用于成形的道路片段的道路结冰条件预测的制作方法

用于成形的道路片段的道路结冰条件预测


背景技术：

1.本发明涉及预测不利天气条件下的道路状况，例如预测道路上雪和冰的存在，并且更具体地涉及基于太阳辐射的影响和任何积聚的沉淀物的潜在熔化和蒸发来预测路段的状况。
2.路面状况常常是不可预测的，尤其是在温和气候的冬季月份，其中干燥路面、湿路面、积雪和冰覆盖的路面之间的快速过渡以及其他状况可能是常见的。此外，尽管路段周围的环境温度可能高于结冰，但积聚的冷冻降水可能不会从道路融化和干燥。例如，阴影区域可以保持较冷并且防止太阳辐射帮助熔化和干燥道路。这些不同因素在道路上产生了状况，其中驾驶员可能意外地从清洁且干燥的道路过渡到覆盖有雪或冰的道路，而没有道路可能是危险的警告或指示，这可能导致失去对车辆的控制。准确地预测道路状况并且警告车辆操作者状况可以大大提高道路的安全性和使用效率。


技术实现要素：

3.一个或多个计算机的系统可被配置为凭借将软件、固件、硬件或它们的组合安装在系统上来执行特定操作或动作，该软件、固件、硬件或它们的组合在操作中致使或致使该系统执行这些动作。一个或多个计算机程序可以被配置成借助于包括指令来执行特定操作或动作，这些指令在由数据处理装置执行时致使该装置执行一种方法的动作。一般方面包括用于路况预测的方法。所述方法包括基于天气条件选择用于路况预测的路段，并且生成用于所述路段的太阳辐射预算模型。该方法还包括：使用基于所述路段附近的静态对象的永久结构模型来更新所述路段的所述太阳辐射预算模型。该方法还包括：使用基于所述路段附近的动态对象的动态结构模型来更新所述路段的所述太阳辐射预算模型。该方法还包括使用更新的太阳辐射预算模型和天气变量来生成用于该路段的路况模型。该方法还包括基于该路况模型来输出针对该路段的路况预测。这个方面的其他实施例包括对应的计算机系统、装置、和记录在一个或多个计算机存储设备上的计算机程序，每个计算机存储设备被配置成用于执行这些方法的动作。
4.实施例可包含以下特征中的一或多者。其中选择路段的方法可以包括：从天气数据源确定针对地理区域的当前天气条件，所述当前天气条件指示在所述地理区域内的道路上冰是可能的；识别所述地理区域内的一个或多个关注路段；以及从所述一个或多个关注路段中选择所述路段用于路况预测。
5.根据本公开内容的另一实施方式，生成用于路段的太阳辐射预算模型可以包括：确定用于分析路段的时间段；确定所述路段的地理位置；以及基于所述分析时间段期间的太阳位置、所述路段的所述地理位置、以及所述分析时间段期间的与所述路段相关联的天气状况来计算所述路段的预期太阳辐射预算。
6.根据本公开内容的另一实施方式，使用永久结构模型更新路段的太阳辐射预算模型可以包括：使用lidar数据点和/或该区域的卫星快照确定路段的永久天空视野因子，并且基于用于分析的时间段期间的太阳位置和用于分析的时间段期间与路段相关联的天气
条件的永久天空视野因子更新预期太阳辐射预算。
7.根据本公开的另实施例，使用动态结构模型更新路段的太阳辐射预算模型可以包括：确定路段的植被模型因子；基于与所述路段相关联的植被的生长预测来更新所述植被模型因子；基于所更新的植被模型因子来更新所述预期太阳辐射预算；在所述分析时间段期间的太阳位置和在所述分析时间段期间的与所述路段相关联的天气条件。
8.根据本公开内容的另一实施方式，使用更新的太阳辐射预算模型和天气变量生成针对路段的路况模型可以包括：基于天气变量生成针对路段的预期冰积聚；基于所述天气变量、一个或多个道路处理因素以及所述更新的太阳辐射预算模型来模拟所述路段的预期冰减少；以及从所述预期冰累积和所述预期冰减少确定所述路况预测。
9.根据本公开的另一实施例，当所述路况预测指示所述路段上存在冰时，输出所述路段的路况预测可以包括：生成所述路段的冰旅行建议；以及将所述冰旅行建议提供给公共预警系统。
10.根据本公开的不同实施例，上述实施例的任何组合可以由一个或多个计算机可读存储介质来实现。所述计算机可读存储介质共同地含有计算机程序代码，所述计算机程序代码在由一个或一个以上计算机处理器的操作执行时执行操作。在实施例中，所执行的操作可以对应于上述方法和实施例的任何组合。
