阅读说明：本技术 一种实时动态路径规划方法和装置 (Real-time dynamic path planning method and device ) 是由 袁志伟 赵晓朝 戴帅湘 于 2019-09-25 设计创作，主要内容包括：本发明公开了一种实时动态路径规划方法,所述方法包括：步骤1、根据用户的导航请求确定导航起止点；步骤2、根据地图数据,确定所述导航起止点之间的m个路段,并根据所述m个路段规划出n条完整路径,其中每条完整路径由1～m条路段组成；步骤3、根据第一预设规则对步骤2中的n条完整路径进行筛选,得到n1条候选路径；步骤4、预估所述n1条候选路径的通行时间；步骤5、比较所述n1条候选路径的通行时间,根据第二预设规则向用户推荐N条所述候选路径,其中N<n1。利用本发明的方法能更准确的预估通行时间,提高导航系统中路径推荐方法的准确度,提升用户的使用体验。(The invention discloses a real-time dynamic path planning method, which comprises the following steps: step 1, determining a navigation starting point and a navigation ending point according to a navigation request of a user; step 2, determining m road sections between the navigation start and stop points according to map data, and planning n complete paths according to the m road sections, wherein each complete path consists of 1-m road sections; step 3, screening the n complete paths in the step 2 according to a first preset rule to obtain n1 candidate paths; step 4, predicting the passing time of the n1 candidate paths; and 5, comparing the passing time of the N1 candidate paths, and recommending N candidate paths to the user according to a second preset rule, wherein N is less than N1. The method can more accurately estimate the passing time, improve the accuracy of the path recommendation method in the navigation system and improve the use experience of the user.)

一种实时动态路径规划方法和装置

技术领域

本发明实施例涉及导航技术领域，特别涉及一种实时动态路径规划方法和装置。

背景技术

随着人们驾车出行时对导航的依赖程度越来越高，用户对导航的实时性和准确性的要求也越来越高。现有技术中导航软件对路径的规划通常采用时间最短、距离最短、高速优先、费用最省等方式。其中，按照时间最短的方式来规划路径是用户使用最多的方式。但是，现有的时间最短路径规划方式往往存在很大的误差，推荐的路线往往达不到时间最短的要求，无法满足用户的需要。

发明内容

针对现有技术中的问题，本发明提供一种实时动态路径规划方法和装置和计算机可读存储介质。

本发明实施例提供一种实时动态路径规划方法，所述方法包括：

步骤1、根据用户的导航请求确定导航起止点；

步骤2、根据地图数据，确定所述导航起止点之间的m个路段，并根据所述m个路段规划出n条完整路径，其中每条完整路径由1～m条路段组成；

步骤3、根据第一预设规则对步骤2中的n条完整路径进行筛选，得到n1条候选路径；

步骤4、预估所述n1条候选路径的通行时间；

步骤5、比较所述n1条候选路径的通行时间，根据第二预设规则向用户推荐N条所述候选路径，其中N<n₁。

进一步的，所述步骤4还包括：步骤41、获取所述n₁条候选路径所涉及的m₁个路段，其中所述m₁≤m。步骤42、实时调用所述m₁个路段中的车辆和/或基础设施上报的交通数据；步骤43、根据所述交通数据分别计算所述m₁个路段的通行时间；步骤44、根据所述m₁个路段的通行时间计算所述n₁条候选路径的通行时间。

优选的，所述路段由交通标记点划分，所述交通标记点是指道路中将车辆导向不同方向的设施，所述不同方向为大于一个方向。

优选的，所述n₁条候选路径构成候选路径集，所述除n₁条候选路径之外的n₂条路径构成第二路径集，其中n₂＝n-n₁。

优选的，所述基础设施包括红绿灯、摄像头、路面、护栏、隔离带、十字路口、环岛、路灯中的至少一个。

优选的，所述交通数据包括车辆的位置、车辆的行驶速度、车辆通过所述m个路段中的一个或多个的通行时间、车辆故障信息、红灯的总时间、车辆通过红绿灯的通行时间、红绿灯的当前状态、红绿灯当前状态的持续时间、红绿灯当前状态的剩余时间中的至少一个。

