對上下文敏感的路線推斷道路速度的制作方法

專利名稱：對上下文敏感的路線推斷道路速度的制作方法
對上下文敏感的路線推斷道路速度
背景
每天都使用計算機驅動的路線規劃應用程序來幫助用戶定位感興趣的點， 諸如特定建筑物、地址等。另外，在若干現存的商用應用程序中，用戶可以改 變縮放級別，由此在更改地圖的縮放級別時允許上下文和細節的變化。例如， 當用戶在特定位置上放大時，諸如本地道路的名稱、警察局和消防站的標識和 位置、諸如圖書館、博物館等公共服務的標識和位置等可被提供給用戶。當縮 小時，用戶可以從地圖中收集諸如城市、州和/或國家內感興趣的點的位置、感 興趣的點與主要免費高速公路的鄰近性、感興趣的點與特定城市的鄰近性等 等。在某些應用中，可以利用衛星圖像來向用戶提供關于特定地理位置或區域 的附加細節。例如，房屋的預期購買者可以獲得該房屋的高空衛星圖像，由此 使得該預期購買者能夠査看占地范圍、該房屋與其它相鄰房屋的鄰近性、以及 可能與用戶相關的其它信息。
此外，常規的計算機實現的地圖制作應用程序通常包括可用于向用戶提供 不同位置之間的方向的路線規劃應用程序。根據一個示例，用戶可以向路線規 劃應用程序提供起始行進點和結束行進點(例如，起始和結束地址)。路線規 劃應用程序可以包括或利用道路和十字路口的表示以及一個或多個算法來輸 出建議的行進路線。這些算法可以取決于用戶選擇的參數來輸出路線。例如， 商用路線規劃應用程序可以包括使用戶能指定她希望避開公路的復選框。類似 地，用戶可以告知路線規劃應用程序她希望在最短路線或花費最少量時間的路 線(如由低層算法所確定的)上行進。在過去的幾年中，個人已經越來越依賴 于路線規劃應用程序以在從定位朋友的房子到規劃跨國道路旅程的各種事情 中幫助他們。
路線規劃應用程序也不再限于臺式計算機。相反，幾種汽車現在都配備了 標準地圖功能，其中汽車在控制臺上包括圖形顯示以向用戶提供地圖數據和方 向。通常，在使用路線規劃應用程序之前，必須購買并加載包括允許利用路線規劃功能的數據的光盤或其它存儲介質。當諸如限速、車道數等等道路條件改 變時，可提供更新。具有GPS功能(或其它位置標識功能)的汽車能夠另外 地包括實時方向，其中方向在汽車的用戶行進時被提供給用戶。
這些路線規劃器關于諸如標出的限速、單行道的位置和相關信息等細節是 相當可靠的。然而，包括路線規劃功能的常規的應用程序做出關于道路狀態的 假設。更具體而言，當今的路線規劃應用程序是構建在恒定性和通用性的假設 上的，使得應用程序提供的最優路線與一天中的時間、 一周中的天以及詳細的 用戶偏好無關。然而，實際上，這些假設并不成立。例如，在許多情況下，在 市區中在高峰時間期間兩點之間的最佳路線并不是在午夜時在相同的兩點之 間的最優路線。然而，常規的路線規劃應用程序在向用戶提供路線時并未考慮 這些上下文。類似地，不同駕駛者可能偏好相同的兩點之間不同的路線。例如， 一個駕駛者可能避開公路或特別困難的會合處，或愿意將旅程持續時間延長幾 分鐘來跟隨景色優美的沿海道路，而另一駕駛者僅僅希望盡可能快地到達或者 經歷最短距離。
概述
以下呈現了簡化的概述，以提供所要求保護的主題的某些方面的基本理 解。該概述不是詳盡的概觀，它不旨在標識所要求保護的主題的關鍵/重要的元 素也不旨在描繪其范圍。其唯一的目的是以簡化的形式來介紹一些概念，作為 稍后提出的更為詳細的描述的序言。
假定移動設備的擴展的能力以及連接網絡的設備在家中和工作地點的滲 透，人們已變得越來越依賴于路線規劃應用程序來向其提供兩點之間的方向。 然而，常規的路線規劃應用程序的缺陷在于他們輸出與上下文無關的兩點之間 的方向，這并不代表實際的駕駛條件。例如，經常往返者認識到一特定道路段 上的行進速度統計量將在不同的時刻有很大的不同的這一事實。根據一個特定 示例，在高峰時間的道路段可能要花費比在午夜的同一道路段更長的時間來通 過。
為補償這些缺陷，此處所描述的是一種能夠輸出取決于同旅程相關聯的上 下文的駕駛方向的穩健的交通系統表示，其中該上下文可包括旅程所花費的時間、旅程發生在一周中的天、與旅程相關聯的天氣條件、與旅程相關的事件(諸 如音樂會和體育比賽事件)、以及其它合適的上下文信息。例如，該交通系統 可包括一加權圖，其中該圖的各節點表示十字路口，而邊表示十字路口之間的 道路段，且權重至少部分地基于在給定不同上下文時與道路段/十字路口相關聯 的行進速度統計量。這些權重的一部分至少可通過從行進通過由該交通系統表 示所表示的交通系統的駕駛員傳感的速度數據來確定。
給定一組道路速度以及駕駛者的偏好，可以使用搜索算法來找出兩個或更 多點之間的最優或近似最優的路徑，這通過對不同的道路段序列進行搜索，考 慮關于預期道路速度的每一信息，然后從該信息中計算整個行程的特性來實
現。用于進行這一搜索的算法包括全組合搜索、Dykstra算法、八*算法、以及 其它試探搜索算法。
然而，由于某些交通系統的大小，通常在單個上下文中難以接收到關于該 交通系統內的每一道路段的所傳感到的速度數據，更不要說是多個感興趣的上 下文了。然而，仍期望將道路段與速度統計量相關聯，并且可任選地具有關于 對不同上下文在不同道路的道路速度上的概率分布的信息，以便能夠在給定特 定上下文時計算最優駕駛方向。
因此，可從道路特性以及可能的有限的傳感數據中推斷出道路速度。例如， 道路速度可能是道路特性或道路類(例如，二車道、四車道、高速公路、州際 公路、縣公路……)、道路周圍的區域的類型(例如、商業、居住、農業、……)、 該道路所經過的地形、標出的限速、諸如購物區、休閑公園等附近的資源、以 及與道路段/十字路口有關的其它合適的數據的函數。另外，可能使用其它信息 源，包括天氣信息、道路之間的關系、道路類型以及道路狀態(例如，附近傳 感到的主干道上的交通堵塞)、以及各類道路之間的特殊地理關系(例如，從 免費高速公路的上匝道到下匝道的道路段之間的距離)。給定某些有限的傳感 的數據，可以采用統計方法(包括稱為機器學習和推理技術的方法)來生成關 于如何最佳地利用這一數據、以及這些數據之間的更高階關系和模式的洞察， 以預測在不同上下文中道路段的速度，包括當前活動的上下文、不久的將來的 上下文、以及更遠的將來的上下文。可使用該方法來構造自動化預測系統，該 系統持續地計算道路段的速度的概率分布，以使得該動態數據庫可用于生成在此時或在將來的時刻可接受的路線。
除了理解對目前的上下文尚未直接傳感到的道路段上的速度的應用之外， 此處所描述的系統/方法可被應用來執行對不同區域中的道路段的速度的預測。 例如，從舊金山地區中的部分傳感的數據的特性和數據庫中構造道路速度的預 測模型在被應用于例如芝加哥或西雅圖等其它大都市地區中的道路時，基于與 道路特性和關系相關的預測和域推斷，可能提供有價值的推斷。在其它情況下， 系統可以學習如何對舊金山系統自適應模型以使其高效地自適應到新的區域 而無需構建最初核心模型所需的大量相同的努力，例如，通過以選擇性的方式 改變模型中可用小訓練和測試集的分析來調整的某些參數。
為實現上述及相關目標，本文結合下面的描述和附圖描述某些說明性方 面。然而，這些方面僅指示了可采用所要求保護的主題的原理的各種方法中的 幾種，且所要求保護的主題旨在包括所有這些方面及其等效方面。當結合附圖 閱讀以下詳細描述時，本發明的其他優點和新穎特征將變得清楚。
附圖簡述


圖1是可用于在給定各種上下文時為道路段預測行進速度統計量的系統 的高級框圖。
圖2是可采用級聯規則來推斷行進速度的示例組件的詳細圖示。
圖3示出了利用機器學習技術/系統來向道路段分配行進速度統計量的系統。
圖4示出了至少部分地基于為道路段所預測的行進速度來輸出駕駛方向
的路線規劃系統。
圖5是可基于所傳感的交通參數來更新的路線規劃系統的框圖。
圖6是便于至少部分地基于所傳感的第二交通系統中的道路段的道路速
度來向第一交通系統中的道路段分配道路速度統計量的系統的框圖。 圖7是便于構建/定義穩健的交通系統表示的系統的框圖。 圖8是示出基于所預測的一個或多個道路段的行進速度來輸出路線的系
統的示例框圖。
圖9是用于估算關于交通系統中的道路段的行進速度的方法的代表性流程圖。
圖10是用于利用級聯規則來為交通系統表示中所表示的道路段分配行進 速度的方法的代表性流程圖。
圖11是用于利用機器學習來為交通系統表示中所表示的道路段分配行進 速度的方法的代表性流程圖。
圖12是用于至少部分地基于所預測的行進速度來輸出駕駛方向的代表性 流程圖。
圖13和14是示出來自交通系統中的汽車的交通數據的集合的屏幕截圖。 圖15是一個示例貝葉斯模型。
