CN117636620A - 用于处理探测数据的方法及处理系统以及探测器 - Google Patents

Abstract

本申请涉及一种用于处理探测数据的方法及处理系统以及探测器。处理系统(20)处理探测数据以确定停放在区域(50)中的车辆数目(51、52)的改变，所述探测数据包括关于多个探测器的探测迹线的信息。所述处理系统(20)至少基于停放在所述区域(50)中的所述车辆数目(51、52)的所述所确定改变来识别事件的发生。所述处理系统(20)致使所述事件的所述所识别发生被用于执行一个或数个操作。

Description

用于处理探测数据的方法及处理系统以及探测器

技术领域

本发明的实施例涉及与操作以执行导航功能(例如确定路线及提供交通警告)的装置相关联的技术。特定来说，本发明的实施例涉及可操作以处理指示探测迹线的探测数据的方法、系统及装置，例如用于车辆的可携式或仪表板内导航装置。本发明的实施例还涉及可操作以使用由处理方法及系统提供的未来交通聚积的预测的结果的探测器及其它装置或系统。

背景技术

导航装置被广泛使用且非常流行，这归功于例如其在导航任务中提供帮助的能力以及其利用关于所改变交通条件的信息的能力。

例如动态路线搜索及/或交通警告产生等导航装置功能可将正在改变的交通状况纳入考虑。可通过汇总来自导航装置及任选地其它信息源的信息来观察正在改变的交通状况。这允许例如交通堵塞或高交通负荷等交通条件在此类交通条件出现之后也能被纳入考虑。

一般来说，可期望以预测性方式适应正在改变的交通条件。对于具有规则地再次发生特性的交通型式，可这样做。规则地再次发生的交通型式(例如已知作为一周中的一天及/或一天中的某一时间函数出现的交通高峰)可被认为是预先已知的，并且可将用于路线导引或交通信息的提供纳入考虑。

预测与规则地再次发生的型式不相关联但以非周期及/或偶然方式重复的交通增加是一个相当大的挑战。关于此类交通增加的信息将有助于进一步改进导航及/或交通管理及/或基于电子地图的功能。

发明内容

本发明的实施例的目标是提供允许引起未来交通增加的事件被识别的方法、系统及装置。另一选择是或另外，本发明的实施例的目标是提供允许引起未来交通增加的事件被识别的方法、系统及装置，而不专门依赖于可经由web爬取技术访问的公共可用事件日历提供的信息。

根据实施例，提供如独立权利要求中所列举的方法、系统及装置。附属权利要求定义了优选实施例。

提供了一种由处理系统处理探测数据的方法。所述方法包括处理所述探测数据以确定停放在区域中的车辆数目的改变。所述探测数据可包括关于多个探测器的探测迹线的信息。所述方法包括至少基于停放在所述区域中的所述车辆数目的所述所确定改变来识别事件的发生。

所述方法能够识别倾向于在稍后时间致使交通增加的事件，使得可以预测性方式来预计未来交通增加。所述方法通过处理探测数据来确定所述事件，从而减轻了与专门依赖于web爬取技术来确定事件的技术相关联的挑战。

所述事件可以是并非规则地再次发生的事件的事件。

所述事件可以是作为再次发生的事件的事件。

所述事件可以是在终止之后当停放在所述区域中的车辆开始离开所述区域时即刻引起交通增加的事件。

所述方法可包括致使所述事件的所述所识别发生被用于执行一个或数个操作。

所述一个或数个操作可包括取决于由所述事件致使的所预测未来交通增加的一个或数个操作。

所述一个或数个操作可包括导航相关操作(例如路线导引、所估计抵达时间(ETA)确定、自主驾驶)、电子地图相关操作(例如以间歇方式更新电子地图的信息)、交通流管理相关操作(例如控制电子可控制交通流调节装置)中的一个、数个或全部。

所述一个或数个操作可选自包括以下各项或由以下各项组成的群组：交通流控制、动态车辆路线导引、自主驾驶操作、更新数字地图信息、交通警告、所关注点(POI)识别、POI排名。

所述探测数据可包括或者可以是多个探测器的探测迹线。探测迹线可将所述相应探测器的位置规定为时间函数(例如，通过规定所述探测器所位于的多个单元中的单元)。

所述探测数据可包括或者可以是关于探测迹线开始的位置(例如，单元)及相关联开始时间的信息及/或关于探测迹线结束的位置(例如，单位)及相关联结束时间的信息。

所述探测迹线可包括可移除地或固定地安装在车辆中或车辆上或者可移除地设置在车辆中或车辆上的探测器的探测迹线。

所述探测迹线可包括可携式探测器的探测迹线。

至少处理所述探测数据及识别所述事件的所述发生的步骤可以地图不可知方式来执行(例如，在不使用电子地图信息的情况下)。

致使所述操作被执行的步骤可以地图不可知方式来执行(例如，在不使用电子地图信息的情况下)。

所述方法可包括基于所述事件的所述所识别发生对所预测未来交通增加的预测性确定。

所述一个或数个操作可取决于于所述所预测未来交通增加。

所述区域可以是单元阵列的单元。

所述单元阵列可包括规则单元阵列。

确定停放在所述区域中的所述车辆数目的所述改变可包括针对所述单元阵列的数个单元中的每一者来确定终止于所述相应单元中的探测迹线的数目及/或开始于所述相应单元中的探测迹线的数目。

确定终止于所述相应单元中的探测迹线的数目可包括识别探测迹线中的一个或数个，针对所述探测迹线，终止之前的最后迹线位置位于所述相应单元内，及/或针对所述探测迹线，如由所述探测迹线指示的位置的时间依赖性满足第一准则。

所述第一准则可包括与已知要终止的已知探测迹线的相关性及/或由所述探测迹线规定的每时间位置改变的第一阈值比较。

确定开始于所述相应单元中的探测迹线的数目可包括识别探测迹线中的一个或数个，针对所述探测迹线，所述探测迹线的初始迹线位置位于所述相应单元内，及/或针对所述探测迹线，由所述探测迹线规定的位置的时间依赖性满足第二准则。

所述第二准则可包括与已知要开始的已知探测迹线的相关性及/或由所述探测迹线规定的每时间位置改变的第二阈值比较。

确定停放在所述区域中的所述车辆数目的所述改变可包括针对所述单元阵列的数个单元中的每一者来确定车辆到所述相应单元中的流入及/或车辆从所述相应单元的流出。

确定停放在所述区域中的所述车辆数目的所述改变可包括至少基于所述探测数据来识别终止于或开始于所述区域内的车辆行程。

识别所述事件的所述发生可包括以下各项中的一项、数项或全部：

停放在所述区域中的所述车辆数目的所述改变的阈值比较；

作为时间函数的所述车辆数目的所述改变与已知要由事件致使的先前所记录时间依赖性改变的相关性；

所述区域到已知POI的接近度；

使用人工智能(AI)模型来处理指示所述车辆数目的所述改变、车辆的流入、车辆的流出中的一个或数个的时间序列数据。

所述AI模型可具有操作以接收所述时间序列数据的样本的输入层以及操作以提供指示事件的发生的AI模型输出的输出层。

识别所述事件的所述发生及/或致使一个或数个操作被执行可包括将所述车辆数目的所述所确定改变与不同于所述探测数据的信息组合。

不同于所述探测数据的所述信息可包括以下各项中的一项或数项：

关于位于所述区域内或在空间上接近于所述区域的至少一个POI的信息；

关于经由广域网(WAN)来检索的经调度事件的信息。

所述方法可进一步包括访问地图数据及至少基于所述地图数据来识别所关注点POI，其中以下各项中的一项、数项或全部适用：

识别所述事件的所述发生可包括确定所述POI中的至少一者是否位于所述区域内或在空间上接近于所述区域；

如果所述事件的所述发生被确定并且所述POI中的任一者都不接近于所述区域，那么所述地图数据被更新成包含新POI；

所述地图数据被更新成包含位于所述区域内或空间上接近于所述区域的现有POI的额外信息。

所述额外信息可包括被临时添加到所述POI并在所述事件之后被删除的信息。

所述方法可进一步包括确定所述事件的所预期持续时间。

确定所述预期持续时间可包括以下各项中的一项、数项或全部：

将停放在所述区域中的所述车辆数目的所述改变与同一区域或其它区域中所述所停放车辆数目的先前所观察改变以及先前所观察事件持续时间相关；

通过广域网WAN来检索关于所述所预期持续时间的信息；

通过WAN来检索关于所述事件的事件类型的信息并基于所述事件类型来确定所述所预期持续时间；

使用AI模式来处理指示所述车辆数目的所述改变、车辆的流入、车辆的流出中的一个或数个的时间序列数据。所述AI模型可具有操作以接收所述时间序列数据的样本的输入层以及操作以提供所述事件的所预期持续时间的输出层。

交通流控制、动态车辆路线导引、自主驾驶操作、更新数字地图信息、交通警告、POI识别、至少基于所述事件的所述所识别发生以及所述事件的所述所预期持续时间的POI排名中的至少一者。

所述事件可以是造成车辆从所述区域的未来流出的事件。

所述事件可以是数目超过大小阈值的人的聚集。

所述聚集可包括体育事件、文化事件、展览、交易会、音乐会、戏剧事件、演出中的至少一者。

所述方法可进一步包括以下各项中的一项、数项或全部：

由所述处理系统接收所述探测数据，任选地，其中所述探测数据是从无线通信系统接收的；

由所述处理系统将关于所述事件的所述所识别发生的信息提供给位于所述区域内的探测器及/或不位于所述区域内的探测器；

由所述处理系统将关于所述事件的所述所识别发生的信息提供给交通管理系统；

由所述处理系统将关于所述事件的所述所识别发生的信息提供给地图服务器系统。

所述方法可包括由所述处理系统或者通信地耦合到所述处理系统的系统或装置来执行所述一个或数个操作。

根据本发明的另一实施例，公开机器可读指令代码，当由至少一个可编程电路执行时，所述机器可读指令代码致使所述至少一个可编程电路执行根据实施例的方法。

根据本发明的另一实施例，公开机器可读指令代码，当由至少一个可编程电路执行时，所述机器可读指令代码致使所述可编程电路：

处理探测数据以确定停放在区域中的车辆数目的改变，所述探测数据包括关于多个探测器的探测迹线的信息，且

至少基于停放在所述区域中的所述车辆数目的所述所确定改变来识别事件的发生。

所述指令代码可进一步包括当由至少一个可编程电路执行时致使所述可编程电路来致使所述事件的所述所识别发生被用于执行一个或数个操作的指令。

所述一个或数个操作可包括取决于由所述事件致使的所预测未来交通增加的一个或数个操作。

所述一个或数个操作可包括导航相关操作(例如路线导引、ETA、自主驾驶)、电子地图相关操作(例如以间歇方式更新电子地图的信息)、交通流相关操作(例如控制电子可控制交通流调节装置)中的一个、数个或全部。

所述一个或数个操作可选自包括以下各项或由以下各项组成的群组：交通流控制、动态车辆路线导引、自主驾驶操作、更新数字地图信息、交通警告、所关注点(POI)识别、POI排名。

根据本发明的另一实施例，公开一种上面存储有指令代码的存储媒体。

所述存储媒体可以是非易失性存储媒体。

根据本发明的另一实施例，公开一种其中已编码根据实施例的指令代码的信号序列。

根据本发明的另一实施例，公开一种预测由事件致使的未来交通增加的交通预测方法，所述交通预测方法包括根据实施例的处理探测数据的方法。

根据本发明的另一实施例，公开一种响应于由事件致使的所预期未来交通增加来执行至少一个车辆导航任务的导航方法，所述导航方法包括根据实施例的处理探测数据以检测所述事件的发生以及由所述处理系统或者不同于所述处理系统的装置(例如探测器)或系统响应于所述所识别事件来执行导航任务的方法。

所述导航任务可包括输出所述交通警告。

所述导航任务可包括响应于所述所识别事件来执行路线导引。执行所述路线导引可包括间歇地修改在路线搜索过程中使用的分段特性(例如时间或燃料消耗)。执行所述路线导引可包括执行路线搜索，其中针对所计划旅程，分段特性(例如时间或燃料消耗)被临时增加，这致使车辆在大约事件结束的时间段中经过所述区域或环绕所述区域的区。

所述导航任务可包括响应于所述所识别事件来执行自主驾驶操作。执行所述自主驾驶操作可包括响应于所述所识别事件在自主驾驶操作中间歇地修改车辆操纵方向及/或车辆速度。执行所述自主驾驶操作可包括在自主驾驶操作中修改所述车辆操纵方向及/或车辆速度，以致使所述车辆在大约所述事件结束的时间段中绕过所述区域或环绕所述区域的区。执行所述自主驾驶操作可包括控制一个或数个致动器，例如影响轮方向及/或引擎速度的致动器。执行所述自主驾驶操作可包括发布控制信号或控制命令来控制一个或数个致动器，例如影响轮方向及/或引擎速度的致动器，以致使所述车辆在大约所述事件结束的时间段中绕过所述区域或环绕所述区域的区。

根据本发明的另一实施例，公开一种响应于由事件致使的所预期未来交通增加来执行至少一个电子地图相关任务的地图管理方法，所述地图管理方法包括根据实施例的处理探测数据以检测所述事件的发生以及由所述处理系统或者不同于所述处理系统的装置或系统(例如地图服务器)响应于所述所识别事件来执行地图更新功能的方法。

所述地图更新功能可包括添加新POI。

所述地图更新功能可包括间歇地或永久地修改现有POI。

所述地图管理方法可包括将具有所述新POI或经修改POI的所述电子地图的数据提供给终端机装置。

可使用拉动或推动机制来提供所述电子地图的所述数据。

根据本发明的另一实施例，公开一种响应于由事件致使的所预期未来交通增加来执行至少一个交通流控制操作的交通流控制方法，所述交通流控制方法包括根据实施例的处理探测数据以检测所述事件的发生以及由所述处理系统或者不同于所述处理系统的装置或系统(例如专用交通控制系统)响应于所述所识别事件来执行交通流控制操作的方法。

所述交通流控制操作可包括以取决于所述所识别事件的方式来控制至少一个交通流调节装置(例如交通灯、可调整速度限制及/或车道标志)。

所述交通流控制操作可包括控制至少一个交通流调节装置(例如交通灯、可调整速度限制及/或车道标志)，以便减轻由在所述所识别事件结束时临时交通增加致使的交通减速。

根据本发明的另一实施例，公开一种车辆控制方法，所述车辆控制方法包括根据实施例的处理探测数据以检测所述事件的发生以及由自主车辆响应于所述所识别事件来执行至少一个自主驾驶操作的方法。

执行所述自主驾驶操作可包括响应于所述所识别事件在自主驾驶操作中间歇地修改车辆操纵方向及/或车辆速度。

执行所述自主驾驶操作可包括在自主驾驶操作中修改所述车辆操纵方向及/或车辆速度，以致使所述车辆在大约所述事件结束时的时间段中绕过所述区域或环绕所述区域的区。

执行所述自主驾驶操作可包括控制一个或数个致动器，例如影响轮方向及/或引擎速度的致动器。

执行所述自主驾驶操作可包括发布控制信号或控制命令来控制一个或数个致动器，例如影响轮方向及/或引擎速度的致动器，以致使所述车辆在大约所述事件结束时的时间段中绕过所述区域或环绕所述区域的区。

用于处理探测数据的处理系统可包括操作以接收探测数据的接口，所述探测数据包括关于多个探测器的探测迹线的信息。

所述处理系统包括至少一个电路，所述电路可操作以处理所述探测数据来确定停放在区域中的车辆数目的改变，并至少基于所述所确定改变来识别事件的发生。

所述处理系统操作以用于识别倾向于在稍后时间致使交通增加的事件，使得可以预测性方式来预计未来交通增加。所述处理系统通过处理探测数据来确定所述事件，从而减轻了与专门依赖于web爬取技术来确定事件的技术相关联的挑战。

所述事件可以是并非规则地再次发生的事件的事件。

所述事件可以是作为再次发生的事件的事件。

所述事件可以是在终止之后当停放在所述区域中的车辆开始离开所述区域时即刻引起交通增加的事件。

所述处理系统可操作以致使所述事件的所述所识别发生被用于执行一个或数个操作。

所述一个或数个操作可包括取决于由所述事件致使的所预测未来交通增加的一个或数个操作。

所述一个或数个操作可包括导航相关操作(例如路线导引、ETA、自主驾驶)、电子地图相关操作(例如以间歇方式更新电子地图的信息)、交通流相关操作(例如控制电子可控制交通流调节装置)中的一个、数个或全部。

所述一个或数个操作可选自包括以下各项或由以下各项组成的群组：交通流控制、动态车辆路线导引、自主驾驶操作、更新数字地图信息、交通警告、POI识别、POI排名。

所述探测数据可包括或者可以是多个探测器的探测迹线。探测迹线可将所述相应探测器的位置规定为时间函数(例如，通过规定所述探测器所位于的多个单元中的单元)。

所述探测数据可包括或者可以是关于探测迹线开始的位置(例如，单元)及相关联开始时间的信息及/或关于探测迹线结束的位置(例如，单元)及相关联结束时间的信息。

所述探测迹线可包括可移除地或固定地安装在车辆中或车辆上或者可移除地设置在车辆中或车辆上的探测器的探测迹线。

所述探测迹线可包括可携式探测器的探测迹线。

所述处理系统可操作，使得至少处理所述探测数据及识别所述事件的所述发生可以地图不可知方式来执行(例如，在不使用电子地图信息的情况下)。

所述处理系统可操作，使得其致使所述操作以地图不可知方式来执行(例如，在不使用电子地图信息的情况下)。

所述处理系统可操作以基于所述事件的所述所识别发生来执行所预测未来交通增加的预测性确定。

所述一个或数个操作可取决于所述所预测未来交通增加。

所述区域可以是单元阵列的单元。

所述单元阵列可包括规则单元阵列。

所述处理系统可操作，使得确定停放在所述区域中的所述车辆数目的所述改变可包括针对所述单元阵列的数个单元中的每一者来确定终止于所述相应单元中的探测迹线的数目及/或开始于所述相应单元中的探测迹线的数目。

所述处理系统可操作，使得确定终止于所述相应单元中的探测迹线的数目可包括识别探测迹线中的一个或数个，针对所述探测迹线，终止之前的最后迹线位置位于所述相应单元内，及/或针对所述探测迹线，如由所述探测迹线指示的位置的时间依赖性满足第一准则。

所述第一准则可包括与已知要终止的已知探测迹线的相关性及/或由所述探测迹线规定的每时间位置改变的第一阈值比较。

所述处理系统可操作，使得确定开始于所述相应单元中的探测迹线的数目可包括识别探测迹线中的一个或数个，针对所述探测迹线，所述探测迹线的初始迹线位置位于所述相应单元内，及/或针对所述探测迹线，由所述探测迹线规定的位置的时间依赖性满足第二准则。

所述第二准则可包括与已知要开始的已知探测迹线的相关性及/或由所述探测迹线规定的每时间位置改变的第二阈值比较。

所述处理系统可操作，使得确定停放在所述区域中的所述车辆数目的所述改变可包括针对所述单元阵列的数个单元中的每一者来确定车辆到所述相应单元中的流入及/或车辆从所述相应单元的流出。

所述处理系统可操作，使得确定停放在所述区域中的所述车辆数目的所述改变可包括至少基于所述探测数据来识别终止于或开始于所述区域内的车辆行程。

所述处理系统可操作，使得识别所述事件的所述发生可包括以下各项中的一项、数项或全部：

停放在所述区域中的所述车辆数目的所述改变的阈值比较；

作为时间函数的所述车辆数目的所述改变与已知由事件致使的先前所记录时间依赖性改变的相关性；

所述区域到已知POI的接近度；

使用人工智能(AI)模型来处理指示所述车辆数目的所述改变、车辆的流入、车辆的流出中的一个或数个的时间序列数据。

所述AI模型可具有操作以接收所述时间序列数据的样本的输入层以及操作以提供指示事件的发生的AI模型输出的输出层。

所述处理系统可操作，使得识别所述事件的所述发生及/或致使一个或数个操作被执行可包括将所述车辆数目的所述所确定改变与不同于所述探测数据的信息组合。

不同于所述探测数据的所述信息可包括以下各项中的一项或数项：

关于位于所述区域内或在空间上接近于所述区域的至少一个POI的信息；

关于经由广域网(WAN)来检索的经调度事件的信息。

所述处理系统可进一步操作以用于访问地图数据并至少基于所述地图数据来识别POI，其中以下各项中的一项、数项或全部适用：

识别所述事件的所述发生可包括确定所述POI中的至少一者是否位于所述区域内或在空间上接近于所述区域；

如果所述事件的所述发生被确定并且所述POI中的任一者都不接近于所述区域，那么所述地图数据被更新成包含新POI；

所述地图数据被更新成包含位于所述区域内或空间上接近于所述区域的现有POI的额外信息。

所述额外信息可包括被临时添加到所述POI并在所述事件之后被删除的信息。

所述处理系统可进一步操作以用于确定所述事件的所预期持续时间。

所述处理系统可操作，使得确定所述所预期持续时间可包括以下各项中的一项、数项或全部：

将停放在所述区域中的所述车辆数目的所述改变与同一区域或其它区域中所述所停放车辆数目的先前所观察改变以及先前所观察事件持续时间相关；

通过广域网WAN来检索关于所述所预期持续时间的信息；

通过WAN来检索关于所述事件的事件类型的信息并基于所述事件类型来确定所述所预期持续时间；

使用AI模式来处理指示所述车辆数目的所述改变、车辆的流入、车辆的流出中的一个或数个的时间序列数据。所述AI模型可具有操作以接收所述时间序列数据的样本的输入层以及操作以提供所述事件的所预期持续时间的输出层。

所述处理系统可操作，使得交通流控制、动态车辆路线导引、自主驾驶操作、更新数字地图信息、交通警告、POI识别、POI排名中的至少一者是至少基于所述事件的所述所识别发生及所述所预期持续时间。

所述事件可以是造成车辆从所述区域的未来流出的事件。

所述事件可以是数目超过大小阈值的人的聚集。

所述聚集可包括体育事件、文化事件、展览、交易会、音乐会、戏剧事件、演出中的至少一者。

所述方法可进一步包括以下各项中的一项、数项或全部：

由所述处理系统接收所述探测数据，任选地，其中所述探测数据是从无线通信系统接收的；

由所述处理系统将关于所述事件的所述所识别发生的信息提供给位于所述区域内的探测器及/或不位于所述区域内的探测器；

由所述处理系统将关于所述事件的所述所识别发生的信息提供给交通管理系统；

由所述处理系统将关于所述事件的所述所识别发生的信息提供给地图服务器系统。

所述处理系统可操作以执行实施例的方法。

根据实施例，探测器可包括操作以传输关于取决于所述探测器的位置的时间依赖性的探测迹线的信息以及接收关于事件的所识别发生的信息的至少一个探测器接口。所述探测器可包括操作以将关于所述事件的所述所识别发生的信息用于动态车辆路线导引、自主驾驶操作或输出交通警告中的至少一者的至少一个探测器电路。

关于所述事件的所述所识别发生的所述信息可以是由根据实施例的方法确定的信息。

关于所述事件的所述所识别发生的所述信息可以是由根据实施例的处理系统确定的信息。

所述探测器电路可操作以执行路线导引、自主驾驶操作及/或基于由预测在所述事件结束时发生的车辆从所述区域的流出致使的所预测交通流增加来输出交通警告。

所述探测器可以是固定地安装在车辆中的探测器。

所述探测器可以是可移除地布置在车辆中或车辆上的探测器。

根据实施例，交通流控制系统可包括操作以接收关于事件的所识别发生的信息的至少一个交通流控制系统接口。所述交通流控制系统可包括操作以将关于所述事件的所述所识别发生的所述信息用于控制调节交通流的电子可控制装置(例如交通灯、电子可控制速度限制及/或电子可控制车道标志)的至少一个电路。

关于所述事件的所述所识别发生的所述信息可以是由根据实施例的方法确定的信息。

关于所述事件的所述所识别发生的所述信息可以是由根据实施例的处理系统确定的信息。

所述交通流控制系统可进一步包括调节交通流的电子可控制装置(例如交通灯、电子可控制速度限制及/或电子可控制车道标志)。

所述交通流控制系统可操作以基于由预测在所述事件结束时车辆从所述区域的流出致使的所预测交通流增加来控制所述电子可控制装置。

所述交通流控制系统可操作以采取允许流出的车辆比在没有控制行动的情况下更快地离开所述区域的控制行动。

根据实施例，地图服务器可包括操作以接收关于事件的所识别发生的信息的至少一个地图服务器接口。所述地图服务器可包括操作以将关于所述事件的所述所识别发生的所述信息用于至少临时更新电子地图的至少一个地图服务器电路。临时更新所述电子地图可包括添加POI及/或更新POI信息。

关于所述事件的所述所识别发生的所述信息可以是由根据实施例的方法确定的信息。

关于所述事件的所述所识别发生的信息可以是由根据实施例的处理系统确定的信息。

所述地图服务器可操作以将电子地图数据提供给终端机装置。举例来说，这可在推动或拉动机制中进行。

所述地图服务器可与所述交通信息服务器分离。

所述地图服务器可与所述交通信息服务器集成或者通信地耦合到所述交通信息服务器。所述地图服务器及所述交通信息服务器两者都可接收及使用关于所述事件的所述所识别发生的信息。

根据本发明的另一实施例，公开一种包括用于调整车辆驾驶方向及/或车辆速度的一个或数个致动器的车辆，所述车辆进一步包括操作以接收关于所述所识别事件的信息的无线接口以及操作以至少响应于关于所述所识别事件的所述信息来控制所述一个或数个致动器的一个或数个车辆控制电路。

操作的所述一个或数个车辆控制电路可操作，使得执行所述自主驾驶操作可包括响应于所述所识别事件在自主驾驶操作中间歇地修改车辆操纵方向及/或车辆速度。

操作的所述一个或数个车辆控制电路可操作，使得执行所述自主驾驶操作可包括在自主驾驶操作中修改所述车辆操纵方向及/或车辆速度，以致使所述车辆在大约所述事件结束时的时间段中绕过所述区域或环绕所述区域的区。

操作的所述一个或数个车辆控制电路可操作，使得执行所述自主驾驶操作可包括控制一个或数个致动器，例如影响轮方向及/或引擎速度的致动器。

操作的所述一个或数个车辆控制电路可操作，使得执行所述自主驾驶操作可包括发布控制信号或控制命令来控制一个或数个致动器，例如影响轮方向及/或引擎速度的致动器，以致使所述车辆在大约所述事件结束时的时间段中绕过所述区域或环绕所述区域的区。

根据实施例，公开一种包括所述处理系统及/或一个或数个探测器的系统。

所述系统可进一步包括：交通流控制系统，其与所述处理系统介接并操作以用于响应于所述事件的所述所识别发生来执行交通流控制；及/或地图服务器，其操作以响应于所述事件的所述所识别发生来更新地图信息；及/或车辆，其与所述处理系统介接并操作以用于响应于所述所识别事件来执行自主驾驶操作。

根据进一步实施例，公开一种用于预测从区域的交通流出的未来增加的探测迹线数据的使用。

所述使用可包括使用根据本文中所公开的实施例的方法及/或系统来处理所述探测数据。

各种效果及优点是通过本发明的实施例来获得的。所述方法、系统及装置允许预测来自与事件相关联的区域的车辆流出的增加。所述方法、系统及装置即使在所述事件并非规则地再次发生时也可操作以用于预测交通增加。虽然所述方法、系统及装置即使在所述事件并非规则地再次发生时也可预测事件相关交通增加，但所述方法、系统及装置也可预测再次发生(例如，周期性地再次发生)的事件的此类增加。所述方法、系统及装置即使在所述事件是偶然地发生的事件(例如一次性事件)时也可操作以用于预测交通增加。

各种额外效果及优点可通过本发明的实施例来获得。为了进行说明，当所述所识别事件被用于执行交通流控制时，可在所述事件结束时(事件在事件结束之前开始)更有效地对交通进行路线规划，从而减轻了交通堵塞的风险，并且由此减小了能量消耗及空气污染。

为了进行进一步说明，当所述所识别事件被用于执行动态车辆路线导引时，车辆被堵在经增加交通状况中的风险被降低，由此减少能量消耗及空气污染。

为了进行进一步说明，当所述所识别事件被用于执行自主驾驶操作时，所述车辆被堵在经增加交通状况中的风险被降低，由此减少能量消耗及空气污染。

为了进行进一步说明，当所述所识别事件被用于更新数字地图信息时，所述数字地图信息被修改以便提供更准确信息。更准确信息允许终端机装置更容易地检索到端用户所需的正确的经更新信息，由此减小数据交通负载并缓解可能数据交通瓶颈状况。

为了进行进一步说明，当所述所识别事件被用于发布交通警告时，提供经改进预测性信息，从而减轻非所期望交通堵塞状况的风险并提高安全性。

为了进行进一步说明，当所述所识别事件被用于所关注点(POI)识别及/或POI排名时，可获得更准确POI信息。更准确POI信息允许终端机装置更容易地检索到端用户所期望的正确的经更新POI信息，由此减小数据交通负载并缓解可能数据交通瓶颈状况。

所述方法、系统及装置即使在从web爬取技术无法获得关于致使所述交通增加的事件的信息时也可操作以用于预测交通增加。这减轻了与通过在公开可用资源中搜索事件相关数据来识别事件相关联的挑战，鉴于语言问题、网站访问限制等，这可能是具挑战性的。

附图说明

本发明的实施例将参考图式来描述，在图式中，类似或对应元件符号指定具有类似或对应配置及/或功能的元件。

图1是探测数据处理系统的框图。

图2是包括探测数据处理系统的系统的图式。

图3是单元阵列的平面图。

图4是方法的流程图。

图5是方法的流程图。

图6展示所停放车辆数目的改变的用于解释方法及处理系统的操作的直方图表示。

图7展示所停放车辆数目的改变的用于解释方法及处理系统的操作的直方图表示。

图8是展示各种探测迹线的图表。

图9是方法的流程图。

图10是方法的流程图。

图11是展示作为时间函数的所停放车辆数目的改变的用于图解说明事件持续时间预测的图表。

图12是方法的流程图。

图13是方法的流程图。

图14展示人工智能模型。

图15是包括探测数据处理系统的系统的图式。

图16是方法的流程图。

图17是地图数据的示意性表示。

图18是方法的流程图。

图19是探测器的框图。

图20是车辆的框图。

具体实施方式

本发明的实施例将被详细描述。虽然将结合检测具有足以影响未来交通的大小的事件(例如体育事件或文化事件)来描述实施例，但实施例不限于此。

除非以其它方式具体陈述，否则实施例的特征可彼此组合。

公开允许检测例如重大会议、社交聚集等事件或者与临时增加的交通相关联的其它事件的方法、处理系统及装置。所述方法、处理系统及装置可操作以对此类事件(例如，主要会议)执行实时地图不可知检测，以预测未来延迟。所述方法、处理系统及装置可操作以响应于所检测事件来执行至少一个操作，例如通过当执行路线导引、自主驾驶操作或发布交通警告时、当管理电子地图数据时及/或当执行交通流控制时考虑事件结束时交通流的所预期增加。

所述方法、处理系统及装置可操作以处理探测数据。如本文中所使用，“探测数据”可以是或者可包括位置迹线。位置迹线可以是GPS迹线、伽利略迹线、另一全球导航卫星系统(GNSS)或浮动汽车数据，但不限于此。探测数据可以是或者可包括从位置迹线派生的信息。对于位置迹线在区域中结束的任何车辆(其可被用作停车操作的指示符)，探测数据可指示所述区域的识别符以及迹线结束的时间，从而指示车辆被停放。对于位置迹线在区域中开始的任何车辆(其可用作停车操作结束的指示符)，探测数据可指示所述区域的识别符以及迹线开始的时间，从而指示停车操作结束。