优选的，所述交通数据存储在与车联网服务器相连的存储器中，所述车联网服务器和存储器为分布式配置。

优选的，为不同的交通数据预先设置了不同的计算方法，根据接收到的不同的交通数据，调用相应的计算方法进行计算。

本发明实施例提供一种实时动态路径规划装置，其特征在于，所述实时动态路径规划装置包括起止点确定模块、路段分析模块、路径规划模块、路径筛选模块、时间预估模块和推荐模块；其中，

所述起止点确定模块，用于根据用户的导航请求确定导航起止点；

所述路段分析模块，用于根据地图数据，确定所述导航起止点之间的m个路段，并根据所述m个路段规划出n条完整路径，其中每条完整路径由1～m条路段组成；

所述路径规划模块，用于根据第一预设规则对步骤2中的n条完整路径进行筛选，得到n1条候选路径；

所述时间预估模块，用于预估所述n1条候选路径的通行时间；

所述推荐模块，用于比较所述n1条候选路径的通行时间，根据第二预设规则向用户推荐N条所述候选路径，其中N<n1。

进一步的，所述时间预估模块还包括路段获取模块、调用模块、路段时间计算模块、路径时间计算模块；其中，所述路段获取模块，用于获取所述n₁条候选路径所涉及的m₁个路段，其中所述m₁≤m；所述调用模块，用于实时调用所述m₁个路段中的车辆和/或基础设施上报的交通数据；所述路段时间计算模块，用于根据所述交通数据分别计算所述m₁个路段的通行时间；所述路径时间计算模块，用于根据所述m₁个路段的通行时间计算所述n₁条候选路径的通行时间。

本发明实施例提供一种实时动态路径规划系统，所述实时动态路径规划系统包括车联网服务器，存储装置和车机，所述车联网服务器包括如前所述的实时动态路径规划装置。

本发明实施例提供一种实时路径规划服务器，所述实时路径规划服务器包括处理器和存储器，所述存储器中存储有可在处理器上运行的计算机程序，所述计算机程序在被所述处理器执行时实现如前所述的方法。

本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有可在处理器上运行的计算机程序、所述计算机程序在被执行时实现如前所述的方法。

通过本发明的方法，能够灵活地利用车联网中的车辆和/或基础设施采集的交通数据，将道路分割为更段的路段，分别对多个路段中的通行时间进行预估，并采用更准确的算法预估通行时间，提高导航系统中路径推荐方法的准确度，提升用户的使用体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例中的一种车辆完整路径和路段的示意图。

图2是本发明一个实施例中的一种实时动态路径规划方法的流程图。

图3是本发明一个实施例中的一种实时动态路径规划装置的结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。本发明的实施例以及实施例的具体特征是对本发明实施例技术方案的详细说明，而非对本发明说明书技术方案的限定，在不冲突的情况下，本发明的实施例以及实施例的技术特征可以相互结合。

本发明涉及一种实时动态路径规划方法，该实时动态路径规划方法依赖于对地图数据中的道路进行路段划分，将道路分割为更短的路段，以路段为单位进行通行时间预估，以精确预估通行时间，进而提高推荐时间最短路径的准确度。如图1所示的车辆完整路径和路段，假设用户要从图中的A点行驶到Z点，其中A为起点，Z为终点，获取包含A点和Z点的地图数据，优选的所述地图数据至少包含了从A点到Z点的主要行驶道路。

首先根据所述地图数据分析得出A点和Z点之间的道路数据，本发明的道路指的是出发点和终点之间的可行驶的道路，道路被交通标记点分割为路段，路段的两端各有一个交通标记点，路段中间没有交通标记点，包含起点的路段的一端为交通标记点另一端为起点，包含终点的路段的一端为交通标记点另一端为终点。

本发明的交通标记点指的是道路中将车辆导向不同方向的设施，例如：红绿灯、十字路口、丁字路口、三叉路口、环岛、主路的出口、主路的入口等等。如图1中的丁字路口B、E、C、D和环岛R即为交通标记点，丁字路口和环岛都能够将车辆导向不同的方向，例如，从丁字路口B既可以行驶到R，也可以行驶到E。不能将车辆导向不同方向的设施不属于交通标记点。

如图1所示，道路被交通标记点分割为AB、AC、CR、CD、BR、BE、RD、RE、EZ、DZ10个路段。本发明的路径规划方法即为根据用户的起点、途径点、终点等请求信息规划出n条完整路径，并按照第一预设规则对所述n条完整路径进行筛选得到n₁条候选路径，预估n₁条候选路径的通行时间，按照第二预设规则向用户推荐N条完整路径的过程。

本发明的所述完整路径指的是从出发点到终点的由一个或多个路段组成的行驶路线，优选的所述完整路径中不存在重复路段，另一种实施方式中所述完整路径中存在重复路段，以在预测到某个路段完全堵死或长时间交通管制等特殊情况下，使车辆提前通过重复路段进行绕行。以所述完整路径中不存在重复路段为例，如图1所示，通过地图数据进行分析可以得出起点A和终点Z之间有AB、AC、CR、CD、BR、BE、RD、RE、EZ、DZ等10个路段，构成了16条没有重复路段的完整路径，分别是ABEZ、ABREZ、ABRCDZ、ABRDZ、ABERCDZ、ABERDZ、ACDZ、ACRBEZ、ACRDZ、ACREZ、ACREBRDZ、ABRDCREZ、ACDRBEZ、ACDREZ、ABRCDREZ、ACRBERDZ。首先根据第一预设规则进行筛选得到候选路径集。优选的，所述第一预设规则为所述完整路径的长度小于预设值，或者所述完整路径中的交通标记点数目小于预设值，或者所述完整路径中车辆行驶方向的变化小于预设度数等。优选的，将满足所述第一预设规则的完整路径作为候选路径把保存在候选路径集中，并预估通行时间；将不满足所述第一预设规则的其他完整路径保存在第二路径集合中。例如，所述第一预设规则为所述完整路径的长度小于预设值，满足该第一预设规则的完整路径包括ABEZ、ABREZ、ABRDZ、ACDZ、ACRDZ、ACREZ等6条完整路径，该6条完整路径作为候选路径构成了候选路径集，剩余的完整路径构成了第二路径集合，所述第二路径集合包括：ABRCDZ、ABERCDZ、ABERDZ、ACRBEZ、ACREBRDZ、ABRDCREZ、ACDRBEZ、ACDREZ、ABRCDREZ、ACRBERDZ等10条完整路径。

优选的，预估所述候选路径集中的候选路径的通行时间。并从所述候选路径集中按照第二预设规则选择N条候选路径进行推荐。被推荐的N条候选路径也称为推荐路径。

一般情况下，不对所述第二路径集合中的完整路径预估通行时间，但在特定条件下仍然会调用第二路径集合中的完整路径进行下一步的预估。优选的，所述特定条件可以为所述候选路径的预估通行时间均大于预设值。

实施例二

本发明实施例二提供一种实时动态路径规划方法，如图2所示，所述方法包括以下步骤：

步骤1、根据用户的导航请求确定导航起止点；

步骤2、根据地图数据，确定所述导航起止点之间的m个路段，并根据所述m个路段规划出n条完整路径，其中每条完整路径由1～m条路段组成。所述路段由交通标记点划分，所述交通标记点是指道路中将车辆导向不同方向的设施，所述不同方向为大于一个方向。所述交通标记点能够为用户提供不同的行驶选择。

步骤3、根据第一预设规则对步骤2中的n条完整路径进行筛选，得到n₁条候选路径，所述n₁条候选路径构成候选路径集，所述除n₁条候选路径之外的n₂条路径构成第二路径集，其中n₂＝n-n₁。优选的，所述候选路径集存储在第一存储空间，所述第二路径集存储在第二存储空间。