11.根据本公开的又一不同实施例，上述实施例的任何组合可由系统实现。该系统包括一个或多个计算机处理器和共同包含程序的一个或多个存储器，该程序在由一个或多个计算机处理器执行时执行操作。在实施例中，所执行的操作可以对应于上述方法和实施例的任何组合。
附图说明
12.图1是根据一个实施例的具有路段的示例道路。
13.图2是根据一个实施例的示例道路系统。
14.图3是根据一个实施例的示例系统处理流程。
15.图4是根据一个实施例的用于路况预测的方法。
16.图5是根据一个实施例的用于确定太阳辐射预算的方法。
17.图6是根据一个实施例的用于路况建模的方法。
18.图7示出了根据一个实施例的道路预测系统的框图。
具体实施方式
19.在恶劣天气期间，车辆操作者和驾驶员意识到路面状况是危险的并且通常不会被在路面上积雪和冰的路面惊讶。然而，在恶劣天气过去之后，在某些区段中路面状况可能仍然是危险的。例如，阴影区域、低躺着的区域以及排水性差的区域可以在积聚的沉淀物中保持覆盖和/或在道路的其他部分清除沉淀或危险之后长时间保持危险。车辆操作者意外地遭遇这些危险状况可导致失去对车辆的控制以及其他不希望的结果。
20.当前，存在尝试建模和预测路面状况的多种方法。例如，通常使用数值模型来预测路面状况。来自美国陆军工程师兵团的快速全季土壤强度模型(fasst)模型提供如预测的地面湿度水平、地面水平冰含量、温度、冻/融曲线、以及积雪/耗尽的信息，并且可以用于使
用基本或标准输入来为大的区域提供通用的路面状况预测。同样地，诸如noah-多参数化地表模型(noah-mp lsm)(其使用与植被和植被冠层有关的信息)的其他基于物理学的模型也可以基于一般或非特定输入来提供估计的路面条件。
21.一些模型利用计算的天空视野因子(ψsky)作为辐射平衡方案中的输入，用于在城市和森林屋顶以及复杂地形内分割长波和短波辐射，这可以改进预测模型。目前，有许多因素和方法被用来计算ψsky。一些方法利用光检测和测距(lidar)模型来确定在ψsky计算中使用的阴影和其他因素。然而，由于资源限制，lidar扫描和模型很少被更新并且因此不能可靠地用于从非永久性阴影源(如动态植被(例如，具有季节性叶、变化的生长模式等的植被))预测阴影。这些非永久阴影源可以是用于一些道路(诸如农村地区的道路)的道路阴影的主要源。总的来说，上述模型不利用可能影响道路的某些分段的粒度和实时阴影信息或建模。这可使车辆操作者容易遭遇危险状况而没有警告。
22.虽然在先前的路况预测模型中已经考虑了阴影信息和道路上的阴影效果，但是模型缺乏颗粒精度并且处于对路段进行阴影的情况下的尺度以及何时进行阴影的尺度。这部分地是由于大量的变量进入确定道路的特定段是否被遮挡以及使用该信息来预测道路是否保持危险。此外，虽然可以使用阴影信息，但它不能精确地用于特定路段。这可导致错误肯定通知，其中驾驶员被警告危险状况，但在大多数道路上不经历危险状况。这可导致车辆操作者忽略危险状况警报，但随后遭遇危险状况。
23.鉴于这些问题，需要准确的输入数据来准确地预测路面状况。局部天气条件(包括太阳辐射)和路面类型驱动各种预测模型。在结冰道路的情况下，白天期间的直射阳光可以使路面变暖并且使冰融化。在一些示例中，用于道路的建筑材料的热性质可以用于估计道路在动态天气条件下的温度。路面温度是从大气吸收的热量(包括太阳辐射)与损失至地面的热量(可能是较冷的)之间的平衡。然而，如上所述，如果非常靠近道路的树、建筑物或其他结构正在阻挡直射阳光，则冰可能残留。
24.道路阴影还取决于太阳的角度(其在一天和一年中改变)和附近结构(例如，树和建筑物)的位置和形状。此外，道路基础土壤组成和基础设施设计(例如，桥梁和悬吊道路)还可以影响道路上积聚的冷冻降水的融化和清除(例如，桥梁可以在其他路段之前变得结冰并且保持结冰更长时间)。使用上述模型和方法，在给定时间预测太阳的角度是直接的，并且预测具有已知尺寸的结构将如何遮挡一段道路也是直接的。然而，以上模型和方法都未能获得或模拟可靠且地理上普遍的数据和模型，所述数据和模型详述结构的位置以及以粒度精度遮蔽道路的其他遮蔽源。
25.本文所述的系统和方法提供了道路和道路的路段的粒度建模，以在路况预测中准确地建模和预测道路上累积的危险降水的水平。该过程包括：从道路中选择用于基于天气状况的路况预测的路段；生成用于所述路段的太阳辐射预算模型；使用基于所述路段附近的静态对象的永久结构模型来更新用于所述路段的所述太阳辐射预算模型；使用基于所述路段附近的动态对象的动态结构模型来更新所述路段的所述太阳辐射预算模型，以及使用经更新的太阳辐射预算模型和天气变量以及如关于图1-7所描述的其他不同方法和因素来生成所述路段的路况模型。
26.图1是根据一个实施例的具有路段的示例道路。图1中的环境100包括道路110，其包括道路的各种子分段，所述子分段包括路段111-113。道路110还具有相关联的ψsky115，
该ψsky可以用于计算道路110的预期太阳辐射预算。此外，在一些示例中，每个路段111-113还具有基于路段的位置以及环境100中的各种周围对象/结构的相关联的唯一ψsky。
27.例如，对于路段113，各种动态结构和动态对象可基于多个因素引起动态或改变阴影图案。例如，动态对象(诸如包括树120a-120e的植被)可以使得路段113在一年的不同时间期间经历不同的阴影水平，并且根据不同的阴影水平使得植被出现。例如，根据叶子，在一年的不同时间具有不同叶子的树将引起不同程度的阴影。此外，树120a-120也可以在尺寸上生长，使得随着植被生长更多阴影被投射在路段113上。在另一个场景中，可以周期性地修剪植被并且减少总阴影区域。虽然在图1中示出为树120a-120d和120e，但是除了树之外或者代替树，可以由各种植被引起动态阴影。例如，灌木、葡萄藤、作物和其他类型的造成阴影的植被可以位于道路110附近并且在道路上造成阴影。
28.在一些示例中，道路110的段也可以经历来自环境100中更持久的结构的阴影。例如，永久结构或对象可以包括建筑物130a和130b，建筑物130a和130b可以遮挡道路110的部分。虽然示出为建筑物130a和130b，但是永久结构还可以包括可能在道路110上投射阴影的其他静态的或不变的物体，例如保持或隔音墙、桥梁、广告牌标志等。进一步，虽然被示为单个道路，但是道路110可以是诸如关于图2所描述的较大道路网络的道路段。
29.图2是根据一个实施例的示例道路系统。道路系统200包括多个道路和道路段。在一些示例中，道路系统200包括诸如城市、县、城域、州等感兴趣的特定区域中的所有可导航和/或公开维护的道路。如上所述，用于道路系统200的一般的或广义的基于道路条件模型可以为整个道路系统200提供对道路条件的广泛理解。然而，更细粒度的或目标区域的道路状况可能是未知的。
30.例如，道路系统200的地理区域205可以经历与道路系统200的其余部分不同的天气条件。此外，基于诸如特定地理区域中的天气条件、地理区域内的植被和道路结构因素之类的各种因素，已知各种其他子区段用于与道路系统200的其余部分不同或不规则的条件。例如，地理区域210可以是其中主要通过植被遮蔽道路和路段的住宅区域。在另示例中，道路可以穿过像公园或森林那样的密集素食区域，其中局部天气模式可以不同于较少素食区域并且太阳预算完全由植被状态控制。在另一示例中，地理区域215可以与更频繁地经历结冰的道路(诸如桥梁或高架道路)相关联。图3-6中描述的方法和系统提供了用于不同地理区域和路段的更详细的和粒度的预测，以便提供准确的路况预测。
31.图3是根据一个实施例的示例系统进程流程。系统过程300包括一般路况模型过程310、永久结构模型350和动态植被模型360。路况模型处理310是路况模型处理的高级视图。路况模型处理310开始于处理步骤312，其中诸如图7中所描述的道路预测系统700的道路预测系统使用路况的标准输入来生成特定路段的路况模型。可以根据关于图4中的方法400描述的各种因素来选择特定路段。路况模型的标准输入可以包括天气数据、时间数据、太阳位置数据和各种其他信息以生成至少包括累积降水和太阳辐射预算的一般路况模型。在一些示例中，在路况模型处理310处生成的路况模型可以用于整个路系统，诸如路系统200，并且用于提供通用路况预测。然后，可以选择道路系统200中的各种道路段，并且在处理步骤314中对其进行进一步处理，以便为可以被遮蔽的区域和道路段提供粒度信息。
32.在过程步骤314，道路预测系统700修改阴影路段的辐射预算。在一些示例中，使用永久结构模型350和动态植被模型360修改路况模型中的辐射预算。永久结构模型350利用
各种信息，诸如路段的位置、可包括全球位置(例如，纬度和经度)的位置351以及路段的大小(例如，路段的宽度等)。永久结构模型350还使用太阳信息352，太阳信息352可包括太阳在天空中的位置(例如，基于太阳在某一天或一年中的某个时间的角度的位置)。永久结构模型350还使用诸如lidar数据点云或卫星/空中影像353的结构模型来确定路段附近的永久结构/对象的形状和由永久结构或对象引起的阴影。位置351、太阳信息352和lidar数据点云353被输入到模型判定355中，该模型判定355确定路段何时被永久性结构遮蔽。当路段被永久结构遮蔽时，在过程步骤314更新辐射预算以反映遮蔽。
33.动态植被模型360模型利用各种信息，诸如路段361的位置，其可以包括全球位置(例如，纬度和经度)以及路段的大小(例如，路段的宽度等)。动态植被模型360还使用太阳信息362，太阳信息362可包括太阳在天空中的位置(例如，太阳在某一天或一年中的时间的角度)。动态植被模型360使用植被生长模型363来确定在道路附近的植被的位置、高度和尺寸以及由植被或其他动态对象引起的阴影。在一些示例中，该模型可以利用道路附近的树物种的类型，该树物种可以具有控制影响该局部路段的太阳预算的冠层大小和叶密度。位置361、太阳信息362和植被生长模型363被输入到模型决策365中，该模型决策365确定路段何时被诸如植被的动态对象遮挡。当路段被植被遮挡时，在过程步骤314更新辐射预算以反映由动态源引起的遮挡。在一些示例中，可以在长时间段内重用永久结构模型350而无需更新(例如，lidar数据点云可以使用过时的数据，因为永久结构不太可能改变)。相反，动态植被模型360根据需要被更新以反映随时间改变的植被模式(例如，季节之间、预期的生物质生长等)。
34.路况模型处理310在处理步骤316处继续，在处理步骤316处，道路预测系统生成具有由模型350和360提供的改善的输入数据的道路段和/或道路系统的路况模型。关于图4-7更详细地描述路况模型处理310。
35.图4是根据一个实施例的用于路况预测的方法。为了便于讨论，将参照图1-3和5-7。图7是道路预测系统700的框图，道路预测系统700可以执行在图4-6中描述的方法的步骤。方法400在块402处开始，其中系统700确定冰在地理区域内的道路上是可能的。在一些示例中，该确定基于从天气数据源(例如，国家天气局或商业天气预报服务)接收的天气状况。在一些示例中，对于诸如图2中的道路系统200的整个道路系统，可能发生道路上可能存在冰的确定。在另一示例中，该确定是基于针对较小地理区域的更有针对性的信息，诸如天气数据。例如，地理区域205可能正在经历冬季风暴，使得较小的地理区域，地理区域205经受在地理区域205内的道路上可能结冰的确定。在块402的确定还可以基于其他信息，诸如历史结冰信息(例如，某些天气模式在过去已经导致区域中结冰)和道路因素(例如，道路构造导致预期结冰)。在一些示例中，确定在道路上可能结冰启动路况模型处理310。
36.在块404，系统700识别地理区域内关注的一个或多个路段。例如，如果天气预报指示在整个地理区域预期有危险状况，则系统700可以选择地理区域内的所有路段。在另一示例中，如在过程步骤312中所讨论的，可以生成标准路况模型。路况模型内可能具有未知阴影的路段然后被系统700识别用于进一步处理。在另一实例中，识别已知为被遮蔽(例如，已知具有接近路段的永久或动态对象)的路段以供进一步处理。
37.在框406处，系统700从用于路况预测的所关注的一个或多个路段中选择路段。该选择允许对每个路段的粒度检查，以提供准确且粒度的路况预测。例如，对于图1中所示的
道路110，路段111-113被识别为关注的路段，并且系统700选择路段112用于路况预测。在一些示例中，一旦为所选择的路段生成更新的路况模型，系统700就返回至框406并选择关注的另一路段用于进一步处理(例如，选择路段111和113)。
38.在框408处，系统700生成路段的太阳辐射预算模型。例如，系统700为所选择的路段产生标准ψsky。例如，系统700为路段112产生ψsky。在一些示例中，为所选择的路段生成太阳辐射预算包括图5中描述的方法。
39.图5是根据一个实施例的用于确定太阳辐射预算的方法。方法500在框502处开始，其中系统700确定用于分析路段的时间段。例如，系统700可基于天气条件(例如，降水、云层等的存在)选择最后24小时以供分析或另一时间段。在框504处，系统700确定路段的地理位置。例如，该系统确定所选择的路段的纬度和经度。
40.在框506处，系统700基于在用于分析的时间段期间的太阳位置、路段的地理位置、以及在用于分析的时间段期间与路段相关联的天气条件来计算路段的预期太阳辐射预算。例如，所计算的太阳辐射预算对预期到达路段的阳光的量进行建模，并且为路面上的任何积聚的冷冻沉淀提供融化。在一些示例中，太阳辐射预算的计算还使用道路所使用的建筑材料的热性质来估计道路在动态天气条件和太阳辐射水平下的温度。在框506处针对所选择的路段计算太阳辐射预算之后，针对至少所选择的路段完成处理步骤312，并且可以生成不考虑阴影的路况模型和仿真。然而，该模型将不考虑路段的阴影区域中的危险状况。
41.返回图4，在框410处，系统700开始基于道路的阴影来更新太阳辐射预算模型，如在处理步骤314处所示。在框415处，系统700确定永久结构是否引起路段上的遮挡。例如，对于路段111和113，不基于lidar模型和其他道路信息来检测永久结构。在此实例中，方法400前进到框430。在另一示例中，诸如对于路段112，系统700确定永久结构(多个)确实造成路段(诸如建筑物130a和130b)上的阴影。在此实例中，方法400前进到框420且开始利用模型350来修改过程步骤314的辐射预算。
42.在框420处，系统700使用lidar数据点确定路段的永久天空视野因子。使用模型350的不同输入来确定永久ψsky，以便基于由永久结构在路段112上投射的阴影来改变辐射预算。在框422，系统700基于永久天空视野因子、分析时间段期间的太阳位置和分析时间段期间与路段相关联的天气状况来更新预期太阳辐射预算。例如，虽然可以预期路段112在晴天期间经历高水平的太阳辐射，但是建筑物130a和130b的存在可以防止太阳辐射由于建筑物所投射的阴影而到达路段。考虑到永久结构的更新的预期太阳辐射预算将降低用于反映路段所经历的实际太阳辐射的预期太阳辐射的量。一旦永久结构模型350用于更新太阳辐射预算，方法400就前进到在框430-434使用动态植被模型360来解释动态阴影。
43.在框430，系统700确定路段的植被模型因子。在一些示例中，使用道路的lidar数据点和其他信息生成植被模型。植被模型可以使用来自lidar数据点的不同信息来确定植被隔离(例如，树隔离)、植被类型(例如，树种)、冠层大小、植被位置、和其他信息来确定引起靠近路段的植被的能力的位置、位置和阴影。例如，植被模型360基于已知或测量的数据(例如，树120e的已知位置等)将树120e建模为影响路段112。
44.在框432，系统700基于与路段相关联的植被的生长预测来更新植被模型因子。例如，系统700使用植被管理模型，基于来自组合的卫星和lidar数据以及其他因素(例如，长期气候条件等)的生物质估计，更新来自框430的植被模型，以建模植被生长。系统700可以
使用树标识信息、超局部生长预测模型、与路段的接近度、树高度估计模型、植被修剪模型、以及树死亡率检测模型来预测对生物质估计的变化。
45.在框434处，系统700基于经更新的植被模型因子、在分析的时间段期间的太阳位置、以及在分析的时间段期间与路段相关联的天气状况来更新预期太阳辐射预算。一旦太阳辐射预算被更新以解决由结构和动态植被引起的阴影，则方法400继续在处理步骤316中生成具有改善的数据的路况模型。在一些示例中，在进行到路况模型之前，通过框415-434处理每个感兴趣的路段。
46.在框440处，系统700使用更新后的太阳辐射预算模型和天气变量来生成用于路段的路况模型。在框442处，系统700基于路况模型来输出路段的路况预测。关于图6更详细地讨论框440和442中的方法。
47.图6是根据一个实施例的用于路况建模的方法。在框602处，系统700基于天气变量生成针对路段的预期冰积聚。例如，系统700使用一段时间内的天气信息来确定预期累积在路段的路面上的雪、冰或冰冻雨的量。在框604处，系统700基于天气变量、一个或多个道路处理因素和经更新的太阳辐射预算模型来模拟路段的预期冰减少。例如，系统700基于天气(例如，混浊等)确定预期与积聚的沉淀物相互作用的太阳辐射的量。系统700还使用太阳辐射预算来确定预期冰减少以及道路是否已经被处理。例如，当路段的路面应用了盐、沙或其他处理时，预期减少将大于没有处理。
48.在框606处，系统700从预期冰积聚和预期冰减少确定路况预测。例如，对于路段112，当预期冰减少小于预期冰积聚时，路况预测指示存在冰或危险状况。在另一示例中，预期冰减少可以大于预期冰积聚，从而指示路段可能没有冰或积聚的沉淀。
49.在框608处，系统700为路段生成冰旅行建议，其指示路段是危险的(即，存在冰)还是清楚的(即，在路段上不期望冰)。
50.在框610，系统700向公共预警系统提供冰旅行建议。例如，系统700向公共交通预测系统、商业交通系统和/或直接向驾驶员提供建议以允许快速和更新的信息给建模的路段周围的区域中的驾驶员。在一些示例中，建议仅提供给驾驶员或预期与危险路段交互的那些驾驶员。例如，当驾驶员沿着道路110行进并且接近路段112时，驾驶员将接收到路段112是危险的警报。
51.在另一示例中，当评估整个道路或道路系统时，危险区域或危险路段可在整个系统的映射中被突出显示，并被提供给具有危险区域的标识的更一般的观众。
52.这种具有由模型350和360提供的增强的预测以及图4-6中所描述的方法的顾问系统允许驾驶员/车辆操作在与可能覆盖累积降水的路段交互时被更好地准备，这可以减少许多道路事故，这进而由于医疗保险索赔和财产保险索赔的下降、对人的潜在伤害以及对财产的损害以及不同其他益处而降低保险公司和个人驾驶员的成本。
53.图7示出了根据一个实施例的道路预测系统700的框图。道路预测系统700以通用计算设备的形式示出。道路预测系统700的组件可以包括但不限于一个或多个处理器或处理单元705、系统存储器710、存储系统720、网络接口730、以及将包括系统存储器710和存储系统720的不同系统组件连同网络接口730和不同输入/输出部件一起耦合到处理器705的总线750。在其他实施例中，道路预测系统700是分布式的并且包括通过有线或无线网络连接的多个分立的计算设备。
54.总线750表示若干类型的总线结构中的任何一种或多种，包括存储器总线或存储器控制器、外围总线、加速图形端口、以及使用各种总线架构中的任一种的处理器或局部总线。作为示例而非限制，此类体系结构包括工业标准体系结构(isa)总线、微通道体系结构(mca)总线、增强型isa(eisa)总线、视频电子标准协会(vesa)局部总线以及外围组件互连(pci)总线。
55.道路预测系统700通常包括各种计算机系统可读介质。这样的介质可以是可由道路预测系统700访问的任何可用介质，并且其包括易失性和非易失性介质、可移动和不可移动介质。
56.系统存储器710可包括易失性存储器形式的计算机系统可读介质，诸如随机存取存储器(ram)和/或高速缓存存储器。道路预测系统700可进一步包括其他可移动/不可移动、易失性/非易失性计算机系统存储介质。在一些示例中，存储系统720可以作为存储器710的一部分被包括，并且通常可以为联网计算设备提供非易失性存储器，并且可以包括一个或多个不同的存储元件，诸如闪存、硬盘驱动器、固态驱动器、光存储设备和/或磁存储设备。例如，可以提供存储系统720用于从不可移动、非易失性磁介质(未示出，并且通常称为“硬盘驱动器”)中读取和向其写入。尽管未示出，可以提供用于从可移动非易失性磁盘(例如，“软盘”)读取或向其写入的磁盘驱动器，以及用于从可移动非易失性光盘(如cd-rom、dvd-rom或其他光学介质)读取或向其写入的光盘驱动器。在这样的情况下，每一个可以通过一个或多个数据介质接口连接到总线550。存储器720可以包括用于存储永久结构模型350、动态植被模型360、天气信息721和与道路预测模块715的行驶有关的其他数据的介质。存储在存储系统720中的信息可以由道路预测模块715更新和访问，如上文关于图4-6所描述的。
57.存储器710可以包括用于执行与本文描述的路况预测相关的不同功能的多个程序模块，诸如道路预测模块715。道路预测模块715通常包括可由处理器705中的一个或多个执行的程序代码。
58.已经出于说明的目的呈现了本发明的各种实施方式的描述，但并不旨在是详尽的或者限于所公开的实施方式。在不脱离所描述的实施例的范围的情况下，许多修改和变化对于本领域普通技术人员来说是显而易见的。这里使用的术语被选择来最好地解释实施例的原理、实际应用或对在市场中找到的技术的技术改进，或者使得本领域普通技术人员能够理解这里公开的实施例。
59.在下文中，参考本公开中提出的实施方式。然而，本公开的范围不限于具体描述的实施例。相反，以下特征和元件的任何组合(无论是否涉及不同实施例)被考虑来实现和实践所考虑的实施例。此外，尽管本文所公开的实施例可实现优于其他可能的解决方案或优于现有技术的优点，但特定优点是否由给定实施例实现并不限制本公开的范围。因此，以下方面、特征、实施例和优点仅仅是说明性的并且不被认为是所附权利要求的元素或限制，除非在权利要求中明确陈述。同样，对“本发明”的引用不应被解释为在此所披露的任何发明主题的概括，并且不应被认为是所附权利要求的元素或限制，除非在权利要求中明确陈述。
60.本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、驻留软件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
61.本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可包括其上具有用于使处理器执行本发明的各方面的计算机可读程序指令的计算机可读存储介质(或多个介质)。
62.计算机可读存储介质可为可保留和存储供指令执行装置使用的指令的有形装置。计算机可读存储介质可以是，例如但不限于，电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备、或者上述的任意合适的组合。计算机可读存储介质的更具体示例的非穷尽列表包括以下各项：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式紧凑盘只读存储器(cd-rom)、数字通用盘(dvd)、记忆棒、软盘、诸如穿孔卡之类的机械编码设备或具有记录在其上的指令的槽中的凸出结构、以及上述各项的任何合适的组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，例如无线电波或其他自由传播的电磁波、通过波导或其他传输媒体传播的电磁波(例如，穿过光纤电缆的光脉冲)或通过电线发射的电信号。
63.本文中所描述的计算机可读程序指令可以经由网络(例如，互联网、局域网、广域网和/或无线网络)从计算机可读存储介质下载到相应的计算/处理设备，或者下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输纤维、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口接收来自网络的计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
64.用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或以一种或多种程序设计语言的任何组合编写的源代码或目标代码，这些程序设计语言包括面向对象的程序设计语言(诸如smalltalk、c 等)、以及常规的过程式程序设计语言(诸如“c”程序设计语言或类似程序设计语言)。计算机可读程序指令可以完全地在用户计算机上执行、部分在用户计算机上执行、作为独立软件包执行、部分在用户计算机上部分在远程计算机上执行或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可通过任何类型的网络(包括局域网(lan)或广域网(wan))连接至用户计算机，或者可连接至外部计算机(例如，使用互联网服务提供商通过互联网)。在一些实施例中，包括例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)的电子电路可以通过利用计算机可读程序指令的状态信息来使电子电路个性化来执行计算机可读程序指令，以便执行本发明的各方面。
65.下面将参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
66.这些计算机可读程序指令可被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现在流程图和/或框图的或多个框中指定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置、和/或其他设备以特定方式工作，从而，其中存储有指令的计算机可读存储介质包括包含实现流程图和/或框图中的或多个方框中规定的功能/动作的方面的指令的制
造品。
67.也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的处理，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图中的或多个方框中规定的功能/动作。
68.附图中的流程图和框图示出了根据本发明的不同实施例的系统、方法和计算机程序产品的可能实现方式的架构、功能和操作。对此，流程图或框图中的每个框可表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些备选实现中，框中标注的功能可以不按照图中标注的顺序发生。例如，取决于所涉及的功能，连续示出的两个块实际上可以基本上同时执行，或者这些块有时可以以相反的顺序执行。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作或执行专用硬件与计算机指令的组合的专用的基于硬件的系统来实现。
69.本发明的实施例可以通过云计算基础设施被提供给终端用户。云计算通常指的是通过网络将可扩展的计算资源作为服务提供。更正式地，云计算可以被定义为提供计算资源与其底层技术架构(例如，服务器、存储装置、网络)之间的抽象化的计算能力，从而实现对可配置计算资源的共享池的方便的、按需的网络访问，所述可配置计算资源可以用最小的管理努力或服务提供商交互来快速供应和释放。因此，云计算允许用户访问“云”中的虚拟计算资源(例如，存储、数据、应用和甚至完整的虚拟化计算系统)，而不考虑用于提供计算资源的底层物理系统(或那些系统的位置)。
70.通常，云计算资源基于每次使用支付提供给用户，其中，用户仅针对实际使用的计算资源(例如，用户消耗的存储空间量或用户实例化的虚拟化系统的数量)被收费。用户可以在任何时间以及从跨互联网的任何地方访问驻留在云中的任何资源。在本发明的上下文中，用户可以访问在云中可用的应用程序(例如，道路预测模块715、永久结构模型350和动态植被模型)或相关数据。这样做允许用户从附接到连接到云的网络(例如，互联网)的任何计算系统访问该信息。
71.虽然前述内容针对本发明的实施例，但是可以在不偏离本发明的基本范围的情况下设计本发明的其他和进一步的实施例，并且本发明的范围由所附权利要求确定。