにおける通過時間を取得することを含む。
異なるユーザの各リンクにおける共通特徴、ユーザが各リンクを通過する個性化運転特徴、及びユーザが各リンクを通過する通過時間を、トレーニングサンプルとし、
異なるユーザの各リンクにおける共通特徴と、ユーザが各リンクを通過する個性化運転特徴を入力として、ユーザが各リンクを通過する通過時間を出力として、回帰モデルをトレーニングすることにより、予めトレーニングすることで取得される。
前記ユーザが前記ナビゲーションパスの終点に到着する時刻を確定する、
又は、
前記ユーザの前記ナビゲーションパスにおける予想通過時間を確定する、ことをさらに含む。
推定された各リンクの道路状況情報と各時刻とをマッピングし、インタフェース上にマッピング結果を動的に展示することをさらに含む。
推定された各リンクの道路状況情報を時間軸にマッピングし、インタフェース上に経時的な車両の位置と道路状況情報を動的に展示することを含む。
ユーザの前記時間軸上でのドラッグ操作を取得し、
前記インタフェース上に、ユーザがドラッグした時間軸位置に対応する車両の位置と道路状況情報を展示する、ことをさらに含む。
ナビゲーションパスが分割された少なくとも2つの連続するリンクを確定するためのリンク確定ユニットと、
前記ナビゲーションパスの始点から前記ナビゲーションパスの終点まで、順次、リンクごとに、
ユーザが現在処理中のリンクに到着する時刻を確定し、
確定された時刻での前記現在処理中のリンクの道路状況情報を推定し、
確定された時刻での前記現在処理中のリンクの道路状況情報に基づいて、前記ユーザの前記現在処理中のリンクにおける通過時間を推定する、処理をそれぞれ実行するための予測処理ユニットとを含む。
前記ナビゲーションパスの始点から始まるリンクについて、ユーザの出発時刻を、ユーザが現在処理中のリンクに到着する時刻とし、他のリンクについて、ユーザが直前のリンクに到着した時刻と、推定された前記ユーザの前記直前のリンクにおける通過時間とを利用して、ユーザが現在処理中のリンクに到着する時刻を確定するための到着時刻確定サブユニットを含む。
ユーザが現在処理中のリンクに到着する時刻から現在の時刻までの時間を確定し、前記現在処理中のリンク情報、前記時間及び外部要因特徴を、予めトレーニングされた道路状況モデルに入力して、前記確定された時刻での前記現在処理中のリンクの道路状況情報を取得するための道路状況推定サブユニットを含む。
第1のトレーニングサブユニットは、以下のように前記道路状況モデルを予めトレーニングするために用いられ、
各リンクの履歴交通流情報を、トレーニングデータとして収集し、
リンクごとに、
リンクの各履歴時点での交通流情報に従って、当該リンクの各履歴時点での対応するそれぞれの道路状況情報を確定し、
各履歴時点から所定の時間を遡って、各履歴時点で当該リンクを走行したユーザのそれぞれが由来するリンクとその道路状況情報、及び各履歴時点から所定の時間を遡った外部要因特徴を分類モデルの入力として、当該リンクの各履歴時点での対応するそれぞれの道路状況情報を、分類モデルの出力として、前記分類モデルをトレーニングすることにより、前記道路状況モデルを取得する、処理を実行する。
前記現在処理中のリンクの、前記道路状況情報を含む共通特徴を確定し、前記ユーザの履歴運転レコードから、前記ユーザが前記現在処理中のリンクを通過する個性化運転特徴を抽出し、前記共通特徴と前記個性化運転特徴とを、予めトレーニングされた回帰モデルを入力して、ユーザの前記現在処理中のリンクにおける通過時間を取得するための通過時間推定サブユニットを含む。
異なるユーザの各リンクにおける共通特徴、ユーザが各リンクを通過する個性化運転特徴及びユーザが各リンクを通過する通過時間を、トレーニングサンプルをとし、
異なるユーザの各リンクにおける共通特徴と、ユーザが各リンクを通過する個性化運転特徴を入力として、ユーザが各リンクを通過する通過時間を出力として、回帰モデルをトレーニングすることにより、予め前記回帰モデルをトレーニングするための第2のトレーニングサブユニットをさらに含む。
前記終点時刻確定ユニットは、前記ユーザが前記ナビゲーションパスの終点に到着する時刻を確定するために用いられ、
前記通過時間確定ユニットは、前記ユーザの前記ナビゲーションパスにおける予想通過時間を確定するために用いられる。
1つ又は複数のプロセッサと、
1つ又は複数のプログラムを記憶するためのメモリとを含み、
前記1つ又は複数のプログラムが前記1つ又は複数のプロセッサによって実行される場合に、前記1つ又は複数のプロセッサに上記の方法を実行させる。
ユーザが現在処理中のリンクに到着する時刻を確定し、確定された時刻での現在処理中のリンクの道路状況情報を推定し、確定された時刻での現在処理中のリンクの道路状況情報に基づいてユーザの現在処理中のリンクおける通過時間を推定する、処理をそれぞれ実行する。
103において、ユーザがナビゲーションパスの終点に到着する時刻を確定する。
第1の方式:ユーザの出発時刻、及び推定された各リンクの通過時間を利用して、ユーザがナビゲーションパスの終点に到着する時刻を確定する。
第2の方式:確定されたユーザが最後のリンクに到着する時刻、及び推定されたユーザの最後のリンクにおける通過時間を利用して、ユーザがナビゲーションパスの終点に到着する時刻を確定する。
各リンクの履歴交通流情報を、トレーニングデータとして収集し、
リンクごとに、
リンクの各履歴時点の交通流情報に従って、当該リンクの各履歴時点での対応するそれぞれの道路状況情報を確定し、
各履歴時点から所定の時間を遡って、各履歴時点で当該リンクを走行したユーザのそれぞれが由来するリンクとその道路状況情報、及び各履歴時点から所定の時間を遡った外部要因特徴を分類モデルの入力として、当該リンクの各履歴時点での対応するそれぞれの道路状況情報を、分類モデルの出力として、分類モデルをトレーニングすることにより、道路状況モデルを取得することを担当する。当該道路状況モデルは、上記の特徴の抽出を実行するモジュールと上記の分類モデルとを含む。
異なるユーザの各リンクにおける共通特徴、ユーザが各リンクを通過する個性化運転特徴、及びユーザが各リンクを通過する通過時間を、トレーニングサンプルとし、
異なるユーザの各リンクにおける共通特徴と、ユーザが各リンクを通過する個性化運転特徴とを入力として、ユーザが各リンクを通過する通過時間を出力として、回帰モデルをトレーニングすることにより、予め回帰モデルをトレーニングする。
第1の方式:ユーザの出発時刻、及び推定された各リンクの通過時間を利用して、ユーザがナビゲーションパスの終点に到着する時刻を確定する。
第2の方式:確定されたユーザが最後のリンクに到着する時刻、及び推定されたユーザの最後のリンクにおける通過時間を利用して、ユーザがナビゲーションパスの終点に到着する時刻を確定する。
又はサーバ上で実行されてもよい。リモートコンピュータの場合、リモートコンピュータは、ローカルエリアネットワーク(LAN)又はワイドエリアネットワーク(WAN)を含む任意の種類のネットワークを介してユーザコンピュータに接続してもよいし、又は、(例えば、インターネットを介して接続するインターネットサービスプロバイダを使用して)外部コンピュータに接続してもよい。
1)本発明は、ナビゲーションパス始点からナビゲーションパスの終点まで、順次、ユーザが各リンクに到着する時刻を算出するとともに当該時刻のリンク道路状況を予測し、予測された道路状況に基づいてユーザの各リンクにおける通過時間を確定する。このような道路状況予測手法は、ユーザが将来各リンクに到着する時刻に対して道路状況の推定を行うことができ、ユーザのクエリ時間に基づいて道路状況の推定を行う手法に比べて、より正確な道路状況情報を提供することができる。
2)上記の予測方式により得られた道路状況情報に基づいて、ナビゲーションパスの終点に到着する時間と、ナビゲーションパスの通過時間をより正確に確定し、ユーザが正しい判断を下すのを支援することができる。
3)本発明では、リンクごとに提供する道路状況推定の手法は、これまで学習された道路状況の規則に対して、将来の時間帯の道路状況の変化状況を正確に推定することができる。
4)本発明は、リンクごとに通過時間を推定する場合に、ユーザの運転行為と習慣を考慮して、ユーザの個性化運転特徴を通過時間の推定にフュージョンすることで、ユーザにより正確な推定結果を提供する。
5)本発明は、車両のナビゲーションパスにおける走行位置と道路状況とを、時間軸上に組み合わせて展示し、動的に再生することにより、ユーザはプログレスバーを手動でドラッグして各時刻での車両の位置と道路状況を観察することができる。
Claims (22)
- 道路状況予測方法であって、
ナビゲーションパスが分割された少なくとも2つの連続するリンクを確定し、
前記ナビゲーションパスの始点から前記ナビゲーションパスの終点までのリンクごとに、順次:
ユーザが現在処理中のリンクに到着する時刻を確定し、
確定された時刻での前記現在処理中のリンクの道路状況情報を推定し、
確定された時刻での前記現在処理中のリンクの道路状況情報に基づいて、前記ユーザの前記現在処理中のリンクにおける通過時間を推定する、処理をそれぞれ実行することを含 み、
確定された時刻での前記現在処理中のリンクの道路状況情報に基づいて、前記ユーザの前記現在処理中のリンクにおける通過時間を推定することは、
前記現在処理中のリンクの、前記道路状況情報を含む共通特徴を確定し、
前記ユーザの履歴運転レコードから、前記ユーザが前記現在処理中のリンクを通過する個性化運転特徴を抽出し、
前記共通特徴と前記個性化運転特徴とを、予めトレーニングされた回帰モデルを入力して、ユーザの前記現在処理中のリンクにおける通過時間を取得する、ことを含み、
前記個性化運転特徴は、前記ユーザの前記現在処理中のリンクにおける履歴運転速度と大衆運転速度との分散を含む、
方法。 - 前記ユーザが現在処理中のリンクに到着する時刻を確定することは、
前記ナビゲーションパスの始点から始まるリンクについて、ユーザの出発時刻を、ユーザが現在処理中のリンクに到着する時刻とし、
他のリンクについて、ユーザが直前のリンクに到着した時刻と、推定された前記ユーザの前記直前のリンクにおける通過時間とを利用して、ユーザが現在処理中のリンクに到着する時刻を確定することを含む請求項1に記載の方法。 - 確定された時刻での前記現在処理中のリンクの道路状況情報を推定することは、
ユーザが現在処理中のリンクに到着する時刻から現在の時刻までの時間を確定し、
前記現在処理中のリンク情報、前記時間及び外部要因特徴を、予めトレーニングされた道路状況モデルに入力して、前記確定された時刻での前記現在処理中のリンクの道路状況情報を取得することを含む請求項1に記載の方法。 - 前記道路状況モデルは、
各リンクの履歴交通流情報を、トレーニングデータとして収集し、
リンクごとに、
リンクの各履歴時点での交通流情報に従って、当該リンクの各履歴時点での対応するそれぞれの道路状況情報を確定し、
各履歴時点から所定の時間を遡って(backtrack)、各履歴時点で当該リンクを走行したユーザのそれぞれが由来したリンクとその道路状況情報、及び各履歴時点から所定の時間を遡った外部要因特徴を分類モデルの入力とし、当該リンクの各履歴時点での対応するそれぞれの道路状況情報を、分類モデルの出力として、前記分類モデルをトレーニングすることにより、前記道路状況モデルを取得する、処理を実行することにより、予めトレーニングして得る、ことを含む請求項3に記載の方法。 - 前記回帰モデルは、
異なるユーザの各リンクにおける共通特徴、ユーザが各リンクを通過する個性化運転特徴、及びユーザが各リンクを通過する通過時間を、トレーニングサンプルをとし、
異なるユーザの各リンクにおける共通特徴と、ユーザが各リンクを通過する個性化運転特徴を入力として、ユーザが各リンクを通過する通過時間を出力として、回帰モデルをトレーニングすることにより、予めトレーニングすることで取得される請求項1に記載の方法。 - 前記共通特徴は、リンクの長さ、道路の級別、交通信号機の数、交通信号機の待ち時間、外部要因特徴の少なくとも1つをさらに含む請求項5に記載の方法。
- 前記外部要因特徴は、時間特徴、曜日特徴、季節特徴、天気特徴の少なくとも1つを含む請求項3、4又は6のいずれか一項に記載の方法。
- 前記個性化運転特徴は、
ユーザの前記現在処理中のリンクにおける履歴通過回数、前記ユーザの車両情報の少なくとも1つを含む請求項1に記載の方法。 - 当該方法は、
前記ユーザが前記ナビゲーションパスの終点に到着する時刻を確定すること、
又は、
前記ユーザの前記ナビゲーションパスにおける予想通過時間を確定すること、をさらに含む請求項1に記載の方法。 - 当該方法は、
推定された各リンクの道路状況情報と各時刻とをマッピングし、インタフェース上にマッピング結果を動的に展示することをさらに含む請求項1又は9に記載の方法。 - 前記推定された各リンクの道路状況情報と各時刻とをマッピングし、インタフェース上にマッピング結果を動的に展示することは、
推定された各リンクの道路状況情報を時間軸にマッピングし、インタフェース上に経時的な車両の位置と道路状況情報を動的に展示することを含む請求項10に記載の方法。 - 当該方法は、
ユーザの前記時間軸上でのドラッグ操作を取得し、
前記インタフェース上に、ユーザがドラッグした時間軸位置に対応する車両の位置と道路状況情報を展示する、ことをさらに含む請求項11に記載の方法。 - 道路状況予測装置であり、
ナビゲーションパスが分割された少なくとも2つの連続するリンクを確定するためのリンク確定ユニットと、
前記ナビゲーションパスの始点から前記ナビゲーションパスの終点までのリンクごとに、順次、
ユーザが現在処理中のリンクに到着する時刻を確定し、
確定された時刻での前記現在処理中のリンクの道路状況情報を推定し、
確定された時刻での前記現在処理中のリンクの道路状況情報に基づいて、前記ユーザの前記現在処理中のリンクにおける通過時間を推定する、処理をそれぞれ実行するための予測処理ユニットとを含 み、
前記予測処理ユニットは、
前記現在処理中のリンクの、前記道路状況情報を含む共通特徴を確定し、前記ユーザの履歴運転レコードから、前記ユーザが前記現在処理中のリンクを通過する個性化運転特徴を抽出し、前記共通特徴と前記個性化運転特徴とを、予めトレーニングされた回帰モデルを入力して、ユーザの前記現在処理中のリンクにおける通過時間を取得するための通過時間推定サブユニットを含み、
前記個性化運転特徴は、前記ユーザの前記現在処理中のリンクにおける履歴運転速度と大衆運転速度との分散を含む、
装置。 - 前記予測処理ユニットは、
前記ナビゲーションパスの始点から始まるリンクについて、ユーザの出発時刻を、ユーザが現在処理中のリンクに到着する時刻とし、他のリンクについて、ユーザが直前のリンクに到着した時刻と、推定された前記ユーザの前記直前のリンクにおける通過時間とを利用して、ユーザが現在処理中のリンクに到着する時刻を確定するための到着時刻確定サブユニットを含む請求項13に記載の装置。 - 前記予測処理ユニットは、
ユーザが現在処理中のリンクに到着する時刻から現在の時刻までの時間を確定し、前記現在処理中のリンク情報、前記時間及び外部要因特徴を、予めトレーニングされた道路状況モデルに入力して、前記確定された時刻での前記現在処理中のリンクの道路状況情報を取得するための道路状況推定サブユニットを含む請求項13に記載の装置。 - 前記予測処理ユニットは、第1のトレーニングサブユニットをさらに含み、
第1のトレーニングサブユニットは、各リンクの履歴交通流情報を、トレーニングデータとして収集し、
リンクごとに、
リンクの各履歴時点での交通流情報に従って、当該リンクの各履歴時点での対応するそれぞれの道路状況情報を確定し、
各履歴時点から所定の時間を遡って、各履歴時点で当該リンクを走行したユーザのそれぞれが由来するリンクとその道路状況情報、及び各履歴時点から所定の時間を遡った外部要因特徴を分類モデルの入力として、当該リンクの各履歴時点での対応するそれぞれの道路状況情報を、分類モデルの出力として、前記分類モデルをトレーニングすることにより、前記道路状況モデルを取得する、処理を実行することにより、予めトレーニングして前記道路状況モデルを得る請求項15に記載の装置。 - 前記予測処理ユニットは、
異なるユーザの各リンクにおける共通特徴、ユーザが各リンクを通過する個性化運転特徴及びユーザが各リンクを通過する通過時間を、トレーニングサンプルをとし、
異なるユーザの各リンクにおける共通特徴と、ユーザが各リンクを通過する個性化運転特徴を入力として、ユーザが各リンクを通過する通過時間を出力として、回帰モデルをトレーニングすることにより、予め前記回帰モデルをトレーニングするための第2のトレーニングサブユニットをさらに含む請求項13に記載の装置。 - 当該装置は終点時刻確定ユニット又は通過時間確定ユニットをさらに含み、
前記終点時刻確定ユニットは、前記ユーザが前記ナビゲーションパスの終点に到着する時刻を確定するために用いられ、
前記通過時間確定ユニットは、前記ユーザの前記ナビゲーションパスにおける予想通過時間を確定するために用いられる請求項13に記載の装置。 - 当該装置は
推定された各リンクの道路状況情報と各時刻とをマッピングし、インタフェース上にマッピング結果を動的に展示するための動的展示ユニットをさらに含む請求項13又は18に記載の装置。 - 機器であって、
1つ又は複数のプロセッサと、
1つ又は複数のプログラムを記憶するためのメモリとを含み、
前記1つ又は複数のプログラムが前記1つ又は複数のプロセッサによって実行される場合に、前記1つ又は複数のプロセッサに請求項1~12のいずれか一項に記載の方法を実行させる電子機器。 - コンピュータ実行可能なコマンドを含む記録媒体であって、前記コンピュータ実行可能なコマンドがコンピュータのプロセッサによって実行される場合に、請求項1~12のいずれか一項に記載の方法を実行させる、記録媒体。
- コンピュータのプロセッサによって実行される場合に、請求項1~12のいずれか一項に記載の方法を実行させる、プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2019/080043 WO2020191701A1 (zh) | 2019-03-28 | 2019-03-28 | 一种路况预测方法、装置、设备和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021519933A JP2021519933A (ja) | 2021-08-12 |
JP7106794B2 true JP7106794B2 (ja) | 2022-07-27 |
Family
ID=72608801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020556771A Active JP7106794B2 (ja) | 2019-03-28 | 2019-03-28 | 道路状況予測方法、装置、機器、プログラム及びコンピュータ記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11823574B2 (ja) |
EP (1) | EP3767605A4 (ja) |
JP (1) | JP7106794B2 (ja) |
KR (1) | KR102457803B1 (ja) |
WO (1) | WO2020191701A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102457803B1 (ko) * | 2019-03-28 | 2022-10-20 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 도로 상황 예측 방법, 장치, 기기 및 컴퓨터 저장 매체 |
CN113066285B (zh) * | 2021-03-15 | 2022-12-09 | 北京百度网讯科技有限公司 | 一种路况信息确定方法、装置、电子设备及存储介质 |
CN113665576B (zh) * | 2021-08-31 | 2024-07-26 | 中国第一汽车股份有限公司 | 车辆行驶工况预测方法、装置、设备及介质 |
CN113808401B (zh) * | 2021-09-18 | 2023-02-10 | 平安普惠企业管理有限公司 | 交通拥堵预测方法、装置、设备及存储介质 |
CN116189417A (zh) * | 2022-12-09 | 2023-05-30 | 北京百度网讯科技有限公司 | 交通灯场景的路况识别方法、装置、电子设备及存储介质 |
CN115841190B (zh) * | 2023-02-14 | 2023-06-06 | 中咨公路养护检测技术有限公司 | 道路pci多步预测方法及装置 |
CN116312008B (zh) * | 2023-02-17 | 2024-02-06 | 成都和乐信软件有限公司 | 一种基于气候信息的高速道路状况预警方法及系统 |
CN117975745B (zh) * | 2024-04-01 | 2024-05-31 | 华东交通大学 | 一种基于车联网的智慧交通监控系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013032949A (ja) | 2011-08-01 | 2013-02-14 | Aisin Aw Co Ltd | 車両用表示処理システムおよび車両用表示処理方法並びにプログラム |
WO2017010143A1 (ja) | 2015-07-15 | 2017-01-19 | 三菱電機株式会社 | 経路評価装置および経路評価方法 |
WO2017130428A1 (ja) | 2016-01-28 | 2017-08-03 | 日本電気株式会社 | 経路分析装置、経路分析方法、及びコンピュータ読み取り可能な記録媒体 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6317686B1 (en) * | 2000-07-21 | 2001-11-13 | Bin Ran | Method of providing travel time |
EP2343694B1 (en) * | 2009-12-29 | 2012-03-14 | Research In Motion Limited | System and method of sending an arrival time estimate |
WO2011124271A1 (en) * | 2010-04-09 | 2011-10-13 | Tomtom International B.V. | Method of generating a route |
EP2410294A1 (en) | 2010-07-21 | 2012-01-25 | Harman Becker Automotive Systems GmbH | Method and device for providing cost information associated with junctions and method of determining a route |
US9122987B2 (en) * | 2013-01-17 | 2015-09-01 | Mitsubishi Electric Research Laboratories, Inc. | Method for predicting future travel time using geospatial inference |
CN104567897A (zh) * | 2013-10-16 | 2015-04-29 | 大陆汽车投资(上海)有限公司 | 结合路况预测的路径规划方法及导航装置 |
CN104851298B (zh) * | 2015-06-09 | 2017-06-27 | 刘光明 | 预测交通状况和行车时间 |
CN105139656B (zh) * | 2015-09-28 | 2017-09-29 | 百度在线网络技术(北京)有限公司 | 一种道路状态预测方法及装置 |
CN105910612A (zh) | 2015-12-29 | 2016-08-31 | 乐视网信息技术(北京)股份有限公司 | 一种个性化导航的方法及系统 |
CN107063278A (zh) * | 2017-01-24 | 2017-08-18 | 观致汽车有限公司 | 一种车辆导航系统、导航方法及其车辆 |
CN109211253A (zh) * | 2017-07-05 | 2019-01-15 | 深圳市凯立德科技股份有限公司 | 一种预估到达时间的方法及导航设备 |
US10698421B1 (en) * | 2017-09-25 | 2020-06-30 | State Farm Mutual Automobile Insurance Company | Dynamic autonomous vehicle train |
US11048271B1 (en) * | 2017-10-05 | 2021-06-29 | State Farm Mutual Automobile Insurance Company | Dynamic autonomous vehicle train |
CN109711591B (zh) * | 2017-10-25 | 2022-02-01 | 腾讯科技(深圳)有限公司 | 一种路段速度预测方法、装置、服务器及存储介质 |
KR102457803B1 (ko) * | 2019-03-28 | 2022-10-20 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 도로 상황 예측 방법, 장치, 기기 및 컴퓨터 저장 매체 |
DE102020122010B4 (de) * | 2020-08-24 | 2023-05-04 | Bareways GmbH | Verfahren und system zur bestimmung einer beschaffenheit einer geografischen linie |
US11499516B2 (en) * | 2020-11-04 | 2022-11-15 | Ford Global Technologies, Llc | Methods and systems for an adaptive stop-start inhibitor |
-
2019
- 2019-03-28 KR KR1020207029830A patent/KR102457803B1/ko active IP Right Grant
- 2019-03-28 EP EP19920910.7A patent/EP3767605A4/en not_active Ceased
- 2019-03-28 US US17/042,834 patent/US11823574B2/en active Active
- 2019-03-28 JP JP2020556771A patent/JP7106794B2/ja active Active
- 2019-03-28 WO PCT/CN2019/080043 patent/WO2020191701A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013032949A (ja) | 2011-08-01 | 2013-02-14 | Aisin Aw Co Ltd | 車両用表示処理システムおよび車両用表示処理方法並びにプログラム |
WO2017010143A1 (ja) | 2015-07-15 | 2017-01-19 | 三菱電機株式会社 | 経路評価装置および経路評価方法 |
WO2017130428A1 (ja) | 2016-01-28 | 2017-08-03 | 日本電気株式会社 | 経路分析装置、経路分析方法、及びコンピュータ読み取り可能な記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
US20210241618A1 (en) | 2021-08-05 |
KR20200130439A (ko) | 2020-11-18 |
US11823574B2 (en) | 2023-11-21 |
EP3767605A4 (en) | 2021-06-16 |
WO2020191701A1 (zh) | 2020-10-01 |
KR102457803B1 (ko) | 2022-10-20 |
EP3767605A1 (en) | 2021-01-20 |
JP2021519933A (ja) | 2021-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7106794B2 (ja) | 道路状況予測方法、装置、機器、プログラム及びコンピュータ記憶媒体 | |
JP7351487B2 (ja) | トポロジーマップに基づくインテリジェントナビゲーションの方法及びシステム | |
US9733097B2 (en) | Classifying routes of travel | |
US20140058652A1 (en) | Traffic information processing | |
CN105825699B (zh) | 路况显示方法及装置 | |
CN114435138A (zh) | 一种车辆能耗预测方法、装置、车辆及存储介质 | |
WO2022199311A1 (zh) | 交互方法和交互装置 | |
CN111854777B (zh) | 导航路线行驶时间的更新方法、导航方法、系统及车辆 | |
CN116030654B (zh) | 交通拥堵调节方法、装置、电子设备及介质 | |
RU2664034C1 (ru) | Способ и система создания информации о трафике, которая будет использована в картографическом приложении, выполняемом на электронном устройстве | |
JP7460062B2 (ja) | オンライン予約車両情報処理方法、装置、機器、及びコンピュータ記憶媒体 | |
CN113665576B (zh) | 车辆行驶工况预测方法、装置、设备及介质 | |
CN113418531B (zh) | 导航路线的确定方法、装置、电子设备和计算机存储介质 | |
CN116386323A (zh) | 时长预测模型训练和车流速度的预估方法、装置和设备 | |
CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 | |
CN113536128A (zh) | 交通枢纽换乘方式的推荐方法及电子设备 | |
CN113420942A (zh) | 一种基于深度q学习的环卫车实时路线规划方法 | |
JP4839409B2 (ja) | 旅行時間予測システムおよび旅行時間予測プログラムならびにナビゲーションシステム | |
CN118101715B (zh) | 一种基于云计算技术的智能网联车控制系统 | |
CN114944072B (zh) | 引导提示语音生成方法、装置 | |
US20230055974A1 (en) | Method of Selecting a Route for Recording Vehicle | |
CN115050184B (zh) | 一种路口车辆轨迹预测方法及装置 | |
WO2022254563A1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
CN113823109B (zh) | 直播方法、装置、电子设备以及存储介质 | |
CN116189417A (zh) | 交通灯场景的路况识别方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201020 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201020 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211019 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220117 |
|
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: 20220614 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220616 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7106794 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |