CN109658697B - 交通拥堵的预测方法、装置和计算机设备 - Google Patents

交通拥堵的预测方法、装置和计算机设备 Download PDF

Info

Publication number
CN109658697B
CN109658697B CN201910011877.3A CN201910011877A CN109658697B CN 109658697 B CN109658697 B CN 109658697B CN 201910011877 A CN201910011877 A CN 201910011877A CN 109658697 B CN109658697 B CN 109658697B
Authority
CN
China
Prior art keywords
target gate
gate pair
passing
traffic
pair
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
Application number
CN201910011877.3A
Other languages
English (en)
Other versions
CN109658697A (zh
Inventor
王淼石
吴育人
魏萍
庄伯金
王少军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910011877.3A priority Critical patent/CN109658697B/zh
Publication of CN109658697A publication Critical patent/CN109658697A/zh
Application granted granted Critical
Publication of CN109658697B publication Critical patent/CN109658697B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Abstract

本申请提出了一种交通拥堵的预测方法、装置和计算机设备，其中，上述交通拥堵的预测方法包括：获取每个监测时段中目标卡口对所包括路段上车辆的通行时间；计算所述目标卡口对所包括路段上车辆的平均通行速度；获取每个监测时段中所述目标卡口对所包括路段上通行车辆的数量；根据所述通行车辆的数量和所述平均通行速度，计算每个监测时段中所述目标卡口对所包括路段上的车流密度；根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测。本申请可以实现根据车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测，进而可以根据交通拥堵情况对目标卡口对的交通进行规划和疏导。

Description

交通拥堵的预测方法、装置和计算机设备
【技术领域】
本申请涉及大数据技术领域，尤其涉及一种交通拥堵的预测方法、装置和计算机设备。
【背景技术】
随着社会经济和交通运输业的不断发展，交通拥挤等交通问题越来越凸现出来，成为全球共同关注的问题。对于交通流量的预测不仅是城市交通控制与诱导的基础，还是解决道路拥堵问题的关键技术之一。如果能精确地预测交通网中各个支路上的交通流量，那么就可以运用规划方法对交通流量进行合理的优化，从而使得道路的利用率达到最大，也可以解决部分拥堵问题。
现有相关技术中虽然提供了对交通流量进行预测的解决方案，但这些解决方案对交通流量预测的准确度较低，并且实现复杂，对交通流量预测的效率较低，并且现有的技术方案中并未提及对交通拥堵的预测。
【发明内容】
本申请实施例提供了一种交通拥堵的预测方法、装置和计算机设备，以实现根据车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测，从而可以对目标卡口对的交通拥堵情况进行通知，进而可以根据交通拥堵情况对目标卡口对的交通进行规划和疏导。
第一方面，本申请实施例提供了一种交通拥堵的预测方法，包括：获取每个监测时段中目标卡口对所包括路段上车辆的通行时间，所述每个监测时段为当前时刻之前预定数量的监测时段中的每个监测时段，所述目标卡口对包括两个通过直接通行路段连接的卡口；根据所述通行时间和所述目标卡口对中两个卡口之间的距离，计算所述目标卡口对所包括路段上车辆的平均通行速度；获取每个监测时段中所述目标卡口对所包括路段上通行车辆的数量；根据所述通行车辆的数量和所述平均通行速度，计算每个监测时段中所述目标卡口对所包括路段上的车流密度；根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测。
其中一种可能的实现方式中，所述获取每个监测时段中目标卡口对所包括路段上车辆的通行时间之后，还包括：根据每个监测时段中目标卡口对所包括路段上每个车辆的通行时间和通行车辆的数量，计算每个监测时段中目标卡口对所包括路段上车辆的平均通行时间；所述根据所述通行时间和所述目标卡口对中两个卡口之间的距离，计算所述卡口对所包括路段上车辆的平均通行速度包括：根据所述平均通行时间和所述目标卡口对中两个卡口之间的距离，计算所述卡口对所包括路段上车辆的平均通行速度。
其中一种可能的实现方式中，所述根据所述通行时间和所述目标卡口对中两个卡口之间的距离，计算所述目标卡口对所包括路段上车辆的平均通行速度包括：根据每个监测时段中目标卡口对所包括路段上每个车辆的通行时间和所述目标卡口对中两个卡口之间的距离，计算每个监测时段中目标卡口对所包括路段上每个车辆的通行速度；根据所述每个车辆的通行速度和每个监测时段中目标卡口对所包括路段上通行车辆的数量，计算每个监测时段中目标卡口对所包括路段上车辆的平均通行速度。
其中一种可能的实现方式中，所述根据所述通行车辆的数量和所述平均通行速度，计算每个监测时段中所述目标卡口对所包括路段上的车流密度包括：将所述通行车辆的数量除以所述平均通行速度，以获得的商值作为每个监测时段中所述目标卡口对所包括路段上的车流密度。
其中一种可能的实现方式中，所述根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测包括：如果每个监测时段中的车流密度均小于所述目标卡口对的拥堵密度临界值，并且距离所述当前时刻越近的监测时段的车流密度越大，所述当前时刻之前最近的监测时段的车流密度与所述拥堵密度临界值的差值小于或等于预定阈值，则确定所述目标卡口对在当前时刻之后的预定时段将发生交通拥堵。
其中一种可能的实现方式中，所述根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测包括：如果所述当前时刻之前最近的监测时段的车流密度大于或等于所述目标卡口对的拥堵密度临界值，则确定所述目标卡口对在当前时刻已发生交通拥堵，并且在当前时刻之后的预定时段所述目标卡口对所包括路段上通行车辆的数量将下降。
其中一种可能的实现方式中，所述确定所述目标卡口在当前时刻已发生交通拥堵之后，还包括：根据车流密度与拥堵级别的对应关系，确定所述目标卡口对在当前时刻的拥堵级别。
其中一种可能的实现方式中，所述根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测之前，还包括：获取所述目标卡口对的车流密度和通行车辆的数量的历史数据；根据相同时段的车流密度和通行车辆的数量，绘制所述目标卡口对的车流密度和通行车辆的数量的曲线关系图；根据所述曲线关系图，确定所述目标卡口对的拥堵密度临界值。
其中一种可能的实现方式中，所述根据所述曲线关系图，确定所述目标卡口对的拥堵密度临界值之后，还包括：获取当天的天气情况，根据当天的天气情况调整所述目标卡口对的拥堵密度临界值；和/或，获取当前时刻之前通过所述目标卡口对的每个车辆对所述目标卡口对的通行情况的反馈，根据所述反馈调整所述目标卡口对的拥堵密度临界值。
其中一种可能的实现方式中，所述根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测之后，还包括：获取即将进入所述目标卡口对的车辆；将所述当前时刻之后所述目标卡口对的交通拥堵情况，通知给即将进入所述目标卡口对的车辆。
第二方面，本申请实施例提供一种交通拥堵的预测装置，包括：获取模块，用于获取每个监测时段中目标卡口对所包括路段上车辆的通行时间，所述每个监测时段为当前时刻之前预定数量的监测时段中的每个监测时段，所述目标卡口对包括两个通过直接通行路段连接的卡口；计算模块，用于根据所述获取模块获取的通行时间和所述目标卡口对中两个卡口之间的距离，计算所述目标卡口对所包括路段上车辆的平均通行速度；所述获取模块，还用于获取每个监测时段中所述目标卡口对所包括路段上通行车辆的数量；所述计算模块，还用于根据所述通行车辆的数量和所述平均通行速度，计算每个监测时段中所述目标卡口对所包括路段上的车流密度；预测模块，用于根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测。
其中一种可能的实现方式中，所述计算模块，还用于在所述获取模块获取每个监测时段中目标卡口对所包括路段上车辆的通行时间之后，根据每个监测时段中目标卡口对所包括路段上每个车辆的通行时间和通行车辆的数量，计算每个监测时段中目标卡口对所包括路段上车辆的平均通行时间；所述计算模块，具体用于根据所述平均通行时间和所述目标卡口对中两个卡口之间的距离，计算所述卡口对所包括路段上车辆的平均通行速度。
其中一种可能的实现方式中，所述计算模块，具体用于根据每个监测时段中目标卡口对所包括路段上每个车辆的通行时间和所述目标卡口对中两个卡口之间的距离，计算每个监测时段中目标卡口对所包括路段上每个车辆的通行速度；以及根据所述每个车辆的通行速度和每个监测时段中目标卡口对所包括路段上通行车辆的数量，计算每个监测时段中目标卡口对所包括路段上车辆的平均通行速度。
其中一种可能的实现方式中，所述计算模块，具体用于将所述通行车辆的数量除以所述平均通行速度，以获得的商值作为每个监测时段中所述目标卡口对所包括路段上的车流密度。
其中一种可能的实现方式中，所述预测模块，具体用于当每个监测时段中的车流密度均小于所述目标卡口对的拥堵密度临界值，并且距离所述当前时刻越近的监测时段的车流密度越大，所述当前时刻之前最近的监测时段的车流密度与所述拥堵密度临界值的差值小于或等于预定阈值时，确定所述目标卡口对在当前时刻之后的预定时段将发生交通拥堵。
其中一种可能的实现方式中，所述预测模块，具体用于当所述当前时刻之前最近的监测时段的车流密度大于或等于所述目标卡口对的拥堵密度临界值时，确定所述目标卡口对在当前时刻已发生交通拥堵，并且在当前时刻之后的预定时段所述目标卡口对所包括路段上通行车辆的数量将下降。
其中一种可能的实现方式中，所述装置还包括：拥堵级别确定模块，用于在所述预测模块确定所述目标卡口在当前时刻已发生交通拥堵之后，根据车流密度与拥堵级别的对应关系，确定所述目标卡口对在当前时刻的拥堵级别。
其中一种可能的实现方式中，所述装置还包括：绘制模块和确定模块；所述获取模块，还用于在所述预测模块根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测之前，获取所述目标卡口对的车流密度和通行车辆的数量的历史数据；所述绘制模块，用于根据相同时段的车流密度和通行车辆的数量，绘制所述目标卡口对的车流密度和通行车辆的数量的曲线关系图；所述确定模块，用于根据所述绘制模块绘制的曲线关系图，确定所述目标卡口对的拥堵密度临界值。
其中一种可能的实现方式中，所述装置还包括：调整模块，用于在所述确定模块根据所述曲线关系图，确定所述目标卡口对的拥堵密度临界值之后，获取当天的天气情况，根据当天的天气情况调整所述目标卡口对的拥堵密度临界值；和/或，获取当前时刻之前通过所述目标卡口对的每个车辆对所述目标卡口对的通行情况的反馈，根据所述反馈调整所述目标卡口对的拥堵密度临界值。
其中一种可能的实现方式中，所述装置还包括：通知模块；所述获取模块，还用于在所述预测模块根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测之后，获取即将进入所述目标卡口对的车辆；所述通知模块，用于将所述当前时刻之后所述目标卡口对的交通拥堵情况，通知给即将进入所述目标卡口对的车辆。
第三方面，本申请实施例提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的方法。
第四方面，本申请实施例提供一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。
以上技术方案中，获取每个监测时段中目标卡口对所包括路段上车辆的通行时间，根据上述通行时间和上述目标卡口对中两个卡口之间的距离，计算上述目标卡口对所包括路段上车辆的平均通行速度，获取每个监测时段中上述目标卡口对所包括路段上通行车辆的数量，根据上述通行车辆的数量和上述平均通行速度，计算每个监测时段中上述目标卡口对所包括路段上的车流密度，根据每个监测时段中的车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测，从而可以实现根据车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测，进而可以对目标卡口对的交通拥堵情况进行通知，并且可以根据交通拥堵情况对目标卡口对的交通进行规划和疏导。
【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，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本申请交通拥堵的预测方法一个实施例的流程图；
图2为本申请交通拥堵的预测方法另一个实施例的流程图；
图3为本申请交通拥堵的预测方法再一个实施例的流程图；
图4为本申请交通拥堵的预测方法再一个实施例的流程图；
图5为本申请交通拥堵的预测方法再一个实施例的流程图；
图6为本申请交通拥堵的预测方法再一个实施例的流程图；
图7为本申请交通拥堵的预测装置一个实施例的结构示意图；
图8为本申请交通拥堵的预测装置另一个实施例的结构示意图；
图9为本申请计算机设备一个实施例的结构示意图。
【具体实施方式】
为了更好的理解本申请的技术方案，下面结合附图对本申请实施例进行详细描述。
应当明确，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。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
图1为本申请交通拥堵的预测方法一个实施例的流程图，如图1所示，上述交通拥堵的预测方法可以包括：
步骤101，获取每个监测时段中目标卡口对所包括路段上车辆的通行时间。
其中，上述每个监测时段为当前时刻之前预定数量的监测时段中的每个监测时段，上述目标卡口对包括两个通过直接通行路段连接的卡口。
上述预定数量可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对上述预定数量的大小不作限定，举例来说，上述预定数量可以为7，这样，监测时段即为当前时刻之前的7个小时，获取每个监测时段中目标卡口对所包括路段上车辆的通行时间即为获取当前时刻之前7个小时中每个小时目标卡口对所包括路段上车辆的通行时间。
本实施例中，交通卡口是道路交通治安卡口监控系统的简称，是指依托道路上特定场所，如收费站、交通或治安检查站等卡口点，对所有通过该卡口点的车辆进行拍摄、记录与处理的一种道路交通现场监测系统。如果两个卡口之间可以通过直接通行路段连接，即两个卡口之间有直接通行路段，那么可以认为这两个卡口为卡口对。
图2为本申请交通拥堵的预测方法中卡口一个实施例的示意图，图2中卡口a、卡口b和卡口c为3个卡口，卡口a和卡口b之间可以通过直接通行路段连接，因此卡口a和卡口b为卡口对，同样，卡口b和卡口c之间可以通过直接通行路段连接，因此卡口b和卡口c为卡口对。
步骤102，根据上述通行时间和上述目标卡口对中两个卡口之间的距离，计算上述目标卡口对所包括路段上车辆的平均通行速度。
具体地，上述目标卡口对中两个卡口的地理位置是固定的，因此两个卡口之间的距离是一个固定值，因此获得上述通行时间之后，根据上述通行时间和上述目标卡口对中两个卡口之间的距离，用距离除以上述通行时间，即可计算获得上述目标卡口对所包括路段上车俩的平均通行速度。
步骤103，获取每个监测时段中上述目标卡口对所包括路段上通行车辆的数量。
步骤104，根据上述通行车辆的数量和上述平均通行速度，计算每个监测时段中上述目标卡口对所包括路段上的车流密度。
具体地，根据上述通行车辆的数量和上述平均通行速度，计算每个监测时段中上述目标卡口对所包括路段上的车流密度可以为：将上述通行车辆的数量除以上述平均通行速度，以获得的商值作为每个监测时段中上述目标卡口对所包括路段上的车流密度。
步骤105，根据每个监测时段中的车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测。
上述交通拥堵的预测方法中，获取每个监测时段中目标卡口对所包括路段上车辆的通行时间，根据上述通行时间和上述目标卡口对中两个卡口之间的距离，计算上述目标卡口对所包括路段上车辆的平均通行速度，获取每个监测时段中上述目标卡口对所包括路段上通行车辆的数量，根据上述通行车辆的数量和上述平均通行速度，计算每个监测时段中上述目标卡口对所包括路段上的车流密度，根据每个监测时段中的车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测，从而可以实现根据车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测，进而可以对目标卡口对的交通拥堵情况进行通知，并且可以根据交通拥堵情况对目标卡口对的交通进行规划和疏导。
图3为本申请交通拥堵的预测方法另一个实施例的流程图，如图3所示，本申请图1所示实施例中，步骤101之后，还可以包括：
步骤301，根据每个监测时段中目标卡口对所包括路段上每个车辆的通行时间和通行车辆的数量，计算每个监测时段中目标卡口对所包括路段上车辆的平均通行时间。
具体地，可以将每个监测时段中目标卡口对所包括路段上每个车辆的通行时间相加，然后用相加获得的通行时间的和值除以通行车辆的数量，这样获得的商值即为每个监测时段中目标卡口对所包括路段上车辆的平均通行时间。
这样，步骤102可以为：
步骤302，根据上述平均通行时间和上述目标卡口对中两个卡口之间的距离，计算上述卡口对所包括路段上车辆的平均通行速度。
也就是说，本实施例中，平均通行速度是根据平均通行时间和上述目标卡口对中两个卡口之间的距离计算的。
图4为本申请交通拥堵的预测方法再一个实施例的流程图，如图4所示，本申请图1所示实施例中，步骤102可以包括：
步骤401，根据每个监测时段中目标卡口对所包括路段上每个车辆的通行时间和上述目标卡口对中两个卡口之间的距离，计算每个监测时段中目标卡口对所包括路段上每个车辆的通行速度。
步骤402，根据上述每个车辆的通行速度和每个监测时段中目标卡口对所包括路段上通行车辆的数量，计算每个监测时段中目标卡口对所包括路段上车辆的平均通行速度。
本实施例中，在计算获得每个监测时段中目标卡口对所包括路段上每个车辆的通行速度之后，可以对目标卡口对所包括路段上通行车辆的通行速度相加，将相加获得的通行速度的和值除以每个监测时段中目标卡口对所包括路段上通行车辆的数量，所得的商值即为每个监测时段中目标卡口对所包括路段上车辆的平均通行速度。
图5为本申请交通拥堵的预测方法再一个实施例的流程图，如图5所示，本申请图1所示实施例中，步骤105可以为：
步骤501，如果每个监测时段中的车流密度均小于上述目标卡口对的拥堵密度临界值，并且距离当前时刻越近的监测时段的车流密度越大，当前时刻之前最近的监测时段的车流密度与上述拥堵密度临界值的差值小于或等于预定阈值，则确定上述目标卡口对在当前时刻之后的预定时段将发生交通拥堵。
其中，上述预定阈值可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对上述预定阈值的大小不作限定。
上述当前时刻之后的预定时段可以与上述监测时段采用相同维度，举例来说，上述当前时刻之后的预定时段可以为上述当前时刻之后的1个小时。
也就是说，如果当前时刻之前的预定数量的监测时段中每个监测时段中的车流密度均小于上述目标卡口对的拥堵密度临界值，并且每个监测时段中的车流密度随时间的推移呈上升趋势，并且当前时刻之前最近的监测时段的车流密度与上述拥堵密度临界值的差值小于或等于预定阈值，则可以确定上述目标卡口对在当前时刻之后的预定时段将发生交通拥堵。接下来，可以将上述目标卡口对在当前时刻之后的预定时段将发生交通拥堵的这一事件，进行通知，从而可以提前对目标卡口对进行交通疏导。
在具体实现时，可以获取即将进入上述目标卡口对的车辆，将当前时刻之后上述目标卡口对的交通拥堵情况，通知给即将进入上述目标卡口对的车辆，具体地，可以获取即将进入上述目标卡口对的车辆，将上述目标卡口对在当前时刻之后的预定时段将发生交通拥堵的这一事件，通知给即将进入上述目标卡口对的车辆。
其中，获取即将进入上述目标卡口对的车辆可以根据车辆的运行轨迹获取，或者，可以获取车辆在导航应用中选择的通行路线，根据上述通行路线确定上述车辆是否为即将进入目标卡口对的车辆。
具体地，步骤105之前，还可以包括：获取上述目标卡口对的车流密度和通行车辆的数量的历史数据；根据相同时段的车流密度和通行车辆的数量，绘制上述目标卡口对的车流密度和通行车辆的数量的曲线关系图；最后根据上述曲线关系图，确定上述目标卡口对的拥堵密度临界值。在具体实现时，车流密度和通行车辆的数量的曲线关系图可以为一条抛物线，上述目标卡口对的拥堵密度临界值可以取上述曲线关系图的极大值点对应的车流密度。
进一步地，根据上述曲线关系图，确定上述目标卡口对的拥堵密度临界值之后，还可以获取当天的天气情况，根据当天的天气情况调整上述目标卡口对的拥堵密度临界值；或者，获取当前时刻之前通过上述目标卡口对的每个车辆对上述目标卡口对的通行情况的反馈，根据上述反馈调整上述目标卡口对的拥堵密度临界值。
具体地，一方面，确定上述目标卡口对的拥堵密度临界值之后，还可以根据当天的天气情况调整上述目标卡口对的拥堵密度临界值，举例来说，如果当天的天气为雨雪天气，或者是雾天，能见度较低，则可以将上述目标卡口对的拥堵密度临界值调小一些，调整为所确定的拥堵密度临界值的80％或70％；
另一方面，确定上述目标卡口对的拥堵密度临界值之后，还可以根据当前时刻之前通过上述目标卡口对的每个车辆对上述目标卡口对的通行情况的反馈，调整上述目标卡口对的拥堵密度临界值，其中每个车辆对上述目标卡口对的通行情况的反馈包括每个车辆上的驾驶员和乘客之一或组合对上述目标卡口对的通行情况的反馈；这样，如果通过上述目标卡口对的车辆中，超过预定比例的车辆反馈上述目标卡口对的通行情况为拥堵，则可以将上述目标卡口对的拥堵密度临界值调小一些，调整为所确定的拥堵密度临界值的80％或70％，其中上述预定比例可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对此不作限定，举例来说，上述预定比例可以为85％。
当然上述两方面也可以结合使用，既根据当天的天气情况，又根据当前时刻之前通过所述目标卡口对的每个车辆对所述目标卡口对的通行情况的反馈，调整上述目标卡口对的拥堵密度临界值。
图6为本申请交通拥堵的预测方法再一个实施例的流程图，如图6所示，本申请图1所示实施例中，步骤105可以包括：
步骤601，如果当前时刻之前最近的监测时段的车流密度大于或等于上述目标卡口对的拥堵密度临界值，则确定上述目标卡口对在当前时刻已发生交通拥堵，并且在当前时刻之后的预定时段上述目标卡口对所包括路段上通行车辆的数量将下降。
其中，上述拥堵密度临界值的获取方式可以参照本申请图5所示实施例中步骤501的描述，本实施例对此不作限定。
本实施例中，如果当前时刻之前最近的监测时段的车流密度已经大于或等于上述目标卡口对的拥堵密度临界值，则可以确定上述目标卡口对在当前时刻已发生交通拥堵。
并且由于当前时刻之前最近的监测时段的车流密度已经大于或等于上述目标卡口对的拥堵密度临界值，因此在当前时刻之后的预定时段(例如：当前时刻之后的1小时)上述目标卡口对所包括路段上通行车辆的数量将下降。
进一步地，步骤601之后，还可以包括：
步骤602，根据车流密度与拥堵级别的对应关系，确定上述目标卡口对在当前时刻的拥堵级别。
本实施例中，可以预先设定车流密度与拥堵级别的对应关系，举例来说，假设车流密度超出拥堵密度临界值10％(即车流密度为拥堵密度临界值的1.1倍)，对应的拥堵级别为轻度拥堵；车流密度超出拥堵密度临界值50％，对应的拥堵级别为中度拥堵；车流密度超出拥堵密度临界值80％，对应的拥堵级别为重度拥堵。当然这只是车流密度与拥堵级别的对应关系的一种示例，本实施例对车流密度与拥堵级别的对应关系不作限定。
这样，如果当前时刻之前最近的监测时段的车流密度大于或等于上述目标卡口对的拥堵密度临界值，则可以确定上述目标卡口对在当前时刻已发生交通拥堵，并且可以根据车流密度与拥堵级别的对应关系，确定上述目标卡口对在当前时刻的拥堵级别。
接下来，可以将上述目标卡口对在当前时刻已发生交通拥堵这一事件和上述目标卡口对在当前时刻的拥堵级别进行通知，从而可以起到对目标卡口对的交通进行疏导的目的。
在具体实现时，可以获取即将进入上述目标卡口对的车辆，将当前时刻之后上述目标卡口对的交通拥堵情况，通知给即将进入上述目标卡口对的车辆，具体地，可以获取即将进入上述目标卡口对的车辆，将上述目标卡口对在当前时刻已发生交通拥堵这一事件和上述目标卡口对在当前时刻的拥堵级别，通知给即将进入上述目标卡口对的车辆。
获取即将进入上述目标卡口对的车辆的实现方式参见本申请图5所示实施例中的描述，在此不再赘述。
图7为本申请交通拥堵的预测装置一个实施例的结构示意图，本实施例中的交通拥堵的预测装置可以实现本申请实施例提供的交通拥堵的预测方法。如图7所示，上述交通拥堵的预测装置可以包括：获取模块71、计算模块72和预测模块73；
其中，获取模块71，用于获取每个监测时段中目标卡口对所包括路段上车辆的通行时间，上述每个监测时段为当前时刻之前预定数量的监测时段中的每个监测时段，上述目标卡口对包括两个通过直接通行路段连接的卡口。
其中，上述每个监测时段为当前时刻之前预定数量的监测时段中的每个监测时段，上述目标卡口对包括两个通过直接通行路段连接的卡口。
上述预定数量可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对上述预定数量的大小不作限定，举例来说，上述预定数量可以为7，这样，监测时段即为当前时刻之前的7个小时，获取每个监测时段中目标卡口对所包括路段上车辆的通行时间即为获取当前时刻之前7个小时中每个小时目标卡口对所包括路段上车辆的通行时间。
本实施例中，交通卡口是道路交通治安卡口监控系统的简称，是指依托道路上特定场所，如收费站、交通或治安检查站等卡口点，对所有通过该卡口点的车辆进行拍摄、记录与处理的一种道路交通现场监测系统。如果两个卡口之间可以通过直接通行路段连接，即两个卡口之间有直接通行路段，那么可以认为这两个卡口为卡口对。
参见图2，图2中卡口a、卡口b和卡口c为3个卡口，卡口a和卡口b之间可以通过直接通行路段连接，因此卡口a和卡口b为卡口对，同样，卡口b和卡口c之间可以通过直接通行路段连接，因此卡口b和卡口c为卡口对。
计算模块72，用于根据获取模块71获取的通行时间和上述目标卡口对中两个卡口之间的距离，计算上述目标卡口对所包括路段上车辆的平均通行速度；具体地，上述目标卡口对中两个卡口的地理位置是固定的，因此两个卡口之间的距离是一个固定值，因此获得上述通行时间之后，根据上述通行时间和上述目标卡口对中两个卡口之间的距离，计算模块72用距离除以上述通行时间，即可计算获得上述目标卡口对所包括路段上车俩的平均通行速度。
获取模块71，还用于获取每个监测时段中上述目标卡口对所包括路段上通行车辆的数量；
计算模块72，还用于根据上述通行车辆的数量和上述平均通行速度，计算每个监测时段中上述目标卡口对所包括路段上的车流密度；本实施例中，计算模块72，具体用于将上述通行车辆的数量除以上述平均通行速度，以获得的商值作为每个监测时段中上述目标卡口对所包括路段上的车流密度。
预测模块73，用于根据每个监测时段中的车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测。
本实施例的一种实现方式中，计算模块72，还用于在获取模块71获取每个监测时段中目标卡口对所包括路段上车辆的通行时间之后，根据每个监测时段中目标卡口对所包括路段上每个车辆的通行时间和通行车辆的数量，计算每个监测时段中目标卡口对所包括路段上车辆的平均通行时间；具体地，计算模块72可以将每个监测时段中目标卡口对所包括路段上每个车辆的通行时间相加，然后用相加获得的通行时间的和值除以通行车辆的数量，这样获得的商值即为每个监测时段中目标卡口对所包括路段上车辆的平均通行时间。
计算模块72，具体用于根据上述平均通行时间和上述目标卡口对中两个卡口之间的距离，计算上述卡口对所包括路段上车辆的平均通行速度。也就是说，本实施例中，平均通行速度是根据平均通行时间和上述目标卡口对中两个卡口之间的距离计算的。
本实施例的另一种实现方式中，计算模块72，具体用于根据每个监测时段中目标卡口对所包括路段上每个车辆的通行时间和上述目标卡口对中两个卡口之间的距离，计算每个监测时段中目标卡口对所包括路段上每个车辆的通行速度；以及根据每个车辆的通行速度和每个监测时段中目标卡口对所包括路段上通行车辆的数量，计算每个监测时段中目标卡口对所包括路段上车辆的平均通行速度。
本实施例中，在计算模块72计算获得每个监测时段中目标卡口对所包括路段上每个车辆的通行速度之后，可以对目标卡口对所包括路段上通行车辆的通行速度相加，将相加获得的通行速度的和值除以每个监测时段中目标卡口对所包括路段上通行车辆的数量，所得的商值即为每个监测时段中目标卡口对所包括路段上车辆的平均通行速度。
上述交通拥堵的预测装置中，获取模块71获取每个监测时段中目标卡口对所包括路段上车辆的通行时间，计算模块72根据上述通行时间和上述目标卡口对中两个卡口之间的距离，计算上述目标卡口对所包括路段上车辆的平均通行速度，获取模块71获取每个监测时段中上述目标卡口对所包括路段上通行车辆的数量，计算模块72根据上述通行车辆的数量和上述平均通行速度，计算每个监测时段中上述目标卡口对所包括路段上的车流密度，预测模块73根据每个监测时段中的车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测，从而可以实现根据车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测，进而可以对目标卡口对的交通拥堵情况进行通知，并且可以根据交通拥堵情况对目标卡口对的交通进行规划和疏导。
图8为本申请交通拥堵的预测装置另一个实施例的结构示意图，本实施例的一种实现方式中，预测模块73，具体用于当每个监测时段中的车流密度均小于上述目标卡口对的拥堵密度临界值，并且距离当前时刻越近的监测时段的车流密度越大，当前时刻之前最近的监测时段的车流密度与上述拥堵密度临界值的差值小于或等于预定阈值时，确定上述目标卡口对在当前时刻之后的预定时段将发生交通拥堵。
其中，上述预定阈值可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对上述预定阈值的大小不作限定。
上述当前时刻之后的预定时段可以与上述监测时段采用相同维度，举例来说，上述当前时刻之后的预定时段可以为上述当前时刻之后的1个小时。
也就是说，如果当前时刻之前的预定数量的监测时段中每个监测时段中的车流密度均小于上述目标卡口对的拥堵密度临界值，并且每个监测时段中的车流密度随时间的推移呈上升趋势，并且当前时刻之前最近的监测时段的车流密度与上述拥堵密度临界值的差值小于或等于预定阈值，则预测模块73可以确定上述目标卡口对在当前时刻之后的预定时段将发生交通拥堵。
进一步地，上述交通拥堵的预测装置还可以包括：通知模块78；
获取模块71，还用于在预测模块73根据每个监测时段中的车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测之后，获取即将进入上述目标卡口对的车辆；
通知模块78，用于将当前时刻之后上述目标卡口对的交通拥堵情况，通知给即将进入上述目标卡口对的车辆。
在具体实现时，获取模块71可以获取即将进入上述目标卡口对的车辆，通知模块78将当前时刻之后上述目标卡口对的交通拥堵情况，通知给即将进入上述目标卡口对的车辆，具体地，获取模块71可以获取即将进入上述目标卡口对的车辆，通知模块78将上述目标卡口对在当前时刻之后的预定时段将发生交通拥堵的这一事件，通知给即将进入上述目标卡口对的车辆。
其中，获取模块71获取即将进入上述目标卡口对的车辆可以根据车辆的运行轨迹获取，或者，获取模块71可以获取车辆在导航应用中选择的通行路线，根据上述通行路线确定上述车辆是否为即将进入目标卡口对的车辆。
进一步地，上述交通拥堵的预测装置还可以包括：绘制模块75和确定模块76；
获取模块71，还用于在预测模块73根据每个监测时段中的车流密度，对当前时刻之后上述目标卡口对的交通拥堵情况进行预测之前，获取上述目标卡口对的车流密度和通行车辆的数量的历史数据；
绘制模块75，用于根据相同时段的车流密度和通行车辆的数量，绘制上述目标卡口对的车流密度和通行车辆的数量的曲线关系图；
确定模块76，用于根据绘制模块75绘制的曲线关系图，确定上述目标卡口对的拥堵密度临界值。在具体实现时，车流密度和通行车辆的数量的曲线关系图可以为一条抛物线，上述目标卡口对的拥堵密度临界值可以取上述曲线关系图的极大值点对应的车流密度。
进一步地，上述交通拥堵的预测装置还可以包括：
调整模块77，用于在确定模块76根据上述曲线关系图，确定上述目标卡口对的拥堵密度临界值之后，获取当天的天气情况，根据当天的天气情况调整所述目标卡口对的拥堵密度临界值；和/或，获取当前时刻之前通过上述目标卡口对的每个车辆对上述目标卡口对的通行情况的反馈，根据上述反馈调整上述目标卡口对的拥堵密度临界值。
具体地，一方面，确定模块76确定上述目标卡口对的拥堵密度临界值之后，调整模块77还可以根据当天的天气情况调整上述目标卡口对的拥堵密度临界值，举例来说，如果当天的天气为雨雪天气，或者是雾天，能见度较低，则可以将上述目标卡口对的拥堵密度临界值调小一些，调整为所确定的拥堵密度临界值的80％或70％；
另一方面，确定模块76确定上述目标卡口对的拥堵密度临界值之后，调整模块77还可以根据当前时刻之前通过上述目标卡口对的每个车辆对上述目标卡口对的通行情况的反馈，调整上述目标卡口对的拥堵密度临界值，其中每个车辆对上述目标卡口对的通行情况的反馈包括每个车辆上的驾驶员和乘客之一或组合对上述目标卡口对的通行情况的反馈；这样，如果通过上述目标卡口对的车辆中，超过预定比例的车辆反馈上述目标卡口对的通行情况为拥堵，则调整模块77可以将上述目标卡口对的拥堵密度临界值调小一些，调整为所确定的拥堵密度临界值的80％或70％，其中上述预定比例可以在具体实现时，根据系统性能和/或实现需求等自行设定，本实施例对此不作限定，举例来说，上述预定比例可以为85％。
当然上述两方面也可以结合使用，调整模块77既根据当天的天气情况，又根据当前时刻之前通过所述目标卡口对的每个车辆对所述目标卡口对的通行情况的反馈，调整上述目标卡口对的拥堵密度临界值。
本实施例的另一种实现方式中，预测模块73，具体用于当上述当前时刻之前最近的监测时段的车流密度大于或等于上述目标卡口对的拥堵密度临界值时，确定上述目标卡口对在当前时刻已发生交通拥堵，并且在当前时刻之后的预定时段上述目标卡口对所包括路段上通行车辆的数量将下降。
本实施例中，如果当前时刻之前最近的监测时段的车流密度已经大于或等于上述目标卡口对的拥堵密度临界值，则预测模块73可以确定上述目标卡口对在当前时刻已发生交通拥堵。
并且由于当前时刻之前最近的监测时段的车流密度已经大于或等于上述目标卡口对的拥堵密度临界值，因此在当前时刻之后的预定时段(例如：当前时刻之后的1小时)上述目标卡口对所包括路段上通行车辆的数量将下降。
进一步地，上述交通拥堵的预测装置还可以包括：拥堵级别确定模块74；
拥堵级别确定模块74，用于在预测模块73确定上述目标卡口在当前时刻已发生交通拥堵之后，根据车流密度与拥堵级别的对应关系，确定上述目标卡口对在当前时刻的拥堵级别。
本实施例中，可以预先设定车流密度与拥堵级别的对应关系，举例来说，假设车流密度超出拥堵密度临界值10％(即车流密度为拥堵密度临界值的1.1倍)，对应的拥堵级别为轻度拥堵；车流密度超出拥堵密度临界值50％，对应的拥堵级别为中度拥堵；车流密度超出拥堵密度临界值80％，对应的拥堵级别为重度拥堵。当然这只是车流密度与拥堵级别的对应关系的一种示例，本实施例对车流密度与拥堵级别的对应关系不作限定。
这样，如果当前时刻之前最近的监测时段的车流密度大于或等于上述目标卡口对的拥堵密度临界值，则拥堵级别确定模块74可以确定上述目标卡口对在当前时刻已发生交通拥堵，并且可以根据车流密度与拥堵级别的对应关系，确定上述目标卡口对在当前时刻的拥堵级别。
接下来，通知模块78可以将上述目标卡口对在当前时刻已发生交通拥堵这一事件和上述目标卡口对在当前时刻的拥堵级别进行通知，从而可以起到对目标卡口对的交通进行疏导的目的。
在具体实现时，获取模块71可以获取即将进入上述目标卡口对的车辆，然后通知模块78将当前时刻之后上述目标卡口对的交通拥堵情况，通知给即将进入上述目标卡口对的车辆，具体地，获取模块71可以获取即将进入上述目标卡口对的车辆，然后通知模块78将上述目标卡口对在当前时刻已发生交通拥堵这一事件和上述目标卡口对在当前时刻的拥堵级别，通知给即将进入上述目标卡口对的车辆。
图9为本申请计算机设备一个实施例的结构示意图，上述计算机设备可以包括存储器、处理器及存储在上述存储器上并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时，可以实现本申请实施例提供的交通拥堵的预测方法。
其中，上述计算机设备可以为服务器，例如云服务器，或者上述计算机设备也可以为电子设备，例如：智能手机、智能手表或平板电脑等智能电子设备，本实施例对上述计算机设备的具体形态不作限定。
图9示出了适于用来实现本申请实施方式的示例性计算机设备12的框图。图9显示的计算机设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图9所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图9中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本申请实施例提供的交通拥堵的预测方法。
本申请实施例还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时可以实现本申请实施例提供的交通拥堵的预测方法。
上述非临时性计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(Read Only Memory；以下简称：ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory；以下简称：EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network；以下简称：LAN)或广域网(Wide Area Network；以下简称：WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是，本申请实施例中所涉及的终端可以包括但不限于个人计算机(Personal Computer；以下简称：PC)、个人数字助理(Personal Digital Assistant；以下简称：PDA)、无线手持设备、平板电脑(Tablet Computer)、手机、MP3播放器、MP4播放器等。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，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，例如，多个单元或组件可以结合或者可以集成到另一个系统，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。
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。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory；以下简称：ROM)、随机存取存储器(Random Access Memory；以下简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (9)

1.一种交通拥堵的预测方法，其特征在于，包括：
获取每个监测时段中目标卡口对所包括路段上车辆的通行时间，所述每个监测时段为当前时刻之前预定数量的监测时段中的每个监测时段，所述目标卡口对包括两个通过直接通行路段连接的卡口；
根据所述通行时间和所述目标卡口对中两个卡口之间的距离，计算所述目标卡口对所包括路段上车辆的平均通行速度；
获取每个监测时段中所述目标卡口对所包括路段上通行车辆的数量；
根据所述通行车辆的数量和所述平均通行速度，计算每个监测时段中所述目标卡口对所包括路段上的车流密度；
根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测；
所述根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测包括：
如果每个监测时段中的车流密度均小于所述目标卡口对的拥堵密度临界值，并且距离所述当前时刻越近的监测时段的车流密度越大，所述当前时刻之前最近的监测时段的车流密度与所述拥堵密度临界值的差值小于或等于预定阈值，则确定所述目标卡口对在当前时刻之后的预定时段将发生交通拥堵。
2.根据权利要求1所述的方法，其特征在于，所述获取每个监测时段中目标卡口对所包括路段上车辆的通行时间之后，还包括：
根据每个监测时段中目标卡口对所包括路段上每个车辆的通行时间和通行车辆的数量，计算每个监测时段中目标卡口对所包括路段上车辆的平均通行时间；
所述根据所述通行时间和所述目标卡口对中两个卡口之间的距离，计算所述卡口对所包括路段上车辆的平均通行速度包括：
根据所述平均通行时间和所述目标卡口对中两个卡口之间的距离，计算所述卡口对所包括路段上车辆的平均通行速度。
3.根据权利要求1所述的方法，其特征在于，所述根据所述通行车辆的数量和所述平均通行速度，计算每个监测时段中所述目标卡口对所包括路段上的车流密度包括：
将所述通行车辆的数量除以所述平均通行速度，以获得的商值作为每个监测时段中所述目标卡口对所包括路段上的车流密度。
4.根据权利要求1所述的方法，其特征在于，所述根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测之前，还包括：
获取所述目标卡口对的车流密度和通行车辆的数量的历史数据；
根据相同时段的车流密度和通行车辆的数量，绘制所述目标卡口对的车流密度和通行车辆的数量的曲线关系图；
根据所述曲线关系图，确定所述目标卡口对的拥堵密度临界值。
5.一种交通拥堵的预测装置，其特征在于，包括：
获取模块，用于获取每个监测时段中目标卡口对所包括路段上车辆的通行时间，所述每个监测时段为当前时刻之前预定数量的监测时段中的每个监测时段，所述目标卡口对包括两个通过直接通行路段连接的卡口；
计算模块，用于根据所述获取模块获取的通行时间和所述目标卡口对中两个卡口之间的距离，计算所述目标卡口对所包括路段上车辆的平均通行速度；
所述获取模块，还用于获取每个监测时段中所述目标卡口对所包括路段上通行车辆的数量；
所述计算模块，还用于根据所述通行车辆的数量和所述平均通行速度，计算每个监测时段中所述目标卡口对所包括路段上的车流密度；
预测模块，用于根据每个监测时段中的车流密度，对当前时刻之后所述目标卡口对的交通拥堵情况进行预测， 具体预测方法为：如果每个监测时段中的车流密度均小于所述目标卡口对的拥堵密度临界值，并且距离所述当前时刻越近的监测时段的车流密度越大，所述当前时刻之前最近的监测时段的车流密度与所述拥堵密度临界值的差值小于或等于预定阈值，则确定所述目标卡口对在当前时刻之后的预定时段将发生交通拥堵。
6.根据权利要求5所述的装置，其特征在于，
所述计算模块，还用于在所述获取模块获取每个监测时段中目标卡口对所包括路段上车辆的通行时间之后，根据每个监测时段中目标卡口对所包括路段上每个车辆的通行时间和通行车辆的数量，计算每个监测时段中目标卡口对所包括路段上车辆的平均通行时间；
所述计算模块，具体用于根据所述平均通行时间和所述目标卡口对中两个卡口之间的距离，计算所述卡口对所包括路段上车辆的平均通行速度。
7.根据权利要求5所述的装置，其特征在于，
所述计算模块，具体用于将所述通行车辆的数量除以所述平均通行速度，以获得的商值作为每个监测时段中所述目标卡口对所包括路段上的车流密度。
8.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-4中任一所述的方法。
9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN201910011877.3A 2019-01-07 2019-01-07 交通拥堵的预测方法、装置和计算机设备 Active CN109658697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910011877.3A CN109658697B (zh) 2019-01-07 2019-01-07 交通拥堵的预测方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910011877.3A CN109658697B (zh) 2019-01-07 2019-01-07 交通拥堵的预测方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN109658697A CN109658697A (zh) 2019-04-19
CN109658697B true CN109658697B (zh) 2021-09-24

Family

ID=66118999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910011877.3A Active CN109658697B (zh) 2019-01-07 2019-01-07 交通拥堵的预测方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN109658697B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110428612B (zh) * 2019-07-05 2021-04-13 平安国际智慧城市科技股份有限公司 车辆管控方法、装置、计算机设备和存储介质
CN110335466B (zh) * 2019-07-11 2021-01-26 青岛海信网络科技股份有限公司 交通流量预测方法和设备
KR20190109324A (ko) * 2019-07-26 2019-09-25 엘지전자 주식회사 로봇 충전대의 위치를 추천하기 위한 방법, 장치 및 시스템
CN110533915B (zh) * 2019-09-23 2021-01-22 浙江科技学院 一种预防高速公路行车拥堵的智能化监控方法及系统
CN112991712B (zh) * 2019-12-02 2023-08-25 奥迪股份公司 预测交通密度的方法、系统、计算机设备和存储介质
CN111341099B (zh) * 2020-02-27 2022-05-10 阿里巴巴集团控股有限公司 一种数据处理方法、装置及电子设备
CN113628434B (zh) * 2020-05-06 2022-11-15 深圳市万普拉斯科技有限公司 交通状态监测方法、装置、计算机设备和可读存储介质
CN112630770A (zh) * 2020-12-02 2021-04-09 北京首科丰汇科技有限公司 一种高速公路服务质量评价方法及装置
CN113723191B (zh) * 2021-07-30 2024-03-29 高德软件有限公司 道路拥堵预测方法、基于位置的服务提供方法及程序产品
CN113610304A (zh) * 2021-08-11 2021-11-05 北京京东乾石科技有限公司 一种拥堵预测方法、装置、设备和存储介质
CN113706866B (zh) * 2021-08-27 2023-08-08 中国电信股份有限公司 道路堵塞监测方法及装置、电子设备、存储介质
CN114419907B (zh) * 2021-12-29 2023-10-27 联通智网科技股份有限公司 事故多发路段判断方法、装置、终端设备及介质
CN115240406B (zh) * 2022-05-31 2023-12-29 厦门路桥信息股份有限公司 道路拥堵的管理方法、装置、计算机可读介质及电子设备
CN115762164A (zh) * 2022-11-21 2023-03-07 重庆邮电大学 一种基于pwsl-kf模型的道路交通拥堵检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006309735A (ja) * 2005-03-28 2006-11-09 Ishikawajima Harima Heavy Ind Co Ltd 交通渋滞緩和装置および方法
CN104778834A (zh) * 2015-01-23 2015-07-15 哈尔滨工业大学 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN106803348A (zh) * 2017-03-28 2017-06-06 安徽四创电子股份有限公司 一种基于卡口的高架道路车辆行程时间短时预测方法
CN107240254A (zh) * 2017-08-02 2017-10-10 河北冀通慧达科技有限公司 交通路况预测方法及终端设备
CN108961788A (zh) * 2018-07-20 2018-12-07 张鹏 交通信号灯智慧变换方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9569960B2 (en) * 2015-02-24 2017-02-14 Here Global B.V. Method and apparatus for providing traffic jam detection and prediction

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006309735A (ja) * 2005-03-28 2006-11-09 Ishikawajima Harima Heavy Ind Co Ltd 交通渋滞緩和装置および方法
CN104778834A (zh) * 2015-01-23 2015-07-15 哈尔滨工业大学 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN106803348A (zh) * 2017-03-28 2017-06-06 安徽四创电子股份有限公司 一种基于卡口的高架道路车辆行程时间短时预测方法
CN107240254A (zh) * 2017-08-02 2017-10-10 河北冀通慧达科技有限公司 交通路况预测方法及终端设备
CN108961788A (zh) * 2018-07-20 2018-12-07 张鹏 交通信号灯智慧变换方法

Also Published As

Publication number Publication date
CN109658697A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
CN109658697B (zh) 交通拥堵的预测方法、装置和计算机设备
US20200309535A1 (en) Method, device, server and medium for determining quality of trajectory-matching data
CN109543909B (zh) 车辆案件数量的预测方法、装置和计算机设备
CN110426050B (zh) 地图匹配纠正方法、装置、设备和存储介质
US9513134B1 (en) Management of evacuation with mobile objects
CN106960571B (zh) 道路拥堵瓶颈点确定方法、装置、服务器及存储介质
CN111833607B (zh) 用于在社区云中进行路线导航共享的技术
EP4134630A1 (en) Method and apparatus for providing point of interest information
EP3437039A1 (en) Cold chain overall cost and quality software as a service module
US9644976B2 (en) Building missing movement path of an object
US11545030B2 (en) Vehicle traffic information analysis and traffic jam management
CN111076737A (zh) 基于车辆和推进系统特征的路线确定方法及系统
CN114194217B (zh) 车辆自动驾驶方法、装置、电子设备以及存储介质
CN112129304A (zh) 一种电子导航方法、装置、电子设备和存储介质
CN110493521B (zh) 自动驾驶摄像头控制方法、装置、电子设备、存储介质
CN113029165A (zh) 导航数据处理方法、装置、电子设备及存储介质
CN110531788B (zh) 无人机的巡航控制方法、装置和电子设备
US20200250968A1 (en) Traffic congestion estimation
CN113096441B (zh) 一种车辆预警方法、装置、车辆及存储介质
CN111896020B (zh) 用于信息处理的方法、电子设备和存储介质
US20200082723A1 (en) Dynamic predictive systems for vehicle traffic management
US20170350714A1 (en) Route planning based on connectivity of nodes
CN115839721A (zh) 一种行驶路线的预测方法、装置、车载终端及介质
CN113514073A (zh) 一种车联网智能导航越障方法、装置和电子设备
CN112419720A (zh) 交通状况监测方法、装置和电子设备

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