基于路况大数据的路网引领方法及系统

1.本发明涉及大数据智能交通技术领域，尤其基于路况大数据的路网引领方法及系统。


背景技术：

2.随着导航电子地图普及应用，为了节省出行时间，人们在驾驶出行前通过电子地图规划出行路径已经越来越普遍。地图导航类应用进行路径推荐时，可以根据每条候选路径的当前车流量和道路环境等因素确定推荐路径。但是，当电子地图产品发布后，相同起点到终点规划路径固定不变，同一时段内出行起终点相同的车辆容易造成集中拥堵；还有道路通行能力优先级固定不变，若出现临时交通管制、车辆交通事故，无法提醒用户绕行，造成出行耗时多。
3.虽然，随着地图产品的不断升级，有的地图导航类应用能够利用地图算法考虑道路通行能力优先级同时，结合实时动态交通情况，提醒用户避开拥堵路段；但是，动态交通信息从收集到发布有时间延误，用户得到道路交通拥堵信息与实际通行情况有偏差；还有导航过程需要用户结合动态交通信息不断调整通行路径，导航体验不佳。因此，在地图导航过程中，路径规划受条件限制较多，很多时候地图推荐的出行路径并非实际最优路径。
4.另外，在实现本发明过程中，还发现地图规划的出行路径在显示时，只显示实时的路况信息，也就是用户看到前方道路在当前状况下存在拥堵，因此，很多用户选择绕行或者是地图重新规划绕行的路径，但是，在实际中，往往车辆在行驶到拥堵路段时，拥堵路段可能就已经不拥堵了，使用户白白的绕行，浪费时间和油耗；因此，如何提高地图规划，能够更好地提供最优路径，综合考虑历史交通数据和实时路况、以及未来路况，对车辆合理地分流和路径规划，成为现有技术亟需解决的技术问题。


技术实现要素：

5.为解决上述技术问题，本发明提出基于路况大数据的路网引领方法及系统，路径规划中充分考虑了历史交通数据和实时路况、以及未来路况，实现规划出代价最小的最优路径，进而通过最优路径完成路网引领。
6.一方面，为实现上述目的本发明提出了基于路况大数据的路网引领方法，包括：
7.获取路网中的实时道路数据和车辆的实时数据；
8.基于所述实时道路数据和车辆的实时数据，对路网中的未来道路数据进行预测；
9.基于所述车辆的实时数据和所述未来道路数据，获取路网中的最优路径；
10.基于所述最优路径，对车辆进行路网引领。
11.可选地，所述实时道路数据包括：交通流数据信息、道路拥堵信息和道路事故信息；所述车辆的实时数据包括：起点到终点的位置信息、距离终点的剩余路程和时间和车辆状态信息。
12.可选地，对路网中的未来道路数据进行预测包括：
13.将当前的所述车辆的实时数据，带入到路网中，结合所述实时道路数据，在路网中进行预设未来时间段后的交通模拟，获取预测的所述未来道路数据；所述未来道路数据包括：未来交通流数据信息和未来道路拥堵信息。
14.可选地，获取路网中的所述最优路径包括：
15.基于车辆的当前位置信息和终点位置信息，利用所述车辆的实时数据和所述未来道路数据进行仿真交通分配，获取若干条初始路径；
16.分别获取每条所述初始路径的距离、用时和油耗；
17.基于所述距离、用时和油耗，分别对所述路径设置权重指标；
18.基于所述权重指标，获取路网中的所述最优路径。
19.可选地，对车辆进行路网引领包括：
20.预测所述最优路径中通过的全部车辆信息，所述车辆信息包括：到达所述最优路径中的车辆的数量，和每辆车到达所述最优路径的时间和位置；
21.基于所述全部车辆信息，获取所述最优路径中所述未来道路数据允许的最优车速信息；
22.基于所述最优车速信息，引领所述车辆在所述最优路径中以最佳的车速进行行驶。
23.一方面，为实现上述目的，本发明还提出了基于路况大数据的路网引领系统，包括：采集模块、预测模块、获取模块和引领模块；
24.所述采集模块，用于采集路网中的实时道路数据和车辆的实时数据；
25.所述预测模块，基于所述实时道路数据和车辆的实时数据，对路网中的未来道路数据进行预测；
26.所述获取模块，基于所述车辆的实时数据和所述未来道路数据，获取路网中的最优路径；
27.所述引领模块，基于所述最优路径，对车辆进行路网引领。
28.可选地，所述采集模块中，采集的所述实时道路数据包括：交通流数据信息、道路拥堵信息和道路事故信息；所述车辆的实时数据包括：起点到终点的位置信息、距离终点的剩余路程和时间和车辆状态信息。
29.可选地，所述预测模块对路网中的未来道路数据进行预测包括：
30.将当前的所述车辆的实时数据，带入到路网中，结合所述实时道路数据，在路网中进行预设未来时间段后的交通模拟，获取预测的所述未来道路数据；所述未来道路数据包括：未来交通流数据信息和未来道路拥堵信息。
31.可选地，所述获取模块包括：第一获取单元、第二获取单元、设置单元和输出单元；
32.所述第一获取单元、第二获取单元、设置单元和输出单元依次连接，所述第一获取单元还分别与所述采集模块和预测模块连接；
33.所述第一获取单元，基于车辆的当前位置信息和终点位置信息，利用所述车辆的实时数据和所述未来道路数据进行仿真交通分配，获取若干条初始路径；
34.所述第二获取单元，分别获取每条所述初始路径的距离、用时和油耗；
35.所述设置单元，基于所述距离、用时和油耗，分别对所述路径设置权重指标；
36.所述输出单元，基于所述权重指标，获取路网中的最优路径。
37.可选地，所述引领模块包括：第一预测单元、第二预测单元和引领单元；
38.第一预测单元、第二预测单元和引领单元依次连接，所述第一预测单元和所述预测模块连接；
39.所述第一预测单元，用于预测所述最优路径中通过的全部车辆信息，所述车辆信息包括：到达所述最优路径中的车辆的数量，和每辆车到达所述最优路径的时间和位置；
40.所述第二预测单元，用于基于所述全部车辆信息，获取所述最优路径中所述未来道路数据允许的最优车速信息；
41.所述引领单元，用于基于所述最优车速信息，引领所述车辆在所述最优路径中以最佳的车速进行行驶。
42.与现有技术相比，本发明具有如下优点和技术效果：
43.本发明提出基于路况大数据的路网引领方法及系统，包括：获取路网中的实时道路数据和车辆的实时数据；基于实时道路数据和车辆的实时数据，对路网中的未来道路数据进行预测；基于车辆的实时数据和未来道路数据，获取路网中的最优路径；基于最优路径，对车辆进行路网引领。本发明以实时道路数据和车辆的实时数据为基础数据，对交通路网进行模拟，得出未来道路数据，通过未来道路数据进而规划出最优路径，其中，路径规划中充分考虑了历史交通数据和实时路况、以及未来路况，实现规划出代价最小的最优路径，再通过推荐与之对应的最佳车速信息，对车辆进行引领，进而实现智能化的代价最小的路网引领。
附图说明
44.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
45.图1为本发明实施例1的方法流程示意图；
46.图2为本发明实施例2的系统结构示意图。
具体实施方式
47.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
48.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
49.实施例1
50.本实施例提出了基于路况大数据的路网引领方法，包括：
51.获取路网中的实时道路数据和车辆的实时数据；
52.基于实时道路数据和车辆的实时数据，对路网中的未来道路数据进行预测；
53.基于车辆的实时数据和未来道路数据，获取路网中的最优路径；
54.基于最优路径，对车辆进行路网引领。
55.进一步地，实时道路数据包括：交通流数据信息、道路拥堵信息和道路事故信息；车辆的实时数据包括：起点到终点的位置信息、距离终点的剩余路程和时间和车辆状态信
息。
56.进一步地，对路网中的未来道路数据进行预测包括：
57.将当前车辆的实时数据，带入到路网中，结合实时道路数据，在路网中进行预设未来时间段后的交通模拟，获取预测的未来道路数据，未来道路数据包括：未来交通流数据信息和未来道路拥堵信息。
58.在本实施例中，构建仿真交通路网，将用户当前的车辆实时数据带入到仿真交通路网中，再将实时道路数据也导入到仿真交通路网中，对车辆的行驶状态进行模拟，例如：根据当前用户车辆的位置和速度，结合实时的道路数据，模拟车辆到达预设路段所需要的时长，以及在此时间段内，预测会有多少车辆要到达预设路段，进而根据历史交通经验，判断这些车辆是否会对预设路段造成拥堵；还例如：假设预设路段目前处于拥堵路段，但根据当前用户车辆的位置和速度，结合实时的道路数据，模拟出车辆到达预设路段所需要的时长，以及在此时间段内，预测出要到达预设路段的车辆数，但根据历史交通经验，还可判断出，由于未来时间段进入拥堵的预设路段的车辆减少，则本来拥堵路段，在一段时间后，就会变成不拥堵，进而可以引领该车辆行驶。
59.进一步地，获取路网中的最优路径包括：
60.基于车辆的当前位置信息和终点位置信息，利用车辆的实时数据和未来道路数据进行仿真交通分配，获取若干条初始路径；
61.分别获取每条初始路径的距离、用时和油耗；
62.基于距离、用时和油耗，分别对路径设置权重指标；
63.基于权重指标，获取路网中的最优路径。
64.进一步地，对车辆进行路网引领包括：
65.预测最优路径中通过的全部车辆信息，车辆信息包括：到达最优路径中的车辆的数量，和每辆车到达最优路径的时间和位置；
66.基于全部车辆信息，获取最优路径中未来道路数据允许的最优车速信息；
67.基于最优车速信息，引领车辆在最优路径中以最佳的车速进行行驶。
68.实施例2
69.本实施例提出了基于路况大数据的路网引领方法，该引领方法使用的系统包括：采集模块、预测模块、获取模块和引领模块；
70.采集模块，用于采集路网中的实时道路数据和车辆的实时数据；
71.预测模块，基于实时道路数据和车辆的实时数据，对路网中的未来道路数据进行预测；
72.获取模块，基于车辆的实时数据和未来道路数据，获取路网中最优路径；
73.引领模块，基于最优路径，对车辆进行路网引领。
74.进一步地，采集模块中，采集的实时道路数据包括：交通流数据信息、道路拥堵信息和道路事故信息；车辆的实时数据包括：起点到终点的位置信息、距离终点的剩余路程和时间和车辆状态信息。
75.进一步地，预测模块对路网中的未来道路数据进行预测包括：
76.将当前的车辆的实时数据，带入到路网中，结合实时道路数据，在路网中进行预设未来时间段后的交通模拟，获取预测的未来道路数据；未来道路数据包括：未来交通流数据
信息和未来道路拥堵信息。
77.进一步地，获取模块包括：第一获取单元、第二获取单元、设置单元和输出单元；
78.第一获取单元、第二获取单元、设置单元和输出单元依次连接，第一获取单元还分别与采集模块和预测模块连接；
79.第一获取单元，基于车辆的当前位置信息和终点位置信息，利用车辆的实时数据和未来道路数据进行仿真交通分配，获取若干条初始路径；
80.第二获取单元，分别获取每条初始路径的距离、用时和油耗；
81.设置单元，基于距离、用时和油耗，分别对路径设置权重指标；
82.输出单元，基于权重指标，获取路网中的最优路径。
83.进一步地，引领模块包括：第一预测单元、第二预测单元和引领单元；
84.第一预测单元、第二预测单元和引领单元依次连接，第一预测单元和预测模块连接；
85.第一预测单元，用于预测最优路径中通过的全部车辆信息，车辆信息包括：到达最优路径中的车辆的数量，和每辆车到达最优路径的时间和位置；
86.第二预测单元，用于基于全部车辆信息，获取最优路径中未来道路数据允许的最优车速信息；
87.引领单元，用于基于最优车速信息，引领车辆在最优路径中以最佳的车速进行行驶。
88.以上，仅为本技术较佳的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.基于路况大数据的路网引领方法，其特征在于，包括：获取路网中的实时道路数据和车辆的实时数据；基于所述实时道路数据和车辆的实时数据，对路网中的未来道路数据进行预测；基于所述车辆的实时数据和所述未来道路数据，获取路网中的最优路径；基于所述最优路径，对车辆进行路网引领。2.根据权利要求1所述的基于路况大数据的路网引领方法，其特征在于，所述实时道路数据包括：交通流数据信息、道路拥堵信息和道路事故信息；所述车辆的实时数据包括：起点到终点的位置信息、距离终点的剩余路程和时间和车辆状态信息。3.根据权利要求1所述的基于路况大数据的路网引领方法，其特征在于，对路网中的未来道路数据进行预测包括：将当前的所述车辆的实时数据，带入到路网中，结合所述实时道路数据，在路网中进行预设未来时间段后的交通模拟，获取预测的所述未来道路数据；所述未来道路数据包括：未来交通流数据信息和未来道路拥堵信息。4.根据权利要求1所述的基于路况大数据的路网引领方法，其特征在于，获取路网中的最优路径包括：基于车辆的当前位置信息和终点位置信息，利用所述车辆的实时数据和所述未来道路数据进行仿真交通分配，获取若干条初始路径；分别获取每条所述初始路径的距离、用时和油耗；基于所述距离、用时和油耗，分别对所述路径设置权重指标；基于所述权重指标，获取路网中的所述最优路径。5.根据权利要求1所述的基于路况大数据的路网引领方法，其特征在于，对车辆进行路网引领包括：预测所述最优路径中通过的全部车辆信息，所述车辆信息包括：到达所述最优路径中的车辆的数量，和每辆车到达所述最优路径的时间和位置；基于所述全部车辆信息，获取所述最优路径中所述未来道路数据允许的最优车速信息；基于所述最优车速信息，引领所述车辆在所述最优路径中以最佳的车速进行行驶。6.基于路况大数据的路网引领系统，应用如权利要求1-5任一所述的基于路况大数据的路网引领方法，其特征在于，包括：采集模块、预测模块、获取模块和引领模块；所述采集模块，用于采集路网中的实时道路数据和车辆的实时数据；所述预测模块，基于所述实时道路数据和车辆的实时数据，对路网中的未来道路数据进行预测；所述获取模块，基于所述车辆的实时数据和所述未来道路数据，获取路网中的所述最优路径；所述引领模块，基于所述最优路径，对车辆进行路网引领。7.根据权利要求6所述的基于路况大数据的路网引领系统，其特征在于，所述采集模块中，采集的所述实时道路数据包括：交通流数据信息、道路拥堵信息和道路事故信息；所述车辆的实时数据包括：起点到终点的位置信息、距离终点的剩余路程和时间和车辆状态信息。
8.根据权利要求6所述的基于路况大数据的路网引领系统，其特征在于，所述预测模块对路网中的未来道路数据进行预测包括：将当前的所述车辆的实时数据，带入到路网中，结合所述实时道路数据，在路网中进行预设未来时间段后的交通模拟，获取预测的所述未来道路数据；所述未来道路数据包括：未来交通流数据信息和未来道路拥堵信息。9.根据权利要求6所述的基于路况大数据的路网引领系统，其特征在于，所述获取模块包括：第一获取单元、第二获取单元、设置单元和输出单元；所述第一获取单元、第二获取单元、设置单元和输出单元依次连接，所述第一获取单元还分别与所述采集模块和预测模块连接；所述第一获取单元，基于车辆的当前位置信息和终点位置信息，利用所述车辆的实时数据和所述未来道路数据进行仿真交通分配，获取若干条初始路径；所述第二获取单元，分别获取每条所述初始路径的距离、用时和油耗；所述设置单元，基于所述距离、用时和油耗，分别对所述路径设置权重指标；所述输出单元，基于所述权重指标，获取路网中的所述最优路径。10.根据权利要求6所述的基于路况大数据的路网引领系统，其特征在于，所述引领模块包括：第一预测单元、第二预测单元和引领单元；第一预测单元、第二预测单元和引领单元依次连接，所述第一预测单元和所述预测模块连接；所述第一预测单元，用于预测所述最优路径中通过的全部车辆信息，所述车辆信息包括：到达所述最优路径中的车辆的数量，和每辆车到达所述最优路径的时间和位置；所述第二预测单元，用于基于所述全部车辆信息，获取所述最优路径中所述未来道路数据允许的最优车速信息；所述引领单元，用于基于所述最优车速信息，引领所述车辆在所述最优路径中以最佳的车速进行行驶。

技术总结
本发明提出基于路况大数据的路网引领方法及系统，包括：获取路网中的实时道路数据和车辆的实时数据；基于实时道路数据和车辆的实时数据，对路网中的未来道路数据进行预测；基于车辆的实时数据和未来道路数据，获取路网中最优路径；基于最优路径，对车辆进行路网引领。本发明以实时道路数据和车辆的实时数据为基础数据，对交通路网进行模拟，得出未来道路数据，通过未来道路数据进而规划出最优路径，其中，路径规划中充分考虑了历史交通数据和实时路况、以及未来路况，实现规划出代价最小的最优路径，再通过推荐与之对应的最佳车速信息，对车辆进行引领，进而实现智能化的代价最小的路网引领。路网引领。路网引领。


技术研发人员：李英华
受保护的技术使用者：广东海洋大学
技术研发日：2023.04.10
技术公布日：2023/7/11