圖16是可用于預測和/或預報行進速度統計量和輸出方向的示例模型。 圖17是示出合適的操作環境的示意性框圖。 圖18是示例計算環境的示意性框圖。
詳細描述
現在參考附圖來描述所要求保護的主題，所有附圖中使用相同的附圖標記 來指代相同的要素。在以下描述中，為解釋起見，闡明了眾多具體細節以提供 對所要求保護的主題的全面理解。然而，很明顯，這一主題可以在沒有這些具 體細節的情況下實施。在其它情況下，以框圖形式示出了公知的結構和設備以 便于描述所要求保護的主題。
如在本申請中所使用的，術語"組件"和"系統"旨在表示計算機相關的 實體，其可以是硬件、硬件和軟件的組合、軟件、或者執行中的軟件。例如， 組件可以是，但不限于在處理器上運行的進程、處理器、對象、可執行代碼、 執行的線程、程序、和計算機。作為說明，運行在服務器上的應用程序和服務 器都可以是組件。 一個或多個組件可以駐留在進程和/或執行的線程內，并且組 件可以位于一個計算機上和/或分布在兩個或更多的計算機之間。在此使用的詞 語"示例性"意味著用作示例、實例或說明。在此被描述為"示例性"的任何 方面或設計并不一定要被解釋為相比其它方面或設計更優選或有利。
此外，所要求保護的主題的各方面可以使用產生控制計算機以實現本發明 的各方面的軟件、固件、硬件或其任意組合的標準編程和/或工程技術而被實現為方法、裝置或制品。在此使用的術語"制品"旨在涵蓋可以從任何計算機可 讀設備、載體或介質訪問的計算機程序。例如，計算機可讀介質可以包括但不 限于磁存儲設備(例如，硬盤、軟盤、磁帶……)、光盤(例如，緊致盤(CD)、 數字多功能盤(DVD)……)、智能卡、以及閃存設備(例如，卡、棒、鑰匙 驅動器……)。另外應該明白，可以采用載波來承載計算機可讀電子數據，例
如那些用于發送和接收電子郵件或用于訪問如因特網或局域網(LAN)等網絡 的數據。當然，本領域的技術人員將會認識到，在不背離此處所描述的范圍或 精神的前提下可以對這一配置進行許多修改。
現在參考圖1，示出了允許創建穩健的路線規劃應用程序的系統100。系 統100包括從數據存儲庫106接收傳感的路面參數104的接收器組件102，其 中數據存儲庫106可以駐留在服務器上、分布在多個服務器/客戶機之間、駐留 在客戶機上等等。所傳感的路面參數106可以包括給定變化的上下文時與路面 段相關聯的速度。例如，所傳感的路面參數106可以包括在給定一天中的不同 時間和不同的一周中的天時對同一路面段的不同速度。更詳細而言，在城市地 區經常往返的人很容易認識到在工作日的高峰時間道路段的速度可以與在午 夜(或在周末)的同一道路段的速度有很大的不同。所傳感的路面參數106還 可以包括關于十字路口的速度，其中與十字路口相關聯的時間在給定變化的上 下文時可以有很大的不同。根據一個示例，在圣誕購物季期間中午在購物中心 附近的十字路口左轉與在周二午夜在同一十字路口左轉相比可能要花費多得 多的時間。另外，所傳感的路面參數106可以包括給定其它上下文和/或上下文 組合時的速度。例如，所傳感的路面參數可以包括相對于天氣條件，對于一天 中的時間以及一周中的天的速度。此外，所傳感的路面參數106可以包括當諸 如體育比賽事件或音樂會等事件在交通系統的特定位置中進行時對于特定道 路段的速度數據。
所傳感的路面參數106可以從在特定交通系統中行進的用戶獲得。例如， GPS接收器、蜂窩電話(對于以蜂窩塔為中心的信息)、使用WiFi或WiMax 的設備或其它合適的位置收集/發射設備可用于創建所傳感的路面參數106。然 后可以基于與所傳感的位置相關的時間信息來確定與所傳感的駕駛者位置相 關聯的速度或速度比率(實際速度/標出的限速)或關于速度的其它統計量，只要與駕駛者相關聯的位置是被相對頻繁地傳感的。因此，所傳感的路面參數106 基于從在交通系統內實際行進的駕駛者收集的數據，并且這一數據可用于路線 規劃應用程序(未示出)。因此，輸出路線可以至少部分地基于所傳感的路面 參數106 (其是上下文相關的)而非與恒定的道路速度(通常取決于標出的限 速)相關聯的路面。
更詳細而言，交通系統表示108可至少部分地基于所傳感的路面參數106 來定義/創建。根據一個特定示例，交通系統表示108可以是和/或包括加權圖， 其中各節點表示十字路口，邊表示十字路口之間的道路段，而權重表示在給定 不同上下文時關于道路段的道路速度統計量。換言之，節點/邊的權重可以隨著 時間的改變、隨著日子的改變、隨著天氣條件的改變等而改變。所傳感的道路 參數106可用于對節點和邊加權。例如，如果所傳感的路面參數106包括在工 作日的一天中的特定時刻關于一特定道路段的速度，則這一速度可被映射到交 通系統表示108中的相應邊以向這一邊提供權重。然而，即使數據是在很長一 段時間內從幾個駕駛者收集的，在較大的交通系統中，對交通系統中相對于各 種各樣的上下文或上下文組合的每一道路段和/或十字路口 ，也可能極其難以收 集指示道路速度的數據或關于道路段上的速度的其它可能有用的統計量。
可在系統100內包括預測組件110以幫助對于關于其缺乏所傳感的數據的 道路段預測/推斷/預報道路速度。預測組件110可以是或包括一預測模型，該 預測模型用于預測關于并不與直接傳感的數據相關聯(例如，在變化的上下文 上)的道路段的行進速度統計量。例如，預測組件IIO可以訪問交通系統表示 108，并確定哪些路面段和/或十字路口不與關于所需上下文所收集的數據相關 聯。根據一個特定示例，交通系統表示108可以包括關于工作日和周末的上下 文類別，這些類別被進一步分成時間塊(例如，96個15分鐘的時間塊)。繼 續該示例，交通系統表示108因此可以包括關于在交通系統表示108中表示的 交通系統的每一道路段的192個不同的速度(對于工作日有96個，對周末有 96個)。預測組件IIO可以訪問交通系統表示108，并定位例如不與關于192 個可能的時間塊的每一個的道路速度相關聯的每一邊和/或節點。
一旦定位到這些邊和/或節點和相關聯的上下文，預測組件110可以將道 路速度(權重)分配給交通系統表示108。這例如可通過利用基于級聯規則的方法來實現。根據一個示例，預測組件110可以定位交通系統表示108中未被 分配關于特定上下文的權重的邊。預測組件110然后可以在相關上下文下分析
該邊，并基于這一分析來向該邊提供權重。例如，交通系統表示108可以包括 關于代表在時間塊凌晨1:30-1:45和凌晨2:00-2:15時的道路段的邊的權重。然 而，該邊不與關于在凌晨1:45和2:00之間的時間塊的權重相關聯。因此，預 測組件110可以定位這一邊，并向該邊提供關于在凌晨1:45和2:00之間的時 間塊的權重，即關于在相鄰的時間塊的邊的權重。類似地，預測組件110可以 采用外插技術來向邊分配合適的權重。如果沒有與相鄰時間塊相關聯的權重， 則例如，預測組件110可以定位在相同時間塊時的相似邊，并向所討論的邊分 配基本上與相似邊相類似的權重。相似性例如可以基于道路段類型，后者可以 包括在交通系統表示108中。然而，發明人構想了任何合適的相似性度量，并 且其旨在落入所附權利要求的范圍之內。如果無法定位到相似的道路和/或無法
辨別合適的道路速度，則邊可以根據標出的限速來加權。
由此，如上所述，預測組件110可以采用基于級聯規則的方法來向交通系 統表示108內的邊分配權重(例如，在各種上下文上向道路段分配道路速度統 計量)。以上示例性規則級聯是僅處于說明的目的而提供的，且所要求保護的 主題不限于這一級聯。預測組件IIO還可通過機器學習技術來對一個或多個道 路段確定道路速度估算。
例如，如上所述，交通系統108可以包括邊、節點、以及與其相關聯的權 重，其中節點表示十字路口，邊表示道路段，而權重表示給定不同上下文(一 天中的時間、 一周中的天等)時的道路速度。預測組件110可以利用機器學習 技術在給定包括在交通系統表示108中的上述數據的至少一部分的情況下定位 道路段之間的關系和模式，并且預測組件IIO可以采用這些關系和模式來為不 同上下文中的道路段確定預期道路速度，并根據預期道路速度向交通系統表示 108內的節點/邊分配權重。由此，預測組件118被有效地利用來完善/完成交 通系統表示108，由此使得路線規劃應用程序能夠根據上下文來輸出方向。
更詳細而言，關于是或包括預測模型的預測組件IIO，預測組件110可以 使用關于在一天中的不同時刻和不同的一周中的天的道路速度的部分傳感器 數據(例如，在攜帶了能夠幫助跟蹤位置、速度等的設備的用戶在不同時刻碰巧經歷的街道上收集的有限的數據)來構建將上下文和結構信息集鏈接到觀察 結果的模型(交通系統表示108)。例如，可獲知從交通主干線系統傳感到的 信息以預測邊道上的交通流量。這一預測可以通過利用通過從實時和結構性的 特性中進行推理來預測道路速度(在道路上和在尚未觀察的上下文中)的預測 模型(例如，在預測組件110內)來實現。可利用預測組件110來注釋(離線 地或實時地)交通系統內的所有道路，并且可將經更新的速度置于交通系統表
