[發明專利]車輛駕駛到達時間的預估方法、裝置及電子設備

有效

• 申請號: 201911365184.0
• 申請日: 2019-12-26
• 公開（公告）號: CN111141302B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 李旭
• 申請（專利權）人: 斑馬網絡技術有限公司
• 主分類號: G01C21/34
• 分類號: G01C21/34
• 代理公司: 上海華誠知識產權代理有限公司 31300
• 代理人: 徐穎聰

本發明提供一種車輛駕駛到達時間的預估方法、裝置、電子設備及計算機可讀存儲介質，其中，車輛駕駛到達時間的預估方法包括：獲取車輛的起點和終點位置；將所述起點和終點位置匹配到路網中，并基于所述起點和終點位置確定最佳路線；基于路網獲取所述最佳路線的道路link和路口組合；對所述最佳路線的道路link和路口組合進行場景劃分；計算場景化下所述最佳路線的各個道路link和路口的經歷時間；統計所述最佳路線的所有道路link和路口的經歷時間，預估所述車輛駕駛到達時間。根據本發明的車輛駕駛到達時間的預估方法，能有效提升在線實時預估準確性，且模型參數更新的具有便捷性與可擴展性。

技術領域

本發明涉及車輛領域，具體涉及一種車輛駕駛到達時間的預估方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

目前預估車輛駕駛到達時間方法采用各個link歷史通行時間進行累加求和或采用當前道路的實時速度計算各link駕駛通行時間累加求和預估起止點駕駛到達時間或采用深度學習模型等其它模型基于離線軌跡數據預估。

但是，采用歷史速度或實時速度計算各個link的通行時間累加求和，都存在因前后link之間交通狀況相互依賴而使得累積誤差大的問題，尤其對于早晚高峰時刻通行時間預估準確性顯著下降。

采用深度學習模型預估駕駛時間，存在預估模型的網絡復雜，規模化部署難度大，同時因學習參數源于離線軌跡數據，不能有效反應實時路況，且模型參數更新周期長，可擴展性差。

發明內容

有鑒于此，本發明提供一種車輛駕駛到達時間的預估方法、裝置、電子設備及計算機可讀存儲介質，能有效提升在線實時預估準確性，且模型參數更新的具有便捷性與可擴展性。

為解決上述技術問題，一方面，本發明提供一種車輛駕駛到達時間的預估方法，包括如下步驟：

獲取車輛的起點和終點位置；

將所述起點和終點位置匹配到路網中，并基于所述起點和終點位置確定最佳路線；

基于路網獲取所述最佳路線的道路link和路口組合；

對所述最佳路線的道路link和路口組合進行場景劃分；

計算場景化下所述最佳路線的各個道路link和路口的經歷時間；

統計所述最佳路線的所有道路link和路口的經歷時間，預估所述車輛駕駛到達時間。

進一步地，還包括：

獲取路網中各個道路link的歷史平均通行速度和實時通行速度；

基于所述路網中各個道路link的歷史平均通行速度和實時通行速度通過在線算路確定所述最佳路線。

進一步地，所述道路link的場景包括：城市、道路等級、早晚高峰/平峰、距離起始點的規劃時間中的一種或多種。

進一步地，所述路口的場景包括：城市、路口類型、路口轉向、早晚高峰/平峰中的一種或多種。

進一步地，場景化下所述最佳路線的各個道路link的經歷時間通過如下進行計算：

根據各道路link的各場景的場景系數、歷史速度通過時間、以及實時速度通過時間，通過下述式(1)確定各道路link的經歷時間，

t_link＝k_{link_h}×t_h+k_{link_r}×t_r (1)

其中，t_link表示該道路link按場景劃分后計算的通行時間，