如本文中所使用，术语“探测器”囊括导航装置但无需限于此。探测数据可指示也不执行导航相关功能的装置的探测迹线。探测器可以是仪表板内导航装置、可携式导航装置(PND)、可(但无需)执行导航相关操作的蜂窝式通信网络的移动终端机(MT)(例如，智能手机)，但不限于此。

如本文中所使用，术语“导航装置”囊括仪表板内导航装置、可携式导航装置(PND)、执行导航相关功能的蜂窝式通信网络的移动终端机(MT)，例如智能手机，但不限于此。

所述方法、处理系统及装置可操作以便以地图不可知方式执行对事件的识别。如本文中所使用，术语“地图不可知”可指定在不知道地理位置的情况下(例如，在不知道道路的情况下)执行的动作。对事件的识别可使用蜂窝式结构来执行。单元标签可用于确定车辆停放的区域及/或车辆开始驾驶的区域。

所述方法、处理系统及装置可操作以使用“栅格”或“单元阵列”。如本文中所使用，“栅格”或“单元阵列”可表示单元的阵列。栅格或单元阵列可包括连续单元阵列或由连续单元阵列组成。所述单元可以是不重叠的或者可以是部分重叠的。所述单元可具有最多1km、最多0.9km、最多0.8km、最多0.7km、最多0.6km、最多0.5km、最多0.4km、最多0.3km、最多0.2km、最多0.1km或0.1km的半径。单元可具有更大半径。为了进行说明，单元可具有最多50km、最多40km、最多30km、最多20km、最多15km、最多10km、最多8km、最多5km、最多4km、最多3km、最多2km的半径，但不限于此。对于任何单元，单元直径可通过以下各项来确定：(a)确定直线与单元的单元边界的两个相交点之间的相交点距离，其中所述直线具有方向；及(b)将单元直径确定为相交点距离的最大值，其中所述最大值是针对直线的任何方向来确定的。半径可被定义为单元直径的一半。栅格或单元阵列可以是地图不可知单元的全球名册。单元可具有如上文所提及的半径。栅格或单元阵列可以是规则的或不规则的。栅格或单元阵列可包括具有等同几何形状及/或大小的单元或者由所述单元组成。栅格或单元阵列可包括具有不同几何形状及/或大小的单元或者由所述单元组成。

如本文中所使用,“单元”是指二维结构。单元可通过识别符来识别。识别符对于单元可以是唯一的。当探测数据指示探测迹线开始及/或结束的单元(即，通过规定单元识别符)时，识别事件可能无需知道单元的地理位置。单元可以是任何形状。单元可具有选自六边形、圆形、正方形、矩形的形状，但不限于此。

如本文中所使用，“实时”可以指在接收及处理数据时操作的过程。为了进行说明，探测迹线可在持续或间歇的基础上传输。探测迹线数据可以可以是例如15分钟或更少的量级的延迟来接收。所停放车辆数目的改变可能需要一些时间来聚积到大小上足够的程度，以满足识别事件的准则(例如阈值准则、应用于相关函数的准则等)。通过比较，仅使用经汇总历史数据的过程并非实时的。

本文中所公开的方法、系统及装置可操作以至少基于所识别事件(任选地，包含所预计事件持续时间)来执行动态路线搜索。如本文中所使用，术语“动态路线搜索”涉及考虑了正在改变的交通条件的路线搜索。在瞬时情形中，可考虑预测在事件结束时发生的交通改变。这可以各种方式来进行，例如，通过以时间依赖性方式来动态地调整在路线搜索中指派给道路分段的时间及/或燃料消耗。为了进行说明，指派给道路分段的时间及/或燃料消耗可在事件的所预测结束之后不久增加。

本文中所公开的方法、系统及装置可操作以从在一个位置具有高发生率的探测器行程开始或结束实时地检测事件(例如社交聚集事件)。所述方法、系统及装置可使用此信息来预测在事件被识别的位置(例如，给定时间(例如几个小时)之后)处大交通流出的开始及持续时间。

也操作以用于在规则地再次发生的基础上不发生的事件(例如一次性事件或其它不规则地再次发生的事件或其它偶然地发生的事件)的此种预测性信息出于各种目的是非常有价值的。否则，此种预测性信息难以获得。

因此，所述方法、系统及装置可操作以便以可扩展及自动方式获得全球交通预测信息。

本文中所公开的方法、系统及装置可操作以通过为重要聚集(看到大交通量流入的事件)提供自动、实时及全局源来推断与对接下来几个小时的交通具有未来影响的事件相关的交通预测，所述重要聚集吸收大量交通并且因此将在局部区域中的某个时间之后具有重要流出。通过比较，传统系统通常依赖于对当前现有交通堵塞(表示道路的特征上的延迟)的检测以及对这些堵塞的耗散(向后增长以及收缩)的建模，或者依赖于如由历史信息规定的给定时间在道路上的典型历史速度/延迟。当前技术不使用探测数据作为检测的源来预测由于社会事件或在与地图信息无关的随机地点的迁移目的地引起的大规模流出的开始。

所述方法、系统及装置可允许预测在不久的未来全球任何位置的重要交通聚积，而无需从大量独立及/或未知事件组织者及日历汇总(或至少不排他地依赖于)事件信息，所述事件组织者及日历都说不同语言，事件有时甚至是未宣布的或自发地发生的，但仍可被此系统检测到。

所述方法、系统及装置可提供地图不可知方法，以通过分析在(例如，最后15分钟的)时间窗中具有一定量(例如，25的阈值)路线结束(或开始)的单元阵列的单元中汇总的(例如，通过对行程结束或开始发生率进行求和)实时探测行程开始/结束位置在拥挤目的地(也称为“事件位置”)出现时对其进行检测。为了识别事件，考虑了在单元中开始或结束的行程(即，探测迹线)。在所设定时间窗内进入及离开单元的行程未被计数，仅对在单元中结束的探测迹线进行计数。即，如果在一段时间内不再存在来自那个装置ID(其可以是匿名装置ID)的探测更新，那么对迹线进行计数。

所述方法、系统及装置可使用单元大小、时间窗及/或计数阈值，以便仅保留特定量级的事件(例如，使用具有已知公开事件的位置作为确认的参考)，而不会被完成之后不会显著影响交通的不重要聚集触发。

所述方法、系统及装置可操作以在不具有任何先验知识的情况下检测吸引大量访问者的任何主要静态事件。此类事件的实例是电影首映、体育事件、节日、演出、展览、音乐会，但不限于此。所述方法、系统及装置无需在所述区域中现场预先安装任何传感器。

所述方法、系统及装置可操作以基于例如同一区域(例如，同一单元及/或邻近单元)及/或停留在区域中的车辆数目的类似时间依赖性改变的历史数据来推断所预期事件持续时间。在一段时间(其可以是例如几周)内收集的历史数据可允许推断特性事件持续时间(主要流入与流出之间的时间)。相关技术可用于此目的。对于周期性地再次发生的事件，可通过自相关来检测具体单元位置的发生频率(例如每天/每周/每月)。

所述方法、系统及装置可操作以利用与事件结束相关联的所预测未来交通的优势。为了进行说明，交通吸引器(或发生器)位置的知识对于以下使用情形是非常有价值的，但不限于此：

-在那个单元通常发生流出的时间左右(在那个单元的典型事件持续时间结束时)，生成对所识别区域(例如，单元)周围交通增加及/或延迟的不久的未来预测。

-在更广泛地区(例如，国家)，针对例如政府、交通中心、想要避开拥挤位置的社区提供大型聚集发生及位置的实时信息(情景概述)。

-关于这些所检测事件的所存档历史信息用于概览、分析及/或基准真值(例如，事件概览警示网站或仪表板，用于经由人机接口输出，正如交通指数；另外或另一选择是，此类使用情形可实施为用于导航的机器对机器(M2M)实况交通馈送及/或所估计抵达时间(ETA)使用情形)

-例如通过添加、修改、更新及/或改进所关注点(POI)信息(例如，检测错过的重要场地及/或指派或更新重要性排名)对电子地图的修改、更新及/或改进。

所述方法、系统及装置可操作以向所检测事件指派关于其最可能性质的元数据。所述方法、系统及装置可操作以使用例如地图信息来指派元数据，如同以下各项：

-休闲POI(体育场、运动场、展览场地…)或停车道路的接近度，作为所检测事件的筛选器或类型分类器；

-对所触发单元位置进行反向地理编码，以获得粗略位置或区域名称；

-检测附近休闲POI或停车区域的名称；

-在web上爬取关于此位置的事件信息(事件性质、所记录持续时间、所预期观众人数…)。

所述方法、系统及装置可操作以便以各种方式使用关于从探测数据识别的事件的信息，例如，通过以下各项中的任一种或任一组合：

-触发交通服务器(例如交通服务器状态机)以预计在不久的未来的某个时间(例如，在未来小于5小时及/或在未来大于0.2小时)来自单元的经增加交通流出；

-触发路线规划、导航及/或所估计抵达时间(ETA)功能；

-基于在区域中结束的探测迹线的净内流(例如，在某个时间段中的阈值计数，例如每小时至少300或至少3000或至少30000辆车辆)来触发电子地图中的POI存在、重要性验证、确认、更新中的一个或数个。

所述方法、系统及装置可操作以提供并使用未来事件信息(如同“正在进行国际足球比赛，预期1小时内将有大量交通从所述区域出来”)，当处理探测数据时，所述未来事件信息不容易用传统技术获得。

接下来将参考图式，其中类似或对应元件符号指定具有类似或对应配置及/或功能的元件。

图1是探测数据处理系统20的框图。探测数据处理系统20可由系统10构成，系统10另外包含探测数据源40及/或响应于探测数据处理系统20的输出41来执行或以其它方式操作的系统或装置。

探测数据处理系统20包括操作以接收探测数据的第一接口21。探测数据可包含如下信息：针对多个单元中的每一单元来规定或允许探测数据处理系统20分别在可以是滑动时间窗的时间窗内确定哪些探测迹线终止于所述单元内以及哪些探测迹线开始于所述单元内。

探测数据处理系统20可操作以处理探测迹线，以基于至少一个探测数据来识别倾向于致使未来从区域的经增加交通流出的事件。探测数据处理系统20可操作以产生并提供输出41，输出41取决于已被识别为与经增加停车活动相关联的区域的单元(并且任选地取决于地理位置)。输出41也可取决于事件的所预期持续时间。这允许探测数据处理系统20致使执行至少一个操作，所述操作考虑了对从所述区域的未来交通流出的预测。

