一种基于云计算的堵车风险预测方法及系统技术方案

本发明专利技术公开了一种基于云计算的堵车风险预测方法及系统，包括以下步骤，数据采集模块采集当前时刻所有车辆的行驶状态数据；部署在云端的服务器周期性获取由所述数据采集模块上传的所述行驶状态数据并进行更新；处理模块计算出所述道路热度和所述平均通行速度之间的模型关系；预测模块预测出未来某个时刻在整个地图上各条道路的预估通行时间，所述预估通行时间与理想通行时间对比后生成预测结果；所述服务器接收路径规划请求后，根据所述预测结果选出最优的路径。本发明专利技术的有益效果：不仅能够标明道路当前拥塞状态，并能预测驾驶时间内可能出现的拥塞状态，辅助驾驶员选择更优的路径，从而有效缓解交通拥堵。

A traffic jam risk prediction method and system based on Cloud Computing

【技术实现步骤摘要】
一种基于云计算的堵车风险预测方法及系统
本专利技术涉及云计算导航的
，尤其涉及一种基于云计算的堵车风险预测方法及其预测系统。
技术介绍
近年来导航软件发展迅速，通常导航指利用车载、手持终端通过电子地图的卫星定位进行移动路线的引导。现在国际上通用的是上文提到的GPS卫星导航，还有就是我国自行研发的北斗卫星导航系统。导航软件就是通过在终端硬件上利用卫星进行定位、引导等一系列服务的软件。GPS要实现导航，除了硬件外，还需要软件地图的支持，俗称GPS导航软件。目前使用时当驾驶员在导航软件上设置目的地时，导航软件会推荐多条路径，并标明每条路径的当前拥塞情况及预估用时，导航软件是根据当前路况标明每条道路的拥塞情况，但是并不能预测驾驶时间内未来可能出现的拥塞情况和区间化的通行时间。
技术实现思路
本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。鉴于上述现有存在的问题，提出了本专利技术。因此，本专利技术解决的一个技术问题是：提供一种基于云计算的堵车风险预测方法，预测驾驶时间内可能出现的拥塞情况。为解决上述技术问题，本专利技术提供如下技术方案：一种基于云计算的堵车风险预测方法，包括以下步骤，数据采集模块采集当前时刻所有车辆的行驶状态数据；部署在云端的服务器周期性获取由所述数据采集模块上传的所述行驶状态数据并进行更新；处理模块根据接收的当前时刻所有车辆的所述行驶状态数据，统计出地图上所有道路的热度和平均通行速度，并计算出所述道路热度和所述平均通行速度之间的模型关系；预测模块根据所述模型关系并结合每辆车已规划的路径，预测出未来某个时刻在整个地图上各条道路的预估通行时间，所述预估通行时间与理想通行时间对比后生成预测结果；所述服务器接收路径规划请求后，根据所述预测结果选出最优的路径，以及将路径上每条道路的预估拥塞情况发送给导航软件。作为本专利技术所述的基于云计算的堵车风险预测方法的一种优选方案，其中：所述数据采集模块包括以下数据采集步骤，定位模块采集车辆当前的速度和坐标数据；软件模块接收车辆当下采集的所述坐标数据并收集根据驾驶者输入的目的地坐标。作为本专利技术所述的基于云计算的堵车风险预测方法的一种优选方案，其中：所述预测模块生成所述预测结果包括以下步骤，假设一条道路按照最高限速通过的时间为理想通行时间；如果预估通行时间小于或者等于理想通行时间，则判断该条道路不拥塞；如果预估通行时间超过理想通行时间1％～30％，则判断是轻微拥塞；如果预估通行时间超过理想通行时间30％或以上，则判断是严重拥塞。作为本专利技术所述的基于云计算的堵车风险预测方法的一种优选方案，其中：所述模型关系包括以下计算步骤，定义道路热度H和平均通行时间T；采用区间线性模型T＝R*H，区间指热度区间，将热度等分成N个区间，每个区间的系数R不同，用Rn表示；对于每条道路，生成各自的关系模型。作为本专利技术所述的基于云计算的堵车风险预测方法的一种优选方案，其中：所述系数R包括以下获取步骤，假设道路x，采样不同时间点的道路热度H和平均通行时间T；在各N个区间内分别计算平均系数；假设道路x在区间n内采样到m个数据：，，…，，那么这条道路在区间n的平均系数为Rn＝/。作为本专利技术所述的基于云计算的堵车风险预测方法的一种优选方案，其中：所述道路热度H通过道路上的所有车辆会每隔1秒报告当前状态给所述服务器，所述服务器统计到当前时刻位于该条道路上的车辆数，所述统计的车辆数为所述道路热度H。作为本专利技术所述的基于云计算的堵车风险预测方法的一种优选方案，其中：所述平均通行时间T的获取步骤，所述软件模块获取全部地图上各道路的长度L；所述定位模块采集各车辆当前的速度并计算平均车速V；所述长度L除以道路上采集的平均车速V得到，即T＝L/V。作为本专利技术所述的基于云计算的堵车风险预测方法的一种优选方案，其中：包括以下路径规划步骤，当有驾驶者输入目的地后开始导航时；云端的所述服务器内根据计算出的实时各区间的平均系数Rn，利用Tn＝Rn*H，输入当前道路热度H和所述平均系数Rn预估出各区间的所述预估通行时间Tn；所述预估通行时间Tn与当前所有路径的理想通行时间对比生成预测结果；所述服务器根据预测结果选出驾驶时间最短的路径。作为本专利技术所述的基于云计算的堵车风险预测方法的一种优选方案，其中：所述服务器选出驾驶时间最短的路径的同时，还包括以下步骤，根据预测的所述预估通行时间Tn；利用Vn＝L/Tn，预测出当前各道路区间上的预估通行速度Vn；生成所述预测结果后，将所述预测结果、预估通行时间Tn、预估通行速度Vn和规划路径发送至车辆内的导航软件。本专利技术解决的另一个技术问题是：提供一种基于云计算的堵车风险预测系统，上述预测方法依托于本系统实现。为解决上述技术问题，本专利技术提供如下技术方案：一种基于云计算的堵车风险预测系统，包括数据采集模块、服务器、处理模块和预测模块；所述据采集模块包括设置于车辆内的定位模块和软件模块，所述定位模块和用于定位车辆的当前坐标，所述软件模块用于根据各驾驶员输入的目的地坐标和当前坐标生成未来导航路径；所述服务器部署于云端，与所述数据采集模块网络通信连接，且所述处理模块和预测模块均部署于所述服务器上，分别用于数据的处理和数据的预测。本专利技术的有益效果：利用本专利技术方法不仅能够标明道路当前拥塞状态，并能预测驾驶时间内可能出现的拥塞状态，辅助驾驶员选择更优的路径，从而有效缓解交通拥堵。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本专利技术第一种实施例所述基于云计算的堵车风险预测方法的整体流程示意图；图2为本专利技术第一种实施例所述车载导航具有路径规划与导航模块的规划流程结构示意图；图3为本专利技术第一种实施例所述道路和热度区间映射示意图；图4为本专利技术第一种实施例所述实际选择的测试路径的示意图；图5为本专利技术第一种实施例所述道路的热度和平均通行时间的区间线性模型关系示意图；图6为本专利技术第一种实施例所述测试道路的拥堵情况示意图；图7为本专利技术第二种实施例所述基于云计算的堵车风险预测系统的整体结构示意图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术的保护的范围。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用本文档来自技高网...