示108內。路線規劃系統(諸如使用A—算法、Dykstra算法、其變體、和/或其 它合適的算法的系統)可基于上下文暗示、結構暗示和/或其組合來標識最快的 路線。此外，路線規劃系統可以在向用戶輸出路線時考慮用戶偏好(推斷的或 顯式定義的)。例如，用戶可能首選沿著鄉村道路而非免費高速公路來駕駛， 即使經歷鄉村道路的可能未提供兩點之間的最快路線。
由此，系統100 (以及此處描述的其它系統/方法)可以經由對部分量的所 傳感的信息的學習和推廣來進行調節，并且可以將所傳感的主干線系統的基干 鏈接到交通系統的先前未傳感的部分。由此，預測組件110可以通過使用預測 模型來填入缺少的所傳感的速度數據或"洞"，該預測模型考慮道路段的多個 特性并考慮所傳感的道路的結構、道路特性和上下文屬性的相似性，以向對其 可能僅有標出的速度的道路段分配速度或速度的概率分布。另外，通過分析為 第一城市所形成的部分傳感的數據、特性、幾何關系和上下文信息而形成的預 測模型可被應用于另一城市，因為這些特征可以足夠抽象以應用于兩個城市
(例如，離公路事故多發地點的距離)。如以下所描述的，可以通過測試某些 關系來為新城市調整關鍵參數來增強城市地圖制作。
此外，系統100可以輸出變化的上下文上的方向。例如，用戶可以輸入其 計劃何時開始旅行，并且可向用戶輸出特定于所提供的上下文的方向或路線
(即使一路線中的所有道路部分可能都不與對該特定上下文所傳感的數據相 關聯)。更具體而言，可以構建被調節為相對于當前時刻的預測來預測將來的 預測模型。對于不久的將來，可以觀察當前或最近觀察到的上下文信息并使用 該信息來對將來的交通流量進行訓練。換言之，可以構建從先前觀察到的數據 中預測將來流量狀態的模型。對于預測到遙遠的將來，當前觀察到的上下文特 征(例如，當前交通流量)實際上可被忽略，且系統IOO通常可以使用先前收集的統計量。
現在轉向圖2，示出并更詳細討論的預測組件110的內容示例。參考圖2
所示并描述的預測組件iio利用了一個或多個規則來向交通系統表示(圖1)
內的邊分配權重。然而，如上所述，預測組件110可以將機器學習技術連同此 處所描述的規則/組件一起使用或作為其替換來使用。預測組件110可包括評審 不與對于所需上下文的速度相關聯的道路段的上下文分析器組件202。例如， 一道路段可能不與對于在工作日晚上9:00和9:15之間的道路速度相關聯。上 下文分析器組件202然后可以分析與該上下文相鄰(例如，在晚上8:45和9:00 之間，以及在晚上9:15和9:30之間)的道路速度，并且可向該道路段(在所 需上下文下)分配至少部分地基于相鄰上下文的道路速度的道路速度。在另一 示例中，可以保留與相關上下文相關聯的這些道路速度以供進一步的處理/分 析。
另外，上下文分析器組件202可以在離當前的、最近的或正在進展的主干 線交通流量問題的某一距離或半徑內評審并分析一年中的月份、季節、 一天是 否是假日、天氣條件、道路條件、重大事件(諸如體育比賽和/或文化事件)、 所傳感的交通模式(例如，可由固定傳感系統、來自駕駛者的傳感器等傳感)、 交通流量的動態性(例如，自從一交通系統的特定區域被報告為阻塞或解除阻 塞以來的持續時間)、關于任何道路的阻塞或流量的報告、事故、時間、封閉、 施工等的自然語言報告、主要道路是否在對用戶的特定半徑或道路駕駛距離內 阻塞、到變為阻塞的主要道路的距離、到在某一閾值時間內變為阻塞的道路的 距離、作為(到主干線的)旁路、管道或替換路線的一部分的道路段。這一上 下文信息可用于更新/創建交通系統表示108和/或向用戶輸出路線(給定特定 上下文)。此外，如果用戶在離將來很遠的時刻請求路線，則某些上下文信息 可被標記為過時或被簡單地忽略(因為傳感的條件很有可能改變)。在其它情 況下，可以采用以顯式的方式考慮觀察結果的時效和將來預報的目標時間的形 式方法，諸如時間序列表示和其它統計時間推理方法。
預測組件110還可包括確定不與對每一所需上下文的速度相關聯的道路 的道路類型的道路類型分析器組件204。繼續上述示例，道路類型分析器組件 204可以確定道路段是雙車道道路還是四車道道路。另外，道路類型分析器組件204可以辨別出包括該道路段的區域的地形以及該道路段的分區信息，諸如 其是否是商業區、農業區、居住區等等。該信息可連同相似上下文下的道路段 的道路速度一起使用或與這一道路速度分開使用來為該道路段估算道路速度。 道路類型可包括，例如，道路是否是公路、主要道路、主干線道路、街道、斜 坡、限制入口公路、擺渡連接等。可被考慮的其它參數包括標出的速度、車道 數、雙行道與單行道、公共與私有、收費與免費、鋪砌的與為鋪砌的、不同方
向之間是否有物理隔離物、段長度、進入叉路(incomingvalence)(接合到該 道路的街道數)、輸出叉路(該段所分支到的街道數)、每英里的十字路口、 交通燈及其密度、道路段是否是典型的"事故多發地點"的一部分(例如，經 常發生交通堵塞)、具有高變化和低變化的段處的交通流量等等。
道路類型分析器組件204可考慮其它因素，諸如特定道路段周圍附近的地 形、道路段附近的服務、道路段是否靠近運輸服務、旅行停留點、汽車服務、 住宿、購物、ATM、銀行、緊急幫助中心、市中心、政府設施、教育設施、商 業設施、餐館、雜貨店、餐廳、酒吧/夜總會、休閑設施、公園和/或類似地點。 此外，道路類型分析器組件204可以考慮道路之間的關系，諸如到道路的地理 鄰近性、與主干線系統的距離、到公路上匝道或下匝道的距離、道路是否是到 或來自公路的"管道"(例如，能夠通過經歷少于一閾值的距離到達公路或從 公路出來的主要道路)、道路是否是主要道路或主干線周圍的一條或多條"旁 路"路線的一部分、道路是否是路線在主干線事故多發地點(通常是主干線系 統的阻塞部分)周圍的邊道中的路徑的一部分、道路是否是一條或多條"替換" 路線的一部分(例如，道路是用作到阻塞的公路的替換路線的至少一條路徑的 一部分)等等。
更高級的觀察結果可以通過創建作為相同或不同證據類的不同特征的組 合的新特征來計算，其表示實時觀察結果和/或特性和/或結構關系。例如，可 計算考慮了目標道路段和瓶頸已發生了多于特定量的時間的免費高速公路的 當前發生瓶頸的方面之間的關系的觀察結果。
用戶概況分析器組件206也可被包括在預測組件110內，其中用戶概況分 析器組件206可以評審在由交通系統表示108表示的交通系統內行進的個人的 一個或多個駕駛概況。例如，不同駕駛者可按不同的速度行進通過相似的道路段，并且可以為這些駕駛者創建概況。在一個具體示例中，第一駕駛者可能趨 向于以超過標出的限速(當沒有被交通禁止時)的每小時5英里的速度駕駛， 而第二駕駛者可能趨向于以低于標出的限速(不論是否被交通禁止)的每小時 5英里的速度駕駛。對于較長的旅程，對這一旅程所估算的時間對于兩個駕駛 者可以相差很大的量。可創建若干不同的駕駛概況，并且用戶概況分析器組件
206可以選擇這些駕駛概況之一。因此，可以辨別出，交通系統表示108的邊 和/或節點可以至少部分地基于所確定的概況來加權。
預測組件110還可包括權重分配器組件208，該組件用于至少部分地基于 上下文分析器組件202、道路類型分析器組件204和/或用戶概況分析器組件206 所進行的分析來將權重分析給交通系統表示108的邊/節點。回頭參考上述示 例，上下文分析器組件202可以向權重分配器組件208提供關于所討論的道路 段的在不同上下文中的道路速度。權重分配器組件208然后可以至少部分地基 于所提供的在相關上下文下的道路速度來對表示特定上下文下的道路段的邊 加權。另外地或另選地，道路類型分析器組件204可以確定對于交通系統內的 其它道路段的道路段的一種或多種道路類型，并且權重分配器組件208可以至 少部分地基于道路類型來對表示所討論的道路段的邊加權。例如，邊可以被分 配類似于分配給表示其道路類型在相似的上下文下類似于所討論的道路段的 道路段的邊的權重的權重。此外，權重分配器組件208可以在給定所辨別的用 戶概況時對邊加權。例如，如果駕駛概況映射到比一般駕駛者更慢地行進的駕 駛者，則可降低估算的道路速度。
現在參考圖3，示出了便于向交通系統表示分配上下文相關道路速度的系 統300。系統300包括交通系統表示108，其至少部分地基于從在由交通系統 表示108表示的交通系統中行進的駕駛者收集的數據。對這一數據的收集在下 文中有更詳細的描述。交通系統表示108可以是和/或包括加權圖，其中該圖的 各節點表示十字路口，而各邊表示十字路口之間的道路段。節點/邊可以與上下 文相關道路速度302相關聯，使得交通流量在不同的上下文中表示。在一個具 體示例中，可以在給定不同的一周中的天、不同的一天中的時間、不同的天氣 條件等時為道路段確定道路速度。上下文相關道路速度302可以通過例如通過 使用GPS接收器收集交通系統內的位置/速度數據來查明。交通系統表示108還可包括與交通系統表示108內表示的每一道路段和/ 或十字路口相關聯的道路類型304、區域類型306和/或標出的限速308。道路 類型304可以描述道路段是否是雙車道道路、四車道道路、高速公路、際公路、 縣公路等。區域類型036可以指示該道路段所在的區域的類型。例如，第一道 路段可在商業區內，而第二道路段可在農業區內。區域類型306還可指示與道 路段相關聯的地形類型，諸如山地、相對平坦等。標出的限速308可以與由交 通系統表示108表示的每一道路段相關聯。大多數常規的路線規劃應用程序包 括關于路面的標出的限速并利用這些限速來確定路線。
系統300另外包括預測組件110。如上所述，預測組件110可以采用一組 級聯規則來向不與傳感的/收集的數據相關聯的道路段分配道路速度統計量。另 外地或另選地，預測組件IIO可以分析交通系統表示108，并通過采用機器學 習組件310來為其各部分推斷道路速度。如此處所使用的，術語"推斷"通常 指的是根據經由事件和/或數據捕獲的一組觀察結果來推出或推斷系統、環境、 和/或用戶狀態的過程。例如，推斷可用于標識特定的上下文或動作，或可生成 狀態的概率分布。推斷可以是概率性的——即，基于數據和事件的考慮計算感 興趣的狀態的概率分布。推斷也可以指用于從一組事件和/或數據合成更高級事 件的技術。這類推斷導致從一組觀察到的事件和/或儲存的事件數據中構造新的 事件或動作，而無論事件是否在相鄰時間上相關，也無論事件和數據是來自一 個還是若干個事件和數據源。機器學習組件310可采用各種分類方案和/或系統 (例如，支持矢量機、神經網絡、專家系統、貝葉斯信任網絡、模糊邏輯、數 據融合引擎等)來執行關于所要求保護的主題的自動的和/或推斷的動作。
例如，機器學習組件310可以分析交通系統表示108，并至少部分地基于 該分析來分配道路速度。在一個具體示例中，交通系統表示108可以包括在各 上下文中，諸如一天中的時間或一周中的天的道路段和十字路口的表示。然而， 從汽車獲得在所有所需上下文下在交通系統中的所有道路段上的數據可能是
困難或不合理地昂貴的。然而，如果存在某些收集的數據，則預測組件110可 以對于每一所需上下文對每一道路段智能地估算道路速度。例如，機器學習組 件310可以訪問所收集的上下文敏感道路速度，并考慮到與其相關聯的上下文、 道路類型、區域類型、標出的限速、用戶概況等來分析這些道路速度。機器學習組件310然后可以在給定交通系統表示108中的變量時執行數據挖掘并定位 該交通系統表示內的模式、趨勢等。例如，機器學習組件310可以確定關于在 給定第一上下文時第一區域中的第一類型的道路的道路速度與關于在給定相 同的上下文時在第二區域中的第二類型的道路的道路速度相當相似。該模式然 后可用于在特定上下文中向交通系統表示內表示的道路段分配道路速度，其中 道路段不與所收集的/傳感的數據相關聯。
現在參考圖4，示出了能夠向用戶輸出至少部分地基于所預測的/推斷的上 下文相關道路速度的方向的路線規劃系統400。路線規劃系統400包括從用戶 接收方向請求的接口組件402，其中請求包括起始點和目的地點。該請求可另 外包括上下文數據和/或上下文數據的指示，諸如旅行何時開始(一天中的時間、 一周中的天、 一年中的時間等等)。路線規劃系統400還可包括分析與路線請 求相關聯的上下文數據的上下文分析器組件404。例如，上下文分析器組件404 可以確定用戶何時將進行旅行，并訪問與該旅行的時間和位置相關的天氣預 報。然后可以至少部分地基于該請求以及與其相關聯的上下文信息來訪問交通 系統表示406。
例如，交通系統表示406可以是和/或包括加權圖，其中該圖的各節點表 示十字路口，而各邊表示十字路口之間的道路段。邊/節點可以至少部分地基于 與其所表示的道路段/十字路口相關聯的道路速度來加權。此外，權重可以在上
下文更改時更改；由此，交通系統表示406更準確地表示了實際交通系統(例 如，在高峰時間一特定道路段的交通流量通常與在午夜該同一道路段上的交通 流量有很大的不同)。至少某些權重可以通過汽車在不同上下文中行進通過交 通系統時監視該汽車來確定。然而，收集關于在不同上下文中交通系統中的每 一道路段的數據可能是極其耗時且困難的。因此，交通系統表示406可以包括 預測的/推斷的上下文相關道路速度408，其中這些速度由預測組件IIO(圖1-3) 來預測/推斷。預測的上下文相關道路速度308可用于完成/完善交通系統表示 406。這使得交通系統表示406能夠是不同上下文中的交通系統的穩健表示。 該表示406然后可用于向請求發起者輸出方向，其中方向可以在上下文更改時 更改(例如，路線規劃系統400輸出的最優路線可在給定不同上下文時更改)。 路線規劃系統400因此是對于輸出與上下文無關的路線的常規路線規劃應用的主要改進。
現在參考圖5，示出了路線規劃系統500。路線規劃系統500包括從用戶 接收方向請求的接口組件402。上下文分析組件404分析與該請求相關聯的上 下文，并且訪問交通系統表示406以幫助輸出取決于上下文的方向。如上所述， 交通系統表示406可包括預測的上下文相關道路速度408。換言之，交通系統 表示406可以至少部分地基于來自交通系統中的駕駛者的所傳感的道路速度， 以及由預測組件110創建的估算的道路速度。由此，路線規劃系統500可輸出 上下文相關方向。
預測組件110還可通信上耦合到多個傳感器502-506，其中傳感器可以是 與汽車相關聯的GPS接收器、路面上的指示交通流量的傳感器等等。傳感器 502-506可以與用于收集數據(如可由攜帶了 GPS系統的小汽車/卡車在執行其 它任務時拾取的)的特設的和/或結構化的傳感相關聯。由于交通系統本質上是 動態的，因此更新交通系統表示406以使其反映改變的條件是合乎需要的。例 如，特定道路段上的施工可以不僅相對于該道路段，而且有時對于整個交通系 統顯著地更改交通流量。另外， 一旦施工完成(例如，將二車道道路拓寬到四 車道道路)，則交通流量可以更改。因此，傳感器502-506可用于向交通系統 表示406以及向預測組件IIO提供經更新的數據。預測組件IIO然后可以更新 對不與傳感的數據相關聯的道路段/十字路口所估算的速度。
路線規劃系統500還可用于生成供立即使用的路線和/或可生成供將來使 用的路線(其中這一路線可以用在該時刻傳感的上下文信息來更新或不更新)。
例如，用戶可以請求將來的時間的兩點之間的方向，使得在用戶行進時，當前 所傳感的信息(例如，天氣、道路條件、當前交通流量)可能是不相關的。由 此，當路線規劃系統500輸出方向時，可以"忽略"一個或多個所傳感的參數。 路線規劃系統500還可具有接收當前時間點或過去時間t的上下文數據， 并通過使用考慮了將來不同時間的所傳感的交通流量的數據集從觀察結果中 對將來進行預測的能力。另外地或另選地，可利用統計時間序列方法來預測給 定當前或最近交通狀態時的交通演變。這一預測對于長行程可能是有用的，使 得所預測的道路速度可以在期望車輛在給定起始時間的情況下到達特定點時 生成。現在轉向圖6，示出了便于在兩個完全不同的交通系統之間推廣的系統
600。系統600包括至少部分地基于所傳感的路面參數604的第一交通系統表示602。如上所述，所傳感的路面參數604可以從與行進通過由該第一交通系統表示602所表示的交通系統的汽車相關聯的傳感器獲得。另外，第一交通系統表示602可以包括與道路段類型、標出的限速、與道路段相關聯的地形等有關的信息。
系統600還可包括至少部分地基于所傳感的路面參數608的第二交通系統表示606，其中所傳感的路面參數608包括從在由第二交通系統表示606所表示的交通系統中行進的駕駛者收集的數據。更詳細而言，第一交通系統表示602可以表示與第一城市相關聯的交通系統，而第二交通系統表示606可以表示與第二城市相關聯的交通系統。系統600還可包括用于向第一交通系統表示602內的道路段的表示分配路面速度統計量的預測組件110，其中這些道路段不與關于特定上下文所收集的數據相關聯。
在該示例系統600中，第一交通系統表示602可以與大量所傳感的路面數據相關聯。例如，若干汽車可以配備位置/速度設備并且可隨時間跟蹤。相反，第二交通系統表示606可以與少得多的所傳感的數據相關聯。預測組件110可以將第一交通系統表示602與第二交通系統表示606進行比較，并至少部分地基于該比較向第二交通系統表示606內的道路段的表示分配道路速度統計量。根據一個示例，預測組件110可以將所傳感的路面參數604和608進行比較，并且確定它們之間的相關。例如，所傳感的路面參數604可以包括關于一特定道路類型的段的道路速度，其中該傳感在工作日的特定時刻發生。所傳感的路面參數606可以類似地包括關于同一道路類型的段的道路速度，其中該數據是在工作日的相似時刻傳感的。可比較該數據以確定它們之間的相似性(并確定它們之間的差異)。 一旦比較了所傳感的路面參數604和606，預測組件IIO可以基于該比較向第二交通系統表示606內的道路段的表示分配道路速度。
可利用調節組件610來基于存在于由交通系統表示602和606所表示的交通系統之間的一般的駕駛差異來修改所分配的道路速度統計量。例如，第一交通系統可以與德克薩斯州的達拉斯相關聯，而第二交通系統可以與密歇根州的底特律相關。根據一個示例，達拉斯的駕駛者平均上可能比底特律的駕駛者更快速地駕駛(這是由于例如更易于在底特律發生的危險天氣條件)。由此，在具有相似的標出的限速和道路類型的道路段上，道路速度可能不在兩個城市之間確切地映射。調節組件610可以識別交通系統之間的這些駕駛差異，并且使得所預測的道路速度統計量被相應地補償。由此，總之，預測組件110可用于預測/推斷道路速度統計量，并至少部分地基于來自不同交通系統的所傳感的駕駛數據向不與大量數據相關聯的交通系統表示分配道路速度統計量。
現在參考圖7，示出了用于構建穩健的交通系統表示的系統700。系統700包括數據存儲庫702，其包括所傳感的時間序列數據704，其中這一數據可在多個駕駛者行進通過交通系統時從這些駕駛者收集。例如，所傳感的時間序列數據704可以通過將位置/速度確定傳感器(諸如GSP接收器)與交通系統(例如，大都市交通系統)中的多個駕駛者相關聯來獲得。當從傳感器生成數據時，這些數據可與時間戳相關聯。由此，生成與位置確定傳感器相關聯的關于每一相應駕駛者的軌跡日志，然后可將該日志置于所傳感的時間序列數據704中。另外，傳感器可被配置成僅在車輛運動時記錄/輸出數據，并且可以在車輛不移動有閾值時間之后和/或當車輛熄火時自動停止記錄/輸出。傳感器可以在與其相關聯的車輛開始行進時再次記錄/生成數據。分段組件706可以用于辨別個別旅行何時停止和開始。當與汽車相關聯的傳感器在汽車停止移動有閾值量的時間時停止記錄時，駕駛者所進行的大多數(但非全部)個別旅行可由分段組件706通過評審出現在傳感器日志中的時間間隙來標識。
然而，存在其中可能無法容易地辨別旅行何處開始和停止的某些情況。例如，駕駛者可能停了較短的一段時間來放下一名旅客。為定位這一情況，例如，分段組件706可以分析所傳感的時間序列數據中的日志以確定何時做出了循環(例如從位置A到位置B到位置A)。如果分段組件706檢測到循環，則可在該循環中物理上離該循環結束最遠的一點處選擇分段點。
交通系統標識108可以至少部分地基于所傳感的時間序列數據704來構建/定義，并且可以是或包括圖，其中圖中的各節點表示道路的十字路口，而邊表示道路段。單條道路可以由多條邊來表示，因為每一道路段(兩個十字路口之間的道路的最小未分解部分)可以是圖中的單獨的邊。另外，邊和節點可以與其所表示的道路的緯度和經度相關聯。 一旦所傳感的時間序列數據704被分段成個別旅行，則這些旅行可被"咬合(snap)"到交通系統表示108。這可能 是成問題的，因為例如噪聲可能與GPS信號相關聯。另外，交通系統表示108 可能是不完美的；例如，兩個不同的地圖可能將一特定緯度/經度位置定在每一 表示中相對于周圍特征略微不同的位置處。由此，所傳感的時間序列數據704 在被映射到交通系統表示108時可能不能完美地適合。
可采用咬合組件708來將每一收集的數據點咬合到交通系統表示108內所 表示的適當位置。例如，咬合組件708可以將每一收集的數據點咬合到最靠近 它的道路上的位置，并且可以通過將道路上的位置通過每一相繼的對之間的最 短道路上路徑連接在一起來重構軌跡日志。在另一示例中，咬合組件708可以 采用隱馬爾可夫模型來將軌跡日志咬合到交通系統表示108內的圖。非正式地， 隱馬爾可夫模型可以考慮關于每一個所收集的原始數據的潛在咬合o,，并且可 以對其每一個選擇最佳的道路上咬合A ，使得所得的道路上位置序列盡可能地
平滑，同時維持原始數據和相應的咬合位置之間的鄰近性。對于單個所傳感的 原始數據(例如，GPS點)的可能咬合位置集o,通過對閾值距離^內的每一道
路段收集關于最接近o,的每一道路段的位置^來創建。在道路網絡是密集的時
候可以得到若干候選s,位置，而在稀疏道路覆蓋的區域中得到較少的結果。
正式地，可由咬合組件708采用的隱馬爾可夫模型可以定義原始和咬合的
所傳感的位置(分別是O和S)序列上的以下聯合概率，從該概率中可以使用
標準維特比(Viterbi)算法來推導出關于特定軌跡日志的咬合位置的最大概率
序列
乘積中的第一項是觀察概率:如果例如GPS接收器實際上在道路上位置A 處，則觀察o,有怎樣的可能性？該概率可以由GPS接收器的誤差特性給出，該
誤差特性例如可被建模為具有特定距離(例如，10米)的標準差的零均值高斯 型。乘積中的第二項是轉移概率如果在記錄先前的測量時已知傳感設備在位 置^,處，則道路上位置^有怎樣的可能性？這可被定義為分式l，其中"是從
V，到^的直線距離，而6是兩者之間的最短道路上路徑。這一定義可以懲罰繞 轉角的轉移，從而強調了在行進中轉彎是相對稀少的概念。因彎曲道路上的兩 個相繼點而導致的假"懲罰"可被忽略，因為位置數據可以用相對高的頻率(例如，每6秒鐘或更少)來收集。另外，遠咬合位置之間的轉移可被懲罰，因為
一般在兩者之間沒有道路上的直線路徑。可以注意到^<1，且咬合組件708可
以歸一化，使得從隱馬爾可夫模型的每一節點發出的轉移概率總和為1。
在另一示例中，咬合組件708可以使用關于轉移概率的替換定義。gp，可 以分配其大小與轉移中的"跳"(道路段轉移)數成反比的值。在這一情況下， 最短道路上連接路徑包括三個道路段的一對點將具有比同一段上的一對點低 的概率。對于轉移概率的另一替換是對相同的道路上的點之間的轉移使用單個
固定的概率，而對不同的道路的轉移使用單獨的、更低的概率。然而，定義這
些概率可能是困難的任務兩個概率之間的較大的比率會導致保持在單條道路
上的道路上路線達到忽略所收集的數據的程度，而較小的比率會對可能含噪聲 的讀數施加太多的強調。
一旦將軌跡日志映射到道路段，則速度分析組件710可以隨著不同的時間 將不同權重關聯到交通系統表示108的圖中的邊/節點。例如，速度分析組件 710可以通過將一周中的各天分成多個類別并將這些類別分成若干時間片來學 習關于道路的時間相關交通速度。出于說明的目的，可以假定速度分析組件710 將一周中的各天分成兩個類別工作日和周末。這些類別然后可被分成96個 時間片覆蓋一天24小時的15分鐘的時間塊。然而，可以理解，速度分析組 件710可以創建與任何種類的上下文數據相關聯的類別。例如，速度分析組件 710可以基于天氣條件、假日等來創建類別。
繼續上述示例，速度分析組件710可以通過檢査咬合的軌跡中每一對相繼 的GPS點(A， B)來學習關于所分解的每一一天中的時間和工作日/周末的單 獨的速度。可以計算每一對之間的駕駛者的速度，并且可利用該速度來為從A 到B所經歷的每一道路段創建移動平均。可以向與其時間特性匹配速度計算中 所涉及的所收集的數據的時間戳的時間特性的時間塊相關聯的移動平均應用 速度測量。由此，速度分析組件710可以確定各類別(一天中的時間、 一周中 的天……)中的道路段相關聯的速度。速度分析組件710然后可以將這一數據 與交通系統表示108相關聯，使得邊和節點基于所收集的數據來加權。
然而，可以辨別可能無法獲得每一類別中關于交通系統中的每一道路的數 據。由此，道路速度可以在給定"相似"道路段的已知道路速度時來推廣。更詳細而言，預測組件IIO可以分析交通系統表示108，并向不與對每一類別所收集的數據相關聯的道路段分配速度值。例如，對于其中沒有數據可用的道路
段和時間段，預測組件iio可以分配與在相鄰時間塊中的相同道路段相關聯的
速度。如果沒有與相鄰時間塊相關聯的速度，則預測組件110可以分配來自相
似道路的速度和/或來自相似道路的系統級速度平均，其中相似性可以按照交通
系統表示108內的道路類來定義。另外，相似性可以通過分析限速、道路段的
地理鄰近性、道路段的地理位置等來確定。此外，如果不能定位相似道路和/或系統級速度平均不可用，則關于一時間段的速度可被定義為標出的限速。此
外，如上所述，預測組件110可以利用機器學習技術/系統來學習交通系統表示108內的模式/相關，并至少部分地基于所學習的模式、相關和/或趨勢來向道路段分配道路速度。
現在轉向圖8，示出了被提供來表示與輸出兩點之間的路線有關的數據流的系統800。系統800包括道路段特性數據庫802，其可以包括與同所傳感的數據相關聯的道路段有關的數據，包括道路段特性、附近地形、附近資源和其它合適的數據。這一信息可以是道路段范例庫804的一部分，該范例庫也可以與記入日志的、與道路段特性數據庫802內的一個或多個道路段相關的數據相關聯。例如，道路段范例庫804可以包括或接收來自若干同質源的數據，諸如記入日志的GPS數據、來自道路傳感器的數據、事件日歷、指示一天中的時間的時鐘等等。當與來自道路段特性數據庫802的數據組合時，可以計算到道路之間的關系和特性。
預測組件IIO可以接收這些關系和特性，并向不與所傳感的數據相關聯的道路分配上下文和結構敏感速度統計量。路線規劃系統806可以接收兩點之間的駕駛請求，并且路線規劃系統806可以通過使用上下文敏感速度統計量來輸出路線。例如，路線規劃系統806可以利用Dykstra算法、A+算法、其變體、和/或任何其它合適的搜索算法來確定與用戶偏好(例如，時間、距離和/或風險偏好)相一致的方向。此外，路線規劃系統806可以接收時間偏好(例如，用戶將在幾天內而非現在沿該路線行進)并至少部分地基于所提供的時間來輸出方向。在這一情況下，如果從傳感器接收到的實時數據經受改變，則路線規劃系統806可以忽略這一數據。如果輸出關于當前時間的方向，則路線規劃系統806可以在向用戶輸出方向時接收并考慮實時的和/或高速緩存的觀察結果。
現在參考圖9-12，將通過一系列動作來描述根據所要求保護的主題的方
法。可以理解并明了，所要求保護的主題不受動作次序的限制，因為某些動作 與本文所示和描述相比，可以按不同的次序發生和/或與其他動作同時發生。例 如，本領域技術人員將會明白并理解，方法可被替換地表示為一系列相互關聯 的狀態或事件，諸如以狀態圖的形式。而且，并非所有示出的動作都是實現根 據所要求保護的主題的方法所必需的。另外還應該明白，下文以及本說明書全 文中所公開的方法能夠被存儲在制品上，以便于把此類方法傳送和轉移到計算 機。在此使用的術語"制品"意指包含可以從任何計算機可讀設備、載體或介 質訪問的計算機程序。
具體地參考圖9，示出了用于為交通系統中的道路段自動估算/預測道路速 度統計量的方法900。方法卯0在902處開始，并在904處接收交通系統表示。 該交通系統表示可以包括道路段和十字路口的表示、所傳感的關于沿著道路段 和/或通過十字路口行進的汽車的速度、道路段類型、包含道路段的區域、標出 的限速等等。此外，該交通系統表示可以是和/或包括加權圖，其中該圖的各節 點表示十字路口，而各邊表示十字路口之間的道路段。邊和節點可以被加權以 便例如表示與道路段/十字路口有關的速度。此外，權重可以根據上下文來更改。 由此，在第一天與一條邊相關聯的權重可以不同于在第二天與同一條邊相關聯 的權重。
在906處，評審交通系統表示以確定不與對每一上下文類別所收集的數據 相關聯的道路段。根據一個示例，可創建交通系統表示，使得權重可隨著一天 中的時間和一周中的天的改變而更改。由此，單個道路段可理想地與幾個道路 速度統計量(例如，對一周中的每一天和其中的天的每一時間的不同權重)相 關聯。由此，可確定其中對于每一所需上下文類別(例如，對一周的每一天的 一天中的每一時間)沒有確定速度的道路段。在908處，鑒于所確定的道路段 來分析交通系統表示。例如，可分析與相同或相似道路段相關聯的所傳感的位 置/速度數據，以確定道路段之間的模式/相關。這一分析在上文中已有詳細描 述。
在910處，至少部分地基于該分析來自動分配在906處確定的關于道路段的道路速度統計量。換言之，例如，可向在交通系統內的圖的邊和/或節點提供權重。權重可以通過利用若干級聯規則、通過機器學習技術/系統等來分配。方
法900在912完成。
現在參考圖10，示出了用于向交通系統表示中的道路段的表示分配道路速度統計量的方法1000。方法1000在1002處開始，并且在1004處，確定不與對每一上下文類別傳感的道路速度相關聯的道路段。例如，如上所述，交通系統表示可以表示實際的交通系統，其中在給定不同上下文時交通流量是不同的(例如，在高峰時間有比高峰時間之外更多的交通量)。在1006處，確定對于同一道路段的相關上下文是否與道路速度數據相關聯。例如，如果交通系統表示在15分鐘的時間塊上更改，并且道路段不與對至少一個這樣的塊所傳感的道路速度相關聯，則分析關于該道路段的相鄰時間塊以確定對于這些時間塊是否存在道路速度。可以理解，時間僅是一個示例，因為道路段可以與給定一周中的特定天、天氣條件、體育比賽事件等時的道路速度相關聯。如果在同樣道路段上存在關于相關上下文的道路速度數據，則在1008處，可以根據關于相關上下文的該道路段的道路速度函數向關于特定上下文的道路段分配道路速度。
如果沒有關于給定相關上下文時的道路段的道路速度數據，則在1010處，
可定位相似道路段。相似性可以基于所分配的道路類型(例如，二車道、四車
道、十字路口之間的道路段的長度……)、包括道路的區域的地形、標出的限
速、或可指示道路之間的相似性的任何其它合適的數據。在1012處，確定相
似道路段是否被分配了速度數據(尤其是對于對其期望道路速度數據的相似上
下文)。如果相似段與道路速度數據相關聯，則在1014處，可以根據分配給
相似道路段的道路速度將道路速度分配給在1004處定位的道路段。如果沒有
被分配給相似道路段的道路速度，則在1016處，可以根據與道路段相關聯的標出的限速來分配道路速度。方法1000然后在1018完成。
現在轉向圖11，示出了用于為交通系統中的道路段自動分配道路速度的方法IIOO。方法1100在1102處開始，并在1104處接收交通系統表示。該交通系統表示可以包括道路段表示、十字路口表示、給定不同上下文時與道路段和/或十字路口相關聯的所傳感的速度、道路段類型、與道路段相關聯的地形、標出的限速等等。在1106處，相對于所傳感的數據來分析交通系統表示。例 如，可以采用貝葉斯系統、人工神經網絡、支持矢量機、或任何其它合適的機 器學習系統/技術來分析交通系統表示。這一分析可導致確定在相似上下文上對 于相似道路段的模式、相關和/或趨勢。
在1108處，定位不與對每一歸類的上下文傳感的數據相關聯的道路段。
在1110處，至少部分地基于該分析向在1108處定位的道路段自動分配道路速
度。由此，可推斷給定特定上下文時關于交通系統所傳感的數據以確定可以被
分配給交通系統內的其它道路段的道路速度。方法1100然后在1112完成。
現在轉向圖12，示出了用于利用在各種上下文中關于特定道路段的所估 算的/分配的道路速度來輸出駕駛方向的方法1200。方法1200在1202處開始， 并且在1204處接收對于所提供的起始點和結束點之間的駕駛方向的請求。該 請求可通過例如因特網來接收。另外地或另選地，在汽車中可以預先存在路線 規劃應用程序，并且對方向的請求可以通過例如汽車控制臺上的接口來提供。 在1206處，可分析與請求相關聯的上下文。例如，請求的發起者可以提供關 于將何時進行旅行的信息。此外，可以分析當前的或預測的天氣條件，可分析 與旅行相關聯事件等等。
在1208處，輸出方向，其中方向至少部分地基于預測的/推斷的/預報的道 路速度。例如，可利用交通系統表示來輸出方向，其中交通系統對上下文敏感。 根據一個具體示例，該交通系統表示可以包括代表交通系統的加權圖，其中圖 的節點表示十字路口，邊表示與十字路口相關聯的道路段，而與邊/節點相關聯 的權重表示給定變化的上下文時的道路段/十字路口的道路速度。因此，通過使 用交通系統表示輸出的駕駛方向在給定不同的上下文時可以在兩個相同的點 之間不同(正如高峰時間期間兩點之間的最優路線不同于午夜在相同的兩點之 間的最優路線一樣)。交通系統表示內的至少某些道路速度可以通過分析與給 定特定上下文時的道路段相關聯的所傳感的數據來估算/預測/分配。以上描述 了確定道路速度。方法1200然后在1212完成。
共同地參考圖13和14，示出了地圖的屏幕截圖1300和1400，其上覆蓋 了與汽車中的位置傳感器相關聯的數據點。屏幕截圖1300示出其中收集了數 據的大都市地區的高級視圖，而屏幕截圖1400包括覆蓋地圖的所收集的數據的更詳細的圖示。這些數據點可以隨著時間與多個不同的駕駛者相關聯。在查看屏幕截圖1400時，可以辨別出數據點通常不映射到路面，即使大多數這樣的數據點是從這些路面上的車輛中獲得的。因此，重要的是仔細地將這些數據點"咬合"到路面以便能夠創建不同上下文上的穩健的交通流量表示。在一個示例中，可以利用隱馬爾可夫模型來將數據點咬合到相關聯的道路段。
轉向圖15，示出了可用于預測一個或多個道路段上的速度統計量的示例
貝葉斯模型1500。貝葉斯模型1500被設計成在預測關于一個或多個道路段的速度統計量時考慮一個或多個參數。例如，各種傳感器可以確定一天中的時間、一周中的天以及可能對道路段上的行進速度有影響的其它上下文信息。另外，在貝葉斯模型1500內可以考慮道路類型，包括其是二車道還是四車道道路、公共還是私有等。此外，不同道路段中的交通流量之間的狀態和關系可以影響道路段上的概率分布的改變。例如，某些道路段上的當前瓶頸可能對不同道路段上的預期行進速度有影響。提供示例貝葉斯模型1500以示出可用于預測道路速度統計量的示例參數。
現在參考圖16，示出了可由預測組件110 (圖1-3、 5-8)用于為在給定特定上下文時的未傳感道路段預測道路速度和/或速度比率的示例模型1600。模型1600可用于向用戶輸出點之間的方向，其中該方向可以基于對一個或多個道路段做出的推斷。模型1600可以考慮實時的主要事件、計算的道路關系(例如，地理相似性、地理鄰近性……)、天氣、道路段特性、諸如ATM、服務的位置等附近資源、實時狀態和流量關系(從傳感器獲得)、以及天氣。可利用變量的特定組合來準確地預測/估算給定不同上下文時特定道路段上的速度，且由此用于向用戶輸出取決于上下文的方向。
更詳細而言，為確定速度比率或其它合適的速度統計量，可考慮實時的主要事件1602，包括體育比賽事件、文化事件和/或類似事件。另外，時間、天和月數據1604可以對一個或多個預測的速度統計量有影響。另外，預測的速度統計量可以取決于附近資源1606，諸如游樂園、購物等。天氣1608可對行進速度有影響(例如，當在下雨時，駕駛員往往比在晴天時駕駛得更慢)。此外，道路段特性1610，包括車道數、標出的限速以及其它合適的特性可在對一個或多個道路段預測速度統計量時在模型1600中考慮。此外，道路段的實時流量狀態和關系1612可以導致預期速度改變。例如， 如果在特定位置檢測到瓶頸，則由于經由連接的以流量為中心的因果關聯以及 在給定整個交通系統中的多個關系和影響時的更高階效應，這一瓶頸可導致預 期速度統計量在該位置以及多個其它位置處改變。在一般的情況下，所計算的
流量關系1614，諸如瓶頸和流量如何在不同的時間(現在和在將來的各種時間)
互相影響，可在預測行進速度統計量時對一個或多個道路段考慮。最后，模型
1600可以考慮計算的道路關系1616，諸如地理鄰近性、到和自上匝道或下匝 道的距離等等。
為了提供有關所要求保護的主題的各個方面的額外的上下文，圖17以及 以下討論旨在提供其中可以實現各方面的適合操作的環境1410的簡要、概括 描述。盡管所要求保護的主題是在諸如程序模塊等由一個或多個計算機或其它 設備執行的計算機可執行指令的通用上下文中描述的，但本領域的技術人員將 認識到，本發明還能夠結合其它程序模塊和/或作為硬件和軟件的組合來實現。
然而，通常，程序模塊包括執行特定任務或實現特定數據類型的例程、程 序、對象、組件、數據結構等。操作環境1410只是合適的操作環境的一個示 例，并不旨在對此處所描述的特征的使用范圍或功能提出任何局限。適用于所 要求保護的主題的其他公知的計算機系統、環境、和/或配置，包括但不限于， 個人計算機、手持式或膝上型裝置、多處理器系統、基于微處理器的系統、可 編程的消費電子產品、網絡PC、小型計算機、大型計算機、包括以上系統或 設備的分布式計算環境等等。
參考圖17，可用于為交通系統中的道路段估算道路速度的示例性環境 1710包括計算機1712。計算機1712包括處理器單元1714、系統存儲器1716 和系統總線1718。系統總線1718將包括但不限于系統存儲器1716的系統組件 耦合到處理單元1714。處理單元1714可以是各種可用處理器中的任一種。雙 微處理器和其它多處理器體系結構也可用作處理單元1714。
系統總線1718可以是若干類型的總線結構中的任一種，包括存儲器總線 或存儲器控制器、外圍總線或外部總線、和/或使用各種可用的總線體系結構中 的任一種的局部總線，可用的總線體系結構包括，但不限于，8位總線、工業 標準體系結構(ISA)、微通道體系結構(MCA)、擴展的ISA (EISA)、智能驅動器電子接口 (IDE) 、 VESA局部總線(VLB)、外圍部件互連(PCI)、通用串行總線(USB)、高級圖形接口 (AGP)、個人計算機存儲卡國際協會總線(PCMCIA)以及小型計算機系統接口 (SCSI)。系統存儲器1716包括易失性存儲器1720和非易失性存儲器1722。基本輸入/輸出系統(BIOS)包含諸如在啟動期間在計算機1712的元件之間傳送信息的基本例程，其存儲在非易失性存儲器1722中。作為說明而非局限，非易失性存儲器1722可以包括只讀存儲器(ROM)、可編程ROM (PROM)、電可編程ROM (EPROM)、電可擦除ROM (EEPROM)或者閃存。易失性存儲器1720包括用作外部高速緩沖存儲器的隨機存取存儲器(RAM)。作為示例而非限制，RAM以多種形式可用，諸如同步RAM( SRAM)、動態RAM( DRAM )、同步DRAM( SDRAM)、雙倍數據速率SDRAM (DDR SDRAM)、增強型SDRAM (ESDRAM)、同步鏈路DRAM (SLDRAM)以及直接Rambus總線RAM (DRRAM)。
計算機1712還包括可移動/不可移動、易失性/非易失性計算機存儲介質。例如，圖17示出了盤存儲1724。盤存儲1724包括但不限于諸如磁盤驅動器、軟盤驅動器、磁帶驅動器、Jaz驅動器、Zip驅動器、LS-100驅動器、閃存卡、或者記憶棒之類的設備。此外，盤存儲1724可以包括獨立的或者與其它存儲介質結合的存儲介質，包括但不限于諸如緊致盤ROM設備(CD-ROM)、可記錄CD驅動器(CD-R驅動器)、可重寫CD驅動器(CD-RW驅動器)或者數字多功能盤ROM驅動器(DVD-ROM)這樣的光盤驅動器。例如，DVD-ROM驅動器可用于從DVD中讀取視頻內容。為了便于將盤存儲設備1724連接到系統總線1718，通常使用諸如接口 1726等可移動或不可移動接口。
應該明白，圖17描述了在用戶和在合適的操作環境1710中描述的基本計算機資源之間擔當中介的軟件。這樣的軟件包括操作系統1728。存儲在盤存儲1728上的操作系統1724用于控制并分配計算機系統1712的資源。系統應用程序1730通過存儲在系統存儲器1728或盤存儲1732上的程序模塊1734和程序數據1724利用了操作系統1716對資源的管理。應該明白，本發明可用各種操作系統或操作系統的組合來實現。
用戶通過輸入設備1736把命令或信息輸入到計算機1712中。輸入設備1736包括但不限于諸如鼠標、跟蹤球、指示筆、觸摸墊等定點設備、鍵盤、話筒、操縱桿、游戲手柄、圓盤式衛星天線、掃描儀、TV調諧卡、數碼相機、數碼攝像機、網絡攝像頭、遙控器等等。這些以及其它輸入設備通過系統總線
1714經由接口端口 1738連至處理單元1718。接口端口 1738包括，例如串行端口、并行端口、游戲端口、以及通用串行總線(USB)。輸出設備1740利用和輸入設備1736相同類型的某些端口。因此，例如，USB端口可以用來向計算機1712提供輸入，以及把來自計算機1712的信息輸出到輸出設備1740。提供輸出適配器1742來示出存在如監視器、揚聲器、打印機以及其他輸出設備1740等需要特殊適配器的一些輸出設備1740。輸出適配器1742包括，作為說明而非局限，提供輸出設備1740和系統總線1718之間的連接手段的顯卡和聲卡。應該注意到，其它設備和/或設備系統提供了輸入和輸出能力，諸如遠程計算機1744。
計算機1712可以使用至諸如遠程計算機1744等一個或多個遠程計算機的邏輯連接在網絡化環境中操作。遠程計算機1744可以是個人計算機、服務器、路由器、網絡PC、工作站、基于微處理器的電器、對等設備或者其它常見的網絡節點等，且通常包括相對于計算機1712所描述的很多或者全部元件。為了簡明起見，對遠程計算機1746僅示出了存儲器存儲設備1744。遠程計算機1744經由網絡接口 1748被邏輯地連接到計算機1712，然后經由通信連接1750物理地連接。網絡接口 1748涵蓋諸如局域網(LAN)和廣域網(WAN)這樣的通信網絡。LAN技術包括光纖分布式數據接口 (FDDI)、銅分布式數據接口、以太網/IEEE 802.3、令牌環/IEEE 802.5等。WAN技術包括但不限于，點對點鏈路、諸如綜合業務數字網(ISDN)及其各種變體等電路交換網、分組交換網、以及數字用戶線(DSL)。
通信連接1750指的是用于把網絡接口 1748連接到總線1718的硬件/軟件。雖然為了清楚地舉例說明，通信連接1750被示為在計算機1712的內部，但其也可以在計算機1712的外部。連接到網絡接口 1748所需要的硬件/軟件包括，僅出于示例的目的，內部和外部技術，諸如包括常規電話級調制解調器、電纜調制解調器以及DSL調制解調器的調制解調器、ISDN適配器和以太網卡。
圖18是要求保護的主題可以與之交互的示例性計算環境1800的示意性框圖。系統1800包括一個或多個客戶機1810。客戶機1810可以是硬件和/或軟件(例如，線程、進程、計算設備)。系統1800還包括一個或多個服務器1830。服務器1830也可以是硬件和/或軟件(例如，線程、進程、計算設備)。服務器1830可以容納各線程以通過例如利用所要求保護的主題來執行轉換。在客戶機1810和服務器1830之間的一種可能的通信能夠以適合在兩個或多個計算機進程之間傳輸的數據分組的形式進行。系統1800包括可以用來使客戶機1810和服務器1830之間通信更容易的通信框架1850。客戶機1810可在操作上連接到一個或多個可以用來存儲對客戶機1810本地的信息的客戶機數據存儲1860。同樣地，服務器1830可在操作上連接到一個或多個可以用來存儲對服務器1840本地的信息的服務器數據存儲1830。在一個具體示例中，服務器可以包括可由客戶機通過網絡來訪問的路線規劃系統。用戶可以通過經由客戶機和網絡向服務器內的路線規劃系統提交請求來向路線規劃系統請求駕駛方向，并且路線規劃系統然后可以向客戶機輸出所得的駕駛方向。
以上所已經描述的內容包括所要求保護的主題的各方面的例子。當然，出于描繪這一主題的目的而描述每一個可以想到的組件或方法的組合是不可能的，但本領域內的普通技術人員應該認識到，許多進一步的組合和排列都是可能的。因此，所要求保護的主題旨在涵蓋所有這些落入所附權利要求書的精神和范圍內的改變、修改和變動。此外，就在說明書或權利要求書中使用術語"包括"而言，這一術語旨在以與術語"包含"在被用作權利要求書中的過渡詞時所解釋的相似的方式為包含性的。
權利要求
1. 一種便于為不與對所有所需上下文傳感的數據相關聯的道路段預測道路速度或速度的概率分布的系統，包括接收交通系統表示(108)的接收器組件(104)，所述交通系統表示包括為不同上下文中的多個道路段傳感的速度；以及分析所述交通系統表示并向所述交通系統表示內的道路段自動分配平均速度和速度的概率分布中的至少一個的預測組件(110)。
2. 如權利要求1所述的系統，其特征在于，所述預測組件包括利用機器學習技術來確定所述交通系統表示內道路段之間的模式和趨勢的機器學習組件，所述預測組件至少部分地基于所確定的模式和趨勢來分配所述平均速度和所述速度的概率分布中的至少一個。
3. 如權利要求1所述的系統，其特征在于，所述預測組件包括確定在給定不同上下文時關于所述道路段的所傳感的速度的上下文分析器組件，所述預測組件根據在給定所述不同上下文時所傳感的速度來分配所述平均速度和所述速度的概率分布中的至少一個。
4. 如權利要求1所述的系統，其特征在于，所述預測組件包括定位與用與所述道路段相似的道路類型來標記的道路段相關聯的所傳感的速度的道路類型分析器組件，所述預測組件根據與同所述道路段類型相似的道路段相關聯的所傳感的速度來分配所述平均速度和所述速度的概率分布中的至少一個。
5. 如權利要求1所述的系統，其特征在于，所述交通系統表示包括加權圖，其中節點表示十字路口，邊表示所述十字路口之間的道路段，而權重至少部分地基于表示所述道路段的道路速度的統計量。
6. 如權利要求5所述的系統，其特征在于，所述交通系統表示內的權重隨著上下文的更改而更改。
7. 如權利要求5所述的系統，其特征在于，所述交通系統表示包括上下文相關道路速度、指示道路段的道路類型的數據、指示與其它道路的關系的數據、與交通流量問題相關聯的道路、指示標出的限速的數據、指示地形類型的數據、指示商業和服務的數據、以及與道路段相關聯的建筑物的類型。
8. 如權利要求5所述的系統，其特征在于，所述預測組件分析實時地傳感的參數，并至少部分地基于道路段之間的空間關系和所述實時地傳感的參數來向所述道路段自動分配所述平均速度和所述速度的概率分布中的至少一個，所述實時地傳感的參數包括事故位置、天氣和傳感的交通流量中的至少一個。
9. 如權利要求1所述的系統，其特征在于，還包括第二交通系統表示，所述預測組件至少部分地基于對所述交通系統表示的分析來向所述第二交通系統表示內的道路段分配一個或多個速度統計量。
10. 如權利要求l所述的系統，其特征在于，所述系統是路線規劃系統，所述路線規劃系統使用Dykstra、 A*、 Dykstra的變體和A—的變體搜索算法中的至少一個以及所述平均速度和所述速度的概率分布中的至少一個來向用戶輸出點之間的路線。
11. 如權利要求IO所述的系統，其特征在于，所輸出的路線是關于當前時間和將來時間之一的，所述路線規劃系統至少部分地基于上下文數據的預測來輸出所述路線，其中所述預測基于在先前的時間點收集的證據。
12. —種用于預測與交通系統表示內的道路段上的速度相關的統計量的方法，包括以下計算機可執行動作分析與交通系統相關聯的所傳感的數據，所傳感的數據包括給定不同上下文時所述道路段上的行進速度統計量；以及至少部分地基于所述分析自動預測關于不與行進速度統計量相關聯的道路段的行進速度統計量。
13. 如權利要求12所述的方法，其特征在于，分析所傳感的數據包括推斷所傳感的數據以確定道路段類型和平均行進速度之間的相關。
14. 如權利要求12所述的方法，其特征在于，還包括利用特設和結構化傳感中的至少一個來獲得關于所述交通系統內的道路段的行進速度統計量。
15. 如權利要求12所述的方法，其特征在于，還包括分析所述交通系統表示以定位未被分配表示關于每一期望上下文的行進速度的一個或多個統計量的道路段的表示。
16. 如權利要求12所述的方法，其特征在于，還包括分析上下文相關道路速度、指示道路段的道路類型的數據、指示與其它道路的關系的數據、與交通流量問題相關聯的道路、指示標出的限速的數據、指示地形類型的數據、指示商業和服務的數據、以及與道路段相關聯的建筑物的類型中的至少一個，來自動預測關于道路段的行進速度統計量。
17. 如權利要求ll所述的方法，其特征在于，還包括接收對駕駛方向的請求；以及至少部分地基于所述請求和所述自動預測的行進速度統計量來輸出駕駛方向。
18. 如權利要求17所述的方法，其特征在于，還包括輸出關于將來行進時間的駕駛方向，其中在輸出所述駕駛方向時忽略至少一個當前傳感的參數。
19. 如權利要求18所述的方法，其特征在于，還包括利用Dykstra、 A*、Dykstra的變體、八*的變體搜索方法中的至少一種來輸出所述方向。
20. —種用于創建穩健的交通系統表示的系統，包括用于接收關于交通系統內的道路段的傳感的行進速度統計量的計算機實現的裝置(102);用于分析所傳感的行進速度統計量的計算機實現的裝置(110);以及用于至少部分地基于所述分析來預測在多個上下文中關于道路段的行進速度統計量的計算機實現的裝置(110)。
全文摘要
描述了集中于對預測道路速度的模型的開發和使用的傳感、學習、推斷和路線分析模型。在使用中，該系統包括接收交通系統表示的接收器組件，該交通系統表示包括關于不同上下文中多個道路段的速度。預測組件分析該交通系統表示，并自動地向該交通系統表示內的道路段分配速度，由此提供了關于不同上下文的更真實的速度，而在這些不同上下文中以前只有統計量和/或標出的限速可用。預測組件通過考慮可用速度信息以及諸如道路特性、不同類型的道路之間的地理關系、附近地形和商業、以及道路段附近的其它資源等信息和/或上下文信息，來做出關于在當前時刻或指定的將來時刻各道路段的速度的預測。
文檔編號G06F19/00GK101479733SQ200780024336
公開日2009年7月8日 申請日期2007年6月20日 優先權日2006年6月30日
發明者E·J·霍維茨, M·S·薩布拉曼尼, P·B·科齊, S·斯里尼瓦桑 申請人:微軟公司