[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN1449551A - 用于提供交通和相关信息的方法和系统 - Google Patents

用于提供交通和相关信息的方法和系统 Download PDF

Info

Publication number
CN1449551A
CN1449551A CN01814587A CN01814587A CN1449551A CN 1449551 A CN1449551 A CN 1449551A CN 01814587 A CN01814587 A CN 01814587A CN 01814587 A CN01814587 A CN 01814587A CN 1449551 A CN1449551 A CN 1449551A
Authority
CN
China
Prior art keywords
link
traffic
data
time
tourist
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.)
Pending
Application number
CN01814587A
Other languages
English (en)
Inventor
R·特雷福德
C·卡尔
J·范利尔萨姆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CUSTOM TRAFFIC Pty Ltd
Original Assignee
CUSTOM TRAFFIC Pty Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from AUPQ8381A external-priority patent/AUPQ838100A0/en
Priority claimed from AUPR4793A external-priority patent/AUPR479301A0/en
Application filed by CUSTOM TRAFFIC Pty Ltd filed Critical CUSTOM TRAFFIC Pty Ltd
Publication of CN1449551A publication Critical patent/CN1449551A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • 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
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • 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
    • G08G1/096716—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 where the received information does not 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
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/024—Guidance services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种用于提供交通或者相关信息的系统，该系统包括：数据库，其存储历史上的交通数据，可操作该数据库去接收实质上实时的交通数据和相关的数据；装置，其用于根据旅行者轨迹，结合历史上的、实时的和相关的交通数据，从而相对于那些旅行者轨迹产生定制的预测交通信息；以及装置，其用于发送该定制的预测交通信息给想要的接受者，其中该定制的预测交通信息包括对于在该旅行者轨迹中描述的行驶路线预计的行驶延迟。

Description

用于提供交通和相关信息的方法和系统
发明领域
本发明涉及旅行者信息服务，尤其涉及一种提供预测的交通信息给独立的旅行者的系统。
发明背景
交通状况的监控和通告在交通流量的管理中是重要因素。从汽车驾驶人的角度看，该因素在节约乘车来往时间和不必要的延迟方面可能是至关重要的。已经有实际努力来提供便利条件，使汽车驾驶人或者其他用户能够以及时的方式访问交通和相关的信息。
一种已知类型的交通通告是使用“观察人”，即指定人员或者公众报告交通事件给广播电台或者中央控制器，用于随后传播给公众。但是，这样的系统无法满足当今用户需求对其所提出的预期。
进一步开发的现有技术系统包括在公路上使用传感器，诸如摄像机，其链接到用于传播交通信息的中央设备。传感器可以策略地位于高速公路和主要公路的出口/入口。其它系统则是基于放置在主要公路和高速公路上的传感器或者指定观察人的蜂窝/移动电话。这样的系统和中央控制设备结合起来，去提供给蜂窝网络用户关于交通流量、事件、弯路、道路结构等等的信息。用户还可以有机会电话拨入和检索关于诸如高速公路这种交通网的特定方面的即时信息。
但是，上述系统在其提供有用的定制信息给用户的容量方面有限的。它们通常局限于提供当前交通条件的状态，而由更新/事件报告加以补充，该更新/事件报告可以对问题持续时间给出线索。这并不满足汽车驾驶人的需要，汽车驾驶人需要关于这样内容的信息：当他在未来某个时刻行驶通过当前处于阻塞的位置时，那时的状况如何。另外，对于是否有替换路线和/或那些替换路线的细节，这些系统并不提供指示。
现有技术系统的一个显著缺点是缺乏定制的和至关重要的即时信息来提供给个别用户。
因此，希望提供一种系统，其以及时和定制的方式为个别汽车驾驶人通告交通信息。
还希望提供给各个用户一种网络，该网络包含与那些个别用户有关的预测交通信息。
包括在本说明书中的文献、操作、材料、设备、条款等等的任何描述仅仅是为了给本发明提供说明。不可认为任何上述内容或所有上述内容构成在本申请的各权利要求的优先日期之前的现有技术基础的的一部分，或者是本领域中与本发明有关的公知常识。
发明概述
本发明提供了一种系统，该系统用于提供交通或者相关信息，其包括：
数据库，该数据库存储历史上的交通数据，可操作接收基本上实时的交通数据和相关数据；
装置，该装置对应于旅行者轨迹(traveller profile)而结合历史上的、实时的和相关的交通数据，从而产生对应于那些旅行者轨迹的、定制的预测交通信息；和
装置，该装置将上述定制的预测交通信息发送给想要的接受者，其中该定制的预测交通信息包括对于描述在该旅行者轨迹中的行驶路线的预计行驶延迟。
在一个优选实施例中，该定制的预测交通信息被发送给一个信息分配器，该信息分配器将旅行者信息分配给为了接收与其旅行需求相关的交通信息而已经预订该信息分配器的用户。在这种情况下，最好是用户具有远程终端以接收该定制的信息。该系统和终端可以提供从用户到系统的通信。
历史上的和实时的交通数据可能主要包括从交通控制信号以及交通传感器和检测器所收集的数据，该交通传感器和检测器放置在贯穿交通网的关键位置。该数据库能够可操作地存储历史上的和实时的通信量数据和/或相关数据，以便频繁检索。存储在该数据库中的该历史上的交通数据最好是包括先前的交通数据的采样，该先前的交通数据涉及用户所关心的地理区域。上述的数据可以包括来自诸如交通阻塞区域这种重要相关位置的数据、在特定路标的交通流量和沿着特定路线的速度。相关数据可以包括从其它传感器和检测器——诸如用于测量和报告温度和降雨量的传感器——所收集的数据，并且还可以包括与有效事件有关的数据，该有效事件能够影响通过交通网的交通量(例如是否为假期？)。
存储在该数据库中的相关交通数据最好是包括有关事件、事件、道路结构、替换路线的信息以及气象信息。相关数据可以从任何印刷品、电子或者无线电通信中获得，其然后被转换为数据，用于在所述数据库存储，并且随后由该系统使用。
用于综合历史上的、实时的和相关的交通数据的装置可以包括一个模型，其基于历史记录而提供对于特定线路的预期延迟的指示。用一个模型与参考基础数据进行比较，应减少存储器需求，并且也可能减少计算时间，且因此而提供更及时的结果。
通过提供一个根据本发明的系统，一个用户就能够相对于他的或者她的行驶路线，在行程之前和/或在行程期间，接收交通或者相关信息。该系统可以提供给用户更新的和相对及时的信息，该信息是对应于用户的习惯旅行模式而预测得出的。
本申请人已经认识到存在一个“空间时间关系窗口(space-timewindow)”，其中汽车驾驶人需要个人化的、用户化和本地化的旅行信息，而且在“空间时间关系窗口”期间之前或者在其之后所接收的信息对于旅行者具有有限的用途。
当然，该系统可以包括一个与用户有关的信息数据库，并且可以直接提供定制的预测交通信息给用户。
在本发明的一个实施例中，提供了一种提供交通和相关信息给用户终端的系统，该系统包括：
用户数据库；
在网络中的多个用户终端，至少能够接收文本消息；
存储历史上的交通数据的数据库，可操作用以接收实质上实时的交通数据和相关数据；
装置，其根据存储在所述用户数据库中的用户轨迹而综合所述历史数据和所述实时数据，以产生对于个别用户定制的预测交通信息；以及
装置，其在对个别用户关键的时候，对在所述网络中的各个个别用户终端发送所述定制的预测交通信息，其中该定制预测交通信息包括对于在用户的旅行轨迹中描述的行驶路线预计的行驶延迟。
在一个本发明的优选形式中，所述用户是一个汽车驾驶人，且所述网络是一个蜂窝或者移动通信网络。该网络可以支持短信息业务(SMS)、无线应用协议(WAP)或者第三代(3G)无线宽带网络。
该用户数据库最好是在非易失性存储器中存储个别用户轨迹，其中每一个别用户轨迹最好包含和该用户身份有关的信息。轨迹可以还包括参数，诸如通常的行驶时间、通常采用的路线、和用户喜欢接收定制的预测交通信息的时间。这些时间可能被该个别用户认为是至关重要的。用户可配备有至数据库的入口，以改变其轨迹的参数。可经一个专用网站提供该入口。
用户终端可包括能够接收交通信息和/或其它相关信息的移动通信设备。该设备可以是构成为移动通信网络的一部分的移动电话，并且可以适用于以SMS、WAP或者3G格式接收数据。该设备甚至可以集成有文本至语音(text to voice)或者交互语音应答(IVR)技术。
最好是，该设备能够从该数据库请求与历史上的或者实时的交通信息有关的信息。
用于合成历史上的和实时的数据的装置可以包括一个基于历史数据而用于不同的交通环节(traffic link)预期延迟的模型。在这种情况下，该模型最好是包括一个适合用于预测交通信息的数学模型。该模型还可以根据用户行驶路线而比较历史数据变量与实时数据。可采用统计方法去确定该数据变量的效应，并且该统计方法可以包括多变量回归、多变量时间序列、光谱分析逐段每日模板或类似内容，或者是上述内容的任何组合。除了由交通密度产生的预期延迟之外，可能出现可以显著地增加历史上所预期延迟的事件。当出现一个可以对用户具有显著影响的事件，即可以将其在他或者她的下一个主要路线改变之前发送给用户，因此使该用户有可能选择一个备用路线，以求避免增加该用户所预期的行驶时间。
在一个特别的优选实施例中，该系统包括一个用于确定通过交通网的最佳行驶路径的装置。用于确定通过该交通网的最佳行驶路径的装置可以利用一种考虑到交通网中每一单独行驶线上交通流量方向的方法。另外，最好是该方法也考虑到由交通信号对通过一个信号受控交叉路口的单独交通流量所导致的不同延迟。
在有些情况下，可能仅有有限的历史交通数据可用于任何特定的交通网或者该交通网的一部分。此外，实时交通信号数据可能仅能用于有限数量的交通网的信号受控(其频率足以关系到预计行驶时间的目的)交叉路口。在这种情况下，用于确定通过一个交通网的最佳行驶路径的装置最好是执行这样一种方法：使接收自有限数量的信号受控交叉路口的数据匹配在该交通网中的没有及时的可用交通信号数据的其余交叉路口。
类似地，在希望将一个系统用于存在有限的可用交通数据的交通网，或者也许没有交通数据可用的情况下，该系统可以包括一个用于确定交通流量估算的装置，其中该装置执行这样一种方法：使来自具有已知数据的交通网的信号受控交叉路口匹配具有有限的交通数据的交通网。这使得该系统至少能够建立一个最初估算，随着时间推移，更多对应于该交通网的交通数据变为可用，该最初估算可以改进。
在一个优选实施例中，来自遍及交通网的交通受控交叉路口的数据匹配考虑到不同的因素，包括该交叉路口的几何形状、该交叉路口的朝向，以及由特定交通信号导致的交通实际流量与对应于前述信号的最大可能交通流量相比较的比值。这后一种因素被称为“饱和度(DOS)”。当然，匹配遍及交通网的各交叉路口的方法可以包括附加因素，诸如对应于该交叉路口的信号周期时间的历史每日平均值。为了建立对应于每一因素重要性的顺序，可以给用于确定在交叉路口之间匹配的各种各样的因素以优先级或者说加权。当用具有交通网的已知数据的交叉路口去匹配另一个交通网(诸如其它城市)的数据时，这种单个因素的顺序或者加权可能变化。此外，这种单个因素的顺序或者加权可能从交通网的一个区域至另一区域而有所不同。
用于周期性地发送定制的交通信息的装置可以包括至少一个能够发送至少文本消息的数据库服务器。该定制的交通信息最好是被转发给用户的移动式网络。被制订和发送的该信息的频率和时间可以通过用户旅行轨迹确定。该信息可以在用户的行驶路线之前和/或期间被发送。
在一个供选择的形式中，该预测的信息可以按照该用户的位置定制。该用户的位置或者说定位可以通过定位系统确定，该定位系统诸如有全球定位系统(GPS)、移动定位系统(MPS)或者其它装置。
按照另一方面，本发明提供了一种提供交通或者相关信息的方法，该方法包括如下步骤：
a)在数据库中存储历史上的、实时的和相关的交通数据；
b)根据旅行者轨迹，结合所述历史上的、实时的和相关的数据，以产生对应于那些旅行者轨迹的定制的预测交通信息；和
c)发送该定制的预测交通信息给想要的接受者，其中该定制的预测交通信息包括对应于在该旅行者轨迹中描述的行驶路线的预计行驶延迟。
在一个实施例中，本发明提供了一种提供交通或者相关信息的方法，该方法包括如下步骤：
a)在数据库中存储历史上的、实时的和相关的交通数据；
b)根据旅行者轨迹，结合所述历史上的、实时的和相关的数据，以产生对应于那些旅行者轨迹的定制的预测交通信息；和
c)发送该定制的预测交通信息给用户终端，该用户终端能够在网络中并且在对用户来说关键性的时间接收至少文本消息，其中该定制的预测交通信息包括对应于在用户的轨迹中描述的行驶路线的预计行驶延迟。
在一个特别优选的实施例中，该方法包括确定通过交通网的最佳路径的步骤，其最好是考虑了在该交通网中每条个别的行驶线上交通流量的方向。另外，最好是该方法也考虑由交通信号对经由一个信号受控交叉路口的个别交通流量所引起的不同延迟。
在有些情况下，可能仅有有限的历史交通数据可用于任何特定的交通网或其一部分上。另外，对于交通网的有限数量的信号受控交叉路口，可能仅有实时交通信号可用于以足够的频率来预计行驶时间。在这种情况下，用于确定经由交通网的最佳路径的装置最好是执行一种方法，该方法使从有限数量的信号受控交叉路口所接收的数据匹配该交通网中的其余交叉路口，因为其余交叉路口没有及时可用的交通信号数据。
类似地，若希望以一种方法用于其中存在有限的可用交通数据(或者也许没有可用的交通数据)的交通网的情况，则该方法可以包括步骤，使来自具有已知数据的交通网的信号受控交叉路口匹配具有有限交通数据的交通网。
在一个优选实施例中，匹配来自遍及交通网的信号受控交叉路口的数据的方法考虑到各种不同因素，包括该交叉路口的几何形状、该交叉路口的方向，以及由特定交通信号所导致的交通实际流量与上述同一信号的可能的最大交通流量相比较的比值(即，DOS)。当然，匹配遍及交通网的各交叉路口的所述方法可以包括附加因素，诸如用于该交叉路口的信号周期时间的历史每日平均值。为了建立每个因素的重要性的顺序，对用于确定在各交叉路口之间匹配的各种各样的因素可予以优先级或者加权。当使用具有已知数据的交叉路口匹配另一个交通网(例如其它城市)的交叉路口时，个别因素的顺序或者加权可以变化。此外，个别因素的顺序或者加权可以由交通网的一个区域至另一个区域而有所不同。
附图简要说明
下列的说明更详细地涉及本发明的交通信息系统的不同的特点。为了便于对本发明的理解，参考伴随的附图进行描述，这里在一个优选实施例中，举例说明该交通信息系统。应该明白，本发明的交通信息系统不局限于如附图所示的优选实施例。在附图中：
图1是一个按照本发明的交通信息系统实施例的示意图；
图2是一个流程图，举例说明一个按照本发明的交通预测过程的实施例；
图3是一个典型的识别行驶线和各个交通流量的交通交叉路口的示意图；
图4是一个用于典型交通环节的在车辆流量和车辆密度之间典型关系的示意图；
图5是一个对应于各种各样不同类别公路的车辆流速和车辆密度之间典型关系的示意图；和
图6是一个在本发明的实施例中导出的平均自由车辆速度和饱和度之间关系的示意图。
发明优选实施例详述
在下面参考附图1至6描述本发明的优选实施例。实时交通相关数据
现在参考图1，其示出了一个本发明的交通信息系统1的实施例的示意图。在该优选实施例的情况下，该系统包括用于直接发送定制的交通信息给旅行者的装置，该旅行者已经预订接收上述的信息。当然，该系统可以提供定制的信息给第三方信息分配器，其随后实施分配该定制的信息给特殊的用户。
图1的系统包括各种各样的信源2，用于提供实时交通相关数据和相关数据。这些信源2可以包括公用的可用数据、专用数据或者专有数据。数据库3存储历史上的交通数据。该数据库3与信源2接口，以接收实时交通数据和相关数据。该数据库3也包括用于结合历史上的、实时的和相关的交通数据的装置，包括实施该数据的统计分析的装置，且其适合于产生定制的旅行者信息包。
一个会员或者用户数据库4，存储对应于各个用户的旅行轨迹，当产生对应于各个用户7的旅行者信息包的时候，查阅该旅行轨迹。一个SMS服务器5，提供一个在数据库3和无线网络6(诸如移动网络或者GSM网络)之间的网关。
该用户7具有移动通信装置，诸如一个移动式电话，可操作其以接收经移动式网络6发射的数据。在该优选实施例中，对应于根据该用户的旅行轨迹的相关交通信息，在该用户的电话上接收定制的正文信息。该用户7可以配备有入口，以经因特网或者以其它存取方式而存取其存储在用户数据库4中的轨迹。这提供给用户7以机会去编辑和改变其旅行轨迹。
该各种各样的数据信源2通常提供实时的交通相关数据。上述的信源可以包括高速公路环线检测器、摄像机、公用的和私人拥有的信源，并且车辆配备有具有无线电或者移动通信设备的GPS设备，用于发送关于通过交通网的车辆进程的数据。另外，除常规的媒体通告之外可以使用空中监视。
在该数据库3和该数据信源2之间接口的数据包括从不同网点自动采集的公共信息，诸如气象预测及其它视频和音频信息，其被接收并且由操作员键入而附加到自动采集的信息。结合历史上的、实时的和相关的交通数据
数据库3结合软件，以结合和处理历史交通数据和相对于用户旅行轨迹的任何实时数据。有许多种方法可用于进行上述处理。在该优选实施例中该软件以Perl写入，并且在一个实施例中，该软件运行于使用Linux操作系统的个人计算机上。
参考列表1，其中示出了一个存储在数据库3中的信息类型的例子。
                           列表1No.    近郊区         出发    进入    进入时间   离去    离去时间 目的地1341   BoxHill        6：30   MDL       7：05    HOD      7：20    BMDS1342   Donvale        6：40   SPR       6：47    HOD      7：20    SUN1343   N.Balwyn       6：40   BUL       6：50    HOD      7：10    CBD1345   Kew            6：40   BRK       6：50    HOD      7：20    CAR1345   S.Wantirna     6：45   SPR       7：00    HOD      7：30    CBD1346   S.Wantirna     6：45   SPR       7：00    HOD      7：30    CBD1347   Wheelers Hill  6：50   WEL       6：55    PNT      7：35    BMDS1348   Wheelers Hill  6：50   SPR       6：55    HOD      7：50    BMDS1349   E.Doncaster    6：50   DON       7：00    HOD      7：30    ABB1350   Balwyn         7：00   CHN       7：10    HOD      7：30    BMDS1351   Glen Waverley  7：00   BILK      7：10    HOD      7：45    CBD1352   Rowville       7：00   WEL       7：10    PNT      8：00    BIRD1353   Rowville       7：00   WEL       7：10    PNT      8：10    BMDS1354   E.Doncaster    7：00   BILK      7：12    HOD      8：00    BMDS1355   Rowville       7：00   WEL       7：15    PNT      8：20    CBD1356   Greensboroueh  7：00   BRK       7：20    HOD      7：50    CBD
在本例中，实时数据已经与历史数据结合，从而产生对于给定路线的预计行驶时间。该例子涉及在维多利亚州墨尔本的远郊行驶到Monash高速公路。为说明起见，以编号1345的表目为例，包含在这一表目中的信息使得该系统预计：在上午6：45离开南Wantirna，意味着在大约上午7：00由Springvale入口进入高速公路。预测要在上午7：30在Hoddle St离去。包含在该数据库3中的该信息可以被不断地更新。
再次参考图1，该SMS服务器5从数据库3以电子邮件的形式接收定制的消息。该电子邮件包括对于各个用户7定制的预测交通信息。该预测的行驶时间信息、事件和气象信息经SMS服务器5通过该移动式网络6而传送给用户7的移动式电话。该预测的信息可以在不同的时间窗口(time window)期间被传送，诸如天黑以前、行程正好开始之前、在途中或者正好在提供到达目的地的替换路线选择的分叉点之前。包含在用户数据库4中的用户轨迹确定该预测信息被传送的频率和时间。
列表2举例说明一个产生和传送给各个用户的定制消息的瞬态图。
                                     列表2
23/13/99 07：16：01：建立ppp环节23/11/99 07：16：03：发送Sathish，大约22分钟至PNT给0414123456@_triaLepus.com.au23/11/99 07：16：04：发送1个邮件消息23/11/99 07：21：07：发送Grant，大约16分钟至HOD给0414234567@smsa.erics.com.au23/13/99 07：25：30：处理向东+高速公路23/11/99 07：25：31：处理Monash+高速公路23/11/99 07：25：31：处理西方+门+高速公路23/11/99 07：26：12：发送给Tracey，大约13分钟至HOD给04191234561@cfsms@ericn.com.au23/11/99 07：31：17：发送给Michael，SPR-＞HOD19分钟给0415987654@semes.epa.com.au23/11/99 07：31：19：发送3个邮件消息23/11/99 07：36：23：发送George，JAC-＞PNT28分钟给0418123456@xyz.epanyb.com.au23/11/99 07：41：28：发送Geoff，大约15分钟至HOD给0414333444@abc.erin.com.au22/11/99 07：41：38：发送2个邮件消息
例如，在上午7：16发送给Sathish的消息预测他将花费22分钟到达Punt Rd。类似地，在上午7：21对于Grant的消息预测他将花费16分钟到达Hoddle St。典型地，这些消息在用户开始其行程之前发送给他们。
例如，用户在上午8：00从Rowville离家，并且大约在上午8：15在Wellington Rd进入Monash高速公路，将在上午7：55得到标准的预测交通信息消息。如果在上午7：55和8：15之间发生一起事件，则在该用户进入该高速公路之前，经移动式电话将另一个消息发送给他。通过这种方法，该用户在关键性时间被告知有关他的行程的交通情况，从而使该用户得以改变其正常行驶路线，以图避免由该事件引致耽搁。
在该列表下面，还有三个表目显示出在高速公路上的交通信息的处理。本例说明了结合实时数据与历史数据以提供预测信息的操作。该处理周期性地进行，或者当数据库中接收到更新的实时数据时进行。
参考图2，其示出一个利用统计模型的交通预测过程例子的处理流程图。该处理流程包括下列步骤：
步骤1：获得积累的一系列历史数据，该历史数据可以取不同地理位置上的持续2～10分钟延迟平均值的形式，由此以时间步长形成一连串历史延迟。
步骤2：使用常规的频谱方法，获得历史数据中的周期性走向，并且自该历史数据和结果输出中将其去除并列表为交通数据。
步骤3：获得历史上的气象数据并将其与保持不变的交通数据拼接，使得对于在交通数据列表中的每个表目，添加以下各列：a)从上一次下雨以来的时间(Dr)；以及b)过去3小时的降雨量(R)。然后，将各列附加给原先输出的交通数据列表，以表示是否该数据属于以下几种情况或者所有的情况：
i)学校假期期间(Sh＝0或1)；
ii)公共的暑假期间(Ch＝0或1)；
iii)周末/周日(We＝1/0)；
iv)公众假期或者工作日之前/之后(Ph，Ph -，Ph +)。
上文的变量是相关交通数据的例子，该交通数据涉及事件的类型，可以被作为处理和类似操作的模型用，也可以输入其它变量。通过增加上述的附加列，与不同事件和特定时间段有关的天气模式的结果就附加到该交通数据列表中。
为了形成适合于预测分析历史数据的模型，交通数据对应于一个星期中的每一天而分成七个文件。依所需频率而定，在每个文件中的数据被平均组合以代表15分钟或者30分钟平均值。一般地，30分钟时间将是足够的。因此在操作中，例如以下设想在星期一早上8：30的平均延迟。用于特定或者说给定行驶路线的代表性的延迟数据包括对应于交叉路口和/或高速公路(其称为环节(link))的、在该路线上对应于该路线的每个环节的预期开始时间的各个延迟。在上午8：30至9：00之间的30分钟时间期间，对应于每个环节的平均延迟得自于在该30分钟期间上二分钟间隔的时间平均值。该二分钟采样间隔是一个连续数据流，得自于高速公路、交叉路口等等的传感器。该间隔时间可根据所需频率而改变。
将在星期一早上8：30的所有上述的平均延迟结合在一起，合成一个独立的文件，并且使用以下函数执行该数据的最小二乘法拟合(leastsquares fit)：
延迟＝a0+a1*Dr/(a2+Dr)+a3*R/(a4+R)+a5*Sh
      +a6*Ch+a7*We+a8*Ph+a9*P-+a10*Ph+其中：Dr代表从上一次下雨以来的时间
  R代表在上一次预先确定的期间的降雨量
  Sh代表学校假期时间
  Ch代表公共暑假时间
  We代表周末或者周日休假
  Ph代表公众假期
  P-代表在公众假期之前的一天
  Ph+代表在公众假期之后的一天。
在优选的实施例中，对应于七天中的每一天的每30分钟时间执行上述的模型化。这会产生336组系数，每组10个(a0至a9)，这些系数描述用于每个环节的历史数据。当不需要时，使用描述历史数据的模型，较之于在RAM中存储所有的可用平均历史数据，将会导致降低主存储器和次级存储器的需求。在此使用一个模型，预期该模型大约每六个月即会更新。在优选实施例的情况下，该最小二乘法拟合分析将每六个月执行一次，以产生新的用于每个环节的336组系数(a0至a9)。
步骤4：从与所测量的交通网的环节延迟有关的不同信源获得实时数据和与对应于交通网中的各环节的实际气象条件有关的相关数据，
步骤5：对于在交通网中的每个环节，基于该季节性调整的历史延迟和测量的气象条件，确定历史上的预期延迟，并且以对应于所测量的延迟的时间步长(time step)，对于每个环节计算最近对该环节测量的延迟与对于该环节历史上预期的延迟的比值。这个比值被标注为“JVL”。
步骤6：当预计从开始节点至目标节点的预期延迟的时候，确定在每个环节预期的开始时间，每个环节的历史上预期延迟应为何值，并且在求和历史上针对每个环节的预期延迟之前，使路线的每个环节的历史预期延迟乘以该环节相应的JVL比值，因此形成用于从开始节点到目的地节点的预计的预期延迟。
