CN109035777B - 交通运行态势分析方法及系统 - Google Patents

Abstract

本发明提供了一种交通运行态势分析方法及系统，涉及交通数据处理技术领域。本申请实施例中，通过构建交通运行态势分析模型，并将影响到交通运行态势的各种因素作为参数，通过交通运行态势分析模型的计算，得到量化的交通运行态势分析结果，从而可以确定城市区域内的交通运行态势，给车流量分析、拥堵节点确定提供参考指标，提高城市交通管理的效率。

Description

交通运行态势分析方法及系统

技术领域

本发明涉及交通数据处理技术领域，具体而言，涉及一种交通运行态势分析方法及系统。

背景技术

随着城市人口和机动车保有量的增加，城市道路经常出现拥堵、缓行等情况，城市交通运行效率低，出行效率下降。对于城市道路通行效率的影响因素众多，例如车辆数量、交通事故发生位置等等。现有技术中难以对城市内道路交通整体运行态势进行分析。

发明内容

有鉴于此，本发明提供了一种交通运行态势分析方法及系统。

本发明提供的技术方案如下：

一种交通运行态势分析方法，应用于交通运行态势分析系统，该交通运行态势分析系统包括前端设备、交通数据处理中心和交通事故数据处理中心，所述前端设备用于采集所在位置的视频数据，所述交通数据处理中心用于接收道路拥堵数据，所述交通事故数据处理中心用于接收交通事故数据，所述交通事故数据包括交通事故所在位置信息及事故处理预计时长，该交通运行态势分析方法包括：

建立交通运行态势分析模型；

获取所述前端设备拍摄的视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长；

根据预先确定的不同数据的权重系数，计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重；

根据所述交通运行态势分析模型的计算结果，确认交通运行态势。

进一步地，所述道路拥堵数据包括拥堵路段的位置信息、拥堵长度信息；根据预先确定的不同数据的权重系数，计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重的步骤包括：

根据所述拥堵路段的位置信息，确认所述拥堵路段是否位于预设区域内；

当所述拥堵路段位于预设区域，提高所述道路拥堵数据的权重；

当所述拥堵长度信息超过预设长度，提高所述道路拥堵数据的权重。

进一步地，根据预先确定的不同数据的权重系数，计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重的步骤包括：

根据所述交通事故所在位置信息，确认交通事故发生地是否位于所述预设区域内；

当所述交通事故发生地位于预设区域内，提高所述交通事故数据的权重；

当所述事故处理预计时长超过预设时长，提高所述交通事故数据的权重。

进一步地，预先建立各个路段之间的关联关系，根据所述交通运行态势分析模型的计算结果，确认交通运行态势的步骤包括：

根据所述拥堵路段的位置信息，确认与所述拥堵路段相关联的路段；

提高与所述拥堵路段相关联的路段在所述交通运行态势分析模型中的权重。

进一步地，根据所述交通运行态势分析模型的计算结果，确认交通运行态势的步骤包括：

构造所述交通运行态势分析模型的评价因子集合，所述评价因子集合包括

确定运行态势评价等级集合，所述运行态势评价等级集合包括差、一般、良好及优；

根据专家评判法构造交通运行分析矩阵，计算所述交通运行分析矩阵的最大特征根及对应的特征向量；

对所述特征向量进行归一化处理，得到所述评价因子的权重；

基于所述评价因子集合，建立模糊关系矩阵；

计算所述模糊关系矩阵的结果向量；

计算经过归一化处理的特征向量与所述结果向量的积，得到所述交通运行态势分析结果。

本发明还提供了一种交通运行态势分析系统，该交通运行态势分析系统包括前端设备、交通数据处理中心和交通事故数据处理中心，所述前端设备用于采集所在位置的视频数据，所述交通数据处理中心用于接收道路拥堵数据，所述交通事故数据处理中心用于接收交通事故数据，所述交通事故数据包括交通事故所在位置信息及事故处理预计时长，该交通运行态势分析系统还包括交通运行态势分析装置，该交通运行态势分析装置包括：

模型建立模块，用于建立交通运行态势分析模型；

数据获取模块，用于获取所述前端设备拍摄的视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长；

权重确定模块，用于根据预先确定的不同数据的权重系数，计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重；

