CN117475642B - 路段交通状态的检测方法、装置、电子设备及存储介质 - Google Patents
路段交通状态的检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117475642B CN117475642B CN202311824943.1A CN202311824943A CN117475642B CN 117475642 B CN117475642 B CN 117475642B CN 202311824943 A CN202311824943 A CN 202311824943A CN 117475642 B CN117475642 B CN 117475642B
- Authority
- CN
- China
- Prior art keywords
- road section
- target
- sub
- road
- traffic
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 414
- 230000004927 fusion Effects 0.000 claims abstract description 175
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 79
- 238000005259 measurement Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 5
- 238000012952 Resampling Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种路段交通状态的检测方法、装置、电子设备及存储介质,将以目标上游收费点为起点且以目标下游收费点为终点之间的路段确定为目标路段;根据目标上游收费点和目标下游收费点的设置位置、设置在目标路段中的检测设备的布设位置和检测范围,确定目标路段所包括的子路段;基于检测设备的检测范围,获取实测子路段对应的实测交通数据,以及目标路段对应的整体交通数据;使用实测交通数据和整体交通数据,按照预设的融合关系,确定融合子路段对应的融合交通数据;将实测交通数据、整体交通数据和融合交通数据输入到预设的检测模型中,得到实测子路段和融合子路段分别对应的交通状态。通过上述方法,提高了路段交通状态检测的准确性。
Description
技术领域
本申请涉及道路交通状态的检测技术领域,尤其是涉及一种路段交通状态的检测方法、装置、电子设备及存储介质。
背景技术
交通状态是交通需求、交通事件、道路通行能力综合作用下形成的,而交通拥堵是通行能力不能满足通行需求的时产生的交通状态。随着社会经济的不断增长,国内汽车的拥有量越来越多,高速公路车流量急剧上升,由于缺少有效的管控措施和对道路通行能力缺乏深入分析,导致高速公路上车辆拥堵的现象愈发严重,此外,高速公路因交通事故、恶劣天气、自然灾害等突发事件引发通行缓慢、堵塞或者中断的现象时有发生,极大地影响了通行效率和出行体验。
目前,高速公路道路通行能力通常停留在人为的定性评价和主观判定,在应用层面上缺乏有效地针对数据和技术进行深层次的分析手段,一些通过智慧化手段来提升道路运行管理能力的方法,也随着海量交通大数据的积累,使处理和分析交通大数据变得十分困难,无法还原路网真实运行状态,进而难以实现数据的价值增值和对道路决策的支持。
发明内容
有鉴于此,本申请的目的在于提供一种路段交通状态的检测方法、装置、电子设备及存储介质,根据检测点的位置以及检测点覆盖区域对目标路段进行划分,然后对路段中的实测数据进行融合,来检测目标路段中各路段的交通状态,达到了多源交通数据的同质增强和异质互补的效果,实现了路段交通状态的精细化检测,进而提高检测路段交通状态的实时性和准确性。
本申请实施例提供了一种路段交通状态的检测方法,所述检测方法包括:
将以目标上游收费点为起点且以目标下游收费点为终点之间的路段确定为目标路段;
根据所述目标上游收费点的设置位置、目标下游收费点的设置位置、设置在所述目标路段中的检测设备的布设位置和检测范围,确定所述目标路段所包括的子路段;所述子路段包括实测子路段和融合子路段;
基于所述检测设备的检测范围,获取所述检测设备采集的所述实测子路段对应的实测交通数据,以及由所述收费点采集的所述目标路段对应的整体交通数据;
使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据;
将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态。
进一步的,当所述检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围连通时,确定所述目标路段所包括的子路段的步骤包括:
将所述检测设备对应的覆盖区间路段确定为所述目标路段中的实测子路段;
根据所述实测子路段的覆盖区间,确定所述实测子路段的边界对应的端点;
分别将所述目标上游收费点和所述目标下游收费点和在位置上与所述收费点相邻的所述实测子路段的边界对应的端点组成的路段确定为所述目标路段中的融合子路段。
进一步的,当所述检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围不连通时,确定所述目标路段所包括的子路段的步骤包括:
将所述检测设备对应的覆盖区间路段确定为所述目标路段中的实测子路段;
根据所述实测子路段的覆盖区间,确定所述实测子路段的边界对应的端点;
分别将所述目标上游收费点和所述目标下游收费点和在位置上与所述收费点相邻的所述实测子路段的边界对应的端点组成的路段,以及所述实测子路段之间的路段确定为所述目标路段中的融合子路段。
进一步的,当所述检测设备的检测范围为节点覆盖时,确定所述目标路段所包括的子路段的步骤包括:
将所述检测设备对应的节点路段确定为所述目标路段中的实测子路段;
分别以所述目标上游收费点和所述目标下游收费点为所述子路段的起点,并以在布设位置上与所述收费点相邻的所述检测设备为所述子路段的终点,将所述子路段的起点和所述子路段的终点之间的路段确定为所述目标路段中的融合子路段。
进一步的,所述使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据,包括:
当所述检测设备的检测范围为区间覆盖时,使用获取到的所述实测交通数据和所述整体交通数据,按照所述检测设备的检测范围为区间覆盖所对应的融合关系,确定所述融合子路段对应的融合交通数据;
当所述检测设备的检测范围为节点覆盖时,使用获取到的所述实测交通数据和所述整体交通数据,按照所述检测设备的检测范围为节点覆盖所对应的融合关系,确定所述融合子路段对应的融合交通数据。
进一步的,所述将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态,包括:
根据所述实测交通数据、所述整体交通数据和所述融合交通数据,确定所述目标路段对应的交通流特征集;
将所述交通流特征集中每个实测子路段对应的交通特征输入到所述实测子路段对应的检测模型中,得到由所述检测模型输出的指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态;
根据所述指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态,确定所述交通流特征集中每个融合子路段对应的交通流特征;
将所述每个融合子路段对应的交通流特征输入到所述融合子路段对应的检测模型中,得到由所述检测模型输出的指示所述目标路段中每个融合子路段为拥堵或畅通的交通状态。
进一步的,所述根据所述实测交通数据、所述整体交通数据和所述融合交通数据,确定所述目标路段对应的交通流特征集,包括:
通过将所述实测交通数据、所述整体交通数据和所述融合交通数据分别与标定道路交通数据做差,得到多个数据差值,并将所述多个数据差值确定为所述目标路段对应的交通流特征集中的差值集;
将所述差值集、所述实测交通数据、所述整体交通数据和所述融合交通数据确定为所述目标路段对应的交通流特征集。
本申请实施例还提供了一种路段交通状态的检测装置,所述检测装置包括:
第一路段确定模块,用于将以目标上游收费点为起点且以目标下游收费点为终点之间的路段确定为目标路段;
第二路段确定模块,用于根据所述目标上游收费点的设置位置、目标下游收费点的设置位置、设置在所述目标路段中的检测设备的布设位置和检测范围,确定所述目标路段所包括的子路段;所述子路段包括实测子路段和融合子路段;
数据获取模块,用于基于所述检测设备的检测范围,获取所述检测设备采集的所述实测子路段对应的实测交通数据,以及由所述收费点采集的所述目标路段对应的整体交通数据;
