CN114613137A - 应用于高速公路的拥堵指数确定方法、装置、介质及设备 - Google Patents
应用于高速公路的拥堵指数确定方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN114613137A CN114613137A CN202210217295.2A CN202210217295A CN114613137A CN 114613137 A CN114613137 A CN 114613137A CN 202210217295 A CN202210217295 A CN 202210217295A CN 114613137 A CN114613137 A CN 114613137A
- Authority
- CN
- China
- Prior art keywords
- data
- target road
- vehicle
- road section
- determining
- 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.)
- Granted
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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例提供了一种应用于高速公路的拥堵指数确定方法、装置、介质及设备,涉及计算机技术领域;包括:获取目标路段的起始点车辆数据和终止点车辆数据,并根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速;若目标路段处于非拥堵状态,则根据车流量和平均车速确定目标路段对应的车流密度;根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,并基于起始点车辆数据、终止点车辆数据和历史车辆数据确定历史平均车速;根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数。这样可以通过公路上已架设的现有设备直接获取车辆数据,降低了设备成本,并且可以提升拥堵指数的计算精度。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种应用于高速公路的拥堵指数确定方法、装置、介质及设备。
背景技术
高速公路拥堵预警实时检测是目前智能交通领域难度较大的核心问题之一,传统的检测方法通常需要架设专门设备,以测量车辆的速度,进而通过车辆的速度确定当前路段是否拥堵。但是,实施这种方式通常需要较高的设备成本,并且,只通过车辆的速度确定路段是否拥堵,这种方式的检测维度较为单一,通过这种方式得出的拥堵判定结果存在准确度不高。
发明内容
本公开实施例的目的在于提供一种应用于高速公路的拥堵指数确定方法、应用于高速公路的拥堵指数确定装置、计算机可读介质及电子设备,可以通过公路上已架设的现有设备直接获取车辆数据,无需另外架设测速设备,降低了设备成本,并且可以基于车流量和平均车速、车流量阈值、车流密度、历史平均车速多个维度进行拥堵指数的计算,相较于现有技术具备更高的测算精度,此外,还可以基于历史车辆数据确定更适配当前情况的车流量阈值,以进一步提升拥堵指数的计算精度。
本公开实施例的第一方面提供了一种应用于高速公路的拥堵指数确定方法,包括:
获取目标路段的起始点车辆数据和终止点车辆数据,并根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速;
根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,并基于起始点车辆数据、终止点车辆数据和历史车辆数据确定历史平均车速;
若目标路段处于非拥堵状态,则根据车流量和平均车速确定目标路段对应的车流密度;
根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数。
在本公开的一种示例性实施例中,若目标路段处于拥堵状态,上述方法还包括:
根据目标路段的平均车速和历史平均车速确定目标路段对应的拥堵指数。
在本公开的一种示例性实施例中,根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,包括:
根据目标路段对应的历史车辆数据生成目标路段对应的车流分布模型;
基于车流分布模型和目标路段对应的实际分布模型计算模型置信度;
若模型置信度属于第一预设范围,则基于起始点车辆数据和终止点车辆数据生成目标车流分布模型,并根据预设取值规则从目标车流分布模型中确定对应于目标路段的车流量阈值;
若模型置信度属于第二预设范围,则根据目标路段对应的预设路段参数生成对应于目标路段的车流量阈值。
在本公开的一种示例性实施例中,获取目标路段的起始点车辆数据和终止点车辆数据,包括:
从设置于目标路段的起始点的第一高速公路门架设备中获取起始点车辆数据;
从设置于目标路段的终止点的第二高速公路门架设备中获取终止点车辆数据。
在本公开的一种示例性实施例中,起始点车辆数据包括:第一高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第一途径时刻;
终止点车辆数据包括:第二高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第二途径时刻。
在本公开的一种示例性实施例中,根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速,包括:
根据车牌数据确定目标路段对应的车流量;其中,车牌数据至少包括车牌号;
根据各车牌数据对应的第一途径时刻和第二途径时刻确定各车牌数据对应的车速;
基于各车牌数据对应的车速确定目标路段对应的平均车速。
在本公开的一种示例性实施例中,基于各车牌数据对应的车速确定目标路段对应的平均车速,包括:
确定各所述车牌数据对应的车速确定时间与当前时间之间的时间差值,并按照所述时间差值对各所述车牌数据对应的车速进行排序,得到车速序列;
根据指数平滑算法计算车速序列对应的平均车速。
在本公开的一种示例性实施例中,基于起始点车辆数据、终止点车辆数据和目标路段对应的历史车辆数据确定历史平均车速,包括:
基于一类车型对应的历史车速数据确定目标路段对应的第一平均车速,并基于二类车型对应的历史车速数据确定目标路段对应的第二平均车速;
根据一类车型对应的历史车速数据和二类车型对应的历史车速数据确定第一比例;其中,第一比例用于表征不同车型间的速度比;
根据起始点车辆数据和终止点车辆数据确定二类车型的车辆数量与总车辆数量的第二比例;
根据第一平均车速、第二平均车速、第一比例和第二比例确定历史平均车速。
在本公开的一种示例性实施例中,基于一类车型对应的历史车速数据确定目标路段对应的第一平均车速,包括:
获取对应于目标路段的预设时长内的历史车速数据;
基于历史车速数据分别对应的车型从历史车速数据中获取对应于一类车型的一类车速数据;
根据一类车速数据所分布的时间段确定各时间段对应的参考平均车速;
将各时间段对应的参考平均车速中的最高平均车速确定为目标路段对应的第一平均车速。
在本公开的一种示例性实施例中,上述方法还包括:
根据预设数据规则对起始点车辆数据和终止点车辆数据进行数据清洗。
在本公开的一种示例性实施例中,根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,上述方法还包括:
向目标路段对应的显示设备发送拥堵指数,以触发显示设备显示拥堵指数。
在本公开的一种示例性实施例中,根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,上述方法还包括:
若拥堵指数大于预设拥堵阈值,则将目标路段的当前状态由非拥堵状态切换为拥堵状态。
在本公开的一种示例性实施例中,根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,上述方法还包括:
根据当前状态确定拥堵标识;其中,拥堵标识用于表征目标路段的当前拥堵程度;
向显示设备发送拥堵标识,以触发显示设备展示拥堵标识。
在本公开的一种示例性实施例中,上述方法还包括:
确定目标路段对应的历史车流密度;其中,历史车流密度对应的生成时间距离当前时间最近;
若历史车流密度大于预设车流密度,则判定目标路段处于拥堵状态;
若历史车流密度小于或等于预设车流密度,则判定目标路段处于非拥堵状态。
本公开实施例的第二方面提供了一种应用于高速公路的拥堵指数确定装置,包括:
当前数据处理单元,用于获取目标路段的起始点车辆数据和终止点车辆数据,并根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速;
历史数据处理单元,用于根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,并基于起始点车辆数据、终止点车辆数据和历史车辆数据确定历史平均车速;
第一参数确定单元,用于在目标路段处于非拥堵状态时,根据车流量和平均车速确定目标路段对应的车流密度;
第二参数确定单元,用于根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数。
在本公开的一种示例性实施例中,若目标路段处于拥堵状态,第二参数确定单元,还用于根据目标路段的平均车速和历史平均车速确定目标路段对应的拥堵指数。
在本公开的一种示例性实施例中,历史数据处理单元根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,包括:
根据目标路段对应的历史车辆数据生成目标路段对应的车流分布模型;
基于车流分布模型和目标路段对应的实际分布模型计算模型置信度;
若模型置信度属于第一预设范围,则基于起始点车辆数据和终止点车辆数据生成目标车流分布模型,并根据预设取值规则从目标车流分布模型中确定对应于目标路段的车流量阈值;
若模型置信度属于第二预设范围,则根据目标路段对应的预设路段参数生成对应于目标路段的车流量阈值。
在本公开的一种示例性实施例中,当前数据处理单元获取目标路段的起始点车辆数据和终止点车辆数据,包括:
从设置于目标路段的起始点的第一高速公路门架设备中获取起始点车辆数据;
从设置于目标路段的终止点的第二高速公路门架设备中获取终止点车辆数据。
在本公开的一种示例性实施例中,起始点车辆数据包括:第一高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第一途径时刻;
终止点车辆数据包括:第二高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第二途径时刻。
在本公开的一种示例性实施例中,当前数据处理单元根据起始点车辆数据和终止点车辆数据确定目标路段对应的平均车速,包括:
根据车牌数据确定目标路段对应的车流量;其中,车牌数据至少包括车牌号;
根据各车牌数据对应的第一途径时刻和第二途径时刻确定各车牌数据对应的车速;
基于各车牌数据对应的车速确定目标路段对应的平均车速。
在本公开的一种示例性实施例中,当前数据处理单元基于各车牌数据对应的车速确定目标路段对应的平均车速,包括:
确定各所述车牌数据对应的车速确定时间与当前时间之间的时间差值,并按照所述时间差值对各所述车牌数据对应的车速进行排序,得到车速序列;
根据指数平滑算法计算车速序列对应的平均车速。
在本公开的一种示例性实施例中,历史数据处理单元基于起始点车辆数据、终止点车辆数据和目标路段对应的历史车辆数据确定历史平均车速,包括:
基于一类车型对应的历史车速数据确定目标路段对应的第一平均车速,并基于二类车型对应的历史车速数据确定目标路段对应的第二平均车速;
根据一类车型对应的历史车速数据和二类车型对应的历史车速数据确定第一比例;其中,第一比例用于表征不同车型间的速度比;
根据起始点车辆数据和终止点车辆数据确定二类车型的车辆数量与总车辆数量的第二比例;
根据第一平均车速、第二平均车速、第一比例和第二比例确定历史平均车速。
在本公开的一种示例性实施例中,历史数据处理单元基于一类车型对应的历史车速数据确定目标路段对应的第一平均车速,包括:
获取对应于目标路段的预设时长内的历史车速数据;
基于历史车速数据分别对应的车型从历史车速数据中获取对应于一类车型的一类车速数据;
根据一类车速数据所分布的时间段确定各时间段对应的参考平均车速;
将各时间段对应的参考平均车速中的最高平均车速确定为目标路段对应的第一平均车速。
在本公开的一种示例性实施例中,上述装置还包括:
数据清洗单元,用于根据预设数据规则对起始点车辆数据和终止点车辆数据进行数据清洗。
在本公开的一种示例性实施例中,上述装置还包括:
参数发送单元,用于在第二参数确定单元根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,向目标路段对应的显示设备发送拥堵指数,以触发显示设备显示拥堵指数。
在本公开的一种示例性实施例中,上述装置还包括:
状态切换单元,用于在第二参数确定单元根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,若拥堵指数大于预设拥堵阈值,则将目标路段的当前状态由非拥堵状态切换为拥堵状态。
在本公开的一种示例性实施例中,上述装置还包括:
标识确定单元,用于在第二参数确定单元根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,根据当前状态确定拥堵标识;其中,拥堵标识用于表征目标路段的当前拥堵程度;向显示设备发送拥堵标识,以触发显示设备展示拥堵标识。
在本公开的一种示例性实施例中,上述装置还包括:
历史车流密度确定单元,用于确定目标路段对应的历史车流密度;其中,历史车流密度对应的生成时间距离当前时间最近;
状态判定单元,用于若历史车流密度大于预设车流密度,则判定目标路段处于拥堵状态;若历史车流密度小于或等于预设车流密度,则判定目标路段处于非拥堵状态。
根据本公开实施例的第三方面,提供了一种计算机可读介质,其上存储有计算机程序,程序被处理器执行时实现如上述实施例中第一方面所述的应用于高速公路的拥堵指数确定方法。
根据本公开实施例的第四方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现如上述实施例中第一方面所述的应用于高速公路的拥堵指数确定方法。
根据本申请的第五方面,提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述的各种可选实现方式中提供的方法。
本公开实施例提供的技术方案可以包括以下有益效果:
在本公开的一些实施例所提供的技术方案中,可以获取目标路段的起始点车辆数据和终止点车辆数据,并根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速;若目标路段处于非拥堵状态,则根据车流量和平均车速确定目标路段对应的车流密度;根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,并基于起始点车辆数据、终止点车辆数据和历史车辆数据确定历史平均车速;根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数。实施本公开的实施例,一方面,可以通过公路上已架设的现有设备直接获取车辆数据,无需另外架设测速设备,降低了设备成本。另一方面,可以基于车流量和平均车速、车流量阈值、车流密度、历史平均车速多个维度进行拥堵指数的计算,相较于现有技术具备更高的测算精度。又一方面,可以基于历史车辆数据确定更适配当前情况的车流量阈值,以进一步提升拥堵指数的计算精度。
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,并不能限制本公开。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出了可以应用本公开实施例的一种应用于高速公路的拥堵指数确定方法及装置的示例性***架构的示意图;
图2示意性示出了适于用来实现本公开实施例的电子设备的计算机***的结构示意图;
图3示意性示出了根据本公开的一个实施例的应用于高速公路的拥堵指数确定方法的流程图;
图4示意性示出了根据本公开的一个实施例的应用场景示意图;
图5示意性示出了根据本公开的一个实施例的数据清洗参数示意图;
图6示意性示出了根据本公开的另一个实施例的应用于高速公路的拥堵指数确定方法的流程图;
图7示意性示出了根据本公开的一个实施例的应用于高速公路的拥堵指数确定***的结构图;
图8示意性示出了根据本公开的一个实施例中的应用于高速公路的拥堵指数确定装置的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示意性示出了可以应用本公开实施例的一种应用于高速公路的拥堵指数确定方法及装置的示例性***架构的示意图。
如图1所示,***架构100可以包括终端设备101、102、103中的一个或多个,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于台式计算机、便携式计算机、智能手机和平板电脑等等。应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。例如,服务器105可以执行:获取目标路段的起始点车辆数据和终止点车辆数据,并根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速;若目标路段处于非拥堵状态,则根据车流量和平均车速确定目标路段对应的车流密度;根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,并基于起始点车辆数据、终止点车辆数据和历史车辆数据确定历史平均车速;根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数。
图2示出了适于用来实现本公开实施例的电子设备的计算机***的结构示意图。
需要说明的是,图2示出的电子设备的计算机***200仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图2所示,计算机***200包括中央处理单元(CPU)201,其可以根据存储在只读存储器(ROM)202中的程序或者从储存部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在(RAM)203中,还存储有***操作所需的各种程序和数据。(CPU)201、(ROM)202以及(RAM)203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至(I/O)接口205:包括键盘、鼠标等的输入部分206;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207;包括硬盘等的储存部分208;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至(I/O)接口205。可拆卸介质211,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器210上,以便于从其上读出的计算机程序根据需要被安装入储存部分208。
特别地,根据本公开的实施例,下文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分209从网络上被下载和安装,和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时,执行本申请的方法和装置中限定的各种功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,示出了按照本公开各种实施例的***、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个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码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。也应当注意,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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图3所示的各个步骤等。
本示例实施方式提供了一种应用于高速公路的拥堵指数确定方法。参考图3所示,该应用于高速公路的拥堵指数确定方法可以包括以下步骤S310至步骤S340,具体地:
步骤S310:获取目标路段的起始点车辆数据和终止点车辆数据,并根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速。
步骤S320:根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,并基于起始点车辆数据、终止点车辆数据和历史车辆数据确定历史平均车速。
步骤S330:若目标路段处于非拥堵状态,则根据车流量和平均车速确定目标路段对应的车流密度。
步骤S340:根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数。
实施图3所示的应用于高速公路的拥堵指数确定方法,可以通过公路上已架设的现有设备直接获取车辆数据,无需另外架设测速设备,降低了设备成本。此外,还可以基于车流量和平均车速、车流量阈值、车流密度、历史平均车速多个维度进行拥堵指数的计算,相较于现有技术具备更高的测算精度。此外,还可以基于历史车辆数据确定更适配当前情况的车流量阈值,以进一步提升拥堵指数的计算精度。
下面,对于本示例实施方式的上述步骤进行更加详细的说明。
在步骤S310中,获取目标路段的起始点车辆数据和终止点车辆数据,并根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速。
具体地,目标路段可以为高速公路/普通公路中预设长度的路段,当本申请应用于高速公路时,目标路段可以为两个相邻的高速公路门架设备(Electronic TollCollection,ETC)之间的路段。ETC可以应用于高速公路或桥梁的自动收费,具体可以通过安装在车辆挡风玻璃上的车载电子标签与ETC的微波天线之间进行的专用短程通讯,并利用计算机联网技术与银行进行后台结算处理,从而达到车辆通过高速公路或桥梁收费站无需停车而能交纳高速公路或桥梁费用的目的。
此外,高速公路/普通公路中可以包含多个路段,上述的目标路段可以为多个路段中的任意一个路段,针对多个路段中各路段,均可以通过本申请实施例公开的实施方式计算拥堵指数。
此外,目标路段对应的车流量可以用于表征预设时长(如,30分钟)内通过的车辆数量,目标路段对应的平均车速可以用于表征预设时长内通过的各车辆的平均速度。
请参阅图4,图4示意性示出了根据本公开的一个实施例的应用场景示意图。如图4所示,本申请可以应用于设置了多个高速公路门架设备(如,高速公路门架设备410、……、高速公路门架设备420、高速公路门架设备430、……、高速公路门架设备440)的高速公路,多个高速公路门架设备可以将高速公路划分为多个路段,各路段的起始点和终止点可以由两个相邻的高速公路门架设备进行表示。
当需要针对高速公路门架设备420和高速公路门架设备430之间的路段计算拥堵指数时,以高速公路门架设备420和高速公路门架设备430之间的路段为目标路段,并基于车辆的行驶方向可以将高速公路门架设备420确定为目标路段的起始点,以及将高速公路门架设备430确定为目标路段的终止点。进而获取高速公路门架设备420的起始点车辆数据和高速公路门架设备430的终止点车辆数据,从而根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速。
作为一种可选的实施例,起始点车辆数据包括:第一高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第一途径时刻;终止点车辆数据包括:第二高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第二途径时刻。
具体地,第一高速公路门架设备的标识可以作为第一高速公路门架设备的唯一表示(如,4673826),该标识可以表示为字符串、数字、文字、字母、符号等,本申请实施例不作限定,同理,第二高速公路门架设备的标识也可以作为第二高速公路门架设备的唯一表示。
途径车辆的车牌数据可以作为各途径车辆的唯一表示(如,北A3489174),车牌数据可以表示为字符串、数字、文字、字母、符号等。各车牌数据对应的车型可以包括多种类型,例如,小汽车类型、客车类型、卡车类型等,本申请将各车牌数据对应的车型划分为一类车型和二类车型,其中,一类车型包括各类小型车辆,二类车型包括各类大型和中型车辆。
此外,车牌数据对应的第一途径时刻可以用于表征车辆通过第一高速公路门架设备的时刻(如,2020年1月1日00:00:00),车牌数据对应的第二途径时刻可以用于表征车辆通过第二高速公路门架设备的时刻(如,2020年1月1日00:20:00),一个车牌数据对应唯一的车辆,每个车牌数据可以对应于一组途径时刻(即,第一途径时刻-第二途径时刻),用于作为该车辆通过第一高速公路门架设备和第二高速公路门架设备的唯一时间表征。
可见,实施该可选的实施例,可以实现对于高速公路门架设备数据的直接应用,无需架设其他设备,即可获取用于计算拥堵指数的各项参数,通过对于各个高速公路门架设备的数据获取,可以计算出各相邻高速公路门架设备之间的路段的拥堵指数,从而提升对于高速公路各路段的拥堵指数的计算效率。
作为一种可选的实施例,获取目标路段的起始点车辆数据和终止点车辆数据,包括:从设置于目标路段的起始点的第一高速公路门架设备中获取起始点车辆数据;从设置于目标路段的终止点的第二高速公路门架设备中获取终止点车辆数据。
具体地,从设置于目标路段的起始点的第一高速公路门架设备中获取起始点车辆数据,包括:从第一高速公路门架设备中获取预设时长(如,30分钟)内的起始点车辆数据。此外,从设置于目标路段的终止点的第二高速公路门架设备中获取终止点车辆数据,包括:从第二高速公路门架设备中获取预设时长(如,30分钟)内的终止点车辆数据。
可见,实施该可选的实施例,可以直接从高速公路门架设备中获取车辆数据,基于相邻高速公路门架设备的车辆数据可以便于计算相邻高速公路门架设备之间路段的拥堵指数,这种方式的计算效率较高。
作为一种可选的实施例,上述方法还包括:根据预设数据规则对起始点车辆数据和终止点车辆数据进行数据清洗。
具体地,预设数据规则至少可以包括车牌数据筛选规则、途径时刻筛选规则,预设数据规则也可以包括其他规则,本申请实施例不作限定。
基于此,根据预设数据规则对起始点车辆数据和终止点车辆数据进行数据清洗,包括:根据车牌数据筛选规则对途径车辆的车牌数据进行数据清洗,车牌数据筛选规则用于限定车牌数据的格式(如,省份+5位数字/字母);根据途径时刻筛选规则对第一途径时刻和第二途径时刻进行数据清洗,途径时刻筛选规则限定了早于当前时间的途径时刻为有效途径时刻,此外,可选的,途径时刻筛选规则还可以用于限定途径时刻的格式(如,xxxx年xx月xx日xx时xx分xx秒)。
可见,实施该可选的实施例,可以通过数据清洗去除起始点车辆数据和终止点车辆数据中的脏数据,从而有利于提升计算出的拥堵指数的准确性。
作为一种可选的实施例,根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速,包括:根据车牌数据确定目标路段对应的车流量;其中,车牌数据至少包括车牌号;根据各车牌数据对应的第一途径时刻和第二途径时刻确定各车牌数据对应的车速;基于各车牌数据对应的车速确定目标路段对应的平均车速。
具体地,根据车牌数据确定目标路段对应的车流量,包括:确定当前时间为T0和滑动窗口时间Tw,根据车牌数据确定[T0,T0+Tw]内经过车辆的数量k,将k赋值给车流量Q。此外,基于各车牌数据对应的车速确定目标路段对应的平均车速,包括:将各车牌数据对应的车速vi代入表达式以计算目标路段对应的平均车速其中,vi用于表示[T0,T0+Tw]内经过的第i个车辆。
此外,根据各车牌数据对应的第一途径时刻和第二途径时刻确定各车牌数据对应的车速之后,上述方法还可以包括:基于车速筛选规则对各车牌数据对应的车速进行数据清洗,得到数据清洗后的车速;其中,车速筛选规则包括预设车速范围(如,[0KM/h~150KM/h]),数据清洗后的车速均满足预设车速范围。进而,基于各车牌数据对应的车速确定目标路段对应的平均车速,包括:基于清洗后的车速确定目标路段对应的平均车速。
另一种方式中,根据各车牌数据对应的第一途径时刻和第二途径时刻确定各车牌数据对应的车速之后,上述方法还可以包括:设置上四分位数Q1和下四分位数Q3,基于表达式IQR(Inter-Quartile Range,内距)=Q3-Q1、下限=Q1-1.5*IQR、上限=Q3+1.5*IQR确定下限和上限,下限和上限用于构成预设车速范围,将各车牌数据对应的车速与预设车速范围进行比对,将超出预设车速范围的之外车速丢弃,得到清洗后的车速。具体请参阅图5,图5示意性示出了根据本公开的一个实施例的数据清洗参数示意图。其中包括了上四分位数、下四分位数、下限和上限。进而,基于各车牌数据对应的车速确定目标路段对应的平均车速,包括:基于清洗后的车速确定目标路段对应的平均车速。
可见,实施该可选的实施例,可以基于起始点车辆数据和终止点车辆数据确定出目标路段对应的车流量和平均车速,效率较高无需额外设置数据采集设备,可以降低数据采集成本。
作为一种可选的实施例,基于各车牌数据对应的车速确定目标路段对应的平均车速,包括:确定各所述车牌数据对应的车速确定时间与当前时间之间的时间差值,并按照所述时间差值对各所述车牌数据对应的车速进行排序,得到车速序列;根据指数平滑算法计算车速序列对应的平均车速。
其中,指数平滑算法的基本思想是先对原始数据进行处理,处理后的数据称为平滑值,然后再根据平滑值构造预测模型,以用于计算未来预测值。其原理是任一时刻的指数平滑值都是当前时刻实际观察值与前一时刻指数平滑值的加权平均。根据平滑次数不同,指数平滑法分为一次指数平滑法、二次指数平滑法和三次指数平滑法等。
具体地,车速确定时间用于表征相应车速的计算出的时间,若车牌数据对应的第一途径时刻和第二途径时刻越早,计算出该车牌数据对应的车速的时间就越早,即,该车牌数据对应的车速确定时间越早,该车牌数据对应的车速在车速序列中的位置就越靠前。
具体地,根据指数平滑算法计算车速序列对应的平均车速,包括:根据一次指数平滑法计算车速序列对应的平均车速;或者,根据二次指数平滑法计算车速序列对应的平均车速;或者,根据三次指数平滑法计算车速序列对应的平均车速。
其中,根据一次指数平滑法计算车速序列对应的平均车速,包括:基于表达式Yt+1=αXt+(1-α)Yt确定各车速对应的车速权重;其中,Yt为车速序列内t时刻之前(包含t时刻在内)的平均车速,Xt为t时刻对应的车速,Yt+1为t+1时刻之前(包含t+1时刻在内)的平均车速,当t+1时刻为车速序列内的最后一个时刻时,可以将最终计算出的Tt+1确定为目标路段对应的平均车速。此外,α为预设平滑系数,可以是人为设定的,α∈(0.6~0.8),这样可以使得车速序列中越靠后的车速在平均车速计算中重要性越高,使得车速序列中越靠前的车速在平均车速计算中重要性越低。
另外,可选的,基于各车牌数据对应的车速确定目标路段对应的平均车速,包括:对各车牌数据对应的车速求平均,以得到目标路段对应的平均车速。
可见,实施该可选的实施例,可以通过指数平滑算法确定平均车速,以通过加权系数提升距离时间窗口较近的车速的重要性,这样计算出的平均车速更为精准。
在步骤S320中,根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,并基于起始点车辆数据、终止点车辆数据和历史车辆数据确定历史平均车速。
具体地,历史车辆数据可以包括至少一个历史时间窗口内的车流量。不同的历史车辆数据可以确定出不同的车流量阈值,不同的目标路段也可以对应于不同的车流量阈值。
作为一种可选的实施例,根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,包括:根据目标路段对应的历史车辆数据生成目标路段对应的车流分布模型;基于车流分布模型和目标路段对应的实际分布模型计算模型置信度;若模型置信度属于第一预设范围,则基于起始点车辆数据和终止点车辆数据生成目标车流分布模型,并根据预设取值规则从目标车流分布模型中确定对应于目标路段的车流量阈值;若模型置信度属于第二预设范围,则根据目标路段对应的预设路段参数生成对应于目标路段的车流量阈值。
其中,车流分布模型可以为负二项分布模型,负二项分布是统计学的一种离散概率分布,满足以下条件的称为负二项分布:实验包含一系列独立的实验,每个实验都有成功、失败两种结果,成功的概率是恒定的。
具体地,根据目标路段对应的历史车辆数据生成目标路段对应的车流分布模型,包括:获取单位时长(如,1周)内的目标路段对应的历史车辆数据;根据历史车辆数据确定负二项分布均值负二项分布方差其中,g为观测数据分组数,fj为间隔t内到达kj辆车这一事件发生的频数,kj为间隔t内到达数,N为观测的总计间隔数;根据表达式p=m/S2和β=m2/(S2-m)确定负二项分布参数p和β,其中,0<p<1,β为正整数;进而,可以将p和β代入表达式以构建目标路段对应的车流分布模型P(k)。
具体地,基于车流分布模型和目标路段对应的实际分布模型计算模型置信度,包括:基于卡方检验算法计算车流分布模型P(k)和目标路段对应的实际分布模型之间的模型置信度。其中,目标路段对应的实际分布模型也可以为负二项分布模型,目标路段对应的实际分布模型用于表达单位时长(如,1周)内目标路段真实的车流分布。模型置信度用于表征车流分布模型和实际分布模型之间的相似程度,模型置信度越高,则车流分布模型和实际分布模型之间的相似程度越低。此外,上述的卡方检验算法属于非参数检验,由于非参检验不存在具体参数和总体正态分布的假设,因此,卡方检验算法也可以被称为自由分布检验,参数和非参数检验的区别在于所使用的数据的类型
具体地,若模型置信度属于第一预设范围,可以判定目标路段的车流分布情况可以基于负二项分布模型进行预测,则基于起始点车辆数据和终止点车辆数据生成目标车流分布模型,并根据预设取值规则从目标车流分布模型中确定对应于目标路段的车流量阈值,包括:基于起始点车辆数据和终止点车辆数据确定目标路段的车流量,根据车流量生成目标车流分布模型;根据预设取值规则从目标车流分布模型中确定对应于目标路段的车流量阈值,其中,预设取值规则用于限定取值位置(如,目标车流分布模型的70%处),车流量阈值可以表示为数值、字符等,本申请实施例不作限定。其中,第一预设范围可以表示为数值范围,如,[0,0.05]。此外,目标车流分布模型也可以为负二项分布模型。
具体地,若模型置信度属于第二预设范围,可以判定目标路段的车流分布情况无法基于负二项分布模型进行预测,则根据目标路段对应的预设路段参数生成对应于目标路段的车流量阈值,包括:获取当前的目标路段对应的预设路段参数;其中,预设路段参数可以是人为设定的,预设路段参数可以包括一个或多个参数,如,预设路段参数可以包含路段车道数和车道流量系数,不同的车道可以对应于不同的车道流量系数,车道流量系数可以基于该车道的车流量确定出;若预设路段参数包含路段车道数和车道流量系数,则可以计算路段车道数(如,4个)和车道流量系数(如,20)的乘积,将乘积确定为目标路段的车流量阈值,若预设路段参数包含路段车道数,则可以将路段车道数代入预设的表达式,以计算得到目标路段的车流量阈值。其中,第二预设范围也可以表示为数值范围,如,[0.05,1],第一预设范围和第二预设范围也可以存在重叠部分也可以不存在重叠部分,本申请实施例不作限定。
可见,实施该可选的实施例,可以根据历史车辆数据的不同确定出适合的车流量阈值,从而有利于根据适合的车流量阈值确定出更为准确的拥堵指数。
作为一种可选的实施例,历史车辆数据包括历史车速数据,基于起始点车辆数据、终止点车辆数据和目标路段对应的历史车辆数据确定历史平均车速,包括:基于一类车型对应的历史车速数据确定目标路段对应的第一平均车速,并基于二类车型对应的历史车速数据确定目标路段对应的第二平均车速;根据一类车型对应的历史车速数据和二类车型对应的历史车速数据确定第一比例;其中,第一比例用于表征不同车型间的速度比;根据起始点车辆数据和终止点车辆数据确定二类车型的车辆数量与总车辆数量的第二比例;根据第一平均车速、第二平均车速、第一比例和第二比例确定历史平均车速。
具体地,基于二类车型对应的历史车速数据确定目标路段对应的第二平均车速,包括:获取各二类车型对应的历史车速数据,计算各二类车型对应的历史车速数据的第二平均车速V2。其中,计算各二类车型对应的历史车速数据的第二平均车速,可以执行为:基于指数平滑算法计算各二类车型对应的历史车速数据的第二平均车速V2。
具体地,根据一类车型对应的历史车速数据和二类车型对应的历史车速数据确定第一比例,包括:计算一类车型对应的历史车速数据的对数均值μ1,并计算二类车型对应的历史车速数据的对数均值μ2,将一类车型对应的对数均值μ1和二类车型对应的对数均值μ2代入表达式以确定第一比例q。
具体地,根据起始点车辆数据和终止点车辆数据确定二类车型的车辆数量与总车辆数量的第二比例,包括:根据起始点车辆数据和终止点车辆数据确定时间窗口[T0,T0+Tw]内二类车型的车辆数量(如,100),根据起始点车辆数据和终止点车辆数据确定时间窗口[T0,T0+Tw]内总车辆数量(如,500),根据表达式p=二类车型的车辆数量/总车辆数量计算第二比例p。
具体地,根据第一平均车速、第二平均车速、第一比例和第二比例确定历史平均车速,包括:将第一平均车速V1、第二平均车速V2、第一比例q和第二比例p代入表达式V混=(1-p)V1+pV2=(1-p+pq)V1,以计算历史平均车速V混,其中,历史平均车速可以理解为混合车型的平均车速。
可见,实施该可选的实施例,可以在拥堵指数计算的过程中对车型作以区分,基于不同车型的平均车速确定综合性的历史平均车速,其精度更高,可以有利于确定出更准确的拥堵指数。
作为一种可选的实施例,基于一类车型对应的历史车速数据确定目标路段对应的第一平均车速,包括:获取对应于目标路段的预设时长内的历史车速数据;基于历史车速数据分别对应的车型从历史车速数据中获取对应于一类车型的一类车速数据;根据一类车速数据所分布的时间段确定各时间段对应的参考平均车速;将各时间段对应的参考平均车速中的最高平均车速确定为目标路段对应的第一平均车速。
其中,一类车型的一类车速数据可以为一个或多个,各时间段对应的参考平均车速可以相同也可以不同,本申请实施例不作限定。
可见,实施该可选的实施例,可以基于各时间段的平均车速选取最高平均车速作为特定车型的第一平均车速,这样可以有利于描述出道路通畅情况下特定车型可以达到的最高车速,基于该第一平均车速可以有利于计算出更为准确的综合性的历史平均车速。
在步骤S330中,若目标路段处于非拥堵状态,则根据车流量和平均车速确定目标路段对应的车流密度。
作为一种可选的实施例,上述方法还包括:确定目标路段对应的历史车流密度;其中,历史车流密度对应的生成时间距离当前时间最近;若历史车流密度(K)大于预设车流密度(Km),则判定目标路段处于拥堵状态;若历史车流密度(K)小于或等于预设车流密度(Km),则判定目标路段处于非拥堵状态。
其中,目标路段对应的历史确定出的车流密度可以为一个或多个,若存在多个,则多个车流密度分别对应于不同的生成时间。
可见,实施该可选的实施例,可以通过历史车流密度确定当前处于拥堵状态还是非拥堵状态,以便更精准地选择相应的拥堵指数计算方式,从而提升拥堵指数计算精度。
在步骤S340中,根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数。
在现有技术中,计算拥堵指数依赖的是表达式g(x),其中,VL用于表示该路段对应的限速值(如,110KM/h),用于表示该路段的平均车速,基于VL和计算拥堵指数g(x)的精度不高,并且,在现有技术中,不论当前路段是否拥堵,都可以应用g(x)、进行拥堵指数计算,进一步加剧了拥堵指数计算精度不高为问题。
本申请为了解决这一问题,通过车流密度、历史平均车速和车流量阈值多个维度进行拥堵指数计算,并且区分了拥堵状态和非拥堵状态,即,在拥堵状态和非拥堵状态对应的x是不同的,这样可以提升拥堵指数计算精度。
具体地,若目标路段处于非拥堵状态,根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数,包括:将车流密度K、历史平均车速Vf和车流量阈值Qb代入表达式并将代入下述表达式,以计算出拥堵指数g(x)。
作为一种可选的实施例,若目标路段处于拥堵状态,上述方法还包括:根据目标路段的平均车速和历史平均车速确定目标路段对应的拥堵指数。
此外,根据目标路段的平均车速和历史平均车速确定目标路段对应的拥堵指数之后,上述方法还包括:若拥堵指数大于预设拥堵阈值Sc,则将目标路段的当前状态由非拥堵状态切换为拥堵状态;若拥堵指数小于或等于预设拥堵阈值Sc,则维持当前状态处于非拥堵状态不变。
可见,实施该可选的实施例,可以在目标路段处于拥堵状态时,通过平均车速和历史平均车速计算拥堵指数,当路段处于拥堵状态时,车流通常行驶缓慢,这样会导致在滑动窗口时间内统计的车流量变小,即缓行状态下,车流量的统计会存在一定程度的失真现象,因此,基于上述方式计算出的拥堵状态下的拥堵指数更为精准。
作为一种可选的实施例,根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,上述方法还包括:向目标路段对应的显示设备发送拥堵指数,以触发显示设备显示拥堵指数。
具体地,目标路段对应的显示设备可以为高速公路门架设备也可以为其他显示设备(如,控制台显示设备、车载设备等),本申请实施例不作限定。此外,拥堵指数可以通过数值、字符等形式进行表示,本申请实施例不作限定。
可见,实施该可选的实施例,可以通过向显示设备发送拥堵指数,以使得控制台人员或行车人员可以直观地了解到该目标路段的拥堵情况。
作为一种可选的实施例,根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,上述方法还包括:若拥堵指数大于预设拥堵阈值Tc,则将目标路段的当前状态由非拥堵状态切换为拥堵状态。
具体地,预设拥堵阈值Tc与预设拥堵阈值Sc可以相同也可以不同,本申请实施例不作限定。拥堵状态可以通过文本、字符串、符号、图像或标识等进行形式表示,本申请实施例不作限定。此外,可选的,当前状态除了非拥堵状态和拥堵状态之外,还可以为无车状态等其他状态,本申请实施例不作限定。基于此,上述方法还可以包括:若拥堵指数小于预设最小值,则将目标路段的当前状态由非拥堵状态切换为无车状态。
此外,若拥堵指数小于或等于预设拥堵阈值Tc,则维持当前状态处于非拥堵状态不变。
可见,实施该可选的实施例,可以根据拥堵指数与预设拥堵阈值的比对,及时更新拥堵状态,从而有利于控制台人员或行车人员可以及时得知目标路段的拥堵情况。
作为一种可选的实施例,根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,上述方法还包括:根据当前状态确定拥堵标识;其中,拥堵标识用于表征目标路段的当前拥堵程度;向显示设备发送拥堵标识,以触发显示设备展示拥堵标识。
具体地,根据当前状态确定拥堵标识,包括:基于下表和拥堵指数确定对应的拥堵状态,并基于下表确定该拥堵状态对应的拥堵标识。此外,还可以包括:将拥堵指数对应的路况描述和出行时间预测描述发送至显示设备,以触发显示设备展示路况描述和出行时间预测描述。
可见,实施该可选的实施例,可以向显示设备发送拥堵标识,以触发显示设备展示拥堵标识,以使得控制台人员或行车人员可以直观地通过拥堵标识了解到当前的路段拥堵情况,结合拥堵标识和拥堵指数,可以便于用户从多个维度了解当前的路段拥堵情况,有利于改善用户体验。
请参阅图6,图6示意性示出了图3中的一个实施例的应用于高速公路的拥堵指数确定方法的流程图。如图6所示,该应用于高速公路的拥堵指数确定方法包括:步骤S610~步骤S642。
步骤S610:从设置于目标路段的起始点的第一高速公路门架设备中获取起始点车辆数据,并从设置于目标路段的终止点的第二高速公路门架设备中获取终止点车辆数据;其中,起始点车辆数据包括:第一高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第一途径时刻;终止点车辆数据包括:第二高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第二途径时刻。
步骤S612:根据车牌数据确定目标路段对应的车流量。
步骤S614:根据各车牌数据对应的第一途径时刻和第二途径时刻确定各车牌数据对应的车速。
步骤S616:确定各所述车牌数据对应的车速确定时间与当前时间之间的时间差值,并按照所述时间差值对各所述车牌数据对应的车速进行排序,得到车速序列,并根据指数平滑算法计算车速序列对应的平均车速。
步骤S618:基于一类车型对应的历史车速数据确定目标路段对应的第一平均车速,并基于二类车型对应的历史车速数据确定目标路段对应的第二平均车速。
步骤S620:根据一类车型对应的历史车速数据和二类车型对应的历史车速数据确定第一比例,并根据起始点车辆数据和终止点车辆数据确定二类车型的车辆数量与总车辆数量的第二比例;其中,第一比例用于表征不同车型间的速度比。
步骤S622:根据第一平均车速、第二平均车速、第一比例和第二比例确定历史平均车速。若目标路段处于拥堵状态,则执行步骤S624。若目标路段处于非拥堵状态,则执行步骤S626。
步骤S624:根据目标路段的平均车速和历史平均车速确定目标路段对应的拥堵指数。
步骤S626:根据车流量和平均车速确定目标路段对应的车流密度。进而,执行步骤S638。
步骤S628:根据目标路段对应的历史车辆数据生成目标路段对应的车流分布模型。
步骤S630:基于车流分布模型和目标路段对应的实际分布模型计算模型置信度。若模型置信度属于第一预设范围,则执行步骤S632。若模型置信度属于第二预设范围,则执行步骤S634。
步骤S632:基于起始点车辆数据和终止点车辆数据生成目标车流分布模型,并根据预设取值规则从目标车流分布模型中确定对应于目标路段的车流量阈值。进而,执行步骤S636。
步骤S634:根据目标路段对应的预设路段参数生成对应于目标路段的车流量阈值。进而,执行步骤S636。
步骤S636:根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数。
步骤S638:向目标路段对应的显示设备发送拥堵指数,以触发显示设备显示拥堵指数。
步骤S640:若拥堵指数大于预设拥堵阈值,则将目标路段的当前状态由非拥堵状态切换为拥堵状态。
步骤S642:根据当前状态确定拥堵标识,拥堵标识用于表征目标路段的当前拥堵程度,进而向显示设备发送拥堵标识,以触发显示设备展示拥堵标识。
需要说明的是,步骤S610~步骤S642与图3所示的各步骤及其实施例相对应,针对步骤S610~步骤S642的具体实施方式,请参阅图3所示的各步骤及其实施例,此处不再赘述。
可见,实施图6所示的方法,可以通过公路上已架设的现有设备直接获取车辆数据,无需另外架设测速设备,降低了设备成本。此外,还可以基于车流量和平均车速、车流量阈值、车流密度、历史平均车速多个维度进行拥堵指数的计算,相较于现有技术具备更高的测算精度。此外,还可以基于历史车辆数据确定更适配当前情况的车流量阈值,以进一步提升拥堵指数的计算精度。
结合图3所示的方法,本申请还公开了一种应用于高速公路的拥堵指数确定***,该***可以包括:高速公路门架设备710、数据子***720、实时计算平台730、离线计算模块740、数据库750、缓存760、显示设备770;其中,实时计算平台730包括数据清洗模块731和实时计算模块732。
高速公路门架设备710,用于采集车辆数据,高速公路门架设备710可以为前述的第一高速公路门架设备/第二高速公路门架设备。
数据子***720,用于读取高速公路门架设备710中的车辆数据;其中,起始点车辆数据包括:第一高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第一途径时刻;终止点车辆数据包括:第二高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第二途径时刻。
实时计算平台730中的数据清洗模块731,用于对数据子***720发送的车辆数据进行数据清洗。
数据库750,至少用于存储历史车速数据。
离线计算模块740,用于从数据库750中获取一类车型对应的历史车速数据和二类车型对应的历史车速数据,基于一类车型对应的历史车速数据确定目标路段对应的第一平均车速,并基于二类车型对应的历史车速数据确定目标路段对应的第二平均车速;根据一类车型对应的历史车速数据和二类车型对应的历史车速数据确定第一比例;其中,第一比例用于表征不同车型间的速度比。
实时计算平台730中的实时计算模块732,用于根据车牌数据确定目标路段对应的车流量;其中,车牌数据至少包括车牌号;根据各车牌数据对应的第一途径时刻和第二途径时刻确定各车牌数据对应的车速;确定各所述车牌数据对应的车速确定时间与当前时间之间的时间差值,并按照所述时间差值对各所述车牌数据对应的车速进行排序,得到车速序列,并根据指数平滑算法计算车速序列对应的平均车速;根据起始点车辆数据和终止点车辆数据确定二类车型的车辆数量与总车辆数量的第二比例;根据第一平均车速、第二平均车速、第一比例和第二比例确定历史平均车速;若目标路段处于拥堵状态,则根据目标路段的平均车速和历史平均车速确定目标路段对应的拥堵指数;若目标路段处于非拥堵状态,根据车流量和平均车速确定目标路段对应的车流密度;根据目标路段对应的历史车辆数据生成目标路段对应的车流分布模型;基于车流分布模型和目标路段对应的实际分布模型计算模型置信度;若模型置信度属于第一预设范围,基于起始点车辆数据和终止点车辆数据生成目标车流分布模型,并根据预设取值规则从目标车流分布模型中确定对应于目标路段的车流量阈值;若模型置信度属于第二预设范围,根据目标路段对应的预设路段参数生成对应于目标路段的车流量阈值;根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数;若拥堵指数大于预设拥堵阈值,则将目标路段的当前状态由非拥堵状态切换为拥堵状态;根据当前状态确定拥堵标识,拥堵标识用于表征目标路段的当前拥堵程度;将拥堵指数和拥堵标识存储至缓存760中。
缓存760,用于存储拥堵指数和拥堵标识。
显示设备770,用于获取缓存760中的拥堵指数和拥堵标识,并展示拥堵指数和拥堵标识。
可见,实施图7所示的***,可以通过公路上已架设的现有设备直接获取车辆数据,无需另外架设测速设备,降低了设备成本。此外,还可以基于车流量和平均车速、车流量阈值、车流密度、历史平均车速多个维度进行拥堵指数的计算,相较于现有技术具备更高的测算精度。此外,还可以基于历史车辆数据确定更适配当前情况的车流量阈值,以进一步提升拥堵指数的计算精度。
进一步的,本示例实施方式中,还提供了一种应用于高速公路的拥堵指数确定装置。参考图8所示,该应用于高速公路的拥堵指数确定装置800可以包括:
当前数据处理单元801,用于获取目标路段的起始点车辆数据和终止点车辆数据,并根据起始点车辆数据和终止点车辆数据确定目标路段对应的车流量和平均车速;
历史数据处理单元802,用于根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,并基于起始点车辆数据、终止点车辆数据和历史车辆数据确定历史平均车速;
第一参数确定单元803,用于在目标路段处于非拥堵状态时,根据车流量和平均车速确定目标路段对应的车流密度;
第二参数确定单元804,用于根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数。
可见,实施图8所示的装置,可以通过公路上已架设的现有设备直接获取车辆数据,无需另外架设测速设备,降低了设备成本。此外,还可以基于车流量和平均车速、车流量阈值、车流密度、历史平均车速多个维度进行拥堵指数的计算,相较于现有技术具备更高的测算精度。此外,还可以基于历史车辆数据确定更适配当前情况的车流量阈值,以进一步提升拥堵指数的计算精度。
在本公开的一种示例性实施例中,若目标路段处于拥堵状态,第二参数确定单元804,还用于根据目标路段的平均车速和历史平均车速确定目标路段对应的拥堵指数。
可见,实施该可选的实施例,可以在目标路段处于拥堵状态时,通过平均车速和历史平均车速计算拥堵指数,当路段处于拥堵状态时,车流通常行驶缓慢,这样会导致在滑动窗口时间内统计的车流量变小,即缓行状态下,车流量的统计会存在一定程度的失真现象,因此,基于上述方式计算出的拥堵状态下的拥堵指数更为精准。
在本公开的一种示例性实施例中,历史数据处理单元802根据目标路段对应的历史车辆数据确定目标路段对应的车流量阈值,包括:
根据目标路段对应的历史车辆数据生成目标路段对应的车流分布模型;
基于车流分布模型和目标路段对应的实际分布模型计算模型置信度;
若模型置信度属于第一预设范围,则基于起始点车辆数据和终止点车辆数据生成目标车流分布模型,并根据预设取值规则从目标车流分布模型中确定对应于目标路段的车流量阈值;
若模型置信度属于第二预设范围,则根据目标路段对应的预设路段参数生成对应于目标路段的车流量阈值。
可见,实施该可选的实施例,可以根据历史车辆数据的不同确定出适合的车流量阈值,从而有利于根据适合的车流量阈值确定出更为准确的拥堵指数。
在本公开的一种示例性实施例中,当前数据处理单元801获取目标路段的起始点车辆数据和终止点车辆数据,包括:
从设置于目标路段的起始点的第一高速公路门架设备中获取起始点车辆数据;
从设置于目标路段的终止点的第二高速公路门架设备中获取终止点车辆数据。
可见,实施该可选的实施例,可以直接从高速公路门架设备中获取车辆数据,基于相邻高速公路门架设备的车辆数据可以便于计算相邻高速公路门架设备之间路段的拥堵指数,这种方式的计算效率较高。
在本公开的一种示例性实施例中,起始点车辆数据包括:第一高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第一途径时刻;
终止点车辆数据包括:第二高速公路门架设备的标识、途径车辆的车牌数据、各车牌数据对应的车型、各车牌数据对应的第二途径时刻。
可见,实施该可选的实施例,可以实现对于高速公路门架设备数据的直接应用,无需架设其他设备,即可获取用于计算拥堵指数的各项参数,通过对于各个高速公路门架设备的数据获取,可以计算出各相邻高速公路门架设备之间的路段的拥堵指数,从而提升对于高速公路各路段的拥堵指数的计算效率。
在本公开的一种示例性实施例中,当前数据处理单元801根据起始点车辆数据和终止点车辆数据确定目标路段对应的平均车速,包括:
根据车牌数据确定目标路段对应的车流量;其中,车牌数据至少包括车牌号;
根据各车牌数据对应的第一途径时刻和第二途径时刻确定各车牌数据对应的车速;
基于各车牌数据对应的车速确定目标路段对应的平均车速。
可见,实施该可选的实施例,可以基于起始点车辆数据和终止点车辆数据确定出目标路段对应的车流量和平均车速,效率较高无需额外设置数据采集设备,可以降低数据采集成本。
在本公开的一种示例性实施例中,当前数据处理单元801基于各车牌数据对应的车速确定目标路段对应的平均车速,包括:
确定各所述车牌数据对应的车速确定时间与当前时间之间的时间差值,并按照所述时间差值对各所述车牌数据对应的车速进行排序,得到车速序列;
根据指数平滑算法计算车速序列对应的平均车速。
可见,实施该可选的实施例,可以通过指数平滑算法确定平均车速,以通过加权系数提升距离时间窗口较近的车速的重要性,这样计算出的平均车速更为精准。
在本公开的一种示例性实施例中,历史车辆数据包括历史车速数据,历史数据处理单元802基于起始点车辆数据、终止点车辆数据和目标路段对应的历史车辆数据确定历史平均车速,包括:
基于一类车型对应的历史车速数据确定目标路段对应的第一平均车速,并基于二类车型对应的历史车速数据确定目标路段对应的第二平均车速;
根据一类车型对应的历史车速数据和二类车型对应的历史车速数据确定第一比例;其中,第一比例用于表征不同车型间的速度比;
根据起始点车辆数据和终止点车辆数据确定二类车型的车辆数量与总车辆数量的第二比例;
根据第一平均车速、第二平均车速、第一比例和第二比例确定历史平均车速。
可见,实施该可选的实施例,可以在拥堵指数计算的过程中对车型作以区分,基于不同车型的平均车速确定综合性的历史平均车速,其精度更高,可以有利于确定出更准确的拥堵指数。
在本公开的一种示例性实施例中,历史数据处理单元802基于一类车型对应的历史车速数据确定目标路段对应的第一平均车速,包括:
获取对应于目标路段的预设时长内的历史车速数据;
基于历史车速数据分别对应的车型从历史车速数据中获取对应于一类车型的一类车速数据;
根据一类车速数据所分布的时间段确定各时间段对应的参考平均车速;
将各时间段对应的参考平均车速中的最高平均车速确定为目标路段对应的第一平均车速。
可见,实施该可选的实施例,可以基于各时间段的平均车速选取最高平均车速作为特定车型的第一平均车速,这样可以有利于描述出道路通畅情况下特定车型可以达到的最高车速,基于该第一平均车速可以有利于计算出更为准确的综合性的历史平均车速。
在本公开的一种示例性实施例中,上述装置还包括:
数据清洗单元,用于根据预设数据规则对起始点车辆数据和终止点车辆数据进行数据清洗。
可见,实施该可选的实施例,可以通过数据清洗去除起始点车辆数据和终止点车辆数据中的脏数据,从而有利于提升计算出的拥堵指数的准确性。
在本公开的一种示例性实施例中,上述装置还包括:
参数发送单元,用于在第二参数确定单元804根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,向目标路段对应的显示设备发送拥堵指数,以触发显示设备显示拥堵指数。
可见,实施该可选的实施例,可以通过向显示设备发送拥堵指数,以使得控制台人员或行车人员可以直观地了解到该目标路段的拥堵情况。
在本公开的一种示例性实施例中,上述装置还包括:
状态切换单元,用于在第二参数确定单元804根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,若拥堵指数大于预设拥堵阈值,则将目标路段的当前状态由非拥堵状态切换为拥堵状态。
可见,实施该可选的实施例,可以根据拥堵指数与预设拥堵阈值的比对,及时更新拥堵状态,从而有利于控制台人员或行车人员可以及时得知目标路段的拥堵情况。
在本公开的一种示例性实施例中,上述装置还包括:
标识确定单元,用于在第二参数确定单元804根据车流密度、历史平均车速和车流量阈值确定目标路段对应的拥堵指数之后,根据当前状态确定拥堵标识;其中,拥堵标识用于表征目标路段的当前拥堵程度;向显示设备发送拥堵标识,以触发显示设备展示拥堵标识。
可见,实施该可选的实施例,可以向显示设备发送拥堵标识,以触发显示设备展示拥堵标识,以使得控制台人员或行车人员可以直观地通过拥堵标识了解到当前的路段拥堵情况,结合拥堵标识和拥堵指数,可以便于用户从多个维度了解当前的路段拥堵情况,有利于改善用户体验。
在本公开的一种示例性实施例中,上述装置还包括:
历史车流密度确定单元,用于确定目标路段对应的历史车流密度;其中,历史车流密度对应的生成时间距离当前时间最近;
状态判定单元,用于若历史车流密度大于预设车流密度,则判定目标路段处于拥堵状态;若历史车流密度小于或等于预设车流密度,则判定目标路段处于非拥堵状态。
可见,实施该可选的实施例,可以通过历史车流密度确定当前处于拥堵状态还是非拥堵状态,以便更精准地选择相应的拥堵指数计算方式,从而提升拥堵指数计算精度。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
由于本公开的示例实施例的应用于高速公路的拥堵指数确定装置的各个功能模块与上述应用于高速公路的拥堵指数确定方法的示例实施例的步骤对应,因此对于本公开装置实施例中未披露的细节,请参照本公开上述的应用于高速公路的拥堵指数确定方法的实施例。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开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进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (14)
1.一种应用于高速公路的拥堵指数确定方法,其特征在于,包括:
获取目标路段的起始点车辆数据和终止点车辆数据,并根据所述起始点车辆数据和所述终止点车辆数据确定所述目标路段对应的车流量和平均车速;
根据所述目标路段对应的历史车辆数据确定所述目标路段对应的车流量阈值,并基于所述起始点车辆数据、所述终止点车辆数据和所述历史车辆数据确定历史平均车速;
若所述目标路段处于非拥堵状态,则根据所述车流量和所述平均车速确定所述目标路段对应的车流密度;
根据所述车流密度、所述历史平均车速和所述车流量阈值确定所述目标路段对应的拥堵指数。
2.根据权利要求1所述的方法,其特征在于,若所述目标路段处于拥堵状态,所述方法还包括:
根据所述目标路段的平均车速和所述历史平均车速确定所述目标路段对应的拥堵指数。
3.根据权利要求1所述的方法,其特征在于,根据所述目标路段对应的历史车辆数据确定所述目标路段对应的车流量阈值,包括:
根据所述目标路段对应的历史车辆数据生成所述目标路段对应的车流分布模型;
基于所述车流分布模型和所述目标路段对应的实际分布模型计算模型置信度;
若所述模型置信度属于第一预设范围,则基于所述起始点车辆数据和所述终止点车辆数据生成目标车流分布模型,并根据预设取值规则从所述目标车流分布模型中确定对应于所述目标路段的车流量阈值;
若所述模型置信度属于第二预设范围,则根据所述目标路段对应的预设路段参数生成对应于所述目标路段的车流量阈值。
4.根据权利要求1所述的方法,其特征在于,获取目标路段的起始点车辆数据和终止点车辆数据,包括:
从设置于所述目标路段的起始点的第一高速公路门架设备中获取所述起始点车辆数据;
从设置于所述目标路段的终止点的第二高速公路门架设备中获取所述终止点车辆数据。
5.根据权利要求1所述的方法,其特征在于,其中:
所述起始点车辆数据包括:所述第一高速公路门架设备的标识、途径车辆的车牌数据、各所述车牌数据对应的车型、各所述车牌数据对应的第一途径时刻;
所述终止点车辆数据包括:所述第二高速公路门架设备的标识、途径车辆的车牌数据、各所述车牌数据对应的车型、各所述车牌数据对应的第二途径时刻。
6.根据权利要求5所述的方法,其特征在于,根据所述起始点车辆数据和所述终止点车辆数据确定所述目标路段对应的车流量和平均车速,包括:
根据所述车牌数据确定所述目标路段对应的车流量;其中,所述车牌数据至少包括车牌号;
根据各所述车牌数据对应的第一途径时刻和第二途径时刻确定各所述车牌数据对应的车速;
基于各所述车牌数据对应的车速确定所述目标路段对应的平均车速。
7.根据权利要求6所述的方法,其特征在于,基于各所述车牌数据对应的车速确定所述目标路段对应的平均车速,包括:
确定各所述车牌数据对应的车速确定时间与当前时间之间的时间差值,并按照所述时间差值对各所述车牌数据对应的车速进行排序,得到车速序列;
根据指数平滑算法计算所述车速序列对应的平均车速。
8.根据权利要求1所述的方法,其特征在于,历史车辆数据包括历史车速数据,基于所述起始点车辆数据、所述终止点车辆数据和所述目标路段对应的历史车辆数据确定历史平均车速,包括:
基于一类车型对应的历史车速数据确定所述目标路段对应的第一平均车速,并基于二类车型对应的历史车速数据确定所述目标路段对应的第二平均车速;
根据所述一类车型对应的历史车速数据和所述二类车型对应的历史车速数据确定第一比例;其中,所述第一比例用于表征不同车型间的速度比;
根据所述起始点车辆数据和所述终止点车辆数据确定所述二类车型的车辆数量与总车辆数量的第二比例;
根据所述第一平均车速、所述第二平均车速、所述第一比例和所述第二比例确定所述历史平均车速。
9.根据权利要求8所述的方法,其特征在于,基于一类车型对应的历史车速数据确定所述目标路段对应的第一平均车速,包括:
获取对应于所述目标路段的预设时长内的历史车速数据;
基于所述历史车速数据分别对应的车型从所述历史车速数据中获取对应于所述一类车型的一类车速数据;
根据所述一类车速数据所分布的时间段确定各所述时间段对应的参考平均车速;
将各所述时间段对应的参考平均车速中的最高平均车速确定为所述目标路段对应的第一平均车速。
10.根据权利要求1所述的方法,其特征在于,根据所述车流密度、所述历史平均车速和所述车流量阈值确定所述目标路段对应的拥堵指数之后,所述方法还包括:
若所述拥堵指数大于预设拥堵阈值,则将所述目标路段的当前状态由所述非拥堵状态切换为拥堵状态。
11.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述目标路段对应的历史车流密度;其中,所述历史车流密度对应的生成时间距离当前时间最近;
若所述历史车流密度大于预设车流密度,则判定所述目标路段处于拥堵状态;
若所述历史车流密度小于或等于所述预设车流密度,则判定所述目标路段处于非拥堵状态。
12.一种应用于高速公路的拥堵指数确定装置,其特征在于,包括:
当前数据处理单元,用于获取目标路段的起始点车辆数据和终止点车辆数据,并根据所述起始点车辆数据和所述终止点车辆数据确定所述目标路段对应的车流量和平均车速;
历史数据处理单元,用于根据所述目标路段对应的历史车辆数据确定所述目标路段对应的车流量阈值,并基于所述起始点车辆数据、所述终止点车辆数据和所述历史车辆数据确定历史平均车速;
第一参数确定单元,用于在所述目标路段处于非拥堵状态时,根据所述车流量和所述平均车速确定所述目标路段对应的车流密度;
第二参数确定单元,用于根据所述车流密度、所述历史平均车速和所述车流量阈值确定所述目标路段对应的拥堵指数。
13.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~11中任一项所述的应用于高速公路的拥堵指数确定方法。
14.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1~11中任一项所述的应用于高速公路的拥堵指数确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210217295.2A CN114613137B (zh) | 2022-03-07 | 2022-03-07 | 应用于高速公路的拥堵指数确定方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210217295.2A CN114613137B (zh) | 2022-03-07 | 2022-03-07 | 应用于高速公路的拥堵指数确定方法、装置、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114613137A true CN114613137A (zh) | 2022-06-10 |
CN114613137B CN114613137B (zh) | 2023-02-21 |
Family
ID=81860999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210217295.2A Active CN114613137B (zh) | 2022-03-07 | 2022-03-07 | 应用于高速公路的拥堵指数确定方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114613137B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116935655A (zh) * | 2023-09-15 | 2023-10-24 | 武汉市规划研究院 | 一种面向复杂城市道路网络的交通状态判别方法及*** |
CN117392853A (zh) * | 2023-12-11 | 2024-01-12 | 山东通维信息工程有限公司 | 一种基于云端的大数据智能车道控制*** |
CN117831287A (zh) * | 2023-12-29 | 2024-04-05 | 北京大唐高鸿数据网络技术有限公司 | 高速公路拥堵指数的确定方法、装置、设备和存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2659469A1 (en) * | 2010-12-31 | 2013-11-06 | Tomtom Belgium N.V. | Systems and methods for obtaining and using traffic flow information |
JP2013257667A (ja) * | 2012-06-11 | 2013-12-26 | Toshiba Corp | 交通管制システムおよび交通管制システムの情報提供方法 |
CN104268415A (zh) * | 2014-09-30 | 2015-01-07 | 北京交通发展研究中心 | 出行拥堵概率的估计方法 |
CN107798876A (zh) * | 2017-11-07 | 2018-03-13 | 上海炬宏信息技术有限公司 | 基于事件的道路交通异常拥堵判断方法 |
EP3340203A1 (en) * | 2016-12-20 | 2018-06-27 | Bayerische Motoren Werke Aktiengesellschaft | Traffic velocity estimation system |
CN109859477A (zh) * | 2019-03-15 | 2019-06-07 | 同盾控股有限公司 | 一种拥堵数据的确定方法和装置 |
CN109949571A (zh) * | 2019-03-19 | 2019-06-28 | 北京百度网讯科技有限公司 | 异常拥堵的判别方法及装置、设备及存储介质 |
CN110782659A (zh) * | 2019-09-09 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 路况确定方法、装置、服务器及存储介质 |
CN111462484A (zh) * | 2020-03-31 | 2020-07-28 | 腾讯科技(深圳)有限公司 | 拥堵状态的确定方法、装置、设备及计算机可读存储介质 |
JP2020154958A (ja) * | 2019-03-22 | 2020-09-24 | 沖電気工業株式会社 | 異常交通流検出装置、異常交通流検出方法、及び異常交通流検出プログラム |
WO2020259074A1 (zh) * | 2019-06-28 | 2020-12-30 | 佛山科学技术学院 | 一种基于大数据的交通拥堵预测***、方法及存储介质 |
CN112382098A (zh) * | 2021-01-12 | 2021-02-19 | 中兴通讯股份有限公司 | 交通拥堵检测方法、装置、电子设备及存储介质 |
CN112434260A (zh) * | 2020-10-21 | 2021-03-02 | 北京千方科技股份有限公司 | 一种公路的交通状态检测方法、装置、存储介质及终端 |
CN113470356A (zh) * | 2021-06-28 | 2021-10-01 | 青岛海信网络科技股份有限公司 | 电子设备及区域路况预测方法 |
CN113971884A (zh) * | 2021-12-01 | 2022-01-25 | 文思海辉智科科技有限公司 | 一种道路交通拥堵确定方法、装置、电子设备及存储介质 |
-
2022
- 2022-03-07 CN CN202210217295.2A patent/CN114613137B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2659469A1 (en) * | 2010-12-31 | 2013-11-06 | Tomtom Belgium N.V. | Systems and methods for obtaining and using traffic flow information |
JP2013257667A (ja) * | 2012-06-11 | 2013-12-26 | Toshiba Corp | 交通管制システムおよび交通管制システムの情報提供方法 |
CN104268415A (zh) * | 2014-09-30 | 2015-01-07 | 北京交通发展研究中心 | 出行拥堵概率的估计方法 |
EP3340203A1 (en) * | 2016-12-20 | 2018-06-27 | Bayerische Motoren Werke Aktiengesellschaft | Traffic velocity estimation system |
CN107798876A (zh) * | 2017-11-07 | 2018-03-13 | 上海炬宏信息技术有限公司 | 基于事件的道路交通异常拥堵判断方法 |
CN109859477A (zh) * | 2019-03-15 | 2019-06-07 | 同盾控股有限公司 | 一种拥堵数据的确定方法和装置 |
CN109949571A (zh) * | 2019-03-19 | 2019-06-28 | 北京百度网讯科技有限公司 | 异常拥堵的判别方法及装置、设备及存储介质 |
JP2020154958A (ja) * | 2019-03-22 | 2020-09-24 | 沖電気工業株式会社 | 異常交通流検出装置、異常交通流検出方法、及び異常交通流検出プログラム |
WO2020259074A1 (zh) * | 2019-06-28 | 2020-12-30 | 佛山科学技术学院 | 一种基于大数据的交通拥堵预测***、方法及存储介质 |
CN110782659A (zh) * | 2019-09-09 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 路况确定方法、装置、服务器及存储介质 |
CN111462484A (zh) * | 2020-03-31 | 2020-07-28 | 腾讯科技(深圳)有限公司 | 拥堵状态的确定方法、装置、设备及计算机可读存储介质 |
CN112434260A (zh) * | 2020-10-21 | 2021-03-02 | 北京千方科技股份有限公司 | 一种公路的交通状态检测方法、装置、存储介质及终端 |
CN112382098A (zh) * | 2021-01-12 | 2021-02-19 | 中兴通讯股份有限公司 | 交通拥堵检测方法、装置、电子设备及存储介质 |
CN113470356A (zh) * | 2021-06-28 | 2021-10-01 | 青岛海信网络科技股份有限公司 | 电子设备及区域路况预测方法 |
CN113971884A (zh) * | 2021-12-01 | 2022-01-25 | 文思海辉智科科技有限公司 | 一种道路交通拥堵确定方法、装置、电子设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116935655A (zh) * | 2023-09-15 | 2023-10-24 | 武汉市规划研究院 | 一种面向复杂城市道路网络的交通状态判别方法及*** |
CN116935655B (zh) * | 2023-09-15 | 2023-12-05 | 武汉市规划研究院 | 一种面向复杂城市道路网络的交通状态判别方法及*** |
CN117392853A (zh) * | 2023-12-11 | 2024-01-12 | 山东通维信息工程有限公司 | 一种基于云端的大数据智能车道控制*** |
CN117392853B (zh) * | 2023-12-11 | 2024-04-12 | 山东通维信息工程有限公司 | 一种基于云端的大数据智能车道控制*** |
CN117831287A (zh) * | 2023-12-29 | 2024-04-05 | 北京大唐高鸿数据网络技术有限公司 | 高速公路拥堵指数的确定方法、装置、设备和存储介质 |
CN117831287B (zh) * | 2023-12-29 | 2024-05-31 | 北京大唐高鸿数据网络技术有限公司 | 高速公路拥堵指数的确定方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114613137B (zh) | 2023-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114613137B (zh) | 应用于高速公路的拥堵指数确定方法、装置、介质及设备 | |
CN114973677A (zh) | 用于确定预计到达时间的方法和设备 | |
CN111397625B (zh) | 车辆导航方法及相关装置 | |
CN112766662A (zh) | 确定收费站运营能力的方法、装置、电子设备及介质 | |
CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
CN114897312A (zh) | 驾驶行为评分方法、装置、设备及存储介质 | |
CN113895460A (zh) | 行人轨迹预测方法、装置及存储介质 | |
CN114596709A (zh) | 数据处理方法、装置、设备以及存储介质 | |
Madushanka et al. | Study of the impact roadside parking has on traffic flow characteristics-a vissim simulation based approach | |
CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
CN109934496B (zh) | 区域间通行影响确定方法、装置、设备和介质 | |
CN111739288A (zh) | 基于人工智能的车辆驾驶风险分析方法及相关装置 | |
EP4141386A1 (en) | Road data monitoring method and apparatus, electronic device and storage medium | |
CN116629425A (zh) | 车辆能耗的计算方法、装置、计算机可读介质及电子设备 | |
CN114582125B (zh) | 道路通行方向的识别的方法、装置、设备及存储介质 | |
CN115330067A (zh) | 一种交通拥堵预测方法、装置、电子设备及存储介质 | |
CN116050963A (zh) | 基于交通路况的配送路径选择方法、***、装置及介质 | |
CN114627643A (zh) | 一种高速公路事故风险预测方法、装置、设备及介质 | |
CN114822050A (zh) | 路况识别方法、电子设备及计算机程序产品 | |
CN115345247B (zh) | 模型训练和公路轴载确定方法、装置、设备及介质 | |
CN114419876B (zh) | 道路饱和度评价方法、装置、电子设备及存储介质 | |
CN114999155B (zh) | 一种车辆轨迹的拥堵评价方法、装置、设备及存储介质 | |
CN113077348B (zh) | 基于驾驶行为的风险获取*** | |
CN113947897B (zh) | 获取道路交通状况的方法、装置、设备及自动驾驶车辆 | |
CN114724361A (zh) | 路况确定方法、装置及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |