KR102457803B1 - 도로 상황 예측 방법, 장치, 기기 및 컴퓨터 저장 매체 - Google Patents
도로 상황 예측 방법, 장치, 기기 및 컴퓨터 저장 매체 Download PDFInfo
- Publication number
- KR102457803B1 KR102457803B1 KR1020207029830A KR20207029830A KR102457803B1 KR 102457803 B1 KR102457803 B1 KR 102457803B1 KR 1020207029830 A KR1020207029830 A KR 1020207029830A KR 20207029830 A KR20207029830 A KR 20207029830A KR 102457803 B1 KR102457803 B1 KR 102457803B1
- Authority
- KR
- South Korea
- Prior art keywords
- road
- time
- user
- road section
- currently
- Prior art date
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
-
- 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
- G01C21/36—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
Abstract
본 발명 도로 상황 예측 방법, 장치, 기기 및 컴퓨터 저장 매체를 제공한다. 여기서 상기 방법은, 네비게이션 경로가 구획되어 얻어진 적어도 2개의 연속적인 도로 구간을 확정하는 것; 및 상기 네비게이션 경로의 시점으로부터 시작하여 상기 네비게이션 경로의 종점까지 각 도로 구간에 대해 순차적으로 각각 이하의 처리를 실행하는 것을 포함하며; 상기 이하의 처리는, 유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것; 상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보를 추정하는 것; 및 상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보에 기반하여 상기 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 추정하는 것을 포함한다. 이러한 도로 상황 예측 방식은 유저가 향후에 각 도로 구간에 도착하는 시각에 대해 도로 상황 추정을 수행할 수 있으며, 유저 조회 시각에 기초하여 도로 상황 추정을 수행하는 방식과 비교하면 더 한층 정확한 도로 상황 정보를 제공할 수 있다.
Description
본 발명은 컴퓨터 응용 기술 분야에 관한 것인 바, 특히 도로 상황 예측 방법, 장치, 기기 및 컴퓨터 저장 매체(WAYS TO PREDICT ROAD CONDITIONS, DEVICES, DEVICES AND COMPUTER STORAGE MEDIA)에 관한 것이다.
본 파트는 청구 범위에 진술된 본 발명의 실시 방식에 대해 배경 또는 맥락을 제공하는데 있다. 여기서의 설명은 본 파트에 포함되어 있다고 하여 종래 기술로 간주하여서는 안 된다.
도시 인구와 도시 차량 교통량의 증가와 더불어, 도시 특히 대도시의 도로 혼잡 문제는 이미 차량 이동의 제일 주목되는 초점 중 하나로 되었다. 베이징, 선전 등 특대도시에서 피크 기간의 도로 혼잡은 70% 이상의 차량 이동 코스트의 증가를 초래하고 있다. 모든 운전자에 있어서, 만약 향후의 어느 시간 내의 도로 상황 정보를 정확하게 추정하여, 당해 차량 이동 시각 및 차량 이동 노선을 어떻게 선택하여 혼잡을 피할지를 판단하도록 운전자를 지원할 수 있다면, 차량 이동 효율을 대폭으로 높일 수 있다.
종래의 네비게이션 도구는 모두 현재 시각（즉 유저의 조회 시각）의 도로 상황 정보를 기준으로 제공한다. 그러나, 조회 시각으로부터 전진 과정까지는 늘 비교적 긴 시간 과정이며, 차량 주행 속도가 매우 빠르기에 도로 상황 변화도 매우 빈번하며, 당해 시간 과정에서 도로 상황에 매우 큰 변화가 생긴다. 따라서 종래의 네비게이션 도구가 유저에게 제공하는 네비게이션 경로에서 각 도로 구간의 도로 상황 정보가 정확하지 않으며, 이에 따라 추정한 도착 시간도 정확하지 않게 되며, 유저가 정확한 결정을 내리도록 도울 수 없게 된다.
이에 감안하여, 본 발명은 도로 상황 예측 방법, 장치, 기기 및 컴퓨터 저장 매체를 제공하여, 더 한층 정확한 도로 상황 정보를 제공한다.
제1 측면에 따르면, 본 발명은 도로 상황 예측 방법을 제공하는 바, 당해 방법은,
네비게이션 경로가 구획되어 얻어진 적어도 2개의 연속적인 도로 구간을 확정하는 것; 및
상기 네비게이션 경로의 시점으로부터 시작하여 상기 네비게이션 경로의 종점까지 각 도로 구간에 대해 순차적으로 각각 이하의 처리를 실행하는 것을 포함하며;
상기 이하의 처리는,
유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것;
상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보를 추정하는 것; 및
상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보에 기반하여 상기 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 추정하는 것을 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것은,
상기 네비게이션 경로의 시점으로부터 시작하는 도로 구간에 대해 유저의 출발 시각을 유저의 현재 처리중인 도로 구간에 도착하는 시각으로 설정하는 것; 및
기타 도로 구간에 대해 유저가 직전의 도로 구간에 도착한 시각 및 추정하여 얻은 상기 유저의 상기 직전의 도로 구간에서의 통행 시간을 이용하여 유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것을 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보를 추정하는 것은,
유저의 현재 처리중인 도로 구간에 도착하는 시각으로부터 현재 시각까지의 시간을 확정하는 것; 및
상기 현재 처리중인 도로 구간 정보, 상기 시간 및 외부 요소 특징을 미리 훈련하여 얻은 도로 상황 모델에 입력하여 상기 현재 처리중인 도로 구간의 상기 확정한 시각에서의 도로 상황 정보를 얻는 것을 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 도로 상황 모델은 이하의 방식을 이용하여 미리 훈련하여 얻으며,
상기 이하의 방식은,
각 도로 구간의 과거 교통 흐름 정보를 수집하여 훈련 데이터로 설정하는 것; 및
각 도로 구간에 대해 각각 이하의 처리를 실행하는 것을 포함하며,
상기 이하의 처리는,
도로 구간의 각 과거 시간점에서의 교통 흐름 정보에 기반하여 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 확정하는 것; 및
각 과거 시간점에서 미리 설정된 시간을 퇴각하며, 각 과거 시간점에서 당해 도로 구간 상에서 주행한 유저가 각각 주행하여 온 도로 구간과 그 도로 상황 정보 및 각 과거 시간점에서 미리 설정된 시간을 퇴각한 외부 요소 특징을 확정하여 분류 모델의 입력으로 설정하고, 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 분류 모델의 출력으로 설정하여, 상기 분류 모델을 훈련하여 상기 도로 상황 모델을 얻는 것을 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보에 기반하여 상기 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 추정하는 것은,
상기 현재 처리중인 도로 구간의 공통 특징을 확정하는 것 - 상기 공통 특징은 상기 도로 상황 정보를 포함함 - ;
상기 유저의 과거 운전 기록 중에서 상기 유저가 상기 현재 처리중인 도로 구간을 통과하는 개성화 운전 특징을 추출하는 것; 및
상기 공통 특징과 상기 개성화 운전 특징을 미리 훈련하여 얻은 회귀 모델에 입력하여 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 얻는 것을 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 회귀 모델은 이하의 방식을 이용하여 미리 훈련하여 얻으며,
상기 이하의 방식은,
서로 다른 유저의 각 도로 구간에서의 공통 특징, 유저가 각 도로 구간을 통과하는 개성화 운전 특징 및 유저가 각 도로 구간을 통과하는 통행 시간을 훈련 견본으로 설정하는 것; 및
서로 다른 유저의 각 도로 구간에서의 공통 특징과 유저가 각 도로 구간을 통과하는 개성화 운전 특징을 입력으로 설정하고, 유저가 각 도로 구간을 통과하는 통행 시간을 출력으로 설정하여, 회귀 모델을 훈련하는 것을 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 공통 특징은,
도로 구간 길이, 도로 등급, 신호등 수, 신호등 대기 시간, 외부 요소 특징 중 적어도 하나를 더 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 외부 요소 특징은,
시간 특징, 요일 특징, 계절 특징 및 날씨 특징 중 적어도 하나를 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 개성화 운전 특징은,
유저의 상기 현재 처리중인 도로 구간에서의 과거 통행 횟수, 상기 유저의 차량 정보, 상기 유저의 상기 현재 처리중인 도로 구간에서의 과거 운전 속도와 대중 운전 속도의 분산 중 적어도 하나를 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 당해 방법은,
상기 유저가 상기 네비게이션 경로의 종점에 도착하는 시각을 확정하는 것; 또는,
상기 유저의 상기 네비게이션 경로 상에서의 예상 통행 시간을 확정하는 것을 더 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 당해 방법은,
추정하여 얻은 각 도로 구간의 도로 상황 정보와 각 시각을 매핑하며, 인터페이스 상에 매핑 결과를 동적으로 전개하는 것을 더 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 추정하여 얻은 각 도로 구간의 도로 상황 정보와 각 시각을 매핑하며, 인터페이스 상에 매핑 결과를 동적으로 전개하는 것은,
추정하여 얻은 각 도로 구간의 도로 상황 정보를 시간 축 상에 매핑하며, 인터페이스 상에 시간에 따라 변화하는 차량 위치와 도로 상황 정보를 동적으로 전개하는 것을 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 당해 방법은,
유저의 상기 시간 축 상에서의 드래그 동작을 취득하는 것; 및
상기 인터페이스 상에서 유저가 드래그한 시간 축 위치에 대응하는 차량 위치와 도로 상황 정보를 전시하는 것을 더 포함한다.