影响交通网中交通环节的预期行驶延迟的事件由操作员手动输入数据库中。由于该事件的紊乱变化特性，由受影响环节上的交通所产生的预期延迟必然依赖于目击者的估算。事件目击者的观察和由事件导致的预期环节延迟被输入数据库，使得综合装置定期地访问，从而更新历史上的预期环节延迟的数据库。在另一个实施例中，由事件所引起的对交通环节的预期延迟可以保持在与历史上预期的环节延迟的数据库相比较独立的数据库中，并且该二个数据库可以在提供预计的实际延迟用于旅行者从交通网中的开始节点到目的地节点行驶的时候被访问。随着时间过去，直到接收到与事件有关的观察为止，该事件数据库可以更新以反映由该事件所引起的预期延迟中的任何变化。
在优选实施例中，该事件数据库被每次存取一个旅行者轨迹，以用于该用户的行驶延迟的预计和传送。通过交通网的最佳路径
在一个本发明的优选实施例中，该定制的预测交通信息系统包括确定一个用户经由交通网在最小的时间内到达他的或者她的目的地的最佳路径。对于经由交通网的最佳路径的搜索除操作员输入及其它自动数据馈给之外，考虑每个环节流量方向和各种各样由交通控制信号对经由每个交叉路口的交通变化所引起的不同的延迟。
参考图3，其为一个交通交叉路口11的示意图，交叉路口11有输入/输出环节将其连接到各交叉路口(节点)12、13、14和15。所述环节可以是双向的，除了在图3中的细节之外，可能有更多的节点连接到节点11。通常，运动到达B(或者在B停止排队)将花费不同的时间穿过交叉路口至C、D或者E。这些时间将取决于在每个环节上的阻塞和设置在交叉路口11上的交通信号。
为了说明起见，术语“饱和度(DOS)”指的是由特殊的交通信号产生的交通变化的实际流量与由该信号产生的最大可允许的交通流量相比较的比值。DOS是测量该交叉路口阻塞的尺度，并且在某些情形之下可以在很短的时间内转换为一个用于特定动作的延迟。
为了说明起见，术语“平均自由行驶时间”指的是当所有的交通控制设备被拆除的时候沿着一个环节的行驶时间。
参考图4，其详述了对应于一个典型的交通环节、在车辆流量和车辆密度之间的典型关系。如自图4所见，该相互关系是一个凸曲线，在零车辆密度和饱和度交叉该车辆密度轴。对应于交通环节的“平均自由速度”的值可以根据图4通过车辆流量(表示为车辆/每秒)除以相应的密度(表示为车辆/每公尺)来决定。如那些本领域技术人员将认可的，该“平均自由速度”是一个难以确定的数值。
在一个本发明的优选实施例中，沿着车道的每个环节的该平均自由车辆速度是从在用于各种各样不同的类别的道路(例如，高速公路、干线、郊外公路)的车辆流速和车辆密度之间的关系中获得的。图4也详示了在一个交通环节上发生饱和流量的点(Xm，fm)。
在图5中详述了用于不同的类别道路的典型关系。更可取的是还确定在车辆密度和饱和度之间进一步的关系。由于DOS与车辆流量成正比，车辆流量可以从DOS得出结论。对于在一个环节上小于饱和流量的车辆流量(即，图4中小于fm)，平均自由速度可通过流量(从该DOS得出的结论)除以相应的密度来计算。对应于较高的DOS，对大于饱和流量的车辆流量，车辆的平均自由速度经历迅速的降低而接近于零。在图6中示出在平均自由速度和DOS之间的关系。对应于饱和流量在该饱和度以外的该实际的关系可以从实验中获得。因此，DOS可用于估算流速，其可除以车辆密度从而提供平均自由速度。
一个从A至B至C至F的行驶时间模型将求和在B至C运动中带有延迟的从A至B和C至F的不阻塞行驶时间。该不阻塞行驶时间是平均自由行驶时间。这些时间可以由平均自由行驶速度和该环节长度计算，该平均自由行驶速度通常对于特定类型的全部道路是恒定的。对于计算，规定线路行驶时间为平均自由行驶时间加上用以通过紧接的上游交叉路口的时间是有利的。即，在环节BCF上的行驶时间是在环节CF上的平均自由行驶时间加上处理运动BC的时间。后者可以从由交通控制系统以定期的时间间隔(例如1分钟)发送的数值来计算。例如，在SCATS(悉尼共纵坐标自适应交通系统，Sydney Co-ordinated AdaptiveTraffic System)交通控制系统中，对计算交叉路口运动延迟需要的变量是：
-日期/时间
-交叉路口关键通道编号(例如环节编号)
-本地计算机名称/编号(提供数据的计算机身份)
-子系统编号
-用于该关键通道的绿色信号时间
-用于该关键通道的信号周期时间
-用于该关键通道的DOS
如上所述限定线路行驶时间指的是，可以使用传统的最佳路径搜索方法，例如Dijkstra。但是，也指的是存在几个与每个特定环节有关的行驶时间。例如，与每个环节有关的行驶时间包括用于交叉路口运动BC、EC、DC和CPC(一个U形转弯)的时间，它们附加到下行环节的平均自由行驶时间CF上，也就是说四个线路行驶时间。
通常，如果在一个节点连接有n个环节，就存在n*n个与该节点有关的行驶时间。当在该最佳路径中执行从给定节点对于下一个节点搜索的时候，需要知道对当前节点的该路径中的上游节点，从而可以计算到新的节点的正确的线路行驶时间。
在本发明的优选实施例中，在实施最优搜索的每个不同的时刻，线路行驶时间被存储在一个单独的连续矢量中。另一个矢量包括第一个矢量的标志，其中可找到关于该延迟经由一个特定节点的信息。
例如，假定NCOST是一个行驶时间的矢量，而NINDEX(nn)是交叉路口nn的标志，在该环节，NCOST中的线路行驶时间开始。如果存在k个环节连接在交叉路口nn，则对应于连接节点nn的各环节的线路行驶时间在矢量NCOST中占有位置NINDEX(nn)至NINDEX(nn)+k*k-1。具体地说，如果i＝(NINDEX(nn)+j*k-1+n)，其中j＜k且n＜＝k，则假定交通是从上游节点n进入节点nn，NCOST(i)就是在节点nn和第j个下游节点之间的延迟。这个方法是存储环节延迟的相对有效的方法，当新的交叉路口延迟变为可利用之时，存储的环节延迟易于更新。
因为在CF上的行驶时间(假定经AB抵达节点1)在矢量NCOST中占据与在BA上的行驶时间(假定经FC抵达节点1)不同的位置，仅需要存储在各节点之间的单独连接。通过这种方法处理来双向流量。
实际上，NCOST可以是二维的，第一维涉及时刻，第二维涉及如上所述的环节延迟。例如，如果该系统运行10分钟来自交通管制信号的平均值数据，第一维将是144，因为在一天中存在144个独立的10分钟时间。
类似道路作业、临时/固定的道路封闭和事故的交通事件可以用上述方案，通过在NCOST的对应于该事件的已知或估算时间的适当位置输入很大的环节行驶时间来处理。在单方向性环节的情况下，可以永久地在NCOST的位置中输入一个非常大的环节延迟，其与非法的运动方向有关。
大多数事件将由一个与进入文件之内的事件有关的操作员类型代码处理。该计算机程序将定时地(例如每5秒)读取该文件并且更新NCOST。如果一个事件已经出现，并且在适当的环节上的延迟已经设置为很大数值，来自交通控制系统的数据可以与对应于受该事件影响的交通网的一部分的历史数据相比较。当该事件清除时，该动态的数据将返回到“正常”，并且该很大的环节延迟还可以被恢复为正常值。因此，动态的数据就为事件检测操作员提供了一个反馈路径。
历史数据应该从交通信号采集，使得存在对应于一周中每天的完整的24小时典型数据组。在采集该数据之前，应该确定最低采样周期(例如10分钟)。在给定的日子开始的时候，该有关数据组应该被输入NCOST。
随每天进展，该系统应该采集当前信号数据，以适于填入NCOST的相关时隙的形式将其处理，并将其存档以便进行历史数据库的脱线修改。
当接收到对于最佳或者固定的旅行时间请求的时候，从过去少数时间的交通信号数据收集的环节延迟可以与相应的历史数据相比较，并且估算可以由NCOST的全部矢量的每个组成部分、对应下面n个时间步长使用各种各样的方法完成，包括：
-时间序列分析
-指数加权
-对每个环节延迟，根据当前可用延迟对历史延迟的比值，直接乘以历史数值。
如果必要的话，由一个操作员动态地增加和去除事件。事件报告可以通过语音接收，并且使用语音识别技术以电子方法提取基本信息，并且传送给事件报告的数据库。
本发明的优选实施例认为，当旅行开始的时候，贯穿旅行的部分路线的环节延迟不是在前述开始时间的延迟。在执行搜索方法时，当计算在旅行中的下一个环节延迟的时候，计算在旅行中对每个节点的经过时间，并且使用适合于该特定时间的NCOST矢量。显然，在缺少动态数据馈给或者动态数据馈给故障的情况下，可以使用历史数据，但是当动态数据变为可利用之时，它可用于修改在NCOST中的历史数据的后面的矢量，以反映当前的交通条件。根据旅行已知的起点和目的地，可以使用适合于当日中该时间的最保守的平均移动速度得出旅行行驶时间的一个近似估算。然后，以此估算在NCOST中必须对其进行预计的时间周期的数目。
虽然已经相对于SCATS系统描述了优选实施例，可以设想，本发明可以容易地修改以接收和利用通过其它交通控制系统——诸如SCOOT(分隔周期偏移最佳化技术)系统——采集的数据。预计交通网运动延迟
某些交通控制系统不能对每个交叉路口提供小于一个小时内的完全更新的一组运动延迟。但是，它们可以或许在小于十分钟内对交通网中各交叉路口的百分之十加以更新。通过仔细地选择自其采集交通数据的交叉路口，这个数据可以与适时数据是不可用的其余交叉路口相匹配。
挑选用于数据采集的交叉路口必须覆盖适时数据不可用的交叉路口的几何形状和容量范围。容量的一种尺度是在一天中的平均DOS。历史数据允许采集适当的数据，并且计算对应于所有交叉路口的这个数值。任意二个预期的匹配应该具有类似的DOS。类似地，如果历史上的绿色信号时间和信号周期时间可用，则其每日的平均值还可以用于匹配各对交叉路口。
任意二个匹配的交叉路口最好具有相同数量的交叉环节。为了数据匹配目的，交叉路口的方向最好布置得使最靠近于对着中心商业区的各所述环节得到调整。此外，所述的两个交叉路口最好应该尽可能靠近，离开中心商业区同样的距离。
上述所有的匹配准则是“离线”有效的。即，只要该交通网几何上的和适当的历史数据是已知的，它们可以被应用于该系统。可用的匹配因素越多，各交叉路口之间的匹配就越准确。在优选实施例中，总是使用匹配环节数量的准则、离开中心商业区的距离以及相对于中心商业区的方向。一旦确定了匹配，采集的交叉路口数据可以被输出给匹配的交叉路口，提供对于整个交通网的一整套交通数据。
关于匹配过程，有趣的是注意到在环节延迟中的错误倾向于取消穿越许多环节的旅程。
如果交通数据对于一个城市的一部分是可用的，但是对于另一个与第一个城市具有相似的交通流量特征的城市是不可用的，可以使用上述的某些属性执行交叉路口匹配，以估算在不存在交通数据的该城市中的该交通数据。在城市中，被匹配的本地消息可以允许按“忙”来分类交叉路口，其可以等同于对已经采集数据的该城市中交叉路口的平均每日DOS值的范围。然后，就可能估算在新城市中贯穿白天的行驶时间。这种方法允许在其交通特征已知类似于已运行上述设备的城市的交通特征的任意城市建立行驶时间咨询系统。随着时间的过去，可以在该“新的”城市中采集适当的数据，从而改善历史数据库。理论上，为了能够提供真实的实时旅行者信息，该历史数据需要补充以来自浮动(floating)或者种子(seeded)车辆的动态数据。无论怎样，施加交通数据匹配处理，至少使得没有实际可用的交通数据的城市能够建立最初的估算。用于交付交通信息的供选择的装置
用于传送信息的可选择方式可包括文字-语音(text to voice)转换。预测的交通信息可以被转换为语音，并且或者作为话音呼叫而发送，或者在不答复情况下作为音频消息保留以便随后检索。在另一形式中，还可以通过基于交互语音应答(IVR)系统的菜单来利用来自数据库的交通信息。此外，HTML文本可以被截取为更基本的适合于显示在WAP和/或3G移动电话上的WML文本。
再次参考图1，在一个供选择的方案中，用于个别用户7的位置数据可以被确定并与服务器5相关。可以采用GPS、MPS或者其它适宜的定位系统去确定个别用户的准确位置和状态。如果该用户改变他的行驶出发时间，基于作为由他的位置数据确定的其当前状态，他的定制消息可以被动态更新。用户还可以根据需要请求特定的信息。在SMS协议中调用的服务被称为“推”和“拉”消息。推/拉服务是从请求交通信息的用户的电话发送的SMS消息(拉)，和作为回答带有必要信息发送的SMS消息(推)。用户也可以访问一个专用网站，其除了为该用户特定的通道之外具有适合于公众的信息。各用户可以按需要改变其轨迹。包括在用户轨迹内的信息类型可以包括用户的预期出发时间、用户熟悉的主要的和备用的路线，以及用户对于天气预报信息的优先选择。结束语
本发明的方法和系统包括有许多的优点，并且本领域技术人员将理解，如特定的实施例所示，无需脱离如概括描述的本发明的精神或范围，即可以对本发明进行许多的变化和/或修改。因此，当前的各实施例被考虑为在所有的方面是说明性的而不是限制性的。

Claims (52)

1.一种用于提供交通或者相关信息的系统，包括：
数据库，其存储历史上的交通数据，可操作用以接收基本上实时的交通数据和相关的数据；
装置，其对应于旅行者轨迹而结合所述历史上的和实时的交通以及相关的数据，从而根据该旅行者轨迹产生定制的预测交通信息；和
装置，其发送该定制的预测交通信息给想要的接受者，其中该定制的预测交通信息包括对描述于该旅行者轨迹中的行驶路线的预计行驶延迟，
2.根据权利要求1所述的系统，其中所述想要的接受者接收用于所有旅行者轨迹的该定制的预测交通信息，并且分离涉及每个旅行者轨迹的该信息，用于随后根据其轨迹而发送给各单个旅行者。
3.根据权利要求1或权利要求2所述的系统，其中有旅行者轨迹的至少一个单个旅行者具有一个远程终端，该远程终端可操作用以接收所发送的定制预测交通信息。
4.根据权利要求3所述的系统，其中该远程终端可操作以发送信息给数据库。
5.根据权利要求3或权利要求4所述的系统，其中该远程终端是移动式电话。
6.根据前述任一权利要求所述的系统，其中在旅行者的行程开始之前，定制的预测交通信息被发送给旅行者。
7.根据前述任一权利要求所述的系统，其中在旅行者的行程期间，定制的预测交通信息被发送给该旅行者。
8.根据前述任一权利要求所述的系统，包括旅行者数据库，用于存储各单个旅行者轨迹，该旅行者轨迹包括标识该旅行者的数据和有关该旅行者的通常行驶路线以及在那些路线上的通常开始时间的数据。
9.根据前述任一权利要求所述的系统，其中该旅行者轨迹表示该旅行者优选接收定制的预测交通信息的时间。
10.根据权利要求8或权利要求9所述的系统，其中各单个旅行者配备有至该旅行者数据库的入口，并且可以改变包含在该数据库中与其轨迹有关的数据。
11.根据前述任一权利要求所述的系统，其中结合历史上的、实时的和相关的交通数据的所述装置可操作用以：
a)对应于交通网中的各环节，确定来自历史数据的平均延迟时间序列，该时间序列延续于预先确定的时段上；
b)接收历史上的气象数据，并使该气象数据相关于所述历史上的交通数据，且产生在不同的气象条件期间用于该通信线路的平均历史延迟；
c)接收在所述交通网的地理区域中与天气有关的实时数据；
d)基于该接收的数据，估算将对于每个时间序列出现在每个交通环节上的实际环节延迟；和
e)通过求和沿着行驶路线的各环节的对应环节延迟，使用在该旅行者预期沿着那些环节开始行驶的时候对于每个环节延迟的估算，产生从交通网的开始节点到目标节点的实际延迟的预计。
12.根据权利要求11所述的系统，其中所述结合装置确定在与平均环节延迟有关的历史交通数据中的周期性走向，并且从该历史交通数据中除去那些周期性的走向。
13.根据权利要求11或权利要求12所述的系统，其中所述结合装置通过接收与在交通环节上测量的延迟有关的实时交通数据，估算在未来某时对应于一环节将出现的实际交通环节延迟，并且对应于相应的以之进行测量的时间步长而计算最近测量的交通环节延迟与平均历史环节延迟的比值，并且以将来的时间步长而使对应于该环节的平均历史环节延迟与先前所建立的比值相乘，从而产生对应于在未来该时间步长的环节将会出现的实际环节延迟的估算。
14.根据权利要求13所述的系统，其中所述结合装置对于与旅行者轨迹有关的交通网的所有交通环节产生实际交通环节延迟的估算，该实际交通环节延迟将在未来某时出现于一个环节。
15.根据权利要求11至14中任一项所述的系统，其中所述结合装置在每个对应的旅行者需要时，根据旅行者轨迹而确定将出现于各行驶路线的实际延迟的预计。
16.根据权利要求11至15中任一项所述的系统，其中所述结合装置接收与事件，诸如学校假期、暑假、公共假期以及周末休假有关的数据，并且该数据相关于所述历史交通数据。
17.根据权利要求11至16中任一项所述的系统，其中所述结合装置包括一个模型，通过执行最小二乘法拟合分析产生的数据去确定一个平均的历史交通延迟，使用以下函数：
延迟＝a0+a1*Dr/(a2+Dr)+a3*R/(a4+R)
      +a5*Sh+a6*Ch+a7*We+a8*Ph+a9*P-+a10*Ph+
其中：Dr代表从上一次下雨以来的时间
      R代表在上一次预先确定的期间的降雨量
      Sh代表学校假期时间
      Ch代表公共暑假时间
      We代表周末或者周日休假
      Ph代表公众假期
      P-代表在公众假期之前的一天
      Ph+代表在公众假期之后的一天。
18.根据权利要求11至17中任一项所述的系统，其中由事件所引起的环节延迟的估算被所述结合装置接收和存储以便随后存取，当产生预计的行驶延迟的时候，用于与该历史上预期的环节延迟求和。
19.根据前述任一权利要求所述的系统，包括用于确定通过交通网的最佳行驶路径的装置，该装置为：
a)可操作用于对交通网中的每个交通环节确定一个线路行驶时间；和
b)可操作用于实施一种路径搜索方法，以确定在所述交通网中的二个节点之间的最佳路径，该最佳路径是一系列在二个节点之间连接的产生最小的预期延迟的交通环节。
20.根据权利要求19所述的系统，其中对交通网中一个交通环节的线路行驶时间的确定是通过对用于该环节的平均自由行驶时间以及平均时间求和而获得的，该平均时间需要用来处理连接到该环节的紧接的上游交叉路口。
21.根据权利要求20所述的系统，其中对于具有车辆流量小于饱和流量比值的交通环节，该平均自由移动速度是通过对应于该环节的车辆流速除以对应于该环节的车辆密度获得的，且该平均自由行驶时间是通过该环节的距离除以平均自由移动速度获得的。
22.根据权利要求20或者21中任一项所述的系统，其中用以处理紧接的上游交叉路口的该平均时间是从该交通网的交通控制系统获得的。
23.根据权利要求19至22中任一项所述的系统，其中一旦接收到提供通过交通网的最佳行驶路径的请求，最近从交通信号数据采集的测量的环节延迟即与历史环节延迟数据相比，并根据该旅行者在该交通网中的开始和目标节点，以时间序列中适当数量的步长，产生对应于该交通网中每个交通环节的实际环节延迟数据的估算。
24.根据权利要求23所述的系统，其中如果对应于一个交通环节的实时环节延迟数据是不可用的，即使用历史环节延迟数据。
25.根据先前的权利要求中任一项所述的系统，其中对交通网中各环节没有足够的历史交通数据以产生历史环节延迟数据，所述用于结合历史上的和实时的数据的装置即使用在相同的和/或不同的交通网中的其它环节的可用交通数据，以进行那些没有可用数据的各种各样的环节的估算。
26.根据权利要求25所述的系统，其中使交通数据不可用的交通环节是与交通数据可用的其它交通环节匹配，该匹配过程考虑以下一个或多个因素：
a)该交通环节的相对几何形状；
b)该交通环节的相应的布置；
c)该交通环节的相对容量；
d)具有相对较高人口密度的位置的交通环节的相应的调整；
e)该交通环节的相对DOS；
f)该交通环节离与具有相对较高人口密度的位置的相对距离。
27.一种提供交通或者相关信息的方法，包括如下步骤：
a)在数据库中存储历史上的、实时的和相关的交通数据；
b)根据旅行者轨迹而结合所述历史上的、实时的和相关的数据，以相对于那些旅行者轨迹而产生定制的预测交通信息；和
c)发送该定制的预测交通信息给想要的接受者，其中该定制的预测交通信息包括对描述于该旅行者轨迹中的各行驶路线的预计行驶延迟。
28.根据权利要求28的方法，包括如下步骤：该想要的接受者接收用于所有旅行者轨迹的该定制的预测交通信息，并且分离涉及每个旅行者轨迹的该信息，并且根据其轨迹给每一单个旅行者发送相关的交通信息。
29.根据权利要求27或权利要求28的方法，包括如下步骤：具有旅行者轨迹和远程终端的单个旅行者在该终端上接收定制的预测交通信息。
30.根据权利要求29的方法，其中该远程终端可操作用于发送信息给数据库，所述方法包括单个旅行者发送信息给数据库的步骤。
31.根据权利要求27至30中任一项的方法，包括如下步骤：由该旅行者轨迹确定该旅行者通常的行驶路线和在那些路线上的通常的开始时间。
32.根据权利要求27至31中任一项的方法，包括如下步骤：由该旅行者的轨迹确定旅行者优选接收定制的预测交通信息的时间。
33.根据权利要求32的方法，包括如下步骤：根据由旅行者的轨迹所确定的接收信息的优选时间，发送定制的预测交通信息给该旅行者。
34.根据权利要求32或权利要求33的方法，包括如下步骤：旅行者存取他们存储的旅行轨迹并且改变包含在该轨迹中的数据。
35.根据权利要求27至34中任一项的方法，其中根据旅行者轨迹而结合历史上的、实时的和相关的数据以产生定制的预测交通信息的步骤包括如下步骤：
a)由历史数据确定对应于交通网中各环节的平均延迟的时间序列，该时间序列延续于一个预先确定的时段；
b)接收历史上的气象数据，并使该气象数据与该历史交通数据相关，且产生在不同的气候条件期间用于该环节的平均历史延迟；
c)接收在交通网的地理区中与天气有关的实时数据；
d)基于该接收的数据，估算将对于每个时间序列出现在每个交通环节上的实际环节延迟；和
e)通过求和沿着行驶路线的各环节的对应环节延迟，使用在该旅行者预期沿着那些环节开始行驶的时候对于每个环节延迟的估算，产生从交通网的开始节点到目标节点的实际延迟的预计。
36.根据权利要求35的方法，其中根据旅行者轨迹而结合历史上的、实时的和相关的数据以产生定制的预测交通信息的步骤包括如下步骤：在与平均环节延迟有关的历史数据中确定季节性倾向，并从该历史交通数据中除去那些季节性倾向。
37.根据权利要求35或权利要求36的方法，其中根据旅行者轨迹而结合历史上的、实时的和相关的数据以产生定制的预测交通信息的步骤包括如下步骤：通过接收与在交通环节上测量的延迟有关的实时交通数据，估算将来某时环节将出现的实际交通环节延迟；并且以相应的时间步长计算最近测量的交通环节延迟与平均的历史环节延迟的比值，其中测量以该相应的时间步长进行，并且以对应于在将来的时间步长的环节的该平均历史环节延迟乘以先前建立的比值，从而对应于在将来的时间步长的环节，产生将会出现的实际环节延迟的估算。
38.根据权利要求37的方法，其中根据旅行者轨迹而结合历史上的、实时的和相关的数据以产生定制的预测交通信息的步骤包括如下步骤：对于与旅行者轨迹有关的交通网的所有交通环节产生实际交通环节延迟的估算，该实际交通环节延迟将出现于将来某时的环节。
39.根据权利要求35至38中任一项的方法，其中根据旅行者轨迹而结合历史上的、实时的和相关的数据以产生定制的预测交通信息的步骤包括如下步骤：根据由每个相应的旅行者轨迹所需要的时候的旅行者轨迹，确定将出现于行驶路线的实际延迟的预计。
40.根据权利要求35至39中任一项的方法，其中根据旅行者轨迹而结合历史上的、实时的和相关的数据以产生定制的预测交通信息的步骤包括如下步骤：接收与诸如学校假期期间、暑假期间、公共假期以及周末事件有关的数据；并使那些数据与历史交通数据相关。
41.根据权利要求35至40中任一项的方法，其中根据旅行者轨迹而结合历史上的、实时的和相关的数据以产生定制的预测交通信息的步骤包括如下步骤：通过执行最小二乘法拟合分析而建立历史上的和实时的数据的模型，从而使用以下函数确定平均历史延迟，
延迟＝a0+a1*Dr/(a2+Dr)+a3*R/(a4+R)
      +a5*Sh+a6*Ch+a7*We+a8*Ph+a9*P-+a10*Ph+
其中：Dr代表从上一次下雨以来的时间
      R代表在上一次预先确定的期间的降雨量
      Sh代表学校假期时间
      Ch代表公共暑假时间
      We代表周末或者周日休假
      Ph代表公众假期
      P-代表在公众假期之前的一天
      Ph+代表在公众假期之后的一天。
42.根据权利要求35至41中任一项的方法，其中根据旅行者轨迹而结合历史上的、实时的和相关的数据以产生定制的预测交通信息的步骤包括如下步骤：接收与由事件所引起的估算的环节延迟有关的数据；并存储那些数据以便随后存取，从而当产生预计的行驶延迟的时候，由事件所引起的估算的延迟被与历史上的预期环节延迟求和。
43.根据权利要求35至42中任一项的方法，包括如下识别一个通过交通网的最佳路径的步骤：通过确定对于交通网中每个交通环节的线路行驶时间，并且执行一种路径搜索方法，从而确定在该交通网中二个节点之间的最佳路径，该最佳路径是导致最小预期延迟的在二个节点之间连接的一系列交通环节。
44.根据权利要求33的方法，其中对于确定交通网中交通环节的线路行驶时间的步骤包括如下步骤：求和用于该环节的平均自由行驶时间和需要用以处理连接到该环节紧接的上游交叉路口的平均时间。
45.根据权利要求44的方法，其中对用于交通环节的平均自由行驶时间的确定包括如下获得平均自由移动速度的步骤：对应于该环节的车辆流速除以对应于该环节的车辆密度，且通过以该环节的距离除以该平均自由移动速度而获得平均自由行驶时间。
46.根据权利要求44或权利要求45的方法，包括如下步骤：从该交通网交通控制系统获得一个处理紧接的上游交叉路口的平均时间。
47.根据权利要求43至46中任一项的方法，包括如下步骤：识别提供通过交通网的最佳行驶路径的请求，并且一旦收到上述的请求，即比较最近从交通信号数据采集的测量环节延迟与历史环节延迟数据，以及估算网络中对于每个交通环节的实际环节延迟，以便在一个时间序列中适当的级数符合网络中该旅行者的开始和目标节点。
48.根据权利要求47的方法，包括如下步骤：识别是否按照预先建立的准则，用于交通环节新近的实时环节延迟数据是充分可利用，并且使用历史上的环节延迟数据，结果新近的环节时间延迟数据不是足够可利用的。
49.根据权利要求35至48中任一项的方法，包括如下步骤：识别是否存在用于交通网中环节不充足的历史上的交通数据，去按照预先建立的准则产生历史上的环节延迟数据，并且如果识别存在不充足的数据，使用可利用的交通数据用于在相同的和/或不同的网络中其它的环节，作为用于那些没有可利用的数据不同的环节的估算。
50.根据权利要求49的方法，其中使用可利用的交通数据用于在相同的和/或不同的网络中其它的环节，作为用于没有可利用的数据不同的环节的估算的步骤，包括匹配没有交通数据是可利用的交通环节与其它的交通数据是可利用的交通环节，该方法步骤考虑下列一个或多个：
a)该交通环节的相应的几何形状；
b)该交通环节的相应的方案；
c)该交通环节的相对容量；
d)具有比较高的人口密度的位置的交通环节的相应的调整；
e)该交通环节的相对DOS；
f)该交通环节离比较高的人口密度的位置的相对距离。
51.一种根据权利要求1大体上如在上文中参考伴随的附图描述的系统。
52.一种根据权利要求27大体上如在上文中参考伴随的附图描述的方法。
CN01814587A 2000-06-26 2001-06-26 用于提供交通和相关信息的方法和系统 Pending CN1449551A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
AUPQ8381 2000-06-26
AUPQ8381A AUPQ838100A0 (en) 2000-06-26 2000-06-26 Method and system for providing traffic and related information to subscriber terminals
AUPR4793A AUPR479301A0 (en) 2001-05-04 2001-05-04 Method and system for providing traffic and related information
AUPR4793 2001-05-04

Publications (1)

Publication Number Publication Date
CN1449551A true CN1449551A (zh) 2003-10-15

Family

ID=25646369

Family Applications (1)

Application Number Title Priority Date Filing Date
CN01814587A Pending CN1449551A (zh) 2000-06-26 2001-06-26 用于提供交通和相关信息的方法和系统

Country Status (13)

Country Link
US (1) US6882930B2 (zh)
EP (1) EP1316079B1 (zh)
JP (1) JP4951188B2 (zh)
KR (1) KR100823210B1 (zh)
CN (1) CN1449551A (zh)
AT (1) ATE383635T1 (zh)
CA (1) CA2414531A1 (zh)
DE (1) DE60132340T2 (zh)
HK (1) HK1055830A1 (zh)
MX (1) MXPA03000171A (zh)
NO (1) NO20026257L (zh)
NZ (1) NZ523742A (zh)
WO (1) WO2002001532A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1741092B (zh) * 2004-08-27 2010-05-05 爱信艾达株式会社 导航装置以及日历信息数据
CN102044163A (zh) * 2011-01-18 2011-05-04 北京世纪高通科技有限公司 一种提供路况信息的方法、装置及系统
CN101379536B (zh) * 2006-02-08 2011-08-10 泰为信息科技公司 智能实时分布式交通采样和导航系统
CN102460534A (zh) * 2009-04-22 2012-05-16 因瑞克斯有限公司 基于历史和当前数据预测期望道路交通状况
CN102568195A (zh) * 2011-12-29 2012-07-11 上海顶竹通讯技术有限公司 预判车辆行驶轨迹的方法及系统
CN102811417A (zh) * 2011-06-03 2012-12-05 中兴通讯股份有限公司 一种交通路径获取的系统和方法
CN102945615A (zh) * 2012-11-26 2013-02-27 北京易华录信息技术股份有限公司 智能定制方法和定制系统
CN103049844A (zh) * 2011-12-30 2013-04-17 微软公司 针对计划的路径组成
CN104882020A (zh) * 2015-06-05 2015-09-02 刘光明 预测交通状况和行车时间
CN105022742A (zh) * 2014-04-24 2015-11-04 深圳市赛格导航科技股份有限公司 一种基于位置及天气的数据管理方法及数据管理系统
CN107111941A (zh) * 2014-09-01 2017-08-29 韩国交通研究院 交通链路速度预测方法及用于其的装置
CN115440043A (zh) * 2021-09-26 2022-12-06 国信军创(岳阳)六九零六科技有限公司 基于rfid车辆识别实时路况信息道路监控管理系统

Families Citing this family (126)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7667647B2 (en) 1999-03-05 2010-02-23 Era Systems Corporation Extension of aircraft tracking and positive identification from movement areas into non-movement areas
US7908077B2 (en) 2003-06-10 2011-03-15 Itt Manufacturing Enterprises, Inc. Land use compatibility planning software
US7777675B2 (en) 1999-03-05 2010-08-17 Era Systems Corporation Deployable passive broadband aircraft tracking
US7570214B2 (en) 1999-03-05 2009-08-04 Era Systems, Inc. Method and apparatus for ADS-B validation, active and passive multilateration, and elliptical surviellance
US7739167B2 (en) 1999-03-05 2010-06-15 Era Systems Corporation Automated management of airport revenues
US8203486B1 (en) 1999-03-05 2012-06-19 Omnipol A.S. Transmitter independent techniques to extend the performance of passive coherent location
US8446321B2 (en) 1999-03-05 2013-05-21 Omnipol A.S. Deployable intelligence and tracking system for homeland security and search and rescue
US7782256B2 (en) 1999-03-05 2010-08-24 Era Systems Corporation Enhanced passive coherent location techniques to track and identify UAVs, UCAVs, MAVs, and other objects
US7889133B2 (en) 1999-03-05 2011-02-15 Itt Manufacturing Enterprises, Inc. Multilateration enhancements for noise and operations management
US6587781B2 (en) 2000-08-28 2003-07-01 Estimotion, Inc. Method and system for modeling and processing vehicular traffic data and information and applying thereof
US6741926B1 (en) 2001-12-06 2004-05-25 Bellsouth Intellectual Property Corporation Method and system for reporting automotive traffic conditions in response to user-specific requests
US6973384B2 (en) 2001-12-06 2005-12-06 Bellsouth Intellectual Property Corporation Automated location-intelligent traffic notification service systems and methods
FR2837950B1 (fr) * 2002-03-29 2005-03-04 France Telecom Procede et systeme de notification d'evenements concernant un moyen de transport
GB0211566D0 (en) * 2002-05-21 2002-06-26 Koninkl Philips Electronics Nv Method and apparatus for providing travel relating information to a user
KR100523486B1 (ko) * 2002-12-13 2005-10-24 한국전자통신연구원 트래픽 측정 시스템 및 그의 트래픽 분석 방법
KR20040066351A (ko) * 2003-01-17 2004-07-27 엘지전자 주식회사 차량항법시스템의 교통정보수집장치 및 방법
US7599913B2 (en) * 2003-03-04 2009-10-06 Avaya, Inc. Time series monitoring system
KR100518851B1 (ko) * 2003-05-28 2005-09-30 엘지전자 주식회사 도로 소통 상태 정보를 이용한 주행 소요 시간 추정 방법및 시스템
US7519705B1 (en) * 2003-07-10 2009-04-14 Sprint Communications Company L.P. Method for computing aggregate traffic between adjacent points of presence in an internet protocol backbone network
US7580360B2 (en) 2003-10-14 2009-08-25 Cisco Technology, Inc. Method and apparatus for generating routing information in a data communications network
US7554921B2 (en) * 2003-10-14 2009-06-30 Cisco Technology, Inc. Method and apparatus for generating routing information in a data communication network
GB2444413A (en) * 2003-10-24 2008-06-04 Trafficmaster Plc Route Guidance System
GB2444414A (en) * 2003-10-24 2008-06-04 Trafficmaster Plc Route Guidance System
JP4392747B2 (ja) * 2003-12-24 2010-01-06 アイシン・エィ・ダブリュ株式会社 ナビゲーションシステム
US7890246B2 (en) * 2003-12-26 2011-02-15 Aisin Aw Co., Ltd. Method of interpolating traffic information data, apparatus for interpolating, and traffic information data structure
JP4393222B2 (ja) * 2004-02-25 2010-01-06 株式会社日立製作所 交通情報表示装置
US7848240B2 (en) * 2004-06-01 2010-12-07 Cisco Technology, Inc. Method and apparatus for forwarding data in a data communications network
NZ552196A (en) * 2004-06-24 2010-09-30 Freestyle Technology Pty Ltd Client processor device
US8606891B2 (en) 2004-09-10 2013-12-10 Freestyle Technology Pty Ltd Client processor device for building application files from file fragments for different versions of an application
US7620402B2 (en) 2004-07-09 2009-11-17 Itis Uk Limited System and method for geographically locating a mobile device
US7289039B2 (en) * 2004-09-10 2007-10-30 Xanavi Informatics Corporation Apparatus and method for processing and displaying traffic information in an automotive navigation system
US7797100B2 (en) * 2004-09-24 2010-09-14 Aisin Aw Co., Ltd. Navigation systems, methods, and programs
US7630298B2 (en) * 2004-10-27 2009-12-08 Cisco Technology, Inc. Method and apparatus for forwarding data in a data communications network
US20060161335A1 (en) * 2005-01-14 2006-07-20 Ross Beinhaker Routing system and method
US20060282474A1 (en) * 2005-01-18 2006-12-14 Mackinnon Allan S Jr Systems and methods for processing changing data
US7894980B2 (en) * 2005-02-07 2011-02-22 International Business Machines Corporation Method and apparatus for estimating real-time travel times over a transportation network based on limited real-time data
US7236881B2 (en) * 2005-02-07 2007-06-26 International Business Machines Corporation Method and apparatus for end-to-end travel time estimation using dynamic traffic data
US20060200303A1 (en) * 2005-02-24 2006-09-07 Fuentes Jorge S The static or dynamic roadway travel time system to determine the path with least travel time between two places
JP4329711B2 (ja) * 2005-03-09 2009-09-09 株式会社日立製作所 交通情報システム
KR20060119746A (ko) 2005-05-18 2006-11-24 엘지전자 주식회사 교통상태에 대한 정보를 제공하고 이를 이용하는 방법 및장치
KR101061460B1 (ko) * 2005-05-18 2011-09-02 엘지전자 주식회사 소통상태에 대한 예측정보를 제공하고 이를 이용하는 방법및 장치
US7729335B2 (en) 2005-05-18 2010-06-01 Lg Electronics Inc. Providing traffic information relating to a prediction of congestion status and using the same
US7848224B2 (en) 2005-07-05 2010-12-07 Cisco Technology, Inc. Method and apparatus for constructing a repair path for multicast data
US20070010941A1 (en) * 2005-07-07 2007-01-11 Marsh David C Land navigation system
US8024112B2 (en) * 2005-09-29 2011-09-20 Microsoft Corporation Methods for predicting destinations from partial trajectories employing open-and closed-world modeling methods
KR100772511B1 (ko) * 2005-12-09 2007-11-01 한국전자통신연구원 교통 예측을 기반으로 하는 최단 경로 검색 방법 및 그장치
DE102006021015A1 (de) * 2006-05-04 2007-11-08 Daimlerchrysler Ag Verfahren zur Erstellung einer individuellen Verkehrsprognose für ein Fahrzeug und Vorrichtung zur Erstellung und Visualisierung einer Verkehrsprognose
US7965227B2 (en) 2006-05-08 2011-06-21 Era Systems, Inc. Aircraft tracking using low cost tagging as a discriminator
US8793066B2 (en) 2006-06-27 2014-07-29 Microsoft Corporation Route monetization
US7610151B2 (en) 2006-06-27 2009-10-27 Microsoft Corporation Collaborative route planning for generating personalized and context-sensitive routing recommendations
US7617042B2 (en) 2006-06-30 2009-11-10 Microsoft Corporation Computing and harnessing inferences about the timing, duration, and nature of motion and cessation of motion with applications to mobile computing and communications
US7739040B2 (en) 2006-06-30 2010-06-15 Microsoft Corporation Computation of travel routes, durations, and plans over multiple contexts
US8126641B2 (en) 2006-06-30 2012-02-28 Microsoft Corporation Route planning with contingencies
US7706964B2 (en) * 2006-06-30 2010-04-27 Microsoft Corporation Inferring road speeds for context-sensitive routing
DE102006033744A1 (de) * 2006-07-21 2008-01-24 Deutsche Telekom Ag Verfahren und Vorrichtung zur Fusion von Verkehrsdaten bei unvollständiger Information
JP4950590B2 (ja) * 2006-08-07 2012-06-13 クラリオン株式会社 交通情報提供装置、交通情報提供システム、交通情報の送信方法、および交通情報の要求方法
US7908076B2 (en) * 2006-08-18 2011-03-15 Inrix, Inc. Representative road traffic flow information based on historical data
US9076332B2 (en) * 2006-10-19 2015-07-07 Makor Issues And Rights Ltd. Multi-objective optimization for real time traffic light control and navigation systems for urban saturated networks
JP4729469B2 (ja) * 2006-11-10 2011-07-20 日立オートモティブシステムズ株式会社 交通情報システム
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
US7953544B2 (en) * 2007-01-24 2011-05-31 International Business Machines Corporation Method and structure for vehicular traffic prediction with link interactions
KR100863222B1 (ko) * 2007-01-25 2008-10-13 (주)제이엠피시스템 도시형 교통 정보 시스템의 매체 액세스 제어 방법 및 그장치
JP4891792B2 (ja) * 2007-01-26 2012-03-07 クラリオン株式会社 交通情報配信方法および交通情報配信装置
US7644639B2 (en) * 2007-02-23 2010-01-12 Gm Global Technology Operations, Inc. Multi-speed transmission with countershaft gearing
US7848880B2 (en) * 2007-02-28 2010-12-07 Microsoft Corporation Traffic information adaptive to a user's travel
JP4491472B2 (ja) * 2007-03-27 2010-06-30 日立オートモティブシステムズ株式会社 交通情報システム
US20080262710A1 (en) * 2007-04-23 2008-10-23 Jing Li Method and system for a traffic management system based on multiple classes
KR20080097320A (ko) * 2007-05-01 2008-11-05 엘지전자 주식회사 주행 경로 선택 방법 및 단말기
KR101467557B1 (ko) 2007-05-02 2014-12-10 엘지전자 주식회사 주행 경로 선택
US8332141B2 (en) * 2007-06-15 2012-12-11 Microsoft Corporation Route modifications
US10083607B2 (en) 2007-09-07 2018-09-25 Green Driver, Inc. Driver safety enhancement using intelligent traffic signals and GPS
US20110037619A1 (en) * 2009-08-11 2011-02-17 On Time Systems, Inc. Traffic Routing Using Intelligent Traffic Signals, GPS and Mobile Data Devices
US9043138B2 (en) * 2007-09-07 2015-05-26 Green Driver, Inc. System and method for automated updating of map information
US9852624B2 (en) 2007-09-07 2017-12-26 Connected Signals, Inc. Network security system with application for driver safety system
US20110037618A1 (en) * 2009-08-11 2011-02-17 Ginsberg Matthew L Driver Safety System Using Machine Learning
JP4547408B2 (ja) * 2007-09-11 2010-09-22 日立オートモティブシステムズ株式会社 交通状況予測装置，交通状況予測方法
US7908360B2 (en) * 2007-09-28 2011-03-15 Rockwell Automation Technologies, Inc. Correlation of non-times series events in industrial systems
US8874354B2 (en) * 2007-10-16 2014-10-28 International Business Machines Corporation Method and system for expansion of real-time data on traffic networks
CA2703515C (en) 2007-10-26 2018-11-13 Tomtom International B.V. A method of creating map data
WO2009123370A1 (en) * 2008-04-01 2009-10-08 Sk Marketing & Company Co., Ltd. System and method for providing traffic information, storage medium recording that method program, user terminal
DE102008021260A1 (de) * 2008-04-29 2009-11-05 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Güteprüfung von Verkehrsstörungsmeldeverfahren
US8712675B2 (en) 2008-06-02 2014-04-29 International Business Machines Corporation Preventative traffic congestion social networking improvement system within a community
GB0822893D0 (en) * 2008-12-16 2009-01-21 Tele Atlas Bv Advanced speed profiles - Further updates
GB0901588D0 (en) 2009-02-02 2009-03-11 Itis Holdings Plc Apparatus and methods for providing journey information
EP2242292A1 (en) 2009-04-17 2010-10-20 Sics, Swedish Institute Of Computer Science AB collecting and associating data
US20110166936A1 (en) * 2009-07-09 2011-07-07 Cubic Corporation Predictive techniques in transit alerting
AU2010271242B2 (en) 2009-07-09 2015-01-22 Cubic Corporation Transit account management with mobile device messaging
US10198942B2 (en) 2009-08-11 2019-02-05 Connected Signals, Inc. Traffic routing display system with multiple signal lookahead
KR101526590B1 (ko) * 2009-08-28 2015-06-08 현대자동차주식회사 실시간 및 정적 속도 정보 반영 비율 산출 방법
US8991699B2 (en) 2009-09-08 2015-03-31 Cubic Corporation Association of contactless payment card primary account number
EP2330578B1 (en) * 2009-11-30 2015-02-25 Intelligent Mechatronic Systems Inc. Traffic profiling and road conditions-based trip time computing system with localized and cooperative assessment
KR101347252B1 (ko) * 2009-12-15 2014-01-07 에스케이플래닛 주식회사 근거리 영역에서의 상황별 개인화된 교통정보 제공 시스템 및 방법, 그리고 이에 적용되는 장치
US9257042B2 (en) * 2010-03-11 2016-02-09 Inrix, Inc. Learning road feature delay times based on aggregate driver behavior
US9135624B2 (en) 2010-09-23 2015-09-15 Intelligent Mechatronic Systems Inc. User-centric traffic enquiry and alert system
US8856024B2 (en) 2010-10-26 2014-10-07 Cubic Corporation Determining companion and joint cards in transit
GB201018815D0 (en) 2010-11-08 2010-12-22 Tomtom Int Bv High-definition weather for improved routing and navigation systems
US8738289B2 (en) 2011-01-04 2014-05-27 International Business Machines Corporation Advanced routing of vehicle fleets
GB2492369B (en) 2011-06-29 2014-04-02 Itis Holdings Plc Method and system for collecting traffic data
DE102011079328A1 (de) * 2011-07-18 2013-01-24 Siemens Aktiengesellschaft Verfahren und Anordnung zur Bereitstellung von individuellen Reiseinformationen in Personenbeförderungssystemen
DE102011113054A1 (de) * 2011-09-10 2012-03-15 Daimler Ag Individuelle Fahrerunterstützung
US8953044B2 (en) * 2011-10-05 2015-02-10 Xerox Corporation Multi-resolution video analysis and key feature preserving video reduction strategy for (real-time) vehicle tracking and speed enforcement systems
US20130101159A1 (en) * 2011-10-21 2013-04-25 Qualcomm Incorporated Image and video based pedestrian traffic estimation
CA2756916A1 (en) * 2011-11-01 2013-05-01 University Of New Brunswick A bayesian method for improving group assignment and aadt estimation accuracy of short-term traffic counts
CN103177593B (zh) * 2011-12-26 2015-08-19 中国移动通信集团公司 一种公路信息发布系统、方法、装置和公路信息处理装置
GB201307550D0 (en) 2013-04-26 2013-06-12 Tomtom Dev Germany Gmbh Methods and systems of providing information indicative of a recommended navigable stretch
CN103839434B (zh) * 2013-11-21 2016-08-31 重庆戴普思科技有限公司 车辆运行监控方法
US10762538B2 (en) 2014-04-24 2020-09-01 DataSpark, PTE. LTD. Knowledge model for personalization and location services
US9602462B2 (en) 2014-09-11 2017-03-21 Infoblox Inc. Exponential moving maximum (EMM) filter for predictive analytics in network reporting
US20160112864A1 (en) * 2014-10-16 2016-04-21 Toyota Jidosha Kabushiki Kaisha Proactive transfer of network services data using network map data
CN105674994B (zh) * 2014-11-17 2020-04-24 深圳市腾讯计算机系统有限公司 获取行车路线的方法、装置及导航设备
CN104751680B (zh) * 2015-03-18 2017-08-29 重庆高略联信智能技术有限公司 一种基于地磁感应的会车系统和方法
CN106156966A (zh) 2015-04-03 2016-11-23 阿里巴巴集团控股有限公司 物流监测方法及设备
CN104809633A (zh) * 2015-05-11 2015-07-29 中国旅游研究院 旅游游客满意度调查方法
CN104851060A (zh) * 2015-05-11 2015-08-19 中国旅游研究院 旅游游客满意度指数的构建与测算方法
US9754485B2 (en) 2015-06-16 2017-09-05 DataSpark, PTE. LTD. Traffic prediction and real time analysis system
CN104882001B (zh) * 2015-06-30 2018-03-27 北京奇虎科技有限公司 基于行车记录仪的驾驶行为监控方法、装置及系统
US10841852B2 (en) 2015-12-09 2020-11-17 DataSpark, PTE. LTD. Transportation network monitoring using cellular radio metadata
US10176340B2 (en) 2016-03-13 2019-01-08 DataSpark, PTE. LTD. Abstracted graphs from social relationship graph
US11157520B2 (en) 2016-03-28 2021-10-26 DataSpark, Pte Ltd. Uniqueness level for anonymized datasets
AU2017399008A1 (en) 2017-02-17 2019-09-05 Dataspark Pte, Ltd Mobility gene for visit data
US20210172759A1 (en) 2017-02-17 2021-06-10 Dataspark Pte Ltd Map Matching and Trajectory Analysis
US10873832B2 (en) 2017-02-17 2020-12-22 DataSpark, PTE. LTD. Mobility gene for trajectory data
CN107230349B (zh) * 2017-05-23 2018-06-29 长安大学 一种在线式实时短时间交通流预测方法
US10078337B1 (en) * 2017-07-14 2018-09-18 Uber Technologies, Inc. Generation of trip estimates using real-time data and historical data
US11277326B2 (en) * 2020-03-31 2022-03-15 Netflix, Inc. Techniques for detecting changes to circuit delays in telecommunications networks
US11620901B1 (en) * 2022-06-02 2023-04-04 Iteris, Inc. Short-term traffic speed prediction and forecasting using machine learning analysis of spatiotemporal traffic speed dependencies in probe and weather data

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5131020A (en) * 1989-12-29 1992-07-14 Smartroutes Systems Limited Partnership Method of and system for providing continually updated traffic or other information to telephonically and other communications-linked customers
EP0578788A1 (en) * 1991-11-01 1994-01-19 Motorola, Inc. A vehicle route planning system
SE470367B (sv) * 1992-11-19 1994-01-31 Kjell Olsson Sätt att prediktera trafikparametrar
JPH08124085A (ja) * 1994-10-20 1996-05-17 Toshiba Corp 現示設計装置
US5610821A (en) 1994-11-18 1997-03-11 Ibm Corporation Optimal and stable route planning system
US5933100A (en) * 1995-12-27 1999-08-03 Mitsubishi Electric Information Technology Center America, Inc. Automobile navigation system with dynamic traffic data
WO1998054682A1 (en) * 1997-05-30 1998-12-03 Booth David S Generation and delivery of travel-related, location-sensitive information
JP3436096B2 (ja) * 1997-09-29 2003-08-11 株式会社日立製作所 交差点運用設計方法及び装置
JP3535393B2 (ja) * 1998-10-26 2004-06-07 株式会社東芝 交通情報表示装置及びシステム、交通情報表示方法
JP3215389B2 (ja) * 1999-07-30 2001-10-02 三菱電機株式会社 車両用経路案内装置およびそれに用いることができる交通渋滞予測方法
US6317686B1 (en) * 2000-07-21 2001-11-13 Bin Ran Method of providing travel time
US6587781B2 (en) * 2000-08-28 2003-07-01 Estimotion, Inc. Method and system for modeling and processing vehicular traffic data and information and applying thereof

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1741092B (zh) * 2004-08-27 2010-05-05 爱信艾达株式会社 导航装置以及日历信息数据
CN101379536B (zh) * 2006-02-08 2011-08-10 泰为信息科技公司 智能实时分布式交通采样和导航系统
CN102460534B (zh) * 2009-04-22 2014-10-29 因瑞克斯有限公司 基于历史和当前数据预测期望道路交通状况的计算机实现的方法和计算系统
CN102460534A (zh) * 2009-04-22 2012-05-16 因瑞克斯有限公司 基于历史和当前数据预测期望道路交通状况
CN102044163B (zh) * 2011-01-18 2013-08-07 北京世纪高通科技有限公司 一种提供路况信息的方法、装置及系统
CN102044163A (zh) * 2011-01-18 2011-05-04 北京世纪高通科技有限公司 一种提供路况信息的方法、装置及系统
CN102811417A (zh) * 2011-06-03 2012-12-05 中兴通讯股份有限公司 一种交通路径获取的系统和方法
CN102568195A (zh) * 2011-12-29 2012-07-11 上海顶竹通讯技术有限公司 预判车辆行驶轨迹的方法及系统
CN103049844A (zh) * 2011-12-30 2013-04-17 微软公司 针对计划的路径组成
CN102945615A (zh) * 2012-11-26 2013-02-27 北京易华录信息技术股份有限公司 智能定制方法和定制系统
CN105022742A (zh) * 2014-04-24 2015-11-04 深圳市赛格导航科技股份有限公司 一种基于位置及天气的数据管理方法及数据管理系统
CN107111941A (zh) * 2014-09-01 2017-08-29 韩国交通研究院 交通链路速度预测方法及用于其的装置
CN104882020A (zh) * 2015-06-05 2015-09-02 刘光明 预测交通状况和行车时间
CN115440043A (zh) * 2021-09-26 2022-12-06 国信军创(岳阳)六九零六科技有限公司 基于rfid车辆识别实时路况信息道路监控管理系统

Also Published As

Publication number Publication date
WO2002001532A1 (en) 2002-01-03
KR100823210B1 (ko) 2008-04-18
HK1055830A1 (en) 2004-01-21
US20040038671A1 (en) 2004-02-26
EP1316079B1 (en) 2008-01-09
EP1316079A4 (en) 2005-11-30
MXPA03000171A (es) 2004-09-13
JP2004501474A (ja) 2004-01-15
NZ523742A (en) 2004-09-24
KR20030022161A (ko) 2003-03-15
JP4951188B2 (ja) 2012-06-13
DE60132340T2 (de) 2009-01-15
NO20026257L (no) 2003-02-26
EP1316079A1 (en) 2003-06-04
US6882930B2 (en) 2005-04-19
DE60132340D1 (de) 2008-02-21
CA2414531A1 (en) 2002-01-03
NO20026257D0 (no) 2002-12-27
ATE383635T1 (de) 2008-01-15

Similar Documents

Publication Publication Date Title
CN1449551A (zh) 用于提供交通和相关信息的方法和系统
RU2498220C2 (ru) Способ создания картографических данных
CN1976296A (zh) 一种实时动态交通信息采集处理发布的方法和系统
JP3990641B2 (ja) 道路情報提供システム及び装置と道路情報生成方法
US6490519B1 (en) Traffic monitoring system and methods for traffic monitoring and route guidance useful therewith
US6842620B2 (en) System and method for providing traffic information using operational data of a wireless network
US20020120390A1 (en) Method of optimizing traffic content
US20090248285A1 (en) Route determining system for a vehicle with navigation system
IL145075A (en) Apparatus and methods for providing route guidance for vehicles
EP1348208A2 (en) Traffic monitoring system
EP3462427A1 (en) Method of predicting the probability of occurrence of vacant parking slots and its realization system
CN1975800A (zh) 一种交通信息融合处理方法和系统
CN107357894B (zh) 一种道路交通设施数据采集纠偏方法及系统
CN116029411A (zh) 一种基于物联网的智慧城市区域管理方法和系统
CN109612485A (zh) 一种新能源汽车用智能路线规划系统
JP3808865B2 (ja) 経路案内用データ作成装置および経路案内用データを用いた経路案内配信装置
JP3818931B2 (ja) 気象予報システム
JP4212536B2 (ja) 道路情報提供システム及び装置と道路情報生成方法
CN113380037A (zh) 一种交通信息采集方法和装置
CN113834498B (zh) 一种收运定位导航系统及方法
JP4443972B2 (ja) 情報配信サービス提供システム
CN116105748A (zh) 一种路线确定方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication