货车停车调度的方法及装置制造方法及图纸

本申请提出一种货车停车调度的方法、装置、电子设备及存储介质，所述方法包括如下步骤：基于道路数据和全量货车实时轨迹数据，统计货车可行驶道路上各个路段的拥堵情况，进而构建拥堵时长预测模型；对货车从出发地到目的地进行路径规划，基于所述拥堵时长预测模型判断车辆前往目的地的各个路径的行驶时间和拥堵状况，并结合所述各个路径上是否具有停车场入口进行停车调度。本申请可以在工业厂区较多，货车车流量大的城市中，对货车行驶路线进行调度，安排货车前往适当的停车场，或直接通往目的地，从而起到管控城市交通，减少道路拥堵，提高运输效率，节能减排的作用。

【技术实现步骤摘要】
货车停车调度的方法及装置
本申请属于交通
，具体涉及一种货车停车调度的方法、装置、电子设备及存储介质。
技术介绍
目前的交通管理系统，通过向车辆发送具体的具有时间敏感性的控制指令(如车辆跟驰、换道、路径导航等)，实现所有智能网联车的运行控制。此智能网联交通系统包括以下一种或多种组成：1)一个分层控制网络，包括交通控制中心、局部的交通控制单元；2)一个路侧单元网络(整合了车辆传感器的功能，I2V通信以实现控制指令的传递)；3)车载单元网络，安置于智能网联车内；4)无线通信和安全系统，实现局部和全局通信。此系统提供了一个更加安全、可靠和经济的途径，通过将车辆驾驶任务分布到分层的交通控制网络和路侧单元网络。重型车辆在有人或无人参与情况下由路侧单元进行检测和巡航的货运管理系统正在构建当中。当前，它们还处于实验测试阶段，还没有进行广泛的商业应用。现有的系统和方法大多复杂、昂贵并且不可靠，这使得系统的普遍化执行成为一个重大挑战。目前很少见到基于货车轨迹数据专门针对货车的停车调度技术方案。
技术实现思路
本申请第一方本文档来自技高网...

【技术保护点】
1.一种货车停车调度的方法，其特征在于，所述方法包括如下步骤：/n基于道路数据和全量货车实时轨迹数据，统计货车可行驶道路上各个路段的拥堵情况，进而构建拥堵时长预测模型；/n对货车从出发地到目的地进行路径规划，基于所述拥堵时长预测模型判断车辆前往目的地的各个路径的行驶时间和拥堵状况，并结合所述各个路径上是否具有停车场入口进行停车调度。/n

【技术特征摘要】
1.一种货车停车调度的方法，其特征在于，所述方法包括如下步骤：
基于道路数据和全量货车实时轨迹数据，统计货车可行驶道路上各个路段的拥堵情况，进而构建拥堵时长预测模型；
对货车从出发地到目的地进行路径规划，基于所述拥堵时长预测模型判断车辆前往目的地的各个路径的行驶时间和拥堵状况，并结合所述各个路径上是否具有停车场入口进行停车调度。


2.根据权利要求1所述的方法，其特征在于，
所述基于道路数据和全量货车实时轨迹数据，统计货车可行驶道路上各个路段的拥堵情况，进而构建拥堵时长预测模型，包括：
统计近一周内车辆行驶轨迹，确定货车可行驶道路；
统计所述货车可行驶道路上各个路段车辆拥堵情况；
统计三个路口以内，通往各个路段的路线的车辆拥堵状态和时间，以及路线的转向关系；
生成数据集，其中特征数据为5，10，15，20分钟内，三个路口内左转、直行、右转三个方向路线的拥堵状态；类别数据为不拥堵、拥堵5分钟内、10分钟内、15分钟内、20分钟内、超过20分钟；
基于LSTM深度学习网络，构建拥堵时长预测模型。


3.根据权利要求2所述的方法，其特征在于，
所述LSTM深度学习网络采用两个LSTM层和两个Dropout层，训练生成所述拥堵时长预测模型。


4.根据权利要求2所述的方法，其特征在于，
所述LSTM深度学习网络包括5层，依次是第一LSTM层、第一Dropout层、第二LSTM层、第二Dropout层、全连接层。


5.根据权利要求1所述的方法，其特征在于，
根据用户车辆位置和目的地位置，根据距离进行路线规划，选择最短距离路线和两倍最短距离路线里程范围之间的路线；
将选择的路线放到一个列表中，查看所述列表中的路线里是否有全程不拥堵的路线，如果有则直接选择最短的不拥堵路线，引导用户依照所述最短的不拥堵路线前往目的地；如果各个路线都拥堵，则预估各路线的全程拥堵时间，并判断路线上是否有停车场入...

【专利技术属性】
技术研发人员：杨晓明，孙智彬，张志平，胡道生，夏曙东，
申请(专利权)人：北京中交兴路信息科技有限公司，
类型：发明
国别省市：北京;11