一种交通路径诱导方法及系统

摘要

本公开提出了一种交通路径诱导方法及系统，方法包括如下步骤：获取各个相近路段的车辆通行数据；根据获取的通行数据，基于通行时间概率的路径算法，计算每个路段的通行时间以及该通行时间内通过的概率；融合通行时间及通行时间内通过的概率，确定推荐路径。本公开对规划路径的推荐进一步具体化，给出每条路段通行的通行推荐信息，包括通行时间、通行时间内的通过概率以及油耗，能够使得驾驶员根据需求准确选择通行路段，提高了推荐的精准化，同时提高了用户体验。

权利要求

1.一种交通路径诱导方法，其特征是，包括如下步骤：获取各个相近路段的车辆通行数据；所述相近路段是指从出发地到目的地路径长度和通行时间小于设定值的路段；

根据获取的通行数据，基于通行时间概率的路径算法，计算每个路段的通行时间以及该通行时间内通过的概率；方法如下：分别按照有无红绿灯建立有红绿灯路段模型和无红绿灯路段模型；

将通行数据输入至有红绿灯路段模型，计算有红绿灯路段的可通过的通行时间；

根据通行数据以及有红绿灯路段的通行时间，计算无红绿灯路段在相同的时间内可通过的概率；所述相同的时间为有红绿灯路段的可通过的通行时间；

融合通行时间及通行时间内通过的概率，确定推荐路径。

2.如权利要求1所述的一种交通路径诱导方法，其特征是：无红绿灯路段模型具体为：路段通行时间计算公式为：

S1米路段A内的车辆数满足泊松分布，车辆数为n＝k辆的概率为：其中，S1为路段A的长度，λ表示平均到达率；t表示每个计数间隔持续的空间或时间；令m＝λt，则m为在计数间隔t内平均到达的最大车辆数，即为泊松分布的参数。

3.如权利要求1所述的一种交通路径诱导方法，其特征是：确定无红绿灯路段在通行时间内的通行概率的方法，包括如下步骤：设定无红绿灯路段的通行时间与有红绿灯路段的通行时间相同；

根据无红绿灯路段模型及设定的通行时间，计算该路段内的通行车辆的数量；

根据无红绿灯路段模型，计算该无红绿灯路段在该通行车辆数量下的概率，即为设定通行时间内通过的通行概率。

4.如权利要求1所述的一种交通路径诱导方法，其特征是:有红绿灯路段模型，具体为：车辆通过路程与行驶时间的关系函数为：有红绿灯路段B的通行速度和通行时间的关系为：v＝b·tanh(k(t‑τ))+b+v0式中，b、k为大于0的常数，v0为车辆的初速度，v0+b为车辆的末速度，t为时间变量，τ为时间常数，tanh()表示双曲正切函数，t1是减速时长，t2是减速加速总时长，其中，t2的时长是t1的两倍。

5.如权利要求1所述的一种交通路径诱导方法，其特征是：获取车辆的起步加速度、稳定行驶速度和有红绿灯路段的长度；

根据获取的数据计算通行时间。

6.如权利要求1所述的一种交通路径诱导方法，其特征是：确定推荐路径之前，还包括计算相近路段中每个路段通行的油耗的步骤，融合通行时间、通行时间内通过的概率以及各个路段的油耗，确定推荐路径。

7.如权利要求6所述的一种交通路径诱导方法，其特征是:所述油耗的确定过程，包括如下步骤：

根据各个相近路段的通行时间计算通行平均速度；

根据阻力做功原理及路段长度，以及获得平均速度计算分别通过不同路段通行的燃油消耗比。

8.如权利要求1所述的一种交通路径诱导方法，其特征是：车辆通行数据包括路段长度、车辆起步加速度、起步后的稳定速度。

9.如权利要求1所述的一种交通路径诱导方法的系统，其特征是，包括：数据获取模块：被配置为用于获取各个相近路段的车辆通行数据；

通行时间及概率计算模块：被配置为用于根据获取的通行数据，基于通行时间概率的路径算法，计算每个路段的通行时间以及该通行时间内通过的概率；

融合推荐模块：被配置为用于融合通行时间及通行时间内通过的概率，确定推荐路径。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1‑8任一项方法所述的步骤。

说明书

一种交通路径诱导方法及系统

技术领域

[0001] 本公开涉及智能交通相关技术领域，具体的说，是涉及一种交通路径诱导方法及系统，尤其适用于城市两条行驶时间相近路段的最优路径诱导方法。

背景技术

[0002] 本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

[0003] 随着经济的快速发展，通勤已经成为与人们息息相关的问题，通勤效率和通勤成本也被纳入人们考虑的通勤因素。通勤者对待路径的选择已经作为一个研究领域被广泛讨
论，对通勤者需求进行建模和导航系统的开发已广泛地集中于在交通和运输规划与工程领
域。通过为通勤者提供通勤高峰期的最优路径，可以减少城市交通压力，节省出行时间，并
且保护环境。

[0004] 通勤工具出现多元化，燃油率、时间、距离都是通勤者可能考虑的因素。在路径的选择上，人们通常会选择最短的路径来节约成本。比较常见的有：Dijkstra算法、Floyd算法
和A*算法，智能路径规划不仅应用于智能机器人领域，也广泛应用于智能交通，为驾驶员提
供可选的多个路线，由驾驶员自主选择。理论只要是指对于物体运动轨迹的规划，物体从源
点到终点运动，需要经过许多节点，这些节点连接起来所构成的便是路径。发明人发现，现
存的路径规划算法还有许多不足之处：以往的研究主要从多条备选路径中获得时间或长度
最短的路径，最优路径与其他备选路径往往有较大的预测行驶时间差异，而当两条路径行
驶时间相近时，缺乏对实际路段中路况的判断，无法给出精准的建议，即提供一条最优路
径。规划目标一般以时间为目标函数，给出估算时间，当出现两条及以上时间相近路线长度
相近的推荐路线时，目前的规划算法不能给出相应的推荐建议，使得驾驶员盲选，不能实现
精准推荐。

发明内容

[0005] 本公开为了解决上述问题，提出了一种交通路径诱导方法及系统，能够给出通行时间相近、路线长度相近的两条或者多条路径的精准推荐，按相近路线中的路线通行的优
缺点，从而有利于按照相应的通行目的选择最优路径，实现智能交通诱导。

[0006] 为了实现上述目的，本公开采用如下技术方案：

[0007] 一个或多个实施例提供了一种交通路径诱导方法，包括如下步骤：

[0008] 获取各个相近路段的车辆通行数据；

[0009] 根据获取的通行数据，基于通行时间概率的路径算法，计算每个路段的通行时间以及该通行时间内通过的概率；

[0010] 融合通行时间及通行时间内通过的概率，确定推荐路径。

[0011] 一种交通路径诱导系统，包括：

[0012] 数据获取模块：被配置为用于获取各个相近路段的车辆通行数据；

[0013] 通行时间及概率计算模块：被配置为用于根据获取的通行数据，基于通行时间概率的路径算法，计算每个路段的通行时间以及该通行时间内通过的概率；

[0014] 融合推荐模块：被配置为用于融合通行时间及通行时间内通过的概率，确定推荐路径。

[0015] 一种计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。

[0016] 与现有技术相比，本公开的有益效果为：

[0017] (1)本公开不仅从通行时间长短上进行交通路径诱导推荐，还通过在通行时间内通行的概率，给出了车辆通行的推荐的另一参考指标，能够大大提高推荐的精准性。

[0018] (2)本公开对规划路径的推荐进一步具体化，给出每条路段通行的通行推荐信息，包括通行时间、通行时间内的通过概率以及油耗，能够使得驾驶员根据需求准确选择通行
路段，提高了推荐的精准化，同时提高了用户体验。

附图说明

[0019] 构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。

[0020] 图1是本公开实施例1的方法流程图；

[0021] 图2是本公开实施例1示例A、B路段示意图；

[0022] 图3是本公开实施例1的A路段车流速度与车间距关系拟合图；

[0023] 图4是本公开实施例1的B路段速度随时间变化图像。具体实施方式：

[0024] 下面结合附图与实施例对本公开作进一步说明。

[0025] 应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常
理解的相同含义。

[0026] 需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式
也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包
括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突
的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实
施例进行详细描述。

[0027] 实施例1

[0028] 在一个或多个实施方式中公开的技术方案中，如图1所示，一种交通路径诱导方法，包括如下步骤：

[0029] S1：获取各个相近路段的车辆通行数据；

[0030] S2：根据获取的通行数据，基于通行时间概率的路径算法，计算每个路段的通行时间以及该通行时间内通过的概率；

[0031] S3：融合通行时间及通行时间内通过的概率，确定推荐路径；

[0032] 具体的，可以确定通行时间短且在通行时间内通过概率高的路段为推荐路径。

[0033] 本实施例不仅从通行时间长短上进行交通路径诱导推荐，还通过在通行时间内通行的概率，给出了车辆通行的推荐的另一参考指标，能够大大提高推荐的精准性。

[0034] 可选的，相近路段即为从出发地到目的地路径长度和通行时间小于设定值的路段。

[0035] 在一些实施例中，根据获取的通行数据，基于通行时间概率的路径算法，计算每个路段的通行时间和通行概率的方法，可以如下：

[0036] S21：分别按照有无红绿灯建立有红绿灯路段模型和无红绿灯路段模型；

[0037] S22：将通行数据输入至有红绿灯路段模型，计算有红绿灯路段的可通过的通行时间；即该通行时间内车辆可通过，通行概率为100％。

[0038] S23：根据通行数据以及有红绿灯路段的通行时间，计算无红绿灯路段在相同的时间内可通过的概率。

[0039] 步骤S21中，无红绿灯路段A可以为高架路或者为高速，无红绿灯路段模型可以具体为：

[0040] 路段A的通行时间为：

[0041]

[0042] S1米路段A内的车辆数满足泊松分布，车辆数为n＝k辆的概率为：

[0043]

[0044] 其中，S1为路段A的长度，λ表示平均到达率(辆/s)；t表示每个计数间隔持续的空间(单位为米)或时间(单位为秒)；若令m＝λt，则m为在计数间隔t内平均到达的最大车辆
数，即为泊松分布的参数,n为车辆数。

[0045] 通过车辆数，计算获得通行时间，通过计算在通行时间内通过的概率就可以与其他路径进行比较，从而可以给出推荐建议。

[0046] 确定无红绿灯路段A在通行时间内的通行概率的方法，可以包括如下步骤：

[0047] S221：设定无红绿灯路段A与有红绿灯路段B的通行时间相同；

[0048] S222：通过通行时间根据无红绿灯路段模型计算该路段内的通行车辆的数量；

[0049] S223：根据无红绿灯路段模型，计算该无红绿灯路段在该通行车辆数量下的概率，即为设定通行时间内通过的通行概率。

[0050] 有红绿灯路段B可以为普通路段，该路段中包含有使得车辆加减速的路口，红绿灯路段模型，可以具体为：

[0051] 车辆通过路程与行驶时间的关系函数为：

[0052]

[0053] 有红绿灯路段B的通行速度和通行时间的关系为：

[0054] v＝b·tanh(k(t‑τ))+b+v0

[0055] 式中，b、k为大于0的常数，v0为车辆的初速度，v0+b为车辆的末速度，t为时间变量，τ为时间常数，tanh()表示双曲正切函数，t1是减速时长，t2是减速加速总时长，其中，t2的
时长是t1的两倍。

[0056] S22‑1：获取车辆的起步加速度、稳定行驶速度b和有红绿灯路段的长度；

[0057] S22‑2：根据获取的数据计算通行时间。

[0058] 如图2所示，本实施例以从P点至Q点的两条路段A和B进行说明，获得的路段A的通行数据为路段A的长度为400米，为高架路；获得的路段B的通行数据为路段B的长度为500
米，为城市普通路段；

[0059] 对于路段B：

[0060] 通行速度和通行时间满足以下关系：

[0061] v＝b·tanh(k(t‑τ))+b+v0

[0062] 式中，b、k为大于0的常数，v0、v0+b分别为车辆的初速度和末速度，t为时间变量，τ为时间常数，tanh()表示双曲正切函数。

[0063] 两侧对时间t求导可得，最大加速度表达式为：

[0064] amax＝(b+Δb)·k

[0065] 最大加速度可以描述B路段车辆在遭遇红灯后减速及再次起步的情形。此外，为确2
保安全与舒适，限制汽车起步加速度最大为0.315m/s ，稳定通行情形下路段最高行驶速度
为14m/s，假定B路段中的车辆为20辆，则可求得参数如下：

[0066] k＝0.065,b＝14,v0＝0m/s

[0067] 代入可求得加速过程模型表达式为：

[0068] v＝14tanh(0.065(2t‑63))+14

[0069] 同理可知减速过程模型表达式为：

[0070] v＝‑14tanh(0.065(2t‑17))+14

[0071] 在500米的B路段内，速度随时间变化图像如图4所示。

[0072] 因此，车辆通过的路程为：

[0073]

[0074] 解上述方程可得：

[0075]

[0076] 解得：

[0077] t≈40

[0078] 对于路段A：

[0079] 计数间隔可以采用持续的空间(m)，则：

[0080]

[0081] 假设车身长6米，则平均车间距x为：

[0082]

[0083] 因此，若保持10米的车间距，则最多可以容纳25辆车。

[0084] 由实际数据可拟合出车流速度v与车间距x的函数关系，拟合效果如图3所示，函数关系具体为：

[0085] v＝25.19‑e3‑0.02x

[0086] 即为：

[0087]

[0088] 该路段内的通行时间与车辆数有关，通行时间可以计算车辆数，可以设定通行时间计算通行车辆数。

[0089] 通过的时间与路段B相同为40s：

[0090]

[0091] 则40秒内从路段A通行的对应车辆数n＝20；

[0092] 由泊松分布可知，车辆数在20辆以下的概率为：

[0093]

[0094] 车辆数在20辆及以上的概率为：

[0095] P＝1‑P20＝0.9459

[0096] 而20辆车情形下，A路段通过400米的时间为40秒。因此，通行时间超过40秒的概率为94.59％，A路段有极大概率发生堵车。

[0097] 所以，如果在两个路段均有20辆车的情况下，基于路段的平均速度，两个路段中车辆的清空时间均为40秒。

[0098] 考虑到B路段的规则性，路段上的车辆数为已知，A路段上的车辆数服从公式2。经过计算，A路段有94.59％的概率超过20辆车，实际通过时间随车辆数变化。所以A路段中车
辆完全通过的时间可能超过40秒。因此从概率角度分析，A路段无法在40秒内通过的概率为
94.59％，因此，应选择B路段更稳定。

[0099] 作为进一步地改进，在步骤S3中，还包括如下步骤：计算相近路段中每个路段通行的油耗，融合行时间、通行时间内通过的概率以及各个路段的油耗，确定推荐路径。

[0100] 其中，油耗的确定过程，包括如下步骤：

[0101] S331:根据各个相近路段的通行时间计算通行平均速度；

[0102] S332:根据阻力做功原理及路段长度，以及获得平均速度计算分别通过不同路段通行的燃油消耗比。

[0103] 具体的示例，可以如下：

[0104] 当车辆在平坦的道路上驾驶，车辆行驶过程中，消耗的燃油量公式为：

[0105]

[0106] 式中，QL表示车辆百公里的耗油量；ge表示车辆发动机的耗油量；va表示车辆行驶速度；ηT表示车辆传动系统机械效率；Pf表示车辆克服滚动阻力所消耗的功率；Pw表示车辆
克服空气阻力所消耗的功率；Pi表示车辆克服加速阻力所消耗的功率。

[0107] 两路段低速驾驶时的空气阻力系数与轮胎摩擦力系数相同，则摩擦力与空气阻力做功仅与路段长度有关。由阻力做功的功率公式：

[0108]

[0109] 由于公式为百公里油耗，经过折算，可以得到两路段的百米油耗公式为：

[0110]

[0111] 而两路段阻力做功之比为：

[0112]

[0113] 因此，两路段的总油耗之比为：

[0114]

[0115] 代入平均速度计算公式可得：

[0116]

[0117] 本实施例的具体示例中，选择A路段的油耗与选择B路段的油耗之比为79:100。相比之下，A路段更为省油。

[0118] 通过上述计算，可以得到以下对照表(1)：

[0119] 表(1)

[0120]

[0121]

[0122] 根据对照表分析可得，如果通勤者时间紧迫，建议选择B路段；否则从节约燃油费的考虑，则建议选择A路段；

[0123] 可见，本实施例对规划路径的推荐进一步具体化，给出每条路段通行的通行推荐信息，包括通行时间、通行时间内的通过概率以及油耗，能够使得驾驶员根据需求准确选择
通行路段，提高了推荐的精准化，同时提高了用户体验。

[0124] 实施例2

[0125] 本实施例提供一种交通路径诱导系统，包括：

[0126] 数据获取模块：被配置为用于获取各个相近路段的车辆通行数据；

[0127] 通行时间及概率计算模块：被配置为用于根据获取的通行数据，基于通行时间概率的路径算法，计算每个路段的通行时间以及该通行时间内通过的概率；

[0128] 融合推荐模块：被配置为用于融合通行时间及通行时间内通过的概率，确定推荐路径。

[0129] 实施例3

[0130] 本实施例提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1的方法所述的步骤。

[0131] 以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修
改、等同替换、改进等，均应包含在本公开的保护范围之内。

[0132] 上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不
需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。