运行态势确认模块，用于根据所述交通运行态势分析模型的计算结果，确认交通运行态势。

进一步地，所述道路拥堵数据包括拥堵路段的位置信息、拥堵长度信息；根据预先确定的不同数据的权重系数，所述权重确定模块计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重的方法包括：

根据所述拥堵路段的位置信息，确认所述拥堵路段是否位于预设区域内；

当所述拥堵路段位于预设区域，提高所述道路拥堵数据的权重；

当所述拥堵长度信息超过预设长度，提高所述道路拥堵数据的权重。

进一步地，根据预先确定的不同数据的权重系数，所述权重确定模块计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重的方法包括：

根据所述交通事故所在位置信息，确认交通事故发生地是否位于所述预设区域内；

当所述交通事故发生地位于预设区域内，提高所述交通事故数据的权重；

当所述事故处理预计时长超过预设时长，提高所述交通事故数据的权重。

进一步地，预先建立各个路段之间的关联关系，所述运行态势确认模块根据所述交通运行态势分析模型的计算结果，确认交通运行态势的方法包括：

根据所述拥堵路段的位置信息，确认与所述拥堵路段相关联的路段；

提高与所述拥堵路段相关联的路段在所述交通运行态势分析模型中的权重。

进一步地，所述运行态势确认模块根据所述交通运行态势分析模型的计算结果，确认交通运行态势的方法包括：

构造所述交通运行态势分析模型的评价因子集合，所述评价因子集合包括

确定运行态势评价等级集合，所述运行态势评价等级集合包括差、一般、良好及优；

根据专家评判法构造交通运行分析矩阵，计算所述交通运行分析矩阵的最大特征根及对应的特征向量；

对所述特征向量进行归一化处理，得到所述评价因子的权重；

基于所述评价因子集合，建立模糊关系矩阵；

计算所述模糊关系矩阵的结果向量；

计算经过归一化处理的特征向量与所述结果向量的积，得到所述交通运行态势分析结果。

本申请实施例中，通过构建交通运行态势分析模型，并将影响到交通运行态势的各种因素作为参数，通过交通运行态势分析模型的计算，得到量化的交通运行态势分析结果，从而可以确定城市区域内的交通运行态势，给车流量分析、拥堵节点确定提供参考指标，提高城市交通管理的效率。

为使本发明的上述目的、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发明实施例的技术方案，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发明的某些实施例，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为本发明实施例提供的一种交通运行态势分析方法的流程示意图。

图2为本发明实施例提供的一种交通运行态势分析方法中步骤 S103的子步骤的流程示意图。

图3为本发明实施例提供的一种交通运行态势分析方法中步骤 S104的子步骤的流程示意图。

图4为本发明实施例提供的一种交通运行态势分析装置的功能模块示意图。

图标：100-交通运行态势分析装置；101-模型建立模块；102-数据获取模块；103-权重确定模块；104-运行态势确认模块。

具体实施方式

下面将结合本发明实施例中附图，对本发明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发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明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发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，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所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

本申请实施例提供了一种交通运行态势分析方法，应用于交通运行态势分析系统，该交通运行态势分析系统包括前端设备、交通数据处理中心和交通事故数据处理中心，所述前端设备用于采集所在位置的视频数据，所述交通数据处理中心用于接收道路拥堵数据，所述交通事故数据处理中心用于接收交通事故数据，所述交通事故数据包括交通事故所在位置信息及事故处理预计时长，如图1所示，该交通运行态势分析方法包括以下步骤。

步骤S101，建立交通运行态势分析模型。

步骤S102，获取所述前端设备拍摄的视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长。

交通运行态势分析模型的建立可以根据不同城市、不同分析场景确定。交通运行态势分析模型中的各个数据包括安装在道路中各个前端设备采集到的视频数据，输入到交通运行态势分析模型中的视频数据可以预先经过处理，以确认每条道路的交通运行情况，例如可以包括道路是否拥堵、拥堵的长度等等。此外，道路上发生的交通事故对于交通运行态势也是具有较大影响的，不同情况的交通事故对于道路拥堵程度和拥堵时间的影响不同。交通事故数据处理中心可以接收交通事故现场工作人员对于交通事故的研判做出的评价结果，工作人员可以将交通事故发生的位置信息、以及预计能够恢复交通的事故处理预计时长发送至交通事故数据处理中心，交通事故数据处理中心可以根据接收到的位置信息及事故处理预计时长数据输入交通运行态势分析模型。

步骤S103，根据预先确定的不同数据的权重系数，计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重。

在交通运行态势分析模型中，不同数据具有不同的权重，且随着数据的变化，其权重是可以相应发生变化的。

详细的，所述道路拥堵数据包括拥堵路段的位置信息、拥堵长度信息；根据预先确定的不同数据的权重系数，如图2所示，该步骤还可以包括以下子步骤。

子步骤S131，根据所述拥堵路段的位置信息，确认所述拥堵路段是否位于预设区域内。

在城市交通中，不同区域的交通情况对城市的整体交通运行态势具有不同的影响，例如，市中心的道路密度较大，同时车流量也较大，一旦市中心出现了交通拥堵，其影响范围会持续扩大。或者在城市内的主干道上，一旦出现了交通事故，对于城市的整体交通运行态势也会迅速造成影响。

子步骤S132，当所述拥堵路段位于预设区域，提高所述道路拥堵数据的权重。

在本申请实施例中，通过视频数据或者通过直接获取到的道路拥堵数据可以确定发生拥堵的道路所在的位置，在建立交通运行态势分析模型前，可以根据区域内道路情况对城市整体交通运行态势的影响，划分出预设区域，如果发生拥堵的道路位于该预设区域内，可以相应提高交通运行态势分析模型中，道路拥堵数据的权重，提高的比例可以根据实际情况确定，本申请实施例并不做出限制。

子步骤S133，当所述拥堵长度信息超过预设长度，提高所述道路拥堵数据的权重。

此外，不仅道路的拥堵位置可以对交通运行态势造成影响，其实际拥堵的情况也具有不同程度的影响。例如，一条道路拥堵100米和拥堵 500米对城市整体交通运行态势的影响是完全不同的。因此，在进行交通运行态势的分析过程中，如果道路的拥堵长度信息超过了预设长度，也可以提高道路拥堵数据在交通运行态势分析模型中的权重，提高的比例和具体数值可以根据实际情况预先确定。

此外，道路拥堵的位置和长度对交通运行态势会有不同影响，交通事故发生的位置以及处理的时长对交通运行态势的影响也是不同的。步骤S103还包括以下子步骤。

子步骤S134，根据所述交通事故所在位置信息，确认交通事故发生地是否位于所述预设区域内。

如上所述，城市中可以根据实际道路情况划分预设区域，交通事故发生在预设区域内和发生在预设区域外对城市交通运行态势的影响是不同的。例如，在城市内的高架桥上发生的交通事故，由于高架桥的位置特殊性，交通事故车辆难以快速撤出现场，且车辆救援设备到达事故现场进行处理的时间也较长，在这样的区域内发生的交通事故就会对交通迅速造成交通的拥堵影响。

步骤S135，当所述交通事故发生地位于预设区域内，提高所述交通事故数据的权重。

交通事故数据处理中心可以根据工作人员或报警人员提供的位置信息，确认交通事故是否发生在预设区域内，在本申请实施例中，预设区域可以是多条道路组成的路网区域，也可以是某一条道路形成的行驶区域。对于发生在预设区域内的交通事故，可以相应的提高交通事故数据在交通运行态势分析模型中的权重。

步骤S136，当所述事故处理预计时长超过预设时长，提高所述交通事故数据的权重。

交通事故的发生位置对交通运行态势具有不同程度的影响，同样的，事故处理花费的时间对交通运行态势的影响也不同。对于处理人员、处理车辆可以快速到达的交通事故现场，可以更快的对交通事故进行处理。此外，交通事故的严重程度对于事故的处理时长也有显著的影响，例如，对于某些危化品运输车发生的交通事故，由于车辆运输物质的特殊性，一旦危化品发生泄露，这样的交通事故就需要更长的处理时间。工作人员可以根据交通事故的严重程度预估事故处理预计时长，也可以在事故处理过程中，随时调整事故处理预计时长。在事故处理预计时长超过了预设时长时，表明交通事故的处理完毕需要较多的时间，对交通运行态势的影响也会更消极，可以相应的提高其在交通运行态势分析模型中的权重。

步骤S104，根据所述交通运行态势分析模型的计算结果，确认交通运行态势。

详细的，在进行交通运行态势分析模型的处理过程中，如图3所示，可以采用以下子步骤进行处理。

子步骤S141，构造所述交通运行态势分析模型的评价因子集合。

所述评价因子集合可以包括上述道路拥堵位置、道路拥堵长度、交通事故发生位置以及事故处理预计时长，可以理解的是，这些评价因子在交通运行态势分析模型中的具体数值可以根据预先确定数值对应关系进行确定。例如，道路拥堵位置位于预设区域内时，该条道路拥堵位置数据在交通运行态势分析模型中的取值为5，当道路拥堵位置位于预设区域以外，道路拥堵位置数据在交通运行态势分析模型中的取值可以为2。当道路拥堵长度超过了预设长度，道路拥堵长度数据作为评价因子的取值就可以更高。

子步骤S142，确定运行态势评价等级集合，所述运行态势评价等级集合包括差、一般、良好及优。

运行态势的评价等级可以包括差、一般、良好及优四个等级，当然也可以划分为更少或更多个等级。

子步骤S143，根据专家评判法构造交通运行分析矩阵，计算所述交通运行分析矩阵的最大特征根及对应的特征向量。

进一步的，可以构造出交通运行分析矩阵，交通运行分析矩阵可以为n阶矩阵，n为评价因子的数量，在n阶矩阵中，每行数值可以为评价因子的正常取值，每列的数值可以为每行数值取值的倒数。在构造完成交通运行分析矩阵后，可以对该矩阵进行矩阵求解，得到矩阵的最大特征根及其对应的特征向量。

子步骤S144，对所述特征向量进行归一化处理，得到所述评价因子的权重。

对特征向量进行归一化处理之前，可以根据各个评价因子的重要程度对特征向量中的数值进行排序，排序后再进行归一化处理，得到归一化处理后的特征向量，经过归一化处理后的特征向量中的数值即为各个评价因子的权重。

子步骤S145，基于所述评价因子集合，建立模糊关系矩阵。

在进行交通运行态势分析过程中，还需要量化各个评价因子，在建立模糊关系矩阵过程中，可以先确定单个评价因子对等级模糊子集的隶属度，进而得到模糊关系矩阵。可以取高斯形隶属度函数来建立模糊关系矩阵，高斯形隶属度函数可以根据实际情况确定。

子步骤S146，计算所述模糊关系矩阵的结果向量。

构建完成模糊关系矩阵后，可以利用加权平均模糊合成算子将经过归一化处理的特征向量与模糊关系矩阵合成得到模糊综合评价结果向量。

子步骤S147，计算经过归一化处理的特征向量与所述结果向量的积，得到所述交通运行态势分析结果。

再计算归一化处理的特征向量与所述结果向量的积，并对结果进行归一化处理，对于评价结果的分析，本申请可以采用加权原则求隶属等级的方法，首先对评价等级优、良好、一般和差，给予不同的权重，例如，评价等级为优的权重可以为4，良好的权重为3，一般的权重为2，差的权重为1。总体交通运行态势分析结果的分值为评价等级的权重与结果向量的乘积。如果得到的结果大于4，表明交通运行态势为优，结果大于3小于4，交通运行态势为良好。如果得到的结果小于或等于1，交通运行态势为差。并且可以根据结果的大小确定交通运行态势的情况。

综上所述，本申请实施例中，通过构建交通运行态势分析模型，并将影响到交通运行态势的各种因素作为参数，通过交通运行态势分析模型的计算，得到量化的交通运行态势分析结果，从而可以确定城市区域内的交通运行态势，给车流量分析、拥堵节点确定提供参考指标，提高城市交通管理的效率。

在另一种实施方式中，可以预先建立各个路段之间的关联关系，根据所述交通运行态势分析模型的计算结果，确认交通运行态势的步骤还可以包括以下子步骤。

子步骤S148，根据所述拥堵路段的位置信息，确认与所述拥堵路段相关联的路段。

子步骤S149，提高与所述拥堵路段相关联的路段在所述交通运行态势分析模型中的权重。

在城市交通中，一条道路对交通运行态势的影响往往不是孤立的，与该条道路相关联的其他道路的交通运行态势也会由于该条道路的交通运行态势的变化而发生变化。在由于拥堵造成某条道路的交通运行态势发生变化，并相应提高该条道路在交通运行态势分析模型中的权重时，可以相应的调整与该条道路相关联的其他道路的拥堵数据在交通运行态势分析模型中的权重，从而可以更全面的考虑拥堵数据对城市整体交通运行态势的影响。

本发明还提供了一种交通运行态势分析系统，该交通运行态势分析系统包括前端设备、交通数据处理中心和交通事故数据处理中心，所述前端设备用于采集所在位置的视频数据，所述交通数据处理中心用于接收道路拥堵数据，所述交通事故数据处理中心用于接收交通事故数据，所述交通事故数据包括交通事故所在位置信息及事故处理预计时长，该交通运行态势分析系统还包括交通运行态势分析装置100，该交通运行态势分析装置100包括：

模型建立模块101，用于建立交通运行态势分析模型；

数据获取模块102，用于获取所述前端设备拍摄的视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长；

权重确定模块103，用于根据预先确定的不同数据的权重系数，计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重；

运行态势确认模块104，用于根据所述交通运行态势分析模型的计算结果，确认交通运行态势。

进一步地，所述道路拥堵数据包括拥堵路段的位置信息、拥堵长度信息；根据预先确定的不同数据的权重系数，所述权重确定模块103计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重的方法包括：

根据所述拥堵路段的位置信息，确认所述拥堵路段是否位于预设区域内；

当所述拥堵路段位于预设区域，提高所述道路拥堵数据的权重；

当所述拥堵长度信息超过预设长度，提高所述道路拥堵数据的权重；

进一步地，根据预先确定的不同数据的权重系数，所述权重确定模块103计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重的方法包括：

根据所述交通事故所在位置信息，确认交通事故发生地是否位于所述预设区域内；

当所述交通事故发生地位于预设区域内，提高所述交通事故数据的权重；

当所述事故处理预计时长超过预设时长，提高所述交通事故数据的权重。

进一步地，预先建立各个路段之间的关联关系，所述运行态势确认模块104根据所述交通运行态势分析模型的计算结果，确认交通运行态势的方法包括：

根据所述拥堵路段的位置信息，确认与所述拥堵路段相关联的路段；

提高与所述拥堵路段相关联的路段在所述交通运行态势分析模型中的权重。

进一步地，所述运行态势确认模块104根据所述交通运行态势分析模型的计算结果，确认交通运行态势的方法包括：

构造所述交通运行态势分析模型的评价因子集合，所述评价因子集合包括

确定运行态势评价等级集合，所述运行态势评价等级集合包括差、一般、良好及优；

根据专家评判法构造交通运行分析矩阵，计算所述交通运行分析矩阵的最大特征根及对应的特征向量；

对所述特征向量进行归一化处理，得到所述评价因子的权重；

基于所述评价因子集合，建立模糊关系矩阵；

计算所述模糊关系矩阵的结果向量；

计算经过归一化处理的特征向量与所述结果向量的积，得到所述交通运行态势分析结果。

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，也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，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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)执行本发明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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (6)

1.一种交通运行态势分析方法，其特征在于，应用于交通运行态势分析系统，该交通运行态势分析系统包括前端设备、交通数据处理中心和交通事故数据处理中心，所述前端设备用于采集所在位置的视频数据，所述交通数据处理中心用于接收道路拥堵数据，所述交通事故数据处理中心用于接收交通事故数据，所述交通事故数据包括交通事故所在位置信息及事故处理预计时长，该交通运行态势分析方法包括：

建立交通运行态势分析模型；

获取所述前端设备拍摄的视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长；

根据预先确定的不同数据的权重系数，计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重；

根据所述交通运行态势分析模型的计算结果，确认交通运行态势；

所述道路拥堵数据包括拥堵路段的位置信息、拥堵长度信息；根据预先确定的不同数据的权重系数，计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重的步骤包括：

根据所述拥堵路段的位置信息，确认所述拥堵路段是否位于预设区域内；

当所述拥堵路段位于预设区域，提高所述道路拥堵数据的权重；

当所述拥堵长度信息超过预设长度，提高所述道路拥堵数据的权重；

预先建立各个路段之间的关联关系，根据所述交通运行态势分析模型的计算结果，确认交通运行态势的步骤包括：

根据所述拥堵路段的位置信息，确认与所述拥堵路段相关联的路段；

提高与所述拥堵路段相关联的路段在所述交通运行态势分析模型中的权重。

2.根据权利要求1所述的交通运行态势分析方法，其特征在于，根据预先确定的不同数据的权重系数，计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重的步骤包括：

根据所述交通事故所在位置信息，确认交通事故发生地是否位于所述预设区域内；

当所述交通事故发生地位于预设区域内，提高所述交通事故数据的权重；

当所述事故处理预计时长超过预设时长，提高所述交通事故数据的权重。

3.根据权利要求1所述的交通运行态势分析方法，其特征在于，根据所述交通运行态势分析模型的计算结果，确认交通运行态势的步骤包括：

构造所述交通运行态势分析模型的评价因子集合，所述评价因子集合包括

确定运行态势评价等级集合，所述运行态势评价等级集合包括差、一般、良好及优；

根据专家评判法构造交通运行分析矩阵，计算所述交通运行分析矩阵的最大特征根及对应的特征向量；

对所述特征向量进行归一化处理，得到所述评价因子的权重；

基于所述评价因子集合，建立模糊关系矩阵；

计算所述模糊关系矩阵的结果向量；

计算经过归一化处理的特征向量与所述结果向量的积，得到所述交通运行态势分析结果。

4.一种交通运行态势分析系统，其特征在于，该交通运行态势分析系统包括前端设备、交通数据处理中心和交通事故数据处理中心，所述前端设备用于采集所在位置的视频数据，所述交通数据处理中心用于接收道路拥堵数据，所述交通事故数据处理中心用于接收交通事故数据，所述交通事故数据包括交通事故所在位置信息及事故处理预计时长，该交通运行态势分析系统还包括交通运行态势分析装置，该交通运行态势分析装置包括：

模型建立模块，用于建立交通运行态势分析模型；

数据获取模块，用于获取所述前端设备拍摄的视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长；

权重确定模块，用于根据预先确定的不同数据的权重系数，计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重；

运行态势确认模块，用于根据所述交通运行态势分析模型的计算结果，确认交通运行态势；

所述道路拥堵数据包括拥堵路段的位置信息、拥堵长度信息；根据预先确定的不同数据的权重系数，所述权重确定模块计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重的方法包括：

根据所述拥堵路段的位置信息，确认所述拥堵路段是否位于预设区域内；

当所述拥堵路段位于预设区域，提高所述道路拥堵数据的权重；

当所述拥堵长度信息超过预设长度，提高所述道路拥堵数据的权重；

预先建立各个路段之间的关联关系，所述运行态势确认模块根据所述交通运行态势分析模型的计算结果，确认交通运行态势的方法包括：

根据所述拥堵路段的位置信息，确认与所述拥堵路段相关联的路段；

提高与所述拥堵路段相关联的路段在所述交通运行态势分析模型中的权重。

5.根据权利要求4所述的交通运行态势分析系统，其特征在于，根据预先确定的不同数据的权重系数，所述权重确定模块计算所述视频数据、道路拥堵数据、交通事故所在位置信息及事故处理预计时长在所述交通运行态势分析模型中的权重的方法包括：

根据所述交通事故所在位置信息，确认交通事故发生地是否位于所述预设区域内；

当所述交通事故发生地位于预设区域内，提高所述交通事故数据的权重；

当所述事故处理预计时长超过预设时长，提高所述交通事故数据的权重。

6.根据权利要求4所述的交通运行态势分析系统，其特征在于，所述运行态势确认模块根据所述交通运行态势分析模型的计算结果，确认交通运行态势的方法包括：

构造所述交通运行态势分析模型的评价因子集合，所述评价因子集合包括

确定运行态势评价等级集合，所述运行态势评价等级集合包括差、一般、良好及优；

根据专家评判法构造交通运行分析矩阵，计算所述交通运行分析矩阵的最大特征根及对应的特征向量；

对所述特征向量进行归一化处理，得到所述评价因子的权重；

基于所述评价因子集合，建立模糊关系矩阵；

计算所述模糊关系矩阵的结果向量；

计算经过归一化处理的特征向量与所述结果向量的积，得到所述交通运行态势分析结果。

Images