数据融合模块,用于使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据;
交通状态检测模块,用于将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态。
进一步的,当所述检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围连通时,所述第二路段确定模块在用于确定所述目标路段所包括的子路段时,所述第二路段确定模块用于:
将所述检测设备对应的覆盖区间路段确定为所述目标路段中的实测子路段;
根据所述实测子路段的覆盖区间,确定所述实测子路段的边界对应的端点;
分别将所述目标上游收费点和所述目标下游收费点和在位置上与所述收费点相邻的所述实测子路段的边界对应的端点组成的路段确定为所述目标路段中的融合子路段。
进一步的,当所述检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围不连通时,所述第二路段确定模块在用于确定所述目标路段所包括的子路段时,所述第二路段确定模块用于:
将所述检测设备对应的覆盖区间路段确定为所述目标路段中的实测子路段;
根据所述实测子路段的覆盖区间,确定所述实测子路段的边界对应的端点;
分别将所述目标上游收费点和所述目标下游收费点和在位置上与所述收费点相邻的所述实测子路段的边界对应的端点组成的路段,以及所述实测子路段之间的路段确定为所述目标路段中的融合子路段。
进一步的,当所述检测设备的检测范围为节点覆盖时,所述第二路段确定模块在用于确定所述目标路段所包括的子路段时,所述第二路段确定模块用于:
将所述检测设备对应的节点路段确定为所述目标路段中的实测子路段;
分别以所述目标上游收费点和所述目标下游收费点为所述子路段的起点,并以在布设位置上与所述收费点相邻的所述检测设备为所述子路段的终点,将所述子路段的起点和所述子路段的终点之间的路段确定为所述目标路段中的融合子路段。
进一步的,所述数据融合模块在用于使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据时,所述数据融合模块用于:
当所述检测设备的检测范围为区间覆盖时,使用获取到的所述实测交通数据和所述整体交通数据,按照所述检测设备的检测范围为区间覆盖所对应的融合关系,确定所述融合子路段对应的融合交通数据;
当所述检测设备的检测范围为节点覆盖时,使用获取到的所述实测交通数据和所述整体交通数据,按照所述检测设备的检测范围为节点覆盖所对应的融合关系,确定所述融合子路段对应的融合交通数据。
进一步的,所述交通状态检测模块在用于将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态时,所述交通状态检测模块用于:
根据所述实测交通数据、所述整体交通数据和所述融合交通数据,确定所述目标路段对应的交通流特征集;
将所述交通流特征集中每个实测子路段对应的交通特征输入到所述实测子路段对应的检测模型中,得到由所述检测模型输出的指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态;
根据所述指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态,确定所述交通流特征集中每个融合子路段对应的交通流特征;
将所述每个融合子路段对应的交通流特征输入到所述融合子路段对应的检测模型中,得到由所述检测模型输出的指示所述目标路段中每个融合子路段为拥堵或畅通的交通状态。
进一步的,所述交通状态检测模块在用于根据所述实测交通数据、所述整体交通数据和所述融合交通数据,确定所述目标路段对应的交通流特征集时,所述交通状态检测模块用于:
通过将所述实测交通数据、所述整体交通数据和所述融合交通数据分别与标定道路交通数据做差,得到多个数据差值,并将所述多个数据差值确定为所述目标路段对应的交通流特征集中的差值集;
将所述差值集、所述实测交通数据、所述整体交通数据和所述融合交通数据确定为所述目标路段对应的交通流特征集。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的路段交通状态的检测方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的路段交通状态的检测方法的步骤。
本申请实施例提供的路段交通状态的检测方法、装置、电子设备及存储介质,所述检测方法包括:将以目标上游收费点为起点且以目标下游收费点为终点之间的路段确定为目标路段;根据所述目标上游收费点的设置位置、目标下游收费点的设置位置、设置在所述目标路段中的检测设备的布设位置和检测范围,确定所述目标路段所包括的子路段;所述子路段包括实测子路段和融合子路段;基于所述检测设备的检测范围,获取所述检测设备采集的所述实测子路段对应的实测交通数据,以及由所述收费点采集的所述目标路段对应的整体交通数据;使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据;将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态。
与现有技术中的人为评价和判定,以及直接通过智慧化手段来提升道路运行管理能力的方法相比,根据检测点的位置以及检测点覆盖区域对目标路段进行划分,然后对路段中的实测数据进行融合,来检测目标路段中各路段的交通状态,达到了多源交通数据的同质增强和异质互补的效果,实现了路段交通状态的精细化检测,进而提高检测路段交通状态的实时性和准确性。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种路段交通状态的检测方法的流程图;
图2(a)为本申请实施例所提供的一种目标路段所包括的子路段的划分示意图之一;
图2(b)为本申请实施例所提供的一种目标路段所包括的子路段的划分示意图之二;
图2(c)为本申请实施例所提供的一种目标路段所包括的子路段的划分示意图之三;
图3为本申请实施例所提供的一种路段交通状态的检测装置的结构示意图;
图4为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
经研究发现,目前,高速公路道路通行能力通常停留在人为的定性评价和主观判定,在应用层面上缺乏有效地针对数据和技术进行深层次的分析手段,一些通过智慧化手段来提升道路运行管理能力的方法,也随着海量交通大数据的积累,使处理和分析交通大数据变得十分困难,无法还原路网真实运行状态,进而难以实现数据的价值增值和对道路决策的支持。
基于此,本申请实施例提供了一种路段交通状态的检测方法,根据检测点的位置以及检测点覆盖区域对目标路段进行划分,然后对路段中的实测数据进行融合,来检测目标路段中各路段的交通状态,达到了多源交通数据的同质增强和异质互补的效果,实现了路段交通状态的精细化检测,进而提高检测路段交通状态的实时性和准确性。
请参阅图1,图1为本申请实施例所提供的一种路段交通状态的检测方法的流程图。如图1中所示,本申请实施例提供的路段交通状态的检测方法,包括:
S101、将以目标上游收费点为起点且以目标下游收费点为终点之间的路段确定为目标路段。
需要说明的是,在本申请的一种实施方式中,目标上游收费点和目标上游收费点为高速公路上设置的收费站点,目标上游收费点为高速公路中所探究路段检测起始收费站;目标下游收费点为高速公路中所探究路段检测终止收费站;目标路段为高速公路中目标上游收费点和目标下游收费点之间的路段,在该目标路段中进行交通状态的检测。
该步骤中,首先在高速公路中明确一个收费站点为起点,即目标上游收费点;然后,在高速公路中明确另一个收费站点为终点,即目标下游收费点;最后,将作为起点的目标上游收费点和作为终点的目标下游收费点之间的高速公路路段确定为所期望检测交通状态的目标路段。
示例性的,例如,将高速公路中的城市A收费站确定作为起点的目标上游收费点;将高速公路中的城市B收费站确定作为终点的目标下游收费点;那么将路段AB确定为目标路段。
S102、根据所述目标上游收费点的设置位置、目标下游收费点的设置位置、设置在所述目标路段中的检测设备的布设位置和检测范围,确定所述目标路段所包括的子路段;所述子路段包括实测子路段和融合子路段。
需要说明的是,在本申请的一种实施方式中,设置在目标路段中的检测设备的检测范围可分为区间覆盖和节点覆盖,检测范围为区间覆盖的检测设备可检测一段路段的交通数据;检测范围为节点覆盖的检测设备可检测一个节点处的交通数据;设置在目标路段中的检测设备的布设位置针对的是检测范围为区间覆盖的检测设备,布设位置可分为检测设备的检测范围连通和检测设备的检测范围不连通。
具体的,检测范围为区间覆盖的检测设备为该检测设备可以检测以检测设备自身为中心和以检测设备的检测范围大小为长度的路段;检测范围为节点覆盖的检测设备可检测以该检测设备自身为节点处的交通数据;检测设备的布设位置所表现的检测范围是否连通,取决于以检测设备自身为中心和以检测设备的检测范围大小为长度的路段是否相连。
该步骤中,首先,根据设置在目标路段中的检测设备的检测范围和布设位置,确定目标路段对应的路段类型;然后,根据目标路段对应的路段类型,确定所述目标路段所包括的子路段;最后,确定目标路段所包括的子路段中的实测子路段和融合子路段。
其中,实测子路段为目标路段中检测设备可检测覆盖到的路段,在实测子路段中,设置在实测子路段中的检测设备可检测到整个实测子路段的交通数据;融合子路段为目标路段中检测设备无法完全检测覆盖到的路段,目标路段中的检测设备可检测融合子路段的两端,而无法检测整个融合子路段的交通数据,融合子路段的交通数据需要根据该路段的两端的交通数据和目标路段的整体交通数据来融合得到。
这里,在本申请的一种实施方式中,目标路段对应的路段类型分为一型目标路段、二型目标路段和三型目标路段。具体的,当设置在目标路段中的检测设备为上游检测设备和下游检测设备时,一型目标路段为目标路段中的上游检测设备和下游检测设备的检测范围均为区间覆盖且检测范围连通所对应的目标路段;二型目标路段为目标路段中的上游检测设备和下游检测设备的检测范围均为区间覆盖且检测范围不连通所对应的目标路段;三型目标路段为目标路段中的上游检测设备和下游检测设备的检测范围均为节点覆盖所对应的目标路段。
在本申请的一种实施方式中,当所述检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围连通时,步骤S102中确定所述目标路段所包括的子路段的步骤可包括:
S1021、将所述检测设备对应的覆盖区间路段确定为所述目标路段中的实测子路段。
该步骤中,当检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围连通时,首先,确定检测设备对应的覆盖区间;然后,将检测设备对应的覆盖区间所覆盖的路段确定为目标路段中的实测子路段。
S1022、根据所述实测子路段的覆盖区间,确定所述实测子路段的边界对应的端点。
该步骤中,首先,根据确定好的目标路段中的实测子路段所对应的覆盖区间,确定实测子路段的路段边界;然后根据该路段边界,确定实测子路段的边界对应的端点。
S1023、分别将所述目标上游收费点和所述目标下游收费点和在位置上与所述收费点相邻的所述实测子路段的边界对应的端点组成的路段确定为所述目标路段中的融合子路段。
该步骤中,首先,将目标路段中的目标上游收费点和在位置上与该收费点相邻的实测子路段的边界对应的端点之间的路段确定为目标路段中的融合子路段之一;然后,将目标路段中的目标下游收费点和在位置上与该收费点相邻的实测子路段的边界对应的端点之间的路段确定为目标路段中的融合子路段之二。
具体的,在本申请的一种实施方式中,请参阅图2(a),本申请实施例所提供的一种目标路段所包括的子路段的划分示意图之一,如图2(a)所示,图2(a)为目标路段对应的路段类型为一型目标路段所包括的子路段的划分示意图,图2(a)中包括检测设备1为检测范围为区间覆盖的上游检测设备;检测设备2为检测范围为区间覆盖的下游检测设备;检测设备1和检测设备2的检测范围连通;目标上游收费点和目标下游收费点为一型目标路段对应的起点和终点;图2(a)中的路段2和路段3为一型目标路段中的实测子路段;图2(a)中的路段1和路段4为一型目标路段中的融合子路段。
进一步的,在本申请的一种实施方式中,当所述检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围不连通时,步骤S102中确定所述目标路段所包括的子路段的步骤可包括:
S1024、将所述检测设备对应的覆盖区间路段确定为所述目标路段中的实测子路段。
该步骤中,当检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围不连通时,首先,确定检测设备对应的覆盖区间;然后,将检测设备对应的覆盖区间所覆盖的路段确定为目标路段中的实测子路段。
S1025、根据所述实测子路段的覆盖区间,确定所述实测子路段的边界对应的端点。
该步骤中,首先,根据确定好的目标路段中的实测子路段所对应的覆盖区间,确定实测子路段的路段边界;然后根据该路段边界,确定实测子路段的边界对应的端点。
S1026、分别将所述目标上游收费点和所述目标下游收费点和在位置上与所述收费点相邻的所述实测子路段的边界对应的端点组成的路段,以及所述实测子路段之间的路段确定为所述目标路段中的融合子路段。
该步骤中,首先,将目标路段中的目标上游收费点和在位置上与该收费点相邻的实测子路段的边界对应的端点之间的路段确定为目标路段中的融合子路段之一;然后,将目标路段中的目标下游收费点和在位置上与该收费点相邻的实测子路段的边界对应的端点之间的路段确定为目标路段中的融合子路段之二;最后,将位于两个实测子路段之间的路段确定为目标路段中的融合子路段之三。
具体的,在本申请的一种实施方式中,请参阅图2(b),本申请实施例所提供的一种目标路段所包括的子路段的划分示意图之二,如图2(b)所示,图2(b)为目标路段对应的路段类型为二型目标路段所包括的子路段的划分示意图,图2(b)中包括检测设备1为检测范围为区间覆盖的上游检测设备;检测设备2为检测范围为区间覆盖的下游检测设备;检测设备1和检测设备2的检测范围不连通;目标上游收费点和目标下游收费点为二型目标路段对应的起点和终点;图2(b)中的路段2和路段4为二型目标路段中的实测子路段;图2(b)中的路段1、路段3和路段5为二型目标路段中的融合子路段。
进一步的,在本申请的一种实施方式中,当所述检测设备的检测范围为节点覆盖时,步骤S102中确定所述目标路段所包括的子路段的步骤可包括:
S1027、将所述检测设备对应的节点路段确定为所述目标路段中的实测子路段。
该步骤中,当所述检测设备的检测范围为节点覆盖时,首先,确定检测设备对应的节点位置;然后,将检测设备对应的节点路段确定为目标路段中的实测子路段。
这里,由于检测设备的检测范围为节点覆盖,那么该检测设备下的实测子路段为以节点形式的路段。具体的,检测设备的检测范围为节点覆盖对应的目标路段中的实测子路段的区间长度无线趋近于0,检测设备无法检测该实测子路段的区间交通数据。
S1028、分别以所述目标上游收费点和所述目标下游收费点为所述子路段的起点,并以在布设位置上与所述收费点相邻的所述检测设备为所述子路段的终点,将所述子路段的起点和所述子路段的终点之间的路段确定为所述目标路段中的融合子路段。
该步骤中,首先,分别确定目标上游收费点和目标下游收费点为子路段的起点;然后,在布设位置上与所述收费点相邻的检测设备为终点;最后,将子路段的起点和子路段的终点之间的路段确定为目标路段中的融合子路段。
具体的,在本申请一种可实施方式中,请参阅图2(c),本申请实施例所提供的一种目标路段所包括的子路段的划分示意图之三,如图2(c)所示,图2(c)为目标路段对应的路段类型为三型目标路段所包括的子路段的划分示意图,图2(c)中包括检测设备1为检测范围为节点覆盖的上游检测设备;检测设备2为检测范围为节点覆盖的下游检测设备;目标上游收费点和目标下游收费点为三型目标路段对应的起点和终点;图2(c)中的检测设备1和检测设备2对应为三型目标路段中的实测子路段;图2(c)中的路段1、路段2和路段3为三型目标路段中的融合子路段。
S103、基于所述检测设备的检测范围,获取所述检测设备采集的所述实测子路段对应的实测交通数据,以及由所述收费点采集的所述目标路段对应的整体交通数据。
该步骤中,当检测设备的检测范围为区间覆盖时,获取检测设备采集的实测子路段对应的实测交通数据包括实测子路段对应的路段长度、车流量、车流速度和车流密度;当检测设备的检测范围为节点覆盖时,获取检测设备采集的实测子路段对应的实测交通数据包括实测子路段对应的车流量和车流速度;设置在目标路段中的目标上游收费点和目标下游收费点可采集到目标路段对应的整体交通数据包括目标路段对应的路段长度、目标上游收费点车流量、目标下游收费点车流量、车流速度和车流密度。
这里,在本申请的一种实施方式中,检测设备一般可包括但不限于雷达和/或摄像头,通过雷达探测和摄像头捕捉图像的形式来获取实测子路段对应的实测交通数据。其中,实测子路段对应的车流量为根据检测设备采集的实测子路段对应的小型车流量、中型车流量、大型车流量和超大型车流量,按照预设的流量计算公式,通过加权计算出来的。
具体的,实测子路段对应的车流量的计算方法如下所示。
。
其中,为实测子路段对应的车流量;/>为实测子路段对应的小型车流量;/>为实测子路段对应的中型车流量;/>为实测子路段对应的大型车流量;/>为实测子路段对应的超大型车流量;/>为中型车流量参数;/>为大型车流量参数;/>为超大型车流量参数。
这里,、/>和/>为根据《公路通行能力手册》中指定的关于中型车流量、大型车流量和超大型车流量对应的综合计算参数。
进一步的,整体交通数据所包括的目标路段对应的目标上游收费点车流量和目标下游收费点车流量分别为根据目标上游收费点和目标下游收费点对应的小型车流量、中型车流量、大型车流量和超大型车流量,按照预设的流量计算公式,通过加权计算出来的。
具体的,目标上游收费点车流量和目标下游收费点车流量的计算方法如下所示。
。
。
其中,为目标上游收费点车流量;/>为目标下游收费点车流量;/>为目标上游收费点小型车流量;/>为目标上游收费点中型车流量;/>为目标上游收费点大型车流量;/>为目标上游收费点超大型车流量;/>为目标下游收费点小型车流量;/>为目标下游收费点中型车流量;/>为目标下游收费点大型车流量;/>为目标下游收费点超大型车流量;/>为中型车流量参数;/>为大型车流量参数;/>为超大型车流量参数。
进一步的,整体交通数据所包括的目标路段对应的车流速度为根据目标路段的距离和从目标上游收费点行驶至目标下游收费点所需时间的比值的平均值。
具体的,目标路段对应的车流速度计算方式如下。
。
其中,为目标路段对应的车流速度;/>为mean平均函数;/>为目标路段的路段长度;/>为行驶至目标下游收费点对应的当前时刻;/>为行驶至目标上游收费点对应的当前时刻。
进一步的,目标路段对应的车流密度为目标上游收费点车流量和目标下游收费点车流量之间的车流量差和从目标上游收费点行驶至目标下游收费点所需时间的比值。
具体的,目标路段对应的车流密度计算方式如下。
。
其中,为目标路段对应的车流密度;/>为目标路段的路段长度;/>为目标上游收费点车流量;/>为目标下游收费点车流量。
S104、使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据。
该步骤中,首先,根据检测设备的检测范围,确定检测范围为区间覆盖和节点覆盖所对应的融合关系;然后,针对每一种检测范围对应的情况下的路段类型,按照检测范围对应的融合关系,根据实测交通数据和整体交通数据进行融合;最后,确定融合子路段对应的融合交通数据。
这里,在本申请的一种实施方式中,融合子路段对应的融合交通数据包括融合子路段对应的路段长度、车流速度、车流密度和流量关联系数。其中,融合子路段对应的路段长度为根据目标路段中目标上游收费点和目标下游收费点的设置位置,以及在目标路段中的检测设备的布设位置而确定的;融合子路段对应的流量关联系数为根据目标路段中实测交通数据中的车流量,通过预设的DTW算法计算得到的。
在本申请的一种实施方式中,在具体实施时,步骤S104可包括:
S1041、当所述检测设备的检测范围为区间覆盖时,使用获取到的所述实测交通数据和所述整体交通数据,按照所述检测设备的检测范围为区间覆盖所对应的融合关系,确定所述融合子路段对应的融合交通数据。
该步骤中,当所述检测设备的检测范围为区间覆盖时,首先,确定当前目标路段的路段类型;然后,针对当前路段类型,确定获取到的实测交通数据和整体交通数据中对应的交通参数;之后,确定检测设备的检测范围为区间覆盖所对应的融合关系;最后,按照该融合关系,针对实测交通数据和整体交通数据中对应的交通参数,确定当前路段类型下融合子路段对应的融合交通数据。
具体的,在本申请的一种实施方式中,如图2(a)所示,在一型目标路段中,路段1和路段4为融合子路段,一型目标路段中路段1和路段4对应的车流速度的计算方式如下所示。
。
其中,为一型目标路段中路段 1和一型目标路段中路段4对应的车流速度;/>为目标路段对应的路段长度;/>为一型目标路段中路段 1对应的路段长度;/>为一型目标路段中路段4对应的路段长度;/>为一型目标路段中路段 2对应的路段长度;/>为一型目标路段中路段3对应的路段长度;/>为目标路段对应的车流速度;/>为一型目标路段中路段2对应的车流速度;/>为一型目标路段中路段3对应的车流速度。
进一步的,在本申请的一种实施方式中,如图2(a)所示,在一型目标路段中路段1对应的车流密度的计算方式如下所示。
。
其中,为一型目标路段中路段1对应的车流密度;/>为一型目标路段中路段 1对应的路段长度;/>为目标上游收费点车流量;/>为一型目标路段中路段2对应的车流量。
进一步的,如图2(a)所示,在一型目标路段中路段4对应的车流密度的计算方式如下所示。
。
其中,为一型目标路段中路段1对应的车流密度;/>为一型目标路段中路段 4对应的路段长度;/>为目标下游收费点车流量;/>为一型目标路段中路段3对应的车流量。
进一步的,在本申请的一种实施方式中,如图2(b)所示,在二型目标路段中,路段1、路段3和路段5为融合子路段,二型目标路段中路段1、路段3和路段5对应的车流速度的计算方式如下所示。
。
其中,为二型目标路段中路段 1、路段3和路段5对应的车流速度;/>为二型目标路段中路段 1对应的路段长度;/>为二型目标路段中路段4对应的路段长度;为二型目标路段中路段 2对应的路段长度;/>为二型目标路段中路段3对应的路段长度;/>为二型目标路段中路段5对应的路段长度;/>为目标路段对应的车流速度;/>为二型目标路段中路段2对应的车流速度;/>为二型目标路段中路段4对应的车流速度;/>为目标路段对应的路段长度。
进一步的,在本申请的一种实施方式中,如图2(b)所示,在二型目标路段中路段1对应的车流密度的计算方式如下所示。
。
其中,为二型目标路段中路段1对应的车流密度;/>为二型目标路段中路段 1对应的路段长度;/>为目标上游收费点车流量;/>为二型目标路段中路段2对应的车流量。
进一步的,如图2(b)所示,在二型目标路段中路段3对应的车流密度的计算方式如下所示。
。
其中,为二型目标路段中路段3对应的车流密度;/>为二型目标路段中路段 3对应的路段长度;/>为二型目标路段中路段2对应的车流量;/>为二型目标路段中路段4对应的车流量。
进一步的,如图2(b)所示,在二型目标路段中路段5对应的车流密度的计算方式如下所示。
。
其中,为二型目标路段中路段5对应的车流密度;/>为二型目标路段中路段 5对应的路段长度;/>为目标下游收费点车流量;/>为二型目标路段中路段4对应的车流量。
S1042、当所述检测设备的检测范围为节点覆盖时,使用获取到的所述实测交通数据和所述整体交通数据,按照所述检测设备的检测范围为节点覆盖所对应的融合关系,确定所述融合子路段对应的融合交通数据。
该步骤中,当所述检测设备的检测范围为节点覆盖时,首先,针对当前路段类型,确定获取到的实测交通数据和整体交通数据中对应的交通参数;然后,确定检测设备的检测范围为节点覆盖所对应的融合关系;最后,按照该融合关系,针对实测交通数据和整体交通数据中对应的交通参数,确定当前路段类型下融合子路段对应的融合交通数据。
具体的,在本申请的一种实施方式中,如图2(c)所示,在三型目标路段中,路段1、路段2和路段3为融合子路段,三型目标路段中路段1对应的车流速度的计算方式如下所示。
。
其中,为三型目标路段中路段 1对应的车流速度;/>为目标路段对应的车流速度;/>为三型目标路段中检测设备1对应的车流速度。
进一步的,三型目标路段中路段1对应的车流密度的计算方式如下所示。
。
其中,为三型目标路段中路段 1对应的车流密度;/>为目标上游收费点车流量;/>为三型目标路段中检测设备1对应的车流量;/>为三型目标路段中路段 1对应的路段长度。
进一步的,三型目标路段中路段2对应的车流速度的计算方式如下所示。
。
其中,为三型目标路段中路段 2对应的车流速度;/>为三型目标路段中检测设备1对应的车流速度;/>为三型目标路段中检测设备2对应的车流速度。
进一步的,三型目标路段中路段2对应的车流密度的计算方式如下所示。
。
其中,为三型目标路段中路段 2对应的车流密度;/>为三型目标路段中检测设备1对应的车流量;/>为三型目标路段中检测设备2对应的车流量;/>为三型目标路段中路段 2对应的路段长度。
进一步的,三型目标路段中路段3对应的车流速度的计算方式如下所示。
。
其中,为三型目标路段中路段 3对应的车流速度;/>为目标路段对应的车流速度;/>为三型目标路段中检测设备2对应的车流速度。
进一步的,三型目标路段中路段3对应的车流密度的计算方式如下所示。
。
其中,为三型目标路段中路段 3对应的车流密度;/>为三型目标路段中检测设备2对应的车流量;/>为目标下游收费点车流量;/>为三型目标路段中路段 3对应的路段长度。
S105、将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态。
该步骤中,首先,根据实测交通数据、整体交通数据、融合交通数据和标定道路交通数据确定用于训练和输入数据的交通流特征集;然后,交通流特征集中实测子路段对应的交通特征输入到第一检测模型中,得到指示每个实测子路段为拥堵或畅通的交通状态;之后,根据实测子路段为拥堵或畅通的交通状态的结果,确定要输入到第二检测模型中的交通流特征集中融合子路段对应的交通特征;最后,得到指示每个融合子路段为拥堵或畅通的交通状态。
这里,第一检测模型为实测子路段对应的检测模型;第二检测模型为融合子路段对应的检测模型。
具体的,第一检测模型的构建流程为,首先,根据检测器采集到的历史数据,按照预设的状态检测周期对数据进行重采样,得到重采样数据;然后,运用实测交通数据对重采样数据进行交通状态标注;最后,明确以重采样数据为输入,以交通状态标注为输出,建立基于LightGBM模型的交通状态检测模型。
进一步的,第二检测模型的构建流程为,首先,调用第一检测模型输出的实测子路段的交通状态;然后,根据实测子路段的交通状态,提取各路段历史数据,并计算交通流特征参数;然后,按照预设的状态检测周期对数据进行重采样,得到重采样数据;然后,运用实测交通数据对重采样数据进行交通状态标注;最后,明确以重采样数据为输入,以交通状态标注为输出,建立基于随机森林模型的交通状态检测模型。
在本申请的一种实施方式中,在具体实施时,步骤S105可包括:
S1051、根据所述实测交通数据、所述整体交通数据和所述融合交通数据,确定所述目标路段对应的交通流特征集。
需要说明的是,交通流特征集为针对路段交通状态检测的检测模型的关键特征集,交通流特征集既可以作为构建预设的检测模型的训练特征,也可以作为检测模型输出路段交通状态的输入数据的数据支撑;具体的,在本申请的一种实施方式中,交通流特征集包括差值集、车流速度、车流密度和流量关联系数。
在本申请的一种实施方式中,在具体实施时,步骤S1051可包括:
S10511、通过将所述实测交通数据、所述整体交通数据和所述融合交通数据分别与标定道路交通数据做差,得到多个数据差值,并将所述多个数据差值确定为所述目标路段对应的交通流特征集中的差值集;
该步骤中,首先,从标定道路交通数据中提取目标路段的设计通行能力,具体的,在本申请的一种实施方式中,标定道路交通数据包括目标路段所标定的自由流流量、自由流速度、稳定流上段流量、稳定流上段流速度、稳定流流量和稳定流速度;然后,将实测交通数据、整体交通数据和融合交通数据中与车流量数据和车流速度相关联的交通数据与标定道路交通数据做差,得到多个数据差值;最后,将多个数据差值确定为目标路段对应的交通流特征集中的差值集。
S10512、将所述差值集、所述实测交通数据、所述整体交通数据和所述融合交通数据确定为所述目标路段对应的交通流特征集。
该步骤中,首先,提取实测交通数据、整体交通数据和融合交通数据中与车流量数据和车流速度相关联的交通数据和融合交通数据中的流量关联系数;然后,将提取出的与车流量数据和车流速度相关联的交通数据、融合交通数据中的流量关联系数和差值集确定为目标路段对应的交通流特征集。
S1052、将所述交通流特征集中每个实测子路段对应的交通特征输入到所述实测子路段对应的检测模型中,得到由所述检测模型输出的指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态。
该步骤中,首先,确定交通流特征集中每个实测子路段对应的交通特征为实测子路段对应的车流速度、车流密度和车流量;然后,将实测子路段对应的车流速度、车流密度、车流量和交通流特征集中的差值集输入到实测子路段对应的第一检测模型中;得到由所述检测模型输出的指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态。
S1053、根据所述指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态,确定所述交通流特征集中每个融合子路段对应的交通流特征。
该步骤中,首先,确定目标路段中与当前融合子路段相邻的前一实测子路段的指示为拥堵或畅通的交通状态;然后,确定交通流特征集中的候选数据为融合子路段对应的车流速度、车流密度、车流量、流量关联系数和整体交通数据中的收费点对应的车流量;最后,根据与当前融合子路段相邻的前一实测子路段的指示为拥堵或畅通的交通状态,确定交通流特征集中每个融合子路段对应的交通流特征。
具体的,在本申请的一种实施方式中,如图2(a)所示,当一型目标路段中路段2的交通状态为畅通时,确定以差值集、一型目标路段中路段1对应的车流速度、一型目标路段中路段1对应的车流密度、目标上游收费点对应的车流量、一型目标路段中路段2对应的车流量和一型目标路段中路段1对应的流量关联系数为一型目标路段中路段1对应的交通流特征;当一型目标路段中路段2的交通状态为拥堵时,确定以一型目标路段中路段1对应的车流速度、一型目标路段中路段1对应的车流密度、目标上游收费点对应的车流量和一型目标路段中路段2对应的车流量为一型目标路段中路段1对应的交通流特征。
进一步的,如图2(a)所示,当一型目标路段中路段3的交通状态为畅通时,确定以差值集、一型目标路段中路段4对应的车流速度、一型目标路段中路段4对应的车流密度、目标下游收费点对应的车流量、一型目标路段中路段3对应的车流量和一型目标路段中路段4对应的流量关联系数为一型目标路段中路段4对应的交通流特征;当一型目标路段中路段3的交通状态为拥堵时,确定以差值集、一型目标路段中路段4对应的车流速度、一型目标路段中路段4对应的车流密度、目标下游收费点对应的车流量和一型目标路段中路段3对应的车流量为一型目标路段中路段4对应的交通流特征。
进一步的,如图2(b)所示,当二型目标路段中路段2的交通状态为畅通时,确定以差值集、二型目标路段中路段1对应的车流速度、二型目标路段中路段1对应的车流密度、目标上游收费点对应的车流量、二型目标路段中路段2对应的车流量和二型目标路段中路段1对应的流量关联系数为二型路段中路段1对应的交通流特征;当二型目标路段中路段2的交通状态为拥堵时,确定以二型目标路段中路段1对应的车流速度、二型目标路段中路段1对应的车流密度、目标上游收费点对应的车流量和二型目标路段中路段2对应的车流量为二型目标路段中路段1对应的交通流特征。
进一步的,如图2(b)所示,当二型目标路段中路段4的交通状态为畅通时,确定以差值集、二型目标路段中路段5对应的车流速度、二型目标路段中路段5对应的车流密度、目标下游收费点对应的车流量、二型目标路段中路段4对应的车流量和二型目标路段中路段5对应的流量关联系数为二型目标路段中路段5对应的交通流特征;当二型目标路段中路段4的交通状态为拥堵时,确定以差值集、二型目标路段中路段5对应的车流速度、二型目标路段中路段5对应的车流密度、目标下游收费点对应的车流量和二型目标路段中路段4对应的车流量为二型目标路段中路段5对应的交通流特征。
进一步的,如图2(b)所示,当二型目标路段中路段2和路段4的交通状态均为畅通时,确定以差值集、二型目标路段中路段3对应的车流速度、二型目标路段中路段3对应的车流密度、二型目标路段中路段2对应的车流量、二型目标路段中路段4对应的车流量和二型目标路段中路段3对应的流量关联系数为二型目标路段中路段3对应的交通流特征;当二型目标路段中路段2和路段4中至少有一个路段的交通状态为拥堵时,确定以差值集、二型目标路段中路段3对应的车流速度、二型目标路段中路段3对应的车流密度、二型目标路段中路段2对应的车流量和二型目标路段中路段4对应的车流量为二型目标路段中路段3对应的交通流特征。
进一步的,如图2(c)所示,确定以差值集、三型目标路段中路段1对应的车流速度、三型目标路段中路段1对应的车流密度、目标上游收费点对应的车流量、三型目标路段中检测设备1对应的车流量和三型目标路段中路段1对应的流量关联系数为三型目标路段中路段1对应的交通流特征;确定以差值集、三型目标路段中路段2对应的车流速度、三型目标路段中路段2对应的车流密度、三型目标路段中检测设备1对应的车流量、三型目标路段中检测设备2对应的车流量和三型目标路段中路段2对应的流量关联系数为三型目标路段中路段2对应的交通流特征;确定以差值集、三型目标路段中路段3对应的车流速度、三型目标路段中路段3对应的车流密度、三型目标路段中检测设备2对应的车流量、目标下游收费点对应的车流量和三型目标路段中路段3对应的流量关联系数为三型目标路段中路段3对应的交通流特征。
S1054、将所述每个融合子路段对应的交通流特征输入到所述融合子路段对应的检测模型中,得到由所述检测模型输出的指示所述目标路段中每个融合子路段为拥堵或畅通的交通状态。
该步骤中,将确定出的融合子路段对应的交通流特征中的交通流特征数据输入到所述融合子路段对应的第二检测模型中,得到由所述检测模型输出的指示所述目标路段中每个融合子路段为拥堵或畅通的交通状态。
本申请实施例提供的路段交通状态的检测方法,将以目标上游收费点为起点且以目标下游收费点为终点之间的路段确定为目标路段;根据所述目标上游收费点的设置位置、目标下游收费点的设置位置、设置在所述目标路段中的检测设备的布设位置和检测范围,确定所述目标路段所包括的子路段;所述子路段包括实测子路段和融合子路段;基于所述检测设备的检测范围,获取所述检测设备采集的所述实测子路段对应的实测交通数据,以及由所述收费点采集的所述目标路段对应的整体交通数据;使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据;将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态。这样,根据检测点的位置以及检测点覆盖区域对目标路段进行划分,然后对路段中的实测数据进行融合,来检测目标路段中各路段的交通状态,达到了多源交通数据的同质增强和异质互补的效果,实现了路段交通状态的精细化检测,进而提高检测路段交通状态的实时性和准确性。
请参阅图3,图3为本申请实施例所提供的一种路段交通状态的检测装置的结构示意图。如图3中所示,所述检测装置300包括:
第一路段确定模块310,用于将以目标上游收费点为起点且以目标下游收费点为终点之间的路段确定为目标路段;
第二路段确定模块320,用于根据所述目标上游收费点的设置位置、目标下游收费点的设置位置、设置在所述目标路段中的检测设备的布设位置和检测范围,确定所述目标路段所包括的子路段;所述子路段包括实测子路段和融合子路段;
数据获取模块330,用于基于所述检测设备的检测范围,获取所述检测设备采集的所述实测子路段对应的实测交通数据,以及由所述收费点采集的所述目标路段对应的整体交通数据;
数据融合模块340,用于使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据;
交通状态检测模块350,用于将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态。
进一步的,当所述检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围连通时,所述第二路段确定模块320在用于确定所述目标路段所包括的子路段时,所述第二路段确定模块320用于:
将所述检测设备对应的覆盖区间路段确定为所述目标路段中的实测子路段;
根据所述实测子路段的覆盖区间,确定所述实测子路段的边界对应的端点;
分别将所述目标上游收费点和所述目标下游收费点和在位置上与所述收费点相邻的所述实测子路段的边界对应的端点组成的路段确定为所述目标路段中的融合子路段。
进一步的,当所述检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围不连通时,所述第二路段确定模块320在用于确定所述目标路段所包括的子路段时,所述第二路段确定模块320用于:
将所述检测设备对应的覆盖区间路段确定为所述目标路段中的实测子路段;
根据所述实测子路段的覆盖区间,确定所述实测子路段的边界对应的端点;
分别将所述目标上游收费点和所述目标下游收费点和在位置上与所述收费点相邻的所述实测子路段的边界对应的端点组成的路段,以及所述实测子路段之间的路段确定为所述目标路段中的融合子路段。
进一步的,当所述检测设备的检测范围为节点覆盖时,所述第二路段确定模块320在用于确定所述目标路段所包括的子路段时,所述第二路段确定模块320用于:
将所述检测设备对应的节点路段确定为所述目标路段中的实测子路段;
分别以所述目标上游收费点和所述目标下游收费点为所述子路段的起点,并以在布设位置上与所述收费点相邻的所述检测设备为所述子路段的终点,将所述子路段的起点和所述子路段的终点之间的路段确定为所述目标路段中的融合子路段。
进一步的,所述数据融合模块340在用于使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据时,所述数据融合模块340用于:
当所述检测设备的检测范围为区间覆盖时,使用获取到的所述实测交通数据和所述整体交通数据,按照所述检测设备的检测范围为区间覆盖所对应的融合关系,确定所述融合子路段对应的融合交通数据;
当所述检测设备的检测范围为节点覆盖时,使用获取到的所述实测交通数据和所述整体交通数据,按照所述检测设备的检测范围为节点覆盖所对应的融合关系,确定所述融合子路段对应的融合交通数据。
进一步的,所述交通状态检测模块350在用于将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态时,所述交通状态检测模块350用于:
根据所述实测交通数据、所述整体交通数据和所述融合交通数据,确定所述目标路段对应的交通流特征集;
将所述交通流特征集中每个实测子路段对应的交通特征输入到所述实测子路段对应的检测模型中,得到由所述检测模型输出的指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态;
根据所述指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态,确定所述交通流特征集中每个融合子路段对应的交通流特征;
将所述每个融合子路段对应的交通流特征输入到所述融合子路段对应的检测模型中,得到由所述检测模型输出的指示所述目标路段中每个融合子路段为拥堵或畅通的交通状态。
进一步的,所述交通状态检测模块350在用于根据所述实测交通数据、所述整体交通数据和所述融合交通数据,确定所述目标路段对应的交通流特征集时,所述交通状态检测模块350用于:
通过将所述实测交通数据、所述整体交通数据和所述融合交通数据分别与标定道路交通数据做差,得到多个数据差值,并将所述多个数据差值确定为所述目标路段对应的交通流特征集中的差值集;
将所述差值集、所述实测交通数据、所述整体交通数据和所述融合交通数据确定为所述目标路段对应的交通流特征集。
本申请实施例提供的路段交通状态的检测装置,将以目标上游收费点为起点且以目标下游收费点为终点之间的路段确定为目标路段;根据所述目标上游收费点的设置位置、目标下游收费点的设置位置、设置在所述目标路段中的检测设备的布设位置和检测范围,确定所述目标路段所包括的子路段;所述子路段包括实测子路段和融合子路段;基于所述检测设备的检测范围,获取所述检测设备采集的所述实测子路段对应的实测交通数据,以及由所述收费点采集的所述目标路段对应的整体交通数据;使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据;将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态。这样,根据检测点的位置以及检测点覆盖区域对目标路段进行划分,然后对路段中的实测数据进行融合,来检测目标路段中各路段的交通状态,达到了多源交通数据的同质增强和异质互补的效果,实现了路段交通状态的精细化检测,进而提高检测路段交通状态的实时性和准确性。
请参阅图4,图4为本申请实施例所提供的一种电子设备的结构示意图。如图4中所示,所述电子设备400包括处理器410、存储器420和总线430。
所述存储器420存储有所述处理器410可执行的机器可读指令,当电子设备400运行时,所述处理器410与所述存储器420之间通过总线430通信,所述机器可读指令被所述处理器410执行时,可以执行如上述图1所示方法实施例中的路段交通状态的检测方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的路段交通状态的检测方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元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。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种路段交通状态的检测方法,其特征在于,所述检测方法包括:
将以目标上游收费点为起点且以目标下游收费点为终点之间的路段确定为目标路段;
根据所述目标上游收费点的设置位置、目标下游收费点的设置位置、设置在所述目标路段中的检测设备的布设位置和检测范围,确定所述目标路段所包括的子路段;所述子路段包括实测子路段和融合子路段;其中,所述检测范围包括区间覆盖和节点覆盖;所述区间覆盖为所述检测设备可检测一段路段的交通数据;所述节点覆盖为检测设备可检测一个节点处的交通数据;所述布设位置包括检测设备的检测范围连通和检测设备的检测范围不连通;
基于所述检测设备的检测范围,获取所述检测设备采集的所述实测子路段对应的实测交通数据,以及由所述收费点采集的所述目标路段对应的整体交通数据;
使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据;
将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态。
2.根据权利要求1所述的方法,其特征在于,当所述检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围连通时,确定所述目标路段所包括的子路段的步骤包括:
将所述检测设备对应的覆盖区间路段确定为所述目标路段中的实测子路段;
根据所述实测子路段的覆盖区间,确定所述实测子路段的边界对应的端点;
分别将所述目标上游收费点和所述目标下游收费点和在位置上与所述收费点相邻的所述实测子路段的边界对应的端点组成的路段确定为所述目标路段中的融合子路段。
3.根据权利要求1所述的方法,其特征在于,当所述检测设备的检测范围为区间覆盖且所述检测设备的布设位置为所述检测范围不连通时,确定所述目标路段所包括的子路段的步骤包括:
将所述检测设备对应的覆盖区间路段确定为所述目标路段中的实测子路段;
根据所述实测子路段的覆盖区间,确定所述实测子路段的边界对应的端点;
分别将所述目标上游收费点和所述目标下游收费点和在位置上与所述收费点相邻的所述实测子路段的边界对应的端点组成的路段,以及所述实测子路段之间的路段确定为所述目标路段中的融合子路段。
4.根据权利要求1所述的方法,其特征在于,当所述检测设备的检测范围为节点覆盖时,确定所述目标路段所包括的子路段的步骤包括:
将所述检测设备对应的节点路段确定为所述目标路段中的实测子路段;
分别以所述目标上游收费点和所述目标下游收费点为所述子路段的起点,并以在布设位置上与所述收费点相邻的所述检测设备为所述子路段的终点,将所述子路段的起点和所述子路段的终点之间的路段确定为所述目标路段中的融合子路段。
5.根据权利要求1所述的方法,其特征在于,所述使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据,包括:
当所述检测设备的检测范围为区间覆盖时,使用获取到的所述实测交通数据和所述整体交通数据,按照所述检测设备的检测范围为区间覆盖所对应的融合关系,确定所述融合子路段对应的融合交通数据;
当所述检测设备的检测范围为节点覆盖时,使用获取到的所述实测交通数据和所述整体交通数据,按照所述检测设备的检测范围为节点覆盖所对应的融合关系,确定所述融合子路段对应的融合交通数据。
6.根据权利要求1所述的方法,其特征在于,所述将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态,包括:
根据所述实测交通数据、所述整体交通数据和所述融合交通数据,确定所述目标路段对应的交通流特征集;
将所述交通流特征集中每个实测子路段对应的交通特征输入到所述实测子路段对应的检测模型中,得到由所述检测模型输出的指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态;
根据所述指示所述目标路段中每个实测子路段为拥堵或畅通的交通状态,确定所述交通流特征集中每个融合子路段对应的交通流特征;
将所述每个融合子路段对应的交通流特征输入到所述融合子路段对应的检测模型中,得到由所述检测模型输出的指示所述目标路段中每个融合子路段为拥堵或畅通的交通状态。
7.根据权利要求6所述的方法,其特征在于,所述根据所述实测交通数据、所述整体交通数据和所述融合交通数据,确定所述目标路段对应的交通流特征集,包括:
通过将所述实测交通数据、所述整体交通数据和所述融合交通数据分别与标定道路交通数据做差,得到多个数据差值,并将所述多个数据差值确定为所述目标路段对应的交通流特征集中的差值集;
将所述差值集、所述实测交通数据、所述整体交通数据和所述融合交通数据确定为所述目标路段对应的交通流特征集。
8.一种路段交通状态的检测装置,其特征在于,所述检测装置包括:
第一路段确定模块,用于将以目标上游收费点为起点且以目标下游收费点为终点之间的路段确定为目标路段;
第二路段确定模块,用于根据所述目标上游收费点的设置位置、目标下游收费点的设置位置、设置在所述目标路段中的检测设备的布设位置和检测范围,确定所述目标路段所包括的子路段;所述子路段包括实测子路段和融合子路段;其中,所述检测范围包括区间覆盖和节点覆盖;所述区间覆盖为所述检测设备可检测一段路段的交通数据;所述节点覆盖为检测设备可检测一个节点处的交通数据;所述布设位置包括检测设备的检测范围连通和检测设备的检测范围不连通;
数据获取模块,用于基于所述检测设备的检测范围,获取所述检测设备采集的所述实测子路段对应的实测交通数据,以及由所述收费点采集的所述目标路段对应的整体交通数据;
数据融合模块,用于使用获取到的所述实测交通数据和所述整体交通数据,按照预设的融合关系,确定所述融合子路段对应的融合交通数据;
交通状态检测模块,用于将所述实测交通数据、所述整体交通数据和所述融合交通数据输入到预设的检测模型中,得到由所述检测模型输出的所述目标路段所包括的每个实测子路段和每个融合子路段分别对应的交通状态。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的路段交通状态的检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一所述的路段交通状态的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311824943.1A CN117475642B (zh) | 2023-12-28 | 2023-12-28 | 路段交通状态的检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311824943.1A CN117475642B (zh) | 2023-12-28 | 2023-12-28 | 路段交通状态的检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117475642A CN117475642A (zh) | 2024-01-30 |
CN117475642B true CN117475642B (zh) | 2024-03-01 |
Family
ID=89640090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311824943.1A Active CN117475642B (zh) | 2023-12-28 | 2023-12-28 | 路段交通状态的检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117475642B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103531023A (zh) * | 2013-10-18 | 2014-01-22 | 北京世纪高通科技有限公司 | 一种数据处理方法及装置 |
DE102015015918A1 (de) * | 2015-12-09 | 2017-06-14 | Audi Ag | Verfahren zum Ermitteln einer Region mit bestimmten Eigenschaften anhand von Fahrzeug-Sensordaten |
EP3182394A2 (de) * | 2015-12-18 | 2017-06-21 | SWARCO Traffic Systems GmbH | Steuervorrichtung und steuerverfahren zur überwachung und steuerung eines verkehrsabschnitts |
CN107230345A (zh) * | 2017-07-27 | 2017-10-03 | 深圳市盛路物联通讯技术有限公司 | 一种城市环境监管方法及*** |
CN107862856A (zh) * | 2017-09-20 | 2018-03-30 | 华为技术有限公司 | 一种交通信息处理方法及装置 |
CN108520627A (zh) * | 2018-03-21 | 2018-09-11 | 广州优路加信息科技有限公司 | 路况确定方法、装置、***、计算机设备和存储介质 |
ES1241960U (es) * | 2019-02-07 | 2020-02-24 | Miguel Maria Angel De | Sistema y procedimiento de guiado para automovilistas |
JP2021120778A (ja) * | 2020-01-30 | 2021-08-19 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN115359443A (zh) * | 2022-09-22 | 2022-11-18 | 智道网联科技(北京)有限公司 | 交通事故检测方法和装置、电子设备和存储介质 |
CN115862335A (zh) * | 2023-02-27 | 2023-03-28 | 北京理工大学前沿技术研究院 | 基于车路信息融合的拥堵预警方法、***及存储介质 |
CN116978230A (zh) * | 2023-08-29 | 2023-10-31 | 杭州海康威视***技术有限公司 | 一种盲区道路检测方法、装置、电子设备及存储介质 |
-
2023
- 2023-12-28 CN CN202311824943.1A patent/CN117475642B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103531023A (zh) * | 2013-10-18 | 2014-01-22 | 北京世纪高通科技有限公司 | 一种数据处理方法及装置 |
DE102015015918A1 (de) * | 2015-12-09 | 2017-06-14 | Audi Ag | Verfahren zum Ermitteln einer Region mit bestimmten Eigenschaften anhand von Fahrzeug-Sensordaten |
EP3182394A2 (de) * | 2015-12-18 | 2017-06-21 | SWARCO Traffic Systems GmbH | Steuervorrichtung und steuerverfahren zur überwachung und steuerung eines verkehrsabschnitts |
CN107230345A (zh) * | 2017-07-27 | 2017-10-03 | 深圳市盛路物联通讯技术有限公司 | 一种城市环境监管方法及*** |
CN107862856A (zh) * | 2017-09-20 | 2018-03-30 | 华为技术有限公司 | 一种交通信息处理方法及装置 |
CN108520627A (zh) * | 2018-03-21 | 2018-09-11 | 广州优路加信息科技有限公司 | 路况确定方法、装置、***、计算机设备和存储介质 |
ES1241960U (es) * | 2019-02-07 | 2020-02-24 | Miguel Maria Angel De | Sistema y procedimiento de guiado para automovilistas |
JP2021120778A (ja) * | 2020-01-30 | 2021-08-19 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN115359443A (zh) * | 2022-09-22 | 2022-11-18 | 智道网联科技(北京)有限公司 | 交通事故检测方法和装置、电子设备和存储介质 |
CN115862335A (zh) * | 2023-02-27 | 2023-03-28 | 北京理工大学前沿技术研究院 | 基于车路信息融合的拥堵预警方法、***及存储介质 |
CN116978230A (zh) * | 2023-08-29 | 2023-10-31 | 杭州海康威视***技术有限公司 | 一种盲区道路检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
宋锐 ; 陈辉 ; 肖志光 ; 许岩岩 ; Reinhard KLETTE ; .基于几何矩采样的车道检测算法.中国科学:信息科学.2017,(第04期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117475642A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112489427B (zh) | 一种车辆轨迹跟踪方法、装置、设备及存储介质 | |
KR102350711B1 (ko) | 궤적 분류 모델의 트레이닝 방법 및 장치, 및 전자 기기 | |
CN109118771B (zh) | 一种城市交通常发性拥堵特征确定的方法及装置 | |
CN104751642B (zh) | 一种高等级道路交通流运行风险实时预估方法 | |
CN102592451B (zh) | 一种基于双截面环形线圈检测器的道路交通事件检测方法 | |
CN105931458B (zh) | 一种路面交通流量检测设备可信度评估的方法 | |
CN110942625A (zh) | 基于现实路径流量回溯调节的动态od估计方法及装置 | |
CN111310786A (zh) | 基于随机森林分类器的交通检测器异常诊断方法及装置 | |
CN113608566B (zh) | 一种纺织车间的环境监控调整方法及*** | |
CN109239553B (zh) | 一种基于局部放电脉冲局部密度的聚类方法 | |
CN104574968A (zh) | 一种临界交通状态参数的确定方法 | |
Rajab et al. | Vehicle classification and accurate speed calculation using multi-element piezoelectric sensor | |
Biswas et al. | Assessment of level-of-service on urban arterials: a case study in Kolkata metropolis | |
CN109410584B (zh) | 一种路况检测方法及装置 | |
CN108881277B (zh) | 监测无线传感器网络节点入侵的方法、装置及设备 | |
CN104700630A (zh) | 一种高速公路车流量的监测方法及*** | |
CN102819956B (zh) | 一种基于单截面环形线圈检测器的道路交通事件检测方法 | |
CN113935158A (zh) | 一种针对高速公路事故多发点的交通检测器优化布设方法 | |
CN117475642B (zh) | 路段交通状态的检测方法、装置、电子设备及存储介质 | |
Sebestyen et al. | Road quality evaluation with mobile devices | |
CN106651061B (zh) | 一种基于dsrc数据与点检测器数据的实时融合方法 | |
CN114495028A (zh) | 一种车辆套牌的识别方法、装置、电子设备及存储介质 | |
CN109584563B (zh) | 一种基于韦布尔分布的城市快速路路段通行能力可靠性分布分析方法 | |
KR101939446B1 (ko) | 지점검지기 및 구간검지기 사이에서 소통 상황의 동질성을 판단하는 방법 및 시스템 | |
CN110428612A (zh) | 车辆管控方法、装置、计算机设备和存储介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 110000 floors 3-4, No. 197, Nanjing South Street, Heping District, Shenyang City, Liaoning Province Patentee after: Liaoning Jiaotou Aites Technology Co.,Ltd. Country or region after: China Address before: 110000 floors 3-4, No. 197, Nanjing South Street, Heping District, Shenyang City, Liaoning Province Patentee before: LIAONING ATS INTELLIGENT TRANSPORTATION TECHNOLOGY CO.,LTD. Country or region before: China |
|
CP03 | Change of name, title or address |