CN111063189B - 一种车流量的处理方法、装置、及电子设备 - Google Patents
一种车流量的处理方法、装置、及电子设备 Download PDFInfo
- Publication number
- CN111063189B CN111063189B CN201911072472.7A CN201911072472A CN111063189B CN 111063189 B CN111063189 B CN 111063189B CN 201911072472 A CN201911072472 A CN 201911072472A CN 111063189 B CN111063189 B CN 111063189B
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- target
- path
- time period
- traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车流量的处理方法、装置及电子设备,该处理方法包括:获取预设区域内的路径集合、及设置在预设区域内的道路流量感知设备在至少一个时间段内监测到的车流量,作为目标设备车流量;获取路径集合中的每一路径与每一道路流量感知设备的对应关系,其中,对应关系表示每一路径所包括的路段与设置有道路流量感知设备之间的关系;根据该对应关系、和每一道路流量感知设备在每一时间段内监测到的目标设备车流量,确定每一路径在每一时间段内的全量车流量。
Description
技术领域
本发明涉及交通控制技术领域,更具体地,涉及一种车流量的处理方法、一种车流量的处理装置、一种电子设备、及一种计算机可读介质。
背景技术
随着GPS(Global Positioning System,全球定位***)设备的普及,城市中越来越多车辆在出行时会通过GPS记录轨迹。轨迹是用于估算城市出行信息的大数据。掌握城市完整的交通出行信息对城市交通管理至关重要。
现有的轨迹可以是通过设置在车辆上的GPS设备来获取,也可以是通过导航应用来获取。从导航应用中提取轨迹已经成为掌握城市出行特征的重要数据源。但是并不是所有车辆出行都会使用指定的导航应用,因此,通过指定的导航应用提取的轨迹只是全部出行数据的一个采样,而不是全量数据。
当前各城市都有部署各种道路流量感知设备(如线圈、地磁、雷达、卡口摄像头等),这些道路流量感知设备可以监测到经过所部署位置的全量车流量。但是,这些道路流量感知设备监测到的只是断面流量,不知道具体的每一路径在每一时间段的车流量。而且,由于道路流量感知设备的部署成本和维护成本都较高,无法做到道路网络的全覆盖。
因此,需要利用道路流量感知设备监测到的车流量来推算出每条路径的车流量。
发明内容
本发明的一个目的是提供一种利用道路流量感知设备监测到的车流量获得每条路径的全量车流量的新技术方案。
根据本发明的第一方面,提供了一种车流量的处理方法,包括:
获取预设区域内的路径集合、及设置在所述预设区域内的道路流量感知设备在至少一个时间段内监测到的车流量,作为目标设备车流量;
获取所述路径集合中的每一路径与每一所述道路流量感知设备的对应关系,其中,所述对应关系表示每一所述路径所包括的路段与设置有道路流量感知设备的路段之间的关系;
根据所述对应关系、和每一所述道路流量感知设备在每一时间段内监测到的所述目标设备车流量,确定每一路径在每一时间段内的全量车流量。
可选的,所述至少一个时间段为目标统计周期内的时间段。
可选的,所述处理方法还包括:
获取所述预设区域在所述目标统计周期的每一时间段内的采样轨迹;
分别根据所述目标统计周期的每一时间段内的采样轨迹,确定每一路径在所述目标统计周期的对应时间段内对应的采样轨迹的数量,作为目标采样车流量;
在所述目标统计周期的每一时间段内,经过每一所述道路流量感知设备并提供采样轨迹的车流量;
其中,所述确定每一路径在每一时间段内的全量车流量包括:
还根据在所述目标统计周期的每一时间段内经过每一所述道路流量感知设备并提供采样轨迹的车流量、及每一路径在所述目标统计周期的每一时间段内的目标采样车流量,确定每一路径在所述目标统计周期的每一时间段内的全量车流量。
可选的,所述确定每一路径在所述目标统计周期的每一时间段内的全量车流量的步骤包括:
根据所述对应关系、和每一所述道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,以每一路径在所述目标统计周期的每一时间段内的全量车流量为变量,构建第一目标表达式;
根据每一所述道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量、每一道路流量感知设备在目标统计周期的每一时间段内监测到的提供采样轨迹的车流量、及每一路径在所述目标统计周期的每一时间段内的目标采样车流量,以每一路径在所述目标统计周期的每一时间段内的全量车流量为变量,构建第二目标表达式;
根据所述第一目标表达式和所述第二目标表达式,得到目标函数;
求解所述目标函数,确定在所述目标函数的值最小的情况下,每一路径在所述目标统计周期的每一时间段内的全量车流量的值。
可选的,所述构建第一目标表达式的步骤包括:
根据每一所述道路流量感知设备在所述目标统计周期的每一时间段内监测到的目标设备车流量,设置设备车流量向量;
以每一路径在所述目标统计周期的每一时间段内的全量车流量为变量,设置路径全量车流量向量;
根据所述对应关系,构建稀疏矩阵;
根据所述设备车流量向量、所述路径全量车流量向量和所述稀疏矩阵,构建所述第一目标表达式。
可选的,所述处理方法包括:
获取每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的车流量,作为历史设备车流量;
根据每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的历史设备车流量,构建第一对角矩阵,以还根据所述第一对角矩阵得到所述第一目标表达式;其中,所述第一对角矩阵用于表示所述多个历史统计周期内的历史设备车流量的波动程度。
可选的,所述根据每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的历史车流量,构建第一对角矩阵的步骤包括:
对于每一道路流量感知设备,分别确定在每一时间段内监测到的历史设备车流量的方差;
根据每一道路流量感知设备在每一时间段内对应的方差,构建所述第一对角矩阵。
可选的,所述构建第二目标表达式的步骤包括:
根据每一路径在所述目标统计周期的每一时间段内的目标采样车流量,设置路径采样车流量向量;
根据每一道路流量感知设备在目标统计周期的每一时间段内监测到的提供采样轨迹的车流量、和每一所述道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,确定所述预设区域的渗透率;其中,所述渗透率表示所述预设区域内提供采样轨迹的车流量占比;
根据所述路径采样车流量向量、所述路径全量车流量向量和所述渗透率,构建所述第二目标表达式。
可选的,所述处理方法还包括:
获取每一所述路径在多个历史统计周期的每一时间段内的采样车流量,作为历史路径采样车流量;
所述构建所述第二目标表达式包括:
根据每一所述路径在多个历史统计周期的每一时间段内的历史路径采样车流量和所述渗透率,构建第二对角矩阵,其中,所述第二对角矩阵用于表示所述多个历史统计周期内的历史路径采样车流量的波动程度;
根据所述路径采样车流量向量、所述路径全量车流量向量和所述第二对角矩阵,得到所述第二目标表达式。
可选的,所述构建第二对角矩阵的步骤包括:
对于每一路径,分别确定在多个历史统计周期的每一时间段内的历史路径采样车流量的方差;
根据每一路径在每一时间段内对应的方差和所述渗透率,构建所述第二对角矩阵。
可选的,所述确定所述预设区域的渗透率的步骤包括:
确定所有道路流量感知设备在目标统计周期的所有时间段内监测到的提供采样轨迹的车流量的和,作为轨迹车流量和;
确定所有道路流量感知设备在所述目标统计周期的所有时间段内监测到的目标设备车流量的和,作为设备车流量和;
根据所述轨迹车流量和、及所述设备车流量和,得到所述渗透率。
可选的,所述第一目标表达式和所述第二目标表达式均为半正定二次型表达式。
可选的,所述获取预设区域内的路径集合的步骤包括:
提取所述预设区域中的至少一对出行组合,所述出行组合包括出发点和到达点;
对于每对出行组合,获取路径长度最短的设定数量条路径,得到所述路径集合。
可选的,所述处理方法还包括:
根据每一路径在所述目标统计周期的每一时间段内的全量车流量,对所述预设区域进行交通控制。
可选的,所述根据每一路径在所述目标统计周期的每一时间段内的全量车流量,对所述预设区域进行交通控制的步骤包括:
根据每一路径在目标统计周期的每一时间段内的全量车流量,获得目标路径在未来统计周期的目标时间段内的预测车流量;
根据所述目标路径在未来统计周期的目标时间段内的预测车流量,对所述目标路径所经过的路口进行交通控制。
可选的,所述车流量为指定车辆的车流量。
根据本发明的第二方面,提供了一种车流量的处理装置,包括:
路径流量获取模块,用于获取预设区域内的路径集合、及设置在所述预设区域内的道路流量感知设备在至少一个时间段内监测到的车流量,作为目标设备车流量;
对应关系获取模块,用于获取所述路径集合中的每一路径与每一所述道路流量感知设备的对应关系,其中,所述对应关系表示每一所述路径所包括的路段与设置有道路流量感知设备的路段之间的关系;