제2 측면에 따르면, 본 발명은 도로 상황 예측 장치를 더 제공하는 바, 당해 장치는,
네비게이션 경로가 구획되어 얻어진 적어도 2개의 연속적인 도로 구간을 확정하기 위한 도로 구간 확정 유닛; 및
상기 네비게이션 경로의 시점으로부터 시작하여 상기 네비게이션 경로의 종점까지 각 도로 구간에 대해 순차적으로 각각 이하의 처리를 실행하기 위한 예측 처리 유닛을 구비하며;
상기 이하의 처리는,
유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것;
상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보를 추정하는 것; 및
상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보에 기반하여 상기 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 추정하는 것을 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 예측 처리 유닛은,
상기 네비게이션 경로의 시점으로부터 시작하는 도로 구간에 대해 유저의 출발 시각을 유저의 현재 처리중인 도로 구간에 도착하는 시각으로 설정하고; 기타 도로 구간에 대해 유저가 직전의 도로 구간에 도착한 시각 및 추정하여 얻은 상기 유저의 상기 직전의 도로 구간에서의 통행 시간을 이용하여 유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정하기 위한 도착 시각 확정 서브 유닛을 구비한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 예측 처리 유닛은,
유저의 현재 처리중인 도로 구간에 도착하는 시각으로부터 현재 시각까지의 시간 을 확정하고; 상기 현재 처리중인 도로 구간 정보, 상기 시간 및 외부 요소 특징을 미리 훈련하여 얻은 도로 상황 모델에 입력하여 상기 현재 처리중인 도로 구간의 상기 확정한 시각에서의 도로 상황 정보를 얻기 위한 도로 상황 추정 서브 유닛을 구비한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 예측 처리 유닛은,
이하의 방식을 이용하여 상기 도로 상황 모델을 미리 훈련하기 위한 제1 훈련 서브 유닛을 더 구비하며,
상기 이하의 방식은,
각 도로 구간의 과거 교통 흐름 정보를 수집하여 훈련 데이터로 설정하는 것; 및
각 도로 구간에 대해 각각 이하의 처리를 실행하는 것을 포함하며,
상기 이하의 처리는,
도로 구간의 각 과거 시간점에서의 교통 흐름 정보에 기반하여 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 확정하는 것; 및
각 과거 시간점에서 미리 설정된 시간을 퇴각하며, 각 과거 시간점에서 당해 도로 구간 상에서 주행한 유저가 각각 주행하여 온 도로 구간과 그 도로 상황 정보 및 각 과거 시간점에서 미리 설정된 시간을 퇴각한 외부 요소 특징을 확정하여 분류 모델의 입력으로 설정하고, 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 분류 모델의 출력으로 설정하여, 상기 분류 모델을 훈련하여 상기 도로 상황 모델을 얻는 것을 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 예측 처리 유닛은,
상기 현재 처리중인 도로 구간의 공통 특징을 확정하고, 상기 공통 특징은 상기 도로 상황 정보를 포함하며; 상기 유저의 과거 운전 기록 중에서 상기 유저가 상기 현재 처리중인 도로 구간을 통과하는 개성화 운전 특징을 추출하고; 상기 공통 특징과 상기 개성화 운전 특징을 미리 훈련하여 얻은 회귀 모델에 입력하여 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 얻기 위한 통행 시간 추정 서브 유닛을 구비한다.
본 발명 바람직한 일 실시 방식에 따르면, 상기 예측 처리 유닛은,
이하의 방식을 이용하여 상기 회귀 모델을 미리 훈련하기 위한 제2 훈련 서브 유닛을 더 구비하며,
상기 이하의 방식은,
서로 다른 유저의 각 도로 구간에서의 공통 특징, 유저가 각 도로 구간을 통과하는 개성화 운전 특징 및 유저가 각 도로 구간을 통과하는 통행 시간을 훈련 견본으로 설정하는 것; 및
서로 다른 유저의 각 도로 구간에서의 공통 특징과 유저가 각 도로 구간을 통과하는 개성화 운전 특징을 입력으로 설정하고, 유저가 각 도로 구간을 통과하는 통행 시간을 출력으로 설정하여, 회귀 모델을 훈련하는 것을 포함한다.
본 발명 바람직한 일 실시 방식에 따르면, 당해 장치는, 종점 시각 확정 유닛 또는 통행 시간 확정 유닛을 더 구비하며;
상기 종점 시각 확정 유닛은 상기 유저가 상기 네비게이션 경로의 종점에 도착하는 시각을 확정하고;
상기 통행 시간 확정 유닛은 상기 유저의 상기 네비게이션 경로 상에서의 예상 통행 시간을 확정한다.
본 발명 바람직한 일 실시 방식에 따르면, 당해 장치는,
추정하여 얻은 각 도로 구간의 도로 상황 정보와 각 시각을 매핑하며, 인터페이스 상에 매핑 결과를 동적으로 전개하기 위한 동적 전개 유닛을 더 구비한다.
제3 측면에 따르면, 본 발명은 기기를 제공하는 바, 상기 기기는,
하나 또는 복수의 프로세서; 및
하나 또는 복수의 프로그램을 저장하기 위한 저장 장치를 구비하며,
상기 하나 또는 복수의 프로그램이 상기 하나 또는 복수의 프로세서에 의해 실행되면, 상기 하나 또는 복수의 프로세서로 하여금 상기의 방법을 구현하도록 한다.
제4 측면에 따르면, 본 발명은 컴퓨터 실행 가능 명령을 포함하는 저장 매체를 제공하는 바, 상기 컴퓨터 실행 가능 명령이 컴퓨터 프로세서에 의해 실행될 시, 상기의 방법이 실행된다.
이상의 기술 방안으로부터 알 수 있듯이, 본 발명은 네비게이션 경로 시점으로부터 시작하여 네비게이션 경로 종점까지 유저가 각 도로 구간에 도착하는 시각을 순차적으로 계산하고, 당해 시각의 도로 구간 도로 상황을 예측하며, 예측한 도로 상황에 기반하여 유저의 각 도로 구간에서의 통행 시간을 확정한다. 이러한 도로 상황 예측 방식은 유저가 향후에 각 도로 구간에 도착하는 시각에 대해 도로 상황 추정을 수행할 수 있으며, 유저 조회 시각에 기초하여 도로 상황 추정을 수행하는 방식과 비교하면 더 한층 정확한 도로 상황 정보를 제공할 수 있다.
도 1은 본 발명 실시예에 의해 제공되는 주요 방법의 플로우 차트이고;
도 2는 도 1 중 단계 102의 구체적인 구현의 플로우 차트이며;
도 3은 본 발명 실시예에 의해 제공되는 구현 흐름의 원리 모식도이고;
도 4a, 도 4b 및 도 4c는 본 발명 실시예에 의해 제공되는 도로 상황 동적 전개의 예시도이며;
도 5는 본 발명 실시예에 의해 제공되는 장치의 구조도이고;
도 6은 본 발명 실시 방식을 구현하기에 적합한 예시적인 컴퓨터 시스템/서버의 블록도이다.
도 2는 도 1 중 단계 102의 구체적인 구현의 플로우 차트이며;
도 3은 본 발명 실시예에 의해 제공되는 구현 흐름의 원리 모식도이고;
도 4a, 도 4b 및 도 4c는 본 발명 실시예에 의해 제공되는 도로 상황 동적 전개의 예시도이며;
도 5는 본 발명 실시예에 의해 제공되는 장치의 구조도이고;
도 6은 본 발명 실시 방식을 구현하기에 적합한 예시적인 컴퓨터 시스템/서버의 블록도이다.
이하, 본 발명의 목적, 기술안 및 장점을 더욱 명확히 하기 위하여, 도면과 구체적인 실시예를 결합하여 본 발명을 상세히 설명한다.
본 발명의 핵심 사상은, 도로 구간을 단위로 네비게이션 경로 시점으로부터 시작하여 네비게이션 경로 종점까지 유저가 각 도로 구간에 도착하는 시각을 순차적으로 계산하고, 당해 시각의 도로 구간 도로 상황을 예측하며, 예측한 도로 상황에 기반하여 유저의 각 도로 구간에서의 통행 시간을 확정하는 것이다. 이하, 실시예를 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명 실시예에 의해 제공되는 주요 방법의 플로우 차트인 바, 도 1에 나타낸 바와 같이, 당해 방법은 주요하게 이하의 단계를 포함한다.
101에서, 네비게이션 경로가 구획되어 얻어진 적어도 2개의 연속적인 도로 구간을 확정한다.
유저가 네비게이션 류의 응용 프로그램에 시점과 종점을 입력하여 네비게이션 경로를 조회할 때, 하나 또는 두 개 이상의 네비게이션 경로를 매핑하여 얻게 된다. 매핑하여 얻은 각 네비게이션 경로에 대해 각각 본 발명 실시예에 의해 제공되는 방법을 실행하여 도로 상황 예측을 수행할 수 있으며, 그 중에서 선택된 몇 개의 네비게이션 경로에만 대해 각각 본 발명 실시예에 의해 제공되는 방법을 실행하여 도로 상황 예측을 수행할 수도 있다.
예를 들면, 유저가 시점과 종점을 입력한 후, 네비게이션 류의 응용 프로그램은 지도 데이터베이스 중에서 10개의 네비게이션 경로를 매핑하여 얻으며, 당해 10개의 네비게이션 경로에 대해 각각 본 발명 실시예에 의해 제공되는 방법을 실행하여 도로 상황 예측을 수행할 수 있다. 다시 예를 들면, 그 중의 3개의 네비게이션 경로의 거리가 가장 가까우면, 당해 3개의 네비게이션 경로에 대해 각각 본 발명 실시예에 의해 제공되는 방법을 실행하여 도로 상황 예측을 수행할 수 있다. 다시 예를 들면, 유저가 당해 10개의 네비게이션 경로 중에서 하나의 네비게이션 경로를 선택하면, 유저가 선택한 당해 네비게이션 경로에만 대해 본 발명 실시예에 의해 제공되는 방법을 실행하여 도로 상황 예측을 수행할 수 있다. 본 발명은 이에 대해 한정하지 않는다.
