BRPI1005651A2 - dicionário de perfis de velocidade - Google Patents
dicionário de perfis de velocidade Download PDFInfo
- Publication number
- BRPI1005651A2 BRPI1005651A2 BRPI1005651-3A BRPI1005651A BRPI1005651A2 BR PI1005651 A2 BRPI1005651 A2 BR PI1005651A2 BR PI1005651 A BRPI1005651 A BR PI1005651A BR PI1005651 A2 BRPI1005651 A2 BR PI1005651A2
- Authority
- BR
- Brazil
- Prior art keywords
- speed
- data
- historical traffic
- traffic data
- dictionary
- Prior art date
Links
- 238000000034 method Methods 0.000 claims description 27
- 238000005192 partition Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 2
- 230000008520 organization Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 claims 3
- 238000007619 statistical method Methods 0.000 abstract description 6
- 239000000523 sample Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- 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
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
DICIONáRIO DE PERFIS DE VELOCIDADE Um dicionário de perfis de velocidade e tabelas de pesquisa associadas são apresentados. Um conjunto de perfis de velocidade distintos é definido utilizando uma rotina de análise estatística. De preferência, a rotina de análise estatística utiliza agrupamento. Os perfis de velocidade são, em seguida, comparados com os códigos de posição, identificando locais físicos em uma rede de estradas e os dias da semana. Os aplicativos que utilizam dados históricos de tráfego podem usar o dicionário de perfis de velocidade e uma ou mais tabelas de pesquisa ao invés de um banco de dados históricos de tráfego completo, deste modo reduzindo a quantidade de memória necessária para armazenar dados históricos de tráfego.
Description
"DICIONÁRIO DE PERFIS DE VELOCIDADE"
CAMPO
A presente invenção refere-se, de modo geral, a dados históricos de tráfego, e mais particularmente, se refere a um dicionário de perfis de velocidade para a representação de dados históricos de velocidade.
FUNDAMENTOS
Os dados históricos de tráfego para uma rodovia podem incluir tempo de viagem, tempo de atraso, velocidade, e/ou dados de congestionamento para várias horas do dia, dias da semana, dias do ano, e assim por diante. Os dados históricos de tráfego podem ser obtidos através de sensores de rodovia, sondas, e/ou sistemas de relato de incidente. Os sensores podem usar radares, equipamentos acústicos, vídeo, e loops embutidos na rodovia a fim de coletar dados que podem ser usados para caracterizar condições de tráfego. Por exemplo, os dados de sensor podem incluir velocidade, volume (número de veículos que passam pelo sensor por um período de tempo), e densidade (percentual de ocupação da rodovia por veículos). Os dados de sensor podem incluir outros tipos de dados, tais como classificação de veículo (por exemplo, carro, caminhão, motocicleta).
Os dados de sonda são dados de indicação coletados a partir de um veículo em movimento tendo um dispositivo que pode identificar a posição do veículo à medida que o veículo trafega por uma rede de estradas. Por exemplo, o dispositivo pode usar uma tecno- logia celular (por exemplo, a transferência celular) ou a tecnologia do Posicionamento Global via Satélite (GPS) a fim de monitorar a posição do veículo na rede de estradas. Ao monitorar o movimento do veículo, os dados de sonda podem ser usados para determinar o tempo de viagem, o qual poderá, em seguida, ser usado para calcular a velocidade do veículo.
Os dados de incidente são os dados de tráfego relativos a um evento de tráfego que obstrui o fluxo de tráfego no sistema rodoviário ou que, de outra forma, é digna de nota com referência ao tráfego. Exemplos de incidentes incluem acidentes, congestionamento, construção, veículos desabilitados, ou incêndios de veículo. Um operador de tráfego poderá entrar os dados de incidente em um Sistema de Monitoramento de Incidentes de Tráfego (TIMS), tal como o sistema TIMS descrito na Publicação de Patente US N. 2004/0143385, atribuída à mesma cessionária do corrente pedido de Patente. O operador de tráfego é uma pessoa que coleta informações de tráfego a partir de uma variedade de fontes, como, por exemplo, ao monitorar as freqüências de varredura de emergência; por meio da visualização de imagens de câmeras situadas adjacentes à rodovia; ao ligar para o departamento nacio- nal de transporte, a polícia, ou serviços de emergência; ou da obtenção de informações a partir de uma aeronave que voa sobre a rede de estradas.
Os dados históricos de tráfego podem ser armazenados em um banco de dados históricos de tráfego, tais como o banco de dados do Padrão de Tráfego NAVTEQ™, que inclui as típicas velocidades de tráfego para muitas estradas primárias ou secundárias. Os dados do banco de dados históricos de tráfego podem ser usados em aplicações de rotina, permitindo aos motoristas planejar rotas com as quais evitariam áreas normalmente conges- tionadas e obter estimativas mais precisas de tempo de viagem com base em condições de tráfego similares. Os dados históricos de tráfego podem também ser usados para prever o tempo de limpeza para um evento de tráfego; prever as condições de tráfego quando os dados de sensor, os dados de sonda, e/ou os dados de incidente são inevitáveis para uma rodovia em particular; prever a probabilidade de acidentes; ou para qualquer outra finalidade adequada.
Embora o banco de dados históricos de tráfego tenha muitos usos benéficos, exis- tem ainda oportunidades de para aperfeiçoamento. Uma área para aperfeiçoamento é na redução de necessidade de armazenamento para o banco de dados históricos de tráfego. Uma vez que o volume de dados históricos de tráfego é tão grande, seria um benefício re- presentar os dados históricos de tráfego de uma maneira que minimize as necessidades de armazenamento.
SUMÁRIO
Um dicionário de perfis de velocidade e tabelas de pesquisa associadas são apre- sentados. Um conjunto de perfis de velocidade distintos é definido mediante o uso de uma rotina de análise estatística. De preferência, a rotina de análise estatística utiliza um agru- pamento. O agrupamento é uma técnica de análise estatística que analisa a distribuição de dados em múltiplas dimensões e tenta organizar os dados em agrupamentos "similares". Os perfis de velocidade são, em seguida, comparados com os códigos de posição que identifi- cam locais físicos em uma rede de estradas. O uso de um dicionário de perfis de velocidade pode reduzir as necessidades de armazenamento de um banco de dados históricos de trá- fego em até 98%. O dicionário de perfis de velocidade pode ainda ser usado para identificar dados de entrada errados, o que aumenta a consistência e a qualidade de um banco de da- dos históricos de tráfego.
Estes, bem como ainda outros, aspectos e vantagens tornar-se-ão aparentes àque- les com habilidade simples na técnica, mediante a leitura da descrição detalhada a seguir, com referência apropriada aos desenhos em anexo. Além disso, deve-se entender que o presente sumário é tão-somente um exemplo e não tem a intenção de limitar o âmbito de aplicação da presente invenção tal como reivindicada.
BREVE DESCRIÇÃO DOS DESENHOS
Modalidades presentemente preferidas são descritas a seguir, em conjunto com as figuras de desenho em apenso, nas quais numerais de referência similares se referem a elementos similares nas diversas figuras, e nas quais:
A Figura 1 é um diagrama em blocos de uma plataforma computacional para a ge- ração de um dicionário de perfis de velocidade, de acordo com um exemplo;
A Figura 2 é exemplo proposto pela aplicação do dicionário de perfis de velocidade, ilustrado na Figura 1;
A Figura 3 é um fluxograma de um método para a geração de um dicionário de per- fis de velocidade e tabelas de pesquisa associadas, de acordo com um exemplo;
A Figura 4 é um fluxograma de um método de análise de dados históricos de tráfego, de acordo com um exemplo;
A Figura 5 é um gráfico que ilustra a estatística exemplar de um perfil de velocidade;
A Figura 6 é um gráfico que ilustra um perfil de velocidade exemplar; e
A Figura 7 ilustra um dicionário de perfis de velocidade e uma tabela de pesquisa de dicionário de perfis de velocidade, de acordo com um exemplo.
DESCRIÇÃO DETALHADA
A Figura 1 é um diagrama em blocos de uma plataforma computacional 100 que in- clui um hardware e um software. A plataforma computacional 100 pode ser um servidor, um computador pessoal (PC), uma pluralidade de computadores acoplados entre si para aplica- ções computacionais paralelas, ou qualquer outro computador ou sistema de computadores. A plataforma computacional 100 inclui um processador 102 que é operável de modo a exe- cutar uma aplicação de dicionário de perfis de velocidade (SPD) 104 armazenada em uma memória de armazenamento legível em computador 106. A memória de armazenamento legível em computador 106 pode ser situada dentro da plataforma computacional 100 con- forme mostrado na Figura 1. De maneira alternativa, a memória de armazenamento legível em computador 106 pode ser situada externa à plataforma computacional 100, tal como em uma unidade de memória flash ou em um disco CD-ROM, cuja unidade ou disco é acessada por meio da plataforma computacional 100 quando a memória 106 é conectada à plataforma computacional 100.
A aplicação do dicionário SPD 104 gera perfis de velocidade baseados nos dados históricos de tráfego armazenados em um primeiro armazenador de dados 108. O dicionário SPD 104 em seguida associa os perfis de velocidade gerados a um identificador de agru- pamento de modo a criar um dicionário de perfis de velocidade. A aplicação do dicionário SPD 104 também gera uma ou mais tabelas de pesquisa que associa os dados de posição e os períodos de hora ao identificador de agrupamentos. O processador 102 em seguida armazena o dicionário de perfis de velocidade e as tabelas de pesquisa em um segundo armazenador de dados 110.
O armazenador de dados 108, 110 inclui os dados organizados em uma estrutura de dados e armazenados em uma memória, tal como em uma memória ROM, memória RAM, ou memória flash. Embora a Figura 1 ilustre os armazenadores de dados 108, 110 como estando na plataforma computacional 100, deve-se entender que um ou ambos os armazenadores de dados 108, 110 podem ser armazenados em qualquer lugar e se tornar acessíveis à plataforma computacional 100. Além disso, os armazenadores de dados 108, 110 podem ser divididos em mais de dois armazenadores de dados.
A Figura 2 is uma entrada exemplar à aplicação de dicionário SPD 104 ilustrado na Figura 1. O exemplo ilustrado na Figura 2 é uma tabela 200 que pode ser armazenada no primeiro armazenador de dados 108. Outras estruturas de dados podem ser usadas na or- ganização e armazenamento dos dados de entrada. Além disso, outros tipos de dados po- dem ser incluídos nos dados de entrada.
A tabela 200 inclui um atributo de código de posição 202. O atributo de código de posição 202 inclui os dados associados às informações de posição. As informações de posi- ção podem incluir coordenadas geográficas (por exemplo, latitude, longitude, e altitude), os códigos de tráfego (por exemplo, os códigos do Canal de Mensagem de Tráfego do Sistema de Dados de Rádio (RDS-TMC) e os códigos de Informação de Veículo e do Sistema de Comunicação (VICS)), as identificações de segmento de estrada, as identificações de grade ou tijolo, e/ou qualquer outro método de identificação de um local físico em uma ou adjacen- te a uma rede de estradas no mundo real.
A tabela 200 inclui ainda um atributo de código de dia 204. O atributo de código de dia 204 inclui dados associados aos dias da semana ou a outros dias de interesse. Por e- xemplo, os dias da semana podem ser representados numericamente (por exemplo, Domin- go = 1, ... Sábado = 7). Como outro exemplo, os demais dias de interesse podem ser atribu- ídos a código numéricos, tais como 100 = Dia de Ação de Graças, 200 = Domingo de Pás- coa, e assim por diante. Outros esquemas de codificação podem também ser usados para identificar os dias da semana ou outros dias de interesse.
Além disso, o atributo de código de dia 204 pode identificar outras condições que podem impactar os tempos de viagem. Por exemplo, o atributo de código de dia 204 pode incluir dados associados a condições climáticas, tais como chuva, neve, e vento. Como ou- tro exemplo, atributo de código de dia 204 pode incluir dados associados a condições de estrada, tais como fechamentos de pista.
A tabela 200 inclui ainda um ou mais atributos de períodos de hora 206. Os atribu- tos de períodos de hora 206 incluem dados associados à quantidade de velocidade por um período de tempo. Por exemplo, o período de tempo pode ser de quinze minutos. Neste e- xemplo, há noventa e seis períodos de hora, cada qual associado a uma quantidade de ve- locidade. Outras durações de períodos de hora podem também ser usadas. A quantidade de velocidade pode ser um número que representa uma velocidade média (por exemplo, milhas por hora (MPH), quilômetros por hora (KPH)) para o período de hora medido no local asso- ciado. A quantidade de velocidade pode também representar outras quantidades, tais como a velocidade média para o período de hora medido no local associado.
A Figura 3 é um fluxograma de um método 300 para a geração de um dicionário de perfis de velocidade e tabelas de pesquisa associadas utilizando o armazenador de dados do primeiro armazenador de dados 108. O método 300 pode incluir a organização dos da- dos históricos de tráfego conforme ilustrado na Figura 2, caso ainda não neste formato. O método 300 pode incluir etapas adicionais também não ilustradas na Figura 3.
No bloco 302, a aplicação do dicionário SPD 104 analisa os dados históricos de trá- fego armazenados no primeiro armazenador de dados 108. De preferência, uma análise de agrupamentos é feita nos dados históricos de tráfego. O agrupamento é uma técnica de análise estatística que analisa a distribuição de dados em múltiplas dimensões e tenta orga- nizar os dados em agrupamentos "similares". No entanto, outras técnicas analíticas (super- visionadas ou não supervisionadas) podem ser usadas. Por exemplo, o algoritmo Fuzzy c- means, o algoritmo hierárquico, o Algoritmo de Árvore de Auto-Organizada (SOTA), ou ou- tras abordagens de rede neural podem ser usadas. Uma análise exemplar é descrita com relação à Figura 4.
A Figura 4 é um fluxograma de um método 400 de análise de dados históricos de tráfego armazenados no primeiro armazenador de dados 108. O método 400 utiliza um a- grupamento por k médias. O agrupamento por K médias funciona bem com grandes conjun- tos de dados, como, por exemplo, com os dados históricos de tráfego. Em um exemplo, a aplicação do dicionário SPD 104 pode utilizar um software analítico vendido pela SPSS Inc. com o objetivo de analisar dados históricos de tráfego. No entanto, outros algoritmos e/ou programas de software podem ser utilizados no método 400.
No bloco 402, a aplicação do dicionário SPD 104 particiona os dados históricos de tráfego armazenados no armazenador de dados 108 em grupos de velocidade referidos no presente documento como baldes de velocidade. Por exemplo, os dados históricos de velo- cidade podem ser agrupados em baldes de velocidade de 5 KPH. Neste exemplo, as parti- ções saída baseadas em múltiplos de cinco e incluem velocidades de +/- 2.5 KPH. A parti- ção pode garantir que uma dada velocidade noturna do código de posição seja consistente entre dias da semana diferentes.
Os baldes de velocidade são agrupados separadamente com base no número de códigos de posição presentes em cada partição. O número de agrupamentos alvo para cada partição pode ser obtido mediante o uso da seguinte fórmula, na qual LC = código de posi- ção e Alvo é a entrada alvo de agrupamentos.
Número de agrupamentos = (contagem de código LC de partição / contagem de código LC total) * Alvo +2
No bloco 404, a aplicação do dicionário SPD 104 constrói centros de agrupamentos iniciais. Os centros de agrupamentos iniciais podem ser predeterminados ou ser aleatória- mente selecionados. Por exemplo, inicialmente os centros de agrupamentos podem ser ale- atoriamente selecionados. Com o passar do tempo, os centros de agrupamentos iniciais podem ser predeterminados com base nos resultados anteriores do método 400.
No bloco 406, a aplicação do dicionário SPD 104 atribui agrupamentos com base em uma distância até os centros de agrupamentos. Os códigos de posição são atribuídos ao centro de agrupamento mais próximo. No bloco 408, a aplicação de dicionário SPD 104 cal- cula novamente os centros de agrupamento com base nos códigos de posição atribuídos ao agrupamento. Este processo de atribuição de códigos de posição aos centros de agrupa- mento e em seguida recalcular novas posições de centros de agrupamento continua com base em uma determinação no bloco 410.
No bloco 410, a aplicação do dicionário SPD 104 determina se há uma variação nos centros de agrupamento. Por exemplo, quando os centros de agrupamento não se movi- mentam após o último recálculo de centros de agrupamento, não haverá nenhuma variação. Além disso ou de maneira alternativa, quando os centros de agrupamento se movimentam ligeiramente (por exemplo, abaixo de um valor limite) ou oscilam entre duas posições, a a- plicação do dicionário SPD 104 poderá determinar que não há nenhuma variação nos cen- tros de agrupamento. Quando há uma variação, a aplicação do dicionário SPD 104 volta para o bloco 406. De outra forma, no bloco 412, a aplicação do dicionário SPD 104 emite perfis de velocidade, que são usados no bloco 304 do método 300.
Além disso ou de maneira alternativa, no bloco 410, a aplicação do dicionário SPD 104 pode determinar se um número predeterminado de iterações ocorreu. Por exemplo, o número predeterminado de iterações pode ser 100. Quando o número predeterminado de iterações não é atingido, a aplicação do dicionário SPD 104 volta para o bloco 406. De outra forma, no bloco 412, a aplicação do dicionário SPD 104 emite perfis de velocidade, que são usados no bloco 304 do método 300.
Voltando à Figura 3, no bloco 304, a aplicação do dicionário SPD 104 define um di- cionário de perfis de velocidade utilizando os perfis de velocidade gerados pela análise dos dados históricos de tráfego no bloco 302. A aplicação do dicionário SPD 104 coleta códigos de posição 202 para cada agrupamento e gera estatísticas para cada período de hora 206 (época). A Figura 5 é um gráfico 500 que ilustra as estáticas exemplares para um perfil de velocidade. O gráfico 500 ilustra a faixa de valores 502, o percentual nonagésimo (90°) 504, e o perfil de velocidade definido 506. Neste exemplo, o perfil de velocidade 506 é definido como o valor mínimo de velocidade. A Figura 6 é um gráfico 600 que ilustra um exemplo de perfil de velocidade 602. O perfil de velocidade 602 é definido como os valores de velocida- de na ordem do período de hora 206, que compreende um padrão completo de velocidade diária para um dado código de posição 202.
Os perfis de velocidade são combinados quando similares a fim de garantir que os perfis tenham um único formato. Os perfis similares podem ser identificados ao realizar a análise de erros mínimos quadráticos utilizando a seguinte equação, quando d representa o desvio entre as velocidades para uma dada época.
Erro Mínimo Quadrático = <formula>formula see original document page 8</formula>
Cada perfil de velocidade único é atribuído a um identificador de agrupamento para fins de referência.
No bloco 306, a aplicação do dicionário SPD 104 atribui códigos de posição e códi- gos de dia aos perfis de velocidade definidos no bloco 304. A Figura 7 ilustra uma porção de um exemplo de dicionário de perfis de velocidade 700 e uma porção de uma tabela de pes- quisa de dicionário de perfis de velocidade 702 exemplar. A Figura 7 é uma saída exemplar de uma aplicação do dicionário SPD 104 ilustrada na Figura 1, que pode ser armazenada no armazenador de dados 110.
O dicionário de perfis de velocidade 700 organiza os perfis de velocidade por meio do identificador de agrupamento atribuído. O dicionário de perfis de velocidade 700 pode incluir qualquer número de perfis de velocidade. Por exemplo, o dicionário de perfis de velo- cidade pode ter de 500 a 1000 agrupamentos diferentes de modo a prover uma boa faixa de perfis com uma perda mínima de precisão.
A tabela de pesquisa do dicionário de perfis de velocidade 702 identifica um perfil de velocidade correspondente por local e dia utilizando o identificador de agrupamento do dicionário de perfis de velocidade 700. No exemplo ilustrado na Figura 7, o identificador de agrupamento #5 é atribuído ao código de posição 5918, de segunda feira à terça feira. Em- bora a tabela de pesquisa 702 utilize os código do canal TMC, deve-se entender que qual- quer esquema de referência de local poderá ser usado. Além disso, mais de uma tabela de pesquisa pode ser criada. Por exemplo, pode haver tabelas separadas para feriados, dias especiais, e/ou dias de tráfego ruim devido ao clima, fechamentos de pista, e assim por di- ante.
Uma aplicação que usa dados históricos de tráfego, tal como uma aplicação de ro- teamento, poderá usar o dicionário de perfis de velocidade 700 juntamente com uma ou mais tabelas de pesquisa 702 ao invés de usar todo o banco de dados históricos de tráfego. A aplicação de roteamento pode ser armazenada na memória de um sistema de navegação, um telefone móvel, um computador pessoal, um servidor conectado à Internet, ou qualquer outra plataforma computacional adequada. Um usuário poderá solicitar uma orientação de rota por meio da provisão de informações, tais como origem, destino, dia de partida, hora de partida, dia de chegada, e hora de chegada, para a plataforma computacional.
A aplicação de roteamento em seguida calcula uma rota a partir da origem até o destino utilizando algoritmos de roteamento conhecidos. A aplicação de roteamento identifi- ca os códigos de posição associados a um local físico ao longo da rota e usa os códigos de posição e do dia de partida para obter um identificador de agrupamento a partir da tabela de pesquisa 702. O dia de partida pode criar um padrão para o dia da solicitação; no entanto, o usuário poderá especificar uma data futura para o planejamento de uma viagem a ocorrer mais a frente. A aplicação de roteamento obtém um perfil de velocidade a partir do dicionário de perfis de velocidade 700 usando o identificador de agrupamento.
A aplicação de roteamento calcula um tempo de viagem estimado para a rota usan- do o perfil de velocidade e provê a rota e o tempo de viagem estimado ao usuário. Além dis- so ou de maneira alternativa, a aplicação de roteamento pode calcular um tempo de partida estimado para chegar a um destino na hora especificada pelo usuário. Além disso ou de maneira alternativa, a aplicação de roteamento pode calcular outras rotas alternativas, per- mitindo ao usuário selecionar uma rota que atende a suas necessidades (por exemplo, a distância mais curta, o tempo mais rápido, nenhuma rodovia, menor quantidade de tráfego).
Com referência, mais uma vez, à Figura 7, quando uma aplicação de roteamento é solicitada a prover uma orientação de rota ao longo da porção da rede de estradas atribuída ao código do canal TMC 5920 em uma segunda feira, a aplicação de roteamento usa a tabe- la de pesquisa 702 de modo a obter o perfil de velocidade identificado pelo identificador de agrupamento #10. Dependendo do tempo solicitado para a orientação da rota, o perfil de velocidade identifica a velocidade de viagem esperada naquela porção da rede de estradas. Embora este exemplo descreva o uso do dicionário de perfis de velocidade para roteamento, o dicionário de perfis de velocidade pode ser usado ainda com outras aplicações.
Outros benefícios podem ser realizados a partir do uso do método 300 para a gera- ção de um dicionário de perfis de velocidade. Por exemplo, o método 300 pode ser usado para identificar perfis de velocidade improváveis resultantes de dados de entrada errôneos e/ou processamento errôneo dos dados de entrada. Como resultado, o dicionário de perfis de velocidade poderá oferecer mais qualidade e/ou consistência do que um banco de dados históricos de tráfego.
Além disso, o dicionário de perfis de velocidade pode ser usado para porções da rede de estradas não identificadas no banco de dados históricos de tráfego. Por exemplo, os perfis de velocidade podem ser atribuídos a códigos de posição para os quais há poucos ou nenhum dado de fonte com base nas similaridades com outros códigos de posição. Por e- xemplo, os dois códigos de posição (um associado a dados históricos de tráfego, outro sem esses dados) podem representar o mesmo tipo de estrada (por exemplo, uma rodovia), em uma área similar (por exemplo, um centro urbano), tendo uma população similar.
Pretende-se que a descrição detalhada acima seja considerada como ilustrativa ao invés de Iimitante e que fique entendido que as reivindicações a seguir que incluem todos os equivalentes pretendem definir o âmbito de aplicação da presente invenção. Por exemplo, embora os sistemas e métodos descritos no presente documento utilizem dados de veloci- dade, deve-se entender que outros dados de tráfego podem ser usados em sistemas e mé- todos similares. As reivindicações não devem ser lidas como limitadas à ordem descrita ou aos elementos apresentados a menos que afirmado neste sentido. Por conseguinte, todas as modalidades que recaiam dentro do âmbito de aplicação e espírito das reivindicações a seguir e seus equivalentes são reivindicados como a presente invenção.
Claims (11)
1. Método implementado por computador para a geração de um dicionário de perfis de velocidade embutido em uma memória legível em computador, o método sendo CARACTERIZADO pelo fato de compreender as etapas de: - receber dados históricos de tráfego associados a uma rede de estradas em uma área geográfica; - particionar os dados históricos de tráfego em faixas de dados de velocidade; - analisar os dados históricos de tráfego por partição a fim de gerar uma pluralidade de perfis de velocidade; - atribuir cada perfil de velocidade a um único identificador; - associar a pluralidade de perfis de velocidade a códigos de posição que se refe- rem aos locais físicos na rede de estradas e a códigos de dia que se referem aos dias de semana; e - prover uma tabela de pesquisa que se refere ao identificador de perfil de velocida- de em função do código de posição e do código de dia.
2. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que os dados históricos de tráfego incluem dados históricos de velocidade associados à rede de estradas.
3. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que a etapa de analisar os dados históricos de tráfego inclui a organização dos dados históricos de tráfego em função do código de posição, do código de dia, e de uma pluralidade de períodos de hora.
4. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que a etapa de analisar os dados históricos de tráfego inclui a realização de uma análise de agru- pamentos.
5. Método, de acordo com a reivindicação 4, CARACTERIZADO pelo fato de que a etapa de analisar agrupamentos é feita para cada partição e o número de agrupamentos por partição é igual a (contagem de códigos de posição por partição / contagem de códigos de posição total) * entrada alvo de agrupamentos +2.
6. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que a etapa de analisar os dados históricos de tráfego inclui a identificação de perfis de velocidade similares usando uma análise de erros mínimos quadráticos.
7. Método, de acordo com a reivindicação 6, CARACTERIZADO pelo fato de com- preender ainda a etapa de combinar perfis de velocidade similares.
8. Sistema para a geração de um dicionário de perfis de velocidade, CARACTERIZADO pelo fato de compreender em combinação: - um processador; - um armazenador de dados; e - instruções de linguagem de máquina armazenadas no armazenador de dados e- xecutáveis pelo processador a fim de: - analisar dados históricos de tráfego dentro das faixas de dados de velocidade de modo a gerar uma pluralidade de perfis de velocidade, sendo que os dados históricos de tráfego são associados a uma rede de estradas de uma área geográfica; - atribuir cada perfil de velocidade a um único identificador; - associar a pluralidade de perfis de velocidade aos códigos de posição que se refe- rem a locais físicos na rede de estradas e aos códigos de dia; e - prover uma tabela de pesquisa que faz referência ao identificador de perfil de ve- locidade em função do código de posição e do código de dia.
9. Sistema, de acordo com a reivindicação 8, CARACTERIZADO pelo fato de que os dados históricos de tráfego incluem dados históricos de velocidade associados à rede de estradas.
10. Sistema, de acordo com a reivindicação 8, CARACTERIZADO pelo fato de que os dados históricos de tráfego são armazenados em um armazenador de dados e organiza- dos em função do código de posição, do código de dia, e de uma pluralidade de períodos de hora.
11. Sistema, de acordo com a reivindicação 8, CARACTERIZADO pelo fato de que o agrupamento é usado para analisar os dados históricos de tráfego dentro de faixas de da- dos de velocidade.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US12/637,980 US8396663B2 (en) | 2009-12-15 | 2009-12-15 | Speed profile dictionary |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| BRPI1005651A2 true BRPI1005651A2 (pt) | 2012-06-19 |
| BRPI1005651B1 BRPI1005651B1 (pt) | 2019-09-10 |
Family
ID=43646469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BRPI1005651A BRPI1005651B1 (pt) | 2009-12-15 | 2010-12-14 | dicionário de perfis de velocidade |
Country Status (4)
| Country | Link |
|---|---|
| US (2) | US8396663B2 (pt) |
| EP (1) | EP2336722B1 (pt) |
| AU (1) | AU2010246386A1 (pt) |
| BR (1) | BRPI1005651B1 (pt) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5315353B2 (ja) * | 2007-10-26 | 2013-10-16 | トムトム インターナショナル ベスローテン フエンノートシャップ | 位置決定データを処理する方法、位置決定データを処理するように構成された機械、及び記憶媒体 |
| US9552726B2 (en) | 2009-08-24 | 2017-01-24 | Here Global B.V. | Providing driving condition alerts using road attribute data |
| US8396663B2 (en) * | 2009-12-15 | 2013-03-12 | Navteq B.V. | Speed profile dictionary |
| CN103246706A (zh) * | 2013-04-09 | 2013-08-14 | 哈尔滨工程大学 | 一种道路网络空间中车辆对象移动轨迹聚类的方法 |
| US9613529B2 (en) * | 2014-02-03 | 2017-04-04 | Here Global B.V. | Predictive incident aggregation |
| WO2015134311A1 (en) * | 2014-03-03 | 2015-09-11 | Inrix Inc | Traffic obstruction detection |
| US9663111B2 (en) | 2014-05-30 | 2017-05-30 | Ford Global Technologies, Llc | Vehicle speed profile prediction using neural networks |
| US9761133B2 (en) | 2015-06-26 | 2017-09-12 | Here Global B.V. | Determination of a free-flow speed for a link segment |
| US9869561B2 (en) * | 2015-11-23 | 2018-01-16 | Here Global B.V. | Method and apparatus for providing traffic event notifications |
| EP3358542B1 (en) | 2017-02-01 | 2020-12-09 | Kapsch TrafficCom AG | A method of predicting a traffic behaviour in a road system |
| US10909470B2 (en) | 2017-02-22 | 2021-02-02 | Here Global B.V. | Method and apparatus for providing semantic-free traffic prediction |
| CN108346299B (zh) * | 2018-01-09 | 2020-07-10 | 北京荣之联科技股份有限公司 | 车辆速度评估方法及装置 |
| FR3096822B1 (fr) * | 2019-05-28 | 2022-04-22 | Ifp Energies Now | Procédé de prédiction d’au moins un profil de la vitesse d’un véhicule sur un réseau routier |
| CN110598747B (zh) * | 2019-08-13 | 2023-05-02 | 广东工业大学 | 基于自适应k均值聚类算法的道路分类方法 |
Family Cites Families (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6680694B1 (en) * | 1997-08-19 | 2004-01-20 | Siemens Vdo Automotive Corporation | Vehicle information system |
| DE10030931C2 (de) * | 2000-06-24 | 2002-06-13 | Bosch Gmbh Robert | Verfahren zur Fahrtroutenberechnung in einem Navigationssystem |
| US6545637B1 (en) * | 2001-12-20 | 2003-04-08 | Garmin, Ltd. | Systems and methods for a navigational device with improved route calculation capabilities |
| US20040021437A1 (en) * | 2002-07-31 | 2004-02-05 | Maslov Boris A. | Adaptive electric motors and generators providing improved performance and efficiency |
| US7499949B2 (en) * | 2002-08-07 | 2009-03-03 | Navteq North America, Llc | Method and system for obtaining recurring delay data using navigation systems |
| WO2005013063A2 (en) * | 2003-07-25 | 2005-02-10 | Landsonar, Inc. | System and method for determining recommended departure time |
| US20050096842A1 (en) * | 2003-11-05 | 2005-05-05 | Eric Tashiro | Traffic routing method and apparatus for navigation system to predict travel time and departure time |
| JP4317000B2 (ja) * | 2003-12-10 | 2009-08-19 | パイオニア株式会社 | 案内誘導装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体 |
| JP4255028B2 (ja) * | 2005-01-31 | 2009-04-15 | 株式会社ザナヴィ・インフォマティクス | ナビゲーション装置、サーバ装置の交通情報送信方法 |
| JP4878160B2 (ja) * | 2006-01-04 | 2012-02-15 | クラリオン株式会社 | 交通情報表示方法及びナビゲーションシステム |
| US7899611B2 (en) * | 2006-03-03 | 2011-03-01 | Inrix, Inc. | Detecting anomalous road traffic conditions |
| US8355864B2 (en) * | 2007-03-27 | 2013-01-15 | Nec Corporation | Map matching system, map matching method and program |
| JP5315353B2 (ja) | 2007-10-26 | 2013-10-16 | トムトム インターナショナル ベスローテン フエンノートシャップ | 位置決定データを処理する方法、位置決定データを処理するように構成された機械、及び記憶媒体 |
| US8626230B2 (en) * | 2008-03-04 | 2014-01-07 | Dish Network Corporation | Method and system for using routine driving information in mobile interactive satellite services |
| JP5024134B2 (ja) * | 2008-03-14 | 2012-09-12 | アイシン・エィ・ダブリュ株式会社 | 走行情報作成装置、走行情報作成方法及びプログラム |
| EP2104081A1 (en) * | 2008-03-19 | 2009-09-23 | Harman Becker Automotive Systems GmbH | Method for providing a traffic pattern for navigation map data and navigation map data |
| US8548736B2 (en) * | 2009-02-27 | 2013-10-01 | Telecommunication Systems, Inc. | Historical data based navigational routing |
| 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 |
| WO2011004026A2 (en) * | 2009-07-09 | 2011-01-13 | Tomtom International Bv | Navigation devices and methods carried out thereon |
| US8396663B2 (en) * | 2009-12-15 | 2013-03-12 | Navteq B.V. | Speed profile dictionary |
| US20110153189A1 (en) * | 2009-12-17 | 2011-06-23 | Garmin Ltd. | Historical traffic data compression |
-
2009
- 2009-12-15 US US12/637,980 patent/US8396663B2/en active Active
-
2010
- 2010-11-23 AU AU2010246386A patent/AU2010246386A1/en not_active Abandoned
- 2010-12-07 EP EP10193998.1A patent/EP2336722B1/en active Active
- 2010-12-14 BR BRPI1005651A patent/BRPI1005651B1/pt not_active IP Right Cessation
-
2013
- 2013-02-06 US US13/760,889 patent/US8954278B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| EP2336722B1 (en) | 2015-01-21 |
| US8396663B2 (en) | 2013-03-12 |
| US20110144900A1 (en) | 2011-06-16 |
| US8954278B2 (en) | 2015-02-10 |
| US20130151152A1 (en) | 2013-06-13 |
| BRPI1005651B1 (pt) | 2019-09-10 |
| EP2336722A1 (en) | 2011-06-22 |
| AU2010246386A1 (en) | 2011-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| BRPI1005651A2 (pt) | dicionário de perfis de velocidade | |
| EP3293489B1 (en) | Method and apparatus for providing trajectory bundles for map data analysis | |
| US10629069B2 (en) | Method and apparatus for providing a localized link-centric metric for directional traffic propagation | |
| CN113724489B (zh) | 基于多源数据的交通拥堵溯源方法 | |
| JP5833567B2 (ja) | デジタル地図におけるネットワーク生成のための時間および／または正確度に依存した重み | |
| US9672735B2 (en) | Traffic classification based on spatial neighbor model | |
| US20200090503A1 (en) | Method, apparatus, and system for real-time detection of road closures | |
| US20210256838A1 (en) | Method, apparatus, and system for automatic verification of road closure reports | |
| US11237007B2 (en) | Dangerous lane strands | |
| US20200286391A1 (en) | Method and apparatus for computing a three-dimensional route based on risk-related data | |
| ES3037011T3 (en) | Determining customized safe speeds for vehicles | |
| US20200273328A1 (en) | Method, apparatus, and system for combinining discontinuous road closures detected in a road network | |
| EP3413099B1 (en) | Method and apparatus for providing a weather volatility index | |
| US10904853B2 (en) | Estimation of mobile device count | |
| US11867528B2 (en) | Method, apparatus, and system for providing road closure graph inconsistency resolution | |
| US10497256B1 (en) | Method, apparatus, and system for automatic evaluation of road closure reports | |
| US11499838B2 (en) | Method, system, and computer program product for providing traffic data | |
| EP3822940B1 (en) | Method and apparatus for providing dynamic window data transfer between road closure detection and road closure verification | |
| US12152901B2 (en) | System and method for processing event data | |
| Winn | A Road Network Shortest Path Analysis: Applying Time-varying Travel-time Costs for Emergency Response Vehicle Routing, Davis County, Utah: A Thesis Presented to the Department of Humanities and Social Sciences in Candidacy for the Degree of Master of Science | |
| EP4300043A1 (en) | Method and apparatus for providing a path-based map matcher | |
| Wu et al. | Travel time estimation using spatio-temporal index based on Cassandra | |
| AU2015271869B2 (en) | Speed profile dictionary | |
| US11675819B2 (en) | Method, system, and computer program product for providing traffic data using subtree data structure | |
| Qasim et al. | Detecting The Best Relationship Optimizing between Drug Dealers and End Users Following Networking Techniques in Geographic Information Systems (GIS) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B03A | Publication of a patent application or of a certificate of addition of invention [chapter 3.1 patent gazette] | ||
| B25A | Requested transfer of rights approved |
Owner name: NAVTEQ B.V. (NL) |
|
| B11A | Dismissal acc. art.33 of ipl - examination not requested within 36 months of filing | ||
| B11N | Dismissal: publication cancelled [chapter 11.14 patent gazette] |
Free format text: ANULADA A PUBLICACAO DA RPI 2243 DE 31/12/1013 POR TER SIDO INDEVIDA. |
|
| B25D | Requested change of name of applicant approved |
Owner name: HERE GLOBAL B.V. (NL) |
|
| B06F | Objections, documents and/or translations needed after an examination request according [chapter 6.6 patent gazette] | ||
| B06T | Formal requirements before examination [chapter 6.20 patent gazette] | ||
| B09A | Decision: intention to grant [chapter 9.1 patent gazette] | ||
| B16A | Patent or certificate of addition of invention granted [chapter 16.1 patent gazette] |
Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 14/12/2010, OBSERVADAS AS CONDICOES LEGAIS. (CO) 20 (VINTE) ANOS CONTADOS A PARTIR DE 14/12/2010, OBSERVADAS AS CONDICOES LEGAIS |
|
| B21F | Lapse acc. art. 78, item iv - on non-payment of the annual fees in time |
Free format text: REFERENTE A 14A ANUIDADE. |
|
| B24J | Lapse because of non-payment of annual fees (definitively: art 78 iv lpi, resolution 113/2013 art. 12) |
Free format text: EM VIRTUDE DA EXTINCAO PUBLICADA NA RPI 2805 DE 08-10-2024 E CONSIDERANDO AUSENCIA DE MANIFESTACAO DENTRO DOS PRAZOS LEGAIS, INFORMO QUE CABE SER MANTIDA A EXTINCAO DA PATENTE E SEUS CERTIFICADOS, CONFORME O DISPOSTO NO ARTIGO 12, DA RESOLUCAO 113/2013. |