探测数据处理系统20包括一个或数个电路30。电路可包括集成电路、集成半导体电路、处理器、控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、包含量子位(qubit)及/或量子门的电路中的任一者或任一组合，但不限于此。

电路30可操作以处理关于探测数据40的信息。所述电路可执行指令代码以实施探测数据信息处理模块31，所述探测数据信息处理模块识别正停放在区域中的车辆(且特定来说并非卡车或其它多用途车辆而是运输人员的车辆)并识别在已停放在所述区域中之后开始操作的车辆。此类车辆可至少基于车辆迹线的开始点(例如关于指示探测迹线在某个时间或时间窗内在区域内结束的探测识别符的信息)及车辆迹线的结束点(例如关于指示探测迹线在某个时间或时间窗内在所述区域内开始的探测识别符的信息)。因此，停放在所述区域中的车辆数目的净改变可由确定所停放车辆数目的改变的模块32确定。所停放车辆数目的改变可以时间依赖性方式来确定例如为时间序列数据，其中时间序列的每一元素指示在相应时间点之前的时间窗中停放在所述区域中的车辆数目已改变多少辆车辆。

所述电路可操作以执行事件发生识别模块33。事件发生识别模块可识别在所述区域或靠近于所述区域处是否发生了未来可能造成相关车辆流出的事件。可使用各种技术来进行事件识别。可采用阈值比较将相关事件与所停放车辆数目的常规波动及/或不会引起对本地交通条件有相关影响的未来交通流的事件区分开。另一选择是或另外，可使用相关技术将所停放车辆数目的时间依赖性改变与先前针对那个区域记录的时间依赖性改变相关。另一选择是或另外，所停放车辆数目的时间依赖性改变可用人工智能(AI)模型来处理。AI模型可以是提供指示是否存在相关事件的二进制输出的分类器。AI模型可操作以输出关于事件的所预测持续时间的信息。

所述电路可操作以执行输出产生模块34。输出产生模块34可将接口提供给一种或数种类型的装置或系统以产生信息或命令(例如，编码在经包化数据或控制信号中)。为了进行说明，输出产生模块34可操作以产生输出41：

-以供探测器(例如，可以是仪表板内装置或者可以可移除地布置在车辆中或车辆上的导航装置)使用，用于例如ETA、路线导引、交通警告的输出；

-以供地图服务器使用(例如，用于更新POI信息或对POI进行排名)；

-以供交通流管理系统使用(例如，用于控制例如交通灯的电子可控制装置)；

-以供交通警告系统使用(例如，用于发布交通警告)；

-以供自主驾驶系统使用，例如用于由自主车辆执行自主驾驶操作。

电路30不仅可操作以确定是否发生从区域的相关交通流出的事件，而且可操作以预测此增加将在未来的哪个时间发生及/或交通流出将如何表现为时间函数。探测数据处理系统20可包括存储历史数据的存储系统23，所述历史数据指示，针对多个区域中的每一者，所停放车辆的净增加的先前所观察时间依赖性改变(即，在时间窗内进入所述区域并在所述区域中停止以进行停车操作的车辆的和减去在所述时间窗内离开所述区域的车辆的和)，后续接着后续减少(在结束时)。时间窗是滑动时间窗。所停放车辆数目的先前所观察时间依赖性改变可存储为时间序列数据。先前所观察时间依赖性改变可至少针对那些在一段时间(例如，几个小时，及少于一天)之后所停放车辆数目的增加后续接着所停放车辆数目的减少(并且因此，车辆从所述区域的伴随流出)的事件进行存储，以此种方式，交通流出对交通流具有显著影响(例如，通过影响在所述区域驾驶的车辆的ETA超过阈值时间，或者通过致使动态路线导引改变超过阈值数目的车辆的所规划路线)。当观察到所停放车辆数目的增加时，探测数据处理系统20可访问存储系统23，并基于所停放车辆数目的所观察增加以及那个区域(或类似区域)中所停放车辆数目的先前所观察改变来预测未来流出。例如相关函数、经训练AI模型或其它处理的各种技术可用于将所停放车辆数目的当前所观察增加与先前所记录改变(作为时间函数，所停放车辆数目的增加后续接着后续减少)组合，以预测从所述区域的交通流出的未来增加，包含可能发生增加的时间。

预测性时间范围可小于24小时、小于18小时、小于12小时、小于10小时、小于8小时或小于6小时。预测性时间范围可大于1小时、大于1.5小时、大于2小时、大于2.5小时或大于3小时。

预测性时间范围不限于上述情况。为了进行说明，预测性时间范围可大于24小时。为了进行说明，预测行时间范围可以是1天或更多天、2天或更多天、3天或更多天、7天或更多天、14天或更多天、21天或更多天、1个月或更多个月等。由本文中所公开的系统、方法及装置执行的学习技术可允许自动检测事件的再次发生型式。举例来说，可在本文中所公开的技术中学习及使用在再次发生的基础上重复的体育事件，而某些时段(例如，在夏季及/或在假日季节期间)暂停。

图2是包括探测数据处理系统20的系统10的示意图。系统10可包括多个探测器。探测器可包括永久地安装在车辆中的探测器。探测器可包括可移除地设置在车辆中或车辆上的探测器。探测器还可包括适合于车辆及非车辆用途两者的探测器。

探测器可传输探测迹线，例如GNSS迹线。探测器可具有无线接口以传输探测迹线。探测器可通过蜂窝式通信系统或另一无线通信网络80来传输探测迹线。每一探测器可具有允许用户批准探测迹线的传输的用户接口。可取决于用户的批准来选择性地传输探测迹线。

可传输包含用于相应探测器的识别符的探测迹线。识别符可以是匿名识别符，这不允许对相应探测器的用户的身份得出结论。识别符可允许在所有现有探测器当中以唯一方式识别探测器。对于源自同一探测器的各种探测器迹线，识别符可保持相同，或者可在不同探测迹线之间改变。

探测迹线可由可执行某些预处理功能的预处理计算机或服务器系统81接收。预处理计算机或服务器系统81可以是处理由某个探测器制造商分发的探测器的探测数据的专有系统。预处理计算机或服务器系统81是任选的，并且其功能可与处理系统21集成。预处理计算机或服务器系统81可操作以针对任何探测迹线来区分所述探测迹线是否展示所述探测器所位于的车辆：

i.在时间窗内进入区域50之后停放在区域50(例如单元阵列的单元)内；

ii.在时间窗内已停放在区域50中之后离开区域50；或者

iii.在时间窗内进入区域50之后穿过区域50。

为了区分这些场景，计算机或服务器系统81可操作以针对任何探测迹线来区分所述探测迹线是否：

i.在时间窗内在区域50中结束；

ii.在时间窗内在区域50中开始；或者

iii.在时间窗内不在区域50中结束或开始。

可将关于相关联车辆被停放或在已停放之后开始操作的探测器的信息提供给处理系统20，以进行进一步处理。

处理系统20的输出41可取决于事件是否被识别并且在肯定的情况下取决于事件的所预测持续时间。处理系统的输出41可被提供给使用输出41进行导航相关任务(例如ETA运算、路线导引、行驶警告、自主驾驶操作)、地图相关任务(例如POI排名、POI添加、POI更新)及/或交通管理功能(例如调节交通流的装置(例如交通灯或可控制速度限制)的动态调整)的装置或系统82。

由预处理系统81及/或探测数据处理系统20处理的探测迹线包含指示在时间窗内进入区域50的第一组车辆60的迹线的探测迹线。探测数据处理系统20可操作以从第一组60当中识别随后停放在区域50内的车辆61，并从第一组60当中识别随后没有停放在区域50内的车辆61。

由预处理系统81及/或探测数据处理系统20处理的探测迹线包含指示在时间窗内进入区域50的第二组车辆70的迹线的探测迹线。探测数据处理系统20可操作以从第二组70当中识别随后停放在区域50内的车辆71，并从第二组70当中识别随后没有停放在区域50内的车辆71。

通过处理此信息，探测数据处理系统20操作以确定在任何给定时间窗内停放在区域50内的车辆(例如，多组51、52所停放车辆)数目的改变。

如果探测数据包含源自未知位于车辆内的探测器的探测数据，那么筛选技术可任选地被应用于识别指示车辆(例如汽车)的移动的那些探测迹线。为了进行说明，可基于平均速率将指示车辆移动的探测迹线与由行人或自行车骑行者携带的探测器的探测迹线区分开。为了进行进一步说明，可通过基于位置的筛选技术或基于停靠点的位置(例如，通过滤除展现出与公共交通线路的停靠点型式对应的停靠点型式的那些探测迹线)将指示车辆移动的探测迹线与指示火车、地铁或有轨电车移动的探测迹线区分开。

如果探测数据包含源自与例如卡车或其它多用途车辆并置的探测器的探测数据，那么此种探测数据也可基于例如与探测数据一起传输的识别符或者特性速率分布(例如卡车特定速度限制)被滤除。由于所停放卡车数目通常可忽略不计，所以可使用本文中所公开的技术来分析来自多用途车辆的探测数据，而不将其滤除。

区域50可以是单元阵列的单元。单元阵列可包括多个单元。多个单元可以规则或不规则方式来布置。多个单元可以是邻接的，至少涵盖一个地区(例如国家或大陆)的陆地区域，或者任选地至少涵盖道路所位于的陆地区域。

可针对单元阵列的单元中的数个、任选地针对所有来确定所停放车辆数目的改变。改变可以持续方式(例如，周期性地或非周期性地)来更新。确定所停放车辆数目的改变的时间窗因此可以是滑动时间窗。

图3展示包括多个单元91到93的可能单元阵列90。可针对多个单元91到93中的每一单元来确定所停放车辆数目的改变。输出41可以单元特定方式产生，以提供导航功能、POI修改及/或以位置依赖性方式执行的交通管理，这取决于在例如12小时或更短的未来时间范围内车辆的所预期流出被预测发生在哪里。

图4是方法100的流程图。方法100可由处理系统20自动执行。

在步骤101处，确定停放在区域中的车辆数目的改变。改变可表示所停放车辆数目的净改变(新停放的车辆的和减去已停放在所述区域之后离开所述区域的车辆的和)。改变可表示针对时间窗来确定的改变。时间窗可具有例如至少1分钟、至少5分钟、至少10分钟或至少15分钟的持续时间。改变可被确定为时间函数。时间窗可以是随着时间的流逝而移位的滑动时间窗。

在步骤102处，处理所停放车辆数目的改变，以确定是否发生了事件(即，在未来时间范围中将致使车辆流出并对交通产生影响的社交聚集)。识别事件是否发生可包括确定车辆流出将发生的所预期时间，所述所预期时间与事件持续时间相关。

在步骤103处，产生并输出事件相关数据及/或命令以触发对一个或数个操作的执行。事件相关数据可针对另一系统或装置例如通过触发探测器以发布交通警告及/或触发地图服务器以修改POI信息及/或触发交通管理服务器以在所预期流出发生之前或发生时开始控制交通流调节装置来提供输入。

在步骤102处，事件识别可以包含阈值比较、与同一(或者也可能类似)区域的先前所观察改变的相关性及/或更先进的处理技术(例如使用AI模型的处理)的各种方式来实施。

图5是可由处理系统20自动执行的方法110的流程图。方法110使用阈值比较来确定事件是否发生。

在步骤111处，确定在时间窗内停放在区域内的车辆数目的改变。这可通过识别在所述区域中结束的探测迹线或在所述区域中开始的探测迹线或者通过应用返回所期望信息的其它筛选技术来进行。

在步骤112处，将在时间窗内停放在所述区域中的车辆数目的改变与阈值进行比较。可设定阈值，以便将来自对交通有相关影响的区域的未来流出与来自没有相关影响的区域的未来流出区分开。阈值可取决于单元大小及/或时间窗长度来设定。阈值可以是单元大小及时间窗长度两者的单调渐增(例如，严格单调渐增)函数。阈值可取决于道路等级及/或速度限制来设定。为了进行说明，对于一些区域，由于高速公路或其它高容量道路的存在，可能更容易适应从所述地区的流出的改变。阈值可基于从所述区域的流入及流出的历史所观察改变来自动设定。这可以区域特定方式来进行。为了进行说明，阈值可取决于所停放车辆数目的先前所观察改变来设定，所述改变随后通过例如在事件结束时致使交通堵塞来影响交通流。

在步骤113处，产生并输出事件相关数据及/或命令，以触发对一个或数个操作的执行。事件相关数据可针对另一系统或装置例如通过触发探测器以发布交通警告及/或触发地图服务器以修改POI信息及/或触发交通管理服务器以在所预期流出发生之前或发生时开始控制交通流调节装置来提供输入。

图6展示将每时间窗所停放车辆数目的改变分别表示为单元位置函数的直方图120。虽然各种单元的值121到126可被视为表示被描绘为地图坐标的函数的所停放车辆的改变，但执行事件识别无需地图知识。一旦知道哪些车辆在停车操作时/停车操作之后终止或开始其在相应单元中的行程，就可以地图不可知方式执行事件识别，而无需(并且任选地不使用)任何地图数据来确定事件是否发生及/或估计事件持续时间(例如通过确定车辆预期从所述区域的流出的预兆未来时间)。

在图6中，存在显著数目的车辆121停放在相应区域中。基于阈值比较或其它处理技术(例如相关函数或AI模型处理)，预测从此区域的相关未来交通流出。如本文中所解释，这可用于操作中的任一者或任一组合。在其它区域中，改变122到126不太相关，并且可能不保证探测数据处理系统采取任何行动。即，如果并且当识别到相关事件的发生时，探测数据处理系统可触发操作被选择性地执行。

虽然可以地图不可知方式来执行对事件的识别，但可期望将经历车辆数目的显著改变的单元与用于执行操作的地图相关联。这可由探测数据处理系统20或者由从探测数据处理系统20接收输出41的任何装置或系统来进行。

图7展示表示在时间窗中停放在与地图数据131相关的数个区域(例如规则单元阵列的单元)中的每一者中的车辆数目的所确定改变的图表130。可执行查找或反向地理编码来识别每一单元在地图上的所位于之处。所预测未来交通流出可影响未来预测性时间范围(例如小于12小时或小于10小时或小于8小时或小于6小时)中的交通，并且此信息可用于操作中的任一种或任一组合，例如导航、地图相关或交通流管理操作。

图8是展示如何确定所停放车辆数目的改变的图表。图8中所展示的是作为时间函数的探测器(例如固定地安装在车辆中或车辆上或者可移除地布置在车辆中或车辆上的探测器)所位于的单元编号。单元无需被连续编号，使得在函数141到144中可能存在不连续。

探测数据包含在端点142处的某个区域(单元编号“k”)中结束的第一探测数据141。因此，第一探测数据141指示其中布置有探测器的车辆已在时间窗140内停放在区域中(或者已在时间窗140内进入区域并且随后停放在那里，这也将是用于确定所停放车辆数目的增加的有用准则)。

探测数据包括在开始点145处的某个区域(单元编号“k”)中开始的第二探测数据144。因此，第二探测数据144指示其中布置有探测器的车辆已在时间窗140内停放在区域中(或者在先前已停放在那里之后已在时间窗140内离开所述区域，这也将是用于确定所停放汽车数目的减少的有用准则)。

探测数据包含经过所述区域(单元编号“k”)但并未停放在那里的车辆中的探测器的第三探测数据143。此种探测器不会改变所停放车辆数目且可被滤除以供进一步处理。

替代或额外准则可用于确定探测器是位于停放在所述区域中的车辆中还是位于已停放在所述区域之后开始移动的车辆中。为了进行说明，如果探测器即使在不移动时也继续传输位置更新，那么可对平均速率(其中平均值是针对不同于时间窗140的第二时间间隔来确定的)进行运算。取决于速率阈值比较，探测器可被识别为位于停放的车辆中，或者位于在其再次开始移动之前已停放的车辆中，或者位于仅仅移动通过所述区域的车辆中。可使用更先进处理技术。为了进行说明，可将速率曲线与先前所确定速率曲线进行比较(例如，相关)，以区分汽车是在停放还是已停放。

停放在区域中的车辆数目的改变可被确定为时间序列。即，时间窗140可能正在移动。时间序列可对应于规则或不规则采样时间。当区分不同事件及/或其相关持续时间时，知道所停放车辆数目的改变的时间依赖性可能是有用的。

可针对单元阵列的多个单元中的每一单元来执行对所停放车辆数目的改变的确定。

图9是可由处理系统20自动执行的方法140的流程图。

在步骤141处，选择单元。单元选择可使用随机型式或通过单元识别符递增来进行。

在步骤142处，可确定车辆到单元中的流入，其中车辆随后在时间窗内停放在单元中。所述识别可通过以下各项中的任一项或任一组合来执行：确定在单元中结束的探测迹线；使用速率阈值比较；对与速率分布的相关性进行运算；或者应用其它分类器。

在步骤143处，可确定车辆从单元的流出，其中车辆先前已在时间窗内停放在单元中。所述识别可通过以下各项中的任一项或任一组合来执行：确定在单元中开始的探测迹线；使用速率阈值比较；对与速率分布的相关性进行运算；或者应用其它分类器。

在步骤144处，确定在时间窗中所停放车辆数目的改变是否指示在预测性时间范围内可能影响交通的事件，所述改变可被确定为随后所停放车辆的流入(步骤142)减去先前所停放车辆的流出(步骤143)。这可使用以下各项中的任一项或任一组合来进行：与改变阈值的阈值比较；与那个区域或类似区域中所停放车辆数目的先前所记录改变的相关性；使用AI模型的处理；或者使用另一分类器(例如所区分各种事件持续时间的分类器)的处理。

在步骤145处，如果事件已被识别，那么可产生事件相关数据及/或命令。由此可触发对一个或数个操作的执行。所述一个或数个操作可包括导航相关操作(例如路线导引或自主驾驶)、电子地图相关操作(例如以间歇方式更新电子地图的信息)、交通流管理相关操作(例如控制电子可控制交通流调节装置)中的一个、数个或全部。方法然后可行进到步骤146。

在步骤146处，确定是否已考虑所有所期望单元(例如，单元阵列的所有单元，或者与其中含有道路的陆地区域重叠的所有单元，或者与城市区域重叠的所有单元)。如果没有考虑所有所关注单元，那么方法返回到步骤141。

如果已考虑所有相关单元，那么方法可在稍后时间(例如，针对所移位时间窗140)在步骤147处重复。方法可被连续(例如，周期性地)重复，以监控可能由预兆时间范围内的事件致使的潜在未来交通状况，所述预兆时间范围可介于1小时与12小时之间，或者介于2小时与10小时之间，或者介于2.5小时与8小时之间，但不限于此。

针对许多操作，存在潜在未来交通问题的信息(例如从区域的所预期未来交通流出)已是有用的。为了进行说明，交通警告、新POI的添加、POI排名及/或其它POI相关地图更新可基于识别出由所停放车辆数目的增加发出信号的事件的知识来实施。

本文中所公开的技术可经实施，使得其也能够估计事件的持续时间及/或在未来某个时间从所述区域的所预期流出的交通型式。未来的时间可能是未来的至少1小时或至少2小时。未来的时间可以是新的未来时间，其可以是未来的不到12小时或不到8小时。

图10是可由探测数据信号处理系统20自动执行的方法150的流程图。方法150可操作以不仅可识别致使所预期交通流出的事件，还可估计此所预期交通流出可能何时发生。

在步骤151处，确定在时间窗140内发生的区域中所停放车辆数目的改变。在步骤152处，可基于所停放车辆数目的改变来识别事件。这些步骤可使用本文中所公开的及上文中所描述的技术中的任一种来实施。

在步骤153处，估计事件的持续时间。如本文中所使用，术语“事件的持续时间”是指指示到停车区域中的经增加交通流入与从那个区域的后续经增加交通流出之间的时间延迟的时间。在分别被确定为时间函数(即，具有滑动时间窗)的在时间窗中所停放车辆数目的所观察增加可与在同一或类似区域中所停放车辆数目的先前所观察改变进行比较，以由此预测何时可预期经增加交通流出及/或预测交通流出的时间依赖性。这可各种方式进行。可对相关函数进行运算，以将所停放车辆数目的当前所观察时间依赖性改变与存储在历史数据中的数个先前所观察时间依赖性改变相关。所预期持续时间及/或流出交通型式可至少基于所停放车辆数目的先前所观察时间依赖性改变来估计，所述时间依赖性改变与所停放车辆数目的当前所观察时间依赖性改变紧密相似(如由相关函数所量化)。另一选择是或另外，可执行加权求和，以依据先前所记录交通流入及流出型式来估计事件持续时间，其中权重取决于所停放车辆数目的当前所观察时间依赖性改变与所停放车辆数目的先前所观察时间依赖性改变的相似性的程度(如由相关函数所量化)。另一选择是或另外，用所停放车辆数目的先前所观察时间依赖性改变来训练的AI模型(如历史数据中所记录)可用于处理时间序列数据(AI模型输入层)并提供关于事件持续时间的信息作为AI模型输出(AI模型输出层)。经训练AI模型可应用于所停放车辆数目的当前所观察时间依赖性改变。另一选择是或另外，可执行对先前所观察事件持续时间的平均以便以简单方式获得对事件持续时间的估计。

在步骤154处，可产生事件相关数据及/或命令。由此可触发对一个或数个操作的执行。一个或数个操作可包括导航相关操作(例如路线导引或自主驾驶)、电子地图相关操作(例如以间歇方式更新电子地图的信息)、交通流管理相关操作(例如控制电子可控制交通流调节装置)中的一个、数个或全部。

图11图解说明针对所停放车辆数目的当前所观察增加167来估计事件持续时间的过程。增加167可与在时间窗内记录的所停放车辆数目的先前所记录改变161、163、165的交通流入部分进行比较，所述所记录改变分别作为时间函数。为了便于比较，先前所记录改变161、163、165及增加167可在其峰值处对准，如由峰值位置160所指示。先前所记录改变161、163、165包含依循峰值位置160的交通流出，其具有从一个曲线到另一曲线变化的延迟162、164、166。延迟162、164、166可指示接着停放在所述区域中的车辆的流入峰值(事件的开始)与先前已停放在所述区域中的车辆的流出峰值(事件的结束)之间的时间间隔。

可通过将延迟162、164、166平均来估计事件持续时间。

事件持续时间可被估计为等于先前所记录改变163的事件持续时间164，所记录改变163与当前所观察增加紧密相似(如由相关函数所量化)。

事件持续时间可被估计为延迟162、164、166的经加权平均值。用于经加权平均的权重可取决于增加167与先前所记录改变161、163、165之间的相关性，其中权重是相关性的递增函数(例如，与相关性成比例)。

另一选择是或另外，可使用其它技术来确定事件持续时间，例如，通过使用经训练AI模型或分类器技术。

图12及13是可由探测数据处理系统20自动执行的方法155及157的流程图。步骤151、152及154可如参考图10所解释地来执行。

图12的方法155包括以下步骤：确定所停放车辆数目的当前所观察改变与所停放车辆数目的数个所记录历史时间依赖性改变的相关性。所预期持续时间及/或流出交通型式可至少基于所停放车辆数目的先前所观察时间依赖性改变来估计，所述先前所观察时间依赖性改变与所停放车辆数目的当前所观察时间依赖性改变紧密相似(如由相关函数所量化)。另一选择是或另外，可执行加权求和，以依据先前所记录交通流入及流出型式来估计事件持续时间，其中权重取决于所停放车辆数目的当前所观察时间依赖性改变与所停放车辆数目的先前所观察时间依赖性改变的相似性的程度(如由相关函数所量化)。

图13的方法157包括使用AI模型来处理表示所停放车辆数目的改变的时间序列的步骤158。利用所停放车辆数目的先前所观察时间依赖性改变来训练的AI模型(如历史数据中所记录)可用于处理时间序列数据(AI模型输入层)并提供关于事件持续时间的信息作为AI模型输出(AI模型输出层)。经训练AI模型可应用于所停放车辆数目的当前所观察时间依赖性改变，以获得所估计事件持续时间。

图14是可用于估计事件持续时间的AI模型170的示意性表示。AI模型170具有操作以接收时间序列数据的至少一部分的输入层171，所述时间序列数据将所停放车辆数目的改变表示为时间函数。AI模型170具有输出时序输入数据所预期的事件持续时间的输出层172。AI模型具有数个隐藏层173。AI模型170可以是人工神经网络(ANN)，例如卷积神经网络(CNN)或递归神经网络(RNN)。AI模型170可包括更具体地针对处理时间序列数据而被修整的结构，例如门控再次发生单元(GRU)及/或长短期存储器(LSTM)单元。AI模型170可使用每时间段停放在所述区域中的车辆数目的一组先前所观察时间依赖性改变来训练。执行训练的目的是获得作为AI模型输出的事件持续时间，如先前针对所停放车辆数目的相应历史改变所观察。例如梯度下降的技术可用于实施训练。AI模型可在现场使用之前在测试集上进行确认。

单独AI模型可针对每一单元来训练。即，当使用AI模型时，单元阵列的不同单元可指派有不同AI模型以用于预测事件持续时间。

虽然AI模型可操作以预测事件持续时间，但具有类似于参考图14来解释结构的结构的AI模型也可被使用并应用于时间序列输入数据，以确定时间序列输入数据是否指示与引起交通流出的后续相关增加的事件相关联的所停放车辆数目的改变。

在任一情形中，当AI模型170在现场使用中操作时，可再次训练AI模型170。由此，当新数据变得可用时，AI模型170可在其现场使用期间被不断地改进。

图15是包括处理系统20的系统10的示意图。系统10包括位于车辆181中同意共享用于事件检测的探测迹线数据的探测器。系统10可包括位于其它车辆182中没有同意共享探测迹线数据的探测器。

探测数据的处理的结果可被提供给导航装置或其它探测器的交通信息系统84。交通信息系统84可将关于从单元的所预期未来流出的信息提供给探测器，所述信息包含车辆182中尚未同意共享探测迹线数据的探测器。交通信息系统84可将关于从单元的所预期未来流出的信息提供给位于车辆181中同意共享用于事件检测的探测迹线数据的探测器。

探测数据的处理的结果可经由无线通信系统提供给终端机装置183。终端机装置183即使未必安装在车辆中也可能仍对事件检测的结果感兴趣。为了进行说明，经由广域网(WAN)83或另一通信信道耦合到探测数据处理系统20的地图服务器85可更新电子地图中的POI信息。此信息可被提供给车辆181、182及/或其它终端机装置183中的探测器。

探测数据的处理的结果可被提供给交通流管理服务器86。交通流管理服务器86可响应于探测数据处理系统20的输出来发布控制信号，以便以取决于所识别事件的方式控制一个或数个交通流调节装置184。交通流调节装置184可选自包括交通灯、可调整速度限制及/或车道标志或者由交通灯、可调整速度限制及/或车道标志组成的群组。交通流管理服务器86可将控制信号发布给交通灯、可调整速度限制及/或车道标志中的一个或数个。交通流管理服务器86可在从所述区域的流出的开始之前及/或在从所述区域的流出对交通的效果可观察到之前开始控制交通流调节装置184。

系统10可进一步包括直接或间接地通信耦合到探测数据处理系统20且操作以响应于所识别事件来执行至少一个自主驾驶操作的自主车辆。车辆(图15中未展示)可如参考图20所更详细描述地配置。

系统10可包括交通信息系统84、地图服务器85、交通流管理服务器86及连接到其的交通流调节组件184、自动车辆中的一个、数个或全部。

图16是可由系统10自动执行的方法190的流程图。

在步骤191、192处，确定区域中所停放车辆数目的改变，并且识别事件的发生以及任选地事件持续时间。步骤191、192可由探测数据处理系统20自动执行。探测数据处理系统20可响应于所检测事件以及任选地事件持续时间来触发对一个或数个操作的执行。

方法可包括对操作的执行，所述操作可包括以下各项中的一个、数个或全部：

-步骤193：由例如导航装置(例如，可以是仪表板内装置或者可以可移除地布置在车辆中或车辆上的导航装置，例如智能手机或执行导航相关任务的蜂窝式通信网络的其它移动终端机)及/或交通信息服务器的探测器响应于所识别事件及任选地事件持续时间来执行ETA及/或路线导引；

-步骤194：由交通信息服务器、探测器或另一终端机装置响应于所识别事件以及任选地事件持续时间来输出交通警告；

-步骤195：由交通流管理系统执行交通流控制操作(例如，通过控制例如交通灯的电子可控制交通流调节装置)；

-步骤196：由地图服务器执行地图相关操作(例如，通过更新POI信息或对POI进行排名)；

-步骤197：由自主车辆执行自主驾驶操作(例如，通过至少基于所识别事件来控制车辆操纵方向及/或速度)。

图17是图解说明探测数据处理的结果可如何用于电子地图相关功能的电子地图200的示意性表示。如果针对含有POI 201或位于接近于POI 201处的区域观察到所停放车辆的增加，那么可更新关于POI 201的信息。为了进行说明，POI 201的相关性可针对POI排名而增加。如果针对不含有现有POI及/或不位于接近于现有POI处的区域观察到所停放车辆的增加，那么可添加新POI 202。这可通过添加泛型POI来进行。可通过执行例如web爬取操作来检索关于事件的信息来检索关于新POI的额外信息并将所述额外信息并入到POI信息中。

关于所停放车辆数目的所检测改变的信息不仅可用于事件识别，还可用于改进在所观察事件之后一天或数天(例如，至少一天或至少两天)发生的后续事件识别。为了进行说明，在现场使用期间检测到的改变可被存储，以供在事件持续时间估计中的后续使用(如图11中的曲线161、163及165所图解说明)。

图18是可由探测数据处理系统20自动执行并包含存储所检测改变以供后续使用的方法210的流程图。

在步骤211处，识别事件。这可使用本文中所公开的技术中的任一种来进行。

在步骤212处，即使基于所停放车辆数目的增加来识别事件，也可继续监控所停放车辆数目的改变。即，不仅可监控并记录所停放车辆数目的增加(事件的开始)，而且可监控並记录后续减少(事件的结束)。

在步骤213处，关于所停放车辆数目的时间依赖性增加及后续减少的信息可被存储以供稍后使用。稍后使用可包括相关函数的计算(如参考图11及12所解释)及/或AI模型训练(如参考图13及14所解释)。

步骤211到213可在持续基础上重复。

图19是系统10可包括的探测器220的框图。探测器220可以是仪表板内导航装置。探测器220可以是可临时布置在车辆中或车辆上(例如，通过可释放地安装到车辆或以其它方式布置在车辆中或车辆上)的导航装置。探测器220可以是智能手机或者蜂窝式通信网络的其它移动终端机。

探测器220包括操作以输出探测迹线数据223以供探测数据处理系统20使用及/或接收取决于探测数据处理系统20的输出的事件相关数据或命令224的一个或数个无线接口221。

探测器220包括一个或数个探测器电路230。探测器电路可包括集成电路、集成半导体电路、处理器、控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、包含量子位(qubit)及/或量子门的电路中的任一者或任一组合，但不限于此。

探测器电路230可操作以产生并输出探测迹线。为了进行说明，探测器电路230可包括可以是GNSS芯片或芯片组的位置监控模块231。探测迹线数据产生模块232可例如通过传输位置更新来产生探测迹线以用于输出。

探测器电路230可响应于事件相关数据或命令224来采取行动。探测器电路230可取决于由事件相关数据或命令224指示的所预期交通流出来执行动态路线确定233。另一选择是或另外，探测器电路230可操作以取决于由事件相关数据或命令224指示的所预期交通流出来执行ETA确定，且经由可包括图形用户接口(GUI)222的用户接口来输出ETA。另一选择是或另外，探测器电路230可操作以经由可包括图形用户接口(GUI)222的用户接口来输出交通警告234。

图20是系统10可包括的车辆240的图式。车辆240可操作以执行自主驾驶操作。

车辆240包括操作以便以自主方式控制车辆240的致动器的一个或数个控制电路241。控制电路241操作以响应于所识别事件(任选地包含事件持续时间)来控制致动器中的至少一些。控制电路241可操作以响应于所识别事件来控制操作以影响驾驶方向的致动器242以及影响车辆速度的致动器243。为了进行说明，方向盘角度及/或车辆速度(例如，引擎输出)可由控制电路241以时间依赖性方式来控制，以便在事件的(所预测)结束前后的时间中致使车辆绕过已识别出事件发生的区域或所述区域周围。关于所识别事件的信息244可经由车辆240的无线接口(例如，经由蜂窝式通信接口及/或车辆到车辆(V2V)接口)来接收。

虽然已参考图式描述了实施例，但可在其它实施例中实施修改及变更。

为了进行说明，虽然已描述可检测事件而无需从因特网检索关于事件的信息的实施例，但本文中所公开的技术有助于与针对额外信息的web爬取操作组合。

为了进行进一步说明，虽然已描述处理GPS或其它位置迹线的实施例，但探测数据可具有指示车辆在哪个区域及什么时间停放及/或车辆在已停放之后何时再次开始移动的各种形式。

为了进行进一步说明，虽然已描述针对单元阵列的单元来检测车辆数目的改变的实施例，但所述技术不限于此类型的区域。

各种效果及优点是通过本发明的实施例来获得的。为了进行说明，实施例提供允许引起未来交通增加的事件被识别的方法、系统及装置。所述方法、系统及装置允许识别引起未来交通增加的事件，而不专门依赖于可通过web爬取技术来访问的公开可用事件日历所提供的信息。所述方法、系统及装置允许识别事件，并且任选地允许针对非周期性或偶然地发生的事件来预测事件持续时间。

Claims (15)

1.一种由处理系统(20)处理探测数据(141、143、144)的方法，所述方法包括：

处理所述探测数据(141、143、144)以确定停放在区域(50)中的车辆数目(51、52)的改变，所述探测数据(141、143、144)包括关于多个探测器的探测迹线的信息；

至少基于停放在所述区域(50)中的所述车辆数目(51、52)的所述所确定改变来识别事件的发生；及

致使所述事件的所述所识别发生被用于执行一个或数个操作，所述一个或数个操作选自交通流控制、动态车辆路线导引、自主驾驶操作、更新数字地图信息、交通警告、所关注点POI识别、POI排名。

2.根据权利要求1所述的方法，其中至少处理所述探测数据(141、143、144)及识别所述事件的所述发生的步骤是以地图不可知方式执行的，及/或

所述方法包括基于所述事件的所述所识别发生对所预测未来交通增加的预测性确定，其中所述一个或数个操作取决于所述所预测未来交通增加。

3.根据权利要求1或权利要求2所述的方法，其中所述区域(50)是单元阵列(90)的单元，任选地，其中所述单元阵列(90)包括规则单元(91到93)阵列。

4.根据权利要求3所述的方法，其中确定停放在所述区域(50)中的所述车辆数目(51、52)的所述改变包括针对所述单元阵列(90)的数个单元(91到93)中的每一者来确定终止于所述相应单元中的探测迹线(141)的数目及/或开始于所述相应单元中的探测迹线(144)的数目，

任选地，其中确定终止于所述相应单元中的探测迹线的数目包括识别探测迹线中的一个或数个，针对所述探测迹线，终止(142)之前的最后迹线位置位于所述相应单元内，及/或针对所述探测迹线，如由所述探测迹线指示的位置的时间依赖性满足第一准则，进一步任选地，其中所述第一准则包括与已知要终止的已知探测迹线的相关性及/或由所述探测迹线规定的每时间位置改变的第一阈值比较；及/或

任选地，其中确定开始于所述相应单元中的探测迹线的数目包括识别探测迹线中的一个或数个，针对所述探测迹线，所述探测迹线的初始迹线位置(145)位于所述相应单元内，及/或针对所述探测迹线，由所述探测迹线规定的位置的时间依赖性满足第二准则，进一步任选地，其中所述第二准则包括与已知要开始的已知探测迹线的相关性及/或由所述探测迹线规定的每时间位置改变的第二阈值比较。

5.根据权利要求3所述的方法，其中确定停放在所述区域(50)中的所述车辆数目(51、52)的所述改变包括针对所述单元阵列(90)的数个单元(91到93)中的每一者确定车辆到所述相应单元中的流入及/或车辆从所述相应单元的流出。

6.根据权利要求1或权利要求2所述的方法，其中确定停放在所述区域(50)中的所述车辆数目(51、52)的所述改变包括至少基于所述探测数据(141、143、144)来识别终止于或开始于所述区域(50)内的车辆行程。

7.根据权利要求1或权利要求2所述的方法，其中识别所述事件的所述发生包括以下各项中的至少一项：

停放在所述区域(50)中的所述车辆数目(51、52)的所述改变的阈值比较；

作为时间函数的所述车辆数目的所述改变与已知要由事件致使的先前所记录时间依赖性改变(161、163、165)的相关性；

所述区域(50)到已知所关注点POI(201)的接近度；

使用人工智能AI模型(170)来处理指示所述车辆数目的所述改变、车辆的流入、车辆的流出中的一个或数个的时间序列数据，所述AI模型(170)具有操作以接收所述时间序列数据的样本的输入层(171)以及操作以提供指示事件的发生及/或所述事件的持续时间的AI模型输出的输出层(172)。

8.根据权利要求1或权利要求2所述的方法，其中识别所述事件的所述发生及/或致使一个或数个操作被执行包括将所述车辆数目的所述所确定改变与不同于所述探测数据(141、143、144)的信息组合，任选地，其中不同于所述探测数据(141、143、144)的所述信息包括以下各项中的一项或数项：

关于位于所述区域(50)内或在空间上接近于所述区域(50)的至少一个所关注点POI的信息；

关于经由广域网WAN(83)来检索的经调度事件的信息。

9.根据权利要求1或权利要求2所述的方法，其进一步包括访问地图数据及至少基于所述地图数据来识别所关注点POI，其中以下各项中的一项、数项或全部适用：

识别所述事件的所述发生包括确定所述POI(201)中的至少一者是否位于所述区域(50)内或在空间上接近于所述区域(50)；

如果所述事件的所述发生被确定并且所述POI中的任一者都不接近于所述区域(50)，那么所述地图数据被更新成包含新POI(202)；

所述地图数据被更新成包含位于所述区域(50)内或在空间上接近于所述区域(50)的现有POI(201)的额外信息，任选地，所述额外信息包括被临时添加并在所述事件之后被删除的信息。

10.根据权利要求1或权利要求2所述的方法，其进一步包括确定所述事件的所预期持续时间，

任选地，其中确定所述所预期持续时间包括以下各项中的一项、数项或全部：

将停放在所述区域(50)中的所述车辆数目(51、52)的所述改变与同一区域(50)或其它区域中所述所停放车辆数目的先前所观察改变(161、163、165)以及先前所观察事件持续时间(162、164、166)相关；

通过广域网WAN来检索关于所述所预期持续时间的信息；

通过WAN来检索关于所述事件的事件类型的信息并基于所述事件类型来确定所述所预期持续时间；

使用人工智能AI模型(170)来处理指示所述车辆数目的所述改变、车辆的流入、车辆的流出中的一个或数个的时间序列数据，所述AI模型(170)具有操作以接收所述时间序列数据的样本的输入层(171)以及操作以提供所述事件的所预期持续时间的输出层(172)；及/或

任选地，其中交通流控制、动态车辆路线导引、自主驾驶操作、更新数字地图信息、交通警告、POI识别、POI排名中的至少一者是至少基于所述事件的所述所识别发生以及所述事件的所述所预期持续时间。

11.根据权利要求1或权利要求2所述的方法，其中所述事件是造成车辆从所述区域(50)的未来流出的事件，及/或其中所述事件是数目超过大小阈值的人的聚集，任选地，其中所述聚集包括体育事件、文化事件、展览、交易会、音乐会、戏剧事件、演出中的至少一者。

12.根据权利要求1或权利要求2所述的方法，其进一步包括以下各项中的一项、数项或全部：

由所述处理系统(20)接收所述探测数据(141、143、144)，任选地，其中所述探测数据(141、143、144)是从无线通信系统(80)接收的；

由所述处理系统(20)将关于所述事件的所述所识别发生的信息提供给位于所述区域(50)内的探测器及/或不位于所述区域(50)内的探测器；

由所述处理系统(20)将关于所述事件的所述所识别发生的信息提供给交通管理系统(86)；

由所述处理系统(20)将关于所述事件的所述所识别发生的信息提供给地图服务器系统(85)。

13.一种用于处理探测数据(141、143、144)的处理系统(20)，所述处理系统(20)包括：

接口(21)，其操作以接收探测数据(141、143、144)，所述探测数据(141、143、144)包括关于多个探测器的探测迹线的信息；

至少一个电路(30)，其操作以：

处理所述探测数据(141、143、144)以确定停放在区域(50)中的车辆数目(51、52)的改变；且

至少基于所述所确定改变来识别事件的发生；且

其中所述处理系统(20)操作以致使所述事件的所述所识别发生被用于执行一个或数个操作，所述一个或数个操作选自交通流控制、动态车辆路线导引、自主驾驶操作、更新数字地图信息、交通警告、所关注点POI识别、POI排名。

14.一种探测器(220)，其包括：

至少一个探测器接口(221)，其操作以：

传输关于取决于所述探测器的位置的时间依赖性的探测迹线的信息，且从根据权利要求13所述的处理系统(20)接收关于事件的所识别发生的信息(224)；及

至少一个探测器电路(230)，其操作以将关于所述事件的所述所识别发生的信息用于动态车辆路线导引、自主驾驶操作、输出交通警告、所估计抵达时间ETA确定中的至少一者。

15.一种系统(10)，其包括：

根据权利要求13所述的处理系统(20)，及

根据权利要求14所述的探测器(220)，

任选地，其中所述系统(10)进一步包括以下各项中的一项、数项或全部：

交通流管理系统(86)，其与所述处理系统(20)介接且操作以用于响应于所述事件的所述所识别发生来执行交通流控制；

地图服务器(85)，其与所述处理系统(20)介接且操作以响应于所述事件的所述所识别发生来更新地图信息；

车辆(240)，其与所述处理系统(20)介接且操作以响应于所述事件的所述所识别发生来执行至少一个自主驾驶操作；

多个探测器(30)。