CN111402583A - 一种交通事件的感知方法、设备及存储介质 - Google Patents

Abstract

本申请实施例提供一种交通事件的感知方法、设备及存储介质，其中，所述方法包括：响应于交通事件感知指令，确定目标路段对应的参考路段；获取所述参考路段对应的交通状态信息；若根据所述参考路段对应的交通状态信息，检测到所述参考路段的交通状态存在异常，则确定所述目标路段上发生交通事件。据此，本申请实施例中，可基于参考路段的交通状态信息检测参考路段的交通状态是否存在异常，进而可根据参考路段上的交通状态，分析目标路段上是否发生交通事件。这样，可更加全面地感知道路场景中各路段上的交通事件，不再受到视频采集设备的覆盖程度的局限，从而可有效提高交通事件的感知效率。

Description

一种交通事件的感知方法、设备及存储介质

技术领域

本申请涉及智能交通技术领域，尤其涉及一种交通事件的感知方法、设备及存储介质。

背景技术

在道路交通领域中，及时发现道路上发生的交通事件，并及时处理这些交通事件，可保证道路交通的顺畅运行。

目前，主要依赖道路上部署的视频采集设备来感知交通事件。但是，由于视频采集设备对道路的覆盖程度比较低，因此，这种感知方式对交通事件的感知能力比较低，导致若干交通事件无法得到及时处理，进而影响道路交通的顺畅度。

发明内容

本申请的多个方面提供一种交通事件的感知方法、设备及存储介质，用以提高对交通事件的感知效率。

本申请实施例提供一种交通事件的感知方法，包括：

响应于交通事件感知指令，确定目标路段对应的参考路段；

获取所述参考路段对应的交通状态信息；

若根据所述参考路段对应的交通状态信息，检测到所述参考路段的交通状态存在异常，则确定所述目标路段上发生交通事件。

本申请实施例还提供一种计算设备，用于存储器和处理器；

所述存储器用于存储一条或多条计算机指令；

所述处理器与所述存储器耦合，用于执行所述一条或多条计算机指令，以用于：

响应于交通事件感知指令，确定目标路段对应的参考路段；

获取所述参考路段对应的交通状态信息；

若根据所述参考路段对应的交通状态信息，检测到所述参考路段的交通状态存在异常，则确定所述目标路段上发生交通事件。

本申请实施例还提供一种交通事件的感知方法，包括：

响应于交通事件感知指令，确定目标路段对应的参考路段；

若判断所述参考路段的交通状态是否存在异常，则

确定所述目标路段上发生交通事件。

本申请实施例还提供一种存储计算机指令的计算机可读存储介质，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行前述的交通事件的感知方法。

在本申请实施例中，可响应于交通事件感知指令，确定目标路段对应的参考路段；获取所述参考路段对应的交通状态信息；若根据所述参考路段对应的交通状态信息，检测到所述参考路段的交通状态存在异常，则确定所述目标路段上发生交通事件。据此，本申请实施例中，可基于参考路段的交通状态信息检测参考路段的交通状态是否存在异常，进而可根据参考路段上的交通状态，分析目标路段上是否发生交通事件。这样，可更加全面地感知道路场景中各路段上的交通事件，不再受到视频采集设备的覆盖程度的局限，从而可有效提高交通事件的感知效率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请一示例性实施例提供的一种交通事件的感知方法的流程示意图；

图2为本申请一示例性实施例提供的一种交通事件的感知方法的逻辑示意图；

图3为本申请一示例性实施例提供的一种获取参考路段的交通状态信息的方案逻辑示意图；

图4为本申请一示例性实施例提供的一种参考路段的交通状态的示意图；

图5为本申请又一示例性实施例提供的一种计算设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

目前，主要依赖道路上部署的视频采集设备来感知交通事件，感知能力比较低。为改善目前存在的问题，本申请的一些实施例中：可基于参考路段的交通状态信息检测参考路段的交通状态是否存在异常，进而可根据参考路段上的交通状态，分析目标路段上是否发生交通事件。这样，可更加全面地感知道路场景中各路段上的交通事件，不再受到视频采集设备的覆盖程度的局限，从而可有效提高交通事件的感知效率。

以下结合附图，详细说明本申请各实施例提供的技术方案。

图1为本申请一示例性实施例提供的一种交通事件的感知方法的流程示意图。图2为本申请一示例性实施例提供的一种交通事件的感知方法的逻辑示意图。本实施例提供的交通事件的感知方法可以由一交通事件的感知装置来执行，该交通事件的感知装置可以实现为软件或实现为软件和硬件的组合，该交通事件的感知装置可集成设置在计算设备中。如图1所示，该交通事件的感知方法包括：

步骤100、响应于交通事件感知指令，确定目标路段对应的参考路段；

步骤101、获取所述参考路段对应的交通状态信息；

步骤102、若根据所述参考路段对应的交通状态信息，检测到所述参考路段的交通状态存在异常，则确定所述目标路段上发生交通事件。

本实施例提供的交通事件的感知方法，可应用于各种道路场景中。例如，高速、城市道路、国道、省道、码头船只进出通道、物流路径、自行车道、电动车道或人行道等等，本实施例对道路场景不作限定。

本实施例提供的交通事件的感知方法，可从路段维度，感知道路场景中发生的交通事件。

本实施例中，可将道路场景中的道路划分为若干路段，并以路段为处理单元进行交通事件的感知。

例如，可将A省内的高速划分为若干100米规格的路段。

当然，本实施例中，对路段的规格及数量等属性不作限定，实际应用中，可根据需要进行划分。

由于道路中任意路段上的交通事件的感知方案类似，为便于描述，本文中将以目标路段为例进行技术方案的说明。应当理解的是，目标路段可以是道路场景中的任意路段。

在步骤100中，交通事件感知指令可来自前述的交通事件的感知装置之外的各类请求方，例如，道路的管理者等，当然，实际应用中，可预先发放交通事件的感知权限，而仅向具有感知权限的请求方提供感知服务。交通事件感知指令也可来自前述的交通事件的感知装置自身，交通事件的感知装置可周期性或持续性的产生交通事件感知指令，以周期性或持续性地执行对交通事件的感知操作。交通事件感知指令还可采用其它生成方式，本实施例中，对交通事件感知指令的生成方式不作限定。

参考图2，本实施例中，可从道路场景中包含的至少一条路段中，为目标路段选择至少一条参考路段。

其中，参考路段包括但不限于目标路段本身、目标路段的上游路段或目标路段的下游路段。另外，上游路段可以是在目标路段的上游且与目标路段相邻的路段，也可以是在目标路段的上游但与目标路段之间存在一条或多条间隔路段的路段。据此，本实施例中，参考路段中目标路段的上游路段的数量可以是一个或多个。同理，目标路段的下游路段的数量也可以是一个或多个。

例如，对于道路场景中连续的5条路段a、b、c、d和e，若以路段c作为目标路段，则路段c的参考路段可以是【b，c】、【b，c，d】、【c，d】或【a，c，d】等。

本实施例中，可预先指定参考路段。例如，可将目标路段自身以及与目标路段相邻的上游路段和下游路段作为参考路段，在这种情况下，步骤100中，可确定出上例中的路段c的参考路段为【b，c，d】。

当然，也可不指定参考路段。例如，在道路场景中的交通状态信息不全面的情况下，可将拥有交通状态信息且距离目标路段最近的N个路段作为参考路段，其中，N个路段中可包括目标路段本身。

参考图1和图2，在确定出目标路段的参考路段后，步骤101中，可获取参考路段对应的交通状态信息。关于交通状态信息的获取方案将在后续实施例中进行详述。

其中，交通状态信息包括但不限于速度信息、流量信息或密度信息。其中，密度信息是指交通对象的间距信息，例如，车间距、人间距、船间距等。相应地，交通状态的状态维度包括但不限于速度、流量或密度。

参考图1和图2，在步骤102中，可根据参考路段对应的交通状态信息，检测参考路段的交通状态是否存在异常。

对于参考路段为一个的情况，可以检测该参考路段自身的交通状态是否存在异常。这种情况下的检测维度包括但不限于：该参考路段在当前周期内的状态变化维度或该参考路段在当前周期与对应的历史周期之间的状态差异维度。

对于参考路段为多个的情况，可以检测多个参考路段的交通状态之间是否存在异常的波动。这种情况下的检测维度包括但不限于：参考路段在当前周期内的状态变化维度、参考路段在当前周期与对应的历史周期之间的状态差异维度或参考路段与其它参考路段之间的状态差异维度。

还是以前例中的路段c为例，路段c的参考路段为【b，c，d】的情况下，若b和d之间的密度差存在异常，表征出路段b，c，d之间存在异常的密度波动，则可确定该组参考路段的交通状态存在异常。

而若b，c和d在当前周期与对应的历史周期之间均存在状态差异值，但三个路段对应的状态差异值相似，表征出三个路段处于相似的交通状态，三个路段的交通状态之间并不存在异常波动，则可确定该组参考路段的交通状态不存在异常。

据此，本实施例中，可根据参考路段的交通状态是否存在异常，来确定目标路段上是否发生交通事件。

若参考路段的交通状态存在异常，则可确定目标路段上发生交通事件；而若参考路段的交通状态不存在异常，则可确定目标路段上未发生交通事件。

本实施例中，还可在感知到目标路段上发生交通事件的情况下，向交通事件的感知请求方发送提醒通知，以提醒请求方处理交通事件。

本实施例中，可基于参考路段的交通状态信息检测参考路段的交通状态是否存在异常，进而可根据参考路段上的交通状态是否存在异常，而分析目标路段上是否发生交通事件。这样，可更加全面地、更加及时地感知道路场景中各路段上的交通事件，不再受到视频采集设备的覆盖程度的局限，从而可有效提高交通事件的感知效率，进而可及时处理交通事件，保证道路场景中的交通顺畅度。

在上述或下述实施例中，可采用多种实现方式获取参考路段的交通状态信息。本实施例中，将从单个参考路段的角度，描述获取交通状态信息的方案。

在一种示例性的实现方式中，可利用参考路段关联的交通状态采集设备，获取参考路段对应的交通状态参考信息。

其中，交通状态采集设备包括图像采集设备、视频采集设备、ETC感应设备、收费站的收费设备、导航设备、地磁感应设备中的一种或多种。

在实际应用中，道路环境中通常设置有若干交通状态采集设备，交通状态采集设备分布在道路环境中的各个路段上。对于单个路段而言，其上的交通状态采集设备的种类可能有一种或多种，而单种交通状态采集设备下的设备数量也可能是一种或多种。

例如，目标路段上可设置有视频采集设备和导航设备两类交通状态采集设备，而目标路段上的视频采集设备有1个，导航设备则有8个。

图3为本申请一示例性实施例提供的一种获取参考路段的交通状态信息的方案逻辑示意图。

参加图3，在该实现方式中，针对任意参考路段，可利用该参考路段上的交通状态采集设备采集到的交通状态参考信息，确定该参考路段的交通状态信息。其中，图3中的互联网数据可以包括导航设备提供的导航数据，龙门架数据可包括龙门架上的图像采集设备或视频采集设备提供的数据，ETC数据可以包括ETC感应装置提供的数据，收费站数据可以包括收费站的收费设备提供的数据，视频结构化数据可以包含视频采集设备提供的数据。当然，图3中示出的几种数据来源也仅是示例性，本实施例并不限于此。

对于一个参考路段来说，若参考路段关联的交通状态采集设备为一个，则可将该交通状态采集设备采集到的交通状态参考信息，作为参考路段的交通状态信息。

参考图3，若参考路段关联的交通状态采集设备为多个，则可对多个交通状态参考信息进行数据融合，以获得参考路段对应的交通状态信息。

这种情况下，对于同一状态维度，多个交通状态采集设备提供的状态参考值可能不完全相同。例如，对于速度维度，交通状态采集设备A提供的速度值为50km/h，交通状态采集设备B提供的速度值则为60km/h。

对此，在该实现方式下，可针对目标状态维度，分别从多个交通状态参考信息中，获取目标状态维度下的状态参考值；对获取到的多个状态参考值进行融合处理，以生成目标状态维度下的状态取值；根据目标状态维度下的状态取值，构建参考路段对应的交通状态信息。其中，目标状态维度交通状态信息所包含的任意一种状态维度。

也即是，基于融合处理操作，计算各状态维度下的状态取值，从而构建参考路段对应的交通状态信息。

其中，融合处理操作包括求均值操作、取最值操作、取中间值操作或加权求和操作中的一种或多种，而且，融合处理操作并不限于此。

据此，该实现方式中，可对道路环境中各类交通状态采集设备提供的数据进行数据融合，从而可达到对道路环境中全路段的数据覆盖，以获得全路段的交通状态信息，这可为交通事件的感知方案提供更加全面、更加准确的数据基础。

当然，本实施例中，还可采用其它实现方式获取参考路段的交通状态信息，根据参考路段上游或下游中交通状态信息已知的路段，分析出参考路段的交通状态信息等，本实施例并不限于此。

在上述或下述实施例中，可根据参考路段对应的交通状态信息，计算参考路段在至少一种检测维度下的状态特征值；若至少一种状态特征值符合交通事件认定条件，则确定目标路段上发生交通事件。

正前述实施例中提及的，检测维度包括但不限于：参考路段在当前周期内的状态变化维度、参考路段在当前周期与对应的历史周期之间的状态差异维度或参考路段与其它参考路段之间的状态差异维度。其中，当前周期的长度可以是预设长度，终点可以是当前时刻。当然，检测维度还可包含其它能够反映参考路段的交通状态波动情况的维度，本实施并不限于此。

相应地，状态特征值包括但不限于：参考路段在当前时刻与当前周期内的其它时刻之间的状态差异值、参考路段在当前周期内的状态变化速率、参考路段与其它参考路段之间的状态差异值、参考路段在当前周期与对应的历史周期之间的各时刻下的状态差异值及状态比值、状态差异值最值或状态比值最值。当然，状态特征值还可包含其它能够反映参考路段的交通状态波动情况的状态特征值，本实施并不限于此。

图4为本申请一示例性实施例提供的一种参考路段的交通状态的示意图。

参考图4，对于参考路段为多个的情况，可根据各参考路段在至少一种检测维度下的状态特征值，分析各参考路段的交通状态之间的波动情况，进而可判断分析出的波动情况是否符合交通事件认定条件。

参考图4，示出了三个参考路段在速度维度、流量维度及密度维度下的交通状态，从图4中可见，参考路段1、2、3在速度维度和密度维度下的波动情况符合交通事件认定条件，属于异常波动，可确定目标路段上发生交通事件。

另外，对于目标路段来说，可为不同组合的参考路段设定不同的交通事件认定条件。这主要是考虑到目标路段上发生的交通事件对不同的参考路段的影响程度、影响的状态维度可能不完全相同。对于不同组合的参考路段，目标路段上的同一交通事件所导致的交通状态的波动情况可能不完全相同。

据此，基于前述实施例提供的全路段的数据覆盖方案，可指定参考路段的组合方式，而在参考路段的组合方式确定的情况下，可采用与指定的组合方式适配的交通事件认定条件。从而更加快捷地确定出目标路段上是否发生交通事件。

在一种示例性实现方式中，可将至少一种状态特征值输入异常检测模型；在异常检测模型中，基于状态特征值与认定结果之间的映射关系，根据至少一种状态特征值，生成目标认定结果；若目标认定结果对应发生交通事件，则确定目标路段上发生交通事件；其中，映射关系用于表征交通事件认定条件。

在该实现方式中，将交通事件的感知问题构建为分类问题。利用异常检测模型，对参考路段的至少一种状态特征值进行异常检测，从而输出分类结果，也即上述的认定结果。其中，异常检测模型输出的认证结果可包括对应于发生交通事件的第一结果和对应于未发生交通事件的第二结果。

据此，若目标认定结果为上述的第一结果，则可确定目标路段上发生交通事件。

实际应用中，异常检测模块可采用随机森林模块或逻辑回归模型，当然，这仅是示例性的，本实施例中异常检测模型还可采用其它能够实现分类的模型，本实施例并不限于此。

以随机森林模型为例，该实现方式中，可将至少一种状态特征值输入随机森林模型，随机森林模型中的各决策树可独立地给出分类结果，即独立为两种分类结果进行投票，随机森林模型可分别统计第一结果和第二结果下的投票数量，进而将投票数量更多的分类结果作为前述的目标认定结果。

当然，关于随机森林模型中的实现细节仅是示例性的，本实施例对此并不做限定。

另外，该实现方式中，还可预先训练异常检测模型。

在训练过程中，可将训练数据输入异常检测模型，以供异常检测模型学习状态特征值与认定结果之间的映射关系，也即前述的交通事件认定条件。其中，训练数据中可包含样本路段对应的参考路段的状态特征值以及样本路段对应的认定结果。

以随机森林模型为例，可将训练数据输入随机森林模型，以供随机森林模型确定其中各决策树中的模型参数，这些模型参数用于表征状态特征值与认定结果之间的映射关系，从而实现对随机森林模型的训练。

在异常检测模型的准确率达到预设要求的情况下，可停止训练过程。

对于前述的目标路段的参考路段的组合方式不确定的情况，可分别训练异常检测模型在参考路段的不同组合方式下的状态特征值与认定结果之间的映射关系。

在这种情况下，基于训练出的异常检测模型，在对目标路段进行交通事件感知的过程中，可将目标路段对应的参考路段的实际组合方式以及参考路段的至少一种状态值输入异常检测模型，在异常检测模型中，可基于参考路段的实际组合方式下的状态特征值与认定结果之间的映射关系，生成目标认定结果。

其中，组合方式可表征为参考路段与目标路段之间的位置关系等信息。

当然，本实施例中，还可采用其它实现方式确定参考路段的至少一种状态特征值是否符合交通事件认定条件，例如，可将交通事件认定条件表征为若干条判断条件，判断参考路段的至少一种状态特征值是否符合这些判断条件，从而确定至少一种状态特征值是否符合交通事件认定条件。本实施例并不限于此。

在上述或下述实施例中，还可在展示界面中展示道路场景内的至少一条路段；若确定至少一条路段中的目标路段上发生交通事件，在展示界面中，为目标路段渲染提示效果，以展示目标路段上发生的交通事件。

本实施例中，可基于交通事件的感知装置的展示界面，或者前述实施例中提及的交通事件感知请求方的展示界面，展示道路场景中发生的交通事件。

基于道路场景中预先划分的若干路段，以及对各路段上交通事件的感知结果，可在展示界面中准确地展示交通事件的发生位置，从而可更加直观、更加精准地展示道路场景中发生的交通事件。

本申请另一示例性实施例还提供一种交通事件的感知方法，该方法包括：

响应于交通事件感知指令，确定目标路段对应的参考路段；

若判断参考路段的交通状态是否存在异常，则

确定目标路段上发生交通事件。

其中，本实施例中，步骤判断参考路段的交通状态是否存在异常，可采用图1相关实施例中提出的实现方式，当然，也可采用其它实现方式，在此不作限定。

另外，本实施例中的其它步骤也可参考图1相关实施例中提出的实现方式，为节省篇幅，在此不再赘述，但这不应造成本申请保护范围的损失。

需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。

另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如100、101等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。

图5为本申请又一示例性实施例提供的一种计算设备的结构示意图。如图5所示，该计算设备包括存储器50和处理器51；

存储器50，用于存储计算机程序，并可被配置为存储其它各种数据以支持在计算平台上的操作。这些数据的示例包括用于在计算平台上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

处理器51与存储器51耦合，用于执行一条或多条计算机指令，以用于：

响应于交通事件感知指令，确定目标路段对应的参考路段；

获取参考路段对应的交通状态信息；

若根据参考路段对应的交通状态信息，检测到参考路段的交通状态存在异常，则确定目标路段上发生交通事件。

在一可选实施例中，处理器51在执行若根据参考路段对应的交通状态信息，检测到参考路段的交通状态存在异常，则确定目标路段上发生交通事件操作时，用于：

根据参考路段对应的交通状态信息，计算参考路段在至少一种检测维度下的状态特征值；

若至少一种状态特征值符合交通事件认定条件，则确定目标路段上发生交通事件。

在一可选实施例中，处理器51在执行若至少一种状态特征值符合交通事件认定条件，则确定目标路段上发生交通事件时，用于：

将至少一种状态特征值输入异常检测模型；

在异常检测模型中，基于状态特征值与认定结果之间的映射关系，根据至少一种状态特征值，生成目标认定结果；

若目标认定结果对应发生交通事件，则确定目标路段上发生交通事件；

其中，映射关系用于表征交通事件认定条件。

在一可选实施例中，异常检测模型包括随机森林模型或逻辑回归模型中的一种或多种。

在一可选实施例中，检测维度包括：参考路段在当前周期内的状态变化维度、参考路段在当前周期与对应的历史周期之间的状态差异维度或参考路段与其它参考路段之间的状态差异维度。

在一可选实施例中，参考路段包括目标路段自身、目标路段的上游路段或目标路段的下游路段中的一种或多种。

在一可选实施例中，处理器51在获取参考路段对应的交通状态信息时，用于：

利用参考路段关联的交通状态采集设备，获取参考路段对应的交通状态参考信息；

若参考路段关联的交通状态采集设备为多个，对多个交通状态参考信息进行数据融合，以获得参考路段对应的交通状态信息。

在一可选实施例中，交通状态采集设备包括图像采集设备、视频采集设备、ETC感应设备、收费站的收费设备、导航设备、地磁感应设备中的一种或多种。

在一可选实施例中，处理器51在对多个交通状态参考信息进行数据融合，以获得参考路段对应的交通状态信息时，用于：

针对目标状态维度，分别从多个交通状态参考信息中，获取目标状态维度下的状态参考值；

对获取到的多个状态参考值进行融合处理，以生成目标状态维度下的状态取值；

根据目标状态维度下的状态取值，构建参考路段对应的交通状态信息；

其中，目标状态维度交通状态信息所包含的任意一种状态维度。

在一可选实施例中，状态维度包括速度、流量或密度。

在一可选实施例中，融合处理操作包括求均值操作、取最值操作、取中间值操作或加权求和操作中的一种或多种。

在一可选实施例中，处理器51还用于：

在感知到目标路段上发生交通事件的情况下，向交通事件的感知请求方发送提醒通知，以提醒请求方处理交通事件。

在一可选实施例中，处理器51还用于：

在展示界面中展示道路场景内的至少一条路段；

若确定至少一条路段中的目标路段上发生交通事件，在展示界面中，为目标路段渲染提示效果，以展示目标路段上发生的交通事件。

值得说明的是，上述关于计算设备的各实施例中的技术细节，可参考前述的交通事件的感知方法相关实施例中的描述，为节省篇幅，在此不再赘述，但这不应造成对本申请保护范围的损失。

进一步，如图5所示，该计算设备还包括：通信组件52、电源组件53、显示器54等其它组件。图5中仅示意性给出部分组件，并不意味着计算设备只包括图5所示组件。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由计算设备执行的各步骤。

其中，通信组件52被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如WiFi，2G、3G、4G/LTE、5G等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

其中，电源组件53，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理***，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。

其中，显示器54包括屏幕，其屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。

本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (28)

1.一种交通事件的感知方法，其特征在于，包括：

响应于交通事件感知指令，确定目标路段对应的参考路段；

获取所述参考路段对应的交通状态信息；

若根据所述参考路段对应的交通状态信息，检测到所述参考路段的交通状态存在异常，则确定所述目标路段上发生交通事件。

2.根据权利要求1所述的方法，其特征在于，所述若根据所述参考路段对应的交通状态信息，检测到所述参考路段的交通状态存在异常，则确定所述目标路段上发生交通事件，包括：

根据所述参考路段对应的交通状态信息，计算所述参考路段在至少一种检测维度下的状态特征值；

若所述至少一种状态特征值符合交通事件认定条件，则确定所述目标路段上发生交通事件。

3.根据权利要求2所述的方法，其特征在于，所述若所述至少一种状态特征值符合交通事件认定条件，则确定所述目标路段上发生交通事件，包括：

将所述至少一种状态特征值输入异常检测模型；

在所述异常检测模型中，基于状态特征值与认定结果之间的映射关系，根据所述至少一种状态特征值，生成目标认定结果；

若所述目标认定结果对应发生交通事件，则确定所述目标路段上发生交通事件；

其中，所述映射关系用于表征所述交通事件认定条件。

4.根据权利要求2所述的方法，其特征在于，所述检测维度包括：所述参考路段在当前周期内的状态变化维度、所述参考路段在当前周期与对应的历史周期之间的状态差异维度或所述参考路段与其它参考路段之间的状态差异维度。

5.根据权利要求2所述的方法，其特征在于，所述异常检测模型包括随机森林模型或逻辑回归模型中的一种或多种。

6.根据权利要求1所述的方法，其特征在于，所述参考路段包括所述目标路段自身、所述目标路段的上游路段或所述目标路段的下游路段中的一种或多种。

7.根据权利要求1所述的方法，其特征在于，所述获取所述参考路段对应的交通状态信息，包括：

利用所述参考路段关联的交通状态采集设备，获取所述参考路段对应的交通状态参考信息；

若所述参考路段关联的交通状态采集设备为多个，对所述多个交通状态参考信息进行数据融合，以获得所述参考路段对应的交通状态信息。

8.根据权利要求7所述的方法，其特征在于，所述交通状态采集设备包括图像采集设备、视频采集设备、ETC感应设备、收费站的收费设备、导航设备、地磁感应设备中的一种或多种。

9.根据权利要求7所述的方法，其特征在于，所述对所述多个交通状态参考信息进行数据融合，以获得所述参考路段对应的交通状态信息，包括：

针对目标状态维度，分别从所述多个交通状态参考信息中，获取所述目标状态维度下的状态参考值；

对获取到的多个状态参考值进行融合处理，以生成所述目标状态维度下的状态取值；

根据所述目标状态维度下的状态取值，构建所述参考路段对应的交通状态信息；

其中，所述目标状态维度所述交通状态信息所包含的任意一种状态维度。

10.根据权利要求9所述的方法，其特征在于，所述状态维度包括速度、流量或密度。

11.根据权利要求9所述的方法，其特征在于，所述融合处理操作包括求均值操作、取最值操作、取中间值操作或加权求和操作中的一种或多种。

12.根据权利要求1所述的方法，其特征在于，还包括：

在感知到所述目标路段上发生交通事件的情况下，向所述交通事件的感知请求方发送提醒通知，以提醒所述请求方处理所述交通事件。

13.根据权利要求1所述的方法，其特征在于，还包括：

在展示界面中展示道路场景内的至少一条路段；

若确定所述至少一条路段中的所述目标路段上发生交通事件，在所述展示界面中，为所述目标路段渲染提示效果，以展示所述目标路段上发生的交通事件。

14.一种计算设备，其特征在于时，用于存储器和处理器；

所述存储器用于存储一条或多条计算机指令；

所述处理器与所述存储器耦合，用于执行所述一条或多条计算机指令，以用于：

响应于交通事件感知指令，确定目标路段对应的参考路段；

获取所述参考路段对应的交通状态信息；

若根据所述参考路段对应的交通状态信息，检测到所述参考路段的交通状态存在异常，则确定所述目标路段上发生交通事件。

15.根据权利要求14所述的设备，其特征在于，所述处理器在执行若根据所述参考路段对应的交通状态信息，检测到所述参考路段的交通状态存在异常，则确定所述目标路段上发生交通事件操作时，用于：

根据所述参考路段对应的交通状态信息，计算所述参考路段在至少一种检测维度下的状态特征值；

若所述至少一种状态特征值符合交通事件认定条件，则确定所述目标路段上发生交通事件。

16.根据权利要求15所述的设备，其特征在于，所述处理器在执行若所述至少一种状态特征值符合交通事件认定条件，则确定所述目标路段上发生交通事件时，用于：

将所述至少一种状态特征值输入异常检测模型；

在所述异常检测模型中，基于状态特征值与认定结果之间的映射关系，根据所述至少一种状态特征值，生成目标认定结果；

若所述目标认定结果对应发生交通事件，则确定所述目标路段上发生交通事件；

其中，所述映射关系用于表征所述交通事件认定条件。

17.根据权利要求16所述的设备，其特征在于，所述异常检测模型包括随机森林模型或逻辑回归模型中的一种或多种。

18.根据权利要求15所述的设备，其特征在于，所述检测维度包括：所述参考路段在当前周期内的状态变化维度、所述参考路段在当前周期与对应的历史周期之间的状态差异维度或所述参考路段与其它参考路段之间的状态差异维度。

19.根据权利要求14所述的设备，其特征在于，所述参考路段包括所述目标路段自身、所述目标路段的上游路段或所述目标路段的下游路段中的一种或多种。

20.根据权利要求14所述的设备，其特征在于，所述处理器在获取所述参考路段对应的交通状态信息时，用于：

利用所述参考路段关联的交通状态采集设备，获取所述参考路段对应的交通状态参考信息；

若所述参考路段关联的交通状态采集设备为多个，对所述多个交通状态参考信息进行数据融合，以获得所述参考路段对应的交通状态信息。

21.根据权利要求20所述的设备，其特征在于，所述交通状态采集设备包括图像采集设备、视频采集设备、ETC感应设备、收费站的收费设备、导航设备、地磁感应设备中的一种或多种。

22.根据权利要求20所述的设备，其特征在于，所述处理器在对所述多个交通状态参考信息进行数据融合，以获得所述参考路段对应的交通状态信息时，用于：

针对目标状态维度，分别从所述多个交通状态参考信息中，获取所述目标状态维度下的状态参考值；

对获取到的多个状态参考值进行融合处理，以生成所述目标状态维度下的状态取值；

根据所述目标状态维度下的状态取值，构建所述参考路段对应的交通状态信息；

其中，所述目标状态维度所述交通状态信息所包含的任意一种状态维度。

23.根据权利要求22所述的设备，其特征在于，所述状态维度包括速度、流量或密度。

24.根据权利要求22所述的设备，其特征在于，所述融合处理操作包括求均值操作、取最值操作、取中间值操作或加权求和操作中的一种或多种。

25.根据权利要求14所述的设备，其特征在于，所述处理器还用于：

在感知到所述目标路段上发生交通事件的情况下，向所述交通事件的感知请求方发送提醒通知，以提醒所述请求方处理所述交通事件。

26.根据权利要求14所述的设备，其特征在于，所述处理器还用于：

在展示界面中展示道路场景内的至少一条路段；

若确定所述至少一条路段中的所述目标路段上发生交通事件，在所述展示界面中，为所述目标路段渲染提示效果，以展示所述目标路段上发生的交通事件。

27.一种交通事件的感知方法，其特征在于，包括：

响应于交通事件感知指令，确定目标路段对应的参考路段；

若判断所述参考路段的交通状态是否存在异常，则

确定所述目标路段上发生交通事件。

28.一种存储计算机指令的计算机可读存储介质，其特征在于，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行权利要求1-13或27任一项所述的交通事件的感知方法。

Images