CN112927498B - 一种基于智慧交通监控的数据分析方法及装置 - Google Patents

一种基于智慧交通监控的数据分析方法及装置 Download PDF

Info

Publication number
CN112927498B
CN112927498B CN202110074736.3A CN202110074736A CN112927498B CN 112927498 B CN112927498 B CN 112927498B CN 202110074736 A CN202110074736 A CN 202110074736A CN 112927498 B CN112927498 B CN 112927498B
Authority
CN
China
Prior art keywords
data
density data
real
road section
time
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
Application number
CN202110074736.3A
Other languages
English (en)
Other versions
CN112927498A (zh
Inventor
蔡家斌
张�杰
杨艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xinliuxiang Electronics Science And Technology Co ltd
Original Assignee
Guangzhou Xinliuxiang Electronics Science And Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Xinliuxiang Electronics Science And Technology Co ltd filed Critical Guangzhou Xinliuxiang Electronics Science And Technology Co ltd
Priority to CN202110074736.3A priority Critical patent/CN112927498B/zh
Publication of CN112927498A publication Critical patent/CN112927498A/zh
Application granted granted Critical
Publication of CN112927498B publication Critical patent/CN112927498B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于智慧交通监控的数据分析方法及装置。通过从获取到的待分析城市交通状态数据中确定基准参考数据、待处理实时车流密度数据以及当前实时人流密度数据进行事故路段识别，使用得到的目标事故路段信息选取出已标记的实时车流密度数据，这样能够选取到更加准确的实时车流密度数据，使得每次迭代时，为了能够得到更加准确的调整路段信息，则使用已标记的实时车流密度数据和当前实时人流密度数据确定调整路段信息，然后在满足安全行驶条件时，对实时城市交通状态进行分析。这样一来，能够避免在对实时城市交通状态进行分析时产生不准确的城市交通安全状态的问题，从而使得分析出的目标城市交通安全状态更加准确。

Description

一种基于智慧交通监控的数据分析方法及装置
技术领域
本公开涉及智慧交通及数据分析技术领域，特别涉及一种基于智慧交通监控的数据分析方法及装置。
背景技术
随着互联网及智慧交通的快速发展，城市交通拥堵、交通污染日益严重以及交通事故频繁发生。而智慧交通成为改善城市交通的关键策略，通过情况下，为了解决城市交通中存在的各种问题，最常见的手段是对监控到的数据进行分析，进而根据分析出的结果对相应的城市交通问题采取相应的改善策略。然而在对监控到的数据进行分析时常因分析过于片面而导致产生不准确的城市交通安全状态的问题，进而无法准确地分析出城市交通安全状态。
发明内容
为改善相关技术中存在的技术问题，本公开提供了一种基于智慧交通监控的数据分析方法及装置。
本发明提供了一种基于智慧交通监控的数据分析方法，所述方法包括：
获取待分析城市交通状态数据，确定所述待分析城市交通状态数据的基准参考数据；其中，所述基准参考数据包括基准人流密度数据和基准车流密度数据；
从所述待分析城市交通状态数据对应的当前实时城市交通状态中选取当前实时人流密度数据，基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据；
基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息；
根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据，根据所述已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的调整路段信息；
基于所述目标事故路段信息将所述已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析得到基准数据分析结果，根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据，返回所述事故路段识别的步骤，直到满足第一安全行驶条件；
基于满足第一安全行驶条件的调整路段信息和目标事故路段信息进行实时城市交通状态分析，得到所述待分析城市交通状态数据对应的目标城市交通安全状态。
可选地，在所述根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据，返回所述事故路段识别的步骤，直到满足第一安全行驶条件，包括：
基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息，当所述第一偏差数据信息未满足第一安全行驶条件时，基于所述调整路段信息调整所述当前实时城市交通状态，得到已标记的实时城市交通状态；
从所述已标记的实时城市交通状态中选取已标记的实时人流密度数据，得到调整的当前实时人流密度数据，并将所述已标记的实时车流密度数据作为调整的待处理实时车流密度数据，返回基于所述当前实时人流密度数据、所述待处理实时车流密度数据、所述基准参考数据进行事故路段识别，得到目标事故路段信息的步骤，直到满足第一安全行驶条件。
其中，所述待分析城市交通状态数据为实时城市交通状态指标，所述基准数据分析结果包括基准动态人流密度数据和基准动态车流密度数据；基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息，包括：
基于所述基准动态人流密度数据与所述基准人流密度数据确定人流密度数据对应的偏差数据信息，并基于所述基准动态车流密度数据与所述基准车流密度数据确定车流密度数据对应的偏差数据信息；
基于所述车流密度数据对应的偏差数据信息与所述人流密度数据对应的偏差数据信息，得到所述基准数据分析结果与所述基准参考数据的第一偏差数据信息。
其中，所述待分析城市交通状态数据为延时城市交通状态指标，所述基准数据分析结果包括基准动态人流密度数据和基准动态车流密度数据；基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息，包括：
基于所述基准动态人流密度数据与所述基准人流密度数据确定人流密度数据对应的偏差数据信息，并基于所述基准动态车流密度数据与所述基准车流密度数据确定车流密度数据对应的偏差数据信息；
获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一路段信息；其中，所述下一路段信息是所述下一城市交通状态指标在实时城市交通状态分析时使用的路段信息；
确定所述下一路段信息与所述调整路段信息的路段偏差数据信息，基于所述车流密度数据对应的偏差数据信息、所述人流密度数据对应的偏差数据信息和所述路段偏差数据信息，得到所述基准数据分析结果与所述基准参考数据的第一偏差数据信息。
可选地，所述确定所述待分析城市交通状态数据对应的基准人流密度数据和基准车流密度数据，包括：
基于所述待分析城市交通状态数据进行城市交通状态解析，得到城市交通状态变化趋势；
在所述城市交通状态变化趋势中进行城市交通状态对应的路况安全信息检测，得到所述待分析城市交通状态数据对应的城市交通状态对应的路况安全信息；
从所述城市交通状态对应的路况安全信息中确定基准人流密度数据和基准车流密度数据。
可选地，所述待分析城市交通状态数据为实时城市交通状态指标；所述基于所述城市交通状态指标获取对应的待处理实时车流密度数据，包括：
获取城市交通拥堵量，根据所述城市交通拥堵量将所述当前实时人流密度数据加载至基准密度数据集合中，得到当前人流密度数据，基于所述当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到更新路段人流密度数据；
根据所述更新路段人流密度数据从所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中选取所述实时城市交通状态指标对应的待处理实时车流密度数据。
其中，所述获取城市交通拥堵量，包括：
获取各个拥堵路段对应的拥堵指数，从所述各个拥堵路段对应的拥堵指数选取当前拥堵路段；
根据所述当前拥堵路段将所述当前实时人流密度数据加载至基准密度数据集合中，得到拥堵路段当前人流密度数据，基于所述拥堵路段当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到拥堵路段对应的路段人流密度数据；
根据所述拥堵路段对应的路段人流密度数据从所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中选取拥堵路段的实时车流密度数据；
基于所述拥堵路段的实时车流密度数据、所述当前实时人流密度数据和所述基准参考数据进行拥堵路段事故识别，得到拥堵路段对应的目标事故路段信息；
根据所述拥堵路段对应的目标事故路段信息从所述实时城市交通状态对应的车流密度数据变化趋势中选取拥堵路段的已标记的实时车流密度数据；
根据所述拥堵路段的已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的拥堵路段对应的调整路段信息；
基于所述拥堵路段对应的目标事故路段信息将所述拥堵路段的已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析，得到拥堵路段的基准数据分析结果，根据所述拥堵路段的基准数据分析结果和所述基准参考数据的第二偏差数据信息调整所述拥堵路段的实时车流密度数据和当前实时人流密度数据，返回所述拥堵路段事故识别的步骤，直到满足第二安全行驶条件，得到所述当前拥堵路段对应的当前第二偏差数据信息；
遍历所述各个拥堵路段对应的拥堵指数，得到所述各个拥堵路段对应的拥堵指数对应的各个当前第二偏差数据信息，比较所述各个当前第二偏差数据信息，得到目标第二偏差数据信息，将所述目标第二偏差数据信息对应的拥堵路段对应的拥堵指数作为所述城市交通拥堵量。
其中，所述根据所述拥堵路段的基准数据分析结果和所述基准参考数据的第二偏差数据信息调整所述拥堵路段的实时车流密度数据和当前实时人流密度数据，返回所述拥堵路段事故识别的步骤，直到满足第二安全行驶条件，包括：
当所述第二偏差数据信息未满足第二安全行驶条件时，基于所述拥堵路段对应的调整路段信息调整所述当前实时城市交通状态，得到拥堵路段的已标记的实时城市交通状态；
从所述拥堵路段的已标记的实时城市交通状态中选取拥堵路段已标记的实时人流密度数据，将所述拥堵路段已标记的实时人流密度数据作为当前实时人流密度数据，并将所述拥堵路段的已标记的实时车流密度数据作为拥堵路段的实时车流密度数据，返回基于所述拥堵路段的实时车流密度数据、所述当前实时人流密度数据和所述基准参考数据进行拥堵路段事故识别，得到拥堵路段对应的目标事故路段信息的步骤，直到满足第二安全行驶条件。
可选地，所述基于所述当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到更新路段人流密度数据，包括：
获取所述实时城市交通状态指标对应的第一初始路段人流密度数据，基于所述第一初始路段人流密度数据将所述当前实时人流密度数据加载至基准密度数据集合中，得到第一更新当前人流密度数据；
基于所述第一更新当前人流密度数据与所述基准人流密度数据确定第三偏差数据信息；
根据所述第三偏差数据信息调整所述第一初始路段人流密度数据，并返回所述基于所述第一初始路段人流密度数据将所述当前实时人流密度数据加载至基准密度数据集合中，得到第一更新当前人流密度数据的步骤，直到所述第三偏差数据信息满足第三安全行驶条件；
将满足第三安全行驶条件的第一初始路段人流密度数据作为所述更新路段人流密度数据。
可选地，所述待分析城市交通状态数据为延时城市交通状态指标；所述基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据，包括：
获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一实时车流密度数据；其中，所述下一实时车流密度数据是所述下一城市交通状态指标对应的实时城市交通状态中的实时车流密度数据；
将所述下一实时车流密度数据作为所述待处理实时车流密度数据。
可选地，所述待分析城市交通状态数据为实时城市交通状态指标；所述基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息，包括：
获取所述实时城市交通状态指标对应的第二初始路段人流密度数据，基于所述第二初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到实时准数据分析结果；
基于所述实时准数据分析结果与所述基准参考数据确定第四偏差数据信息；
根据所述第四偏差数据信息调整所述第二初始路段人流密度数据，并返回所述基于所述第二初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到实时准数据分析结果的步骤，直到所述第四偏差数据信息满足第四安全行驶条件；
将满足第四安全行驶条件的第二初始路段人流密度数据作为所述实时城市交通状态指标对应的目标事故路段信息。
可选地，所述待分析城市交通状态数据为延时城市交通状态指标；所述基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息，包括：
获取所述延时城市交通状态指标对应的第三初始路段人流密度数据，根据所述第三初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到延时基准数据分析结果；
基于所述延时基准数据分析结果与所述基准参考数据确定第五偏差数据信息，并获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一路段人流密度数据，所述下一路段人流密度数据是所述下一城市交通状态指标对应的实时城市交通状态的路段人流密度数据；
确定所述下一路段人流密度数据与所述第三初始路段人流密度数据的姿态偏差数据信息，根据所述第五偏差数据信息和所述姿态偏差数据信息，得到目标第五偏差数据信息；
根据所述目标第五偏差数据信息调整所述延时城市交通状态指标对应的第三初始路段人流密度数据，并返回所述根据所述第三初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到延时基准数据分析结果的步骤，直到所述目标第五偏差数据信息满足第五安全行驶条件；
将满足第五安全行驶条件的第三初始路段人流密度数据作为所述延时城市交通状态指标对应的目标事故路段信息。
可选地，所述根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据，包括：
获取所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中的车流加速度数据的波动轨迹，获取城市交通环境信息，根据所述城市交通环境信息从所述车流加速度数据的波动轨迹中选取对应的各个实时轨迹片段；
根据所述目标事故路段信息将所述各个实时轨迹片段加载至基准密度数据集合中，得到各个片段数据分析结果；
分别基于所述各个片段数据分析结果与所述基准车流密度数据确定第六偏差数据信息，比较所述各个片段数据分析结果对应的第六偏差数据信息，得到目标第六偏差数据信息，将所述目标第六偏差数据信息对应的实时轨迹片段作为所述基准车流密度数据对应的已标记的实时车流密度数据。
本发明还提供了一种基于智慧交通监控的数据分析装置，所述装置包括：
参考数据获取模块，用于获取待分析城市交通状态数据，确定所述待分析城市交通状态数据的基准参考数据；其中，所述基准参考数据包括基准人流密度数据和基准车流密度数据；
密度数据确定模块，用于从所述待分析城市交通状态数据对应的当前实时城市交通状态中选取当前实时人流密度数据，基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据；
事故路段识别模块，用于基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息；
路段信息确定模块，用于根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据，根据所述已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的调整路段信息；
密度数据分析模块，用于基于所述目标事故路段信息将所述已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析得到基准数据分析结果，根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据，返回所述事故路段识别的步骤，直到满足第一安全行驶条件；
交通状态分析模块，用于基于满足第一安全行驶条件的调整路段信息和目标事故路段信息进行实时城市交通状态分析，得到所述待分析城市交通状态数据对应的目标城市交通安全状态。
本公开的实施例提供的技术方案可以包括以下有益效果。
本公开提供了一种基于智慧交通监控的数据分析方法及装置，通过从获取到的待分析城市交通状态数据中确定基准参考数据、待处理实时车流密度数据以及从对应的实时城市交通状态中选取当前实时人流密度数据，其次根据当前实时人流密度数据、待处理实时车流密度数据和基准参考数据进行事故路段识别，使用得到的目标事故路段信息从实时城市交通状态中选取已标记的实时车流密度数据，这样能够选取到更加准确的实时车流密度数据，进而使用已标记的实时车流密度数据和当前实时人流密度数据确定实时城市交通状态对应的调整路段信息，使得每次迭代时，使用已标记的实时车流密度数据和当前实时人流密度数据确定调整路段信息，能够得到更加准确的调整路段信息，然后在满足安全行驶条件时，使用调整路段信息和目标事故路段信息进行实时城市交通状态分析。这样一来，能够避免在对实时城市交通状态进行分析时产生不准确的城市交通安全状态的问题，从而使得分析出的目标城市交通安全状态更加准确。
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，并于说明书一起用于解释本发明的原理。
图1是本发明实施例提供的一种基于智慧交通监控的数据分析方法的流程图。
图2是本发明实施例提供的一种基于智慧交通监控的数据分析装置的框图。
图3是本发明实施例提供的一种数据分析终端的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为解决背景技术存在的技术问题，请结合参阅图1，提供了一种基于智慧交通监控的数据分析方法的流程示意图，在实现上述方法时具体执行以下步骤11-步骤16所描述的内容。
步骤11，获取待分析城市交通状态数据，确定所述待分析城市交通状态数据的基准参考数据。
在本实施例中，所述基准参考数据包括基准人流密度数据和基准车流密度数据。
步骤12，从所述待分析城市交通状态数据对应的当前实时城市交通状态中选取当前实时人流密度数据，基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据。
步骤13，基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息。
步骤14，根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据，根据所述已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的调整路段信息。
步骤15，基于所述目标事故路段信息将所述已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析得到基准数据分析结果，根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据，返回所述事故路段识别的步骤，直到满足第一安全行驶条件。
步骤16，基于满足第一安全行驶条件的调整路段信息和目标事故路段信息进行实时城市交通状态分析，得到所述待分析城市交通状态数据对应的目标城市交通安全状态。
在执行上述步骤11-步骤16所描述的方法时可以达到如下有益技术效果：通过从获取到的待分析城市交通状态数据中确定基准参考数据、待处理实时车流密度数据以及从对应的实时城市交通状态中选取当前实时人流密度数据，其次根据当前实时人流密度数据、待处理实时车流密度数据和基准参考数据进行事故路段识别，使用得到的目标事故路段信息从实时城市交通状态中选取已标记的实时车流密度数据，这样能够选取到更加准确的实时车流密度数据，进而使用已标记的实时车流密度数据和当前实时人流密度数据确定实时城市交通状态对应的调整路段信息，使得每次迭代时，使用已标记的实时车流密度数据和当前实时人流密度数据确定调整路段信息，能够得到更加准确的调整路段信息，然后在满足安全行驶条件时，使用调整路段信息和目标事故路段信息进行实时城市交通状态分析。这样一来，能够避免在对实时城市交通状态进行分析时产生不准确的城市交通安全状态的问题，从而使得分析出的目标城市交通安全状态更加准确。
在具体实施时，为了能够快速地确定出满足第一安全行驶条件的城市交通状态，步骤15所描述的在所述根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据，返回所述事故路段识别的步骤，直到满足第一安全行驶条件，具体包括步骤151和步骤152。
步骤151，基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息，当所述第一偏差数据信息未满足第一安全行驶条件时，基于所述调整路段信息调整所述当前实时城市交通状态，得到已标记的实时城市交通状态；
步骤152，从所述已标记的实时城市交通状态中选取已标记的实时人流密度数据，得到调整的当前实时人流密度数据，并将所述已标记的实时车流密度数据作为调整的待处理实时车流密度数据，返回基于所述当前实时人流密度数据、所述待处理实时车流密度数据、所述基准参考数据进行事故路段识别，得到目标事故路段信息的步骤，直到满足第一安全行驶条件。
这样一来，通过执行步骤151和步骤152所描述的内容，首先确定出基准数据分析结果与基准参考数据的第一偏差数据信息，进而判断第一偏差数据信息是否满足第一安全行驶条件，若未满足，则根据调整路段信息调整当前实时城市交通状态，这样能够有针对性地对当前实时城市交通状态进行调整，同时能够准确地得到已标记的实时城市交通状态，进而在已标记的实时城市交通状态中选取已标记的实时人流密度数据，这样能够快速地、实时地判断出已标记的实时城市交通状态中实时人流密度数据，然后基于当前实时人流密度数据、待处理实时车流密度数据以及基准参考数据进行事故路段识别。如此，通过上述描述内容进行多次迭代，能够快速地确定出满足第一安全行驶条件的城市交通状态。
在本实施例中，所述待分析城市交通状态数据为实时城市交通状态指标，所述基准数据分析结果包括基准动态人流密度数据和基准动态车流密度数据。进一步地，步骤151所描述的基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息，在第一种实施方式中可以包括：基于所述基准动态人流密度数据与所述基准人流密度数据确定人流密度数据对应的偏差数据信息，并基于所述基准动态车流密度数据与所述基准车流密度数据确定车流密度数据对应的偏差数据信息；基于所述车流密度数据对应的偏差数据信息与所述人流密度数据对应的偏差数据信息，得到所述基准数据分析结果与所述基准参考数据的第一偏差数据信息。
在一些可替换的实施方式中，所述待分析城市交通状态数据为延时城市交通状态指标，所述基准数据分析结果包括基准动态人流密度数据和基准动态车流密度数据；进一步地，步骤151所描述的基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息，在第二种实施方式中还可以包括：基于所述基准动态人流密度数据与所述基准人流密度数据确定人流密度数据对应的偏差数据信息，并基于所述基准动态车流密度数据与所述基准车流密度数据确定车流密度数据对应的偏差数据信息；获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一路段信息；其中，所述下一路段信息是所述下一城市交通状态指标在实时城市交通状态分析时使用的路段信息；确定所述下一路段信息与所述调整路段信息的路段偏差数据信息，基于所述车流密度数据对应的偏差数据信息、所述人流密度数据对应的偏差数据信息和所述路段偏差数据信息，得到所述基准数据分析结果与所述基准参考数据的第一偏差数据信息。
上述两种实施方式中的任意一种实施方式都能够准确地确定出第一偏差数据信息。
在具体实施时，为了从路况安全信息中快速、实时地确定基准人流密度数据和基准车流密度数据，能够避免因出错城市交通状态而导致对路况安全信息检测出现偏差的问题，避免确定出的基准人流密度数据和基准车流密度数据不准确的情况，步骤11所描述的确定所述待分析城市交通状态数据对应的基准人流密度数据和基准车流密度数据，具体包括步骤111-步骤113所描述的内容。
步骤111，基于所述待分析城市交通状态数据进行城市交通状态解析，得到城市交通状态变化趋势。
步骤112，在所述城市交通状态变化趋势中进行城市交通状态对应的路况安全信息检测，得到所述待分析城市交通状态数据对应的城市交通状态对应的路况安全信息。
步骤113，从所述城市交通状态对应的路况安全信息中确定基准人流密度数据和基准车流密度数据。
如此，执行步骤111-步骤113所描述的内容，首先对城市交通状态进行解析，进而确定出城市交通状态变化趋势，其次根据城市交通状态变化趋势对城市交通状态对应的路况安全信息进行检测，以检测出安全的路况信息，在此基础上，从路况安全信息中快速、实时地确定基准人流密度数据和基准车流密度数据，这样能够避免因出错城市交通状态而导致对路况安全信息检测出现偏差的问题，进而避免确定出的基准人流密度数据和基准车流密度数据不准确的情况。
在一些可替换的实施方式中，所述待分析城市交通状态数据为实时城市交通状态指标；进一步，为了能够确保选取的待处理实时车流密度数据的实时性，步骤12所描述的基于所述城市交通状态指标获取对应的待处理实时车流密度数据，具体可以包括步骤121和步骤122。
步骤121，获取城市交通拥堵量，根据所述城市交通拥堵量将所述当前实时人流密度数据加载至基准密度数据集合中，得到当前人流密度数据，基于所述当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到更新路段人流密度数据；
步骤122，根据所述更新路段人流密度数据从所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中选取所述实时城市交通状态指标对应的待处理实时车流密度数据。
上述步骤121和步骤122的描述内容，首先根据当前人流密度数据和所述基准人流密度数据进行事故路段识别，进而实时得到更新路段人流密度数据，然后在得到更新路段人流密度数据的基础上，从车流密度数据变化趋势中选取实时城市交通状态指标对应的待处理实时车流密度数据。这样能够确保选取的待处理实时车流密度数据的准确性。
进一步地，步骤121所描述的获取城市交通拥堵量，包括：
步骤1211，获取各个拥堵路段对应的拥堵指数，从所述各个拥堵路段对应的拥堵指数选取当前拥堵路段；
步骤1212，根据所述当前拥堵路段将所述当前实时人流密度数据加载至基准密度数据集合中，得到拥堵路段当前人流密度数据，基于所述拥堵路段当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到拥堵路段对应的路段人流密度数据；
步骤1213，根据所述拥堵路段对应的路段人流密度数据从所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中选取拥堵路段的实时车流密度数据；
步骤1214，基于所述拥堵路段的实时车流密度数据、所述当前实时人流密度数据和所述基准参考数据进行拥堵路段事故识别，得到拥堵路段对应的目标事故路段信息；
步骤1215，根据所述拥堵路段对应的目标事故路段信息从所述实时城市交通状态对应的车流密度数据变化趋势中选取拥堵路段的已标记的实时车流密度数据；
步骤1216，根据所述拥堵路段的已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的拥堵路段对应的调整路段信息；
步骤1217，基于所述拥堵路段对应的目标事故路段信息将所述拥堵路段的已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析，得到拥堵路段的基准数据分析结果，根据所述拥堵路段的基准数据分析结果和所述基准参考数据的第二偏差数据信息调整所述拥堵路段的实时车流密度数据和当前实时人流密度数据，返回所述拥堵路段事故识别的步骤，直到满足第二安全行驶条件，得到所述当前拥堵路段对应的当前第二偏差数据信息；
步骤1218，遍历所述各个拥堵路段对应的拥堵指数，得到所述各个拥堵路段对应的拥堵指数对应的各个当前第二偏差数据信息，比较所述各个当前第二偏差数据信息，得到目标第二偏差数据信息，将所述目标第二偏差数据信息对应的拥堵路段对应的拥堵指数作为所述城市交通拥堵量。
更进一步地，步骤1217所描述的根据所述拥堵路段的基准数据分析结果和所述基准参考数据的第二偏差数据信息调整所述拥堵路段的实时车流密度数据和当前实时人流密度数据，返回所述拥堵路段事故识别的步骤，直到满足第二安全行驶条件，包括：当所述第二偏差数据信息未满足第二安全行驶条件时，基于所述拥堵路段对应的调整路段信息调整所述当前实时城市交通状态，得到拥堵路段的已标记的实时城市交通状态；从所述拥堵路段的已标记的实时城市交通状态中选取拥堵路段已标记的实时人流密度数据，将所述拥堵路段已标记的实时人流密度数据作为当前实时人流密度数据，并将所述拥堵路段的已标记的实时车流密度数据作为拥堵路段的实时车流密度数据，返回基于所述拥堵路段的实时车流密度数据、所述当前实时人流密度数据和所述基准参考数据进行拥堵路段事故识别，得到拥堵路段对应的目标事故路段信息的步骤，直到满足第二安全行驶条件。
可以理解，步骤121所描述的基于所述当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到更新路段人流密度数据，包括：获取所述实时城市交通状态指标对应的第一初始路段人流密度数据，基于所述第一初始路段人流密度数据将所述当前实时人流密度数据加载至基准密度数据集合中，得到第一更新当前人流密度数据；基于所述第一更新当前人流密度数据与所述基准人流密度数据确定第三偏差数据信息；根据所述第三偏差数据信息调整所述第一初始路段人流密度数据，并返回所述基于所述第一初始路段人流密度数据将所述当前实时人流密度数据加载至基准密度数据集合中，得到第一更新当前人流密度数据的步骤，直到所述第三偏差数据信息满足第三安全行驶条件；将满足第三安全行驶条件的第一初始路段人流密度数据作为所述更新路段人流密度数据。
在一些可替换的实施方式中，所述待分析城市交通状态数据为延时城市交通状态指标。在具体实施时，步骤12所描述的基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据，包括步骤123和步骤124。
步骤123，获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一实时车流密度数据；其中，所述下一实时车流密度数据是所述下一城市交通状态指标对应的实时城市交通状态中的实时车流密度数据。
步骤124，将所述下一实时车流密度数据作为所述待处理实时车流密度数据。
在一些可替换的实施方式中，所述待分析城市交通状态数据为实时城市交通状态指标；可以理解，在第一种实施方式中步骤13所描述的基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息，具体可以包括步骤131-步骤134所描述的内容。
步骤131，获取所述实时城市交通状态指标对应的第二初始路段人流密度数据，基于所述第二初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到实时准数据分析结果。
步骤132，基于所述实时准数据分析结果与所述基准参考数据确定第四偏差数据信息。
步骤133，根据所述第四偏差数据信息调整所述第二初始路段人流密度数据，并返回所述基于所述第二初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到实时准数据分析结果的步骤，直到所述第四偏差数据信息满足第四安全行驶条件。
步骤134，将满足第四安全行驶条件的第二初始路段人流密度数据作为所述实时城市交通状态指标对应的目标事故路段信息。
在一些可替换的实施方式中，所述待分析城市交通状态数据为延时城市交通状态指标。进一步地，在第二种实施方式中步骤13所描述的所述基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息，具体可以包括步骤135-步骤139所描述的内容。
步骤135，获取所述延时城市交通状态指标对应的第三初始路段人流密度数据，根据所述第三初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到延时基准数据分析结果。
步骤136，基于所述延时基准数据分析结果与所述基准参考数据确定第五偏差数据信息，并获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一路段人流密度数据，所述下一路段人流密度数据是所述下一城市交通状态指标对应的实时城市交通状态的路段人流密度数据。
步骤137，确定所述下一路段人流密度数据与所述第三初始路段人流密度数据的姿态偏差数据信息，根据所述第五偏差数据信息和所述姿态偏差数据信息，得到目标第五偏差数据信息。
步骤138，根据所述目标第五偏差数据信息调整所述延时城市交通状态指标对应的第三初始路段人流密度数据，并返回所述根据所述第三初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到延时基准数据分析结果的步骤，直到所述目标第五偏差数据信息满足第五安全行驶条件。
步骤139，将满足第五安全行驶条件的第三初始路段人流密度数据作为所述延时城市交通状态指标对应的目标事故路段信息。
这样一来，通过实施上述两种实施方式中的任意一种，都能够精准地确定出实时城市交通状态指标对应的目标事故路段信息。
在具体实施时，为了准确地从当前实时城市交通状态中选取已标记的实时车流密度数据，避免出现标记出错的问题，同时能够提高工作效率，步骤14所描述的所述根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据，具体可以包括步骤141-步骤143所描述的内容。
步骤141，获取所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中的车流加速度数据的波动轨迹，获取城市交通环境信息，根据所述城市交通环境信息从所述车流加速度数据的波动轨迹中选取对应的各个实时轨迹片段。
步骤142，根据所述目标事故路段信息将所述各个实时轨迹片段加载至基准密度数据集合中，得到各个片段数据分析结果。
步骤143，分别基于所述各个片段数据分析结果与所述基准车流密度数据确定第六偏差数据信息，比较所述各个片段数据分析结果对应的第六偏差数据信息，得到目标第六偏差数据信息，将所述目标第六偏差数据信息对应的实时轨迹片段作为所述基准车流密度数据对应的已标记的实时车流密度数据。
执行上述步骤141-步骤143所描述的内容，首先确定车流密度数据变化趋势中的车流加速度数据的波动轨迹，以实时了解当前实时城市交通状态的安全性问题，进而根据获取到的城市交通环境信息从车流加速度数据的波动轨迹中选取对应的各个实时轨迹片段，这样能够通过各个实时轨迹片断分析基准车流密度数据与各个片段数据分析结果之间的偏差数据信息，进而根据偏差数据信息准确地从当前实时城市交通状态中选取已标记的实时车流密度数据，这样能够避免出现标记出错的问题，同时能够提高工作效率。
在上述基础上，请结合图2，本发明还提供了一种基于智慧交通监控的数据分析装置20的框图，所述装置包括以下功能模块。
参考数据获取模块21，用于获取待分析城市交通状态数据，确定所述待分析城市交通状态数据的基准参考数据；其中，所述基准参考数据包括基准人流密度数据和基准车流密度数据。
密度数据确定模块22，用于从所述待分析城市交通状态数据对应的当前实时城市交通状态中选取当前实时人流密度数据，基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据。
事故路段识别模块23，用于基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息。
路段信息确定模块24，用于根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据，根据所述已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的调整路段信息。
密度数据分析模块25，用于基于所述目标事故路段信息将所述已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析得到基准数据分析结果，根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据，返回所述事故路段识别的步骤，直到满足第一安全行驶条件。
交通状态分析模块26，用于基于满足第一安全行驶条件的调整路段信息和目标事故路段信息进行实时城市交通状态分析，得到所述待分析城市交通状态数据对应的目标城市交通安全状态。
在上述基础上，请结合参阅图3，提供了一种数据分析终端110，包括处理器111以及与所述处理器111连接的存储器112和总线113；其中，所述处理器111和所述存储器112通过所述总线113完成相互间的通信；所述处理器111用于调用所述存储器112中的程序指令，以执行上述的方法。
进一步地，还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (8)

1.一种基于智慧交通监控的数据分析方法，其特征在于，所述方法包括：
获取待分析城市交通状态数据，确定所述待分析城市交通状态数据的基准参考数据；其中，所述基准参考数据包括基准人流密度数据和基准车流密度数据；
从所述待分析城市交通状态数据对应的当前实时城市交通状态中选取当前实时人流密度数据，基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据；
基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息；
根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据，根据所述已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的调整路段信息；
基于所述目标事故路段信息将所述已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析得到基准数据分析结果，根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据，返回所述事故路段识别的步骤，直到满足第一安全行驶条件；
基于满足第一安全行驶条件的调整路段信息和目标事故路段信息进行实时城市交通状态分析，得到所述待分析城市交通状态数据对应的目标城市交通安全状态；
其中，所述待分析城市交通状态数据为实时城市交通状态指标；基于所述城市交通状态指标获取对应的待处理实时车流密度数据，包括：
获取城市交通拥堵量，根据所述城市交通拥堵量将所述当前实时人流密度数据加载至基准密度数据集合中，得到当前人流密度数据，基于所述当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到更新路段人流密度数据；
根据所述更新路段人流密度数据从所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中选取所述实时城市交通状态指标对应的待处理实时车流密度数据；
其中，所述获取城市交通拥堵量，包括：
获取各个拥堵路段对应的拥堵指数，从所述各个拥堵路段对应的拥堵指数选取当前拥堵路段；
根据所述当前拥堵路段将所述当前实时人流密度数据加载至基准密度数据集合中，得到拥堵路段当前人流密度数据，基于所述拥堵路段当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到拥堵路段对应的路段人流密度数据；
根据所述拥堵路段对应的路段人流密度数据从所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中选取拥堵路段的实时车流密度数据；
基于所述拥堵路段的实时车流密度数据、所述当前实时人流密度数据和所述基准参考数据进行拥堵路段事故识别，得到拥堵路段对应的目标事故路段信息；
根据所述拥堵路段对应的目标事故路段信息从所述实时城市交通状态对应的车流密度数据变化趋势中选取拥堵路段的已标记的实时车流密度数据；
根据所述拥堵路段的已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的拥堵路段对应的调整路段信息；
基于所述拥堵路段对应的目标事故路段信息将所述拥堵路段的已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析，得到拥堵路段的基准数据分析结果，根据所述拥堵路段的基准数据分析结果和所述基准参考数据的第二偏差数据信息调整所述拥堵路段的实时车流密度数据和当前实时人流密度数据，返回所述拥堵路段事故识别的步骤，直到满足第二安全行驶条件，得到所述当前拥堵路段对应的当前第二偏差数据信息；
遍历所述各个拥堵路段对应的拥堵指数，得到所述各个拥堵路段对应的拥堵指数对应的各个当前第二偏差数据信息，比较所述各个当前第二偏差数据信息，得到目标第二偏差数据信息，将所述目标第二偏差数据信息对应的拥堵路段对应的拥堵指数作为所述城市交通拥堵量；
其中，所述根据所述拥堵路段的基准数据分析结果和所述基准参考数据的第二偏差数据信息调整所述拥堵路段的实时车流密度数据和当前实时人流密度数据，返回所述拥堵路段事故识别的步骤，直到满足第二安全行驶条件，包括：
当所述第二偏差数据信息未满足第二安全行驶条件时，基于所述拥堵路段对应的调整路段信息调整所述当前实时城市交通状态，得到拥堵路段的已标记的实时城市交通状态；
从所述拥堵路段的已标记的实时城市交通状态中选取拥堵路段已标记的实时人流密度数据，将所述拥堵路段已标记的实时人流密度数据作为当前实时人流密度数据，并将所述拥堵路段的已标记的实时车流密度数据作为拥堵路段的实时车流密度数据，返回基于所述拥堵路段的实时车流密度数据、所述当前实时人流密度数据和所述基准参考数据进行拥堵路段事故识别，得到拥堵路段对应的目标事故路段信息的步骤，直到满足第二安全行驶条件；
其中，所述根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据，包括：
获取所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中的车流加速度数据的波动轨迹，获取城市交通环境信息，根据所述城市交通环境信息从所述车流加速度数据的波动轨迹中选取对应的各个实时轨迹片段；
根据所述目标事故路段信息将所述各个实时轨迹片段加载至基准密度数据集合中，得到各个片段数据分析结果；
分别基于所述各个片段数据分析结果与所述基准车流密度数据确定第六偏差数据信息，比较所述各个片段数据分析结果对应的第六偏差数据信息，得到目标第六偏差数据信息，将所述目标第六偏差数据信息对应的实时轨迹片段作为所述基准车流密度数据对应的已标记的实时车流密度数据。
2.根据权利要求1所述的方法，其特征在于，在所述根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据，返回所述事故路段识别的步骤，直到满足第一安全行驶条件，包括：
基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息，当所述第一偏差数据信息未满足第一安全行驶条件时，基于所述调整路段信息调整所述当前实时城市交通状态，得到已标记的实时城市交通状态；
从所述已标记的实时城市交通状态中选取已标记的实时人流密度数据，得到调整的当前实时人流密度数据，并将所述已标记的实时车流密度数据作为调整的待处理实时车流密度数据，返回基于所述当前实时人流密度数据、所述待处理实时车流密度数据、所述基准参考数据进行事故路段识别，得到目标事故路段信息的步骤，直到满足第一安全行驶条件；
其中，所述待分析城市交通状态数据为实时城市交通状态指标，所述基准数据分析结果包括基准动态人流密度数据和基准动态车流密度数据；基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息，包括：
基于所述基准动态人流密度数据与所述基准人流密度数据确定人流密度数据对应的偏差数据信息，并基于所述基准动态车流密度数据与所述基准车流密度数据确定车流密度数据对应的偏差数据信息；
基于所述车流密度数据对应的偏差数据信息与所述人流密度数据对应的偏差数据信息，得到所述基准数据分析结果与所述基准参考数据的第一偏差数据信息；
其中，所述待分析城市交通状态数据为延时城市交通状态指标，所述基准数据分析结果包括基准动态人流密度数据和基准动态车流密度数据；基于所述基准数据分析结果与所述基准参考数据确定第一偏差数据信息，包括：
基于所述基准动态人流密度数据与所述基准人流密度数据确定人流密度数据对应的偏差数据信息，并基于所述基准动态车流密度数据与所述基准车流密度数据确定车流密度数据对应的偏差数据信息；
获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一路段信息；其中，所述下一路段信息是所述下一城市交通状态指标在实时城市交通状态分析时使用的路段信息；
确定所述下一路段信息与所述调整路段信息的路段偏差数据信息，基于所述车流密度数据对应的偏差数据信息、所述人流密度数据对应的偏差数据信息和所述路段偏差数据信息，得到所述基准数据分析结果与所述基准参考数据的第一偏差数据信息。
3.根据权利要求1所述的方法，其特征在于，所述确定所述待分析城市交通状态数据对应的基准人流密度数据和基准车流密度数据，包括：
基于所述待分析城市交通状态数据进行城市交通状态解析，得到城市交通状态变化趋势；
在所述城市交通状态变化趋势中进行城市交通状态对应的路况安全信息检测，得到所述待分析城市交通状态数据对应的城市交通状态对应的路况安全信息；
从所述城市交通状态对应的路况安全信息中确定基准人流密度数据和基准车流密度数据。
4.根据权利要求1所述的方法，其特征在于，所述基于所述当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到更新路段人流密度数据，包括：
获取所述实时城市交通状态指标对应的第一初始路段人流密度数据，基于所述第一初始路段人流密度数据将所述当前实时人流密度数据加载至基准密度数据集合中，得到第一更新当前人流密度数据；
基于所述第一更新当前人流密度数据与所述基准人流密度数据确定第三偏差数据信息；
根据所述第三偏差数据信息调整所述第一初始路段人流密度数据，并返回所述基于所述第一初始路段人流密度数据将所述当前实时人流密度数据加载至基准密度数据集合中，得到第一更新当前人流密度数据的步骤，直到所述第三偏差数据信息满足第三安全行驶条件；
将满足第三安全行驶条件的第一初始路段人流密度数据作为所述更新路段人流密度数据。
5.根据权利要求1所述的方法，其特征在于，所述待分析城市交通状态数据为延时城市交通状态指标；所述基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据，包括：
获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一实时车流密度数据；其中，所述下一实时车流密度数据是所述下一城市交通状态指标对应的实时城市交通状态中的实时车流密度数据；
将所述下一实时车流密度数据作为所述待处理实时车流密度数据。
6.根据权利要求1所述的方法，其特征在于，所述待分析城市交通状态数据为实时城市交通状态指标；所述基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息，包括：
获取所述实时城市交通状态指标对应的第二初始路段人流密度数据，基于所述第二初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到实时基准数据分析结果；
基于所述实时基准数据分析结果与所述基准参考数据确定第四偏差数据信息；
根据所述第四偏差数据信息调整所述第二初始路段人流密度数据，并返回所述基于所述第二初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到实时基准数据分析结果的步骤，直到所述第四偏差数据信息满足第四安全行驶条件；
将满足第四安全行驶条件的第二初始路段人流密度数据作为所述实时城市交通状态指标对应的目标事故路段信息。
7.根据权利要求1所述的方法，其特征在于，所述待分析城市交通状态数据为延时城市交通状态指标；所述基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息，包括：
获取所述延时城市交通状态指标对应的第三初始路段人流密度数据，根据所述第三初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到延时基准数据分析结果；
基于所述延时基准数据分析结果与所述基准参考数据确定第五偏差数据信息，并获取所述延时城市交通状态指标的下一城市交通状态指标对应的下一路段人流密度数据，所述下一路段人流密度数据是所述下一城市交通状态指标对应的实时城市交通状态的路段人流密度数据；
确定所述下一路段人流密度数据与所述第三初始路段人流密度数据的姿态偏差数据信息，根据所述第五偏差数据信息和所述姿态偏差数据信息，得到目标第五偏差数据信息；
根据所述目标第五偏差数据信息调整所述延时城市交通状态指标对应的第三初始路段人流密度数据，并返回所述根据所述第三初始路段人流密度数据将所述当前实时人流密度数据和所述待处理实时车流密度数据加载至基准密度数据集合中，得到延时基准数据分析结果的步骤，直到所述目标第五偏差数据信息满足第五安全行驶条件；
将满足第五安全行驶条件的第三初始路段人流密度数据作为所述延时城市交通状态指标对应的目标事故路段信息。
8.一种基于智慧交通监控的数据分析装置，其特征在于，所述装置包括：
参考数据获取模块，用于获取待分析城市交通状态数据，确定所述待分析城市交通状态数据的基准参考数据；其中，所述基准参考数据包括基准人流密度数据和基准车流密度数据；
密度数据确定模块，用于从所述待分析城市交通状态数据对应的当前实时城市交通状态中选取当前实时人流密度数据，基于所述待分析城市交通状态数据获取对应的待处理实时车流密度数据；
事故路段识别模块，用于基于所述当前实时人流密度数据、所述待处理实时车流密度数据和所述基准参考数据进行事故路段识别，得到目标事故路段信息；
路段信息确定模块，用于根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据，根据所述已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的调整路段信息；
密度数据分析模块，用于基于所述目标事故路段信息将所述已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析得到基准数据分析结果，根据所述基准数据分析结果与所述基准参考数据的第一偏差数据信息调整所述当前实时人流密度数据和待处理实时车流密度数据，返回所述事故路段识别的步骤，直到满足第一安全行驶条件；
交通状态分析模块，用于基于满足第一安全行驶条件的调整路段信息和目标事故路段信息进行实时城市交通状态分析，得到所述待分析城市交通状态数据对应的目标城市交通安全状态；
其中，所述待分析城市交通状态数据为实时城市交通状态指标；所述密度数据确定模块基于所述城市交通状态指标获取对应的待处理实时车流密度数据，包括：
获取城市交通拥堵量，根据所述城市交通拥堵量将所述当前实时人流密度数据加载至基准密度数据集合中，得到当前人流密度数据，基于所述当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到更新路段人流密度数据；
根据所述更新路段人流密度数据从所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中选取所述实时城市交通状态指标对应的待处理实时车流密度数据；
其中，所述获取城市交通拥堵量，包括：
获取各个拥堵路段对应的拥堵指数，从所述各个拥堵路段对应的拥堵指数选取当前拥堵路段；
根据所述当前拥堵路段将所述当前实时人流密度数据加载至基准密度数据集合中，得到拥堵路段当前人流密度数据，基于所述拥堵路段当前人流密度数据和所述基准人流密度数据进行事故路段识别，得到拥堵路段对应的路段人流密度数据；
根据所述拥堵路段对应的路段人流密度数据从所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中选取拥堵路段的实时车流密度数据；
基于所述拥堵路段的实时车流密度数据、所述当前实时人流密度数据和所述基准参考数据进行拥堵路段事故识别，得到拥堵路段对应的目标事故路段信息；
根据所述拥堵路段对应的目标事故路段信息从所述实时城市交通状态对应的车流密度数据变化趋势中选取拥堵路段的已标记的实时车流密度数据；
根据所述拥堵路段的已标记的实时车流密度数据和所述当前实时人流密度数据确定所述当前实时城市交通状态对应的拥堵路段对应的调整路段信息；
基于所述拥堵路段对应的目标事故路段信息将所述拥堵路段的已标记的实时车流密度数据和所述当前实时人流密度数据进行密度数据分析，得到拥堵路段的基准数据分析结果，根据所述拥堵路段的基准数据分析结果和所述基准参考数据的第二偏差数据信息调整所述拥堵路段的实时车流密度数据和当前实时人流密度数据，返回所述拥堵路段事故识别的步骤，直到满足第二安全行驶条件，得到所述当前拥堵路段对应的当前第二偏差数据信息；
遍历所述各个拥堵路段对应的拥堵指数，得到所述各个拥堵路段对应的拥堵指数对应的各个当前第二偏差数据信息，比较所述各个当前第二偏差数据信息，得到目标第二偏差数据信息，将所述目标第二偏差数据信息对应的拥堵路段对应的拥堵指数作为所述城市交通拥堵量；
其中，所述根据所述拥堵路段的基准数据分析结果和所述基准参考数据的第二偏差数据信息调整所述拥堵路段的实时车流密度数据和当前实时人流密度数据，返回所述拥堵路段事故识别的步骤，直到满足第二安全行驶条件，包括：
当所述第二偏差数据信息未满足第二安全行驶条件时，基于所述拥堵路段对应的调整路段信息调整所述当前实时城市交通状态，得到拥堵路段的已标记的实时城市交通状态；
从所述拥堵路段的已标记的实时城市交通状态中选取拥堵路段已标记的实时人流密度数据，将所述拥堵路段已标记的实时人流密度数据作为当前实时人流密度数据，并将所述拥堵路段的已标记的实时车流密度数据作为拥堵路段的实时车流密度数据，返回基于所述拥堵路段的实时车流密度数据、所述当前实时人流密度数据和所述基准参考数据进行拥堵路段事故识别，得到拥堵路段对应的目标事故路段信息的步骤，直到满足第二安全行驶条件；
其中，所述根据目标事故路段信息从所述当前实时城市交通状态中选取已标记的实时车流密度数据，包括：
获取所述当前实时城市交通状态的实时城市交通状态对应的车流密度数据变化趋势中的车流加速度数据的波动轨迹，获取城市交通环境信息，根据所述城市交通环境信息从所述车流加速度数据的波动轨迹中选取对应的各个实时轨迹片段；
根据所述目标事故路段信息将所述各个实时轨迹片段加载至基准密度数据集合中，得到各个片段数据分析结果；
分别基于所述各个片段数据分析结果与所述基准车流密度数据确定第六偏差数据信息，比较所述各个片段数据分析结果对应的第六偏差数据信息，得到目标第六偏差数据信息，将所述目标第六偏差数据信息对应的实时轨迹片段作为所述基准车流密度数据对应的已标记的实时车流密度数据。
CN202110074736.3A 2021-01-20 2021-01-20 一种基于智慧交通监控的数据分析方法及装置 Active CN112927498B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110074736.3A CN112927498B (zh) 2021-01-20 2021-01-20 一种基于智慧交通监控的数据分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110074736.3A CN112927498B (zh) 2021-01-20 2021-01-20 一种基于智慧交通监控的数据分析方法及装置

Publications (2)

Publication Number Publication Date
CN112927498A CN112927498A (zh) 2021-06-08
CN112927498B true CN112927498B (zh) 2022-07-29

Family

ID=76164466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110074736.3A Active CN112927498B (zh) 2021-01-20 2021-01-20 一种基于智慧交通监控的数据分析方法及装置

Country Status (1)

Country Link
CN (1) CN112927498B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117235656B (zh) * 2023-11-16 2024-02-27 广州视安智能科技有限公司 一种基于大数据和云计算的城市交通管理***及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016096226A1 (en) * 2014-12-18 2016-06-23 Be-Mobile Nv A traffic data fusion system and the related method for providing a traffic state for a network of roads
CN105788271A (zh) * 2016-05-17 2016-07-20 厦门市美亚柏科信息股份有限公司 通过轨迹匹配识别目标移动对象的方法和装置
CN106355885A (zh) * 2016-11-24 2017-01-25 深圳市永达电子信息股份有限公司 基于大数据分析平台的交通信号动态控制方法及***
WO2017175551A1 (ja) * 2016-04-04 2017-10-12 株式会社日立製作所 人流評価システム、人流制御の検討方法
CN109035755A (zh) * 2017-06-12 2018-12-18 北京嘀嘀无限科技发展有限公司 路况分析方法、装置、服务器和计算机可读存储介质
CN110111563A (zh) * 2019-04-08 2019-08-09 东南大学 一种城市快速路的实时交通状态估计方法
CN111696347A (zh) * 2020-06-02 2020-09-22 安徽宇呈数据技术有限公司 一种自动化分析交通事件信息的方法和装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104978853B (zh) * 2014-04-01 2017-11-21 ***通信集团公司 一种道路交通安全评估方法及***
DE102015203233A1 (de) * 2015-02-24 2016-08-25 Bayerische Motoren Werke Aktiengesellschaft Server, System und Verfahren zur Bestimmung einer Position eines Stauendes
CN105809958A (zh) * 2016-03-29 2016-07-27 中国科学院深圳先进技术研究院 一种基于交叉口群的交通控制方法及***
CN110782654B (zh) * 2019-02-22 2021-05-25 滴滴智慧交通科技有限公司 拥堵区域通行能力估测方法、装置及数据处理设备
CN112101670A (zh) * 2020-09-21 2020-12-18 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、电子设备和可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016096226A1 (en) * 2014-12-18 2016-06-23 Be-Mobile Nv A traffic data fusion system and the related method for providing a traffic state for a network of roads
WO2017175551A1 (ja) * 2016-04-04 2017-10-12 株式会社日立製作所 人流評価システム、人流制御の検討方法
CN105788271A (zh) * 2016-05-17 2016-07-20 厦门市美亚柏科信息股份有限公司 通过轨迹匹配识别目标移动对象的方法和装置
CN106355885A (zh) * 2016-11-24 2017-01-25 深圳市永达电子信息股份有限公司 基于大数据分析平台的交通信号动态控制方法及***
CN109035755A (zh) * 2017-06-12 2018-12-18 北京嘀嘀无限科技发展有限公司 路况分析方法、装置、服务器和计算机可读存储介质
CN110111563A (zh) * 2019-04-08 2019-08-09 东南大学 一种城市快速路的实时交通状态估计方法
CN111696347A (zh) * 2020-06-02 2020-09-22 安徽宇呈数据技术有限公司 一种自动化分析交通事件信息的方法和装置

Also Published As

Publication number Publication date
CN112927498A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN109359690B (zh) 基于卡口数据的车辆出行轨迹识别方法
CN113269042B (zh) 基于行驶车辆违章识别的智能交通管理方法及***
CN104809878A (zh) 利用公交车gps数据检测城市道路交通异常状态的方法
CN103473540A (zh) 智能交通***车辆轨迹增量式建模与在线异常检测方法
CN112927498B (zh) 一种基于智慧交通监控的数据分析方法及装置
CN104318772A (zh) 高速公路交通流数据质量检测方法
CN117173913B (zh) 基于不同时段车流量分析的交通控制方法及***
CN109300315B (zh) 基于车辆检测概率的地磁数据异常判别方法及***
CN110264725B (zh) 路段流量的确定方法及装置
CN112150851B (zh) 地磁检测器的测试方法和装置
CN116070111B (zh) 一种基于ai的大数据挖掘的辅助决策方法及***
CN116958938A (zh) 一种基于驾驶数据逻辑代码的危险场景提取方法
CN104050730B (zh) 车辆上报信息的处理方法和装置
CN112926823B (zh) 一种智慧交通业务数据检测方法、装置及电子设备
Brunauer et al. Deriving driver-centric travel information by mining delay patterns from single GPS trajectories
CN116052417A (zh) 一种行驶预测方法、装置、设备和可读存储介质
CN113987751A (zh) 一种方案筛选方法、装置、电子设备及存储介质
CN114202918A (zh) 一种应对交通拥堵的交通分流方法、装置、电子设备及介质
KR20220080837A (ko) 딥러닝을 활용한 교량통행 차량하중 분석시스템
KR20170111789A (ko) 이동 거리 기반 사용일 분포를 고려한 보증 기간 내 제품 고장 확률 분석 장치 및 방법
CN112801486A (zh) 一种应用于智慧城市的业务数据检测方法及装置
CN112541177A (zh) 一种基于数据安全的异常检测方法及***
CN104318226A (zh) 车牌识别设备参数设定方法及车牌识别器
CN112346985B (zh) 一种acc功能失效判定方法、***、装置及存储介质
CN117312635B (zh) 在线检测数据分析处理方法、***、电子设备及存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20220713

Address after: 510000 rooms 2012 and 2013, No. 80 Xianlie Middle Road, Yuexiu District, Guangzhou City, Guangdong Province

Applicant after: Guangzhou Xinliuxiang Electronics Science and Technology Co.,Ltd.

Address before: 750002 No.159, East Xinchang Road, Jinfeng District, Yinchuan City, Ningxia Hui Autonomous Region

Applicant before: Cai Jiabin

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant