CN108428340A - 道路交通状况分析方法和系统 - Google Patents
道路交通状况分析方法和系统 Download PDFInfo
- Publication number
- CN108428340A CN108428340A CN201810451380.9A CN201810451380A CN108428340A CN 108428340 A CN108428340 A CN 108428340A CN 201810451380 A CN201810451380 A CN 201810451380A CN 108428340 A CN108428340 A CN 108428340A
- Authority
- CN
- China
- Prior art keywords
- road
- data
- traffic
- traffic flow
- information
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000013439 planning Methods 0.000 claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims abstract description 12
- 238000013500 data storage Methods 0.000 claims description 50
- 230000006399 behavior Effects 0.000 claims description 36
- 238000005111 flow chemistry technique Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000010276 construction Methods 0.000 abstract description 11
- 238000004891 communication Methods 0.000 description 14
- 230000006854 communication Effects 0.000 description 14
- 241001269238 Data Species 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 230000002123 temporal effect Effects 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241001484259 Lacuna Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G06Q50/40—
Abstract
本发明实施例公开了一种道路交通状况分析方法和系统，其中的方法包括：使用交通流量感知模型并根据行车数据获得路网交通流量信息，对异常突发交通情况进行监控并提供交通管理辅助方案；使用道路设置分析模型并根据行车数据获得路网道路分析信息，对道路设置进行评估并提供道路规划建议方案。本发明的方法和系统可对路网的整体交通流量进行感知，对异常突发交通情况进行监控，并提供应急处置辅助支持；可对道路设置的合理性进行分析评估，为道路规划建设提供支撑；并且，采用区块链技术存储和验证数据，可有效确保在复杂网络中数据提供方数据的可靠性，避免不诚实节点，防止被恶意篡改或扰乱。
Description
技术领域
本发明涉及驾驶技术领域，尤其涉及一种道路交通状况分析方法和系统。
背景技术
随着机动车保有量的急剧增加，交通拥挤、交通事故以及由此引发的环境污染、能源浪费、经济损失等问题日益严峻。如何合理规划道路建设、有效缓解交通、提高交通安全性，成为一大重要课题。从20世纪80年代开始，欧美、日本等发达国家开始大规模投入智能交通系统的研发，将先进的信息技术、通讯技术、传感技术、控制技术以及计算机技术等有效地集成运用于整个交通运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合的运输和管理系统，以期最大限度地利用交通设施，缓解交通拥挤局面。
近年来，随着电子信息、无线通信、物联网、大数据等技术的迅猛发展与广泛应用，车路协同技术成为智能交通系统的一个重要增长点。车路协同技术的发展目标是，通过出行者、智能车载单元和智能路侧单元之间的实时、高效和双向的信息交互，为交通参与者提供全时空的、可靠的交通信息，有效提升道路交通系统的安全性和通行效率，改善交通环境，提高出行舒适度。但现有的车路协同技术部分实现了车-车、车-路通信，距离实现人-车-路充分协同的工程化运用尚有一定差距。此外，车路协同技术多聚焦于改进单车的行车体验，在交通流量的智能感知、道路设置合理性分析等交通整体规划、监控、评估等方面的应用存在较大缺项。因此，需要一种新的道路交通状况分析的技术方案。
发明内容
有鉴于此，本发明实施例提供一种道路交通状况分析方法和系统。
根据本发明实施例的一个方面，提供一种道路交通状况分析方法，包括：获取汽车数据存储装置发送的行车数据；其中，所述行车数据包括：车辆状况数据、行车路径数据、驾驶行为数据；使用交通流量感知模型并根据所述行车数据获得路网交通流量信息，基于所述路网交通流量信息对异常突发交通情况进行监控并提供交通管理辅助方案；使用道路设置分析模型并根据所述行车数据获得路网道路分析信息，基于所述路网道路分析信息对道路设置进行评估并提供道路规划建议方案。
可选地，所述使用交通流量感知模型并根据所述行车数据获得路网交通流量信息包括：使用所述交通流量感知模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹；基于所述车辆运行轨迹获得车辆在路网中的实时分布信息，根据所述实时分布信息获得所述路网交通流量信息。
可选地，所述基于所述路网交通流量信息对异常突发交通情况进行监控包括：使用所述交通流量感知模型并根据所述路网交通流量信息以及所述行车数据对路网道路中的交通异常进行预判；如果确定将出现交通异常，则使用所述交通流量感知模型确定交通异常等级和相关部门，并基于预设的规则进行相应地交通协同调控。
可选地，所述提供交通管理辅助方案包括：使用所述交通流量感知模型并根据交通流量历史数据获得公共交通运营计划以及对于交通设施的控制方案；其中，所述对于交通设施的控制包括：路段红绿灯控制、快速通道开闭、停车场运营。
可选地，使用所述交通流量感知模型并根据所述路网交通流量信息、交通流量历史数据以及所述行车数据生成车辆路径引导信息，并将所述车辆路径引导信息发送给所述汽车数据存储装置。
可选地，所述使用道路设置分析模型并根据所述行车数据获得路网道路分析信息包括：使用所述道路设置分析模型并根据所述行车数据以及交通流量历史数据对多种类型的道路进行分析，获得与交通异常发生相关联的、并与各类型的道路相对应的道路设置信息。
可选地，所述基于所述路网道路分析信息对道路设置进行评估并提供道路规划建议方案包括：使用所述道路设置分析模型并根据所述道路设置信息获得对所述多种类型的道路的评估以及规划建议方案。
可选地，所述多种类型的道路包括：线性道路、隧道、坡度道路；与所述线性道路对应的所述道路设置信息包括：道路直线和曲线配比、直线道路长度、曲线半径；与所述隧道对应的所述道路设置信息包括：隧道长度、路径、车道数量、时速限制；与所述坡度道路对应的所述道路设置信息包括：坡度大小、长短、警示标志。
可选地，所述汽车数据存储装置获取传感器或电子控制单元采集所述车辆状况数据并发送。
可选地，所述汽车数据存储装置获取GPS设备采集的车辆的地理位置信息、时间信息，并获取气候信息；所述汽车数据存储装置根据所述地理位置信息和所述时间信息并结合电子地图信息获得所述路径信息；其中，所述路径信息包括：车辆活动半径、长短途比例、途径道路环境；所述汽车数据存储装置生成所述行车路径数据并发送；其中，所述行车路径数据包括：所述路径信息、所述气候信息。
可选地，所述汽车数据存储装置获取传感器采集的驾驶操作数据、行驶里程并获取摄像装置采集的驾驶员图像信息，其中，所述驾驶操作数据包括：油门、转动方向盘、开或关信号灯、刹车操作数据；所述汽车数据存储装置基于所述驾驶操作数据、所述行驶里程以及所述驾驶员图像信息获得所述驾驶行为数据，其中，所述驾驶行为数据包括：危险驾驶数据、违规驾驶数据、疲劳驾驶数据。
可选地，对所述行车数据进行处理，生成承诺凭证数据；根据所述承诺凭证数据的类型从区块链网络中确定目标区块链节点；将所述承诺凭证数据存储在与其对应的区块链节点中，用以在所述区块链网络中共享所述承诺凭证数据。
可选地，分别生成与所述路网交通流量信息、所述交通管理辅助方案、所述路网道路分析信息、所述道路规划建议方案相对应的综合运算凭证；将所述综合运算凭证存储在区块链节点中，用以在所述区块链网络中共享所述综合运算凭证，其中，当从区块链网络获取所述路网交通流量信息、所述交通管理辅助方案、所述路网道路分析信息、所述道路规划建议方案时，对所述综合运算凭证进行盲评价验证。
根据本发明的另一方面，提供一种道路交通状况分析系统，包括：车辆数据获取装置，用于获取汽车数据存储装置发送的行车数据；其中，所述行车数据包括：车辆状况数据、行车路径数据、驾驶行为数据；交通流量处理装置，用于使用交通流量感知模型并根据所述行车数据获得路网交通流量信息，基于所述路网交通流量信息对异常突发交通情况进行监控并提供交通管理辅助方案；道路设置处理装置，用于使用道路设置分析模型并根据所述行车数据获得路网道路分析信息，基于所述路网道路分析信息对道路设置进行评估并提供道路规划建议方案。
可选地，所述交通流量处理装置，用于使用所述交通流量感知模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹；基于所述车辆运行轨迹获得车辆在路网中的实时分布信息，根据所述实时分布信息获得所述路网交通流量信息。
可选地，所述交通流量处理装置，用于使用所述交通流量感知模型并根据所述路网交通流量信息以及所述行车数据对路网道路中的交通异常进行预判；如果确定将出现交通异常，则使用所述交通流量感知模型确定交通异常等级和相关部门，并基于预设的规则进行相应地交通协同调控。
可选地，所述交通流量处理装置，用于使用所述交通流量感知模型并根据交通流量历史数据获得公共交通运营计划以及对于交通设施的控制方案；其中，所述对于交通设施的控制包括：路段红绿灯控制、快速通道开闭、停车场运营。
可选地，所述交通流量处理装置，用于使用所述交通流量感知模型并根据所述路网交通流量信息、交通流量历史数据以及所述行车数据生成车辆路径引导信息，并将所述车辆路径引导信息发送给所述汽车数据存储装置。
可选地，所述道路设置处理装置，用于使用所述道路设置分析模型并根据所述行车数据以及交通流量历史数据对多种类型的道路进行分析，获得与交通异常发生相关联的、并与各类型的道路相对应的道路设置信息。
可选地，所述道路设置处理装置，用于使用所述道路设置分析模型并根据所述道路设置信息获得对所述多种类型的道路的评估以及规划建议方案。
可选地，所述多种类型的道路包括：线性道路、隧道、坡度道路；与所述线性道路对应的所述道路设置信息包括：道路直线和曲线配比、直线道路长度、曲线半径；与所述隧道对应的所述道路设置信息包括：隧道长度、路径、车道数量、时速限制、地面材质；与所述坡度道路对应的所述道路设置信息包括：坡度大小、长短、警示标志。
可选地，所述汽车数据存储装置获取传感器或电子控制单元采集所述车辆状况数据并发送。
可选地，所述汽车数据存储装置获取GPS设备采集的车辆的地理位置信息、时间信息，并获取气候信息；所述汽车数据存储装置根据所述地理位置信息和所述时间信息并结合电子地图信息获得所述路径信息；其中，所述路径信息包括：车辆活动半径、长短途比例、途径道路环境；所述汽车数据存储装置生成所述行车路径数据并发送；其中，所述行车路径数据包括：所述路径信息、所述气候信息。
可选地，所述汽车数据存储装置获取传感器采集的驾驶操作数据、行驶里程并获取摄像装置采集的驾驶员图像信息，其中，所述驾驶操作数据包括：油门、转动方向盘、开或关信号灯、刹车操作数据；所述汽车数据存储装置基于所述驾驶操作数据、所述行驶里程以及所述驾驶员图像信息获得所述驾驶行为数据，其中，所述驾驶行为数据包括：危险驾驶数据、违规驾驶数据、疲劳驾驶数据。
可选地，车辆数据分享装置，用于对所述行车数据进行处理，生成承诺凭证数据；根据所述承诺凭证数据的类型从区块链网络中确定目标区块链节点；将所述承诺凭证数据存储在与其对应的区块链节点中，用以在所述区块链网络中共享所述承诺凭证数据。
可选地，分析结果分享装置，用于分别生成与所述路网交通流量信息、所述交通管理辅助方案、所述路网道路分析信息、所述道路规划建议方案相对应的综合运算凭证；将所述综合运算凭证存储在区块链节点中，用以在所述区块链网络中共享所述综合运算凭证，其中，当从区块链网络获取所述路网交通流量信息、所述交通管理辅助方案、所述路网道路分析信息、所述道路规划建议方案时，对所述综合运算凭证进行盲评价验证。
根据本发明的又一方面，提供一种道路交通状况分析系统，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如上所述的道路交通状况分析方法。
根据本发明的再一方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该指令被一个或多个处理器执行时实现如上所述的道路交通状况分析方法的步骤。
本发明的道路交通状况分析方法和系统，通过对联网车辆各类个体行车数据的全面采集和分析，可对路网的整体交通流量进行感知，对异常突发交通情况进行监控，并提供应急处置辅助支持；通过对联网车辆的各类个体行车数据和历史数据的汇聚分析，可对道路设置的合理性进行分析评估，为道路规划建设提供支撑；并且，采用区块链技术存储和验证数据，可有效确保在复杂网络中数据提供方数据的可靠性，避免不诚实节点，防止被恶意篡改或扰乱。
本发明实施例附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图：
图1为根据本发明的道路交通状况分析方法的一个实施例的流程图；
图2为根据本发明的道路交通状况分析方法的一个实施例的中的进行交通流量感知的数据获取示意图；
图3为根据本发明的道路交通状况分析方法的一个实施例的中的进行道路设置分析的数据获取示意图；
图4为根据本发明的道路交通状况分析方法的一个实施例的中的进行道路交通状况分析的应用场景拓扑示意图；
图5为根据本发明的道路交通状况分析系统的一个实施例的模块示意图；
图6为根据本发明的道路交通状况分析系统的另一个实施例的模块示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(Personal Communications Service，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(Personal Digital Assistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是PDA、MID(Mobile Internet Device，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。
本技术领域技术人员可以理解，这里所使用的远端网络设备，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云。在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。本发明的实施例中，远端网络设备、终端设备与WNS服务器之间可通过任何通信方式实现通信，包括但不限于，基于3GPP、LTE、WIMAX的移动通信、基于TCP/IP、UDP协议的计算机网络通信以及基于蓝牙、红外传输标准的近距无线传输方式。
本领域技术人员应当理解，本发明所称的“应用”、“应用程序”、“应用软件”以及类似表述的概念，是业内技术人员所公知的相同概念，是指由一系列计算机指令及相关数据资源有机构造的适于电子运行的计算机软件。除非特别指定，这种命名本身不受编程语言种类、级别，也不受其赖以运行的操作系统或平台所限制。理所当然地，此类概念也不受任何形式的终端所限制。
图1为根据本发明的道路交通状况分析方法的一个实施例的流程图，如图1所示：
步骤101，获取汽车数据存储装置发送的行车数据，行车数据包括：车辆状况数据、行车路径数据、驾驶行为数据等。
汽车数据存储装置可以为智能汽车中安装的黑匣子等智能装置，汽车数据存储装置发送行车数据采用的方式包括2G/3G/4G蜂窝移动通信网络、WiFi、WiMax等。
步骤102，使用交通流量感知模型并根据行车数据获得路网交通流量信息，基于路网交通流量信息对异常突发交通情况进行监控并提供交通管理辅助方案。
可以通过交通流量感知模型对异常突发交通情况进行监控，并提供应急处置辅助支持。交通管理辅助方案可以包括对于红绿灯控制、停车场开放、行车路线建议等。
步骤103，使用道路设置分析模型并根据行车数据获得路网道路分析信息，基于路网道路分析信息对道路设置进行评估并提供道路规划建议方案。
可以通过道路设置分析模型对联网车辆的各类微观、宏观和历史数据进行分析，对道路设置的合理性进行分析评估，为道路规划建设提供支撑。道路规划包括如何设计路线、隧道、坡路等。
上述实施例中的道路交通状况分析方法，通过对联网车辆的车辆状况、行驶路径和驾驶行为等各类行车数据的实时采集、深入挖掘，可从全局角度对路网的整体交通流量进行感知，对异常突发情况进行监控并辅助应急处置，也可支持对道路设置的合理性进行分析评估，为道路规划建设提供支撑。
在一个实施例中，行车数据可以有多种，包括：车辆状况数据、行车路径数据、驾驶行为数据等。汽车数据存储装置获取传感器或电子控制单元ECU采集车辆状况数据并发送。车辆状况数据包括：行驶里程、行驶速度、发动机转速、元器件健康数据、油门开度、灯光状态参数、用电量/耗能、胎压、水温、碳排放数据等。通过接收到的车辆状况数据可以获得行驶里程、百公里用电量/耗能、元器件健康状况、发动机最高转速、胎压、电压、水温、碳排放等车辆状况数据，确定车辆状况评估值，对车辆的综合状况进行评估判定。
汽车数据存储装置获取GPS设备采集的车辆的地理位置信息以及时间信息，汽车数据存储装置也可以获得气候信息，例如晴天、阴天等。汽车数据存储装置根据地理位置信息和时间信息并结合电子地图信息计算出路径信息包括：车辆活动半径、长短途比例、途径道路环境等，生成行车路径数据并发送，行车路径数据包括：路径信息、气候信息等。
汽车数据存储装置获取传感器采集的驾驶操作数据、行驶里程并获取摄像装置采集的驾驶员图像信息，驾驶操作数据包括：油门、转动方向盘、开或关信号灯、刹车操作数据等。汽车数据存储装置基于驾驶操作数据、行驶里程以及驾驶员图像信息获得驾驶行为数据，驾驶行为数据包括：危险驾驶数据、违规驾驶数据、疲劳驾驶数据等。危险驾驶数据和违规驾驶数据包括急加速、急减速、急刹车、急转弯、下坡加油、连续驾驶等驾驶行为数据，通过危险驾驶数据、违规驾驶数据、疲劳驾驶数据，确定驾驶习惯风险评估值，对车主的不良驾驶习惯进行评估判定。
例如，汽车数据存储装置周期性采集车内摄像装置发送的驾驶员图像信息，根据驾驶员图像信息判断当前驾驶员的连续驾驶时间是否超过设定的驾驶时长阈值，连续驾车4小时以上则确定当前驾驶员为疲劳驾驶。根据灯光状态参数以及车辆状况数据判断驾驶员是否按车灯使用规定使用车灯。对于传感器、车辆控制系统中的数据进行分析，确定是否有急加速、急减速、急刹车、急转弯、下坡加油、连续驾驶等驾驶行为数据等危险驾驶行为。
在一个实施例中，交通流量感知模型、道路设置分析模型在框架设计方面具有良好的扩展性，可以支持对输入数据品类的扩展，并支持对模型算法的更新和扩展。
获取历史行车数据以及与历史行车数据对应的路网交通流量信息、交通管理辅助方案生成训练样本集。构建交通流量感知模型并利用训练样本集进行深度学习训练，使用训练好的交通流量感知模型获得路网交通流量信息，基于路网交通流量信息对异常突发交通情况进行监控并提供交通管理辅助方案。
获取历史行车数据以及与历史行车数据对应的路网道路分析信息、道路规划建议方案生成训练样本集。构建道路设置分析模型并利用训练样本集进行深度学习训练，使用训练好的道路设置分析模型获得路网道路分析信息，基于路网道路分析信息对道路设置进行评估并提供道路规划建议方案。
采用深度学习(深层结构的学习、分层学习或深度机器学习)方式处理建立的神经网络模型，即交通流量感知模型、道路设置分析模型。神经网络模型可以为卷积神经网络、递归神经网络等。交通流量感知模型、道路设置分析模型包括输入层、输出层和隐含层。输入层包括输入端，接收采集的多个行车数据参数的数值。输出层包括输出端，隐含层包括多个处理单元，多个处理单元用于实现映射关系，分别与输入端、输出端连接。可以选用具有多节点的输入层、多节点的隐层、单节点的输出层结构的三层BP神经网络用于建模。
在一个实施例中，如图2所示，智能车辆通过仪表器件、摄像头等各类传感器，采集行驶里程、百公里用电量/耗能、元器件健康状况、发动机最高转速、胎压、电压、水温、碳排放等车辆状况数据，以及道路环境、车辆活动半径、长短途比例等行驶路径数据。通过交通流量感知模型对联网车辆的个体微观数据进行综合汇聚，形成整体宏观数据。通过交通流量感知模型对各类个体微观数据和整体宏观数据进行综合分析，提供交通流量态势感知、异常预警和协同调控、公共交通运营计划、社会车辆路径诱导等功能。
使用交通流量感知模型并根据行车数据以及电子地图信息生成车辆运行轨迹。例如，可以在电子地图上生成车辆和周边车辆的运行轨迹，车辆运行轨迹上的每个位置点都添加相应的运行状态，运行状态包括：速度、加速度、角速度和角加速度等。基于车辆运行轨迹获得车辆在路网中的实时分布信息，根据实时分布信息获得路网交通流量信息。使用交通流量感知模型并根据联网车辆的行驶路径数据等，感知构建交通流量整体态势图，提升交通流量感知的精细度和准确性。
使用交通流量感知模型并根据路网交通流量信息以及行车数据对路网道路中的交通异常进行预判，如果确定将出现交通异常，则使用交通流量感知模型确定交通异常等级和相关部门，并基于预设的规则进行相应地交通协同调控。使用交通流量感知模型并根据联网车辆的整体宏观、个体微观数据，对交通异常情况进行密切监测，并对重大异常可能进行预判预警。
交通流量感知模型根据预设规则，综合评估异常情况等级和涉及的相关部门(交通运输管理部门，停车场、加油站等交通基础设施服务部门，医疗、火警等救援部门，保险公司等)自动开展事件处置预备以及相关方的快速沟通协同。
使用交通流量感知模型并根据交通流量历史数据获得公共交通运营计划以及对于交通设施的控制方案，其中，对于交通设施的控制包括：路段红绿灯控制、快速通道开闭、停车场运营等。使用交通流量感知模型对交通正常、异常流量历史数据进行分析评估，提出公交、地铁、出租、共享车辆等公共交通的运营规划计划，能够精细化控制关键路段红绿灯、快速通道开闭、停车场运营等，以提高公共交通运营效率，改善整体出行体验。
使用交通流量感知模型并根据路网交通流量信息、交通流量历史数据以及行车数据生成车辆路径引导信息，并将车辆路径引导信息发送给汽车数据存储装置。可以使用交通流量感知模型并基于对交通历史情况、实时态势、异常预警等数据，结合个体车辆具体状态，为车主的出行计划编排、行驶路径规划、驾驶在线引导等方面提供支持。
在一个实施例中，如图3所示，道路设置分析模型综合联网车辆感知获取的各类微观、宏观数据，基于所在路段的交通流量、车辆类型、地理位置、气候环境等数据以及交通运营历史数据，进行道路设置合理性分析，为道路规划建设提供线性分析、纵坡分析和隧道分析等支持。
使用道路设置分析模型并根据行车数据以及交通流量历史数据对多种类型的道路进行分析，获得与交通异常发生相关联的、并与各类型的道路相对应的道路设置信息。使用道路设置分析模型并根据道路设置信息获得对多种类型的道路的评估以及规划建议方案。
多种类型的道路包括：线性道路、隧道、坡度道路。与线性道路对应的道路设置信息包括：道路直线和曲线配比、直线道路长度、曲线半径等。道路设置分析模型在进行线性分析时，考虑道路直线、曲线设计对车辆驾驶员驾驶体验的影响，分析计算交通异常发生概率最低条件下的道路直线、曲线配比，直线长度、曲线半径等设置。
与隧道对应的道路设置信息包括：隧道长度、路径、车道数量、时速限制等。道路设置分析模型在进行隧道分析时，考虑车辆驾驶员进入隧道后对环境的适应能力的影响，分析计算隧道长度、路径、车道数量、内部灯光、时速限制、地面材质等设置。与坡度道路对应的道路设置信息包括：坡度大小、长短、警示标志等。道路设置分析模型在进行纵坡分析时，考虑坡度是对交通事故影响，分析计算坡度大小、长短、警示标志等设置。
在一个实施例中，可以通过专有的区块链网络实现各方(数据提供方、综合运算方)行车数据的共享和见证。区块链网络是一种分布式基础架构体系，利用块链式数据结构来存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的。区块链网络可实现全网共享验证、抗篡改抵赖、承诺及兑现。
如图4所示，区块链的数据结构有内在的防篡改机制，是一种篡改成本比较高的技术，每一个区块都带有上一个区块的数字信息，为区块+链机制。对行车数据进行处理，生成承诺凭证数据。可以利用区块链数据的不可篡改性，把车辆状况、行驶路径、驾驶习惯等行车数据进行加密、格式转换等处理后放在区块链上面，作为可以防伪的承诺凭证数据。
区块链利用块链式数据结构来验证与存储数据。块链节点共享的数据可以经过各区块链节点共识验证后，存入各区块链节点分别维护的区块链中，存入区块链的数据难以被篡改或丢失，各区块链节点维护的区块链存储的数据是同步的。存入区块链的数据是经过加密设备加密的，任何区块链节点只能直接从区块链中获取加密数据，对自身进行权限审核通过后，加密数据才会被发送给加密设备进行解密，区块链节点最终才能接收到加密设备返回的明文的数据。区块链节点可以是服务器等。
根据承诺凭证数据的类型从区块链网络中确定目标区块链节点。预先分配分别用于存储车辆状况、行驶路径、驾驶习惯等行车数据的区块链节点。例如分配区块链节点A存储车辆状况数据，分配区块链节点B存储行驶路径数据等。如果判断承诺凭证数据的类型为车辆状况数据，则将此承诺凭证数据存储在区块链节点A，如果判断承诺凭证数据的类型为行驶路径数据，则将此承诺凭证数据存储在区块链节点B。
将承诺凭证数据存储在与其对应的区块链节点中，用以在区块链网络中共享承诺凭证数据。数据提供方(智能汽车的汽车数据存储装置)实时采集车辆状况、行驶路径、驾驶习惯等数据，并根据不同的应用场景，将相关行车数据通过安全多方计算系统处理，去除敏感信息和冗余数据，生成承诺凭证数据。将承诺凭证数据挂载到区块链网络，在全网进行数据共享。综合运算方对区块链网络进行监听，获取相关的承诺凭证数据，通过知识系数测试方法，对数据提供方的承诺凭证进行盲评价验证，确保输入数据通过规范方式采集，标准流程处理，且安全可靠。
在另一个实施例中，还可以包括：分别生成与路网交通流量信息、交通管理辅助方案、路网道路分析信息、道路规划建议方案相对应的综合运算凭证，挂载到区块链网络进行数据共享。可以利用区块链数据的不可篡改性，把路网交通流量信息、交通管理辅助方案、路网道路分析信息、道路规划建议方案等数据进行加密、格式转换等处理后放在区块链上面，作为可以防伪的综合运算凭证。将综合运算凭证存储在区块链节点中，用以在区块链网络中共享综合运算凭证，其中，当从区块链网络获取路网交通流量信息、交通管理辅助方案、路网道路分析信息、道路规划建议方案时，对综合运算凭证进行盲评价验证。
行车数据验证系统可以通过基于单向函数的比特承诺构建可验证数据结构，通过构造简明的非交互知识论证系统，实现高效、非交互式验证计算，通过知识系数测试盲评价验证技术对验证过程进行加密保护。通过区块链网络实现数据交互；通过行车数据验证系统进行保证数据隐私保密条件下进行数据可靠性、安全性验证。使用交通流量感知模型获得路网交通流量信息，对异常突发交通情况进行监控并提供交通管理辅助方案，使用道路设置分析模型获得路网道路分析信息，对道路设置进行评估并提供道路规划建议方案。
相关数据订阅方从区块链网络获取分析运算结果，对综合运算凭证进行盲评价验证，验证综合运算方确实按要求汇聚预定体量数据、按规范流程模型运算，确保分析结果数据的可靠可信。又有利于计算实施的目的；可有效确保在复杂不诚实网络中各数据提供方数据的可靠性，避免不诚实节点，防止被恶意篡改或扰乱；可规避综合运算方对运算过程“弄虚”、“偷懒”等情况，甚或遭受外部恶意攻击等情况；可实现在保证数据隐私保密的条件下，支持任意数据提供方进行公开的、非交互式的、高效的验证。
通过区块链网络可以实现数据交互见证，通过数据验证系统进行保证数据隐私保密条件下进行数据可靠性、安全性验证；通过交通流量感知模型，对路网的整体交通流量进行感知，对异常突发交通情况进行监控并提供应急处置辅助支持；通过道路设置合理性分析模型对道路设置的合理性进行分析评估，为道路规划建设提供支撑。
在一个实施例中，如图5所示，本发明提供一种道路交通状况分析系统50，包括：车辆数据获取装置51、交通流量处理装置52、道路设置处理装置53、车辆数据分享装置54和分析结果分享装置55。
车辆数据获取装置51获取汽车数据存储装置发送的行车数据，行车数据包括：车辆状况数据、行车路径数据、驾驶行为数据等。交通流量处理装置52使用交通流量感知模型并根据行车数据获得路网交通流量信息，基于路网交通流量信息对异常突发交通情况进行监控并提供交通管理辅助方案。道路设置处理装置53使用道路设置分析模型并根据行车数据获得路网道路分析信息，基于路网道路分析信息对道路设置进行评估并提供道路规划建议方案。
在一个实施例中，交通流量处理装置52使用交通流量感知模型并根据行车数据以及电子地图信息生成车辆运行轨迹。交通流量处理装置52基于车辆运行轨迹获得车辆在路网中的实时分布信息，根据实时分布信息获得路网交通流量信息。
交通流量处理装置53使用交通流量感知模型并根据路网交通流量信息以及行车数据对路网道路中的交通异常进行预判。如果确定将出现交通异常，则交通流量处理装置53使用交通流量感知模型确定交通异常等级和相关部门，并基于预设的规则进行相应地交通协同调控。
交通流量处理装置52使用交通流量感知模型并根据交通流量历史数据获得公共交通运营计划以及对于交通设施的控制方案，对于交通设施的控制包括：路段红绿灯控制、快速通道开闭、停车场运营等。交通流量处理装置52使用交通流量感知模型并根据路网交通流量信息、交通流量历史数据以及行车数据生成车辆路径引导信息，并将车辆路径引导信息发送给汽车数据存储装置。
道路设置处理装置53使用道路设置分析模型并根据行车数据以及交通流量历史数据对多种类型的道路进行分析，道路设置处理装置53获得与交通异常发生相关联的、并与各类型的道路相对应的道路设置信息。道路设置处理装置53使用道路设置分析模型并根据道路设置信息获得对多种类型的道路的评估以及规划建议方案。
多种类型的道路包括：线性道路、隧道、坡度道路等。与线性道路对应的道路设置信息包括：道路直线和曲线配比、直线道路长度、曲线半径等。与隧道对应的道路设置信息包括：隧道长度、路径、车道数量、时速限制、地面材质等。与坡度道路对应的道路设置信息包括：坡度大小、长短、警示标志等。
车辆数据分享装置54对行车数据进行处理，生成承诺凭证数据。车辆数据分享装置54根据承诺凭证数据的类型从区块链网络中确定目标区块链节点将承诺凭证数据存储在与其对应的区块链节点中，用以在区块链网络中共享承诺凭证数据。
分析结果分享装置55分别生成与路网交通流量信息、交通管理辅助方案、路网道路分析信息、道路规划建议方案相对应的综合运算凭证。分析结果分享装置55将综合运算凭证存储在区块链节点中，用以在区块链网络中共享综合运算凭证，其中，当从区块链网络获取路网交通流量信息、交通管理辅助方案、路网道路分析信息、道路规划建议方案时，对综合运算凭证进行盲评价验证。
在一个实施例中，如图6所示，提供一种道路交通状况分析系统，该装置可包括存储器61和处理器62，存储器61用于存储指令，处理器62耦合到存储器61，处理器62被配置为基于存储器61存储的指令执行实现上述的道路交通状况分析方法。
存储器61可以为高速RAM存储器、非易失性存储器(non-volatile memory)等，存储器61也可以是存储器阵列。存储器61还可能被分块，并且块可按一定的规则组合成虚拟卷。处理器62可以为中央处理器CPU，或专用集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本发明的道路交通状况分析方法的一个或多个集成电路。
在一个实施例中，本发明提供一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，指令被处理器执行时实现如上任一个实施例中的道路交通状况分析方法。
上述实施例中的道路交通状况分析方法和系统，获取汽车数据存储装置发送的行车数据，使用交通流量感知模型并根据行车数据获得路网交通流量信息，对异常突发交通情况进行监控并提供交通管理辅助方案；使用道路设置分析模型并根据行车数据获得路网道路分析信息，对道路设置进行评估并提供道路规划建议方案；通过对联网车辆各类个体行车数据的全面采集和分析，可对路网的整体交通流量进行感知，对异常突发交通情况进行监控，并提供应急处置辅助支持；通过对联网车辆的各类个体行车数据和历史数据的汇聚分析，可对道路设置的合理性进行分析评估，为道路规划建设提供支撑；采用区块链技术存储和验证数据，可有效确保在复杂网络中数据提供方数据的可靠性，避免不诚实节点，防止被恶意篡改或扰乱。
可能以许多方式来实现本发明的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
本发明的实施例提供了A1、一种道路交通状况分析方法，包括：
获取汽车数据存储装置发送的行车数据；其中，所述行车数据包括：车辆状况数据、行车路径数据、驾驶行为数据；
使用交通流量感知模型并根据所述行车数据获得路网交通流量信息，基于所述路网交通流量信息对异常突发交通情况进行监控并提供交通管理辅助方案；
使用道路设置分析模型并根据所述行车数据获得路网道路分析信息，基于所述路网道路分析信息对道路设置进行评估并提供道路规划建议方案。
A2、如A1所述的方法，其中，所述使用交通流量感知模型并根据所述行车数据获得路网交通流量信息包括：
使用所述交通流量感知模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹；
基于所述车辆运行轨迹获得车辆在路网中的实时分布信息，根据所述实时分布信息获得所述路网交通流量信息。
A3、如A2所述的方法，其中，所述基于所述路网交通流量信息对异常突发交通情况进行监控包括：
使用所述交通流量感知模型并根据所述路网交通流量信息以及所述行车数据对路网道路中的交通异常进行预判；
如果确定将出现交通异常，则使用所述交通流量感知模型确定交通异常等级和相关部门，并基于预设的规则进行相应地交通协同调控。
A4、如A3所述的方法，其中，所述提供交通管理辅助方案包括：
使用所述交通流量感知模型并根据交通流量历史数据获得公共交通运营计划以及对于交通设施的控制方案；
其中，所述对于交通设施的控制包括：路段红绿灯控制、快速通道开闭、停车场运营。
A5、如A3所述的方法，其中，还包括：
使用所述交通流量感知模型并根据所述路网交通流量信息、交通流量历史数据以及所述行车数据生成车辆路径引导信息，并将所述车辆路径引导信息发送给所述汽车数据存储装置。
A6、如A1至A5任一所述的方法，其中，所述使用道路设置分析模型并根据所述行车数据获得路网道路分析信息包括：
使用所述道路设置分析模型并根据所述行车数据以及交通流量历史数据对多种类型的道路进行分析，获得与交通异常发生相关联的、并与各类型的道路相对应的道路设置信息。
A7、如A6所述的方法，其中，所述基于所述路网道路分析信息对道路设置进行评估并提供道路规划建议方案包括：
使用所述道路设置分析模型并根据所述道路设置信息获得对所述多种类型的道路的评估以及规划建议方案。
A8、如A6所述的方法，其中，
所述多种类型的道路包括：线性道路、隧道、坡度道路；
与所述线性道路对应的所述道路设置信息包括：道路直线和曲线配比、直线道路长度、曲线半径；
与所述隧道对应的所述道路设置信息包括：隧道长度、路径、车道数量、时速限制；
与所述坡度道路对应的所述道路设置信息包括：坡度大小、长短、警示标志。
A9、如A1至A8任一所述的方法，其中，还包括：
所述汽车数据存储装置获取传感器或电子控制单元采集所述车辆状况数据并发送。
A10、如A1至A9任一所述的方法，其中，还包括：
所述汽车数据存储装置获取GPS设备采集的车辆的地理位置信息、时间信息，并获取气候信息；
所述汽车数据存储装置根据所述地理位置信息和所述时间信息并结合电子地图信息获得所述路径信息；其中，所述路径信息包括：车辆活动半径、长短途比例、途径道路环境；
所述汽车数据存储装置生成所述行车路径数据并发送；其中，所述行车路径数据包括：所述路径信息、所述气候信息。
A11、如A1至A10任一所述的方法，其中，还包括：
所述汽车数据存储装置获取传感器采集的驾驶操作数据、行驶里程并获取摄像装置采集的驾驶员图像信息，其中，所述驾驶操作数据包括：油门、转动方向盘、开或关信号灯、刹车操作数据；
所述汽车数据存储装置基于所述驾驶操作数据、所述行驶里程以及所述驾驶员图像信息获得所述驾驶行为数据，其中，所述驾驶行为数据包括：危险驾驶数据、违规驾驶数据、疲劳驾驶数据。
A12、如A1至A11任一所述的方法，其中，还包括：
对所述行车数据进行处理，生成承诺凭证数据；
根据所述承诺凭证数据的类型从区块链网络中确定目标区块链节点；
将所述承诺凭证数据存储在与其对应的区块链节点中，用以在所述区块链网络中共享所述承诺凭证数据。
A13、如A12所述的方法，其中，还包括：
分别生成与所述路网交通流量信息、所述交通管理辅助方案、所述路网道路分析信息、所述道路规划建议方案相对应的综合运算凭证；
将所述综合运算凭证存储在区块链节点中，用以在所述区块链网络中共享所述综合运算凭证，其中，当从区块链网络获取所述路网交通流量信息、所述交通管理辅助方案、所述路网道路分析信息、所述道路规划建议方案时，对所述综合运算凭证进行盲评价验证。
B14、一种道路交通状况分析系统，其中，包括：
车辆数据获取装置，用于获取汽车数据存储装置发送的行车数据；其中，所述行车数据包括：车辆状况数据、行车路径数据、驾驶行为数据；
交通流量处理装置，用于使用交通流量感知模型并根据所述行车数据获得路网交通流量信息，基于所述路网交通流量信息对异常突发交通情况进行监控并提供交通管理辅助方案；
道路设置处理装置，用于使用道路设置分析模型并根据所述行车数据获得路网道路分析信息，基于所述路网道路分析信息对道路设置进行评估并提供道路规划建议方案。
B15、如B14所述的系统，其中，
所述交通流量处理装置，用于使用所述交通流量感知模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹；基于所述车辆运行轨迹获得车辆在路网中的实时分布信息，根据所述实时分布信息获得所述路网交通流量信息。
B16、如B15所述的系统，其中，
所述交通流量处理装置，用于使用所述交通流量感知模型并根据所述路网交通流量信息以及所述行车数据对路网道路中的交通异常进行预判；如果确定将出现交通异常，则使用所述交通流量感知模型确定交通异常等级和相关部门，并基于预设的规则进行相应地交通协同调控。
B17、如B16所述的系统，其中，
所述交通流量处理装置，用于使用所述交通流量感知模型并根据交通流量历史数据获得公共交通运营计划以及对于交通设施的控制方案；其中，所述对于交通设施的控制包括：路段红绿灯控制、快速通道开闭、停车场运营。
B18、如B16所述的系统，其中，
所述交通流量处理装置，用于使用所述交通流量感知模型并根据所述路网交通流量信息、交通流量历史数据以及所述行车数据生成车辆路径引导信息，并将所述车辆路径引导信息发送给所述汽车数据存储装置。
B19、如B14至B18任一所述的系统，其中，
所述道路设置处理装置，用于使用所述道路设置分析模型并根据所述行车数据以及交通流量历史数据对多种类型的道路进行分析，获得与交通异常发生相关联的、并与各类型的道路相对应的道路设置信息。
B20、如B19所述的系统，其中，
所述道路设置处理装置，用于使用所述道路设置分析模型并根据所述道路设置信息获得对所述多种类型的道路的评估以及规划建议方案。
B21、如B19所述的系统，其中，
所述多种类型的道路包括：线性道路、隧道、坡度道路；
与所述线性道路对应的所述道路设置信息包括：道路直线和曲线配比、直线道路长度、曲线半径；
与所述隧道对应的所述道路设置信息包括：隧道长度、路径、车道数量、时速限制、地面材质；
与所述坡度道路对应的所述道路设置信息包括：坡度大小、长短、警示标志。
B22、如B14至B21任一所述的系统，其中，
所述汽车数据存储装置获取传感器或电子控制单元采集所述车辆状况数据并发送。
B23、如B22所述的系统，其中，
所述汽车数据存储装置获取GPS设备采集的车辆的地理位置信息、时间信息，并获取气候信息；
所述汽车数据存储装置根据所述地理位置信息和所述时间信息并结合电子地图信息获得所述路径信息；其中，所述路径信息包括：车辆活动半径、长短途比例、途径道路环境；
所述汽车数据存储装置生成所述行车路径数据并发送；其中，所述行车路径数据包括：所述路径信息、所述气候信息。
B24、如B14至B23任一所述的系统，其中，
所述汽车数据存储装置获取传感器采集的驾驶操作数据、行驶里程并获取摄像装置采集的驾驶员图像信息，其中，所述驾驶操作数据包括：油门、转动方向盘、开或关信号灯、刹车操作数据；
所述汽车数据存储装置基于所述驾驶操作数据、所述行驶里程以及所述驾驶员图像信息获得所述驾驶行为数据，其中，所述驾驶行为数据包括：危险驾驶数据、违规驾驶数据、疲劳驾驶数据。
B25、如B14至B23任一所述的系统，其中，还包括：
车辆数据分享装置，用于对所述行车数据进行处理，生成承诺凭证数据；根据所述承诺凭证数据的类型从区块链网络中确定目标区块链节点；将所述承诺凭证数据存储在与其对应的区块链节点中，用以在所述区块链网络中共享所述承诺凭证数据。
B26、如B25所述的系统，其中，还包括：
分析结果分享装置，用于分别生成与所述路网交通流量信息、所述交通管理辅助方案、所述路网道路分析信息、所述道路规划建议方案相对应的综合运算凭证；将所述综合运算凭证存储在区块链节点中，用以在所述区块链网络中共享所述综合运算凭证，其中，当从区块链网络获取所述路网交通流量信息、所述交通管理辅助方案、所述路网道路分析信息、所述道路规划建议方案时，对所述综合运算凭证进行盲评价验证。
C27、一种道路交通状况分析系统，其中，包括：
存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如A1至A13中任一项所述的方法。
D28、一种计算机可读存储介质，其上存储有计算机程序指令，该指令被一个或多个处理器执行时实现A1至A13任意一项所述的方法的步骤。
Claims (10)
1.一种道路交通状况分析方法，其特征在于，包括：
获取汽车数据存储装置发送的行车数据；其中，所述行车数据包括：车辆状况数据、行车路径数据、驾驶行为数据；
使用交通流量感知模型并根据所述行车数据获得路网交通流量信息，基于所述路网交通流量信息对异常突发交通情况进行监控并提供交通管理辅助方案；
使用道路设置分析模型并根据所述行车数据获得路网道路分析信息，基于所述路网道路分析信息对道路设置进行评估并提供道路规划建议方案。
2.如权利要求1所述的方法，其特征在于，所述使用交通流量感知模型并根据所述行车数据获得路网交通流量信息包括：
使用所述交通流量感知模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹；
基于所述车辆运行轨迹获得车辆在路网中的实时分布信息，根据所述实时分布信息获得所述路网交通流量信息。
3.如权利要求2所述的方法，其特征在于，所述基于所述路网交通流量信息对异常突发交通情况进行监控包括：
使用所述交通流量感知模型并根据所述路网交通流量信息以及所述行车数据对路网道路中的交通异常进行预判；
如果确定将出现交通异常，则使用所述交通流量感知模型确定交通异常等级和相关部门，并基于预设的规则进行相应地交通协同调控。
4.如权利要求3所述的方法，其特征在于，所述提供交通管理辅助方案包括：
使用所述交通流量感知模型并根据交通流量历史数据获得公共交通运营计划以及对于交通设施的控制方案；
其中，所述对于交通设施的控制包括：路段红绿灯控制、快速通道开闭、停车场运营。
5.一种道路交通状况分析系统，其特征在于，包括：
车辆数据获取装置，用于获取汽车数据存储装置发送的行车数据；其中，所述行车数据包括：车辆状况数据、行车路径数据、驾驶行为数据；
交通流量处理装置，用于使用交通流量感知模型并根据所述行车数据获得路网交通流量信息，基于所述路网交通流量信息对异常突发交通情况进行监控并提供交通管理辅助方案；
道路设置处理装置，用于使用道路设置分析模型并根据所述行车数据获得路网道路分析信息，基于所述路网道路分析信息对道路设置进行评估并提供道路规划建议方案。
6.如权利要求5所述的系统，其特征在于，
所述交通流量处理装置，用于使用所述交通流量感知模型并根据所述行车数据以及电子地图信息生成车辆运行轨迹；基于所述车辆运行轨迹获得车辆在路网中的实时分布信息，根据所述实时分布信息获得所述路网交通流量信息。
7.如权利要求6所述的系统，其特征在于，
所述交通流量处理装置，用于使用所述交通流量感知模型并根据所述路网交通流量信息以及所述行车数据对路网道路中的交通异常进行预判；如果确定将出现交通异常，则使用所述交通流量感知模型确定交通异常等级和相关部门，并基于预设的规则进行相应地交通协同调控。
8.如权利要求7所述的系统，其特征在于，
所述交通流量处理装置，用于使用所述交通流量感知模型并根据交通流量历史数据获得公共交通运营计划以及对于交通设施的控制方案；其中，所述对于交通设施的控制包括：路段红绿灯控制、快速通道开闭、停车场运营。
9.一种道路交通状况分析系统，其特征在于，包括：
存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1至4中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被一个或多个处理器执行时实现权利要求1至4任意一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810451380.9A CN108428340B (zh) | 2018-05-11 | 2018-05-11 | 道路交通状况分析方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810451380.9A CN108428340B (zh) | 2018-05-11 | 2018-05-11 | 道路交通状况分析方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108428340A true CN108428340A (zh) | 2018-08-21 |
| CN108428340B CN108428340B (zh) | 2021-01-26 |
Family
ID=63162885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810451380.9A Active CN108428340B (zh) | 2018-05-11 | 2018-05-11 | 道路交通状况分析方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108428340B (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109166315A (zh) * | 2018-10-19 | 2019-01-08 | 福建工程学院 | 一种基于区块链技术的交通事故信息实时共享方法 |
| CN109658690A (zh) * | 2018-12-07 | 2019-04-19 | 西安电子科技大学 | 一种去中心化的交通监测边缘节点数据同步方法及系统 |
| CN109685934A (zh) * | 2018-12-18 | 2019-04-26 | 福州大学 | 一种基于车辆数据隐私保护与压缩感知的交通估计方法 |
| CN109741601A (zh) * | 2018-12-29 | 2019-05-10 | 百度在线网络技术（北京）有限公司 | 基于区块链的拥堵治理方法、装置、设备和存储介质 |
| CN109740898A (zh) * | 2018-12-25 | 2019-05-10 | 重庆大学 | 一种道路网络可靠性评估方法、系统、终端及介质 |
| CN109816995A (zh) * | 2019-03-25 | 2019-05-28 | 江西理工大学 | 一种基于联盟区块链技术的智能交通信号灯安全动态调控方法 |
| CN110488872A (zh) * | 2019-09-04 | 2019-11-22 | 中国人民解放军国防科技大学 | 一种基于深度强化学习的无人机实时路径规划方法 |
| CN111127919A (zh) * | 2019-12-31 | 2020-05-08 | 上海能塔智能科技有限公司 | 一种交通数据校验方法、交通数据广播方法及系统 |
| CN111181958A (zh) * | 2019-12-27 | 2020-05-19 | 西安电子科技大学 | 一种提高车联网中抗攻击性的方法及系统 |
| CN111386561A (zh) * | 2018-10-05 | 2020-07-07 | 松下电器（美国）知识产权公司 | 信息处理方法及信息处理系统 |
| CN111432372A (zh) * | 2019-01-09 | 2020-07-17 | 大众汽车有限公司 | 确定多个交通状况的方法、设备和计算机可读存储介质 |
| CN111435569A (zh) * | 2019-01-15 | 2020-07-21 | 丰田自动车株式会社 | 车辆控制装置及车辆控制方法 |
| CN111462515A (zh) * | 2020-03-31 | 2020-07-28 | 中国联合网络通信集团有限公司 | 车路协同管理方法、mec服务器、终端和系统 |
| CN111508226A (zh) * | 2019-01-31 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 一种道路机动车通行秩序的评价方法及装置 |
| CN111739291A (zh) * | 2020-06-05 | 2020-10-02 | 腾讯科技（深圳）有限公司 | 道路路况计算中的干扰识别方法及装置 |
| CN111787118A (zh) * | 2020-07-08 | 2020-10-16 | 福州大学 | 基于城市交通的隐私保护压缩感知实时交通监测方法 |
| CN111815946A (zh) * | 2020-04-17 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 一种异常路段的确定方法、装置、存储介质和电子设备 |
| CN111932871A (zh) * | 2020-06-28 | 2020-11-13 | 银江股份有限公司 | 一种区域级实时交通控制策略推荐系统及方法 |
| CN112488400A (zh) * | 2020-12-04 | 2021-03-12 | 南通大学 | 基于区块链技术与出行计划共享的交通出行行为调控方法 |
| CN112820120A (zh) * | 2020-12-30 | 2021-05-18 | 杭州趣链科技有限公司 | 一种基于联盟链的多方交通流时空交叉验证方法 |
| CN113793501A (zh) * | 2021-09-14 | 2021-12-14 | 交通运输部公路科学研究所 | 一种公路感知管理与应用服务方法及系统 |
| CN115527370A (zh) * | 2022-09-30 | 2022-12-27 | 广州市智慧城市投资运营有限公司 | 一种基于隐私计算的出行需求共享与动静态交通协同方法 |
| WO2023098076A1 (zh) * | 2021-12-03 | 2023-06-08 | 东南大学 | 一种基于多维度影响因素的道路安全评价方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101246513A (zh) * | 2008-03-20 | 2008-08-20 | 天津市市政工程设计研究院 | 城市快速路互通立交仿真设计系统及选型方法 |
| CN101261768A (zh) * | 2007-03-23 | 2008-09-10 | 天津市国腾公路咨询监理有限公司 | 公路网交通调查数据采集与分析应用系统及其工作方法 |
| CN102231231A (zh) * | 2011-06-16 | 2011-11-02 | 同济大学 | 区域公路网交通安全态势预警系统及其方法 |
| CN102609781A (zh) * | 2011-12-15 | 2012-07-25 | 东南大学 | 一种基于od更新的公路交通预测系统及方法 |
| CN103578266A (zh) * | 2012-07-24 | 2014-02-12 | 王浩 | 基于博弈论的城市路网交通管理评价方法 |
| US20180061237A1 (en) * | 2016-08-30 | 2018-03-01 | International Business Machines Corporation | Modifying Behavior of Autonomous Vehicle Based on Advanced Predicted Behavior Analysis of Nearby Drivers |
| CN108009646A (zh) * | 2017-11-30 | 2018-05-08 | 深圳市轱辘车联数据技术有限公司 | 车辆数据处理方法及服务器 |
-
2018
- 2018-05-11 CN CN201810451380.9A patent/CN108428340B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101261768A (zh) * | 2007-03-23 | 2008-09-10 | 天津市国腾公路咨询监理有限公司 | 公路网交通调查数据采集与分析应用系统及其工作方法 |
| CN101246513A (zh) * | 2008-03-20 | 2008-08-20 | 天津市市政工程设计研究院 | 城市快速路互通立交仿真设计系统及选型方法 |
| CN102231231A (zh) * | 2011-06-16 | 2011-11-02 | 同济大学 | 区域公路网交通安全态势预警系统及其方法 |
| CN102609781A (zh) * | 2011-12-15 | 2012-07-25 | 东南大学 | 一种基于od更新的公路交通预测系统及方法 |
| CN103578266A (zh) * | 2012-07-24 | 2014-02-12 | 王浩 | 基于博弈论的城市路网交通管理评价方法 |
| US20180061237A1 (en) * | 2016-08-30 | 2018-03-01 | International Business Machines Corporation | Modifying Behavior of Autonomous Vehicle Based on Advanced Predicted Behavior Analysis of Nearby Drivers |
| CN108009646A (zh) * | 2017-11-30 | 2018-05-08 | 深圳市轱辘车联数据技术有限公司 | 车辆数据处理方法及服务器 |
Non-Patent Citations (2)
| Title |
|---|
| 吴晶: "基于代理的交通流建模与应用研究", 《中国优秀硕士学位论文全文数据库·工程科技Ⅱ辑》 * |
| 蔡志理 等: "基于车联网技术的车路协同系统设计", 《山东交通学院学报》 * |
Cited By (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111386561A (zh) * | 2018-10-05 | 2020-07-07 | 松下电器（美国）知识产权公司 | 信息处理方法及信息处理系统 |
| CN109166315A (zh) * | 2018-10-19 | 2019-01-08 | 福建工程学院 | 一种基于区块链技术的交通事故信息实时共享方法 |
| CN109658690A (zh) * | 2018-12-07 | 2019-04-19 | 西安电子科技大学 | 一种去中心化的交通监测边缘节点数据同步方法及系统 |
| CN109685934A (zh) * | 2018-12-18 | 2019-04-26 | 福州大学 | 一种基于车辆数据隐私保护与压缩感知的交通估计方法 |
| CN109740898B (zh) * | 2018-12-25 | 2023-05-12 | 重庆大学 | 一种道路网络可靠性评估方法、系统、终端及介质 |
| CN109740898A (zh) * | 2018-12-25 | 2019-05-10 | 重庆大学 | 一种道路网络可靠性评估方法、系统、终端及介质 |
| CN109741601A (zh) * | 2018-12-29 | 2019-05-10 | 百度在线网络技术（北京）有限公司 | 基于区块链的拥堵治理方法、装置、设备和存储介质 |
| CN109741601B (zh) * | 2018-12-29 | 2021-02-09 | 百度在线网络技术（北京）有限公司 | 基于区块链的拥堵治理方法、装置、设备和存储介质 |
| CN111432372B (zh) * | 2019-01-09 | 2023-08-04 | 大众汽车有限公司 | 确定多个交通状况的方法、设备和计算机可读存储介质 |
| US11749107B2 (en) | 2019-01-09 | 2023-09-05 | Volkswagen Aktiegengesellschaft | Method, apparatus, and computer program for determining a plurality of traffic situations |
| CN111432372A (zh) * | 2019-01-09 | 2020-07-17 | 大众汽车有限公司 | 确定多个交通状况的方法、设备和计算机可读存储介质 |
| CN111435569A (zh) * | 2019-01-15 | 2020-07-21 | 丰田自动车株式会社 | 车辆控制装置及车辆控制方法 |
| CN111508226B (zh) * | 2019-01-31 | 2022-03-29 | 阿里巴巴集团控股有限公司 | 一种道路机动车通行秩序的评价方法及装置 |
| CN111508226A (zh) * | 2019-01-31 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 一种道路机动车通行秩序的评价方法及装置 |
| CN109816995B (zh) * | 2019-03-25 | 2020-05-29 | 江西理工大学 | 一种基于联盟区块链技术的智能交通信号灯安全动态调控方法 |
| CN109816995A (zh) * | 2019-03-25 | 2019-05-28 | 江西理工大学 | 一种基于联盟区块链技术的智能交通信号灯安全动态调控方法 |
| CN110488872A (zh) * | 2019-09-04 | 2019-11-22 | 中国人民解放军国防科技大学 | 一种基于深度强化学习的无人机实时路径规划方法 |
| CN111181958B (zh) * | 2019-12-27 | 2021-09-03 | 西安电子科技大学 | 一种提高车联网中抗攻击性的方法及系统 |
| CN111181958A (zh) * | 2019-12-27 | 2020-05-19 | 西安电子科技大学 | 一种提高车联网中抗攻击性的方法及系统 |
| CN111127919A (zh) * | 2019-12-31 | 2020-05-08 | 上海能塔智能科技有限公司 | 一种交通数据校验方法、交通数据广播方法及系统 |
| CN111462515A (zh) * | 2020-03-31 | 2020-07-28 | 中国联合网络通信集团有限公司 | 车路协同管理方法、mec服务器、终端和系统 |
| CN111815946A (zh) * | 2020-04-17 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 一种异常路段的确定方法、装置、存储介质和电子设备 |
| CN111739291A (zh) * | 2020-06-05 | 2020-10-02 | 腾讯科技（深圳）有限公司 | 道路路况计算中的干扰识别方法及装置 |
| CN111739291B (zh) * | 2020-06-05 | 2023-01-13 | 腾讯科技（深圳）有限公司 | 道路路况计算中的干扰识别方法及装置 |
| CN111932871A (zh) * | 2020-06-28 | 2020-11-13 | 银江股份有限公司 | 一种区域级实时交通控制策略推荐系统及方法 |
| WO2022007379A1 (zh) * | 2020-07-08 | 2022-01-13 | 福州大学 | 基于城市交通的隐私保护压缩感知实时交通监测方法 |
| CN111787118B (zh) * | 2020-07-08 | 2021-08-31 | 福州大学 | 基于城市交通的隐私保护压缩感知实时交通监测方法 |
| CN111787118A (zh) * | 2020-07-08 | 2020-10-16 | 福州大学 | 基于城市交通的隐私保护压缩感知实时交通监测方法 |
| CN112488400A (zh) * | 2020-12-04 | 2021-03-12 | 南通大学 | 基于区块链技术与出行计划共享的交通出行行为调控方法 |
| CN112488400B (zh) * | 2020-12-04 | 2023-12-22 | 南通大学 | 基于区块链技术与出行计划共享的交通出行行为调控方法 |
| CN112820120B (zh) * | 2020-12-30 | 2022-03-01 | 杭州趣链科技有限公司 | 一种基于联盟链的多方交通流时空交叉验证方法 |
| CN112820120A (zh) * | 2020-12-30 | 2021-05-18 | 杭州趣链科技有限公司 | 一种基于联盟链的多方交通流时空交叉验证方法 |
| CN113793501A (zh) * | 2021-09-14 | 2021-12-14 | 交通运输部公路科学研究所 | 一种公路感知管理与应用服务方法及系统 |
| CN113793501B (zh) * | 2021-09-14 | 2022-07-12 | 贵州省公路开发有限责任公司 | 一种公路感知管理与应用服务方法及系统 |
| WO2023098076A1 (zh) * | 2021-12-03 | 2023-06-08 | 东南大学 | 一种基于多维度影响因素的道路安全评价方法及系统 |
| US11887472B2 (en) | 2021-12-03 | 2024-01-30 | Southeast University | Method and system for evaluating road safety based on multi-dimensional influencing factors |
| CN115527370A (zh) * | 2022-09-30 | 2022-12-27 | 广州市智慧城市投资运营有限公司 | 一种基于隐私计算的出行需求共享与动静态交通协同方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108428340B (zh) | 2021-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108428340A (zh) | 道路交通状况分析方法和系统 | |
| CN108734592A (zh) | 车辆保险业务数据分析方法和系统 | |
| CN108860165A (zh) | 车辆辅助驾驶方法和系统 | |
| US10739160B2 (en) | Road frustration index risk mapping and mitigation | |
| US11373122B2 (en) | Fixed-route service system for CAVH systems | |
| EP3007020B1 (en) | Internet of things automotive intelligent control panel and internet of things automotive intelligent management system | |
| Zhou et al. | Location privacy in usage-based automotive insurance: Attacks and countermeasures | |
| CN109844793A (zh) | 基于智能、远程信息处理的oem线路装配系统及其对应方法，用于按比例缩放的实时风险测量/风险评分驱动信令 | |
| WO2017190794A1 (en) | Traffic system | |
| US20130079964A1 (en) | Vehicle communication, analysis and operation system | |
| Work et al. | Automotive cyber physical systems in the context of human mobility | |
| Rettore et al. | Vehicular data space: The data point of view | |
| US20230117354A1 (en) | Detecting Device Movement And/Or Device Usage Within a Vehicle | |
| US20220034678A1 (en) | Automated driving based on driver frustration | |
| Pundir et al. | Cyber-physical systems enabled transport networks in smart cities: Challenges and enabling technologies of the new mobility era | |
| Csiszár et al. | Analysis and modelling methods of urban integrated information system of transportation | |
| Khan et al. | Characteristics of intelligent transportation systems and its relationship with data analytics | |
| Herrmann et al. | A new take on protecting cyclists in smart cities | |
| CN110969833B (zh) | 一种智能网联交通系统的固定路径服务系统 | |
| Alhaj et al. | Improving the Smart Cities Traffic Management Systems using VANETs and IoT Features | |
| Mnyakin | Applications of ai, IoT, and cloud computing in smart transportation: a review | |
| WO2022090903A1 (en) | Automated driving based on driver frustration | |
| Peng et al. | Evaluation of emergency driving behaviour and vehicle collision risk in connected vehicle environment: A deep learning approach | |
| Badawy et al. | An iot based school bus tracking and monitoring system | |
| CA3093884C (en) | Detecting device movement and/or device usage within a vehicle |
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 |