步骤4、预估所述n₁条候选路径的通行时间。

其中，所述步骤4采用如下计算方法，所述计算方法包括：步骤41、获取所述n₁条候选路径所涉及的m₁个路段，其中所述m₁≤m。步骤42、实时调用所述m₁个路段中的车辆和/或基础设施上报的交通数据；步骤43、根据所述交通数据分别计算所述m₁个路段的通行时间；步骤44、根据所述m₁个路段的通行时间计算所述n₁条候选路径的通行时间。

在智能交通环境中，车辆和基础设施具有智能感知功能，能够实时采集路网中的交通数据。路网中的车辆和交通设施以第一时间间隔，优选的，所述第一时间间隔可以是较短的时间间隔，例如10秒钟或1分钟或5分钟，通过车联网向车联网服务器上报交通数据，这样的好处是能够更准确反应路段中的交通状况，便于更准确的预估通行时间。根据本发明的另一种实施方式，所述路网中的车辆和交通设施以第二时间间隔，所述第二时间间隔是较长的时间间隔，例如1小时，通过车联网向车联网服务器上报交通数据，并在交通状态发生明显变化时实时向车联网服务器上报交通数据，这样的好处是能够减少车联网中的数据处理量，并能够通过事件触发的方式及时反应路网的交通变化。所述基础设施包括但不限于红绿灯、摄像头、路面、护栏、隔离带、十字路口、环岛、路灯等。所述交通数据包括能够反映当前路网交通状况、基础设施状态的数据，和/或影响车辆通行时间的因素，所述交通数据包括但不限于车辆的位置、车辆的行驶速度、车辆通过路段的通行时间、车辆故障信息、红灯的总时间、车辆通过红绿灯的通行时间、红绿灯的当前状态、红绿灯当前状态的持续时间、红绿灯当前状态的剩余时间等。所述交通数据存储在与车联网服务器相连的存储器中，优选的所述车联网服务器和存储器为分布式配置，并且所述存储器的具有大的存储空间。优选的所述交通数据以路段编号为索引进行存储。

优选的，所述步骤42、实时调用所述m₁个路段中的车辆和/或基础设施上报的交通数据具体为根据路段的编号查询所述路段对应的交通数据。

所述步骤43、根据所述交通数据分别计算所述m₁个路段的通行时间具体为：所述m₁个路段的每一个路段的行驶时间T_i包括三部分，第一部分为预估行驶时间T_pi，第二部分为预估等待时间T_wi，第三部分为校准时间T_ci，i的取值为1～m₁。行驶时间T_i由下述公式计算得出：

T_i＝T_pi+T_wi+T_ci 公式(1)

其中，所述预估行驶时间T_pi是根据该第i个路段上的车辆和/或基础设施发送的交通数据计算得到的，由于不同的交通数据有不同的使用方法，因此，根据本发明的一种实施方式，还构建算法库，所述算法库存储有针对不同交通数据的不同计算方法，车联网服务器能够根据调用的路段中的交通数据选择相对应的一条或多条算法构建算法模型以计算预估行驶时间T_pi。例如，如果交通数据是路段中车辆的行驶速度，则调用第一条算法：T＝L/V，将车辆的行驶速度代入所述第一条算法得到预估行驶时间T_pi为路段的长度除以车辆的行驶速度；如果交通数据为车辆经过第i路段的行驶时间，则调用第二条算法：T＝T，预估行驶时间T_pi为所述车辆的行驶时间；如果交通数据为路段中车辆的事故等级G_TA(其中，G_TA表征了处理该事故所需的剩余时间，例如事故等级0.5表示处理该事故还需要0.5小时)则调用包含交通数据G_TA的第三条算法：T＝T₁+(L-L₁-V₁*G_TA)/V(其中T₁为在该第i路段中的已行驶时间，L为该第i路段长度，L₁为车辆在该第i路段中的已行驶距离，V₁为当前行驶速度，V为无事故路段下的行驶速度)，并且获得算法中需要的其他数据代入所述第三条算法，计算出预估行驶时间T_pi。

优选的，预先设置了不同的算法，并保存在算法库中，所述算法对应于不同的交通数据，车联网服务器根据接收到的交通数据的不同，调用对应的一条或多条算法进行计算，以得到预估行驶时间。根据本发明的另一种实施方式，还可以直接调用算法库中的所有算法，并且将调用的交通数据代入所述所有算法，如果由于交通数据不全而导致某一算法无法完整计算，则去除该算法，并将完成计算的算法的结果取平均值得到预估行驶时间。

第二部分为预估等待时间T_wi，所述预估等待时间T_wi是根据该第i路段的车辆和/或基础设施发送的交通数据计算得到的。优选的，车联网的存储装置中根据各类交通数据预先设置了不同的计算方法，车联网服务器根据接收到的交通数据的不同，调用相应的计算方法进行计算。

例如，第i路段中有一个红绿灯1，该红绿灯发送的交通数据包括红灯时长为T_ri，车辆通过该红绿灯时红灯亮起的概率P_ri，则第一路段的预估等待时间T_wi＝P_ri*T_ri。其中红灯亮的概率由当前车辆的位置、行驶到该红绿灯处的预估时间、其他车辆的等待数据等计算得出。如果，该第i路段中没有红绿灯，则T_wi＝0。如果该第i路段中有交通管制数据，交通管制时间为T_pi，车辆遇到此次交通管制的概率为P_pi，则T_wi＝T_pi*P_pi；其中，P_ri和P_pi的取值范围均为[0,1]。

第三部分为校准时间T_ci，路网中的交通情况的变化是实时的，突发的交通事故、车辆故障、车流量、车辆路线等不可控因素导致上述预估行驶时间和预估等待时间不精确，存在一定的误差。因此，需要设计校准步骤，根据校准算法对预估通行时间和预估等待时间进行动态校准。校准时间可以由多部分组成，组成部分越多校准时间越准确。

优选的，根据路网的历史数据计算的校准时间，以对上述预估时间进行校准。计算校准时间的参数包括驾驶方式校准参数，即将本车辆在前一路段或前一时间段的行驶速度和行驶***稳驾驶模式，将车辆的上述模式作为输入变量输入车辆的历史驾驶模型，或者将车辆的行驶速度和/或变道信息得到校准系数+0.28；如果本车辆在某段路径的开始一段路径或一段时间某条路径的一个或多个路段中，一直频繁并线行驶，和/或车辆的速度在70km/h，认为车辆处于快速驾驶模式，因此，将车辆的上述模式作为输入变量输入车辆的历史驾驶模型，或者将车辆的行驶速度和/或变道信息得到校准系数I_ci为-0.11。

另外，随着时间的推移，当车辆选择一路段后，该路段上的交通状况发生突然性的变化，导致该路段的实际通行时间和预估通行时间不同，这也是引起时间预测不准的重要因素，为了解决这一问题，可以利用该路段的历史交通模型来进行校准，所述历史交通模型包括尽可能多的参数，例如，日期、时间、星期、节日、交通管控措施、天气、温度、事故概率等等。将车辆通行过该路段时的相关参数作为输入变量输入该路段的历史交通模型，得到该路段预估通行时间的经验校正值T_ci2，根据路段校正值对所述预估通行时间进行校正。因此，校准时间T_ci＝T_ci1+T_ci2。

优选的所述步骤43、根据所述交通数据分别计算所述m₁个路段的通行时间包括以下步骤：

步骤431、分析所述m₁个路段的所述交通数据；

步骤432、根据所述交通数据中的一个或多个数据调用对应的一条或多条算法；

步骤433、根据所述一条或多条算法获取相应的交通数据并作为计算参数代入所述算法，计算得到所述m₁个路段的通行时间。

所述步骤44、根据所述m₁个路段的通行时间计算所述n₁条候选路径的通行时间，具体为：将n₁条候选路径中的每一条候选路径的路段通行时间加和得到所述n₁条候选路径的通行时间，优选的，在加和后还对加和结果进行校准。

步骤5、比较所述n1条候选路径的通行时间，根据第二预设规则向用户推荐N条所述候选路径，其中N<n1。

优选的，所述第二预设规则为通行时间最短，或者所述第二预设规则为通行时间满足第一条件，且其它通行信息满足第二条件，所述其它通行信息包括通行路段长度，驾驶难易度，大路优先等；例如，所述第二预设规则具体为：所述通行时间小于预设值且通行路程最短、或者所述通行时间小于预设值且驾驶最容易等。

优选的，所述N小于等于3，所述第二预设规则、所述第一条件和所述第二条件、所述N的值均可由用户自行设定。

优选的，在车辆距离交通标记点的预定时间时，或者距离交通标记点预定距离时，如果推荐的路径发生变化或者需要在该交通标记点改变行驶路径时，自动向车辆推送新的路径，而不必等待用户刷新。

另外，还可以根据同样使用了导航软件的车辆的输入起点和目的地信息，进行统筹规划，为每个车辆设计行驶路径以使得相邻多个路段中车辆总的通行时间最短。根据所述设计的行驶路径对推荐路径进行校正。

利用实施例二的方法能够提高预估通行时间的准确度，避免出现行驶过程中的预估通行时间和出发后实际的通行时间存在较大误差的情况，便于用户选择真正最优的行驶路线。

实施例三

本实施例还提供一种车联网服务器，所述车联网服务器包括实时动态路径规划装置，如图3所示，所述实时动态路径规划装置包括起止点确定模块、路段分析模块、路径规划模块、路径筛选模块、时间预估模块和推荐模块。

其中，所述起止点确定模块，用于根据用户的导航请求确定导航起止点；

所述路段分析模块，用于根据地图数据，确定所述导航起止点之间的m个路段；所述路径规划模块，根据所述m个路段规划出n条完整路径，其中每条完整路径由1～m条路段组成。其中，所述路段由交通标记点划分，所述交通标记点是指道路中将车辆导向不同方向的设施，所述不同方向为大于一个方向。所述交通标记点能够为用户提供不同的行驶选择。

所述路径筛选模块，用于根据第一预设规则对路径规划模块规划的n条完整路径进行筛选，得到n₁条候选路径，所述n₁条候选路径构成候选路径集，所述除n₁条候选路径之外的n₂条路径构成第二路径集，其中n₂＝n-n₁。优选的，所述候选路径集存储在第一存储空间，所述第二路径集存储在第二存储空间。

所述时间预估模块，用于预估所述n₁条候选路径的通行时间。

其中，所述时间预估模块还包括路段获取模块、调用模块、路段时间计算模块、路径时间计算模块。其中，所述路段获取模块，用于获取所述n₁条候选路径所涉及的m₁个路段，其中所述m₁≤m。所述调用模块，用于实时调用所述m₁个路段中的车辆和/或基础设施上报的交通数据；所述路段时间计算模块，用于根据所述交通数据分别计算所述m₁个路段的通行时间；所述路径时间计算模块，用于根据所述m₁个路段的通行时间计算所述n₁条候选路径的通行时间。

在智能交通环境中，车辆和基础设施具有智能感知功能，能够实时采集路网中的交通数据。路网中的车辆和交通设施以第一时间间隔，优选的，所述第一时间间隔可以是较短的时间间隔，例如10秒钟或1分钟或5分钟，通过车联网向车联网服务器上报交通数据，这样的好处是能够更准确反应路段中的交通状况，便于更准确的预估通行时间。根据本发明的另一种实施方式，所述路网中的车辆和交通设施以第二时间间隔，所述第二时间间隔是较长的时间间隔，例如1小时，通过车联网向车联网服务器上报交通数据，并在交通状态发生明显变化时实时向车联网服务器上报交通数据，这样的好处是能够减少车联网中的数据处理量，并能够通过事件触发的方式及时反应路网的交通变化。所述基础设施包括但不限于红绿灯、摄像头、路面、护栏、隔离带、十字路口、环岛、路灯等。所述交通数据包括能够反映当前路网交通状况、基础设施状态的数据，和/或影响车辆通行时间的因素，所述交通数据包括但不限于车辆的位置、车辆的行驶速度、车辆通过路段的通行时间、车辆故障信息、红灯的总时间、车辆通过红绿灯的通行时间、红绿灯的当前状态、红绿灯当前状态的持续时间、红绿灯当前状态的剩余时间等。所述交通数据存储在与车联网服务器相连的存储器中，优选的所述车联网服务器和存储器为分布式配置，并且所述存储器的具有大的存储空间。优选的所述交通数据以路段编号为索引进行存储。

优选的，所述实时调用所述m₁个路段中的车辆和/或基础设施上报的交通数据具体为根据路段的编号查询所述路段对应的交通数据。

所述路段时间计算模块，用于根据所述交通数据分别计算所述m₁个路段的通行时间，具体为：所述m₁个路段的每一个路段的行驶时间T_i包括三部分，第一部分为预估行驶时间T_pi，第二部分为预估等待时间T_wi，第三部分为校准时间T_ci，i的取值为1～m₁。行驶时间T_i由下述公式计算得出：

T_i＝T_pi+T_wi+T_ci 公式(1)

其中，所述预估行驶时间T_pi是根据该第i个路段上的车辆和/或基础设施发送的交通数据计算得到的，由于不同的交通数据有不同的使用方法，因此，根据本发明的一种实施方式，还构建算法库，所述算法库存储有针对不同交通数据的不同计算方法，车联网服务器能够根据调用的路段中的交通数据选择相对应的一条或多条算法构建算法模型以计算预估行驶时间T_pi。例如，如果交通数据是路段中车辆的行驶速度，则调用第一条算法：T＝L/V，将车辆的行驶速度代入所述第一条算法得到预估行驶时间T_pi为路段的长度除以车辆的行驶速度；如果交通数据为车辆经过第i路段的行驶时间，则调用第二条算法：T＝T，预估行驶时间T_pi为所述车辆的行驶时间；如果交通数据为路段中车辆的事故等级G_TA(其中，G_TA表征了处理该事故所需的剩余时间，例如事故等级0.5表示处理该事故还需要0.5小时)则调用包含交通数据G_TA的第三条算法：T＝T₁+(L-L₁-V₁*G_TA)/V(其中T₁为在该第i路段中的已行驶时间，L为该第i路段长度，L₁为车辆在该第i路段中的已行驶距离，V₁为当前行驶速度，V为无事故路段下的行驶速度)，并且获得算法中需要的其他数据代入所述第三条算法，计算出预估行驶时间T_pi。

优选的，预先设置了不同的算法，并保存在算法库中，所述算法对应于不同的交通数据，车联网服务器根据接收到的交通数据的不同，调用对应的一条或多条算法进行计算，以得到预估行驶时间。根据本发明的另一种实施方式，还可以直接调用算法库中的所有算法，并且将调用的交通数据代入所述所有算法，如果由于交通数据不全而导致某一算法无法完整计算，则去除该算法，并将完成计算的算法的结果取平均值得到预估行驶时间。

第二部分为预估等待时间T_wi，所述预估等待时间T_wi是根据该第i路段的车辆和/或基础设施发送的交通数据计算得到的。优选的，车联网的存储装置中根据各类交通数据预先设置了不同的计算方法，车联网服务器根据接收到的交通数据的不同，调用相应的计算方法进行计算。

例如，第i路段中有一个红绿灯1，该红绿灯发送的交通数据包括红灯时长为T_ri，车辆通过该红绿灯时红灯亮起的概率P_ri，则第一路段的预估等待时间T_wi＝P_ri*T_ri。其中红灯亮的概率由当前车辆的位置、行驶到该红绿灯处的预估时间、其他车辆的等待数据等计算得出。如果，该第i路段中没有红绿灯，则T_wi＝0。如果该第i路段中有交通管制数据，交通管制时间为T_pi，车辆遇到此次交通管制的概率为P_pi，则T_wi＝T_pi*P_pi；其中，P_ri和P_pi的取值范围均为[0,1]。

第三部分为校准时间T_ci，路网中的交通情况的变化是实时的，突发的交通事故、车辆故障、车流量、车辆路线等不可控因素导致上述预估行驶时间和预估等待时间不精确，存在一定的误差。因此，需要设计校准步骤，根据校准算法对预估通行时间和预估等待时间进行动态校准。校准时间可以由多部分组成，组成部分越多校准时间越准确。

优选的，根据路网的历史数据计算的校准时间，以对上述预估时间进行校准。计算校准时间的参数包括驾驶方式校准参数，即将本车辆在前一路段或前一时间段的行驶速度和行驶***稳驾驶模式，将车辆的上述模式作为输入变量输入车辆的历史驾驶模型，或者将车辆的行驶速度和/或变道信息得到校准系数+0.28；如果本车辆在某段路径的开始一段路径或一段时间某条路径的一个或多个路段中，一直频繁并线行驶，和/或车辆的速度在70km/h，认为车辆处于快速驾驶模式，因此，将车辆的上述模式作为输入变量输入车辆的历史驾驶模型，或者将车辆的行驶速度和/或变道信息得到校准系数I_ci为-0.11。

另外，随着时间的推移，当车辆选择一路段后，该路段上的交通状况发生突然性的变化，导致该路段的实际通行时间和预估通行时间不同，这也是引起时间预测不准的重要因素，为了解决这一问题，可以利用该路段的历史交通模型来进行校准，所述历史交通模型包括尽可能多的参数，例如，日期、时间、星期、节日、交通管控措施、天气、温度、事故概率等等。将车辆通行过该路段时的相关参数作为输入变量输入该路段的历史交通模型，得到该路段预估通行时间的经验校正值T_ci2，根据路段校正值对所述预估通行时间进行校正。因此，校准时间T_ci＝T_ci1+T_ci2。

优选的所述路段时间计算模块包括：分析模块、算法确定模块、计算模块，其中，所述分析模块用于分析所述m₁个路段的所述交通数据；所述算法确定模块用于根据所述分析模块的分析结果调用对应的一条或多条算法；所述计算模块用于根据所述一条或多条算法获取相应的交通数据并作为计算参数代入所述算法，计算得到所述m₁个路段的通行时间。

所述路径时间计算模块，包括加和模块和校准模块，所述加和模块用于将n1条候选路径中的每一条候选路径的路段通行时间加和得到所述n1条候选路径的通行时间；所述校准模块用于，在加和后还对加和结果进行校准。

所述推荐模块，用于比较所述n1条候选路径的通行时间，根据第二预设规则向用户推荐N条所述候选路径，其中N<n1。

本发明还提供一种车联网服务器，其特征在于，所述车联网服务器包括处理器和存储器，所述存储器中存储有可在处理器上运行的计算机程序，所述计算机程序在被所述处理器执行时实现如上所述的方法。

本发明还提供一种终端设备，其特征在于，所述终端设备包括处理器和存储器，所述存储器中存储有可在处理器上运行的计算机程序，所述计算机程序在被所述处理器执行时实现如上所述的方法。

本发明提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有可在处理器上运行的计算机程序、所述计算机程序在被执行时实现如上所述的方法。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质可以包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、闪存、可擦式可编程只读存储器(EPROM)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码。

以上说明只是为了方便理解本发明而举出的例子，不用于限定本发明的范围。在具体实现时，本领域技术人员可以根据实际情况对装置的部件进行变更、增加、减少，在不影响方法所实现的功能的基础上可以根据实际情况对方法的步骤进行变更、增加、减少或改变顺序。

尽管已经示出和描述了本发明的实施例，本领域技术人员应当理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同替换所限定，在未经创造性劳动所作的改进等，均应包含在本发明的保护范围之内。