CN115457774B - 基于高速服务区的车流量采集方法、装置、设备及介质 - Google Patents

基于高速服务区的车流量采集方法、装置、设备及介质 Download PDF

Info

Publication number
CN115457774B
CN115457774B CN202211345123.XA CN202211345123A CN115457774B CN 115457774 B CN115457774 B CN 115457774B CN 202211345123 A CN202211345123 A CN 202211345123A CN 115457774 B CN115457774 B CN 115457774B
Authority
CN
China
Prior art keywords
speed
vehicle
service area
portal
average
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
CN202211345123.XA
Other languages
English (en)
Other versions
CN115457774A (zh
Inventor
沈阳
喻斌
卢金勤
傅清丁
罗梓铭
郑志斌
朱磊
岳康
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.)
Jiangxi Kingroad Technology Development Co ltd
Original Assignee
Jiangxi Kingroad Technology Development 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 Jiangxi Kingroad Technology Development Co ltd filed Critical Jiangxi Kingroad Technology Development Co ltd
Priority to CN202211345123.XA priority Critical patent/CN115457774B/zh
Publication of CN115457774A publication Critical patent/CN115457774A/zh
Application granted granted Critical
Publication of CN115457774B publication Critical patent/CN115457774B/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
    • 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
    • G08G1/052—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

本发明涉及智能决策领域，揭露一种基于高速服务区的车流量采集方法、装置、设备及介质，其方法包括：查询高速服务区的高速门架和历史车辆数据，以计算在经过高速门架时的最大平均车速；计算当前车辆的当前平均车速；基于最大平均车速和当前平均车速，判断高速服务区是否处于车辆拥堵状态；在高速服务区未处于车辆拥堵状态，统计当前车辆进入高速服务区的车辆数量，得到第一车辆数量；在高速服务区处于车辆拥堵状态时，计算高速服务区的拥堵车辆量，并基于拥堵车辆量，统计当前车辆进入高速服务区的车辆数量，得到第二车辆数量；根据第一车辆数量和第二车辆数量，确定高速服务区的最终车流量。本发明可以提高高速服务区车流量的采集准确率。

Description

基于高速服务区的车流量采集方法、装置、设备及介质
技术领域
本发明涉及智能决策领域，尤其涉及一种基于高速服务区的车流量采集方法、装置、设备及介质。
背景技术
高速公路高速服务区是高速公路的重要组成部分，为过往高速公路的车辆和人员提供各种服务，满足不同层次、不同类型的需求。精准把握高速服务区的车流量变化，能够充分保障高速服务区的接纳能力，有利于进一步提高高速服务区的服务水平。
随着计算机技术，图像处理，人工智能和模式识别等技术的不断发展，目前，高速公路高速服务区车流量统计往往是通过在高速服务区附近安装高清摄像头拍摄来往高速服务区的车辆来统计时间段内的高速服务区车流量，然而这种方式容易出现遗漏采集的情况，从而极大的降低了高速服务区车流量的采集准确率。
发明内容
本发明提供基于高速服务区的车流量采集方法、装置、设备及介质，其主要目的在于提高高速服务区车流量的采集准确率。
为实现上述目的，本发明提供的一种基于高速服务区的车流量采集方法，包括：
获取待采集车流量的高速服务区，查询所述高速服务区在预设的高速路网连通图中的高速门架，所述高速门架包括驶入门架和驶出门架，并计算所述驶入门架和驶出门架的门架距离；
从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据，并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间；
根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速；
实时采集所述高速服务区的当前车辆，并计算所述当前车辆的当前平均车速；
基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态；
在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量；
在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆量，并基于所述拥堵车辆量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量；
根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量。
可选地，所述并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间，包括：
基于所述门架距离和所述历史车辆数据和车辆类型，计算对应所述门架距离的历史平均车速；
根据所述历史平均车速和预构建的目标正态分布，计算所述历史平均车速在预设概率时，确定所述目标正态分布对应的平均车速区间。
可选地，所述基于所述门架距离和所述历史车辆数据和车辆类型，计算对应所述门架距离的历史平均车速，包括：
基于所述历史车辆数据和车辆类型，查询所述历史车辆数据中对应车辆类型的车辆经过驶入门架和驶出门架的抓拍时间，得到驶入时间和驶出时间；
根据所述驶入时间和所述驶出时间，计算所述驶入门架和所述驶出门架的时间差；基于所述门架距离和所述时间差，计算经过所述驶入门架和所述驶出门架的平均车速。