【技术保护点】
1.一种基于云计算的堵车风险预测方法，其特征在于：包括以下步骤，/n数据采集模块(100)采集当前时刻所有车辆的行驶状态数据；/n部署在云端的服务器(200)周期性获取由所述数据采集模块(100)上传的所述行驶状态数据并进行更新；/n处理模块(300)根据接收的当前时刻所有车辆的所述行驶状态数据，统计出地图上所有道路的热度和平均通行速度，并计算出所述道路热度和所述平均通行速度之间的模型关系；/n预测模块(400)根据所述模型关系并结合每辆车已规划的路径，预测出未来某个时刻在整个地图上各条道路的预估通行时间，所述预估通行时间与理想通行时间对比后生成预测结果；/n所述服务器(200)接收路径规划请求后，根据所述预测结果选出最优的路径，以及将路径上每条道路的预估拥塞情况发送给导航软件。/n

【技术特征摘要】
1.一种基于云计算的堵车风险预测方法，其特征在于：包括以下步骤，
数据采集模块(100)采集当前时刻所有车辆的行驶状态数据；
部署在云端的服务器(200)周期性获取由所述数据采集模块(100)上传的所述行驶状态数据并进行更新；
处理模块(300)根据接收的当前时刻所有车辆的所述行驶状态数据，统计出地图上所有道路的热度和平均通行速度，并计算出所述道路热度和所述平均通行速度之间的模型关系；
预测模块(400)根据所述模型关系并结合每辆车已规划的路径，预测出未来某个时刻在整个地图上各条道路的预估通行时间，所述预估通行时间与理想通行时间对比后生成预测结果；
所述服务器(200)接收路径规划请求后，根据所述预测结果选出最优的路径，以及将路径上每条道路的预估拥塞情况发送给导航软件。


2.如权利要求1所述的基于云计算的堵车风险预测方法，其特征在于：所述数据采集模块(100)包括以下数据采集步骤，
定位模块(101)采集车辆当前的速度和坐标数据；
软件模块(102)接收车辆当下采集的所述坐标数据并收集根据驾驶者输入的目的地坐标。


3.如权利要求1或2所述的基于云计算的堵车风险预测方法，其特征在于：所述预测模块(400)生成所述预测结果包括以下步骤，
假设一条道路按照最高限速通过的时间为理想通行时间；
如果预估通行时间小于或者等于理想通行时间，则判断该条道路不拥塞；
如果预估通行时间超过理想通行时间1％～30％，则判断是轻微拥塞；
如果预估通行时间超过理想通行时间30％或以上，则判断是严重拥塞。


4.如权利要求3所述的基于云计算的堵车风险预测方法，其特征在于：所述模型关系包括以下计算步骤，
定义道路热度H和平均通行时间T；
采用区间线性模型T＝R*H，区间指热度区间，将热度等分成N个区间，每个区间的系数R不同，用Rn表示；
对于每条道路，生成各自的关系模型。


5.如权利要求4所述的基于云计算的堵车风险预测方法，其特征在于：所述系数R包括以下获取步骤，
假设道路x，
采样不同时间点的道路热度H和平均通行时间T；
在各N个区间内分别计算平均系数；
假设道路x在区间n内采样到m个数据：(H1，T1)，(H2，T2)，…，(Hm，Tm)，那么这条道路在...

【专利技术属性】
技术研发人员：杨志，
申请(专利权)人：的卢技术有限公司，
类型：发明
国别省市：江苏;32