CN115830870A - 收费站数据处理方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种收费站数据处理方法、装置、计算机设备和存储介质。所述方法包括：获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度；基于当前周期收费广场车辆车身总长度与收费广场车道总长度的比例，得到当前周期收费广场车道饱和度；获取拥堵判定阈值，基于当前周期收费广场车道饱和度与拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态；基于当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对目标数量周期收费广场车道饱和度进行分析，得到目标分析结果；基于目标分析结果，确定收费站拥堵预警，将收费站拥堵预警发送到目标终端。采用本方法能够提高根据收费站数据预测收费站拥堵情况的准确率。

Description

收费站数据处理方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种收费站数据处理方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，使得计算机技术应用领域越来越广泛，通过应用计算机技术对收集到的收费站行驶的车辆信息数据进行计算分析，以预测收费站的拥堵情况。

然而，传统方法在获取车辆信息数据时存在数据漏收情况，无法根据收集到的数据真实地为客户反映收费广场车辆占用的实际情况，使得在判断收费广场车道拥堵情况时存在较大误差，从而使得根据收费站数据预测收费站拥堵情况的准确率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够监测收费站拥堵情况的收费站数据处理方法、装置、计算机设备和存储介质，提高了根据收费站数据预测收费站拥堵情况的准确率。

一种收费站数据处理方法，所述方法包括：

获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度；

基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度；

获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态；

基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，所述目标数量周期收费广场车道饱和度是连续预设数量个当前周期之前的周期收费广场车道饱和度；

基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端。

在其中一个实施例中，获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度之前，还包括：

基于车型识别设备和车牌识别设备，采集各个车辆的车辆信息数据；

将各个所述车辆信息数据中的重复数据进行过滤，得到中间车辆信息数据；

将所述中间车辆信息数据中各个驶入收费广场车辆的信息数据与所述驶入收费广场车辆对应的驶离收费广场车辆的信息数据进行匹配融合，得到目标车辆信息数据。

在其中一个实施例中，获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度之前，还包括：

获取收费广场各个车道的车道长度；

将各个所述车道长度融合，得到收费广场车道总长度。

在其中一个实施例中，所述将所述中间车辆信息数据中各个驶入收费广场车辆的信息数据与所述驶入收费广场车辆对应的驶离收费广场车辆的信息数据进行匹配融合，得到目标车辆信息数据之后，还包括：

从所述目标车辆信息数据中获取当前周期驶入收费广场的各个车辆的车身长度和当前周期驶离收费广场的各个车辆的车身长度；

将所述当前周期驶入收费广场的各个车辆的车身长度融合，得到当前周期驶入收费广场的车辆车身总长度；

将所述当前周期驶离收费广场的各个车辆的车身长度融合，得到当前周期驶离收费广场的车辆车身总长度；

基于所述当前周期驶入收费广场的车辆车身总长度与当前周期驶离收费广场的车辆车身总长度的差异，得到当前周期收费广场车辆车身总长度。

在其中一个实施例中，获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态包括：

当所述当前周期收费广场车道饱和度大于或等于所述拥堵判定阈值时，将所述当前周期收费站的拥堵状态作为拥堵状态；

当所述当前周期收费广场车道饱和度小于所述拥堵判定阈值时，将所述当前周期收费站的拥堵状态作为非拥堵状态。

在其中一个实施例中，基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果包括：

当所述当前周期收费站的拥堵状态是拥堵状态时，获取目标数量周期收费广场车道饱和度；

获取所述拥堵判定阈值的预设范围，将各个所述目标数量周期收费广场车道饱和度与所述预设范围进行对比，得到第一分析结果；

分析所述目标数量周期收费广场车道饱和度的递增情况，得到第二分析结果；

计算所述目标数量周期收费广场车道饱和度的增速情况，得到第三分析结果；

将所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度与当前周期收费广场广场车道饱和度进行对比，得到第四分析结果；

所述第一分析结果、第二分析结果、第三分析结果和第四分析结果组成所述目标分析结果。

在其中一个实施例中，基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端包括：

当所述目标分析结果为各个所述目标数量周期收费广场车道饱和度均在所述拥堵判断阈值的预设范围内、所述目标数量周期收费广场车道饱和度不断递增以及增速不断提高和所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度小于当前周期收费广场广场车道饱和度时，确定收费站拥堵预警；

基于所述收费站的位置获取目标对象标识，将所述收费站拥堵预警发送到目标对象标识对应的目标终端。

一种收费站数据处理装置，所述装置包括：

获取模块，用于获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度；

饱和度生成模块，用于基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度；

状态确定模块，用于获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态；

分析模块，用于基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，所述目标数量周期收费广场车道饱和度是连续预设数量个当前周期之前的周期收费广场车道饱和度；

发送模块，用于基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度；

基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度；

获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态；

基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，所述目标数量周期收费广场车道饱和度是连续预设数量个当前周期之前的周期收费广场车道饱和度；

基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度；

基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度；

获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态；

基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，所述目标数量周期收费广场车道饱和度是连续预设数量个当前周期之前的周期收费广场车道饱和度；

基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端。

上述收费站数据处理方法、装置、计算机设备和存储介质，通过获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度；基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度；获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态；基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，所述目标数量周期收费广场车道饱和度是连续预设数量个当前周期之前的周期收费广场车道饱和度；基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端，通过求取所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，获得当前周期收费广场车道饱和度，基于所述当前周期收费广场车道饱和度与拥堵判定阈值的对比结果，确定当前周期收费站的拥堵状态，基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度并对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，基于所述目标分析结果确定收费站拥堵预警并将所述拥堵预警发送到目标终端，从而提高了根据收费站数据预测收费站拥堵情况的准确率。

附图说明

图1为一个实施例中收费站数据处理方法的应用环境图；

图2为一个实施例中收费站数据处理方法的流程示意图；

图3为一个实施例中数据预处理的流程示意图；

图4为一个实施例中收费广场车道总长度生成的流程示意图；

图5为一个实施例中当前周期收费广场车辆车身总长度生成的流程示意图；

图6为一个实施例中当前周期收费站的拥堵状态确定的流程示意图；

图7为一个实施例中目标分析结果确定的流程示意图；

图8为一个实施例中收费站出口拥堵预警发送的流程示意图；

图9为一个实施例中收费站拥堵监测预警***的结构图；

图10为一个实施例中的数据分层图；

图11为一个实施例中的数据流程图；

图12为一个实施例中收费站数据处理装置的结构框图；

图13为一个实施例中计算机设备的内部结构图；

图14为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的收费站数据处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102用于接收并展示收费站拥堵预警。服务器104用于获取并处理收费站车辆信息数据，以确定收费站拥堵预警，并将所述收费站拥堵预警发送到目标终端。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种收费站数据处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤S200，获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度。

其中，收费广场车道总长度指整个收费站的收费广场上各个车道长度的总和。当前周期收费广场车辆车身总长度指在当前的时间周期内，在收费广场车道上的各个车辆的车身长度的总和。

具体地，收费广场车道总长度的数据信息已存储在平台***，当需要监测当前周期内收费站的拥堵情况时，即可直接从平台***中直接获取所述收费广场车道总长度。所述平台***包括但不限于接收收集到的车辆通行数据，对数据进行清洗、融合、计算等算法处理。每当车型识别设备和车牌识别设备收集到车辆的通行数据时，都将数据上传指平台服务器，由平台***统一接收，并对数据进行清洗、融合、计算等算法处理。因此，收集到每个周期内驶入收费广场的各个车辆的车身长度以及驶离收费广场的各个车辆的车身长度时，平台***就会对这些数据进行相应的处理，并根据每个周期内驶入收费广场的各个车辆的车身长度以及驶离收费广场的各个车辆的车身长度计算出每个周期收费广场车辆车身总长度，并将每个周期收费广场车辆车身总长度进行存储，当需要用到当前周期收费广场车辆车身总长度时，即可直接从***平台中获取。

步骤S202，基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度。

其中，当前周期收费广场车道饱和度指当前在收费广场车道上的车辆在收费广场车道上的密集程度。

具体地，收费广场内各个车道的密集程度可以通过当前周期收费广场车道饱和度表示，由于收费广场内各个车道的单方向上只能通过一辆车，因此可以根据当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比值来表示当前周期收费广场车道饱和度。

步骤S204，获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态。

其中，拥堵判定阈值指人为设定的、用于规定广场收费车道处于拥堵状态时的收费广场车道饱和度。当前周期收费站的拥堵状态指用于表示当前周期内收费广场内各个车道被车辆占用时所处的状态，分为拥堵状态和非拥堵状态。

具体地，平台***中已设定并存储有拥堵判定阈值，当计算得到当前周期收费广场车道饱和度时，可根据平台***中设定的拥堵判定阈值与所述当前周期收费广场车道饱和度进行对比，当所述当前周期收费广场车道饱和度大于或等于判定阈值时，则所述当前周期收费站的拥堵状态为拥堵状态，当当所述当前周期收费广场车道饱和度小于判定阈值时，则所述当前周期收费站的拥堵状态为非拥堵状态。

步骤S206，基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，所述目标数量周期收费广场车道饱和度是连续预设数量个当前周期之前的周期收费广场车道饱和度。

其中，目标数量周期收费广场车道饱和度指相对于当前周期之前的连续预设数量个周期的周期收费广场车道饱和度。目标分析结果指对所述目标数量周期收费广场车道饱和度的数据进行分析之后得到的分析结果。预设数量指人为设定的一个数值。

具体地，当当前周期内收费站广场处于拥堵状态时，还需对相对于当前周期的预设数量个连续周期的周期收费广场车道饱和度的数据进行分析预测，以提高最终收费站拥堵监测结果的准确度。分析所述目标数量周期收费广场车道饱和度的各个数据与拥堵判定阈值的对比结果、所述目标数量周期收费广场车道饱和度的数据趋势以及所述目标数量周期收费广场车道饱和度中的最后一个周期收费广场车道饱和度与当前周期收费广场车道饱和度的对比结果，以获得目标分析结果，为后续进程提供判断依据。所述最后一个周期收费广场车道饱和度指与当前周期时间最相近的一个周期对应的周期收费广场车道饱和度。

步骤S208，基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端。

其中，收费站拥堵预警指当预测出收费站将处于拥堵状态时，平台***将为平台客户发送收费站拥堵的通告预警。目标终端指接收到收费站拥堵预警的用户终端，所述用户为平台***的用户。

具体地，当目标分析结果为所述目标数量周期收费广场车道饱和度的各个数据处于拥堵判定阈值的预设范围内、所述目标数量周期收费广场车道饱和度的数据趋势不断递增且增速提高以及所述目标数量周期收费广场车道饱和度中的最后一个周期收费广场车道饱和度小于当前周期收费广场车道饱和度时，平台***将预测的收费站拥堵状态设置为拥堵状态，并为平台客户发送收费站拥堵预警的通告。所述拥堵判定阈值的预设范围指人为设定的、可以大于或小于拥堵判定阈值的数值波动范围。

上述收费站数据处理方法、装置、计算机设备和存储介质，通过获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度；基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度；获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态；基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，所述目标数量周期收费广场车道饱和度是连续预设数量个当前周期之前的周期收费广场车道饱和度；基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端，通过求取所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，获得当前周期收费广场车道饱和度，基于所述当前周期收费广场车道饱和度与拥堵判定阈值的对比结果，确定当前周期收费站的拥堵状态，基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度并对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，基于所述目标分析结果确定收费站拥堵预警并将所述拥堵预警发送到目标终端，从而提高了根据收费站数据预测收费站拥堵情况的准确率。

在一个实施例中，如图3所示，步骤S200之前，还包括：

步骤S300，基于车型识别设备和车牌识别设备，采集各个车辆的车辆信息数据。

其中，车型识别设备指用于采集进出收费站通行车辆的通行数据信息，并将所述通行数据信息上传至平台***的设备，所述通行数据信息包括但不限于车身长度、通行时间等。车牌识别设备用于采集进出收费站通行车辆的通行数据信息，并将所述通行数据信息上传至平台***的设备，所述通行数据信息包括但不限于车牌号码、通行时间等。车辆信息数据指进出收费站的车辆的相关通行数据以及识别车辆获得的数据。

具体地，在收费站出入口安装车型识别设备和车牌识别设备，用于采集进出收费站通行车辆的通行数据信息，并将所述通行数据信息上传到平台***，平台***接收到信息数据之后，会根据车辆车牌号码及车辆通行时间查找对应的进入收费站收费广场的车辆通行数据，基于所述进入收费站收费广场的车辆通行数据，生成驶离收费站收费广场的车辆通行数据，所述车辆通行数据包括但不限于车辆车身长度等信息。

步骤S302，将各个所述车辆信息数据中的重复数据进行过滤，得到中间车辆信息数据。

其中，重复数据指采集车辆通行数据的过程中重复采集到的车辆通行数据。过滤指对重复数据进行删除的操作。中间车辆信息数据指删除掉采集到的各个车辆信息数据中的重复数据之后，得到的车辆通行数据。

具体地，为了减少各个所述车辆信息数据对预测结果的干扰程度以及减少服务器的压力，需将各个所述车辆信息数据中的重复数据进行剔除，得到中间车辆信息数据。

步骤S304，将所述中间车辆信息数据中各个驶入收费广场车辆的信息数据与所述驶入收费广场车辆对应的驶离收费广场车辆的信息数据进行匹配融合，得到目标车辆信息数据。

其中，匹配融合指将驶入收费广场车辆的信息数据与驶离收费广场车辆的信息数据进行配对，以生成一条完整的车辆通行记录的操作，所述驶离收费广场车辆的信息数据指在所述驶入收费广场车辆驶入收费广场对应的时间下驶离收费广场车辆的信息数据。目标车辆信息数据指对采集得到的车辆信息数据进行重复数据删除和匹配车辆驶入与驶离收费广场的信息数据之后获得的车辆信息数据。

具体地，采集驶入收费广场车辆的信息数据的设备与采集驶离收费广场车辆的信息数据的设备不是同一台的，当将设备采集到的数据上传到平台***时，数据还是杂乱分散的。因此，除了对收集到的车辆信息数据进行设备多收集重复数据的过滤以外，还需对设备收集的数据进行数据匹配融合操作，以方便平台***对数据的计算分析，从而提高了服务器对车辆信息数据的处理效率。

本实施例通过对车型识别设备和车牌识别设备采集到的车辆信息数据进行重复数据的过滤和驶入收费广场的车辆信息数据与驶离收费收费广场的车辆信息数据的数据匹配融合，使得平台***存储的数据更加有条理，从而有利于平台***对目标车辆信息数据的分析与计算，从而提高了服务器处理目标车辆信息数据的效率，进而有利于提高根据收费站数据预测收费站拥堵情况的准确率。

在一个实施例中，如图4所示，步骤S200之前，还包括：

步骤S400，获取收费广场各个车道的车道长度。

其中，收费广场各个车道的车道长度指收费广场各个车道的最大可容纳车辆的排队长度。

具体地，从存储有收费站各个车道的车道长度数据的平台***中，获取各个车道的车道长度，为后续进程中计算收费广场车道总长度提供数据基础。

步骤S402，将各个所述车道长度融合，得到收费广场车道总长度。

其中，融合指将各个所述车道长度进行累加的操作。

具体地，每个收费站车道的数量都是有限的，并且各个车道可以容纳的排队车辆长度都是固定的，因此将所述收费广场各个车道的车道长度进行累加，即可计算得到收费广场车道总长度。

本实施例通过获取收费广场各个车道的车道长度，并将所述收费广场各个车道的车道长度进行累加得到收费广场车道总长度，并将所述收费广场车道总长度存储于平台***，有利于减少服务器的压力以及提高后续进程中服务器处理当前周期对应的车辆信息数据的效率。

在一个实施例中，如图5所示，步骤S304之后，还包括：

步骤S500，从所述目标车辆信息数据中获取当前周期驶入收费广场的各个车辆的车身长度和当前周期驶离收费广场的各个车辆的车身长度。

其中，当前周期驶入收费广场的各个车辆的车身长度指当前周期内，驶入收费广场的各个车辆的车身长度。当前周期驶离收费广场的各个车辆的车身长度指当前周期内，驶离收费广场的各个车辆的车身长度。

具体地，每个周期内驶入与驶离收费广场的车辆都不同，需从平台***中已处理好的目标车辆信息数据中获取当前周期的驶入收费广场的各个车辆的车身长度和驶离收费广场的各个车辆的车身长度，为后续进程的执行做数据准备。

步骤S502，将所述当前周期驶入收费广场的各个车辆的车身长度融合，得到当前周期驶入收费广场的车辆车身总长度。

其中，当前周期驶入收费广场的车辆车身总长度指当前周期内，将驶入收费广场的各个车辆的车身长度进行累加得到的该周期内的车辆车身总长度。

具体地，每个周期驶入收费广场的车辆的车身长度存在差异，计算当前周期内驶入收费广场的车辆车身总长度需将当前周期内驶入收费广场的各个车辆的车身长度进行累加，得到当前周期驶入收费广场的车辆车身总长度，为后续进程的执行做数据准备。

步骤S504，将所述当前周期驶离收费广场的各个车辆的车身长度融合，得到当前周期驶离收费广场的车辆车身总长度。

其中，当前周期驶离收费广场的车辆车身总长度指当前周期内，将驶离收费广场的各个车辆的车身长度进行累加得到的该周期内的车辆车身总长度。

具体地，每个周期驶离收费广场的车辆的车身长度也是存在差异的，计算当前周期内驶离收费广场的车辆车身总长度需将当前周期内驶离收费广场的各个车辆的车身长度相加，得到当前周期驶离收费广场的车辆车身总长度，为后续进程的执行做数据准备。

步骤S506，基于所述当前周期驶入收费广场的车辆车身总长度与当前周期驶离收费广场的车辆车身总长度的差异，得到当前周期收费广场车辆车身总长度。

其中，当前周期收费广场车辆车身总长度指在当前周期内，收费广场车道上的各个车辆占对应车道长度的总和。

具体地，当前周期收费广场车辆车身总长度通过当前周期驶入收费广场的车辆车身总长度减去当前周期驶离收费广场的车辆车身总长度得到。其中，没计算得到一个当前周期收费广场车辆车身总长度便将该数据存储于平台***中，以提供后续进程中相关数据的直接提取。

本实施例通过基于目标车辆信息数据，获取当前周期驶入收费广场的各个车辆的车身长度和当前周期驶离收费广场的各个车辆的车身长度，以计算当前周期驶入收费广场的车辆车身总长度和当前周期驶离收费广场的车辆车身总长度，并基于当前周期驶入收费广场的车辆车身总长度和当前周期驶离收费广场的车辆车身总长度，计算得到当前周期收费广场车辆车身总长度，有利于将各周期对应的收费广场车辆车身总长度存储于平台***，加快了后续进程中对相关数据的提取速度，从而提高了服务器处理相关数据的效率。

在一个实施例中，如图6所示，步骤S204包括：

步骤S600，当所述当前周期收费广场车道饱和度大于或等于所述拥堵判定阈值时，将所述当前周期收费站的拥堵状态作为拥堵状态。

具体地，当前周期收费站的拥堵状态如何，还需要通过当前周期收费广场车道饱和度与拥堵判定阈值的大小进行判断，当当前周期收费广场车道饱和度大于或等于所述拥堵判定阈值时，表示当前周期内收费站处于拥堵状态，则需要将所述当前周期收费站的拥堵状态作为拥堵状态，为下一步进程的执行提供判断依据。

步骤S602，当所述当前周期收费广场车道饱和度小于所述拥堵判定阈值时，将所述当前周期收费站的拥堵状态作为非拥堵状态。

具体地，当当前周期收费广场车道饱和度小于所述拥堵判定阈值时，表示当前周期内收费站处于非拥堵状态，则不需要执行后续进程，不需要再对更多的数据进行更进一步的分析预测。

本实施例通过当前周期收费广场车道饱和度与拥堵判定阈值的对比结果，判定下一步进程的执行，有利于缓解服务器处理数据的压力。此外，根据当前收费站的拥堵状态以判断是否更近一步分析预测收费站的拥堵情况以给目标终端发送收费站拥堵预警，在一定程度上提高了收费站拥堵预测的准确率。

在一个实施例中，如图7所示，步骤S206包括：

步骤S700，当所述当前周期收费站的拥堵状态是拥堵状态时，获取目标数量周期收费广场车道饱和度。

具体地，当当前周期收费站的拥堵状态是拥堵状态时，为了提高收费站拥堵预测的准确率，还需要获取目标数量周期收费广场车道饱和度做更进一步的分析。

步骤S702，获取所述拥堵判定阈值的预设范围，将各个所述目标数量周期收费广场车道饱和度与所述预设范围进行对比，得到第一分析结果。

其中，拥堵判定阈值的预设范围指指人为设定的、接近拥堵判定阈值的数值波动范围。第一分析结果指分析各个所述目标数量周期收费广场车道饱和度是否在拥堵判定阈值的预设范围内的分析结果。

具体地，当所述目标数量周期收费广场车道饱和度的各个数值都处在拥堵判定阈值的预设范围内时，表明在目标数量周期收费广场车道饱和度对应的各个时间周期内，收费站都有较大概率处于拥堵状态。通过目标数量周期收费广场车道饱和度与拥堵判定阈值的预设范围进行对比，得到第一分析结果，为后续进程的判断提供依据。

步骤S704，分析所述目标数量周期收费广场车道饱和度的递增情况，得到第二分析结果。

其中，第二分析结果指分析所述目标数量周期收费广场车道饱和度的数据趋势，判断该数据趋势是否是不断递增的分析结果。

具体地，除了判断目标数量周期收费广场车道饱和度是否在拥堵判定阈值的预设范围内进行波动外，还需要判断目标数量周期收费广场车道饱和度中各个数值是否呈不断递增的趋势进行递增，若是所述各个数据处于不断递增状态，则说明预测收费站是拥堵状态的概率会更高。

步骤S706，计算所述目标数量周期收费广场车道饱和度的增速情况，得到第三分析结果。

其中，第三分析结果指分析所述目标数量周期收费广场车道饱和度中各个数据之间的增速，而得到的分析结果。

具体地，计算并分析目标数量周期收费广场车道饱和度中各个数据的增速，当增速呈不断提高状态时，表明预测收费站拥堵的概率将越大；反之，则表明后续周期内收费站拥堵的概率将越小。

步骤S708，将所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度与当前周期收费广场广场车道饱和度进行对比，得到第四分析结果。

其中，第四分析结果指分析目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度与当前周期收费广场广场车道饱和度大小情况，而得到的分析结果。

具体地，当目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度大于或等于当前周期收费广场广场车道饱和度时，表明预测收费站是拥堵状态的概率处于下降的拐角，当前周期之后收费站仍处于拥堵的概率难以把握；当目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度小于当前周期收费广场广场车道饱和度时，表明预测收费站是拥堵状态的概率仍处于上升趋势，则预测当前周期之后收费站仍处于拥堵的概率较大。

步骤S710，所述第一分析结果、第二分析结果、第三分析结果和第四分析结果组成所述目标分析结果。

具体地，为了提高收费站拥堵预测的准确率，需将第一分析结果、第二分析结果、第三分析结果和第四分析结果综合进行考虑。因此，将将所述四种分析结果进行组合，获得目标分析结果，为后续进程提供判断依据。

本实施例通过将各个所述目标数量周期收费广场车道饱和度与所述预设范围进行对比得到第一分析结果，分析所述目标数量周期收费广场车道饱和度的递增情况得到第二分析结果，计算所述目标数量周期收费广场车道饱和度的增速情况得到第三分析结果，将所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度与当前周期收费广场广场车道饱和度进行对比得到第四分析结果，并将第一分析结果、第二分析结果、第三分析结果和第四分析结果进行综合考虑，得到目标分析结果，提高收费站拥堵预测的准确率。

在一个实施例中，如图8所示，步骤S208包括：

步骤S800，当所述目标分析结果为各个所述目标数量周期收费广场车道饱和度均在所述拥堵判断阈值的预设范围内、所述目标数量周期收费广场车道饱和度不断递增以及增速不断提高和所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度小于当前周期收费广场广场车道饱和度时，确定收费站拥堵预警。

具体地，目标分析结果综合了多方面的考虑，在很大程度上提高了收费站拥堵预测的准确率，当所述目标分析结果为各个所述目标数量周期收费广场车道饱和度均在所述拥堵判断阈值的预设范围内、所述目标数量周期收费广场车道饱和度不断递增以及增速不断提高和所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度小于当前周期收费广场广场车道饱和度时，平台***将当前周期之后的收费站拥堵状态设为拥堵状态，并确定对应的收费站拥堵预警，为后续进程中发送到对应的目标终端做好数据准备。

步骤S802，基于所述收费站的位置获取目标对象标识，将所述收费站拥堵预警发送到目标对象标识对应的目标终端。

其中，目标对象标识指应用平台***的用户账号。目标对象标识对应的目标终端指在平台***中登录的用户账号对应的终端。

具体地，平台***服务于多个地区，当到达对应的收费站时，基于收费站的位置获取正通行所述收费站的目标对象标识，然后平台***基于目标对象标识，将所述收费站拥堵预警发送到目标对象标识对应的目标终端。

本实施例通过基于目标分析结果，确定收费站拥堵预警，并基于收费站的位置获取目标对象标识，将所述收费站拥堵预警发送到目标对象标识对应的目标终端，目标分析结果的判断在很大程度上提高了收费站拥堵预测的准确率，根据收费站的位置获取目标对象标识，有利于提高用户的体验感。此外，该执行过程较好地反映了车辆信息数据的处理效果，也是服务器处理收费站数据效率提高的表现。

在一个实施例中，分别在高速公路出口匝道门架上安装车型识别设备，在高速公路收费站出口车道安装车牌识别设备，有设备采集通行车辆的车辆通行数据，将所述车辆通行数据作为车辆信息数据，将所述车辆信息数据上传至平台服务器，有平台***统一接收，并对所述车辆信息数据进行清洗和匹配融合，得到目标车辆信息数据，基于所述目标车辆信息数据计算得到收费广场车道总长度和当前周期收费广场车辆车身总长度，基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度，从平台***中获取拥堵判定阈值，当所述当前周期收费广场车道饱和度大于或等于所述拥堵判定阈值时，将当前周期收费站的拥堵状态设为拥堵状态，获取连续预设数量个当前周期之前的周期收费广场车道饱和度作为目标数量周期收费广场车道饱和度，分析所述目标数量周期收费广场饱和度，若所述目标数量周期收费广场车道饱和度中的各个数据均在所述拥堵判断阈值的预设范围内、所述目标数量周期收费广场车道饱和度不断递增以及增速不断提高和所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度小于当前周期收费广场广场车道饱和度，则将生成收费站拥堵事件，此时确定收费站拥堵预警，并将所述收费站拥堵预警发送给平台***的使用客户，即目标对象标识对应的用户，以便用户进行收费站拥堵规避或舒缓等运营措施，提高了服务器对收费站数据处理的效率，从而提高了根据收费站数据预测收费站拥堵情况的准确率。

其中，图9为一个实施例中收费站拥堵监测***的结构图，从图9中可知，通过分别在高速公路出口匝道及收费站出口车道安装图像识别设备，由设备采集通行车辆的关键属性信息数据，包括但不限于时间、地点、车牌号码、车身长度等，并将所述关键属性信息数据上传到拥堵监控预警***，拥堵监控预警***对所述关键属性信息数据进行存储和分析，得到收费站拥堵预警，最终将所述收费站拥堵预警发送到目标对象标识对应的目标终端，为目标对象标识对应的目标对象提供运营决策的依据。图10为一个实施例中通过数据流的方式对采集的车辆信息数据进行处理的示意图，其中数据输入层主要用于接收识别设备上传到平台***的数据，平台***对所述数据进行处理，并输出驶入与驶离收费广场车辆对应的车辆信息数据，平台***对所述数据进行处理的操作包括但不限于存储、过滤、数据补全等；数据统计层主要用于接收驶入与驶离收费广场车辆对应的车辆信息数据，并将所述车辆信息数据按时间升序进行处理统计，输出每周期的统计数据，所述统计数据包括但不限于每周期驶入收费广场的车辆车身总长度、每周期驶离收费广场的车辆车身总长度等关键信息；数据分析层用于接收每周期的统计数据，计算每周期的收费广场车道饱和度的时间趋势数据，并根据所述时间趋势数据作为预测收费站出口是否拥堵的判定依据。其中，对于本实施例中数据的流程图可如图11所示，图11中“入场事件”指目标车辆信息数据中驶入收费广场的车辆对应的车辆信息数据，“出场事件”指目标车辆信息数据中驶离收费广场的车辆对应的车辆信息数据，统计数据包括但不限于每周期驶入收费广场的车辆车身总长度、每周期驶离收费广场的车辆车身总长度等关键信息。本实施例中通过数据流的方式对车辆信息数据进行处理分析，提高了服务器处理车辆信息数据的效率。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的收费站数据处理方法的收费站数据处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个收费站数据处理装置实施例中的具体限定可以参见上文中对于收费站数据处理方法的限定，在此不再赘述。

在一个实施例中，如图12所示，提供了一种收费站数据处理装置，包括：获取模块1200、饱和度生成模块1202、状态确定模块1204、分析模块1206和发送模块1208，其中：

获取模块1200，用于获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度。

饱和度生成模块1202，用于基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度。

状态确定模块1204，用于获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态。

分析模块1206，用于基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，所述目标数量周期收费广场车道饱和度是连续预设数量个当前周期之前的周期收费广场车道饱和度。

发送模块1208，用于基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端。

在一个实施例中，收费站数据处理装置还包括预处理模块1210，用于基于车型识别设备和车牌识别设备，采集各个车辆的车辆信息数据；将各个所述车辆信息数据中的重复数据进行过滤，得到中间车辆信息数据；将所述中间车辆信息数据中各个驶入收费广场车辆的信息数据与所述驶入收费广场车辆对应的驶离收费广场车辆的信息数据进行匹配融合，得到目标车辆信息数据。

在一个实施例中，收费站数据处理装置还包括第一长度生成模块1212，用于获取收费广场各个车道的车道长度；将各个所述车道长度融合，得到收费广场车道总长度。

在一个实施例中，收费站数据处理装置还包括第二长度生成模块1214，用于从所述目标车辆信息数据中获取当前周期驶入收费广场的各个车辆的车身长度和当前周期驶离收费广场的各个车辆的车身长度；将所述当前周期驶入收费广场的各个车辆的车身长度融合，得到当前周期驶入收费广场的车辆车身总长度；将所述当前周期驶离收费广场的各个车辆的车身长度融合，得到当前周期驶离收费广场的车辆车身总长度；基于所述当前周期驶入收费广场的车辆车身总长度与当前周期驶离收费广场的车辆车身总长度的差异，得到当前周期收费广场车辆车身总长度。

在一个实施例中，状态确定模块1204还用于当所述当前周期收费广场车道饱和度大于或等于所述拥堵判定阈值时，将所述当前周期收费站的拥堵状态作为拥堵状态；当所述当前周期收费广场车道饱和度小于所述拥堵判定阈值时，将所述当前周期收费站的拥堵状态作为非拥堵状态。

在一个实施例中，分析模块1206还用于当所述当前周期收费站的拥堵状态是拥堵状态时，获取目标数量周期收费广场车道饱和度；获取所述拥堵判定阈值的预设范围，将各个所述目标数量周期收费广场车道饱和度与所述预设范围进行对比，得到第一分析结果；分析所述目标数量周期收费广场车道饱和度的递增情况，得到第二分析结果；计算所述目标数量周期收费广场车道饱和度的增速情况，得到第三分析结果；将所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度与当前周期收费广场广场车道饱和度进行对比，得到第四分析结果；所述第一分析结果、第二分析结果、第三分析结果和第四分析结果组成所述目标分析结果。

在一个实施例中，发送模块1208还用于当所述目标分析结果为各个所述目标数量周期收费广场车道饱和度均在所述拥堵判断阈值的预设范围内、所述目标数量周期收费广场车道饱和度不断递增以及增速不断提高和所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度小于当前周期收费广场广场车道饱和度时，确定收费站拥堵预警；基于所述收费站的位置获取目标对象标识，将所述收费站拥堵预警发送到目标对象标识对应的目标终端。

上述收费站数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图13所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过***总线连接，通信接口通过输入/输出接口连接到***总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储收费站数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种收费站数据处理方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图14所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过***总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种收费站数据处理方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图13和图14中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了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各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种收费站数据处理方法，其特征在于，所述方法包括：

获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度；

基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度；

获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态；

基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，所述目标数量周期收费广场车道饱和度是连续预设数量个当前周期之前的周期收费广场车道饱和度；

基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端。

2.根据权利要求1所述的方法，其特征在于，所述获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度之前，还包括：

基于车型识别设备和车牌识别设备，采集各个车辆的车辆信息数据；

将各个所述车辆信息数据中的重复数据进行过滤，得到中间车辆信息数据；

将所述中间车辆信息数据中各个驶入收费广场车辆的信息数据与所述驶入收费广场车辆对应的驶离收费广场车辆的信息数据进行匹配融合，得到目标车辆信息数据。

3.根据权利要求1所述的方法，其特征在于，所述获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度之前，还包括：

获取收费广场各个车道的车道长度；

将各个所述车道长度融合，得到收费广场车道总长度。

4.根据权利要求2所述的方法，其特征在于，所述将所述中间车辆信息数据中各个驶入收费广场车辆的信息数据与所述驶入收费广场车辆对应的驶离收费广场车辆的信息数据进行匹配融合，得到目标车辆信息数据之后，还包括：

从所述目标车辆信息数据中获取当前周期驶入收费广场的各个车辆的车身长度和当前周期驶离收费广场的各个车辆的车身长度；

将所述当前周期驶入收费广场的各个车辆的车身长度融合，得到当前周期驶入收费广场的车辆车身总长度；

将所述当前周期驶离收费广场的各个车辆的车身长度融合，得到当前周期驶离收费广场的车辆车身总长度；

基于所述当前周期驶入收费广场的车辆车身总长度与当前周期驶离收费广场的车辆车身总长度的差异，得到当前周期收费广场车辆车身总长度。

5.根据权利要求1所述的方法，其特征在于，所述获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态包括：

当所述当前周期收费广场车道饱和度大于或等于所述拥堵判定阈值时，将所述当前周期收费站的拥堵状态作为拥堵状态；

当所述当前周期收费广场车道饱和度小于所述拥堵判定阈值时，将所述当前周期收费站的拥堵状态作为非拥堵状态。

6.根据权利要求1所述的方法，其特征在于，所述基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果包括：

当所述当前周期收费站的拥堵状态是拥堵状态时，获取目标数量周期收费广场车道饱和度；

获取所述拥堵判定阈值的预设范围，将各个所述目标数量周期收费广场车道饱和度与所述预设范围进行对比，得到第一分析结果；

分析所述目标数量周期收费广场车道饱和度的递增情况，得到第二分析结果；

计算所述目标数量周期收费广场车道饱和度的增速情况，得到第三分析结果；

将所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度与当前周期收费广场广场车道饱和度进行对比，得到第四分析结果；

所述第一分析结果、第二分析结果、第三分析结果和第四分析结果组成所述目标分析结果。

7.根据权利要求1所述的方法，其特征在于，所述基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端包括：

当所述目标分析结果为各个所述目标数量周期收费广场车道饱和度均在所述拥堵判断阈值的预设范围内、所述目标数量周期收费广场车道饱和度不断递增以及增速不断提高和所述目标数量周期收费广场车道饱和度的最后一个周期收费广场车道饱和度小于当前周期收费广场广场车道饱和度时，确定收费站拥堵预警；

基于所述收费站的位置获取目标对象标识，将所述收费站拥堵预警发送到目标对象标识对应的目标终端。

8.一种收费站数据处理装置，其特征在于，所述装置包括：

获取模块，用于获取收费广场车道总长度，获取当前周期收费广场车辆车身总长度；

饱和度生成模块，用于基于所述当前周期收费广场车辆车身总长度与所述收费广场车道总长度的比例，得到当前周期收费广场车道饱和度；

状态确定模块，用于获取拥堵判定阈值，基于所述当前周期收费广场车道饱和度与所述拥堵判定阈值的对比结果，得到当前周期收费站的拥堵状态；

分析模块，用于基于所述当前周期收费站的拥堵状态，获取目标数量周期收费广场车道饱和度，对所述目标数量周期收费广场车道饱和度进行分析，得到目标分析结果，所述目标数量周期收费广场车道饱和度是连续预设数量个当前周期之前的周期收费广场车道饱和度；

发送模块，用于基于所述目标分析结果，确定收费站拥堵预警，将所述收费站拥堵预警发送到目标终端。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images