CN111564036A - 交通信息可信度的检测方法、装置、***及存储介质 - Google Patents

Abstract

本发明公开了一种交通信息可信度的检测方法，包括：获取预设时长内的车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据；根据所述车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据计算信息熵；基于所述信息熵确定交通信息的可信度。该方法是一种指标丰富的综合检测方法，其结果可靠性强，可定量检测交通信息的可信度。

Description

交通信息可信度的检测方法、装置、***及存储介质

技术领域

本发明涉及智能交通技术领域，特别涉及一种交通信息可信度的检测方法、装置、***及存储介质。

背景技术

随着车辆保有量的大幅增加，交通拥堵问题已成为国内大中型城市必须直面的问题，在这种背景下，人们发展了动态交通信息服务，在指导公众出行，治理交通拥堵等方面具有十分重要的作用。动态交通信息的准确性和可靠性对交通信息的使用者来讲是非常关键的。对于公众出行而言，错误的交通信息将导致路径规划和选择不合理，浪费出行者的时间，加剧社会能源损耗和污染排放；对于社会管理而言，错误的交通信息将导致政府不能根本性发现交通运行的问题，进而投入有限的资源进行针对性的治理。因此，在发布交通信息时，需要对其可信度进行检测，以提升交通信息的准确性和可靠性。

目前，对交通信息可信度检测的方法多采用实地测试方法，如实地测试给定道路的实际交通运行参数作为真值，将相应时段和路段的发布交通信息数据与真值作比较以检测其准确性和可靠性，实地观测方法对交通信息的可靠性检测直观有效，但也存在采样范围较小，难以覆盖所有交通信息数据的特点，并且，由于测试人员的主观认知和信息提取方法的差异性，其交通信息与实际真值相比难免存在偏差。

发明内容

本公开实施例提供了一种交通信息可信度的检测方法、装置及存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

在一些可选地实施例中，一种交通信息可信度的检测方法，包括：

获取预设时长内的车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据；

根据车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据计算信息熵；

基于信息熵确定交通信息的可信度。

进一步地，所述获取预设时长内的车辆样本特征数据，包括：

获取预设时长和预设道路内所有车辆的行驶里程数据，获取预设道路的长度数据，基于所述车辆的行驶里程数据和道路的长度数据确定所述车辆样本特征数据中的车辆里程覆盖率数据；

将预设道路均匀划分，统计每份道路车辆轨迹覆盖总长，基于每份道路车辆轨迹覆盖总长确定所述车辆样本特征数据中的车辆空间分布数据；

将预设时长均匀划分，统计每份时间切片内的车辆数据，基于每份时间切片内的车辆数据确定所述车辆样本特征数据中的车辆时间分布数据；

计算车辆经过预设道路的平均速度，基于所述平均速度确定所述车辆样本特征数据中的车辆速度分布数据。

进一步地，所述获取预设时长内的交通信息空间稳定性数据，包括：

以当前路段为起点，搜索上下游交通趋势一致的连续路段，基于所述连续路段的长度确定所述交通信息空间稳定性数据中的交通信息持续长度数据；

计算当前路段的平均通行速度，分别计算当前路段所有下游路段的平均通行速度，分别计算当前路段所有上游路段的平均通行速度，基于当前路段及其上下游所有相邻路段的平均通行速度确定所述交通信息空间稳定性数据中的上下游变化率数据。

进一步地，所述获取预设时长内的交通信息时间稳定性数据，包括：

计算预设道路所有等长连续时间间隔内的车辆通行时间，依次求出相邻间隔的通行时间的变化率，基于所有变化率的均值确定所述交通信息时间稳定性数据中的交通信息变化率数据。

进一步地，根据车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据计算信息熵，包括：

对上述各个数据进行归一化处理，得到归一化后的数据；

根据归一化后的数据建立检测矩阵；

根据检测矩阵计算各个数据的信息熵。

进一步地，基于信息熵确定交通信息的可信度，包括：

基于信息熵确定车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据的权重；

根据上述各个数据的权重确定交通信息的可信度。

进一步地，基于信息熵确定交通信息的可信度，包括：

基于信息熵确定实时交通信息的可信度；

基于信息熵确定历史交通信息的可信度。

在一些可选地实施例中，一种交通信息可信度的检测装置，包括：

获取模块，用于获取预设时长内的车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据；

计算模块，用于根据车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据计算信息熵；

确定模块，用于基于信息熵确定交通信息的可信度。

在一些可选地实施例中，一种交通信息可信度的检测***，包括：

一个或多个处理器、存储一个或多个程序的存储装置；

当一个或多个程序被一个或多个处理器执行时，一个或多个处理器实现上述实施例提供的一种交通信息可信度的检测方法。

在一些可选地实施例中，一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上述实施例提供的一种交通信息可信度的检测方法。

本公开实施例提供的技术方案可以包括以下有益效果：

本发明提出一种交通信息可信度的检测方法，通过获取车辆样本特征、交通信息空间稳定性、交通信息时间稳定性三个方面的可信度基础检测数据，并对计算上述数据的信息熵，通过信息熵得出交通信息的可信度，完成对交通信息的可信度的量化检测。通过上述方法，可对交通信息数据整体进行检测，突破了实地观测或者路测方法的局限性，检测数据丰富，实现交通信息的多元化检测，定量检测，可应用于历史数据检测和交通规律挖掘。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种交通信息可信度的检测方法的流程示意图；

图2是根据一示例性实施例示出的一种各检测数据的逻辑关系示意图；

图3是根据一示例性实施例示出的一种车辆里程覆盖率数据的计算方法的示意图；

图4是根据一示例性实施例示出的一种车辆空间分布的检测方法的示意图；

图5是根据一示例性实施例示出的一种车辆空间分布的检测依据示意图；

图6是根据一示例性实施例示出的一种交通信息上下游交通趋势的检测方法示意图；

图7是根据一示例性实施例示出的一种交通信息上下游交通趋势检测实例示意图；

图8是根据一示例性实施例示出的一种车辆里程覆盖率数据归一化方法的示意图；

图9是根据一示例性实施例示出的一种交通信息可信度的检测装置的结构示意图；

图10是根据一示例性实施例示出的一种交通信息可信度的检测***的结构示意图。

具体实施方式

为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或一个以上实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。

实施例1：

本公开实施例提供了一种交通信息可信度的检测方法，图1是根据一示例性实施例示出的一种交通信息可信度的检测方法的流程示意图。

在本公开实施例中，一种交通信息可信度的检测方法，包括：

S101获取预设时长内的车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据；

具体地，车辆样本特征数据包括车辆里程覆盖率数据、车辆空间分布数据、车辆时间分布数据、车辆速度分布数据；交通信息空间稳定性数据包括交通信息持续长度数据、上下游变化率数据；交通信息时间稳定性数据包括交通信息变化率数据。

获取预设时长内的上述数据，因道路交通的规律性，可选取每周的对应日期，如所有的周一的相同时间段，计算其相应数据组成的检测矩阵。

具体地，获取预设时长内的车辆里程覆盖率数据，在预设时长内，获取预设时长和预设道路内所有车辆的行驶里程数据，获取预设道路的长度数据，基于车辆的行驶里程数据和道路的长度数据确定车辆里程覆盖率数据。定义某路段内所有车辆在该路段行驶里程之和与路段长度的比值为该路段的车辆里程覆盖率。公式如下：

式中，C为该路段车辆里程覆盖率，n为车辆数，l_k为第k辆车在道路上行驶距离，L为道路长度，图3是根据一示例性实施例示出的一种车辆里程覆盖率数据的计算方法的示意图，如图3中道路AB的车辆里程覆盖率计算公式为：

车辆里程覆盖率可以反映当前道路上车辆轨迹数据的在量上的特征，该值越高，其交通信息越可靠。

具体地，获取车辆空间分布数据，一般认为，车辆在路段上分布较为均匀，车辆轨迹覆盖较为完整，则计算所得交通信息可靠性较高，因此，本发明给出一种获取车辆空间分布数据的方法：图4是根据一示例性实施例示出的一种车辆空间分布的检测方法的示意图，如图4所示，将道路均匀地划分为n份，其中，n为大于等于2的正整数，分别为r₁,r₂,r₃...r_n，统计每一小段道路上车辆轨迹覆盖的总长l₁,l₂,l₃...l_n，获取上述道路数据，通过数理统计方法，如标准差方法分析这些覆盖长度的分布，覆盖长度均值l_ave,的计算公式：

车辆空间分布数据σ_cov计算公式：

σ_cov可衡量每小段道路车辆轨迹覆盖长度的离散程度，该值大，则认为车辆空间分布不均匀，路况信息可靠性较差。图5是根据一示例性实施例示出的一种车辆空间分布的检测依据示意图，如图5所示，道路1上的车辆轨迹空间分布优于道路2，此时其交通信息可靠性优于道路2。

具体地，获取车辆时间分布数据，包括，时间分布检测主要检测车辆数据的时效性，本发明采用以下方法：

设待检测交通信息的预设时间切片为t，则将t均匀划分为n个小切片，其中，n为大于等于2的正整数，如可划分每分钟为一个切片，按照时间增长顺序分别定权值p＝1,2,...m，每个时间切片内包含车辆数分别为n₁,n₂,...n_m。则通过加权平均可计算出每辆车的时间分布数据：

p_ave可检测样本整体的时效性，其值与时效性成正相关。样本时效性是检测当前交通信息的重要数据。

具体地，获取车辆速度分布数据，包括，获取预设时长内的车辆的速度信息，计算每辆车经过路段的平均速度，可通过车速标准差检测速度分布：

式中，σ_v为车辆速度分布数据，v_i为第i辆车的平均车速，

为当前道路所有车辆的平均车速，n为当前但路上的车辆数。

通常在同一道路上，因交通趋势相同，经过的车辆的行驶行为应具有趋同性。若车辆行为差异较大，表现在速度分布中是较为离散，则说明当前道路交通情况较为复杂，其交通信息可靠性也较低。σ_v可用于速度分布检测，其与交通信息可靠性成负相关。

具体地，获取交通信息持续长度数据，包括，交通趋势覆盖范围越大，其稳定性越高，出现剧烈变化的概率越低，因此，可通过上下游搜索获取一个连续的、交通趋势相同的范围，该范围包含当前路段，以搜索所得范围的长度L作为交通信息持续长度数据，长度越长，则可靠性越高。

具体地，获取上下游变化率数据，包括，图6是根据一示例性实施例示出的一种交通信息上下游交通趋势的检测方法示意图，如图6所示，l_c为当前待检测路段，获取其平均通行速度为v_c，{l_next1,l_next2,...l_nextn}为l_c下游所有路段，共n条，其对应平均通行速度为{v_next1,v_next2,...v_nextn}；{l_pre1,l_pre2,...l_pren}为l_c上游所有路段，共m条，其对应平均通行速度为{v_pre1,v_pre2,...v_pren}。

则定义l_c路段的上下游变化率为：

式中，v_i是第i个下游路段的平均通行速度，v_j是第j个上游路段的平均通行速度。

图7是根据一示例性实施例示出的一种交通信息上下游交通趋势检测实例示意图；图7所示为实际计算实例，路段AB、BC、CD是三条相邻路段，其平均通行速度分别为v₁、v₂、v₃。则路段BC的上下游速度变化率分别为

计算其上下游变化率作为检测数据：

r_ave可用于检测当前路段交通信息与拓扑邻接路段交通信息的背离程度，r_ave交通信息的可靠性成负相关。

具体地，获取交通信息变化率数据，交通趋势一般是稳定的，极少出现剧烈变化，剧烈变化一般出现在交通扰动，如发生交通事故附近的极小范围内，且由扰动点向外扩散过程中，交通变化的趋势会趋于平缓。因此，本发明通过目标路段交通信息的时序分析，以其时间稳定性检测其可靠性。以时间t为横坐标，以目标路段的通行时间t^pass为纵坐标，对n个等长连续的时间间隔内的通行时间数据做如下分析：

首先，依次求出相邻两个时间间隔的斜率k：

然后求交通信息变化率k_ave：

k_ave反映一段时间内路段通行时间的变化程度，该值与路况信息稳定性成负相关。

通过上述方法，可以获取到车辆里程覆盖率数据、车辆空间分布数据、车辆时间分布数据、车辆速度分布数据、交通信息持续长度数据、上下游变化率数据、交通信息变化率数据。

S102根据车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据计算信息熵；

具体地，对上述各个数据进行归一化处理，得到归一化后的数据；

通常，因各数据单位和值相差过大，需对各数据做归一化处理，以车辆里程覆盖率数据和车辆速度分布数据为例：

图8是根据一示例性实施例示出的一种车辆里程覆盖率数据归一化方法的示意图；如图8所示，获取并统计所有路况数据的车辆里程覆盖率，得到该统计表，取路段数95％数据点对应车辆里程覆盖率C_max为最大值，超出该值的数据也记为C_max，同时取最小的C值作为C_min。对所有车辆里程覆盖率数据做归一化处理：

对于车辆速度分布数据也做类似处理，但注意因其与路况可靠性成负相关，计算公式应为：

通过上述方法，对获取到的所有车辆里程覆盖率数据、车辆空间分布数据、车辆时间分布数据、车辆速度分布数据、交通信息持续长度数据、上下游变化率数据、交通信息变化率数据都进行归一化处理，得到归一化后的数据。

根据归一化后的数据建立检测矩阵；

具体地，图2是根据一示例性实施例示出的一种各检测数据的逻辑关系示意图；如图2所示，对所有数据做预处理，并取出某路段每周的对应时段所有数据构建检测矩阵：

其中，n表示共n天对应时段数据，为方便表示，将这七个数据依次用X₁,X₂,...,X₇表示，则矩阵表示为：

进一步地，对上述七个数据进一步做归一化处理，归一化后的数据为Y₁,Y₂,...,Y₇，那么：

根据检测矩阵计算各个数据的信息熵，具体地，根据信息熵的定义，一组数据信息熵的计算公式为：

其中，

若p_ij＝0，则定义

根据计算公式，计算7个数据的信息熵E₁,E₂,...,E₇。

S103基于信息熵确定交通信息的可信度。

通过信息熵计算该路段可信度R：

其中，W_j为第j个数据的计算权重，计算公式为：

某路段的交通信息可信度R取值为[0,1]，值越接近1，可靠性越高。

通过上述方法，可对交通信息数据整体进行检测，突破了实地观测或者路测方法的局限性，检测数据丰富，实现交通信息的多元化检测，定量检测，可应用于历史数据检测和交通规律挖掘。

进一步地，根据车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据计算信息熵，包括：

对上述各个数据进行归一化处理，得到归一化后的数据；

根据归一化后的数据建立检测矩阵；

根据检测矩阵计算各个数据的信息熵。

进一步地，基于信息熵确定交通信息的可信度，包括：

基于信息熵确定车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据的权重；

根据上述各个数据的权重确定交通信息的可信度。

通过信息熵计算该路段可信度R：

其中，W_j为第j个数据的计算权重，计算公式为：

某路段的交通信息可信度R取值为[0,1]，值越接近1，可靠性越高。

进一步地，基于信息熵确定交通信息的可信度，包括：

基于信息熵确定实时交通信息的可信度；

基于信息熵确定历史交通信息的可信度。

本发明公开的交通信息的可信度检测方法可应用于两个场景：实时检测，基于车辆样本特征、交通信息时间稳定性、交通信息空间稳定性实时给出当前交通信息的可信度检测。历史检测，对于一定时空范围的历史数据，通过分析其时间稳定性和空间稳定性给出可信度检测。

实施例2：

本公开实施例提供了一种交通信息可信度的检测装置，图9是根据一示例性实施例示出的一种交通信息可信度的检测装置的结构示意图。

在本公开实施例中，一种交通信息可信度的检测装置，包括：

S901获取模块，用于获取预设时长内的车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据；

S902计算模块，用于根据车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据计算信息熵；

S903确定模块，用于基于信息熵确定交通信息的可信度。

通过上述交通信息可信度的检测装置，可对交通信息数据整体进行检测，突破了实地观测或者路测方法的局限性，检测数据丰富，实现交通信息的多元化检测，定量检测，可应用于历史数据检测和交通规律挖掘。

实施例3：

本公开实施例提供了一种交通信息可信度的检测***，图10是根据一示例性实施例示出的一种交通信息可信度的检测***的结构示意图。

在本公开实施例中，一种交通信息可信度的检测***，包括处理器101和存储有程序指令的存储器102，还可以包括通信接口103和总线104。其中，处理器101、通信接口103、存储器102可以通过总线104完成相互间的通信。通信接口103可以用于信息传输。处理器101可以调用存储器102中的逻辑指令，以执行上述实施例提供的交通信息可信度的检测方法。

此外，上述的存储器102中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

存储器102作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器101通过运行存储在存储器102中的软件程序、指令以及模块，从而执行功能应用以及数据处理，即实现上述方法实施例中的方法。

存储器102可包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器102可以包括高速随机存取存储器，还可以包括非易失性存储器。

实施例4：

本公开实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时，实现上述实施例提供的一种交通信息可信度的检测方法。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种交通信息可信度的检测方法，其特征在于，包括：

获取预设时长内的车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据；

根据所述车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据计算信息熵；

基于所述信息熵确定交通信息的可信度。

2.根据权利要求1所述的方法，其特征在于，所述获取预设时长内的车辆样本特征数据，包括：

获取预设时长和预设道路内所有车辆的行驶里程数据，获取预设道路的长度数据，基于所述车辆的行驶里程数据和道路的长度数据确定所述车辆样本特征数据中的车辆里程覆盖率数据；

将预设道路均匀划分，统计每份道路车辆轨迹覆盖总长，基于每份道路车辆轨迹覆盖总长确定所述车辆样本特征数据中的车辆空间分布数据；

将预设时长均匀划分，统计每份时间切片内的车辆数据，基于每份时间切片内的车辆数据确定所述车辆样本特征数据中的车辆时间分布数据；

计算车辆经过预设道路的平均速度，基于所述平均速度确定所述车辆样本特征数据中的车辆速度分布数据。

3.根据权利要求1所述的方法，其特征在于，所述获取预设时长内的交通信息空间稳定性数据，包括：

以当前路段为起点，搜索上下游交通趋势一致的连续路段，基于所述连续路段的长度确定所述交通信息空间稳定性数据中的交通信息持续长度数据；

计算当前路段的平均通行速度，分别计算当前路段所有下游路段的平均通行速度，分别计算当前路段所有上游路段的平均通行速度，基于当前路段及其上下游所有相邻路段的平均通行速度确定所述交通信息空间稳定性数据中的上下游变化率数据。

4.根据权利要求1所述的方法，其特征在于，所述获取预设时长内的交通信息时间稳定性数据，包括：

计算预设道路所有等长连续时间间隔内的车辆通行时间，依次求出相邻间隔的通行时间的变化率，基于所有变化率的均值确定所述交通信息时间稳定性数据中的交通信息变化率数据。

5.根据权利要求1所述的方法，其特征在于，所述根据所述车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据计算信息熵，包括：

对上述各个数据进行归一化处理，得到归一化后的数据；

根据所述归一化后的数据建立检测矩阵；

根据所述检测矩阵计算各个数据的信息熵。

6.根据权利要求1所述的方法，其特征在于，所述基于所述信息熵确定交通信息的可信度，包括：

基于所述信息熵确定所述车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据的权重；

根据上述各个数据的权重确定交通信息的可信度。

7.根据权利要求1所述的方法，其特征在于，所述基于所述信息熵确定交通信息的可信度，包括：

基于所述信息熵确定实时交通信息的可信度；

基于所述信息熵确定历史交通信息的可信度。

8.一种交通信息可信度的检测装置，其特征在于，包括：

获取模块，用于获取预设时长内的车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据；

计算模块，用于根据所述车辆样本特征数据、交通信息空间稳定性数据以及交通信息时间稳定性数据计算信息熵；

确定模块，用于基于所述信息熵确定交通信息的可信度。

9.一种交通信息可信度的检测***，其特征在于，包括：

一个或多个处理器、存储一个或多个程序的存储装置；

当所述一个或多个程序被所述一个或多个处理器执行时，所述一个或多个处理器实现如权利要求1～7任一项所述的一种交通信息可信度的检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1～7任一项所述的一种交通信息可信度的检测方法。

Images