全量流量确定模块,用于根据所述对应关系、和每一所述道路流量感知设备在每一时间段内监测到的所述目标设备车流量,确定每一路径在每一时间段内的全量车流量。
根据本发明的第三方面,提供了一种电子设备,包括根据本发明第二方面所述的处理装置;或者,包括处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行根据本发明第一方面所述的处理方法。
根据本发明的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现根据本发明第一方面所述的处理方法。
在本发明的实施例中,根据道路流量感知设备在目标统计周期的每一时间段内监测到的车流量、及每一路径与道路流量感知设备之间的对应关系,来确定每一路径在目标统计周期的每一时间段内的全量车流量。这样,可以使得最终得到的每一路径在每一时间段内的全量车流量更加精确,且实时性较高。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是可用于实现本发明的实施例的交通***的硬件配置的一个例子的框图。
图2是根据本发明实施例的车流量的处理方法的流程示意图;
图3是根据本发明实施例的预设区域的一个例子的示意图;
图4是根据本发明实施例的车流量的处理方法的一个例子的流程示意图;
图5是根据本发明实施例的车流量的处理方法的另一个例子的流程示意图;
图6是根据本发明实施例的车流量的处理装置的一个例子的原理框图;
图7是根据本发明实施例的车流量的处理装置的另一个例子的原理框图;
图8是根据本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是可用于实现本发明任意实施例的交通***的示意图。
如图1所示,交通***100包括服务器1000、客户端2000、车辆3000、道路流量感知设备4000和网络5000。
服务器1000提供处理、数据库、通讯设施的业务点。服务器1000可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的,例如但不限于,网络服务器,新闻服务器,邮件服务器,消息服务器,广告服务器,文件服务器,应用服务器,交互服务器,数据库服务器,或代理服务器。在一些实施例中,每个服务器可以包括硬件,软件,或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。例如,服务器例如刀片服务器、云端服务器等,或者可以是由多台服务器组成的服务器群组,可以包括上述类型的服务器中的一种或多种等等。
在一个例子中,服务器1000可以如图2所示,包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600。尽管服务器也可以包括扬声器、麦克风等等,但是,这些部件与本发明的是合理无关,故在此省略。
其中,处理器1100例如可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、串行接口、红外接口等。通信装置1400例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏、LED显示屏触摸显示屏等。输入装置1160例如可以包括触摸屏、键盘等。
在本实施例中,客户端2000是具有通信功能、地图功能、定位功能的电子设备。客户端2000可以是移动终端,例如手机、便携式电脑、平板电脑、掌上电脑等等。在一个例子中,客户端2000是具有定位功能的设备,在另一个例子中,客户端2000可以是提供用户出行轨迹的设备,例如,可以是安装有支持地图服务的应用程序(APP)的手机。
如图1所示,客户端2000可以包括处理器2100、存储器2200、接口装置2300、通信装置2400、显示装置2500、输入装置2600、扬声器2700、麦克风2800,等等。其中,处理器2100可以是中央处理器CPU、微处理器MCU等。存储器2200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置2300例如包括USB接口、耳机接口等。通信装置2400例如能够进行有线或无线通信。显示装置2500例如是液晶显示屏、触摸显示屏等。输入装置2600例如可以包括触摸屏、键盘等。用户可以通过扬声器2700和麦克风2800输入/输出语音信息。
车辆3000是任何具有定位功能的车辆,例如,可以是汽车、自行车、助力车、电动车、摩托车等等。在一个例子中,车辆3000可以包括GPS定位模块、北斗定位模块、伽利略定位模块中的任意一种或多种。车辆可以将自身的行驶轨迹上传至服务器1000中。
在本实施例中,道路流量感知设备4000可以是线圈、地磁、雷达、卡口摄像头等设备,可以用于监测经过自身所部署位置的车流量。
网络5000可以是无线通信网络也可以是有线通信网络,可以是局域网也可以是广域网。在图1所示的物品管理***中,车辆3000与服务器1000、客户端2000与服务器1000、道路流量感知设备4000与服务器1000,可以通过网络5000进行通信。此外,车辆3000与服务器1000、客户端2000与服务器1000、道路流量感知设备4000与服务器1000通信所基于的网络5000可以是同一个,也可以是不同的。
应当理解的是,尽管图1仅示出一个服务器1000、客户端2000、车辆3000,但不意味着限制对应的数目,交通***100中可以包含多个服务器1000、客户端2000、车辆3000。
图1所示的交通***100仅是解释性的,并且决不是为了要限制本发明、其应用或用途。
应用于本发明的实施例中,尽管图1只示出一个服务器1000、一个客户端2000、一个车辆3000,但是,应当理解的是,具体应用中,可以根据实际需求使得所述交通***100包括多个服务器1000、多个客户端2000、多个车辆3000、多个道路流量感知设备4000。
应用于本发明的实施例中,服务器1000的所述存储器1200用于存储指令,所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的车流量的处理方法。
尽管在图1中对服务器1000示出了多个装置,但是,本发明可以仅涉及其中的部分装置,例如,服务器1000只涉及存储器1200和处理器1100。
应用于本发明的实施例中,客户端2000的所述存储器2200用于存储指令,所述指令用于控制所述处理器2100运行客户端2000执行本发明实施例提供的车流量的处理方法。
尽管在图1中对客户端2000示出了多个装置,但是,本发明可以仅涉及其中的部分装置,例如,客户端2000只涉及存储器2200和处理器2100。
在上述描述中,技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
<方法实施例>
在本实施例中,提供一种车流量的处理方法。该处理方法可以是由电子设备实施。该电子设备可以是如图1所示的服务器1000。
根据图2所示,本实施例的车流量的处理方法可以包括如下步骤S1000~S3000:
步骤S1000,获取预设区域内的路径集合、及设置在该预设区域内的道路流量感知设备在至少一个时间段内监测到的车流量,作为目标设备车流量。
本实施例中的预设区域可以是根据应用场景或者具体需求在城市中选定的交通区域。例如,该预设区域可以是如图3所示。
获取预设区域内的路径集合的方式可以包括以下任意一种或任意组合:
穷举预设区域内的所有路径,构建路径集合;
根据应用场景或者具体需求获取预设区域内的多个路径,构成路径集合;
提取预设区域中的至少一对出行组合,每对出行组合包括出发点和到达点,对于每对出行组合,获取路径长度最短的设定数量条路径,得到路径集合。
在本实施例中,路径可以表示为路口的序列或者是路段的序列。其中,本实施例中的路段可以是指交通网络上相邻两个路口之间的交通线路。
在一个实施例中,路径可以包括至少一个路段,不同路径所包括的部分路段可以重合,即不同路径可以包括部分相同路段。
预设区域可以是根据应用场景或具体需求在城市中选定设置有至少一个道路流量感知设备的区域。本实施例中的道路流量感知设备可以是线圈、地磁、雷达、卡口摄像头等设备。每一道路流量感知设备可以监测经过自身所部署位置的车流量。道路流量感知设备监测到的车流量为全量数据。
在一个实施例中,至少一个时间段可以是目标统计周期内的时间段。目标统计周期可以是预先根据应用场景或具体需求来设定,例如,统计周期可以是一天或者一小时。进一步地,可以是将每一统计周期分为多个时间段。在统计周期为一天的情况下,可以是将一天24小时分为24个时间段;在统计周期为一小时的情况下,可以是将一小时分为6个时间段。
在一个实施例中,本发明所涉及的车流量可以为指定车辆的车流量。其中,指定车辆可以是用于运送物品的载具,例如可以是物流车辆。
步骤S2000,获取路径集合中的每一路径与每一道路流量感知设备之间的对应关系。
其中,该对应关系表示每一路径所包括的路段与设置有道路流量感知设备的路段之间的关系。
例如,对于如图3所示的预设区域,获取的路径集合中包括路径L1、L2、L3、L4和L5,设置在预设区域内的道路流量感知设备可以包括1~6,可以确定路径L1所包括路段上设置有道路流量感知设备6,路径L2所包括路段上设置有道路流量感知设备1和5,路径L3所包括路段上设置有道路流量感知设备1,路径4所包括路段上设置有道路流量感知设备2、3和4,路径5所包括路段上设置有道路流量感知设备1、3和4。
步骤S3000,根据该对应关系、和每一道路流量感知设备在每一时间段内监测到的目标设备车流量,确定每一路径在每一时间段内的全量车流量。
在一个实施例中,至少一个时间段为目标统计周期内的时间段,那么,根据该对应关系、和每一道路流量感知设备在每一时间段内监测到的目标设备车流量,确定每一路径在每一时间段内的全量车流量可以为:根据该对应关系、和每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,确定每一路径在目标统计周期内的每一时间段内的全量车流量。
在本发明的实施例中,根据道路流量感知设备在目标统计周期的每一时间段内监测到的车流量、及每一路径与道路流量感知设备之间的对应关系,来确定每一路径在目标统计周期的每一时间段内的全量车流量。这样,可以使得最终得到的每一路径在每一时间段内的全量车流量更加精确,且实时性较高。
<第一实施例>
在第一实施例中,根据该对应关系、和每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,确定每一路径在目标统计周期内的每一时间段内的全量车流量可以包括如下所示的步骤S3100~S3300:
步骤S3100,根据该对应关系、和每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,以每一路径在目标统计周期内的每一时间段内的全量车流量为变量,构建第一目标表达式。
在一个实施例中,构建第一目标表达式的步骤可以包括如下所示的步骤S3110~S3140:
步骤S3110,根据每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,设置设备车流量向量。
在一个例子中,该设备车流量可以是列向量。设备车流量中每一行的元素分别对应于一个道路流量感知设备在目标统计周期的一个时间段内监测到的目标设备车流量。
在一个例子中,可以将一个道路流量感知设备和一个时间段的组合,作为一个设备时段组合,即一个设备时段组合具有对应的时间段和道路流量感知设备。
例如,在步骤S1000中获取到N个道路流量感知设备在目标统计周期的M个时间段内监测到的目标设备车流量的情况下,可以将第n(n∈[1,N])个道路流量感知设备和第m(m∈[1,M])个时间段的组合,作为第j(j∈[1,M*N])个设备时段组合,将第n(n∈[1,N])个道路流量感知设备在目标统计周期的第m(m∈[1,M])个时间段内监测到的目标设备车流量,作为第j个设备时段组合对应的目标设备车流量fj,该目标设备车流量fj即作为设备车流量向量中的一个元素,得到M*N行的设备车流量向量
步骤S3120,以每一路径在目标统计周期的每一时间段内的全量车流量为变量,设置路径全量车流量向量。
在一个例子中,该路径全量车流量向量也可以是列向量。路径全量车流量向量中每一行的元素分别对应于一个路径在目标统计周期的一个时间段内的全量车流量。
在一个例子中,可以将一个路径和一个时间段的组合,作为一个路径时段组合,其中,一个路径时段组合具有对应的时间段和路径。
例如,在步骤S1000中获取到路径集合中包含L个路径,并获取到N个道路流量感知设备在目标统计周期的M个时间段内监测到的目标设备车流量的情况下,可以将第l(l∈[1,L])个路径和第m(m∈[1,M])个时间段的组合,作为第i(i∈[1,M*L])个路径时段组合,将第l(l∈[1,L])个路径在目标统计周期的第m(m∈[1,M])个时间段的全量车流量,作为第i个路径时段组合对应的全量车流量gi,该全量车流量gi即作为路径全量车流量向量中的一个元素,得到M*L行的路径全量车流量向量
步骤S3130,根据对应关系,构建稀疏矩阵。
在一个例子中,可以是稀疏矩阵的行对应于路径时段组合,列对应于设备时段组合。具体的,稀疏矩阵中每一列对应的设备时段组合的排序,与设备车流量向量中每一行对应的设备时段组合的排序相同;稀疏矩阵中每一行对应的路径时段组合的排序,与路径全量车流量向量中路径时段组合的排序相同。
具体的,在构建稀疏矩阵时,可以是在第i个路径时段组合所对应的路径,经过第j个设备时段组合所对应的道路流量感知设备,且第j个设备时段组合所对应的时间段与第i个路径时段组合所对应的时间段相同时,将稀疏矩阵中设备时段组合j和路径时段组合i所对应的元素值设置为1,将其余元素值设置为0,得到M*L行、M*N列的稀疏矩阵A。
例如,对于如图3所示的路径和道路流量感知设备之间对应关系,在目标统计时段内的时间段的数量M为1的情况下,每行对应的路径的顺序为L1、L2、L3、L4和L5,每列对应的道路流量感知设备的顺序为1、2、3、4、5、6,那么,构建的稀疏矩阵A可以是:
步骤S3140,根据设备车流量向量、路径全量车流量向量和稀疏矩阵,构建第一目标表达式。
在一个例子中,第一目标表达式可以是半正定二次型表达式。在此基础上,根据设备车流量向量、路径全量车流量向量和稀疏矩阵,构建的第一目标表达式可以为:
在一个实施例中,该处理方法还可以包括如下所示的步骤S3150~S3160:
步骤S3150,获取每一道路流量感知设备在多个历史统计周期的每一时间段内监测到的车流量,作为历史设备车流量。
在本实施例中,历史统计周期和目标统计周期的时长相同,其中,历史统计周期的时间段和目标统计周期的时间段相对应。
例如,历史统计周期和目标统计周期均为一天,那么,历史统计周期的10点至11点这一时间段和目标统计周期的10点至11点这一时间段相对应。
步骤S3160,根据每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的历史设备车流量,构建第一对角矩阵。
其中,所述第一对角矩阵用于表示所述多个历史统计周期内的历史设备车流量的波动程度。
在一个实施例中,构建第一对角矩阵的步骤包括如下所示的步骤S3161~S3162:
步骤S3161,对于每一道路流量感知设备,分别确定在每一时间段内监测到的历史设备车流量的方差。
例如,在获取到N个道路流量感知设备在T个历史统计周期的M个时间段内监测到的目标设备车流量的情况下,第n(n∈[1,N])个道路流量感知设备在第t(t∈[1,T])个历史统计周期的第m个时间段内监测到的历史设备车流量为fn,t,m,那么,第n个道路流量感知设备在第m个时间段内监测到的历史设备车流量的方差可以为:
步骤S3162,根据每一道路流量感知设备在每一时间段内对应的方差,构建第一对角矩阵。
在一个例子中,可以将一个道路流量感知设备和一个时间段的组合,作为一个设备时段组合,即一个设备时段组合具有对应的时间段和道路流量感知设备。
例如,可以将第n(n∈[1,N])个道路流量感知设备和第m(m∈[1,M])个时间段的组合,作为第j(j∈[1,M*N])个设备时段组合,将第n个道路流量感知设备在第m个时间段内监测到的历史设备车流量的方差sn,m 2,作为第j个设备时段组合对应的方差sj 2。
那么,可以是分别将每个设备时段组合对应的方差的倒数作为第一对角矩阵的对角线上的元素,将对角线以外的元素值设置为0,得到M*N行、M*N列的第一对角矩阵U。
进一步地,第一对角矩阵U还可以表示为:
U=diag{min{sj -2,δ}}
其中,δ为预先根据应用场景、具体需求或者实验数据设置的任意小的正数。
在构建的第一对角矩阵的对角线上的每个元素所对应的设备时段组合的排序,与设备车流量向量中每一行对应的设备时段组合的排序相同。
具体的,构建的第一目标表达式可以为:
步骤S3200,根据第一目标表达式得到目标函数。
在本实施例中,可以是将第一目标表达式,作为目标函数。
具体的,目标函数Q可以表示为:
步骤S3300,求解该目标函数,确定在目标函数的值最小的情况下,每一路径在目标统计周期的每一时间段内的全量车流量的值,使得每一路径在目标统计周期的每一时间段内的全量车流量的值均大于等于零。
在一个例子中,可以是利用求解器(如CVXOPT)求解该目标函数。
<第二实施例>
在第二实施例中,该处理方法还可以包括如下所示的步骤S4100~S4300:
步骤S4100,获取预设区域在目标统计周期的每一时间段内的采样轨迹。
本实施例中的采样轨迹可以是通过设置在车辆上的6PS设备来获取,也可以是通过指定的导航应用来获取。采样轨迹可以包括记录车辆出行过程所经过的路口或路段的空间位置序列、及出发时间。根据空间位置序列可以确定每个采样轨迹所匹配的路径,根据出发时间可以确定每个采样轨迹所对应的时间段。
步骤S4200,分别根据每一时间段内的采样轨迹,确定每一路径在目标统计周期的每一时间段内对应的采样轨迹的数量,作为目标采样车流量。
步骤S4300,获取在目标统计周期的每一时间段内,经过每一道路流量感知设备并提供采样轨迹的车流量。
在一个例子中,可以是根据每一路径与每一道路流量感知设备在目标统计周期的每一时间段内的对应关系、以及每一路径在目标统计周期的每一时间段内的目标采样车流量,得到在目标统计周期的每一时间段内经过每一道路流量感知设备并提供采样轨迹的车流量。
例如,在第l1(l1∈[1,L])个路径和第l2(l2∈[1,L],l1≠l2)个路径上设置有第n(n∈[1,N])个道路流量感知设备,第l1个路径在目标统计周期的第m(m∈[1,M])个时间段内的目标采样车流量为第l2个路径在目标统计周期的第m个时间段内的目标采样车流量为那么,在目标统计周期的第m个时间段内经过第n个道路流量感知设备并提供采样轨迹的车流量为:
在此基础上,还根据在目标统计周期的每一时间段内经过每一道路流感知设备并提供采样轨迹的车流量、及每一路径在所述目标统计周期的每一时间段内的目标采样车流量,确定每一路径在所述目标统计周期的每一时间段内的全量车流量。
具体的,确定每一路径在目标统计周期内的每一时间段内的全量车流量可以包括如下所示的步骤S4400~S4700:
步骤S4400,根据对应关系、和每一所述道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,以每一路径在所述目标统计周期的每一时间段内的全量车流量为变量,构建第一目标表达式。
在本实施例中,构建第一目标表达式的方式可以参照前述的第一实施例,在此不再赘述。
步骤S4500,根据每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量、每一道路流量感知设备在目标统计周期的每一时间段内监测到的提供采样轨迹的车流量、及每一路径在所述目标统计周期的每一时间段内的目标采样车流量,以每一路径在所述目标统计周期的每一时间段内的全量车流量为变量,构建第二目标表达式。
在一个实施例中,构建第二目标表达式的步骤可以包括如下所示的步骤S4510~S4530:
步骤S4510,根据每一路径在所述目标统计周期的每一时间段内的目标采样车流量,设置路径采样车流量向量。
在一个例子中,该路径采样车流量向量可以是列向量。路径采样车流量向量中每一行的元素分别对应于一个路径在在目标统计周期的一个时间段内的目标采样车流量。
在一个例子中,可以将一个路径和一个时间段的组合,作为一个路径时段组合,其中,一个路径时段组合具有对应的时间段和路径。
例如,可以将第l(l∈[1,L])个路径和第m(m∈[1,M])个时间段的组合,作为第i(i∈[1,M*L])个路径时段组合,将第l(l∈[1,L])个路径在目标统计周期的第m(m∈[1,M])个时间段的目标采样车流量,作为第i个路径时段组合对应的目标采样车流量该目标采样车流量即作为路径采样车流量向量中的一个元素,得到M*L行的路径采样车流量向量
在一个例子中,路径采样车流量向量中每一行对应的设备时段组合的排序,与路径全量车流量向量中每一行对应的设备时段组合的排序相同。
步骤S4520,根据每一道路流量感知设备在目标统计周期的每一时间段内监测到的提供采样轨迹的车流量、和每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,确定预设区域的渗透率。
其中,所述渗透率表示预设区域内提供采样轨迹的车流量占比。
在一个实施例中,确定预设区域的渗透率的步骤包括:
步骤S4521,确定所有道路流量感知设备在目标统计周期的所有时间段内监测到的提供采样轨迹的车流量的和,作为轨迹车流量和。
在将第n(n∈[1,N])个道路流量感知设备和第m(m∈[1,M])个时间段的组合,作为第j(j∈[1,M*N])个设备时段组合的情况下,第j个设备时段组合对应的提供采样轨迹的车流量为轨迹车流量和可以表示为
步骤S4522,确定所有道路流量感知设备在所述目标统计周期的所有时间段内监测到的目标设备车流量的和,作为设备车流量和。
将第n(n∈[1,N])个道路流量感知设备和第m(m∈[1,M])个时间段的组合,作为第j(j∈[1,M*N])个设备时段组合,第j个设备时段组合对应的目标设备车流量fj,设备车流量和可以表示为∑jfj。
步骤S4523,根据轨迹车流量和、及设备车流量和,得到渗透率。
步骤S4530,根据路径采样车流量向量、路径全量车流量向量和渗透率,构建第二目标表达式。
在一个实施例中,该处理方法还可以包括如下所示的步骤S4540:
步骤S4540,获取每一所述路径在多个历史统计周期的每一时间段内的采样轨迹的数量,作为历史路径采样车流量。
步骤S4530还可以进一步包括如下所示的步骤S4531~S4532:
步骤S4531,根据每一所述路径在多个历史统计周期的每一时间段内的历史路径采样车流量,构建第二对角矩阵。
其中,第二对角矩阵用于表示多个历史统计周期内的历史路径采样车流量的波动程度。
在一个实施例中,构建第二对角矩阵的步骤包括如下所示的步骤S4531-1~S4531-2:
步骤S4531-1,对于每一路径,分别确定在每一时间段内的历史路径采样车流量的方差。
例如,在获取到L个路径在T个历史统计周期的M个时间段内监测到的目标设备车流量的情况下,第l(l∈[1,L])个路径在第t(n∈[1,T])个历史统计周期的第m个时间段内的历史采样车流量为gl,t,m,那么,第l(l∈[1,L])个路径在第m个时间段内的历史采样车流量的方差可以为:
步骤S4531-2,根据每一路径在每一时间段内对应的方差和渗透率,构建第二对角矩阵。
在一个例子中,可以将一个路径和一个时间段的组合,作为一个路径时段组合,即一个路径时段组合具有对应的时间段和路径。
例如,可以将第l(l∈[1,L])个路径和第m(m∈[1,M])个时间段的组合,作为第i(i∈[1,M*L])个设备时段组合,将l个路径在第m个时间段内的历史采样车流量的方差sl,m 2,作为第i个路径时段组合对应的方差si 2。
那么,可以是分别将每个路径时段组合对应的方差的倒数与渗透率的乘积,作为第二对角矩阵的对角线上的元素,将对角线以外的元素值设置为0,得到M*L行、M*L列的第二对角矩阵V。
进一步地,第二对角矩阵V还可以表示为:
V=diag{min{α2si -2,δ}}
其中,δ为预先根据应用场景、具体需求或者实验数据设置的任意小的正数。
在构建的第二对角矩阵的对角线上的每个元素所对应的路径时段组合的排序,与路径采样车流量向量中每一行对应的设备时段组合的排序相同,与路径全量车流量向量中每一行对应的设备时段组合的排序也相同。
具体的,构建的第二目标表达式可以为:
步骤S4600,根据所述第一目标表达式和所述第二目标表达式,得到目标函数。
具体的,可以是对第一目标表达式和第二目标表达式求和,得到目标函数。
目标函数Q可以表示为:
步骤S4700,求解该目标函数,确定在目标函数的值最小的情况下,每一路径在目标统计周期的每一时间段内的全量车流量的值,使得每一路径在目标统计周期的每一时间段内的全量车流量的值均大于等于对应路径在目标统计周期的对应时间段内的目标采样车流量的值。
在一个实施例中,在得到每一路径在目标统计周期的每一时间段内的全量车流量之后,该处理方法还可以包括:
根据每一路径在目标统计周期的每一时间段内的全量车流量,对预设区间进行交通控制。
具体的,根据得到的全量轨迹对该预设区域进行交通控制的方式,可以对预设区域内的交通信号灯进行控制;可以确定预设区域内的出行需求;可以针对预设区域做交通仿真;还可以针对预设区域做交通诱导。
在一个例子中,对预设区域进行交通控制的方式可以包括:
根据目标路径在目标统计周期的目标时间段内的全量车流量,获得目标路径在未来统计周期的目标时间段内的预测车流量;
根据目标路径在未来统计周期的目标时间段内的预测车流量,对目标路径所经过的路口进行交通控制。
在本实施例中,可以是采用预测模型,根据目标路径在目标统计周期的目标时间段内的全量车流量,获得目标路径在未来统计周期的目标时间段内的预测车流量。
具体的,对目标路径所经过的路口进行交通控制的具体方式可以包括:对目标路径所经过路口的信号灯的信号周期时长、至少一个相位的绿信比、及多个路口的在至少一个相位的相位差中的至少一项进行相应的控制。
本实施例中的相位取业内公知的含义。例如,其可以包括,在一个信号周期内,具有相同的信号灯色显示的一股或几股交通流的信号状态序列称为一个相位。相位是按车流获得信号显示的时序来划分的,有多少种不同的时序排列,就有多少个相位。每一个控制状态,对应一组不同的灯色组合,称为一个相位。简而言之,一个相位也被称作一个控制状态。再例如,对于一组互不冲突的交通流同时获得通行权所对应的信号显示状态,可以将其称为相位。由此可见,相位是根据路口通行权在一个信号周期内的更迭来划分的。
信号周期时长,包括信号灯发生变化,信号运行一个循环所需的时间,等于绿、黄、红灯时间之和;也等于全部相位所需的绿灯时间和黄灯时间(一般是固定的)的总和。
绿信比是指信号灯一个周期内可用于车辆通行的比例时间。即某相位绿灯时间和周期时长的比值。其中,绿灯时间可以是实际绿灯时间,也可以是有效绿灯时间。
实际绿灯时间可以为绿灯开启至绿灯关闭所用的时间。有效绿灯时间:包括被有效利用的实际车辆通行时间,等于绿灯时间与黄灯时间之和减去损失时间。损失时间包括两部分,一是绿灯信号开启时,车辆启动时的时间;还有绿灯关闭、黄灯开启时,只有越过停止线的车辆才能继续通行,所以也有一部分损失时间,即为实际绿灯时间减去启动时间加速结束滞后时间。结束滞后时间是黄灯时间中有效利用的部分。每一相位的损失时间为启动延迟时间和结束滞后时间之差。
相位差:针对两个信号交叉路口而言,是指两个相邻交叉路口它们同一相位绿灯(或红灯)开始时间之差。
上述定义仅用于示例性描述本发明的具体实施方式,并不对发明保护范围进行限制性解释。
例如,在未来统计周期的目标时间段内对目标路径所经过的路口进行交通控制的方式可以包括:设置目标路径所经过的路口在与目标路径对应的相位的相位差,使车辆在沿着目标路径行驶时,可以享受到不停车连续通过这些路口的绿波效果。
<例子1>
图4为一个例子的车流量的处理方法,该例子对仅根据道路流量感知设备监测到的车流量确定经过每一路径的全量车流量的步骤进行描述。该处理方法可以包括如下步骤S4001~S4011:
步骤S4001,获取预设区域内的路径集合、及设置在该预设区域内的道路流量感知设备在目标统计周期的至少一个时间段内监测到的车流量,作为目标设备车流量。
步骤S4002,获取路径集合中的每一路径与每一道路流量感知设备之间的对应关系。
步骤S4003,根据每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,设置设备车流量向量。
例如,在步骤S4001中获取到N个道路流量感知设备在目标统计周期的M个时间段内监测到的目标设备车流量的情况下,可以将第n(n∈[1,N])个道路流量感知设备和第m(m∈[1,M])个时间段的组合,作为第j(j∈[1,M*N])个设备时段组合,将第n(n∈[1,N])个道路流量感知设备在目标统计周期的第m(m∈[1,M])个时间段内监测到的目标设备车流量,作为第j个设备时段组合对应的目标设备车流量fj,该目标设备车流量fj即作为设备车流量向量中的一个元素,得到M*N行的设备车流量向量
步骤S4004,以每一路径在目标统计周期的每一时间段内的全量车流量为变量,设置路径全量车流量向量。
在步骤S4001中获取到路径集合中包含L个路径的情况下,可以将第l(l∈[1,L])个路径和第m(m∈[1,M])个时间段的组合,作为第i(i∈[1,M*L])个路径时段组合,将第l(l∈[1,L])个路径在目标统计周期的第m个时间段的全量车流量,作为第i个路径时段组合对应的全量车流量gi,该全量车流量gi即作为路径全量车流量向量中的一个元素,得到M*L行的路径全量车流量向量
步骤S4005,根据对应关系,构建稀疏矩阵。
例如,可以是在第i个路径时段组合所对应的路径,经过第j个设备时段组合所对应的道路流量感知设备,且第j个设备时段组合所对应的时间段与第i个路径时段组合所对应的时间段相同时,将稀疏矩阵中设备时段组合j和路径时段组合i所对应的元素值设置为1,将其余元素值设置为0,得到M*L行、M*N列的稀疏矩阵A。
步骤S4006,获取每一道路流量感知设备在多个历史统计周期的每一时间段内监测到的车流量,作为历史设备车流量。
步骤S4007,对于每一道路流量感知设备,分别确定在每一时间段内监测到的历史设备车流量的方差。
在获取到N个道路流量感知设备在T个历史统计周期的M个时间段内监测到的目标设备车流量的情况下,第n个道路流量感知设备在第t个历史统计周期的第m个时间段内监测到的历史设备车流量为fn,t,m,那么,第n个道路流量感知设备在第m个时间段内监测到的历史设备车流量的方差可以为:
将第n个道路流量感知设备在第m个时间段内监测到的历史设备车流量的方差sn,m 2,作为第j个设备时段组合对应的方差sj 2。
步骤S4008,根据每一道路流量感知设备在每一时间段内对应的方差,构建第一对角矩阵。
第一对角矩阵U还可以表示为:
U=diag{min{sj -2,δ}}
步骤S4009,根据设备车流量向量、路径全量车流量向量、稀疏矩阵和第一对角矩阵,构建第一目标表达式。
构建的第一目标表达式可以为:
步骤S4010,将第一目标表达式作为目标函数。
步骤S4011,求解该目标函数,确定在目标函数的值最小的情况下,每一路径在目标统计周期的每一时间段内的全量车流量的值,并使得每一路径在目标统计周期的每一时间段内的全量车流量的值均大于等于零。
<例子2>
在例子1的基础上,图5为另一个例子的车流量的处理方法,该例子对根据道路流量感知设备监测到的车流量、及采样轨迹,确定经过每一路径的全量车流量的步骤进行描述。该处理方法可以包括如下步骤S5001~S5011:
步骤S5001,获取预设区域在目标统计周期的每一时间段内的采样轨迹。
步骤S5002,分别根据每一时间段内的采样轨迹,确定每一路径在目标统计周期的每一时间段内对应的采样轨迹的数量,作为目标采样车流量。
步骤S5003,获取在目标统计周期的每一时间段内,经过每一道路流量感知设备并提供采样轨迹的车流量。
在第l1(l1∈[1,L])个路径和第l2(l2∈[1,L],l1≠l2)个路径上设置有第n(n∈[1,N])个道路流量感知设备,第l1个路径在目标统计周期的第m(m∈[1,M])个时间段内的目标采样车流量为第l2个路径在目标统计周期的第m个时间段内的目标采样车流量为那么,在目标统计周期的第m个时间段内经过第n个道路流量感知设备并提供采样轨迹的车流量为:
步骤S5004,根据每一路径在所述目标统计周期的每一时间段内的目标采样车流量,设置路径采样车流量向量。
可以将第l(l∈[1,L])个路径和第m(m∈[1,M])个时间段的组合,作为第i(i∈[1,M*L])个路径时段组合,将第l(l∈[1,L])个路径在目标统计周期的第m(m∈[1,M])个时间段的目标采样车流量,作为第i个路径时段组合对应的目标采样车流量该目标采样车流量即作为路径采样车流量向量中的一个元素,得到M*L行的路径采样车流量向量
步骤S5005,确定所有道路流量感知设备在目标统计周期的所有时间段内监测到的提供采样轨迹的车流量的和,作为轨迹车流量和。
在将第n(n∈[1,N])个道路流量感知设备和第m(m∈[1,M])个时间段的组合,作为第j(j∈[1,M*N])个设备时段组合的情况下,第j个设备时段组合对应的提供采样轨迹的车流量为轨迹车流量和可以表示为
步骤S5006,确定所有道路流量感知设备在所述目标统计周期的所有时间段内监测到的目标设备车流量的和,作为设备车流量和。
将第n(n∈[1,N])个道路流量感知设备和第m(m∈[1,M])个时间段的组合,作为第j(j∈[1,M*N])个设备时段组合,第j个设备时段组合对应的目标设备车流量fj,设备车流量和可以表示为∑jfj。
步骤S5007,根据轨迹车流量和、及设备车流量和,得到渗透率。
渗透率α的公式可以表示为:
步骤S5008,获取每一所述路径在多个历史统计周期的每一时间段内的采样轨迹的数量,作为历史路径采样车流量。
步骤S5009,对于每一路径,分别确定在每一时间段内的历史路径采样车流量的方差。
在获取到L个路径在T个历史统计周期的M个时间段内监测到的目标设备车流量的情况下,第l(l∈[1,L])个路径在第t(n∈[1,T])个历史统计周期的第m个时间段内的历史采样车流量为gl,t,m,那么,第l(l∈[1,L])个路径在第m个时间段内的历史采样车流量的方差可以为:
可以将第l(l∈[1,L])个路径和第m(m∈[1,M])个时间段的组合,作为第i(i∈[1,M*L])个设备时段组合,将l个路径在第m个时间段内的历史采样车流量的方差sl,m 2,作为第i个路径时段组合对应的方差si 2。
步骤S5010,根据每一路径在每一时间段内对应的方差和渗透率,构建第二对角矩阵。
第二对角矩阵V还可以表示为:
V=diag{min{α2si -2,δ}}
步骤S5011,根据路径采样车流量向量、路径全量车流量向量、第二对角矩阵,得到第二目标表达式。
构建的第二目标表达式可以为:
步骤S5012,根据所述第一目标表达式和所述第二目标表达式,得到目标函数。
目标函数Q可以表示为:
步骤S5013,求解该目标函数,确定在目标函数的值最小的情况下,每一路径在目标统计周期的每一时间段内的全量车流量的值,并使得每一路径在目标统计周期的每一时间段内的全量车流量的值均大于等于对应路径在目标统计周期的对应时间段内的目标采样车流量的值。
<装置实施例>
在本实施例中,提供一种车流量的处理装置6000,如图6所示,包括路径流量获取模块6100、对应关系获取模块6200和全量流量确定模块6300。该路径流量获取模块6100用于获取预设区域内的路径集合、及设置在预设区域内的道路流量感知设备在至少一个时间段内监测到的车流量,作为目标设备车流量;该对应关系获取模块6200用于获取路径集合中的每一路径与每一道路流量感知设备在目标统计周期的每一时间段内的对应关系,其中,对应关系表示每一路径所包括的路段与设置有道路流量感知设备的路段之间的关系;该全量流量确定模块6300用于根据对应关系、和每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,确定每一路径在目标统计周期的每一时间段内的全量车流量。
在一个实施例中,车流量为指定车辆的车流量。
在一个实施例中,至少一个时间段为目标统计周期内的时间段。
在一个实施例中,如图7所示,该处理装置6000还可以包括:
采样轨迹获取模块6400,用于获取预设区域在目标统计周期的每一时间段内的采样轨迹;
采样流量获取模块6500,用于分别根据目标统计周期的每一时间段内的采样轨迹,确定每一路径在目标统计周期的对应时间段内对应的采样轨迹的数量,作为目标采样车流量;
轨迹提供流量获取模块6600,用于在目标统计周期的每一时间段内,经过每一道路流量感知设备并提供采样轨迹的车流量;
其中,该全量流量确定模块6300还可以用于:还根据在目标统计周期的每一时间段内经过每一道路流量感知设备并提供采样轨迹的车流量、及每一路径在目标统计周期的每一时间段内的目标采样车流量,确定每一路径在目标统计周期的每一时间段内的全量车流量。
在一个实施例中,全量流量确定模块6300具体用于:
根据对应关系、和每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,以每一路径在目标统计周期的每一时间段内的全量车流量为变量,构建第一目标表达式;
根据每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量、每一道路流量感知设备在目标统计周期的每一时间段内监测到的提供采样轨迹的车流量、及每一路径在目标统计周期的每一时间段内的目标采样车流量,以每一路径在目标统计周期的每一时间段内的全量车流量为变量,构建第二目标表达式;
根据第一目标表达式和第二目标表达式,得到目标函数;
求解目标函数,确定在目标函数的值最小的情况下,每一路径在目标统计周期的每一时间段内的全量车流量的值。
在一个实施例中,构建第一目标表达式包括:
根据每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,设置设备车流量向量;
以每一路径在目标统计周期的每一时间段内的全量车流量为变量,设置路径全量车流量向量;
根据对应关系,构建稀疏矩阵;
根据设备车流量向量、路径全量车流量向量和稀疏矩阵,构建第一目标表达式。
在一个实施例中,该处理装置6000还可以包括:
用于获取每一道路流量感知设备在多个历史统计周期的每一时间段内监测到的车流量,作为历史设备车流量的模块;
用于根据每一道路流量感知设备在多个历史统计周期的每一时间段内监测到的历史设备车流量,构建第一对角矩阵的模块,以还根据第一对角矩阵得到第一目标表达式;其中,第一对角矩阵用于表示多个历史统计周期内的历史设备车流量的波动程度。
在一个实施例中,根据每一道路流量感知设备在多个历史统计周期的每一时间段内监测到的历史车流量,构建第一对角矩阵包括:
对于每一道路流量感知设备,分别确定在每一时间段内监测到的历史设备车流量的方差;
根据每一道路流量感知设备在每一时间段内的方差,构建第一对角矩阵。
在一个实施例中,构建第二目标表达式包括:
根据每一路径在目标统计周期的每一时间段内的目标采样车流量,设置路径采样车流量向量;
根据每一道路流量感知设备在目标统计周期的每一时间段内监测到的提供采样轨迹的车流量、和每一道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,确定预设区域的渗透率;其中,渗透率表示预设区域内提供采样轨迹的车流量占比;
根据路径采样车流量向量、路径全量车流量向量和渗透率,构建第二目标表达式。
在一个实施例中,该处理装置6000还包括:
用于获取每一路径在多个历史统计周期的每一时间段内的采样车流量,作为历史路径采样车流量的模块;
构建第二目标表达式包括:
根据每一路径在多个历史统计周期的每一时间段内的历史路径采样车流量和渗透率,构建第二对角矩阵,其中,第二对角矩阵用于表示多个历史统计周期内的历史路径采样车流量的波动程度;
根据路径采样车流量向量、路径全量车流量向量和第二对角矩阵,得到第二目标表达式。
在一个实施例中,构建第二对角矩阵包括:
对于每一路径,分别确定在多个历史统计周期的每一时间段内的历史路径采样车流量的方差;
根据每一路径在每一时间段内对应的方差和所述渗透率,构建第二对角矩阵。
在一个实施例中,确定预设区域的渗透率包括:
确定所有道路流量感知设备在目标统计周期的所有时间段内监测到的提供采样轨迹的车流量的和,作为轨迹车流量和;
确定所有道路流量感知设备在目标统计周期的所有时间段内监测到的目标设备车流量的和,作为设备车流量和;
根据轨迹车流量和、及设备车流量和,得到渗透率。
在一个实施例中,第一目标表达式和第二目标表达式均为半正定二次型表达式。
在一个实施例中,获取预设区域内的路径集合包括:
提取预设区域中的至少一对出行组合,出行组合包括出发点和到达点;
对于每对出行组合,获取路径长度最短的设定数量条路径,得到路径集合。
在一个实施例中,该处理装置6000还包括:
用于根据每一路径在目标统计周期的每一时间段内的全量车流量,对预设区域进行交通控制的模块。
在一个实施例中,根据每一路径在目标统计周期的每一时间段内的全量车流量,对预设区域进行交通控制包括:
根据每一路径在目标统计周期的每一时间段内的全量车流量,获得目标路径在未来统计周期的目标时间段内的预测车流量;
根据目标路径在未来统计周期的目标时间段内的预测车流量,对目标路径所经过的路口进行交通控制。
本领域技术人员应当明白,可以通过各种方式来实现车流量的处理装置6000。例如,可以通过指令配置处理器来实现车流量的处理装置6000。例如,可以将指令存储在ROM中,并且当启动设备时,将指令从ROM读取到可编程器件中来实现车流量的处理装置6000。例如,可以将车流量的处理装置6000固化到专用器件(例如ASIC)中。可以将车流量的处理装置6000分成相互独立的单元,或者可以将它们合并在一起实现。车流量的处理装置6000可以通过上述各种实现方式中的一种来实现,或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
在本实施例中,车流量的处理装置6000可以具有多种实现形式,例如,车流量的处理装置6000可以是任何的提供车流量处理服务的软件产品或者应用程序中运行的功能模块,或者是这些软件产品或者应用程序的外设嵌入件、插件、补丁件等,还可以是这些软件产品或者应用程序本身。
<电子设备>
在本实施例中,还提供一种电子设备8000。该电子设备8000可以是图1所示的服务器1000。
在一方面,如图8所示,该电子设备8000可以包括前述的车流量的处理装置6000,用于实施本发明任意实施例的车流量的处理方法。
在另一方面,如图8所示,电子设备8000还可以包括处理器8100和存储器8200,该存储器8200用于存储可执行的指令;该处理器8100用于根据指令的控制运行电子设备8000执行根据本发明任意实施例的车流量的处理方法。
<计算机可读存储介质>
在本实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序在被处理器执行时实现如本发明任意实施例的车流量的处理方法。
本发明可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、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的例子(非穷举的列表)包括: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)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网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、光纤传输、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。每一计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机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、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、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。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,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),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每一方框以及流程图和/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。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/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,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每一方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每一方框、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的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (19)
1.一种车流量的处理方法,其中,包括:
获取预设区域内的路径集合、及设置在所述预设区域内的道路流量感知设备在至少一个时间段内监测到的车流量,作为目标设备车流量;
获取所述路径集合中的每一路径与每一所述道路流量感知设备的对应关系,其中,所述对应关系表示每一所述路径所包括的路段与设置有道路流量感知设备的路段之间的关系;
根据所述对应关系、和每一所述道路流量感知设备在每一时间段内监测到的所述目标设备车流量,确定每一路径在每一时间段内的全量车流量;
所述根据所述对应关系、和每一所述道路流量感知设备在每一时间段内监测到的所述目标设备车流量,确定每一路径在每一时间段内的全量车流量,包括:
根据所述对应关系、和每一所述道路流量感知设备在每一时间段内监测到的目标设备车流量,以每一路径在每一时间段内的全量车流量为变量,构建第一目标表达式;
根据所述第一目标表达式得到目标函数;
求解所述目标函数,确定在所述目标函数的值最小的情况下,每一路径在每一时间段内的全量车流量的值,使得每一路径在每一时间段内的全量车流量的值均大于等于零,
其中,所述构建第一目标表达式的步骤包括:
根据每一所述道路流量感知设备在每一时间段内监测到的目标设备车流量,设置设备车流量向量;
以每一路径在的每一时间段内的全量车流量为变量,设置路径全量车流量向量;
根据所述对应关系,构建稀疏矩阵;
获取每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的车流量,作为历史设备车流量;
根据每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的所述历史设备车流量,构建第一对角矩阵;
根据所述设备车流量向量、所述路径全量车流量向量、所述稀疏矩阵和所述第一对角矩阵,构建所述第一目标表达式。
2.根据权利要求1所述的方法,其中,所述至少一个时间段为目标统计周期内的时间段。
3.根据权利要求2所述的处理方法,其中,所述处理方法还包括:
获取所述预设区域在所述目标统计周期的每一时间段内的采样轨迹;
分别根据所述目标统计周期的每一时间段内的采样轨迹,确定每一路径在所述目标统计周期的对应时间段内对应的采样轨迹的数量,作为目标采样车流量;
在所述目标统计周期的每一时间段内,经过每一所述道路流量感知设备并提供采样轨迹的车流量;
其中,所述确定每一路径在每一时间段内的全量车流量包括:
还根据在所述目标统计周期的每一时间段内经过每一所述道路流量感知设备并提供采样轨迹的车流量、及每一路径在所述目标统计周期的每一时间段内的目标采样车流量,确定每一路径在所述目标统计周期的每一时间段内的全量车流量。
4.根据权利要求3所述的处理方法,其中,所述确定每一路径在所述目标统计周期的每一时间段内的全量车流量的步骤包括:
根据所述对应关系、和每一所述道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,以每一路径在所述目标统计周期的每一时间段内的全量车流量为变量,构建第一目标表达式;
根据每一所述道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量、每一道路流量感知设备在目标统计周期的每一时间段内监测到的提供采样轨迹的车流量、及每一路径在所述目标统计周期的每一时间段内的目标采样车流量,以每一路径在所述目标统计周期的每一时间段内的全量车流量为变量,构建第二目标表达式;
根据所述第一目标表达式和所述第二目标表达式,得到目标函数;
求解所述目标函数,确定在所述目标函数的值最小的情况下,每一路径在所述目标统计周期的每一时间段内的全量车流量的值。
5.根据权利要求4所述的处理方法,其中,所述构建第一目标表达式的步骤包括:
根据每一所述道路流量感知设备在所述目标统计周期的每一时间段内监测到的目标设备车流量,设置设备车流量向量;
以每一路径在所述目标统计周期的每一时间段内的全量车流量为变量,设置路径全量车流量向量;
根据所述对应关系,构建稀疏矩阵;
根据所述设备车流量向量、所述路径全量车流量向量和所述稀疏矩阵,构建所述第一目标表达式。
6.根据权利要求5所述的处理方法,其中,所述处理方法包括:
获取每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的车流量,作为历史设备车流量;
根据每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的历史设备车流量,构建第一对角矩阵,以还根据所述第一对角矩阵得到所述第一目标表达式;其中,所述第一对角矩阵用于表示所述多个历史统计周期内的历史设备车流量的波动程度。
7.根据权利要求6所述的处理方法,其中,所述根据每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的历史车流量,构建第一对角矩阵的步骤包括:
对于每一道路流量感知设备,分别确定在每一时间段内监测到的历史设备车流量的方差;
根据每一道路流量感知设备在每一时间段内对应的方差,构建所述第一对角矩阵。
8.根据权利要求5所述的处理方法,其中,所述构建第二目标表达式的步骤包括:
根据每一路径在所述目标统计周期的每一时间段内的目标采样车流量,设置路径采样车流量向量;
根据每一道路流量感知设备在目标统计周期的每一时间段内监测到的提供采样轨迹的车流量、和每一所述道路流量感知设备在目标统计周期的每一时间段内监测到的目标设备车流量,确定所述预设区域的渗透率;其中,所述渗透率表示所述预设区域内提供采样轨迹的车流量占比;
根据所述路径采样车流量向量、所述路径全量车流量向量和所述渗透率,构建所述第二目标表达式。
9.根据权利要求8所述的处理方法,其中,所述处理方法还包括:
获取每一所述路径在多个历史统计周期的每一时间段内的采样车流量,作为历史路径采样车流量;
所述构建所述第二目标表达式包括:
根据每一所述路径在多个历史统计周期的每一时间段内的历史路径采样车流量和所述渗透率,构建第二对角矩阵,其中,所述第二对角矩阵用于表示所述多个历史统计周期内的历史路径采样车流量的波动程度;
根据所述路径采样车流量向量、所述路径全量车流量向量和所述第二对角矩阵,得到所述第二目标表达式。
10.根据权利要求9所述的处理方法,其中,所述构建第二对角矩阵的步骤包括:
对于每一路径,分别确定每一时间段内的历史路径采样车流量的方差;
根据每一路径在每一时间段内对应的方差和所述渗透率,构建所述第二对角矩阵。
11.根据权利要求8所述的处理方法,其中,所述确定所述预设区域的渗透率的步骤包括:
确定所有道路流量感知设备在目标统计周期的所有时间段内监测到的提供采样轨迹的车流量的和,作为轨迹车流量和;
确定所有道路流量感知设备在所述目标统计周期的所有时间段内监测到的目标设备车流量的和,作为设备车流量和;
根据所述轨迹车流量和、及所述设备车流量和,得到所述渗透率。
12.根据权利要求5所述的处理方法,其中,所述第一目标表达式和所述第二目标表达式均为半正定二次型表达式。
13.根据权利要求2所述的处理方法,其中,所述获取预设区域内的路径集合的步骤包括:
提取所述预设区域中的至少一对出行组合,所述出行组合包括出发点和到达点;
对于每对出行组合,获取路径长度最短的设定数量条路径,得到所述路径集合。
14.根据权利要求2-13中任一项所述的处理方法,其中,所述处理方法还包括:
根据每一路径在所述目标统计周期的每一时间段内的全量车流量,对所述预设区域进行交通控制。
15.根据权利要求14所述的处理方法,其中,所述根据每一路径在所述目标统计周期的每一时间段内的全量车流量,对所述预设区域进行交通控制的步骤包括:
根据每一路径在目标统计周期的每一时间段内的全量车流量,获得目标路径在未来统计周期的目标时间段内的预测车流量;
根据所述目标路径在未来统计周期的目标时间段内的预测车流量,对所述目标路径所经过的路口进行交通控制。
16.根据权利要求1所述的方法,其中,所述车流量为指定车辆的车流量。
17.一种车流量的处理装置,其中,包括:
路径流量获取模块,用于获取预设区域内的路径集合、及设置在所述预设区域内的道路流量感知设备在至少一个时间段内监测到的车流量,作为目标设备车流量;
对应关系获取模块,用于获取所述路径集合中的每一路径与每一所述道路流量感知设备的对应关系,其中,所述对应关系表示每一所述路径所包括的路段与设置有道路流量感知设备的路段之间的关系;
全量流量确定模块,用于根据所述对应关系、和每一所述道路流量感知设备在每一时间段内监测到的所述目标设备车流量,确定每一路径在每一时间段内的全量车流量;
所述根据所述对应关系、和每一所述道路流量感知设备在每一时间段内监测到的所述目标设备车流量,确定每一路径在每一时间段内的全量车流量,包括:
根据所述对应关系、和每一所述道路流量感知设备在每一时间段内监测到的目标设备车流量,以每一路径在每一时间段内的全量车流量为变量,构建第一目标表达式;
根据所述第一目标表达式得到目标函数;
求解所述目标函数,确定在所述目标函数的值最小的情况下,每一路径在每一时间段内的全量车流量的值,使得每一路径在每一时间段内的全量车流量的值均大于等于零,
所述构建第一目标表达式的步骤包括:
根据每一所述道路流量感知设备在每一时间段内监测到的目标设备车流量,设置设备车流量向量;
以每一路径在的每一时间段内的全量车流量为变量,设置路径全量车流量向量;
根据所述对应关系,构建稀疏矩阵;
获取每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的车流量,作为历史设备车流量;
根据每一所述道路流量感知设备在多个历史统计周期的每一时间段内监测到的所述历史设备车流量,构建第一对角矩阵;
根据所述设备车流量向量、所述路径全量车流量向量、所述稀疏矩阵和所述第一对角矩阵,构建所述第一目标表达式。
18.一种电子设备,其中,包括根据权利要求17所述的处理装置;或者,包括处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行根据权利要求1至16中任一项所述的处理方法。
19.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现如权利要求1至16中任一项所述的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072472.7A CN111063189B (zh) | 2019-11-05 | 2019-11-05 | 一种车流量的处理方法、装置、及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072472.7A CN111063189B (zh) | 2019-11-05 | 2019-11-05 | 一种车流量的处理方法、装置、及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111063189A CN111063189A (zh) | 2020-04-24 |
CN111063189B true CN111063189B (zh) | 2022-05-03 |
Family
ID=70298340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911072472.7A Active CN111063189B (zh) | 2019-11-05 | 2019-11-05 | 一种车流量的处理方法、装置、及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111063189B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932872B (zh) * | 2020-06-29 | 2022-08-02 | 阿里巴巴集团控股有限公司 | 一种交通控制方法、装置及电子设备 |
CN112633735B (zh) * | 2020-12-29 | 2024-03-22 | 杭州海康威视***技术有限公司 | 设备布设方法、装置、电子设备以及存储介质 |
CN114973681B (zh) * | 2022-07-28 | 2022-11-01 | 山东高速信息集团有限公司 | 一种在途车辆感知方法及设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200657A (zh) * | 2014-07-22 | 2014-12-10 | 杭州智诚惠通科技有限公司 | 一种基于视频和传感器的交通流量参数采集方法 |
CN105489004A (zh) * | 2015-11-25 | 2016-04-13 | 杭州电子科技大学 | 面向道路实时速度计算的卡口与浮动车数据融合方法 |
CN106781508A (zh) * | 2017-02-28 | 2017-05-31 | 杭州电子科技大学 | 一种Spark环境下基于多重相空间的短时交通流预测方法 |
CN107134142A (zh) * | 2017-07-10 | 2017-09-05 | 中南大学 | 一种基于多源数据融合的城市道路流量预测方法 |
CN107945510A (zh) * | 2017-11-14 | 2018-04-20 | 东南大学 | 一种考虑交通需求和道路网络运行效率的路段检测方法 |
CN108986465A (zh) * | 2018-07-27 | 2018-12-11 | 深圳大学 | 一种车流量检测的方法、***及终端设备 |
CN109461307A (zh) * | 2018-11-16 | 2019-03-12 | 中电科新型智慧城市研究院有限公司 | 一种预估路段平均车辆流量和od需求的方法 |
CN109544932A (zh) * | 2018-12-19 | 2019-03-29 | 东南大学 | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 |
CN109544916A (zh) * | 2018-11-09 | 2019-03-29 | 同济大学 | 一种基于抽样轨迹数据的路网车辆od估计方法 |
CN109686090A (zh) * | 2019-01-17 | 2019-04-26 | 中南大学 | 一种基于多源数据融合的虚拟交通流量计算方法 |
CN110363994A (zh) * | 2019-07-25 | 2019-10-22 | 北京建筑大学 | 路网全路段动态交通量获取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9208682B2 (en) * | 2014-03-13 | 2015-12-08 | Here Global B.V. | Lane level congestion splitting |
-
2019
- 2019-11-05 CN CN201911072472.7A patent/CN111063189B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200657A (zh) * | 2014-07-22 | 2014-12-10 | 杭州智诚惠通科技有限公司 | 一种基于视频和传感器的交通流量参数采集方法 |
CN105489004A (zh) * | 2015-11-25 | 2016-04-13 | 杭州电子科技大学 | 面向道路实时速度计算的卡口与浮动车数据融合方法 |
CN106781508A (zh) * | 2017-02-28 | 2017-05-31 | 杭州电子科技大学 | 一种Spark环境下基于多重相空间的短时交通流预测方法 |
CN107134142A (zh) * | 2017-07-10 | 2017-09-05 | 中南大学 | 一种基于多源数据融合的城市道路流量预测方法 |
CN107945510A (zh) * | 2017-11-14 | 2018-04-20 | 东南大学 | 一种考虑交通需求和道路网络运行效率的路段检测方法 |
CN108986465A (zh) * | 2018-07-27 | 2018-12-11 | 深圳大学 | 一种车流量检测的方法、***及终端设备 |
CN109544916A (zh) * | 2018-11-09 | 2019-03-29 | 同济大学 | 一种基于抽样轨迹数据的路网车辆od估计方法 |
CN109461307A (zh) * | 2018-11-16 | 2019-03-12 | 中电科新型智慧城市研究院有限公司 | 一种预估路段平均车辆流量和od需求的方法 |
CN109544932A (zh) * | 2018-12-19 | 2019-03-29 | 东南大学 | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 |
CN109686090A (zh) * | 2019-01-17 | 2019-04-26 | 中南大学 | 一种基于多源数据融合的虚拟交通流量计算方法 |
CN110363994A (zh) * | 2019-07-25 | 2019-10-22 | 北京建筑大学 | 路网全路段动态交通量获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111063189A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111063189B (zh) | 一种车流量的处理方法、装置、及电子设备 | |
US9569960B2 (en) | Method and apparatus for providing traffic jam detection and prediction | |
US10089880B2 (en) | Warning driver of intent of others | |
US10650678B2 (en) | Cognitive traffic light pattern analysis and notification | |
CN109005502B (zh) | 车辆定位方法、服务器、车辆及*** | |
US10733541B2 (en) | System, method, and recording medium for geolocation data discovery in streaming texts | |
US20180039838A1 (en) | Systems and methods for monitoring unmanned vehicles | |
CN107742184B (zh) | 车辆调度方法、服务器、客户端及*** | |
US10989549B2 (en) | Route recommendation in map service | |
CN109436174B (zh) | 车辆控制方法、服务器及车辆*** | |
US20240096219A1 (en) | Automatically pairing gps data to planned travel routes of mobile objects | |
CN114077622A (zh) | 处理车辆事件数据以用于行程分析的***和方法 | |
CN113705827B (zh) | 一种模型评估方法、装置及电子设备 | |
CN109005501B (zh) | 车辆定位方法、装置、服务器及*** | |
CN111815942B (zh) | 一种轨迹的处理方法、装置、及电子设备 | |
CN109974690B (zh) | 车辆定位方法、设备及*** | |
US10916132B2 (en) | Vehicle dash cam sign reading | |
CN111199639B (zh) | 调节停车围栏区域的方法、装置、***及服务器 | |
CN105841689A (zh) | 提供长途交通工具信息的方法及装置 | |
CN111754770B (zh) | 一种交通控制方法、装置及电子设备 | |
US20190101403A1 (en) | Cognitive route quality-learning service | |
US10783782B1 (en) | Vehicle management | |
US20220229868A1 (en) | Method and apparatus for automated map object conflict resolution via map event normalization and augmentation | |
CN113936452B (zh) | 一种交通控制方法、装置及电子设备 | |
CN111932872B (zh) | 一种交通控制方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |