Исторические данные трафика

Исторические данные трафика представляют собой сведения о состоянии дорожного движения, накопленные за длительный период времени и обработанные аналитическими системами HERE. В отличие от информации о текущих дорожных заторах, исторические данные позволяют оценивать типичную дорожную ситуацию для определённого времени суток, дня недели, сезона или конкретного участка дороги.

Подобная информация используется при построении прогнозируемых маршрутов, анализе транспортной инфраструктуры, планировании логистики и расчёте предполагаемого времени прибытия.

В экосистеме HERE исторические данные трафика интегрированы в сервисы маршрутизации и расчёта времени движения. При построении маршрута система может учитывать не только текущее состояние дорог, но и накопленную статистику прошлых периодов.

Назначение исторических данных трафика

Исторический трафик решает несколько важных задач:

прогнозирование времени поездки;
анализ транспортной загруженности;
выбор оптимального времени отправления;
построение маршрутов на будущие даты;
исследование транспортных потоков;
оптимизация логистических операций;
моделирование транспортных сценариев.

Например, если маршрут строится на следующий понедельник в 08:30 утра, система не может использовать данные о пробках, которых ещё не существует. В такой ситуации используются статистические сведения о характерной дорожной обстановке для данного временного интервала.

Отличие исторического и реального трафика

Реальный трафик

Формируется на основе актуальных данных:

GPS-треков автомобилей;
данных мобильных устройств;
дорожных датчиков;
информации транспортных служб;
сообщений о происшествиях.

Такие сведения постоянно обновляются и отражают текущую ситуацию.

Исторический трафик

Основан на анализе большого массива архивных данных.

Система хранит сведения о:

средней скорости движения;
плотности транспортного потока;
типичных задержках;
сезонных изменениях;
влиянии выходных дней;
праздничных периодах.

На основании этих данных строятся статистические модели дорожной загруженности.

Источники данных HERE Traffic

HERE использует несколько категорий источников:

Floating Car Data

Данные поступают от автомобилей, оборудованных навигационными системами.

Система получает:

координаты;
скорость движения;
направление;
временные метки.

После анонимизации данные используются для построения транспортной статистики.

Дорожные сенсоры

Включают:

индукционные петли;
камеры;
радары;
автоматические системы подсчёта транспорта.

Партнёрские данные

Информация может поступать от:

муниципалитетов;
транспортных агентств;
дорожных операторов;
сервисов мониторинга.

Собственные аналитические модели HERE

Полученные сведения проходят обработку алгоритмами машинного анализа и статистического моделирования.

Роль исторических данных в маршрутизации

Во время расчёта маршрута система оценивает:

Длину каждого дорожного сегмента.
Разрешённую скорость.
Категорию дороги.
Типичные транспортные задержки.
Временной интервал поездки.

После этого вычисляется предполагаемое время прохождения каждого сегмента.

Например:

Участок	Длина	Ограничение скорости	Средняя скорость утром
A	5 км	90 км/ч	75 км/ч
B	3 км	60 км/ч	22 км/ч
C	4 км	80 км/ч	65 км/ч

Хотя формально участок B допускает движение со скоростью 60 км/ч, статистика показывает, что утром средняя скорость составляет лишь 22 км/ч.

Использование времени отправления

Одной из ключевых возможностей HERE является указание момента начала поездки.

При расчёте маршрута можно передать параметр времени отправления.

const router = platform.getRoutingService();

router.calculateRoute(
{
    routingMode: "fast",
    transportMode: "car",
    origin: "52.53086,13.38474",
    destination: "52.52644,13.36864",
    departureTime: "2026-09-21T08:00:00Z",
    return: "summary,travelSummary"
},
onSuccess,
onError
);

В данном примере маршрут рассчитывается не для текущего времени, а для указанной даты.

Система использует историческую транспортную статистику и прогнозные модели.

Параметр departureTime

Параметр departureTime играет важнейшую роль при работе с историческими данными.

Текущее время

departureTime: "any"

Маршрут рассчитывается максимально быстро без привязки к транспортной ситуации.

Конкретное время

departureTime: "2026-11-15T07:30:00Z"

Система учитывает:

день недели;
время суток;
типичные дорожные условия;
транспортную статистику.

Будущая дата

departureTime: "2027-03-10T18:00:00Z"

Используется прогнозирование на основе накопленных данных.

Получение предполагаемого времени в пути

После выполнения запроса возвращается маршрутная информация.

function onSuccess(result) {

    const route = result.routes[0];

    console.log(
        route.sections[0].summary.duration
    );

}

Значение длительности уже содержит влияние исторического трафика.

Анализ загруженности различных временных интервалов

Часто требуется определить наиболее выгодное время отправления.

Для этого выполняется серия запросов.

const departures = [
    "2026-10-01T06:00:00Z",
    "2026-10-01T07:00:00Z",
    "2026-10-01T08:00:00Z",
    "2026-10-01T09:00:00Z"
];

Далее каждый запрос отправляется отдельно.

departures.forEach(time => {

    router.calculateRoute({
        routingMode: "fast",
        transportMode: "car",
        origin: start,
        destination: finish,
        departureTime: time,
        return: "summary"
    });

});

Полученные результаты позволяют построить сравнительную таблицу.

Время отправления	Время в пути
06:00	32 мин
07:00	41 мин
08:00	58 мин
09:00	37 мин

На основании таких данных выбирается оптимальный временной интервал.

Построение графика транспортной нагрузки

Результаты можно визуализировать средствами JavaScript.

const trafficData = [
    { hour: 6, duration: 32 },
    { hour: 7, duration: 41 },
    { hour: 8, duration: 58 },
    { hour: 9, duration: 37 }
];

После обработки данные передаются в:

Chart.js;
D3.js;
Highcharts;
ApexCharts.

Такой подход помогает выявлять часы пик.

Использование исторических данных в логистике

Логистические системы активно используют возможности HERE Routing API.

Типичный сценарий:

Склад формирует маршрут доставки.
Определяется предполагаемое время выезда.
Выполняется расчёт маршрута.
Используется историческая транспортная статистика.
Получается прогнозируемое время прибытия.

Это позволяет:

снижать затраты;
уменьшать опоздания;
оптимизировать загрузку транспорта;
улучшать планирование смен водителей.

Расчёт ETA с учётом исторического трафика

ETA (Estimated Time of Arrival) зависит от множества факторов.

Формирование ETA включает:

длину маршрута;
дорожную категорию;
статистику движения;
временные ограничения;
прогнозируемые заторы.

Пример получения ETA:

const duration =
    route.sections[0].summary.duration;

const departure =
    new Date("2026-10-01T07:00:00Z");

const arrival =
    new Date(
        departure.getTime() +
        duration * 1000
    );

console.log(arrival);

Влияние дня недели

Транспортная ситуация значительно отличается в зависимости от дня недели.

Например:

День	Средняя загруженность
Понедельник	высокая
Вторник	высокая
Среда	средняя
Четверг	высокая
Пятница	очень высокая
Суббота	низкая
Воскресенье	низкая

Алгоритмы HERE учитывают подобные закономерности автоматически.

Влияние времени суток

Историческая статистика содержит сведения о различных периодах дня.

Ночной период

Обычно характеризуется:

минимальными задержками;
высокой средней скоростью.

Утренний пик

Часто наблюдается:

увеличение плотности потока;
снижение скорости движения.

Дневной период

Характеризуется более равномерным движением.

Вечерний пик

Во многих городах является наиболее загруженным временем суток.

Прогнозирование будущих поездок

Система может использовать исторические данные для оценки маршрутов на несколько дней или недель вперёд.

Пример:

router.calculateRoute({
    origin: start,
    destination: finish,
    transportMode: "car",
    routingMode: "fast",
    departureTime: "2026-12-20T08:00:00Z"
});

В ответе будет содержаться маршрут, основанный на прогнозируемых транспортных условиях.

Массовый анализ маршрутов

Для корпоративных решений часто требуется обработка большого количества маршрутов.

Пример списка точек:

const routes = [
    ["A", "B"],
    ["A", "C"],
    ["A", "D"],
    ["A", "E"]
];

Для каждого маршрута выполняется расчёт времени движения в разные интервалы суток.

После обработки можно определить:

наиболее выгодные маршруты;
проблемные дорожные участки;
часы максимальной нагрузки;
потенциальные транспортные риски.

Интеграция с системами бизнес-аналитики

Результаты маршрутизации часто экспортируются в BI-системы.

Наиболее распространённые платформы:

Power BI;
Tableau;
Qlik Sense;
Apache Superset.

Полученные данные позволяют строить:

тепловые карты трафика;
прогнозы доставки;
отчёты по транспортным затратам;
аналитику городских перевозок.

Ограничения исторических данных

Историческая статистика не может учитывать некоторые события, возникающие внезапно.

К ним относятся:

аварии;
перекрытия дорог;
чрезвычайные ситуации;
массовые мероприятия;
стихийные бедствия.

Поэтому максимальная точность достигается при совместном использовании:

исторических данных;
текущего трафика;
дорожных событий в реальном времени.