본 발명 실시예에 있어서, 하나의 네비게이션 경로는 적어도 2개의 연속적인 도로 구간으로 구획될 수 있다. 소위의 도로 구간이란 분기 길목을 포함하지 않는 한 토막 도로를 뜻하며, 도로망의 최소 구성 단위이다. 네비게이션 경로가 구획되어 얻어진 연속적인 도로 구간의 정보는 도로망 데이터베이스로부터 취득할 수 있으며, 본 발명은 이에 대해 한정하지 않는 바, 구획하여 얻은 결과를 취득하여 이용하기만 하면 된다.
102에서, 네비게이션 경로의 시점으로부터 시작하여 네비게이션 경로의 종점까지 각 연속적인 도로 구간에 대해 순차적으로 각각 이하의 처리를 실행하며, 상기 이하의 처리는, 유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것; 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보를 추정하는 것; 및 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보에 기반하여 유저의 현재 처리중인 도로 구간에서의 통행 시간을 추정하는 것을 포함한다.
그 중의 구체적인 일 실시 방식으로서, 상술한 단계 102의 구체적인 구현의 방식은 도 2에 나타낸 바와 같이 구체적으로 이하의 단계를 포함할 수 있다.
201에서, 네비게이션 경로 시점으로부터 시작하는 도로 구간을 현재 처리중인 도로 구간으로 설정하고, 유저의 출발 시각을 유저가 현재 처리 도로 구간에 도착하는 시각으로 설정한다.
202에서, 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보를 추정한다.
소위의 도로 상황이란 도로 구간의 혼잡 상황으로 이해될 수 있으며, 혼잡 정도로 구현될 수 있다. 구체적인 표시 형식은 여러가지를 이용할 수 있는 바, 예를 들면 백분율, 혼잡 레벨 등 형식으로 표시할 수 있으며, 소통, 서행, 혼잡, 극도 혼잡 등 분류와 같은 형식으로 표시할 수 있다.
본 단계에서, 도로 구간의 도로 상황 정보를 추정할 때, 분류 모델에 기반하여 구현하는 도로 상황 모델을 사용한다. 이해의 편의를 위하여, 우선 도로 상황 모델의 훈련 과정을 설명하기로 한다.
우선, 각 도로 구간의 과거 교통 흐름 정보를 수집하여 훈련 데이터로 설정한다. 각 도로 구간의 과거 교통 흐름 정보 중에서 각 과거 시간점에서의 각 도로 구간의 교통 흐름 상황을 취득하여, 각 도로 구간의 각 과거 시간점에서의 도로 상황 정보를 확정할 수 있다. 여기서, 각 과거 시간점은 미리 설정된 시간 단위를 이용할 수 있으며, 예를 들면 분을 단위로 설정할 수 있다. 각 차량 식별자의 각 과거 시간점에 위치한 도로 구간을 취득할 수 있는 바, 즉 각 과거 시간점에서 각 도로 구간 상에 어느 차량이 있는지를 취득할 수 있다.
각 도로 구간에 대해 각각 이하의 처리를 실행하는 것을 포함하며, 상기 이하의 처리는,
도로 구간의 각 과거 시간점에서의 교통 흐름 정보에 기반하여 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 확정하여, 분류 모델의 출력으로 설정한다.
각 과거 시간점에서 미리 설정된 시간을 퇴각하며(backtrack)（예를 들면 1분, 2분, 3분, 4분, 5분을 퇴각함）, 각 과거 시간점에서 당해 도로 구간 상에서 주행한 유저가 각각 주행하여 온 도로 구간과 그 도로 상황 정보를 추출한다. 예를 들자면, 과거 시간점 t, 도로 구간 L 상의 모든 유저의 5분 전에 도로 구간 L1과 L2에서만 주행하여 올 수 있고, 5분 전에 도로 구간 L1 상에 3명의 유저가 있고, 도로 구간 L2 상에 5명의 유저가 있을 수 있다. 이를 분류 모델의 제1 입력 특징으로 설정한다.
각 과거 시간점에서 미리 설정된 시간을 퇴각한 외부 요소 특징을 추출하여 분류 모델의 제2 입력 특징으로 설정할 수 있다. 여기서 외부 요소 특징은 시간 특징, 요일 특징, 계절 특징 및 날씨 특징 중 적어도 하나를 포함할 수 있으나 이에 한정되지는 않는다.
시간 특징의 표시는 예를 들면 
및 
를 이용하여 연속적 표시를 수행할 수 있다. 여기서, x는 시간(H), y는 분, z는 초이다. 예를 들면, 아침 8:00:30의 경우, x=8, y=0, z=30이며, 공식에 대입하여 2개의 값을 계산하여, 함께 시간 특징으로 설정하여 기록한다.
요일 특징의 표시는 예를 들면 
및 
를 이용하여 연속적 표시를 수행할 수 있으며, m는 요일이다. 예를 들면, 월요일은 m에 대응되어 0이고, 화요일은 m에 대응되어 1이며, 다른 요일도 마찬가지다.
날씨 특징은 예를 들면 맑음, 흐림, 작은 비, 큰 비, 작은 눈, 큰 눈, 악천후 등 분류로 나뉠 수 있으며, one-hot（원-핫 코드） 형식을 사용하여 표시할 수 있다. 예를 들면, 맑음일 경우, 날씨 특징은 1,0,0,0,0,0,0로 표시되고. 흐림일 경우, 날씨 특징은 0,1,0,0,0,0,0으로 표시될 수 있다.
계절 특징은 봄, 여름, 가을, 겨울 이 4개의 분류로 나뉠 수 있으며, 마찬가지로 one-hot 형식을 사용하여 표시할 수 있다. 예를 들면, 봄일 경우, 계절 특징은 1,0,0,0로 표시되고, 여름일 경우, 계절 특징은 0,1,0,0으로 표시될 수 있다.
입력 특징 및 출력을 확정한 후, 분류 모델의 훈련을 수행하여, 도로 상황 모델을 얻을 수 있다. 여기서 도로 상황 모델은 상술한 특징 추출을 실행하는 모듈 및 상술한 분류 모델에 의해 구성된다. 여기서 분류 모델은 KNN（k-NearestNeighbor, K 근접）와 같은 분류 알고리즘 등을 이용할 수 있다. 훈련하여 얻은 도로 상황 모델은 도로 구간 식별자 및 퇴각 시간에 기반하여 당해 도로 구간의 도로 상황 정보를 얻을 수 있다.
상술한 모델훈련 과정은 오프라인 과정이다. 상술한 훈련하여 얻은 도로 상황 모델에 기반하여 도로 구간의 도로 상황 추정은 온라인 과정이다.
도로 상황 추정을 수행할 때, 우선 유저의 현재 처리중인 도로 구간에 도착하는 시각으로부터 현재 시각까지의 시간을 확정하고（즉 상기의 모델 훈련 과정중의 시간의 퇴각에 대응함）; 현재 처리중인 도로 구간 정보, 시간 및 외부 요소 특징을 미리 훈련하여 얻은 도로 상황 모델에 입력하여 현재 처리중인 도로 구간의 현재 처리중인 도로 구간에 도착하는 시각에서의 도로 상황 정보를 얻는다. 여기서, 도로 상황 모델의 처리 과정과 원리는 훈련 과정의 설명을 참조할 수 있는 바, 여기서 반복적으로 설명하지 않는다.
203에서, 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보에 기반하여 유저의 현재 처리중인 도로 구간에서의 통행 시간을 추정한다.
구체적으로, 우선 현재 처리중인 도로 구간의 공통 특징을 확정할 수 있으며, 여기서 공통 특징은 당해 도로 구간의 도로 상황 정보（즉 단계 202 중의 예측하여 얻은 도로 상황 정보）를 포함할 수 있다. 또한, 도로 구간 길이, 도로 등급, 신호등 수, 신호등 대기 시간, 외부 요소 특징 중 적어도 하나를 더 포함할 수 있으나, 이에 한정되지 않는다. 여기서, 외부 요소 특징은 시간 특징, 요일 특징, 계절 특징 및 날씨 특징 등 중 적어도 하나를 포함할 수 있다.
공통 특징에 기반하여 유저의 현재 처리중인 도로 구간에서의 통행 시간을 추정할 수 있다, 이러한 방식은 이미 비교적 성숙된 것이다. 그러나 본 발명 실시예의 바람직한 일 실시 방식에 있어서, 통행 시간 추정의 경우, 도로 구간의 공통 특징 외에, 유저의 개성화 특징을 더 결합할 수 있다. 유저의 개성화 특징의 도로 구간의 통행 시간에 대한 구현이 매우 선명하기에, 동일한 도로 구간에서 서로 다른 유저의 운전 습관은 20% 이상의 효과 차이를 초래하게 된다. 따라서 유저의 과거 운전 기록 중에서 당해 유저가 현재 처리중인 도로 구간을 통과하는 개성화 운전 특징을 추출할 수 있다.
여기서, 개성화 운전 특징은 유저의 현재 처리중인 도로 구간에서의 과거 통행 횟수, 유저의 차량 정보 및 유저의 현재 처리중인 도로 구간에서의 과거 운전 속도와 대중 운전 속도의 분산 중 적어도 하나를 포함할 수 있다.
이어서, 추출한 상술한 공통 특징과 개성화 운전 특징을 미리 훈련하여 얻은 회귀 모델에 입력하여 유저의 현재 처리중인 도로 구간에서의 통행 시간을 얻는다.
여기서 유저의 현재 처리중인 도로 구간에서의 통행 시간이란, 추정한 유저가 현재 처리중인 도로 구간을 통과하는데 필요한 시간을 가리키는 바, 즉 유저가 현재 처리중인 도로 구간의 시점에서 시작하여 종점에 도착하는 시간이다.
이하 상술한 회귀 모델의 훈련 과정을 간단히 설명하기로 한다.
우선 서로 다른 유저의 각 도로 구간에서의 공통 특징, 유저가 각 도로 구간을 통과하는 개성화 운전 특징 및 유저가 각 도로 구간을 통과하는 통행 시간을 훈련 견본으로 설정하고; 서로 다른 유저의 각 도로 구간에서의 공통 특징과 유저가 각 도로 구간을 통과하는 개성화 운전 특징을 입력으로 설정하며, 유저가 각 도로 구간을 통과하는 통행 시간을 출력으로 설정하여, 회귀 모델을 훈련한다.
여기서 회귀 모델을 훈련할 때 이용하는 공통 특징과 개성화 운전 특징과 상술한 훈련 모델을 이용하여 통행 시간 추정을 수행할 때 이용하는 공통 특징과 개성화 운전 특징은, 같은 차원을 갖는 바. 여기서 다시 설명하지 않는다.
204에서, 현재 처리중인 도로 구간이 네비게이션 경로 종점에 도달하였는지 여부를 판단하며, 도달하였을 경우 단계 102의 흐름을 종료한다. 도달하지 않았을 경우, 205를 실행한다.
205에서, 유저가 현재 처리 도로 구간에 도착하는 시각 및 유저의 현재 처리중인 도로 구간에서의 통행 시간을 이용하여 유저가 다음 도로 구간에 도착한 시각을 확정한다.
206에서, 다음 도로 구간을 현재 처리중인 도로 구간으로 설정하고, 단계 202로 이전한다.
상술한 구현 흐름의 원리는 도 3에 나타낸 바와 같이 네비게이션 경로로부터 각 도로 구간으로 구획되고, 시점에서 시작하여 모든 도로 구간에 대해 도 2에 나타낸 흐름을 실행하는 것이다. 도로 구간 i의 경우, 유저가 도로 구간 i에 도착하는 시각 ti을 이용하여 ti로부터 현재 시각까지의 시간을 퇴각 시간으로 확정하고, 도로 구간 정보, 퇴각 시간 및 외부 요소 특징을 도로 상황 모델에 입력하여 도로 구간 i의 도로 상황 정보를 얻는다. 도로 구간 i를 포함하는 도로 상황 정보의 공통 특징 및 유저의 당해 도로 구간 i에서의 특성화 특징을 회귀 모델에 입력하여 유저의 도로 구간 i에서의 통행 시간 Δti을 얻는다. ti 및 Δti를 이용하여 유저가 다음 도로 구간 i+1에 도착하는 시각 ti +1을 얻는다. 모든 도로 구간에 대해 종점까지 상술한 과정을 차례로 실행한다.
계속하여 도 1을 참조하여, 또한 이하의 단계를 더 실행할 수 있다.
103에서, 유저가 네비게이션 경로의 종점에 도착하는 시각을 확정한다.
본 단계는 이하 두 가지 방식을 이용할 수 있다.
첫 번째 방식 : 유저의 출발 시각 및 추정하여 얻은 각 도로 구간의 통행 시간을 이용하여 유저가 네비게이션 경로의 종점에 도착하는 시각을 확정한다.
두 번째 방식 : 확정한 유저가 마지막 도로 구간에 도착하는 시각 및 추정하여 얻은 유저의 마지막 도로 구간에서의 통행 시간을 이용하여 유저가 네비게이션 경로의 종점에 도착하는 시각을 확정한다.
당해 네비게이션 경로의 종점에 도착하는 시각은 유저에 네비게이션 경로의 예상 도착 시간을 제공하는데 사용될 수 있다. 예를 들면 네비게이션 인터페이스 상에서 유저에게 “당해 네비게이션 경로는 10:26:00에 종점에 도착하는 것으로 예상됩니다”를 제공할 수 있다.
103 이외에, 유저의 네비게이션 경로 전체의 예상 통행 시간을 확정할 수 있는 바, 즉 각 도로 구간의 통행 시간을 합산하여 유저에 제공할 수 있다. 예를 들면 네비게이션 인터페이스 상에서 유저에게 “당해 네비게이션 경로는 22분 걸리는 것으로 예상됩니다”를 제공할 수 있다.
상술한 추정한 네비게이션 경로의 종점에 도착하는 시각 또는 유저의 네비게이션 경로 전체의 예상 통행 시간은 시스템이 네비게이션 경로를 선택하는데 사용되어 유저에 피드백할 수 있으며, 네비게이션 인터페이스 상에 디스플레이하여 유저로 하여금 네비게이션 경로를 선택하도록 하는데 이용될 수도 있다.
예를 들면, 시스템은 복수의 네비게이션 경로의 예상 통행 시간을 계산한 후, 그 중에서 3개의 예상 통행 시간이 가장 짧은 네비게이션 경로를 선택하여 네비게이션 인터페이스 상에서 유저에 피드백할 수 있다. 또한, 당해 3개의 네비게이션 경로의 예상 통행 시간은 네비게이션 인터페이스 상에 디스플레이되어, 유저로 하여금 그 중에서 하나의 네비게이션 경로를 선택하여 최종 이용하는 네비게이션 경로로 설정하도록 한다.
104에서, 추정하여 얻은 각 도로 구간의 도로 상황 정보와 각 시각을 매핑하며, 네비게이션 인터페이스 상에 매핑 결과를 동적으로 전개한다.
네비게이션 인터페이스 상의 도로 상황 정보의 추정 결과의 전개는 종래의 기술 중의 전개 방식을 이용할 수 있으며, 예를 들면 서로 다른 색상으로 네비게이션 결과 중 각 도로 구간의 도로 상황 정보를 구분할 수 있으마, 이러한 전개 방식 일반적으로 정적인 것이다.
그러나, 더 바람직한 일 실시 방식으로서, 104 에 나타낸 방식을 이용하여, 각 도로 구간의 도로 상황을 동적으로 전개할 수 있다. 구체적으로, 추정하여 얻은 각 도로 구간의 도로 상황 정보를 시간 축 상에 매핑하며, 네비게이션 인터페이스 상에 시간에 따라 변화하는 차량 위치와 도로 상황 정보를 동적으로 전개할 수 있다.
도 4a에 나타낸 바와 같이, 유저가 네비게이션 응용 프로그램에 시점과 종점을 입력한 후, 매핑하여 얻은 각 네비게이션 경로에 대해 각각 본 발명 실시예의 상술한 방법 흐름을 실행한 후, 각 네비게이션 경로의 통행 시간을 얻고, 통행 시간이 가장 짧은 3개의 네비게이션 경로를 선택하여 3개의 방안으로 설정하여 유저로 하여금 선택하도록 할 수 있다. 유저가 그 중에서 하나의 네비게이션 경로를 선택하면, 추정하여 얻은 당해 네비게이션 경로의 각 도로 구간의 도로 상황 정보를 시간 축 상에 매핑하며, 네비게이션 인터페이스 상에 시간에 따라 변화하는 차량 위치와 도로 상황 정보를 동적으로 전개한다. 도 4a는 재생하기 시작하는 인터페이스 예시도인 바, 재생하기 시작할 때, 차량 위치는 시점 위치에 있고, 시간 축（재생 진행율 바） 상에 유저 차량 이동 시간을 지시한다. 도 4b는 재생 과정 중의 인터페이스 예시도인 바, 인터페이스 상에서 차량 위치는 시간 변화에 따라 대응하는 도로 구간에 위치하며, 서로 다른 색상을 이용하여 현재 시각의 당해 도로 구간의 도로 상황 정보를 전개하며, 시간 축（재생 진행율 바） 상에서도 이에 따라 해당하는 시각을 지시한다. 도 4c는 재생 종료의 인터페이스 예시도인 바, 인터페이스 상에서 차량 위치가 종점에 있으며, 시간 축（재생 진행율 바） 상에서 유저가 종점에 도착한 시간을 지시한다. 상술한 재생 과정 전체는 유저 트리거에 따라 실행할 수 있으며, 예를 들면 유저의 그 중의 하나의 네비게이션 경로를 선택하였거나, 또는 재생 버튼을 클릭한 후, 길이가 2~5초인 동적 과정을 자동으로 재생시킨다. 기본적으로 전개되는 네비게이션 경로에 대해 길이가 2~5초인 동적 과정을 자동으로 재생시킬 수도 있다.
또한, 유저는 시간 축（재생 진행률 바） 상에서 수동으로 드래그 동작을 수행하여, 지정된 시각의 차량 위치와 당해 시각의 도로 상황을 관찰할 수 있다. 즉 유저의 시간 축 상에서의 드래그 동작이 취득되면, 인터페이스 상에 유저가 드래그한 시간 축 위치에 대응하는 차량 위치와 도로 상황 정보를 전시한다.
이상은 본 발명의 실시예에 의해 제공되는 방법에 대한 상세한 설명이며, 이하, 실시예를 참고하여 본 발명의 실시예에 의해 제공되는 장치를 상세히 설명하기로 한다. 당해 도로 상황 예측 장치는 상술한 방법 실시예 중의 동작을 실행하기 위한 것이다. 당해 장치는 로컬 단말에 위치한 응용 프로그램에 위치하거나, 또는 로컬 단말의 응용 프로그램에 위치한 플러그인 또는 소프트웨어 개발 키트（Software Development Kit, SDK）등 기능 유닛일 수도 있으며, 또는, 서버측에 위치할 수도 있는 바, 본 발명 실시예는 이에 대해 특별히 한정하지 않는다.
도 5는 본 발명 실시예에 의해 제공되는 장치의 구조도인 바, 도 5에 나타낸 바와 같이, 당해 장치는 도로 구간 확정 유닛(00) 및 예측 처리 유닛(10)을 구비할 수 있으며, 또한 종점 시각 확정 유닛(20), 통행 시간 확정 유닛(30) 및 동적 전개 유닛(40) 중 적어도 하나를 더 구비할 수 있다. 도 5에는 상술한 유닛을 동시에 구비하는 예를 나타낸다.
도로 구간 확정 유닛(00)은 네비게이션 경로가 구획되어 얻어진 적어도 2개의 연속적인 도로 구간을 확정한다.
