CN108564791B

CN108564791B - 交通信息处理方法、装置和计算设备

Info

Publication number: CN108564791B
Application number: CN201810605848.5A
Authority: CN
Inventors: 杨昊; 王晨; 王勇; 王曦光; 朱昕彤; 鄢晓濛; 王真峥; 杨育松; 鞠靖; 徐峰
Original assignee: Xinhua Net Co ltd
Current assignee: Xinhua Net Co ltd
Priority date: 2018-06-13
Filing date: 2018-06-13
Publication date: 2021-03-19
Anticipated expiration: 2038-06-13
Also published as: CN108564791A

Abstract

本发明提供一种交通信息处理方法、装置和计算设备，涉及智能交通技术领域，该方法包括：对路况检测系统提供的路况检测图像数据进行识别，生成车流信息及人流信息；根据车流信息和/或人流信息，生成至少一个时刻的拥堵信息；基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理。本发明能够为交通管理提供更为实用的交通信息，以便准时、准确、高效地发挥交通管理作用，实现交通管理智能化，满足城市交通可持续发展的需要。

Description

交通信息处理方法、装置和计算设备

技术领域

本发明涉及智能交通技术领域，具体而言，本发明涉及一种交通信息处理方法、装置和计算设备。

背景技术

交通作为社会分工和商品交换的先决条件，必会随着人类生活和生产的需要而持续发展。实时、准确、高效的交通网络运输能力，对社会经济的增长也起到积极作用。其中，交警等交通管理人员可以在日常执法工作中，运用科学的方法和措施，提高交通网络的效率和质量，以求延误更少，运行时间更短，通行能力更大，秩序更好和运行费用更低，从而获得最好的经济与环境效益。

当前交通管理设施建设还存在较为滞后的状况，交通管理系统可以获取简单的环境信号，并传达给指挥人员，由指挥人员对交通实施管理。采用这种方式比纯人工方式有了很大进步，但是采用这种方式也有明显的缺点：指挥人员接收到的只是信号、数据，对现场状况无法有更深入的了解，决策更多地依赖于经验，针对性得不到保证。

尤其是对于城市交通中最令人头疼的道路拥堵问题，如果不能准时、准确的反馈拥堵情况，就难以及时地消除交通拥堵。

发明内容

为克服上述技术问题或者至少部分地解决上述技术问题，特提出以下技术方案：

本发明提供了一种交通信息处理方法，包括如下步骤：

对路况检测系统提供的路况检测图像数据进行识别，生成车流信息及人流信息；

根据车流信息和/或人流信息，生成至少一个时刻的拥堵信息；

基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理。

可选地，根据车流信息和/或人流信息，生成任一时刻的拥堵信息，包括：

根据特定道路所述任一时刻的车流信息和/或人流信息，生成该特定道路所述任一时刻的拥堵程度；

所述基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理，包括：

当该特定道路当前时刻的拥堵程度大于或等于第一阈值，执行相应的拥堵应对处理。

可选地，所述特定道路为特定路口，

所述根据特定道路所述任一时刻的车流信息和/或人流信息，生成该特定道路所述任一时刻的拥堵程度，包括：

根据特定路口所述任一时刻的车流信息和人流信息，生成该特定路口所述任一时刻的拥堵程度；

或者，所述特定道路为特定行驶道，

根据特定行驶道所述任一时刻的车流信息，生成该特定行驶道所述任一时刻的拥堵程度。

可选地，所述执行拥堵应对处理，包括以下至少一项：

将所述特定道路以及所述特定道路当前时刻的拥堵程度推送至预定管理平台；

确定所述特定道路对应的管理警员，将所述特定道路以及所述特定道路当前时刻的拥堵程度发送至该管理警员的终端设备；

将所述特定道路当前时刻的路况检测图像数据发送至预定管理平台；

将所述特定道路当前时刻的路况检测图像数据发送至该管理警员的终端设备。

可选地，基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理，包括以下至少一项：

基于各个道路当前时刻的拥堵信息，确定特殊车辆的调度策略；

基于各个道路当前时刻的拥堵信息，确定信号灯的调控策略；

基于各个道路至少一个时刻的拥堵信息，生成相关业务报告。

可选地，所述根据车流信息和/或人流信息，生成至少一个时刻的拥堵信息，包括：

根据直至当前时刻的至少一个时刻的车流信息，确定车流轨迹信息；

根据直至当前时刻的至少一个时刻的人流信息，确定人流轨迹信息；

基于车流轨迹信息和/或人流轨迹信息预测拥堵程度大于或等于第二阈值的道路及对应的时刻。

可选地，所述道路为路口，

所述基于车流轨迹信息和/或人流轨迹信息预测拥堵程度大于或等于第二阈值的道路及对应的时刻，包括：

基于车流轨迹信息和人流轨迹信息预测拥堵程度大于或等于第二阈值的路口及对应的时刻；

或者，所述道路为行驶道，

基于车流轨迹信息预测拥堵程度大于或等于第二阈值的行驶道及对应的时刻。

可选地，所述基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理，包括以下至少一项：

将预测的道路及对应的时刻、对应的拥堵程度发送至预定管理平台；

确定预测的道路对应的管理警员，将预测的道路及对应的时刻、对应的拥堵程度发送至该管理警员的终端设备。

可选地，所述根据车流信息和/或人流信息，生成至少一个时刻的拥堵信息之后，还包括：

判断任一时刻的拥堵信息是否对应异常事故信息；

所述基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理，包括以下至少一项：

当任一时刻的拥堵信息对应异常事故信息时，将该任一时刻的异常事故信息发送至预定管理平台；

当任一时刻的拥堵信息对应异常事故信息时，将该任一时刻的异常事故信息发送至该管理警员的终端设备。

根据车流信息和/或人流信息，通过训练后的深度学习模型，确定至少一个时刻的拥堵信息。

本发明还提供了一种交通信息处理装置，包括：

识别模块，用于对路况检测系统提供的路况检测图像数据进行识别，生成车流信息及人流信息；

拥堵信息生成模块，用于根据车流信息和/或人流信息，生成至少一个时刻的拥堵信息；

执行模块，用于基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理。

可选地，所述拥堵信息生成模块具体用于根据特定道路所述任一时刻的车流信息和/或人流信息，生成该特定道路所述任一时刻的拥堵程度；

所述执行模块具体用于当该特定道路当前时刻的拥堵程度大于或等于第一阈值，执行相应的拥堵应对处理。

可选地，所述特定道路为特定路口，

所述拥堵信息生成模块具体用于根据特定路口所述任一时刻的车流信息和人流信息，生成该特定路口所述任一时刻的拥堵程度；

或者，所述特定道路为特定行驶道，

所述拥堵信息生成模块具体用于根据特定行驶道所述任一时刻的车流信息，生成该特定行驶道所述任一时刻的拥堵程度。

可选地，所述执行模块具体用于以下至少一项：

可选地，所述拥堵信息生成模块具体用于根据直至当前时刻的至少一个时刻的车流信息，确定车流轨迹信息；以及，

所述拥堵信息生成模块具体用于根据直至当前时刻的至少一个时刻的人流信息，确定人流轨迹信息；以及，

所述拥堵信息生成模块具体用于基于车流轨迹信息和/或人流轨迹信息预测拥堵程度大于或等于第二阈值的道路及对应的时刻。

可选地，所述道路为路口，

所述拥堵信息生成模块具体用于基于车流轨迹信息和人流轨迹信息预测拥堵程度大于或等于第二阈值的路口及对应的时刻；

或者，所述道路为行驶道，

所述拥堵信息生成模块具体用于基于车流轨迹信息预测拥堵程度大于或等于第二阈值的行驶道及对应的时刻。

可选地，所述执行模块具体用于以下至少一项：

可选地，所述拥堵信息生成模块还具体用于判断任一时刻的拥堵信息是否对应异常事故信息；

所述执行模块具体用于以下至少一项：

可选地，所述拥堵信息生成模块具体用于根据车流信息和/或人流信息，通过训练后的深度学习模型，确定至少一个时刻的拥堵信息。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述的方法。

本发明还提供了一种计算设备，包括：

处理器；以及存储器，配置用于存储机器可读指令，所述指令在由所述处理器执行时，使得所述处理器执行上述任一项所述的方法。

本发明提供的交通信息处理方法、装置和计算设备，通过对路况检测系统提供的路况检测图像数据进行识别，生成车流信息及人流信息；根据车流信息和/或人流信息，生成至少一个时刻的拥堵信息；基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理，为交通管理提供更为实用的交通信息，以便准时、准确、高效地发挥交通管理作用，实现交通管理智能化，满足城市交通可持续发展的需要。

本发明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

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例提供的交通信息处理方法的流程示意图；

图2为本发明实施例提供的交通信息处理装置的框架示意图。

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。

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。

下面结合附图具体介绍本发明实施例的技术方案。

实施例一

本发明实施例提供了一种交通信息处理方法，如图1所示，包括如下步骤：

步骤110：对路况检测系统提供的路况检测图像数据进行识别，生成车流信息及人流信息；

本发明实施例中，需要对实时采集的路况检测图像数据进行识别，其中，路况检测图像数据包括路况检测系统提供的视频、照片等数据。路况检测系统借助设置在各个道路的摄像头等采集设备进行实时采集并回传，并采用流媒体技术进行处理。

实际应用中，为了保证路况检测图像数据的及时获取，以及进行更加灵活地运用，可以采用拉流的方式向路况检测系统获取。这样就需要路口检测系统提供对服务器中存储的路况检测图像数据的读取权限，以便进行内容的解析和识别，生成车流信息及人流信息。

具体而言，车流信息具体包括但不限于：单位时间的车流量、车流速度、车类型比重、车辆并行率、平均车距、变向车辆等等。

人流信息具体包括但不限于：单位时间的人流量、人流速度、人流方向、人流聚集情况等等。

本领域技术人员可以根据实际情况和优化策略选择具体的车流信息及人流信息，并在对路况检测图像数据的解析和识别过程中设置相关的参数进行获取。

步骤120：根据车流信息和/或人流信息，生成至少一个时刻的拥堵信息；

具体而言，根据车流信息和/或人流信息，通过训练后的深度学习模型，确定至少一个时刻的拥堵信息。

其中，针对多个场景的需要，可以训练相应的多个深度学习模型，在应用时有针对性的获取相关的深度学习模型。

作为示例地，确定特定路口当前时刻的拥堵程度采用的深度学习模型，与预测可能发生拥堵的行驶道及对应的时刻采用的深度学习模型必定不同。

为了能够持续的对深度学习模型进行优化，可以在云端服务器训练深度学习模型，在应用时有针对性的向云端服务器获取相关的深度学习模型，或者直接应用云端服务器更新并推送的深度学习模型。

由上例可知，针对不同的场景，采用的深度学习模型不同，所生成的拥堵信息也会不同，可以包括但不限于：特定路口的拥堵程度、特定行驶道的拥堵程度、可能发生拥堵的路口及对应的时刻、可能发生拥堵的行驶道及对应的时刻、异常事故信息、人流异常聚集信息等。

步骤130：基于该至少一个时刻的拥堵信息，执行相应的拥堵应对处理。

具体地，针对不同的场景，采用的深度学习模型与所执行的拥堵应对处理也具有对应关系。

本发明实施例中，可以将深度学习模型与所执行的拥堵应对处理的对应关系进行存储，一旦检测到相关的触发条件，例如数值超出预设区间、人为触发等，就可以确定出对应的拥堵应对处理方式，配合对应深度学习模型输出的至少一个时刻的拥堵信息执行相应的处理。

本发明实施例提供的交通信息处理方法，能够为交通管理提供更为实用的交通信息，以便准时、准确、高效地发挥交通管理作用，实现交通管理智能化，满足城市交通可持续发展的需要。

实施例二

本发明另一种可能的实现方式，在实施例一的基础上，还包括实施例二所示的操作，其中，

步骤120中，针对根据车流信息和/或人流信息，生成任一时刻的拥堵信息，包括步骤：

根据特定道路该任一时刻的车流信息和/或人流信息，生成该特定道路该任一时刻的拥堵程度。

一种情况中，特定道路为特定路口，即本步骤中，根据特定路口该任一时刻的车流信息和人流信息，生成该特定路口该任一时刻的拥堵程度。

又一种情况中，特定道路为特定行驶道，即本步骤中，根据特定行驶道该任一时刻的车流信息，生成该特定行驶道该任一时刻的拥堵程度。

由于交叉路口常有转弯车流与多方向的穿行人流，相较于普通行驶道存在更多引发拥堵的可能性。因此对于特定路口与特定行驶道，应采用不同的深度学习模型。

具体地，针对特定路口，需要与任一时刻的时域对齐的车流信息和人流信息同时作为深度学习模型的输入参数，输出该特定路口在该任一时刻的拥堵程度。其中，车流信息和人流信息可根据实际情况细分为相应的参数。

可选地，针对不同类型的路口，也可以采用不同的深度学习模型。例如，由主干道和单行道交汇的路口与普通十字路口所引发拥堵的情况可能会不同。

因此，可根据路口的类型获取相匹配的深度学习模型，将车流信息和人流信息细分为相应的参数输入，得到更为准确的拥堵信息。

特定路口的拥堵程度具体可以由饱和交通量、延误程度、排队长度、车流冲突频率等因素来衡量，还可以将路口四个方向的车流行驶方向进行区分来共同衡量特定路口的拥堵程度。

具体地，针对特定行驶道，可以仅采用任一时刻的时域对齐的车流信息作为深度学习模型的输入参数，输出该特定行驶道在该任一时刻的拥堵程度。其中，车流信息可根据实际情况细分为相应的参数。

可选地，针对不同类型的行驶道，也可以采用不同的深度学习模型。例如，前方有岔路的行驶道与普通行驶道所引发拥堵的情况可能会不同。

因此，可根据行驶道的类型获取相匹配的深度学习模型，将车流信息细分为相应的参数输入，得到更为准确的拥堵信息。

特定行驶道的拥堵程度具体可以由饱和交通量、延误程度、排队长度、等因素来衡量。

随后，在步骤130中，当该特定道路当前时刻的拥堵程度大于或等于第一阈值，执行相应的拥堵应对处理。

其中，本领域技术人员可以根据实际情况对第一阈值进行设置。

可选地，直接在训练深度学习模型时对参数进行设置，生成输出判断结果的深度学习模型。例如输入车流信息和/或人流信息，直接输出特定道路当前时刻的拥堵程度是否大于或等于第一阈值的判断结果，根据输出的判断结果执行相应的拥堵应对处理。

具体而言，执行的拥堵应对处理包括以下至少一种情形：

(1)将特定道路以及特定道路当前时刻的拥堵程度推送至预定管理平台。

其中，预定管理平台主要用于存储监控设备、警员的基本信息、异常信息的报警、记录以及统计分析等。与预定管理平台实现互联互通，实时地将拥堵信息反馈到预定管理平台以辅助交通管理、干预，有助于道路通行顺畅。

该功能需要预定管理平台开放相应的接口权限，使得本发明实施例在监测到特定道路当前时刻的拥堵程度大于或等于第一阈值时，及时将该特定道路以及该特定道路当前时刻的拥堵程度进行推送，以便预定管理平台采取对应的干预措施。具体地，推送的方式可采用http协议。

(2)确定特定道路对应的管理警员，将特定道路以及特定道路当前时刻的拥堵程度发送至该管理警员的终端设备。

本发明实施例中，可以在监测到特定道路当前时刻的拥堵程度大于或等于第一阈值时，及时协调警力予以处理。

实际应用中，预定管理平台存储有警员基本信息，例如管理警员的身份信息、管理警员的排班信息、管理警员的联系方式等。优选地，还可以实时地检测管理警员的生理状态、地理位置等信息，并发送至预定管理平台进行存储。

在监测到特定道路当前时刻的拥堵程度大于或等于第一阈值时，根据预定管理平台存储的信息确定适宜对特定道路进行拥堵应对处理的管理警员，或者直接获取预定管理平台根据上述情形中推送的消息确定的管理警员，将该特定道路以及该特定道路当前时刻的拥堵程度及时地发送至该管理警员的终端设备。具体地，发送的方式可采用通话消息、短信消息、邮件消息、及时通信消息、应用推送消息、提醒事件等。

(3)将特定道路当前时刻的路况检测图像数据发送至预定管理平台。

本发明实施例中，提供预定管理平台可以直接查看当前时刻的拥堵程度大于或等于第一阈值的特定道路的路况检测图像数据，包括视频、照片等数据，以便更直观地呈现现场状况，让管理指挥人员深入的了解异常问题，针对性地采取干预措施。

可选地，在推送特定道路以及特定道路当前时刻的拥堵程度至预定管理平台时，同时将特定道路当前时刻的路况检测图像数据发送至预定管理平台，管理指挥人员在预定管理平台进行点击等操作就可以进行查看。

或者，在接收到预定管理平台的请求查看路况检测图像数据的指令时，将特定道路当前时刻的路况检测图像数据发送至预定管理平台，并进行显示。

(4)将特定道路当前时刻的路况检测图像数据发送至该管理警员的终端设备。

同理地，可以根据预定管理平台存储的信息确定适宜对特定道路进行拥堵应对处理的管理警员，或者直接获取预定管理平台根据上述情形中推送的消息确定的管理警员，将该特定道路当前时刻的路况检测图像数据发送至该管理警员的终端设备，以便更直观地呈现现场状况，让管理警员深入的了解异常问题，针对性地进行处理。

可选地，在推送特定道路以及特定道路当前时刻的拥堵程度至管理警员的终端设备时，同时将特定道路当前时刻的路况检测图像数据发送至管理警员的终端设备，管理警员在终端设备上进行点击等操作就可以进行查看。

或者，在接收到管理警员请求查看路况检测图像数据的指令时，将特定道路当前时刻的路况检测图像数据发送至管理警员的终端设备，并进行显示。

本发明实施例中，可以对接收到消息内容进行存储，需要时可随时获取特定道路任一时刻的拥堵信息及图像数据，或者在接收到预定管理平台、管理警员等的查看请求时，将特定道路任一时刻的拥堵信息及图像数据发送给预定管理平台、管理警员等。

具体而言，在步骤130中，可以接收预定管理平台指示的拥堵应对处理策略并予以执行，也可以直接生成相应的拥堵应对处理，具体地，包括以下至少一项：

(1)基于各个道路当前时刻的拥堵信息，确定特殊车辆的调度策略；

通过各个道路当前时刻的拥堵信息对整个交通情况进行感知，对警车、消防车、救护车、公交车等各类特殊车辆进行联合指挥调度信息，甚至联动红绿灯对紧急事件特种车辆进行优先控制权。

具体地，获取辖区内的各个道路当前时刻的拥堵信息与出警地点的分布情况，并据此确定警车、消防车、救护车等特殊车辆的最佳出警地点，并生成最佳路线，及时通知确定出的特殊车辆出警。

对于救护车等特殊车辆，还可以确定出最佳接诊地点，并发送指令，使得接诊的医院及时做好接诊准备。

对于公交车等特殊车辆，可以根据各个道路当前时刻的拥堵信息来调整公交车的发车间隔。在拥堵严重的道路减少公交车的数量，避免加剧拥堵程度，造成不必要的损失。

(2)基于各个道路当前时刻的拥堵信息，确定信号灯的调控策略；

根据各个道路当前时刻的拥堵信息，提供信号灯调控优化方案，自动控制调控信号灯，提高路段通行效率。

作为示例地，若南北方向的道路拥堵情况严重，而东西方向的道路车辆稀疏，那么可以增长南北方向的绿灯时长，缩短红灯时长，并且缩短东西方向的绿灯时长，增长红灯时长。

优选地，可以对同一路段的多个信号灯的红绿灯时长进行联动控制。作为示例地，在一个路口信号灯变成绿灯后，预定间隔时间后下一个路口的信号灯也变成绿灯，并根据车辆排队长度等拥堵信息确定红绿灯的持续时长，避免红灯加剧道路的拥堵情况。

本发明实施例中，可以通过深度学习网络生成信号灯的调控策略，将宏观的交通管理效益最大化。

(3)基于各个道路至少一个时刻的拥堵信息，生成相关业务报告。

由于对交通信息进行了存储，可按照时间、地点、拥堵情况进行查询、统计、分析，生成相关业务报告。

具体地，每隔预设时间获取存储的交通信息，采用机器写作及模板技术，定期生成相关业务报告，便于针对性地定制对策措施，优化城市交通结构，促进城市交通可持续发展。

实施例三

本发明另一种可能的实现方式，在实施例一和实施例二的基础上，还包括实施例三所示的操作，其中，步骤120包括：

根据车流信息在时间上的分布，就可以确定出车流轨迹信息。

同理地，根据人流信息在时间上的分布，就可以确定出人流轨迹信息。

其中，本领域技术人员可以根据实际情况对第二阈值进行设置，且第二阈值与上述第一阈值可以是相同的，也可以是不同的，本发明实施例在此不做限制。

一种情况中，特定道路为特定路口，即本步骤中，基于车流轨迹信息和人流轨迹信息预测拥堵程度大于或等于第二阈值的路口及对应的时刻。

又一种情况中，特定道路为特定行驶道，即本步骤中，基于车流轨迹信息预测拥堵程度大于或等于第二阈值的行驶道及对应的时刻。

由于交叉路口常有转弯车流与多方向的穿行人流，相较于普通行驶道存在更多引发拥堵的可能性。因此对于特定路口与特定行驶道，应采用不同的预测模型。具体地，可以通过学习向量量化模型进行预测，具体细节可参考实施例二中的对深度学习模型的介绍，在此不再赘述。

提前预测出拥堵程度大于或等于第二阈值的道路及对应的时刻，从而方便交通管理人员提前做好对应措施，例如路口的交通管制、道路中的车辆疏导等。

因此，在步骤130中，相应的拥堵应对处理，包括以下至少一项：

(1)将预测的道路及对应的时刻、对应的拥堵程度发送至预定管理平台，以便预定管理平台采取对应的干预措施。

(2)确定预测的道路对应的管理警员，将预测的道路及对应的时刻、对应的拥堵程度发送至该管理警员的终端设备，以便及时协调警力予以处理。

其中，具体细节可参见实施例二中的介绍，在此不再赘述。

可选地，相应的拥堵应对处理，还可以包括：

根据预测的道路及对应的时刻、对应的拥堵程度，生成最佳行驶路径。较佳地，实现最佳行驶路径的可视化，该可视化内容可通过交通电台通告，个人用户也可以通过特定平台进行查询，提升用户体验。

实施例四

本发明另一种可能的实现方式，在实施例一、实施例二和实施例三的基础上，还包括实施例四所示的操作，其中，

步骤120之后，还包括：判断任一时刻的拥堵信息是否对应异常事故信息。

即确定是否由异常事故引起的拥堵，例如交通事故、人流聚集异常、车流异常聚集等。

若确定出是由异常事故引起任一时刻的拥堵，确定出任一时刻的拥堵信息对应的异常事故信息，从而引导车流及人流选择合适的出行路径，也便于交通管理人员针对事故原因，作出合理的应对措施。

随后，在步骤130中，相应的拥堵应对处理，包括以下至少一项：

(1)当任一时刻的拥堵信息对应异常事故信息时，将该任一时刻的异常事故信息发送至预定管理平台；

(2)当任一时刻的拥堵信息对应异常事故信息时，将该任一时刻的异常事故信息发送至该管理警员的终端设备。

其中，具体细节可参见实施例二中的介绍，在此不再赘述。

可选地，相应的拥堵应对处理，还可以包括：将该任一时刻的异常事故信息对应的路况检测图像数据发送至预定管理平台，和/或将该任一时刻的异常事故信息对应的路况检测图像数据发送至管理警员的终端设备，以更直观地呈现现场状况，让预定管理平台的管理指挥人员和管理警员深入的了解异常问题，有针对性地进行处理。

实施例五

本发明实施例还提供了一种交通信息处理装置，如图2所示，包括：

识别模块210，用于对路况检测系统提供的路况检测图像数据进行识别，生成车流信息及人流信息；

拥堵信息生成模块220，用于根据车流信息和/或人流信息，生成至少一个时刻的拥堵信息；

执行模块230，用于基于该至少一个时刻的拥堵信息，执行相应的拥堵应对处理。

可选地，拥堵信息生成模块220具体用于根据特定道路该任一时刻的车流信息和/或人流信息，生成该特定道路该任一时刻的拥堵程度；

执行模块230具体用于当该特定道路当前时刻的拥堵程度大于或等于第一阈值，执行相应的拥堵应对处理。

可选地，特定道路为特定路口，

拥堵信息生成模块220具体用于根据特定路口该任一时刻的车流信息和人流信息，生成该特定路口该任一时刻的拥堵程度；

或者，特定道路为特定行驶道，

拥堵信息生成模块220具体用于根据特定行驶道该任一时刻的车流信息，生成该特定行驶道该任一时刻的拥堵程度。

可选地，执行模块230具体用于以下至少一项：

将特定道路以及特定道路当前时刻的拥堵程度推送至预定管理平台；

确定特定道路对应的管理警员，将特定道路以及特定道路当前时刻的拥堵程度发送至该管理警员的终端设备；

将特定道路当前时刻的路况检测图像数据发送至预定管理平台；

将特定道路当前时刻的路况检测图像数据发送至该管理警员的终端设备。

可选地，执行模块230具体用于以下至少一项：

可选地，拥堵信息生成模块220具体用于根据直至当前时刻的至少一个时刻的车流信息，确定车流轨迹信息；以及，

拥堵信息生成模块220具体用于根据直至当前时刻的至少一个时刻的人流信息，确定人流轨迹信息；以及，

拥堵信息生成模块220具体用于基于车流轨迹信息和/或人流轨迹信息预测拥堵程度大于或等于第二阈值的道路及对应的时刻。

可选地，道路为路口，

拥堵信息生成模块220具体用于基于车流轨迹信息和人流轨迹信息预测拥堵程度大于或等于第二阈值的路口及对应的时刻；

或者，道路为行驶道，

拥堵信息生成模块220具体用于基于车流轨迹信息预测拥堵程度大于或等于第二阈值的行驶道及对应的时刻。

可选地，执行模块230具体用于以下至少一项：

可选地，拥堵信息生成模块220还具体用于判断任一时刻的拥堵信息是否对应异常事故信息；

执行模块230具体用于以下至少一项：

可选地，拥堵信息生成模块220具体用于根据车流信息和/或人流信息，通过训练后的深度学习模型，确定至少一个时刻的拥堵信息。

本发明实施例所提供的交通信息处理装置可以为设备上的特定硬件或者加载于设备上的软件或固件等。本发明实施例所提供的交通信息处理装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容，在此不再赘述。

本发明实施例所提供的交通信息处理装置，能够为交通管理提供更为实用的交通信息，以便准时、准确、高效地发挥交通管理作用，实现交通管理智能化，满足城市交通可持续发展的需要。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述的方法。

本发明实施例还提供了一种计算设备，包括：

本技术领域技术人员可以理解，这里所使用的“计算设备”可以是便携式、可运输、放置在交通工具(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。

本技术领域技术人员可以理解，这里所使用的“计算设备”，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。

其中，存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器是控制中心，利用各种接口和线路连接整个计算设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行各种功能和处理数据，从而对计算设备进行整体监控。可选的，处理器可包括一个或多个处理单元；优选的，处理器可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器中。

这里所使用的“计算设备”还可以包括更多部分等，具体技术细节未揭示的，请参照本发明实施例方法部分，在此不再赘述

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.一种交通信息处理方法，其特征在于，包括如下步骤：

根据车流信息和/或人流信息，通过训练后的深度学习模型，生成至少一个时刻的拥堵信息；针对多个场景训练相应的多个深度学习模型，在应用时有针对性的获取相关的深度学习模型；

基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理；

采用的所述深度学习模型与所执行的所述拥堵应对处理具有对应关系。

2.根据权利要求1所述的交通信息处理方法，其特征在于，根据车流信息和/或人流信息，通过训练后的深度学习模型，生成任一时刻的拥堵信息，包括：

根据特定道路所述任一时刻的车流信息和/或人流信息，通过所述训练后的深度学习模型，生成该特定道路所述任一时刻的拥堵程度；

3.根据权利要求2所述的交通信息处理方法，其特征在于，

所述特定道路为特定路口，

所述根据特定道路所述任一时刻的车流信息和/或人流信息，通过所述训练后的深度学习模型，生成该特定道路所述任一时刻的拥堵程度，包括：

根据特定路口所述任一时刻的车流信息和人流信息，通过所述训练后的深度学习模型，生成该特定路口所述任一时刻的拥堵程度；

或者，所述特定道路为特定行驶道，

根据特定行驶道所述任一时刻的车流信息，通过所述训练后的深度学习模型，生成该特定行驶道所述任一时刻的拥堵程度。

4.根据权利要求2所述的交通信息处理方法，其特征在于，所述执行拥堵应对处理，包括以下至少一项：

5.根据权利要求1-4任一项所述的交通信息处理方法，其特征在于，基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理，包括以下至少一项：

6.根据权利要求1所述的交通信息处理方法，其特征在于，所述根据车流信息和/或人流信息，通过训练后的深度学习模型，生成至少一个时刻的拥堵信息，包括：

基于车流轨迹信息和/或人流轨迹信息，通过训练后的深度学习模型，预测拥堵程度大于或等于第二阈值的道路及对应的时刻。

7.根据权利要求6所述的交通信息处理方法，其特征在于，

所述道路为路口，

所述基于车流轨迹信息和/或人流轨迹信息，通过训练后的深度学习模型，预测拥堵程度大于或等于第二阈值的道路及对应的时刻，包括：

基于车流轨迹信息和人流轨迹信息，通过训练后的深度学习模型，预测拥堵程度大于或等于第二阈值的路口及对应的时刻；

或者，所述道路为行驶道，

基于车流轨迹信息，通过训练后的深度学习模型，预测拥堵程度大于或等于第二阈值的行驶道及对应的时刻。

8.根据权利要求6或7所述的交通信息处理方法，其特征在于，所述基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理，包括以下至少一项：

9.根据权利要求1所述的交通信息处理方法，其特征在于，所述根据车流信息和/或人流信息，通过训练后的深度学习模型，生成至少一个时刻的拥堵信息之后，还包括：

判断任一时刻的拥堵信息是否对应异常事故信息；

当任一时刻的拥堵信息对应异常事故信息时，将该任一时刻的异常事故信息发送至管理警员的终端设备。

10.一种交通信息处理装置，其特征在于，包括：

拥堵信息生成模块，用于根据车流信息和/或人流信息，通过训练后的深度学习模型，生成至少一个时刻的拥堵信息；针对多个场景训练相应的多个深度学习模型，在应用时有针对性的获取相关的深度学习模型；

执行模块，用于基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理；

11.根据权利要求10所述的交通信息处理装置，其特征在于，所述拥堵信息生成模块具体用于根据直至当前时刻的至少一个时刻的车流信息，确定车流轨迹信息；以及，

所述拥堵信息生成模块具体用于基于车流轨迹信息和/或人流轨迹信息，通过所述训练后的深度学习模型，预测拥堵程度大于或等于第二阈值的道路及对应的时刻。

12.根据权利要求10所述的交通信息处理装置，其特征在于，所述拥堵信息生成模块还具体用于判断任一时刻的拥堵信息是否对应异常事故信息；

所述执行模块具体用于以下至少一项：

13.一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，该程序被处理器执行时实现权利要求1-9任一项所述的方法。

14.一种计算设备，其特征在于，包括：

处理器；以及

存储器，配置用于存储机器可读指令，所述指令在由所述处理器执行时，使得所述处理器执行权利要求1-9任一项所述的方法。