可选地，所述根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，包括：
选取所述平均车速区间的区间左端点车速作为所述经过所述高速门架时的最小平均车速；
根据所述历史车辆数据，查询车辆驶入和驶出所述高速服务区的时间，得到驶入时间和驶出时间；
根据所述历史车辆数据，查询车辆驶入和驶出所述高速服务区的时间，以计算所述车辆进入高速服务区的停留时间；
将所述停留时间中的最小时间作为所述车辆进入高速服务区的最小停留时间。
可选地，所述根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速，包括：
利用下述公式计算在经过所述高速门架时的最大平均车速：
Figure 469356DEST_PATH_IMAGE001
其中，
Figure 643549DEST_PATH_IMAGE002
表示经过高速服务区的第
Figure 707320DEST_PATH_IMAGE003
条路径的高速门架时的最大平均车 速，
Figure 499695DEST_PATH_IMAGE004
表示经过高速服务区的第
Figure 997935DEST_PATH_IMAGE005
条路径的高速门架距离，
Figure 850353DEST_PATH_IMAGE006
表示经过高速服务区的 第
Figure 198158DEST_PATH_IMAGE007
条路径的高速门架时的最小平均车速，
Figure 27180DEST_PATH_IMAGE008
表示车辆进入高速服务区的最小停留时间。
可选地，所述基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态，包括：
利用下述公式判断所述高速服务区是否处于车辆拥堵状态：
Figure 409620DEST_PATH_IMAGE009
其中，
Figure 934405DEST_PATH_IMAGE010
表示车辆拥堵状态，
Figure 503926DEST_PATH_IMAGE011
表示车辆拥堵，
Figure 841367DEST_PATH_IMAGE012
表示车辆不 拥堵，
Figure 582708DEST_PATH_IMAGE013
表示当前平均车速，
Figure 511349DEST_PATH_IMAGE014
表示最小平均车速，
Figure 99325DEST_PATH_IMAGE015
表示预设的车速阈值。
可选地，所述根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量，可以通过下述公式得到，包括：
利用下述公式统计所述当前车辆进入所述高速服务区的车辆数量：
Figure 273080DEST_PATH_IMAGE016
其中，
Figure 98954DEST_PATH_IMAGE017
表示第一车辆数量，
Figure 464076DEST_PATH_IMAGE018
表示当前平均车速，
Figure 772304DEST_PATH_IMAGE019
表示车辆在第
Figure 451547DEST_PATH_IMAGE020
条路径下的最大平均车速，
Figure 397506DEST_PATH_IMAGE021
表示车辆在第
Figure 434995DEST_PATH_IMAGE022
条路径下的平均车速，
Figure 466405DEST_PATH_IMAGE023
表示预设的数 量阈值，
Figure 996610DEST_PATH_IMAGE024
表示高速服务区前一时段的车流量，otherwise表述除第一条件之外的其他 情况。
为了解决上述问题，本发明还提供一种基于高速服务区的车流量采集装置，所述装置包括：
服务区获取模块，用于获取待采集车流量的高速服务区，查询所述高速服务区在预设的高速路网连通图中的高速门架，所述高速门架包括驶入门架和驶出门架，并计算所述驶入门架和驶出门架的门架距离；
平均车速区间计算模块，用于从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据，并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间；
最大平均车速计算模块，用于根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速；
当前平均车速计算模块，用于实时采集所述高速服务区的当前车辆，并计算所述当前车辆的当前平均车速；
拥堵状态判断模块，用于基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态；
第一车辆数量生成模块，用于在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量；
第二车辆数量生成模块，用于在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆量，并基于所述拥堵车辆量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量；
最终车流量生成模块，用于根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以实现上述所述的基于高速服务区的车流量采集方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于高速服务区的车流量采集方法。
可以看出，本发明实施例通过查询待采集车流量的高速服务区在预设的高速路网连通图中的高速门架，可以定位高速服务区的门架位置，以为后续计算门架距离，门架平均速度等前提，并计算所述驶入门架和驶出门架的门架距离可以为后续计算平均车速提供保障；从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据以为后续判断车辆历史平均速度和拥堵状态下的车流量占比等以及利用历史车辆数据确定平均速度所服从的正态分布参数；其次，本发明实施例根据所述平均车速区间和所述历史车辆数据，计算在经过所述高速门架时的最小平均车速和车辆进入高速服务区的最小平均停留时间可以为后续计算最大平均车速提供条件，根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速为后续判断未拥堵状态时车辆是否进入高速服务区提供支持，实时采集所述高速服务区的当前车辆可以锁定是否进入高速服务区的车辆对象，并计算所述当前车辆的当前平均车速可以为后续判断车辆是否处于拥堵状态，基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态可以为后续在不同状态时以不同的方式计算高速服务区车流量；进一步地，本发明实施例在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量可以为后续得到最终的车流量提供统计方式之一，在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆数量以根据历史车流量数据计算进入高速服务区的车辆数量，并基于所述拥堵车辆数量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量可以为后续得到最终的车流量提供另一统计方式，最后根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量可以综合两种车流量统计方式，以提高高速服务区车流量的采集准确率。因此，本发明实施例提出的一种基于高速服务区的车流量采集方法、装置、电子设备及存储介质，可以提高高速服务区车流量的采集准确率。
附图说明
图1为本发明一实施例提供的基于高速服务区的车流量采集方法的流程示意图；
图2为本发明一实施例提供的基于高速服务区的车流量采集装置的模块示意图；
图3为本发明一实施例提供的实现基于高速服务区的车流量采集方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种基于高速服务区的车流量采集方法。所述基于高速服务区的车流量采集方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述基于高速服务区的车流量采集方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于高速服务区的车流量采集方法的流程示意图。在本发明实施例中，所述基于高速服务区的车流量采集方法包括：
S1、获取待采集车流量的高速服务区，查询所述高速服务区在预设的高速路网连通图中的高速门架，所述高速门架包括驶入门架和驶出门架，并计算所述驶入门架和驶出门架的门架距离。
本发明实施例中，所述待采集车流量的高速服务区是指被建设在高速公路上的专门为乘客和司机停留休息并作为将要采集进入车辆的车流信息的场所，其应提供停车场、公共厕所、加油站、车辆修理所、餐饮与小卖部等设施，其可以通过数据脚本获取，所述数据脚本可以通过JS脚本语言进行编译。其中，所述车流量是指在一定的时间内，某条公路点上所通过的车辆数，用来说明某一街道的交通情况。
进一步地，本发明实施例通过所述查询所述高速服务区在预设的高速路网连通图中的高速门架，所述高速门架包括驶入门架和驶出门架可以定位高速服务区的门架位置，以为后续计算门架距离，门架平均速度等前提。其中，所述高速路网连通图是指高速公路之间的连通分布图。所述高速门架是用于道路交通的一种门框式架子，其主要用途包括布置限速探头拍超速、布置LED电子显示屏，布置ETC装置等。
进一步地，本发明一可选实施例中，所述查询所述高速服务区在预设的高速路网连通图中的高速门架，所述高速门架包括驶入门架和驶出门架，可以通过SQL SELECT语句或者PHP脚本来查询。
进一步地，本发明实施例通过所述计算所述驶入门架和驶出门架的门架距离可以为后续计算平均车速提供保障。
进一步地，本发明一可选实施例中，所述计算所述驶入门架和驶出门架的门架距离，包括：查询所述驶入门架和所述驶出门架在所述预设的高速路网连通图中的坐标，得到驶入门架坐标和驶出门架坐标；根据所述驶入门架坐标和所述驶出门架坐标，计算所述驶入门架和驶出门架的门架距离。
进一步地，本发明一可选实施例中，所述根据所述驶入门架坐标和所述驶出门架坐标，计算所述驶入门架和驶出门架的门架距离，可以利用下述公式实现：
Figure 328235DEST_PATH_IMAGE025
其中，
Figure 769580DEST_PATH_IMAGE026
表示驶入门架和驶出门架之间的门架距离，
Figure 789751DEST_PATH_IMAGE027
表示驶入门架的横坐标，
Figure 810797DEST_PATH_IMAGE028
表示驶出门架的横坐标，
Figure 731348DEST_PATH_IMAGE029
表示驶入门架的纵坐标，
Figure 107710DEST_PATH_IMAGE030
表示驶出门架的纵坐标，
Figure 379291DEST_PATH_IMAGE031
表示算 术平方根符号。
S2、从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据，并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间。
本发明实施例通过所述从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据以为后续判断车辆历史平均速度，拥堵状态下的车流量占比等提供依据。其中，所述历史车辆数据是指以往的车辆信息，包括车辆进出高速服务区的车流量、拥堵情况、车型以及车辆经过驶入门架和驶出门架的抓拍时间等信息。
进一步地，本发明一可选实施例中，所述从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据可以通过SQL SELECT语句或者PHP脚本来查询。
应当了解的是，从概率统计规律来看，车辆经过所述驶入门架和所述驶出门架的平均车速服从正态分布，在计算所述经过所述高速门架时的平均车速区间之前，需根据所述历史车辆数据，拟合构建所述平均车速的目标正态分布。
进一步地，本发明一可选实施例中，所述根据所述历史车辆数据，构建所述平均车速的目标正态分布，包括：根据车辆类型和所述历史车辆数据，计算历史平均车速；根据所述历史平均车速，计算所述历史平均车速对应的所述目标正态分布的位置参数和尺度参数；根据正态分布的概率密度函数和所述位置参数及所述尺度参数，构建所述平均车速的目标正态分布。其中，所述位置参数是指概率论和统计学中的数学期望，是试验中每次可能结果的概率乘以其结果的总和，其反映随机变量平均取值的大小。所述尺度参数是指标准差，是离均差平方的算术平均数的算术平方根，在概率统计中常用作统计分布程度上的测量依据。
进一步地，本发明一可选实施例中，所述根据所述历史平均车速，计算所述历史平均车速对应的所述目标正态分布的位置参数和尺度参数，可以利用下述公式计算：
Figure 735186DEST_PATH_IMAGE032
其中，
Figure 214971DEST_PATH_IMAGE033
表示位置参数，
Figure 263698DEST_PATH_IMAGE034
表示历史平均车速，
Figure 22576DEST_PATH_IMAGE035
表示相同车辆类型的历史车辆 数据的数量，
Figure 686556DEST_PATH_IMAGE036
表示尺度参数，
Figure 50542DEST_PATH_IMAGE037
表示求和符号，
Figure 771635DEST_PATH_IMAGE038
表示算术平方根符号。
进一步地，本发明实施例通过所述并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间，包括：基于所述门架距离和所述历史车辆数据和车辆类型，计算对应所述门架距离的历史平均车速；根据所述历史平均车速和预构建的目标正态分布，计算所述历史平均车速在预设概率时，确定所述目标正态分布对应的平均车速区间。其中，所述车辆类型是指车辆的一种型式，以车辆的普通特征、使用目的和功能进行区别，如轿车、载货、汽车、客车、挂车以及摩托车等，本发明中，因不同车辆类型对应的高速车速有差别，所以需要根据车辆类型分开计算。所述预设概率可以选取0.8，也可根据实际业务场景设置。
所述正态分布是指随机变量的概率密度函数公式如下：
Figure 752230DEST_PATH_IMAGE039
其中，
Figure 715506DEST_PATH_IMAGE040
表示平均车速的概率密度函数，
Figure 166954DEST_PATH_IMAGE041
表示位置参数，
Figure 823063DEST_PATH_IMAGE042
表示尺度参数，
Figure 25374DEST_PATH_IMAGE043
表示以自然常数为底的指数函数，
Figure 293807DEST_PATH_IMAGE044
表示圆周率，
Figure 897964DEST_PATH_IMAGE045
表示算术平方根符号。
进一步地，本发明一可选实施例中，所述基于所述门架距离和所述历史车辆数据和车辆类型，计算对应所述门架距离的历史平均车速，包括：基于所述历史车辆数据和车辆类型，查询所述历史车辆数据中对应车辆类型的车辆经过驶入门架和驶出门架的抓拍时间，得到驶入时间和驶出时间；根据所述驶入时间和所述驶出时间，计算从所述驶入门架到所述驶出门架的时间差；基于所述门架距离和所述时间差，计算经过所述驶入门架和所述驶出门架的平均车速。
S3、根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速。
本发明实施例通过所述根据所述平均车速区间和所述历史车辆数据，计算在经过所述高速门架时的最小平均车速和车辆进入高速服务区的最小平均停留时间可以为后续计算最大平均车速提供条件。
进一步地，本发明一可选实施例中，所述根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，包括：选取所述平均车速区间的区间左端点车速作为所述经过所述高速门架时的最小平均车速；根据所述历史车辆数据，查询车辆驶入和驶出所述高速服务区的时间，以计算所述车辆进入高速服务区的停留时间；将所述停留时间中的最小时间作为所述车辆进入高速服务区的最小停留时间。
进一步地，本发明一可选实施例中，所述根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速可以通过下述公式计算：
Figure 662657DEST_PATH_IMAGE046
其中，
Figure 641678DEST_PATH_IMAGE047
表示经过高速服务区的第
Figure 681178DEST_PATH_IMAGE048
条路径的高速门架时的最大平均车 速，
Figure 906886DEST_PATH_IMAGE049
表示经过高速服务区的第
Figure 842481DEST_PATH_IMAGE050
条路径的高速门架距离，
Figure 19384DEST_PATH_IMAGE051
表示经过高速服务区的 第
Figure 361110DEST_PATH_IMAGE050
条路径的最小平均车速，
Figure 939859DEST_PATH_IMAGE052
表示车辆进入高速服务区的最小停留时间。
S4、实时采集所述高速服务区的当前车辆，并计算所述当前车辆的当前平均车速。
本发明实施例通过所述实时采集所述高速服务区的当前车辆可以锁定是否进入高速服务区的车辆对象。
进一步地，发明一可选实施例中，所述实时采集所述高速服务区的当前车辆可以通过高速服务区的高速门架上的摄像头采集当前车辆，包括获取当前车辆到达高速门架的时间和车速等信息。
进一步地，本发明实施例通过所述计算所述当前车辆的当前平均车速可以为后续判断车辆是否处于拥堵状态。
进一步地，发明一可选实施例中，所述计算所述当前车辆的当前平均车速可以通过根据当前车辆到达高速门架的时间和高速门架距离计算得到。
S5、基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态。
本发明实施例通过基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态可以为后续在不同状态时以不同的方式计算高速服务区车流量。
进一步地，发明一可选实施例中，所述基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态可以通过下述公式判断，包括：
Figure 108672DEST_PATH_IMAGE053
其中，
Figure 274337DEST_PATH_IMAGE054
表示车辆拥堵状态，
Figure 921219DEST_PATH_IMAGE055
表示车辆拥堵，
Figure 557736DEST_PATH_IMAGE056
表示车辆 不拥堵，
Figure 136266DEST_PATH_IMAGE057
表示当前平均车速，
Figure 287762DEST_PATH_IMAGE058
表示最小平均车速，
Figure 738335DEST_PATH_IMAGE059
表示预设的车速阈值，可以选 取0.1，也可根据实际业务场景设定。
S6、在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量。
本发明实施例通过所述在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量可以为后续得到最终的车流量提供统计方式之一。
进一步地，本发明一可选实施例中，所述根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量，可以通过下述公式得到，包括：
Figure 527561DEST_PATH_IMAGE060
其中，
Figure 772598DEST_PATH_IMAGE061
表示第一车辆数量，
Figure 614652DEST_PATH_IMAGE062
表示当前平均车速，
Figure 101872DEST_PATH_IMAGE063
表示车辆在 第
Figure 509719DEST_PATH_IMAGE064
条路径下的最大平均车速，
Figure 427122DEST_PATH_IMAGE065
表示车辆在第
Figure 84368DEST_PATH_IMAGE066
条路径下的平均车速，
Figure 814427DEST_PATH_IMAGE067
表示预设的 数量阈值，可以选取0.1，也可根据实际业务场景设定，
Figure 858473DEST_PATH_IMAGE068
表示高速服务区前一时段的 车流量，otherwise表述除第一条件之外的其他情况。
S7、在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆数量，并基于所述拥堵车辆数量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量。
本发明实施例通过所述在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆数量以根据历史车流量数据计算进入高速服务区的车辆数量。
进一步地，本发明一可选实施例中，所述在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆数量可以利用下述公式实现，包括：
Figure 710892DEST_PATH_IMAGE069
其中，
Figure 793117DEST_PATH_IMAGE070
表示拥堵状态时的当前拥堵车辆数量，
Figure 890649DEST_PATH_IMAGE071
表示拥堵状态时刚刚拥堵车辆 数量，
Figure 7509DEST_PATH_IMAGE072
表示驶入门架的时间，
Figure 263785DEST_PATH_IMAGE073
表示驶出门架的时间，
Figure 302148DEST_PATH_IMAGE074
表示预设的拥堵阈值，其可以选 取30分钟，也可根据实际业务场景设定。
进一步地，本发明实施例通过所述基于所述拥堵车辆数量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量可以为后续得到最终的车流量提供另一统计方式。
进一步地，本发明一可选实施例中，所述基于所述拥堵车辆数量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量，可以通过下述公式得到，包括：
Figure 701905DEST_PATH_IMAGE075
其中，
Figure 909158DEST_PATH_IMAGE076
表示高速服务区当前车流量，
Figure 103379DEST_PATH_IMAGE077
表示高速服务区前一时段的 车流量，
Figure 425776DEST_PATH_IMAGE078
表示当前拥堵车辆数量，
Figure 868039DEST_PATH_IMAGE079
表示根据历史数据统计出的进入高速服务区 的车辆数量占总拥堵车辆数量的百分比。
S8、根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量。
本发明实施例通过所述根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量可以综合两种车流量统计方式，以提高高速服务区车流量的采集准确率。
进一步地，本发明一可选实施例中，所述利用下述公式确定所述高速服务区的最终车流量：
Figure 959492DEST_PATH_IMAGE080
其中，
Figure 59035DEST_PATH_IMAGE081
表示高速服务区的最终车流量，
Figure 573455DEST_PATH_IMAGE068
表示高速服务区前一时段的车 流量，
Figure 49436DEST_PATH_IMAGE082
表示第一车辆数量，
Figure 260975DEST_PATH_IMAGE083
表示第二车辆数量，
Figure 29954DEST_PATH_IMAGE084
表示高速服务区的当前的时 段。
可以看出，本发明实施例通过查询待采集车流量的高速服务区在预设的高速路网连通图中的高速门架，可以定位高速服务区的门架位置，以为后续计算门架距离，门架平均速度等前提，并计算所述驶入门架和驶出门架的门架距离可以为后续计算平均车速提供保障。从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据以为后续判断车辆历史平均速度和拥堵状态下的车流量占比等以及利用历史车辆数据确定平均速度所服从的正态分布参数；其次，本发明实施例根据所述平均车速区间和所述历史车辆数据，计算在经过所述高速门架时的最小平均车速和车辆进入高速服务区的最小平均停留时间可以为后续计算最大平均车速提供条件，根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速为后续判断未拥堵状态时车辆是否进入高速服务区提供支持，实时采集所述高速服务区的当前车辆可以锁定是否进入高速服务区的车辆对象，并计算所述当前车辆的当前平均车速可以为后续判断车辆是否处于拥堵状态，基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态可以为后续在不同状态时以不同的方式计算高速服务区车流量；进一步地，本发明实施例在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量可以为后续得到最终的车流量提供统计方式之一，在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆数量以根据历史车流量数据计算进入高速服务区的车辆数量，并基于所述拥堵车辆数量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量可以为后续得到最终的车流量提供另一统计方式，最后根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量可以综合两种车流量统计方式，以提高高速服务区车流量的采集准确率。因此，本发明实施例提出的一种基于高速服务区的车流量采集方法、装置、电子设备及存储介质，可以提高高速服务区车流量的采集准确率。
如图2所示，是本发明基于高速服务区的车流量采集装置的功能模块图。
本发明所述基于高速服务区的车流量采集装置100可以安装于电子设备中。根据实现的功能，所述基于高速服务区的车流量采集装置可以包括服务区获取模块101、平均车速区间计算模块102、最大平均车速计算模块103、当前平均车速计算模块104、拥堵状态判断模块105、第一车辆数量生成模块106、第二车辆数量生成模块107以及最终车流量生成模块108。本发明所述模块也可以称之为单元，是指一种能够被电子设备的处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述服务区获取模块101，用于获取待采集车流量的高速服务区，查询所述高速服务区在预设的高速路网连通图中的高速门架，所述高速门架包括驶入门架和驶出门架，并计算所述驶入门架和驶出门架的门架距离；
所述平均车速区间计算模块102，用于从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据，并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间；
所述最大平均车速计算模块103，用于根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速；
所述当前平均车速计算模块104，用于实时采集所述高速服务区的当前车辆，并计算所述当前车辆的当前平均车速；
所述拥堵状态判断模块105，用于基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态；
所述第一车辆数量生成模块106，用于在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量；
所述第二车辆数量生成模块107，用于在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆量，并基于所述拥堵车辆量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量；
所述最终车流量生成模块108，用于根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量。
详细地，本发明实施例中所述基于高速服务区的车流量采集装置100中的所述各模块在使用时采用与上述的图1中所述的基于高速服务区的车流量采集方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明实现基于高速服务区的车流量采集方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于高速服务区的车流量采集程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于高速服务区的车流量采集程序等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于高速服务区的车流量采集程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和员工接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备1之间建立通信连接。所述员工接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，员工接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的员工界面。
图3仅示出了具有部件的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于高速服务区的车流量采集程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取待采集车流量的高速服务区，查询所述高速服务区在预设的高速路网连通图中的高速门架，所述高速门架包括驶入门架和驶出门架，并计算所述驶入门架和驶出门架的门架距离；
从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据，并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间；
根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速；
实时采集所述高速服务区的当前车辆，并计算所述当前车辆的当前平均车速；
基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态；
在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量；
在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆量，并基于所述拥堵车辆量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量；
根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量。
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以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，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备1的处理器所执行时，可以实现：
获取待采集车流量的高速服务区，查询所述高速服务区在预设的高速路网连通图中的高速门架，所述高速门架包括驶入门架和驶出门架，并计算所述驶入门架和驶出门架的门架距离；
从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据，并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间；
根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速；
实时采集所述高速服务区的当前车辆，并计算所述当前车辆的当前平均车速；
基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态；
在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量；
在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆量，并基于所述拥堵车辆量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量；
根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种基于高速服务区的车流量采集方法，其特征在于，所述方法包括：
获取待采集车流量的高速服务区，查询所述高速服务区在预设的高速路网连通图中的高速门架，所述高速门架包括驶入门架和驶出门架，并计算所述驶入门架和驶出门架的门架距离；
从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据，并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间；
根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速；
实时采集所述高速服务区的当前车辆，并计算所述当前车辆的当前平均车速；
基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态；
在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量；
在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆量，并基于所述拥堵车辆量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量；
根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量。
2.如权利要求1所述的基于高速服务区的车流量采集方法，其特征在于，所述并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间，包括：
基于所述门架距离和所述历史车辆数据和车辆类型，计算对应所述门架距离的历史平均车速；
根据所述历史平均车速和预构建的目标正态分布，计算所述历史平均车速在预设概率时，确定所述目标正态分布对应的平均车速区间。
3.如权利要求2所述的基于高速服务区的车流量采集方法，其特征在于，所述基于所述门架距离和所述历史车辆数据和车辆类型，计算对应所述门架距离的历史平均车速，包括：
基于所述历史车辆数据和车辆类型，查询所述历史车辆数据中对应车辆类型的车辆经过驶入门架和驶出门架的抓拍时间，得到驶入时间和驶出时间；
根据所述驶入时间和所述驶出时间，计算所述驶入门架和所述驶出门架的时间差；
基于所述门架距离和所述时间差，计算经过所述驶入门架和所述驶出门架的平均车速。
4.如权利要求1所述的基于高速服务区的车流量采集方法，其特征在于，所述根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，包括：
选取所述平均车速区间的区间左端点车速作为所述经过所述高速门架时的最小平均车速；
根据所述历史车辆数据，查询车辆驶入和驶出所述高速服务区的时间，以计算所述车辆进入高速服务区的停留时间；
将所述停留时间中的最小时间作为所述车辆进入高速服务区的最小停留时间。
5.如权利要求1所述的基于高速服务区的车流量采集方法，其特征在于，所述根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速包括：
利用下述公式计算在经过所述高速门架时的最大平均车速：
Figure 779929DEST_PATH_IMAGE001
其中，
Figure 946249DEST_PATH_IMAGE002
表示经过高速服务区的第
Figure 944161DEST_PATH_IMAGE003
条路径的高速门架时的最大平均车速，
Figure 121065DEST_PATH_IMAGE004
表 示经过高速服务区的第
Figure 996879DEST_PATH_IMAGE005
条路径的高速门架距离，
Figure 575628DEST_PATH_IMAGE006
表示经过高速服务区的第
Figure 977397DEST_PATH_IMAGE007
条路 径的高速门架时的最小平均车速，
Figure 641597DEST_PATH_IMAGE008
表示车辆进入高速服务区的最小停留时间。
6.如权利要求1所述的基于高速服务区的车流量采集方法，其特征在于，所述根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量，包括：
利用下述公式统计所述当前车辆进入所述高速服务区的车辆数量：
Figure 22899DEST_PATH_IMAGE009
其中，
Figure 957620DEST_PATH_IMAGE010
表示第一车辆数量，
Figure 297334DEST_PATH_IMAGE011
表示当前平均车速，
Figure 183250DEST_PATH_IMAGE012
表示车辆在第
Figure 860920DEST_PATH_IMAGE013
条路 径下的最大平均车速，
Figure 414261DEST_PATH_IMAGE014
表示车辆在第
Figure 160762DEST_PATH_IMAGE015
条路径下的平均车速，
Figure 799554DEST_PATH_IMAGE016
表示预设的数量阈值，
Figure 991501DEST_PATH_IMAGE017
表示高速服务区前一时段的车流量，otherwise表述除第一条件之外的其他情况。
7.一种基于高速服务区的车流量采集装置，其特征在于，所述装置包括：
服务区获取模块，用于获取待采集车流量的高速服务区，查询所述高速服务区在预设的高速路网连通图中的高速门架，所述高速门架包括驶入门架和驶出门架，并计算所述驶入门架和驶出门架的门架距离；
平均车速区间计算模块，用于从所述预设的高速路网连通图对应数据库中查询所述高速服务区的历史车辆数据，并基于所述门架距离和所述历史车辆数据，计算在经过所述高速门架时的平均车速区间；
最大平均车速计算模块，用于根据所述平均车速区间和所述历史车辆数据，计算所述高速门架的最小平均车速和所述高速服务区的最小停留时间，根据所述最小平均车速和所述最小停留时间，计算在经过所述高速门架时的最大平均车速；
当前平均车速计算模块，用于实时采集所述高速服务区的当前车辆，并计算所述当前车辆的当前平均车速；
拥堵状态判断模块，用于基于所述最大平均车速和所述当前平均车速，判断所述高速服务区是否处于车辆拥堵状态；
第一车辆数量生成模块，用于在所述高速服务区未处于车辆拥堵状态，根据所述最大平均车速和所述当前平均车速，统计所述当前车辆进入所述高速服务区的车辆数量，得到第一车辆数量；
第二车辆数量生成模块，用于在所述高速服务区处于车辆拥堵状态时，计算所述高速服务区的拥堵车辆量，并基于所述拥堵车辆量，统计所述当前车辆进入所述高速服务区的车辆数量，得到第二车辆数量；
最终车流量生成模块，用于根据所述第一车辆数量和所述第二车辆数量，确定所述高速服务区的最终车流量。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至6中任意一项所述的基于高速服务区的车流量采集方法。
9.一种计算机可读存储介质，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至6中任意一项所述的基于高速服务区的车流量采集方法。
CN202211345123.XA 2022-10-31 2022-10-31 基于高速服务区的车流量采集方法、装置、设备及介质 Active CN115457774B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211345123.XA CN115457774B (zh) 2022-10-31 2022-10-31 基于高速服务区的车流量采集方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211345123.XA CN115457774B (zh) 2022-10-31 2022-10-31 基于高速服务区的车流量采集方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115457774A CN115457774A (zh) 2022-12-09
CN115457774B true CN115457774B (zh) 2023-03-03

Family

ID=84311450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211345123.XA Active CN115457774B (zh) 2022-10-31 2022-10-31 基于高速服务区的车流量采集方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115457774B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017062692A (ja) * 2015-09-25 2017-03-30 株式会社デンソー 車両誘導システム
CN107507418A (zh) * 2017-08-09 2017-12-22 清华大学 一种高速公路车辆进入服务区停留过程分析方法及装置
CN112581774A (zh) * 2020-12-08 2021-03-30 重庆大学 一种基于etc数据的高速公路服务区驶入车流量估计方法
CN113380052A (zh) * 2021-06-08 2021-09-10 重庆大学 基于etc数据的驶入服务区车流量预测方法及装置
CN114155706A (zh) * 2021-10-27 2022-03-08 北京千方科技股份有限公司 一种服务区车辆判别方法、装置、电子设备和存储介质
CN114373309A (zh) * 2021-12-29 2022-04-19 联通智网科技股份有限公司 服务区车流量的计算方法、装置、终端设备及介质
CN115204755A (zh) * 2022-09-15 2022-10-18 交通运输部科学研究院 服务区入区率测算方法、装置、电子设备及可读存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109800916B (zh) * 2019-01-23 2021-04-23 山东省交通规划设计院有限公司 一种高速公路服务区驶入车流量的建模方法
CN114550457A (zh) * 2022-03-11 2022-05-27 中天科技(清远)有限公司 一种高速公路服务区车流量预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017062692A (ja) * 2015-09-25 2017-03-30 株式会社デンソー 車両誘導システム
CN107507418A (zh) * 2017-08-09 2017-12-22 清华大学 一种高速公路车辆进入服务区停留过程分析方法及装置
CN112581774A (zh) * 2020-12-08 2021-03-30 重庆大学 一种基于etc数据的高速公路服务区驶入车流量估计方法
CN113380052A (zh) * 2021-06-08 2021-09-10 重庆大学 基于etc数据的驶入服务区车流量预测方法及装置
CN114155706A (zh) * 2021-10-27 2022-03-08 北京千方科技股份有限公司 一种服务区车辆判别方法、装置、电子设备和存储介质
CN114373309A (zh) * 2021-12-29 2022-04-19 联通智网科技股份有限公司 服务区车流量的计算方法、装置、终端设备及介质
CN115204755A (zh) * 2022-09-15 2022-10-18 交通运输部科学研究院 服务区入区率测算方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
CN115457774A (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN112863172A (zh) 高速公路交通运行状态判定方法、预警方法、装置及终端
CN114781768B (zh) 基于城市资源数据的停车场设施规划方法、装置及设备
CN114997709A (zh) 一种道路废水回收利用调节***
CN114818056A (zh) 基于bim技术的交通数据集成方法、装置、设备及介质
CN113423063B (zh) 基于车载t-box的车辆监控方法、装置、车辆及介质
CN113516851A (zh) 一种基于大数据的停车位监控***
CN114187489B (zh) 车辆异常驾驶风险检测方法、装置、电子设备及存储介质
CN114661055A (zh) 应急物流车辆最优路径规划方法、装置、设备及存储介质
CN117557199B (zh) 一种基于数学模型的智慧仓储方法、***及存储介质
Faria et al. Assessing energy consumption impacts of traffic shifts based on real-world driving data
CN115457774B (zh) 基于高速服务区的车流量采集方法、装置、设备及介质
CN112216112B (zh) 基于与物联融合场景的北斗定位诱导泊车***及方法
CN116864088B (zh) 一种基于物联网的社区医疗资源实时调控方法及装置
CN116166863B (zh) 基于bim实现充电站布局的可视化展示方法及***
CN115394080A (zh) 一种基于交通大数据的路况识别管理***及方法
CN112735182B (zh) 行车安全提示方法、车辆
CN112201039A (zh) 一种基于大数据的交通拥堵监测***
CN111508093A (zh) 一种用于高速公路的过路费预算***
CN116193666B (zh) 一种led灯控制方法及***
CN117744952B (zh) 基于时序网络的大气碳排放量分析方法及***
CN111583215A (zh) 损伤图像智能定损方法、装置、电子设备及存储介质
CN116090912B (zh) 一种环卫作业状态智能检查方法、***及存储介质
CN118155424B (zh) 基于数据交互实现高速公路的道路安全管理方法及***
CN114241747B (zh) 一种道路设备的控制方法、装置、终端及可读存储介质
CN118014310B (zh) 应用于园区巡检下的点位巡更方法及***

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