본 발명 실시예에 있어서, 하나의 네비게이션 경로는 적어도 2개의 연속적인 도로 구간으로 구획될 수 있다. 네비게이션 경로가 구획되어 얻어진 연속적인 도로 구간의 정보는 도로망 데이터베이스로부터 취득할 수 있으며, 본 발명은 이에 대해 한정하지 않는다, 도로 구간 확정 유닛(00)은 구획하여 얻은 결과를 취득하여 이용하기만 하면 된다.
예측 처리 유닛(10)은 네비게이션 경로의 시점으로부터 시작하여 네비게이션 경로의 종점까지 각 도로 구간에 대해 순차적으로 각각 이하의 처리를 실행하며, 상기 이하의 처리는, 유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것; 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보를 추정하는 것; 및 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보에 기반하여 유저의 현재 처리중인 도로 구간에서의 통행 시간을 추정하는 것을 포함한다.
구체적으로, 예측 처리 유닛(10)은 도착 시각 확정 서브 유닛(11), 도로 상황 추정 서브 유닛(12), 제1 훈련 서브 유닛(13), 통행 시간 추정 서브 유닛(14) 및 제2 훈련 서브 유닛(15)을 구비할 수 있다.
여기서, 도착 시각 확정 서브 유닛(11)은 유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정한다. 구체적으로, 네비게이션 경로의 시점으로부터 시작한 도로 구간에 대해 유저의 출발 시각을 유저의 현재 처리중인 도로 구간에 도착하는 시각으로 설정하고; 기타 도로 구간에 대해 유저가 직전의 도로 구간에 도착한 시각 및 추정하여 얻은 유저의 직전의 도로 구간에서의 통행 시간을 이용하여, 유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정한다.
도로 상황 추정 서브 유닛(12)은 유저의 현재 처리중인 도로 구간에 도착하는 시각으로부터 현재 시각까지의 시간을 확정하고; 현재 처리중인 도로 구간 정보, 시간 및 외부 요소 특징을 미리 훈련하여 얻은 도로 상황 모델에 입력하여 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보를 얻는다.
제1 훈련 서브 유닛(13)은 이하의 방식을 이용하여 도로 상황 모델을 미리 훈련한다. 상기 이하의 방식은,
각 도로 구간의 과거 교통 흐름 정보를 수집하여 훈련 데이터로 설정하는 것; 및
각 도로 구간에 대해 각각 이하의 처리를 실행하는 것을 포함하며,
상기 이하의 처리는,
도로 구간의 각 과거 시간점에서의 교통 흐름 정보에 기반하여 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 확정하는 것; 및
각 과거 시간점에서 미리 설정된 시간을 퇴각하며, 각 과거 시간점에서 당해 도로 구간 상에서 주행한 유저가 각각 주행하여 온 도로 구간과 그 도로 상황 정보 및 각 과거 시간점에서 미리 설정된 시간을 퇴각한 외부 요소 특징을 추출하여 분류 모델의 입력으로 설정하고, 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 분류 모델의 출력으로 설정하여, 분류 모델을 훈련하여 도로 상황 모델을 얻는다. 당해 도로 상황 모델은 상술한 특징의 추출을 실행하는 모듈 및 상술한 분류 모델을 포함한다.
여기서 외부 요소 특징은 시간 특징, 요일 특징, 계절 특징 및 날씨 특징 중 적어도 하나를 포함할 수 있으나 이에 한정되지는 않는다. 각 외부 요소 특징의 표시는 구체적으로 방법 실시예 중의 설명을 참조할 수 있다.
여기서 분류 모델은 KNN（k-NearestNeighbor, K 근접）와 같은 분류 알고리즘 등을 이용할 수 있다.
통행 시간 추정 서브 유닛(14)은 현재 처리중인 도로 구간의 공통 특징을 확정하고, 공통 특징은 도로 상황 정보를 포함하며; 유저의 과거 운전 기록 중에서 유저가 현재 처리중인 도로 구간을 통과하는 개성화 운전 특징을 추출하고; 공통 특징과 개성화 운전 특징을 미리 훈련하여 얻은 회귀 모델에 입력하여 유저의 현재 처리중인 도로 구간에서의 통행 시간을 얻는다.
제2 훈련 서브 유닛(15)은 이하의 방식을 이용하여 미리 회귀 모델을 훈련하며, 상기 이하의 방식은,
서로 다른 유저의 각 도로 구간에서의 공통 특징, 유저가 각 도로 구간을 통과하는 개성화 운전 특징 및 유저가 각 도로 구간을 통과하는 통행 시간을 훈련 견본으로 설정하는 것; 및
서로 다른 유저의 각 도로 구간에서의 공통 특징과 유저가 각 도로 구간을 통과하는 개성화 운전 특징을 입력으로 설정하고, 유저가 각 도로 구간을 통과하는 통행 시간을 출력으로 설정하여, 회귀 모델을 훈련하는 것을 포함한다.
상술한 공통 특징은 당해 도로 구간의 도로 상황 정보（즉 도로 상황 추정 서브 유닛(12)이 예측하여 얻은 도로 상황 정보）를 포함할 수 있다. 또한 도로 구간 길이, 도로 등급, 신호등 수, 신호등 대기 시간, 외부 요소 특징 중 적어도 하나를 더 포함할 수 있으나, 이에 한정되지 않는다. 여기서, 외부 요소 특징 은 시간 특징, 요일 특징, 계절 특징 및 날씨 특징 중 적어도 하나를 포함할 수 있다.
개성화 운전 특징은 유저의 현재 처리중인 도로 구간에서의 과거 통행 횟수, 유저의 차량 정보 및 유저의 현재 처리중인 도로 구간에서의 과거 운전 속도와 대중 운전 속도의 분산 중 적어도 하나를 포함할 수 있다.
종점 시각 확정 유닛(20)은 유저가 네비게이션 경로의 종점에 도착하는 시각을 확정한다. 구체적으로 이하 두 가지 방식을 이용할 수 있다.
첫 번째 방식 : 유저의 출발 시각 및 추정하여 얻은 각 도로 구간의 통행 시간을 이용하여 유저가 네비게이션 경로의 종점에 도착하는 시각을 확정한다.
두 번째 방식 : 확정한 유저가 마지막 도로 구간에 도착하는 시각 및 추정하여 얻은 유저의 마지막 도로 구간에서의 통행 시간을 이용하여 유저가 네비게이션 경로의 종점에 도착하는 시각을 확정한다.
통행 시간 확정 유닛(30)은 유저의 네비게이션 경로 상에서의 예상 통행 시간을 확정한다. 구체적으로 유저의 네비게이션 경로 전체의 예상 통행 시간을 확정할 수 있으며, 즉 각 도로 구간의 통행 시간을 합산하여 유저에 제공할 수 있다.
동적 전개 유닛(40)은 추정하여 얻은 각 도로 구간의 도로 상황 정보와 각 시각을 매핑하며, 인터페이스 상에 매핑 결과를 동적으로 전개한다. 구체적으로, 추정하여 얻은 각 도로 구간의 도로 상황 정보를 시간 축 상에 매핑하며, 네비게이션 인터페이스 상에 시간에 따라 변화하는 차량 위치와 도로 상황 정보를 동적으로 전개할 수 있다.
또한, 유저는 시간 축（재생 진행률 바） 상에서 수동으로 드래그 동작을 수행하여, 지정된 시각의 차량 위치와 당해 시각의 도로 상황을 관찰할 수 있다. 즉 동적 전개 유닛(40)은 유저의 시간 축 상에서의 드래그 동작이 취득되면, 인터페이스 상에서의 유저가 드래그한 시간 축 위치에 대응하는 차량 위치와 도로 상황 정보를 전시한다.
또한, 전개에 있어서 또한 일부 기타 설계를 결합할 수 있는 바, 예를 들면 재생 과정에서 서로 다른 색상으로 전개한 것은 유저 도착하고 있거나 또는 곧 도착하는 도로 구간의 예측 도로 상황일 수 있으며, 유저가 이미 통과한 도로 구간의 도로 상황은 회색으로 설정할 수 있다.
도 6은 본 발명 실시 방식을 구현하기에 적합한 예시적인 컴퓨터 시스템/서버(012)를 나타낸 블록도이다. 도 6에 나타낸 컴퓨터 시스템/서버(012)는 단지 일 예인바, 본 발명의 실시예의 기능 및 사용 범위에 대해 어떠한 한정을 이루어서는 안 된다.
도 6에 나타낸 바와 같이, 시스템/서버(012)는 범용 계산 설비의 형식으로 구현된다. 시스템/서버(012)의 구성 요소는 하나 또는 복수의 처리 유닛(016), 시스템 메모리(028), 및 서로 다른 시스템 구성 요소（시스템 메모리(028)와 처리 유닛(016)를 포함）를 연결하는 버스(018)를 포함할 수 있으나 이에 한정되지 않는다.
버스(018)는 다양한 유형의 버스 구조 중 하나 또는 복수를 나타내는 바, 메모리 버스 또는 메모리 제어기, 주변 장치 버스, 그래픽 가속 포트, 프로세서 또는 멀티 버스 구조 중 임의의 버스 구조를 사용한 로컬 버스를 포함한다. 예를 들어, 이러한 체계 구조는 (ISA)버스, 마이크로 채널 구조(MAC)버스, 향상된 ISA버스, 비디오 전자 표준 위원회(VESA)로컬 버스 및 (PCI)버스를 포함하지만 이에 한정되지 않는다.
시스템/서버(012)은 전형적으로 다양한 컴퓨터 시스템 판독 가능 매체를 포함한다. 이러한 매체는 휘발성 매체와 비 휘발성 매체, 분리형 매체와 비 분리형 매체를 포함하는 시스템/서버(012)에 의해 액세스될 수 있는 모든 사용 가능한 매체일 수 있다.
시스템 메모리(028)는 휘발성 메모리의 형식의 컴퓨터 시스템 판독 가능 매체, 예를 들어 램(RAM)(030) 및/또는 캐시 메모리(032)를 포함할 수 있다. 시스템/서버(012)은 분리형/비 분리형, 휘발성/비 휘발성 컴퓨터 시스템 저장 매체를 더 포함한다. 단지 예로서, 저장 시스템(034)은 판독 기록에 사용될 수 있는 비 분리형, 비 휘발성 자기 매체(도 6에는 도시되지 않음, 통상적으로 "하드 디스크 드라이브"로 지칭함)이다. 비록 도 6에는 도시되지 않았지만, 분리형 비 휘발성 디스크(예를 들어"플로피 디스크")에 대해 판독 기록하기 위한 디스크 드라이브, 및 분리형 비 휘발성 시디롬(예를 들어: CD-ROM, DVD-ROM 또는 기타 광학 매체)에 대해 판독 기록하기 위한 시디롬 드라이버를 제공할 수 있다. 이러한 경우, 각각의 드라이브는 하나 또는 복수의 데이터 매체 인터페이스를 통해 버스(018)와 서로 연결된다. 메모리(028)는 적어도 하나의 프로그램 제품을 포함할 수 있고, 당해 프로그램 제품은 한 조(예를 들어 적어도 하나)프로그램 모듈을 구비하며, 이러한 프로그램 모듈은 본 발명의 본 발명의 각 실시예의 기능을 수행한다.
한 그룹(적어도 하나)의 프로그램 모듈(042)을 구비한 프로그램/유틸리티(040)는, 예를 들어 메모리(028)에 저장될 수 있고, 이러한 프로그램 모듈(042)은 운영 체제, 하나 또는 복수의 응용 프로그램, 기타 프로그램 모듈 및 프로그램 데이터를 포함하지만 이에 한정하지 않으며, 이러한 예시에서의 각각 또는 일부 조합에는 네트워크 환경의 구현을 포함할 수 있다. 프로그램 모듈(042)은 일반적으로 본 발명에서 설명한 각 실시예 중의 기능 및/또는 방법을 통상적으로 수행한다.
시스템/서버(012)는 하나 또는 복수의 외부 기기(014)(예를 들어 키보드, 포인팅 기기, 디스플레이(024) 등)와 통신할 수도 있고, 하나 또는 복수의 사용자가 당해 시스템/서버(012)과 상호 작용할 수 있도록 하는 기기와 통신할 수도 있으며, 및/또는 당해 시스템/서버(012)가 하나 또는 복수의 기타 계산 기기와 통신할 수 있도록 하는 임의의 기기(예를 들어 랜카드, 모뎀 등)와 통신한다. 이런 통신은 입력/출력(I/O) 인터페이스(022)를 통해 할 수 있다. 또한, 시스템/서버(012)는 네트워크 어댑터(020)를 통해 하나 또는 복수의 네트워크(예를 들어 근거리 통신망(LAN), 광역 통신망(WAN) 및/또는 예를 들어 인터넷과 같은 공중 네트워크)와 통신할 수도 있다. 도시된 바와 같이, 네트워크 어댑터(020)는 버스(018)를 통해 시스템/서버(012)의 기타 모듈과 통신한다. 이해해야 하는 것은, 도면에 도시되지 않았지만, 시스템/서버(012)을 결합하여 마이크로 코드, 기기 드라이브, 리던던트 프로세싱 유닛, 외부 디스크 드라이브 배열, RAID시스템, 테이프 드라이브 및 데이터 백업 저장 시스템 등을 포함하나 이에 한정되지 않는 기타 하드웨어 및/또는 소프트웨어 모듈을 사용할 수 있음을 명백히 하여야 한다.
처리 유닛(016)은 시스템 메모리(028)에 저장된 프로그램을 실행하는 것을 통해, 각종 기능 응용 및 데이터 처리를 수행하는 바, 예를 들어 본 발명의 실시예에 의해 제공된 방법의 흐름을 구현한다.
상기의 컴퓨터 프로그램은 컴퓨터 저장 매체 내에 설정될 수 있는 바, 즉 당해 컴퓨터 저장 매체는 컴퓨터 프로그램이 인코딩되어 있으며, 당해 프로그램이 하나 또는 복수의 컴퓨터에 의해 실행될 때, 하나 또는 복수의 컴퓨터로 하여금 본 발명에 기재된 실시예에 나타낸 방법의 흐름 및/또는 장치 조작을 실행하도록 한다. 예를 들면, 상기 하나 또는 복수의 프로세서에 의해 본 발명의 실시예에 의해 제공되는 방법의 흐름이 실행된다.
시간과 기술의 발전에 따라, 매체의 함의는 점점 광범해지고 있는 바, 컴퓨터 프로그램의 전파 경로는 더는 유형 매체에 제한되지 않으며, 또한 직접 네트워크에서 다운로드할 수 있다. 하나 또는 복수의 컴퓨터 판독 가능 매체의 임의의 조합을 이용할 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터 판독 가능 신호 매체 또는 컴퓨터 판독 가능 저장 매체일 수 있다. 컴퓨터 판독 가능 저장 매체는 예를 들어 전기, 자기, 광학, 전자기, 적외선, 또는 반도체의 시스템, 장치 또는 소자, 또는 상기의 임의의 조합일 수 있지만 이에 한정하지 않는다. 컴퓨터 판독 가능 저장 매체의 더 구체적인 예(비 완정적인 리스트)는 하나 또는 복수의 도선을 구비하는 전기적 연결, 휴대용 컴퓨터 디스크, 하드 디스크, 램(RAM), 롬(ROM), 이피롬(EPROM 또는 플래시 메모리), 광섬유, 시디롬(CD-ROM), 광학 저장 소자, 자기 저장 소자, 또는 상술한 임의의 적절한 조합을 포함한다. 본 문서에서, 컴퓨터 판독 가능 저장 매체는 임의의 프로그램을 포함하거나 저장하는 유형의 매체일 수 있고, 당해 프로그램은 명령 수행 시스템, 장치 또는 소자에 의해 사용되거나 또는 이들과 결합하여 사용된다.
컴퓨터 판독 가능한 신호 매체는 베이스 밴드 또는 반송파의 일부분으로 전파되는 데이터 신호를 포함할 수 있고, 여기서 컴퓨터 판독가능한 프로그램 코드를 적재한다. 이러한 전파된 데이터 신호는 전자기 신호, 광학 신호 또는 상술한 임의의 적절한 조합을 포함하는 여러가지 형식을 이용할 수 있지만, 이에 한정되지 않는다. 컴퓨터 판독가능한 신호 매체는 컴퓨터 판독가능 저장 매체 이외의 임의의 컴퓨터 판독가능 매체일 수도 있고, 당해 컴퓨터 판독가능 매체는 명령 수행 시스템, 장치 또는 소자에 의해 사용되거나 또는 이들과 결합하여 사용하기 위한 프로그램을 송신, 전파 또는 전송할 수 있다.
컴퓨터 판독 가능 매체에 포함되는 프로그램 코드는 임의의 적합한 무선, 유선, 광 케이블, RF 등 또는 상술한 임의의 적절한 조합을 포함하지만 이에 한정하지 않는 매체로 전송할 수 있다.
하나 또는 복수의 종류의 프로그래밍 언어 또는 이의 조합으로 본 발명의 조작을 수행하기 위한 컴퓨터 프로그램 코드를 편집할 수 있고, 상기 프로그래밍 언어에는 예를 들어 Java, Smalltalk, C++와 같은 객체 지향 프로그래밍 언어를 포함하고, 예를 들어 "C"언어 또는 유사한 프로그래밍 언어와 같은 통상적인 프로시저식 프로그래밍 언어를 더 포함한다. 프로그램 코드는 완전히 사용자 컴퓨터에서 수행할 수 있고, 부분적으로 사용자 컴퓨터에서 수행할 수 있으며, 독립적인 소프트웨어 패키지로 수행할 수 있고, 일부분이 사용자 컴퓨터에서 일부분이 원격 컴퓨터에서 수행할 수 있으며, 또는 완전히 원격 컴퓨터 또는 서버에서 수행할 수 있다. 원격 컴퓨터에 관한 상황에서, 원격 컴퓨터는 근거리 통신망(LAN) 또는 광역 네트워크(WAN)을 포함하는 임의의 종류의 네트워크를 통해 사용자 컴퓨터에 연결될 수 있고, 또는, 외부 컴퓨터(예를 들어 인터넷 서비스 공급자를 이용하여 인터넷을 통해 연결)에 연결할 수 있다.
상기의 설명으로부터 알 수 있듯이, 본 발명 실시예에 의해 제공되는 상술한 방법, 장치 기기 및 컴퓨터 저장 매체는 이하 이점을 갖는다.
1）본 발명에 따르면, 네비게이션 경로 시점으로부터 시작하여 네비게이션 경로 종점까지 유저가 각 도로 구간에 도착하는 시각을 순차적으로 계산하고, 당해 시각의 도로 구간 도로 상황을 예측하며, 예측한 도로 상황에 기반하여 유저의 각 도로 구간에서의 통행 시간을 확정한다. 이러한 도로 상황 예측 방식은 유저가 향후에 각 도로 구간에 도착하는 시각에 대해 도로 상황 추정을 수행할 수 있으며, 유저 조회 시각에 기초하여 도로 상황 추정을 수행하는 방식과 비교하면 더 한층 정확한 도로 상황 정보를 제공할 수 있다.
2）상술한 예측 방식을 통해 얻은 도로 상황 정보는, 네비게이션 경로의 종점 도착 시간 및 네비게이션 경로의 통행 시간을 더욱 정확하게 확정하여, 유저가 정확히 결정을 내리도록 지원할 수 있다.
3）본 발명에 따르면, 각 도로 구간에 대해 제공한 도로 상황 추정 방식은, 과거 학습한 도로 상황 규칙에 따라 향후의 어느 시간의 도로 상황 변화 정황을 정확하게 추정할 수 있다.
4）본 발명에 따르면, 각 도로 구간에 대해 통행 시간을 추정할 때, 유저의 운전 행위 및 습관을 고려하여, 유저의 개성화 운전 특징을 통행 시간의 추정에 통합함으로써, 유저에 더욱 정확의 추정 결과를 제공할 수 있다.
5）본 발명에 따르면, 차량이 네비게이션 경로 상에서의 주행 위치와 도로 상황을 시간 축 상에 결합시켜 전개하고 동적으로 재생시킬 수 있으며, 유저는 진행률 바를 수동으로 드래그하여 각 시각의 차량 위치와 도로 상황을 관찰할 수 있다.
상기의 설명은 단지 본 발명의 바람직한 실시예일 뿐, 본 발명을 한정하지 않으며, 본 발명의 정신과 원칙 내에서 수행한 임의의 수정, 동등 교체, 개량 등은 모두 본 발명이 보호하고자 하는 범위 내에 포함되어야 할 것이다.
Claims (23)
- 도로 상황 예측 방법에 있어서,
네비게이션 경로가 구획되어 얻어진 적어도 2개의 연속적인 도로 구간(link)을 확정하는 것 - 상기 도로 구간은 분기 길목을 포함하지 않는 한 토막 도로임 -; 및
상기 네비게이션 경로의 시점으로부터 시작하여 상기 네비게이션 경로의 종점까지의 각 도로 구간에 대해 순차적으로 이하의 처리를 실행하는 것을 포함하며;
상기 처리는,
유저가 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것;
상기 현재 처리중인 도로 구간의 확정한 시점에서의 도로 상황 정보를 추정하는 것; 및
상기 현재 처리중인 도로 구간의 확정한 시점에서의 도로 상황 정보에 기반하여, 상기 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 추정하는 것을 포함하되,
상기 유저가 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것은,
상기 네비게이션 경로의 시점으로부터 시작하는 도로 구간에 대해 유저의 출발 시각을 유저가 현재 처리중인 도로 구간에 도착하는 시각으로 설정하는 것; 및
기타 도로 구간에 대해 유저가 직전의 도로 구간에 도착한 시각 및 추정하여 얻은 상기 유저의 상기 직전의 도로 구간에서의 통행 시간을 이용하여 유저가 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것을 포함하는 것을 특징으로 하는
도로 상황 예측 방법. - 제1항에 있어서,
상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보를 추정하는 것은,
유저가 현재 처리중인 도로 구간에 도착하는 시각으로부터 현재 시각까지의 시간을 확정하는 것; 및
상기 현재 처리중인 도로 구간 정보, 상기 시간 및 외부 요소 특징을 미리 훈련하여 얻은 도로 상황 모델에 입력하여 상기 현재 처리중인 도로 구간의 상기 확정한 시각에서의 도로 상황 정보를 얻는 것을 포함하는 것을 특징으로 하는
도로 상황 예측 방법. - 제2항에 있어서,
상기 도로 상황 모델은, 각 도로 구간의 과거 교통 흐름 정보를 수집하여 훈련 데이터로 설정하는 것; 및
각 도로 구간에 대해:
도로 구간의 각 과거 시간점에서의 교통 흐름 정보에 기반하여 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 확정하는 처리; 및
각 과거 시간점에서 미리 설정된 시간을 퇴각하여(backtrack), 각 과거 시간점에서 당해 도로 구간 상에서 주행한 유저가 각각 주행하여 온 도로 구간과 그 도로 상황 정보 및 각 과거 시간점에서 미리 설정된 시간을 퇴각한 외부 요소 특징을 확정하여 분류 모델의 입력으로 설정하고, 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 분류 모델의 출력으로 설정하여, 상기 분류 모델을 훈련하여 상기 도로 상황 모델을 얻는 처리를 실행함으로써 미리 훈련하여 얻는 것을 특징으로 하는
도로 상황 예측 방법. - 제1항에 있어서,
상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보에 기반하여 상기 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 추정하는 것은,
상기 현재 처리중인 도로 구간의 공통 특징을 확정하는 것 - 상기 공통 특징은 상기 도로 상황 정보를 포함함 - ;
상기 유저의 과거 운전 기록 중에서 상기 유저가 상기 현재 처리중인 도로 구간을 통과하는 개성화 운전 특징을 추출하는 것; 및
상기 공통 특징과 상기 개성화 운전 특징을, 미리 훈련하여 얻은 회귀 모델에 입력하여 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 얻는 것을 포함하는 것을 특징으로 하는
도로 상황 예측 방법. - 제4항에 있어서,
상기 회귀 모델은,
서로 다른 유저의 각 도로 구간에서의 공통 특징, 유저가 각 도로 구간을 통과하는 개성화 운전 특징 및 유저가 각 도로 구간을 통과하는 통행 시간을 훈련 견본으로 설정하는 것; 및
서로 다른 유저의 각 도로 구간에서의 공통 특징과 유저가 각 도로 구간을 통과하는 개성화 운전 특징을 입력으로 설정하고, 유저가 각 도로 구간을 통과하는 통행 시간을 출력으로 설정하여, 회귀 모델을 미리 훈련하여 얻은 것임을 특징으로 하는
도로 상황 예측 방법. - 제5항에 있어서,
상기 공통 특징은,
도로 구간 길이, 도로 등급, 신호등 수, 신호등 대기 시간, 외부 요소 특징 중 적어도 하나를 더 포함하는 것을 특징으로 하는
도로 상황 예측 방법. - 제2항, 제3항 또는 제6항에 있어서,
상기 외부 요소 특징은,
시간 특징, 요일 특징, 계절 특징 및 날씨 특징 중 적어도 하나를 포함하는 것을 특징으로 하는
도로 상황 예측 방법. - 제4항에 있어서,
상기 개성화 운전 특징은,
유저의 상기 현재 처리중인 도로 구간에서의 과거 통행 횟수, 상기 유저의 차량 정보, 상기 유저의 상기 현재 처리중인 도로 구간에서의 과거 운전 속도와 대중 운전 속도의 분산 중 적어도 하나를 포함하는 것을 특징으로 하는
도로 상황 예측 방법. - 제1항에 있어서,
상기 유저가 상기 네비게이션 경로의 종점에 도착하는 시각을 확정하는 것; 또는,
상기 유저의 상기 네비게이션 경로 상에서의 예상 통행 시간을 확정하는 것을 더 포함하는 것을 특징으로 하는
도로 상황 예측 방법. - 제1항 또는 제9항에 있어서,
추정하여 얻은 각 도로 구간의 도로 상황 정보와 각 시각을 매핑하며, 인터페이스 상에 매핑 결과를 동적으로 전개하는 것을 더 포함하는 것을 특징으로 하는
도로 상황 예측 방법. - 제10항에 있어서,
상기 추정하여 얻은 각 도로 구간의 도로 상황 정보와 각 시각을 매핑하며, 인터페이스 상에 매핑 결과를 동적으로 전개하는 것은,
추정하여 얻은 각 도로 구간의 도로 상황 정보를 시간 축 상에 매핑하며, 인터페이스 상에 시간에 따라 변화하는 차량 위치와 도로 상황 정보를 동적으로 전개하는 것을 포함하는 것을 특징으로 하는
도로 상황 예측 방법. - 제11항에 있어서,
유저의 상기 시간 축 상에서의 드래그 동작을 취득하는 것; 및
상기 인터페이스 상에서 유저가 드래그한 시간 축 위치에 대응하는 차량 위치와 도로 상황 정보를 전시하는 것을 더 포함하는 것을 특징으로 하는
도로 상황 예측 방법. - 도로 상황 예측 장치에 있어서,
네비게이션 경로가 구획되어 얻어진 적어도 2개의 연속적인 도로 구간을 확정하기 위한 도로 구간 확정 유닛 - 상기 도로 구간은 분기 길목을 포함하지 않는 한 토막 도로임 -; 및
상기 네비게이션 경로의 시점으로부터 시작하여 상기 네비게이션 경로의 종점까지 각 도로 구간에 대해 순차적으로 이하의 처리를 실행하기 위한 예측 처리 유닛을 구비하며;
상기 처리는,
유저가 현재 처리중인 도로 구간에 도착하는 시각을 확정하는 것;
상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보를 추정하는 것; 및
상기 현재 처리중인 도로 구간의 확정한 시각에서의 도로 상황 정보에 기반하여, 상기 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 추정하는 것을 포함하되,
상기 예측 처리 유닛은,
상기 네비게이션 경로의 시점으로부터 시작하는 도로 구간에 대해 유저의 출발 시각을 유저가 현재 처리중인 도로 구간에 도착하는 시각으로 설정하고; 기타 도로 구간에 대해 유저가 직전의 도로 구간에 도착한 시각 및 추정하여 얻은 상기 유저의 상기 직전의 도로 구간에서의 통행 시간을 이용하여 유저의 현재 처리중인 도로 구간에 도착하는 시각을 확정하기 위한 도착 시각 확정 서브 유닛을 구비하는 것을 특징으로 하는
도로 상황 예측 장치. - 제13항에 있어서,
상기 예측 처리 유닛은,
유저의 현재 처리중인 도로 구간에 도착하는 시각으로부터 현재 시각까지의 시간을 확정하고; 상기 현재 처리중인 도로 구간 정보, 상기 시간 및 외부 요소 특징을 미리 훈련하여 얻은 도로 상황 모델에 입력하여 상기 현재 처리중인 도로 구간의 상기 확정한 시각에서의 도로 상황 정보를 얻기 위한 도로 상황 추정 서브 유닛을 구비하는 것을 특징으로 하는
도로 상황 예측 장치. - 제14항에 있어서,
상기 예측 처리 유닛은,
상기 도로 상황 모델을 미리 훈련하기 위한 제1 훈련 서브 유닛을 더 구비하며,
상기 제1 훈련 서브 유닛은,
각 도로 구간의 과거 교통 흐름 정보를 수집하여 훈련 데이터로 설정하는 것; 및
각 도로 구간에 대해:
도로 구간의 각 과거 시간점에서의 교통 흐름 정보에 기반하여 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 확정하는 처리; 및
각 과거 시간점에서 미리 설정된 시간을 퇴각하며, 각 과거 시간점에서 당해 도로 구간 상에서 주행한 유저가 각각 주행하여 온 도로 구간과 그 도로 상황 정보 및 각 과거 시간점에서 미리 설정된 시간을 퇴각한 외부 요소 특징을 확정하여 분류 모델의 입력으로 설정하고, 당해 도로 구간의 각각 각 과거 시간점에서의 대응하는 도로 상황 정보를 분류 모델의 출력으로 설정하여, 상기 분류 모델을 훈련하여 상기 도로 상황 모델을 얻는 처리를 실행하는 것을 포함하는 것을 특징으로 하는
도로 상황 예측 장치. - 제13항에 있어서,
상기 예측 처리 유닛은,
상기 현재 처리중인 도로 구간의 공통 특징을 확정하고, 상기 공통 특징은 상기 도로 상황 정보를 포함하며; 상기 유저의 과거 운전 기록 중에서 상기 유저가 상기 현재 처리중인 도로 구간을 통과하는 개성화 운전 특징을 추출하고; 상기 공통 특징과 상기 개성화 운전 특징을 미리 훈련하여 얻은 회귀 모델에 입력하여 유저의 상기 현재 처리중인 도로 구간에서의 통행 시간을 얻기 위한 통행 시간 추정 서브 유닛을 구비하는 것을 특징으로 하는
도로 상황 예측 장치. - 제16항에 있어서,
상기 예측 처리 유닛은,
상기 회귀 모델을 미리 훈련하기 위한 제2 훈련 서브 유닛을 더 구비하며,
상기 제2 훈련 서브 유닛은,
서로 다른 유저의 각 도로 구간에서의 공통 특징, 유저가 각 도로 구간을 통과하는 개성화 운전 특징 및 유저가 각 도로 구간을 통과하는 통행 시간을 훈련 견본으로 설정하고,
서로 다른 유저의 각 도로 구간에서의 공통 특징과 유저가 각 도로 구간을 통과하는 개성화 운전 특징을 입력으로 설정하고, 유저가 각 도로 구간을 통과하는 통행 시간을 출력으로 설정하여, 회귀 모델을 훈련하는 것을 특징으로 하는
도로 상황 예측 장치. - 제13항에 있어서,
종점 시각 확정 유닛 또는 통행 시간 확정 유닛을 더 구비하며;
상기 종점 시각 확정 유닛은 상기 유저가 상기 네비게이션 경로의 종점에 도착하는 시각을 확정하고;
상기 통행 시간 확정 유닛은 상기 유저의 상기 네비게이션 경로 상에서의 예상 통행 시간을 확정하는 것을 특징으로 하는
도로 상황 예측 장치. - 제13항 또는 제18항에 있어서,
추정하여 얻은 각 도로 구간의 도로 상황 정보와 각 시각을 매핑하며, 인터페이스 상에 매핑 결과를 동적으로 전개하기 위한 동적 전개 유닛을 더 구비하는 것을 특징으로 하는
도로 상황 예측 장치. - 기기에 있어서,
하나 또는 복수의 프로세서; 및
하나 또는 복수의 프로그램을 저장하기 위한 저장 장치를 구비하며,
상기 하나 또는 복수의 프로그램이 상기 하나 또는 복수의 프로세서에 의해 실행되면, 상기 하나 또는 복수의 프로세서로 하여금 제1항 내지 제6항, 제8항 및 제9항 중 어느 하나에 기재된 방법을 구현하도록 하는 것을 특징으로 하는
기기. - 컴퓨터 실행 가능 명령을 포함하는 저장 매체에 있어서,
상기 컴퓨터 실행 가능 명령이 컴퓨터 프로세서에 의해 실행될 시, 제1항 내지 제6항, 제8항 및 제9항 중 어느 하나에 기재된 방법을 실행하는 것을 특징으로 하는
저장 매체. - 저장 매체에 기록되어 있는 컴퓨터 프로그램에 있어서,
상기 컴퓨터 프로그램이 컴퓨터 프로세서에 의해 실행될 시, 제1항 내지 제6항, 제8항 및 제9항 중 어느 하나에 기재된 방법을 실행하는 것을 특징으로 하는
저장 매체에 기록되어 있는 컴퓨터 프로그램.
- 삭제
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 |
|---|---|
| KR20200130439A KR20200130439A (ko) | 2020-11-18 |
| KR102457803B1 true KR102457803B1 (ko) | 2022-10-20 |
Family
ID=72608801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020207029830A KR102457803B1 (ko) | 2019-03-28 | 2019-03-28 | 도로 상황 예측 방법, 장치, 기기 및 컴퓨터 저장 매체 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11823574B2 (ko) |
| EP (1) | EP3767605A4 (ko) |
| JP (1) | JP7106794B2 (ko) |
| KR (1) | KR102457803B1 (ko) |
| WO (1) | WO2020191701A1 (ko) |
Families Citing this family (6)
| 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 |
| CN113665576A (zh) * | 2021-08-31 | 2021-11-19 | 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 |
| 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 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013524221A (ja) * | 2010-04-09 | 2013-06-17 | トムトム インターナショナル ベスローテン フエンノートシャップ | ナビゲーション又はマッピング装置及び方法 |
| US20140201121A1 (en) | 2013-01-17 | 2014-07-17 | Mitsubishi Electric Research Laboratories, Inc. | Method for Predicting Future Travel Time Using Geospatial Inference |
| 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 |
| 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 (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6317686B1 (en) * | 2000-07-21 | 2001-11-13 | Bin Ran | Method of providing travel time |
| ATE549711T1 (de) * | 2009-12-29 | 2012-03-15 | Research In Motion Ltd | System und verfahren zum senden einer ankunftszeitschätzung |
| 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 |
| 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 |
| 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 |
| JP6121071B1 (ja) | 2015-07-15 | 2017-04-26 | 三菱電機株式会社 | 経路評価装置および経路評価方法 |
| 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 |
| 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 US US17/042,834 patent/US11823574B2/en active Active
- 2019-03-28 WO PCT/CN2019/080043 patent/WO2020191701A1/zh unknown
- 2019-03-28 JP JP2020556771A patent/JP7106794B2/ja active Active
- 2019-03-28 EP EP19920910.7A patent/EP3767605A4/en not_active Ceased
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013524221A (ja) * | 2010-04-09 | 2013-06-17 | トムトム インターナショナル ベスローテン フエンノートシャップ | ナビゲーション又はマッピング装置及び方法 |
| US20140201121A1 (en) | 2013-01-17 | 2014-07-17 | Mitsubishi Electric Research Laboratories, Inc. | Method for Predicting Future Travel Time Using Geospatial Inference |
| 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 |
| 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 |
| EP3767605A1 (en) | 2021-01-20 |
| EP3767605A4 (en) | 2021-06-16 |
| KR20200130439A (ko) | 2020-11-18 |
| WO2020191701A1 (zh) | 2020-10-01 |
| JP7106794B2 (ja) | 2022-07-27 |
| JP2021519933A (ja) | 2021-08-12 |
| US11823574B2 (en) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102457803B1 (ko) | 도로 상황 예측 방법, 장치, 기기 및 컴퓨터 저장 매체 | |
| CN110375760A (zh) | 路线确定方法、装置、设备和介质 | |
| JP4165700B2 (ja) | 経路探索システム及び方法、ナビゲーションシステム並びにコンピュータプログラム | |
| WO2020151441A1 (zh) | 基于实时路况的路线规划方法、系统、设备及存储介质 | |
| US20090234572A1 (en) | Surrounding Search Data Generating System, Surrounding Search System, Surrounding Search Data Generating Method, Surrounding Search Method, and Navigation Apparatus | |
| EP2726819B1 (en) | Methods and systems for obtaining navigation instructions | |
| CN106969782B (zh) | 导航路线的推送方法、装置、设备以及存储介质 | |
| JP5384545B2 (ja) | ナビシステム、ナビサーバ、ナビクライアントおよびナビ方法 | |
| JP5892004B2 (ja) | 経路探索システム、経路探索装置、経路探索方法及びコンピュータプログラム | |
| CN101839725A (zh) | 车辆通信系统 | |
| CN107270923A (zh) | 一种路线推送的方法、终端及存储介质 | |
| JP3507133B2 (ja) | 誘導経路探索装置 | |
| US10989549B2 (en) | Route recommendation in map service | |
| CN107909180A (zh) | 公共交通出行用时的处理方法、设备及可读介质 | |
| CN110741227A (zh) | 地标辅助导航 | |
| RU2664034C1 (ru) | Способ и система создания информации о трафике, которая будет использована в картографическом приложении, выполняемом на электронном устройстве | |
| CN113418531A (zh) | 导航路线的确定方法、装置、电子设备和计算机存储介质 | |
| JP2019152628A (ja) | 経路情報送信方法、経路情報送信システム、車載端末 | |
| CN108256662A (zh) | 到达时间的预测方法和装置 | |
| JP6202799B2 (ja) | ナビゲーション装置 | |
| KR100912829B1 (ko) | 다중경로 안내 방법 및 그 시스템 | |
| JP2010038860A (ja) | ナビゲーション装置及び施設検索方法 | |
| CN117222863A (zh) | 用于确定通过可导航网络的估计行进时间的方法及系统 | |
| JP3193479B2 (ja) | 経路誘導方法 | |
| CN110542425A (zh) | 导航路径选择方法、导航装置、计算机设备及可读介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |