CN109949571A - 异常拥堵的判别方法及装置、设备及存储介质 - Google Patents
异常拥堵的判别方法及装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109949571A CN109949571A CN201910209311.1A CN201910209311A CN109949571A CN 109949571 A CN109949571 A CN 109949571A CN 201910209311 A CN201910209311 A CN 201910209311A CN 109949571 A CN109949571 A CN 109949571A
- Authority
- CN
- China
- Prior art keywords
- congestion
- section
- speed
- abnormal
- basis
- 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.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种异常拥堵的判别方法及装置、设备及存储介质。所述方法包括:获取当前时刻的拥堵基础路段的车辆行驶速度;获取与当前时刻及当前日期的类型同时对应的,拥堵基础路段的异常拥堵判别速度,其中异常拥堵判别速度由与当前日期的类型相同的各日期中,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度的标准差,及拥堵基础路段对应的速度放宽倍数的乘积确定;根据当前时刻的拥堵基础路段的车辆行驶速度及异常拥堵判别速度,确定拥堵基础路段是否异常拥堵。本发明实施例的技术方案实现了根据道路自身的实际车辆行驶情况,准确地判定道路的异常拥堵情况。
Description
技术领域
本发明实施例涉及道路交通状况的判别技术,尤其涉及一种异常拥堵的判别方法及装置、设备及存储介质。
背景技术
随着当前城市车辆的日益增长,道路拥堵现象也日趋严重。根据交通领域的划分,拥堵主要划分为常规拥堵和异常拥堵两种,常规拥堵主要是针对可预测的,多发生在早晚出行高峰期的路段拥堵,其原因多由于车流量大于道路承载的通行能力引起,交管部门可以提前指定预案进行处理;而异常拥堵多为突发事件引起,例如车辆碰撞、汽车故障等,这些事件往往难以预测,亟需通过技术手段帮助快速发现。
现有技术中,一般是通过下述两种方法对道路的异常拥堵情况进行判别:第一种是基于微波数据的异常拥堵点判别方法,该方法具体是根据人为设定的筛选阈值,对道路截面对应的微波雷达数据进行数据清洗,根据清洗后的微波数据确定时间槽内的历史拥堵概率,然后再根据人为设定的速度阈值以及历史拥堵概率,确定道路的交通状况;第二种是基于事件的道路交通异常拥堵判断方法,该方法具体是建立事件池,计算路段的历史平均速度以及实时拥堵指数,如果实时拥堵指数大于人为设定阈值、历史平均速度大于当前速度50%以上且当前路段无已知事件,则认为是该路段是异常拥堵。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:上述两种方法均采用人为设定的阈值来判断道路的拥堵情况,人为设定的阈值的适应性较差,难以适应各个道路自身不同的实际情况,较易出现道路拥堵情况判别错误。
发明内容
本发明实施例提供了一种异常拥堵的判别方法及装置、设备及存储介质,以实现根据道路自身的实际车辆行驶情况,准确地判定道路是否异常拥堵。
第一方面,本发明实施例提供了一种异常拥堵的判别方法,包括:
获取当前时刻的拥堵基础路段的车辆行驶速度;
获取与所述当前时刻以及当前日期的类型同时对应的,所述拥堵基础路段的异常拥堵判别速度,其中,所述异常拥堵判别速度由与当前日期的类型相同的各日期中,所述拥堵基础路段在所述当前时刻的历史同期的历史车辆行驶速度的标准差,以及所述拥堵基础路段对应的速度放宽倍数的乘积所确定;
根据所述当前时刻的拥堵基础路段的车辆行驶速度以及所述异常拥堵判别速度,确定所述拥堵基础路段是否异常拥堵。
第二方面,本发明实施例还提供了一种异常拥堵的判别装置,包括:
车辆行驶速度获取模块,用于获取当前时刻的拥堵基础路段的车辆行驶速度;
异常拥堵判别速度获取模块,用于获取与所述当前时刻以及当前日期的类型同时对应的,所述拥堵基础路段的异常拥堵判别速度,其中,所述异常拥堵判别速度由与当前日期的类型相同的各日期中,所述拥堵基础路段在所述当前时刻的历史同期的历史车辆行驶速度的标准差,以及所述拥堵基础路段对应的速度放宽倍数的乘积所确定;
异常拥堵判别模块,用于根据所述当前时刻的拥堵基础路段的车辆行驶速度以及所述异常拥堵判别速度,确定所述拥堵基础路段是否异常拥堵。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所述的异常拥堵的判别方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明任意实施例所述的异常拥堵的判别方法
本发明实施例提供了一种异常拥堵的判别方法及装置、设备及存储介质,通过根据与当前日期的类型相同的各日期中,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度的标准差,及拥堵基础路段对应的速度放宽倍数的乘积,来确定用于判别拥堵基础路段的异常拥堵情况的异常拥堵判别速度,解决了现有技术中使用人为设定的阈值来判断道路的拥堵情况时,由于人为设定的阈值的适应性较差,难以适应各不同道路的实际情况,导致对道路拥堵情况的判别准确率较低的技术缺陷,实现了根据道路自身的实际车辆行驶情况,准确地判定道路的异常拥堵情况。
附图说明
图1是本发明实施例一提供的异常拥堵的判别方法的流程图;
图2是本发明实施例二提供的异常拥堵的判别方法的流程图;
图3是本发明实施例三提供的异常拥堵的判别方法的流程图;
图4是本发明实施例四提供的异常拥堵的判别装置的结构图;
图5是本发明实施例五提供的一种设备的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种异常拥堵的判别方法的流程图,本实施例可适用于道路导航软件获取实时路况的情况,该方法可以由异常拥堵的判别来执行,该装置可以通过软件和/或硬件实现,该装置可集成在服务器等设备中。如图1所示,该方法具体包括如下步骤:
S101、获取当前时刻的拥堵基础路段的车辆行驶速度。
在本实施例中,基础路段具体是指对各条连续道路进行等长或不等长的划分,得到的各个路段。当前时刻的拥堵基础路段具体是指在当前时间点下,路段中的车辆的行驶速度小于,该路段对应的正常行驶速度范围中的最小值的基础路段。
可以理解的是,不同的基础路段的路面状况、道路宽度、行人以及自行车的流量都不尽相同,因此,不同的基础路段的限速可能不同。所以,在确定基础路段是否拥堵时,所使用的上述“正常行驶速度范围中的最小值”可能是不同的。示例性地,如果一条基础路段的限速为20km/小时,那么该基础路段的车辆行驶速度小于10km/小时时,才确认该基础路段拥堵;如果一条基础路段的限速为100km/小时,那么该基础路段的车辆行驶速度小于50km/小时时,就确认该基础路段拥堵。
进一步地,道路中车辆行驶速度具体可以是通过对道路的图像进行图像分析,或对道路中或两旁安装的传感器发送的数据进行数据分析等手段得到的,该技术属于现有技术,在此不再进行详细阐述。
S102、获取与当前时刻以及当前日期的类型同时对应的,拥堵基础路段的异常拥堵判别速度,其中,异常拥堵判别速度由与当前日期的类型相同的各日期中,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度的标准差,以及拥堵基础路段对应的速度放宽倍数的乘积所确定。
在本实施例中,异常拥堵具体是指不正常的拥堵。具体来说,由早晚高峰车流辆量大导致的拥堵是一种正常拥堵,然而由于车祸、路面塌陷等现象导致的拥堵就是异常拥堵,而异常拥堵时基础路段的车辆行驶速度,往往比该基础路段在正常拥堵时的车辆行驶速度要小。本实施例中,通过步骤101至步骤103就要在拥堵基础路段中,挑选出异常拥堵的基础路段,以给交警提供有效的路况信息,使交警可以尽早地到达事故发生现场。
可以理解的是,同一基础路段在一天中的不同时刻的常规车流量是不尽相同的,例如,在早晚高峰时车流量会较大,而在中午时间段内车流量较小,那么,在早晚高峰时基础路段拥堵是正常现象,而在中午时间段内拥堵可能就是不正常的现象。因此,在本实施例中,为了准确的判别基础路段是否为异常拥堵,对应于一天中的不同时刻,对同一基础路段设置了不完全相同的异常拥堵判别速度。
进一步可以理解的是,在不同类型的日期下,基础路段在相同时刻的常规车流量也是不尽相同的。例如,在工作日的早8点,以及在周末的早8点或节假日的早8点,同一基础路段的常规车流量是不同的。进一步地,在晴天的工作日的早8点,以及在雨雪天的工作日的早8点,同一基础路段的常规车流量也是不同的。因此,在本实施例中,为了准确的判别基础路段是否为异常拥堵,对应于不同类型的日期中的不同时刻,对同一基础路段设置了不完全相同的异常拥堵判别速度。
具体来说,通过步骤101所获取的当前时刻的拥堵路段的异常拥堵判别速度是依据与当前日期的类型相同的各日期中,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度计算得到的。示例性地,当前日期的类型为晴天的工作日,当前时刻为早8点,那么就应先获取在当前日期之前的各晴天工作日中,拥堵基础路段在早8点的各车辆行驶速度。
在这里需要说明的是,不同的基础路段发生异常拥堵的可能性是不尽相同的。例如,具有较大坡度的基础路段、人流车流较为混乱的基础路段、具有驾驶盲区的基础路段等这些基础路段发生异常拥堵的概率较大。而具有较宽的路面的基础路段、车流人流正规分离的基础路段等这些基础路段发生异常拥堵的概率较小。
进一步地,同一基础路段在相同日期类型的各日期中的相同时刻的各个车辆行驶速度,满足正态分布。基于正态分布的含义,可知,标准差体现了正态分布的数据集中度,并且对于任何正态分布来说,数据落入N倍的标准差以外的概率都是相同的。示例性地,对于任意正态分布来说,数据落入2倍的标准差以外的概率都是5%。因此,如果将各基础拥堵路段在某一类型日期中的某一时刻的异常拥堵判别速度,都设置为该基础拥堵路段在该某一类型日期中的该某一时刻的历史车辆行驶速度的标准差的固定倍数,则难以准确判断该基础拥堵路段是否真的是异常拥堵。
所以,本实施例中的异常拥堵的判别方法中,创造性地依据基础路段的实际情况,确定用于与标准差相乘进而得到异常拥堵判别速度的速度放宽倍数。其中,速度放宽倍数用于与标准差相乘进而得到异常拥堵判别速度,通过改变速度放宽倍数的数值大小,可以调节当前时刻的车辆行驶速度落入异常拥堵对应的速度范围内的概率。
具体来说,如果基础路段经常发生车祸等交通事故,或基础路段的交通状况较为混乱等情况下,可以对该基础路段设置一个较小的速度放宽倍数,增加了该基础路段的当前时刻的车辆行驶速度落入异常拥堵对应的速度范围内的概率;如果基础路段路面较宽、人流车流正规分离等情况下,可以对该基础路段设置一个较大的速度放宽倍数,降低了该基础路段的当前时刻的车辆行驶速度落入异常拥堵对应的速度范围内的概率。
S103、根据当前时刻的拥堵基础路段的车辆行驶速度以及异常拥堵判别速度,确定拥堵基础路段是否异常拥堵。
在本实施例中,在确定拥堵基础路段的异常拥堵判别速度之后,就依据当前时刻的拥堵基础路段的车辆行驶速度,与异常拥堵判别速度的大小关系,确定拥堵基础路段是否异常拥堵。
本发明实施例提供了一种异常拥堵的判别方法,通过根据与当前日期的类型相同的各日期中,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度的标准差,及拥堵基础路段对应的速度放宽倍数的乘积,来确定用于判别拥堵基础路段的异常拥堵情况的异常拥堵判别速度,解决了现有技术中使用人为设定的阈值来判断道路的拥堵情况时,由于人为设定的阈值的适应性较差,难以适应各不同道路的实际情况,导致对道路拥堵情况的判别准确率较低的技术缺陷,实现了根据道路自身的实际车辆行驶情况,准确地判定道路的异常拥堵情况。
实施例二
图2是本发明实施例二提供的一种异常拥堵的判别方法的流程图。本实施例以上述实施例为基础进行优化,在本实施例中,给出了一种具体化异常拥堵判别速度的确定过程,具体化拥堵基础路段是否异常拥堵的判断过程,以及增加当前拥堵路段的确定以及当前拥堵路段是否异常拥堵的判断过程的具体实施方式。与上述实施例相同或相应的术语解释,本实施例不再赘述。
相应的,本实施例的方法具体包括:
S201、获取当前时刻的拥堵基础路段的车辆行驶速度。
S202、获取设定时间长度内的,与当前日期的类型相同的各日期中的,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度。
在本实施例中,通过步骤202至步骤204确定拥堵基础路段的异常拥堵判别速度。
首先,通过本步骤202获取设定时间长度内的,与当前日期的类型相同的各日期中的,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度。示例性地,设定时间长度为今天之前的6个月,当前日期的类型为工作日,当前时刻为早8点,则通过本步骤所获取的就是6个月内的每个工作日中,拥堵基础路段在早8点的车辆行驶速度。
进一步地,在本实施例中,将历史车辆行驶速度限定为当前时刻的历史车辆行驶速度,其实,在实际情况中,一条基础路段的车辆行驶速度在短时间内不会出现较大变化,且短时间内的平均速度可以更好地体现该基础路段的实际车辆行驶情况。因此,所获取的历史车辆行驶速度也可以是当前时刻前后N分钟(例如5分钟)内的各历史车辆行驶速度的平均速度。
S203、计算各历史车辆行驶速度对应的速度正态分布的速度标准差。
在本实施例中,会根据正态分布的标准差计算公式,计算通过步骤202所获的所有历史车辆行驶速度对应的速度标准差。
S204、将速度标准差,以及拥堵基础路段对应的速度放宽倍数的乘积,作为拥堵基础路段的异常拥堵判别速度。
在本实施例中,异常拥堵判别速度等于拥堵基础路段对应的速度放宽倍数,与该拥堵基础路段的速度标准差的乘积。依据N倍的标准差与数据落入该N倍的标准差以外的概率的对应情况,拥堵基础路段对应的速度放宽倍数一般可以设置为1至2.5中的任意数值。
S205、判断当前时刻的拥堵基础路段的车辆行驶速度是否小于该拥堵基础路段的异常拥堵判别速度,若是,则执行步骤206,若否,则执行步骤207。
可以理解的是,由于异常拥堵判别速度等于拥堵基础路段对应的速度放宽倍数,与该拥堵基础路段的速度标准差的乘积,且同一基础路段在相同日期类型的各日期中的相同时刻的各个车辆行驶速度,满足正态分布。因此,车辆行驶速度落入异常拥堵判别速度以外(即小于异常拥堵速度,或大于异常拥堵速度)的概率较小。
所以,在本实施例中,如果当前时刻的拥堵基础路段的车辆行驶速度小于该拥堵基础路段的异常拥堵判别速度,则确定该拥堵基础路段为异常拥堵。
S206、确定拥堵基础路段为异常拥堵。
S207、确定拥堵基础路段为常规拥堵。
S208、根据当前时刻的各拥堵基础路段,确定各当前拥堵路段,其中,一个当前拥堵路段至少包括一个拥堵基础路段。
在本实施例中,在确定各个异常拥堵的拥堵基础路段之后,会对所有拥堵基础路段进行融合操作,得到各当前拥堵路段。其中,一个当前拥堵路段至少包括一个拥堵基础路段。示例性地,可以是根据路网记录的基础路段之间的前后连接关系,使用递归算法进行计算,得到各拥堵路段。
S209、根据当前拥堵路段中包括的异常拥堵的拥堵基础路段的数量,确定当前拥堵路段是否异常拥堵。
在本实施例中,在得到当前拥堵路段之后,会根据当前拥堵路段中包括的异常拥堵的拥堵基础路段的数量,确定当前拥堵路段是否异常拥堵。具体可以是设定一个数量阈值,如果当前拥堵路段中包括的异常拥堵的拥堵基础路段的数量大于等于该数量阈值,则确定该当前拥堵路段为异常拥堵等。
本发明实施例提供了一种异常拥堵的判别方法,该方法具体化了异常拥堵判别速度的确定过程,实现了准确、快速以及简便的获取拥堵基础路段的异常拥堵判别速度,具体化了拥堵基础路段是否异常拥堵的判断过程,实现了准确、简便地确定拥堵基础路段是否异常拥堵,还增加了当前拥堵路段的确定以及当前拥堵路段是否异常拥堵的判断过程,实现了准确、快速地确定当前异常拥堵的道路,以为交通管制部门及时提供准确、有效的道路路况,提高交警出警的准确度和及时性。
实施例三
图3是本发明实施例三提供的一种异常拥堵的判别方法的流程图。本实施例以上述实施例为基础进行优化,在本实施例中,给出了一种具体化异常拥堵判别速度的确定过程,具体化当前拥堵路段是否异常拥堵的判断过程,以及增加设定比例的获取过程的具体实施方式。与上述实施例相同或相应的术语解释,本实施例不再赘述。
相应的,本实施例的方法具体包括:
S301、获取当前时刻的拥堵基础路段的车辆行驶速度。
S302、获取设定时间长度内的,与当前日期的类型相同的各日期中的,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度。
S303、计算各历史车辆行驶速度对应的速度正态分布的速度标准差。
S304、判断拥堵基础路段的历史异常拥堵率是否大于第一设定阈值,若是,则执行步骤305,若否,则执行步骤306。
在本实施例中,速度放宽倍数是由拥堵基础路段的历史异常拥堵率、第一设定阈值以及第二设定阈值确定的。其中,历史异常拥堵率具体可以是在设定时间长度内,拥堵基础路段的异常拥堵次数除以总拥堵次数的商。
进一步地,在本实施例中,设置了两个阈值来与历史异常拥堵率共同判断拥堵基础路段是否为异常拥堵。
可以理解的是,不同的基础路段发生异常拥堵的概率不尽相同,有的基础路段较易出现异常拥堵,有的基础路段不易出现异常拥堵,其他大部分基础路段出现异常拥堵的概率大致相同。因此,在本实施例中,设置了两个阈值以得到三个数值范围,分别对应上述三种出现异常拥堵的概率。其中,第一设定阈值对应于较易出现异常拥堵的一类基础路段出现异常拥堵的概率,第二设定阈值对应于不易出现异常拥堵的一类基础路段出现异常拥堵的概率。相应地可知,第一设定阈值大于第二设定阈值。
进一步地,基于上述两个阈值的含义可知,第一速度放宽倍数应小大于第二速度放宽倍数,第二速度放宽倍数应小于第三速度放宽倍数,以使得越容易出现异常拥堵的基础路段的当前车辆行驶速度,落入异常拥堵判别速度的范围内的概率越大。且第一速度放宽倍数、第二速度放宽倍数以及第三速度放宽倍数均为正数。
S305、将速度标准差的数值乘以第一速度放宽倍数的积,作为拥堵基础路段的异常拥堵判别速度。
在本实施例中,如果拥堵基础路段的历史异常拥堵率大于第一设定阈值,则确认拥堵基础路段较易出现异常拥堵,因此,使用数值相对较小的第一速度放宽倍数乘以速度标准差,以扩大拥堵基础路段的异常拥堵判别速度的范围。
S306、判断拥堵基础路段的历史异常拥堵率是否小于第一设定阈值且大于第二设定阈值,若是,则执行步骤307,若否,则执行步骤308。
S307、将速度标准差的数值乘以第二速度放宽倍数的积,作为拥堵基础路段的异常拥堵判别速度。
在本实施例中,如果拥堵基础路段的历史异常拥堵率小于第一设定阈值且大于第二设定阈值,则确认拥堵基础路段出现异常拥堵的改了与其他大部分基础路段相同,因此,使用数值相对居中的第二速度放宽倍数乘以速度标准差,以使拥堵基础路段的异常拥堵判别速度的范围适中。
S308、将速度标准差的数值乘以第三速度放宽倍数的积,作为拥堵基础路段的异常拥堵判别速度。
在本实施例中,如果拥堵基础路段的历史异常拥堵率小于第二设定阈值,则确认拥堵基础路段不易出现异常拥堵,因此,使用数值相对较大的第三速度放宽倍数乘以速度标准差,以缩小拥堵基础路段的异常拥堵判别速度的范围。
S309、判断当前时刻的拥堵基础路段的车辆行驶速度是否小于该拥堵基础路段的异常拥堵判别速度,若是,则执行步骤310,若否,则执行步骤311。
S310、确定拥堵基础路段为异常拥堵。
S311、确定拥堵基础路段为常规拥堵。
S312、根据当前时刻的各拥堵基础路段,确定各当前拥堵路段,其中,一个当前拥堵路段至少包括一个拥堵基础路段。
S313、计算当前拥堵路段中包括的异常拥堵的拥堵基础路段的数量占比。
在本实施例中,当前拥堵路段是否为异常拥堵,是根据当前拥堵路段中包括的异常拥堵的拥堵基础路段的数量,除以当前拥堵路段中包括的所有拥堵基础路段的商,以及步骤314所确定的设定比例而共同确定的。
S314、根据当前拥堵路段所处的天气情况以及对应的临时事件,确定设定比例。
在本实施例中,设定比例不是一个固定数值,而是由当前拥堵路段所处的天气情况以及对应的临时事件共同确定的。其中,临时时间具体可以是交通管制等。
可以理解的是,在雨雪天气或交通管制时间段内,道路较容易出现异常拥堵,而在晴天且交通管制的情况下,道路出现异常拥堵的情况是与常规情况相同的。因此,在本实施例中,用于判别当前拥堵道路是否异常拥堵的设定比例,是依据当前拥堵路段所处的天气情况以及对应的临时事件而变化的。示例性地,如果当前未雨雪天气,则可以把设定比例设定的小一些。
S315、判断数量占比是否大于设定比例,若是,则执行步骤316,若否,则执行步骤317。
在本实施例中,如果当前拥堵路段中包括的异常拥堵的拥堵基础路段的数量占比大于设定比例,则认为当前拥堵路段所包括的异常拥堵的拥堵基础路段较多,确认该当前拥堵路段为异常拥堵。
S316、确定当前拥堵路段为异常拥堵。
S317、确定当前拥堵路段非异常拥堵
本发明实施例提供了一种异常拥堵的判别方法,该方法具体化了异常拥堵判别速度的确定过程,实现了基于拥堵基础路段的历史异常拥堵情况,准确的确定该拥堵基础路段的异常拥堵判别速度,具体化了当前拥堵路段是否异常拥堵的判断过程,实现了通过异常拥堵基础路段的占比,有效、准确以及简便地确定当前拥堵路段是否为异常拥堵,以及增加了设定比例的获取过程,提高了对当前拥堵路段是否异常拥堵的判别准确度。
实施例四
图4是本发明实施例四提供的一种异常拥堵的判别装置的结构图,本实施例在上述各实施例的基础上,提供了“异常拥堵的判别方法”的实施方式。与上述实施例相同或相应的术语解释,本实施例不再赘述。
如图4所示,所述装置包括:车辆行驶速度获取模块401、异常拥堵判别速度获取模块402以及异常拥堵判别模块403,其中:
车辆行驶速度获取模块401,用于获取当前时刻的拥堵基础路段的车辆行驶速度;
异常拥堵判别速度获取模块402,用于获取与当前时刻以及当前日期的类型同时对应的,拥堵基础路段的异常拥堵判别速度,其中,异常拥堵判别速度由与当前日期的类型相同的各日期中,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度的标准差,以及拥堵基础路段对应的速度放宽倍数的乘积所确定;
异常拥堵判别模块403,用于根据当前时刻的拥堵基础路段的车辆行驶速度以及异常拥堵判别速度,确定拥堵基础路段是否异常拥堵。
本发明实施例提供了一种异常拥堵的判别装置,该装置首先通过车辆行驶速度获取模块401获取当前时刻的拥堵基础路段的车辆行驶速度,然后通过异常拥堵判别速度获取模块402获取与当前时刻以及当前日期的类型同时对应的,拥堵基础路段的异常拥堵判别速度,其中,异常拥堵判别速度由与当前日期的类型相同的各日期中,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度的标准差,以及拥堵基础路段对应的速度放宽倍数的乘积所确定,最后通过异常拥堵判别模块403根据当前时刻的拥堵基础路段的车辆行驶速度以及异常拥堵判别速度,确定拥堵基础路段是否异常拥堵。
该装置解决了现有技术中使用人为设定的阈值来判断道路的拥堵情况时,由于人为设定的阈值的适应性较差,难以适应各不同道路的实际情况,导致对道路拥堵情况的判别准确率较低的技术缺陷,实现了根据道路自身的实际车辆行驶情况,准确地判定道路的异常拥堵情况。
在上述各实施例的基础上,异常拥堵判别速度获取模块402可以包括:
历史车辆行驶速度获取单元,用于获取设定时间长度内的,与当前日期的类型相同的各日期中的,拥堵基础路段在当前时刻的历史同期的历史车辆行驶速度;
速度标准差获取单元,用于计算各历史车辆行驶速度对应的速度正态分布的速度标准差;
异常拥堵确定单元,用于将速度标准差,以及拥堵基础路段对应的速度放宽倍数的乘积,作为拥堵基础路段的异常拥堵判别速度。
在上述各实施例的基础上,异常拥堵确定单元可以包括:
第一判断子单元,用于如果拥堵基础路段的历史异常拥堵率大于第一设定阈值,则将速度标准差的数值乘以第一速度放宽倍数的积,作为拥堵基础路段的异常拥堵判别速度;
第二判断子单元,用于如果拥堵基础路段的历史异常拥堵率小于第一设定阈值且大于第二设定阈值,则将速度标准差的数值乘以第二速度放宽倍数的积,作为拥堵基础路段的异常拥堵判别速度;
第三判断子单元,用于如果拥堵基础路段的历史异常拥堵率小于第二设定阈值,则将速度标准差的数值乘以第三速度放宽倍数的积,作为拥堵基础路段的异常拥堵判别速度;
其中,第一速度放宽倍数小于第二速度放宽倍数,第二速度放宽倍数小于第三速度放宽倍数,且第一速度放宽倍数、第二速度放宽倍数以及第三速度放宽倍数均为正数。
在上述各实施例的基础上,异常拥堵判别模块403可以包括:
异常拥堵判定单元,用于如果当前时刻的拥堵基础路段的车辆行驶速度小于该拥堵基础路段的异常拥堵判别速度,则确定拥堵基础路段为异常拥堵;
常规拥堵判定单元,用于如果当前时刻的拥堵基础路段的车辆行驶速度大于等于该拥堵基础路段的异常拥堵判别速度,则确定拥堵基础路段为常规拥堵。
在上述各实施例的基础上,还可以包括:
当前拥堵路段确定模块,用于在根据当前时刻的拥堵基础路段的车辆行驶速度,以及该拥堵基础路段对应的异常拥堵判别速度,确定拥堵基础路段是否异常拥堵之后,根据当前时刻的各拥堵基础路段,确定各当前拥堵路段,其中,一个当前拥堵路段至少包括一个拥堵基础路段;
拥堵路段异常拥堵判别模块,用于根据当前拥堵路段中包括的异常拥堵的拥堵基础路段的数量,确定当前拥堵路段是否异常拥堵。
在上述各实施例的基础上,拥堵路段异常拥堵判别模块可以包括:
占比计算单元,用于计算当前拥堵路段中包括的异常拥堵的拥堵基础路段的数量占比;
拥堵判别单元,用于如果数量占比大于设定比例,则确定当前拥堵路段为异常拥堵。
在上述各实施例的基础上,还可以包括:
设定比例确定单元,用于在如果数量占比大于设定比例,则确定当前拥堵路段为异常拥堵之前,根据当前拥堵路段所处的天气情况以及对应的临时事件,确定设定比例。
本发明实施例所提供的异常拥堵的判别装置可执行本发明任意实施例所提供的异常拥堵的判别方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的异常拥堵的判别方法。
实施例五
图5为本发明实施例五提供的一种设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备12的框图。图5显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,设备12以通用计算设备的形式表现。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(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
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(RAM)30和/或高速缓存存储器32。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5未显示,通常称为“硬盘驱动器”)。尽管图5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CD-ROM,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。系统存储器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发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器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通常执行本发明所描述的实施例中的功能和/或方法。
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设备12交互的设备通信,和/或与使得该设备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,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(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备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,例如实现本发明实施例所提供的异常拥堵的判别方法。也即:获取当前时刻的拥堵基础路段的车辆行驶速度;获取与所述当前时刻以及当前日期的类型同时对应的,所述拥堵基础路段的异常拥堵判别速度,其中,所述异常拥堵判别速度由与当前日期的类型相同的各日期中,所述拥堵基础路段在所述当前时刻的历史同期的历史车辆行驶速度的标准差,以及所述拥堵基础路段对应的速度放宽倍数的乘积所确定;根据所述当前时刻的拥堵基础路段的车辆行驶速度以及所述异常拥堵判别速度,确定所述拥堵基础路段是否异常拥堵。
实施例六
本发明实施例六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,其特征在于,该程序被处理器执行时实现如本发明任意实施例所述的异常拥堵的判别方法。也即:获取当前时刻的拥堵基础路段的车辆行驶速度;获取与所述当前时刻以及当前日期的类型同时对应的,所述拥堵基础路段的异常拥堵判别速度,其中,所述异常拥堵判别速度由与当前日期的类型相同的各日期中,所述拥堵基础路段在所述当前时刻的历史同期的历史车辆行驶速度的标准差,以及所述拥堵基础路段对应的速度放宽倍数的乘积所确定;根据所述当前时刻的拥堵基础路段的车辆行驶速度以及所述异常拥堵判别速度,确定所述拥堵基础路段是否异常拥堵。
本发明实施例的计算机存储介质,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(ROM)、可擦式可编程只读存储器(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发明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(LAN)或广域网(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)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种异常拥堵的判别方法,其特征在于,包括:
获取当前时刻的拥堵基础路段的车辆行驶速度;
获取与所述当前时刻以及当前日期的类型同时对应的,所述拥堵基础路段的异常拥堵判别速度,其中,所述异常拥堵判别速度由与当前日期的类型相同的各日期中,所述拥堵基础路段在所述当前时刻的历史同期的历史车辆行驶速度的标准差,以及所述拥堵基础路段对应的速度放宽倍数的乘积所确定;
根据所述当前时刻的拥堵基础路段的车辆行驶速度以及所述异常拥堵判别速度,确定所述拥堵基础路段是否异常拥堵。
2.根据权利要求1所述的方法,其特征在于,获取与所述当前时刻以及当前日期的类型同时对应的,所述拥堵基础路段的异常拥堵判别速度,包括:
获取设定时间长度内的,与当前日期的类型相同的各日期中的,所述拥堵基础路段在所述当前时刻的历史同期的历史车辆行驶速度;
计算各所述历史车辆行驶速度对应的速度正态分布的速度标准差;
将所述速度标准差,以及所述拥堵基础路段对应的速度放宽倍数的乘积,作为所述拥堵基础路段的异常拥堵判别速度。
3.根据权利要求2所述的方法,其特征在于,将所述速度标准差,以及所述拥堵基础路段对应的速度放宽倍数的乘积,作为所述拥堵基础路段的异常拥堵判别速度,包括:
如果所述拥堵基础路段的历史异常拥堵率大于第一设定阈值,则将所述速度标准差的数值乘以第一速度放宽倍数的积,作为所述拥堵基础路段的异常拥堵判别速度;
如果所述拥堵基础路段的历史异常拥堵率小于所述第一设定阈值且大于第二设定阈值,则将所述速度标准差的数值乘以第二速度放宽倍数的积,作为所述拥堵基础路段的异常拥堵判别速度;
如果所述拥堵基础路段的历史异常拥堵率小于所述第二设定阈值,则将所述速度标准差的数值乘以第三速度放宽倍数的积,作为所述拥堵基础路段的异常拥堵判别速度;
其中,所述第一速度放宽倍数小于所述第二速度放宽倍数,所述第二速度放宽倍数小于所述第三速度放宽倍数,且所述第一速度放宽倍数、所述第二速度放宽倍数以及所述第三速度放宽倍数均为正数。
4.根据权利要求1-3中任一项所述的方法,其特征在于,根据所述当前时刻的拥堵基础路段的车辆行驶速度以及所述异常拥堵判别速度,确定所述拥堵基础路段是否异常拥堵,包括:
如果所述当前时刻的拥堵基础路段的车辆行驶速度小于该拥堵基础路段的所述异常拥堵判别速度,则确定所述拥堵基础路段为异常拥堵;
如果所述当前时刻的拥堵基础路段的车辆行驶速度大于等于该拥堵基础路段的所述异常拥堵判别速度,则确定所述拥堵基础路段为常规拥堵。
5.根据权利要求1-3中任一项所述的方法,其特征在于,在所述根据所述当前时刻的拥堵基础路段的车辆行驶速度,以及该拥堵基础路段对应的所述异常拥堵判别速度,确定所述拥堵基础路段是否异常拥堵之后,还包括:
根据所述当前时刻的各所述拥堵基础路段,确定各当前拥堵路段,其中,一个所述当前拥堵路段至少包括一个所述拥堵基础路段;
根据所述当前拥堵路段中包括的异常拥堵的所述拥堵基础路段的数量,确定所述当前拥堵路段是否异常拥堵。
6.根据权利要求5所述的方法,其特征在于,根据所述当前拥堵路段中包括的异常拥堵的所述拥堵基础路段的数量,确定所述当前拥堵路段是否异常拥堵,包括:
计算所述当前拥堵路段中包括的异常拥堵的所述拥堵基础路段的数量占比;
如果所述数量占比大于设定比例,则确定所述当前拥堵路段为异常拥堵。
7.根据权利要求6所述的方法,其特征在于,在所述如果所述数量占比大于设定比例,则确定所述当前拥堵路段为异常拥堵之前,还包括:
根据当前拥堵路段所处的天气情况以及对应的临时事件,确定所述设定比例。
8.一种异常拥堵的判别装置,其特征在于,包括:
车辆行驶速度获取模块,用于获取当前时刻的拥堵基础路段的车辆行驶速度;
异常拥堵判别速度获取模块,用于获取与所述当前时刻以及当前日期的类型同时对应的,所述拥堵基础路段的异常拥堵判别速度,其中,所述异常拥堵判别速度由与当前日期的类型相同的各日期中,所述拥堵基础路段在所述当前时刻的历史同期的历史车辆行驶速度的标准差,以及所述拥堵基础路段对应的速度放宽倍数的乘积所确定;
异常拥堵判别模块,用于根据所述当前时刻的拥堵基础路段的车辆行驶速度以及所述异常拥堵判别速度,确定所述拥堵基础路段是否异常拥堵。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的异常拥堵的判别方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的异常拥堵的判别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910209311.1A CN109949571A (zh) | 2019-03-19 | 2019-03-19 | 异常拥堵的判别方法及装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910209311.1A CN109949571A (zh) | 2019-03-19 | 2019-03-19 | 异常拥堵的判别方法及装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109949571A true CN109949571A (zh) | 2019-06-28 |
Family
ID=67010268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910209311.1A Pending CN109949571A (zh) | 2019-03-19 | 2019-03-19 | 异常拥堵的判别方法及装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949571A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462484A (zh) * | 2020-03-31 | 2020-07-28 | 腾讯科技(深圳)有限公司 | 拥堵状态的确定方法、装置、设备及计算机可读存储介质 |
CN111814648A (zh) * | 2020-06-30 | 2020-10-23 | 北京百度网讯科技有限公司 | 一种站口拥堵情况确定方法、装置、设备及存储介质 |
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 |
CN113808401A (zh) * | 2021-09-18 | 2021-12-17 | 平安普惠企业管理有限公司 | 交通拥堵预测方法、装置、设备及存储介质 |
CN114241140A (zh) * | 2022-02-24 | 2022-03-25 | 武汉图景空间信息技术有限公司 | 一种基于gis的车流实景三维建模方法和系统 |
CN114333325A (zh) * | 2022-01-06 | 2022-04-12 | 李会兵 | 高速公路异常状况检测方法及系统 |
CN114613137A (zh) * | 2022-03-07 | 2022-06-10 | 同盾科技有限公司 | 应用于高速公路的拥堵指数确定方法、装置、介质及设备 |
CN114627642A (zh) * | 2022-02-25 | 2022-06-14 | 青岛海信网络科技股份有限公司 | 一种交通拥堵识别方法及装置 |
CN114724361A (zh) * | 2022-03-16 | 2022-07-08 | 阿里巴巴(中国)有限公司 | 路况确定方法、装置及计算机可读存储介质 |
CN116729371A (zh) * | 2023-06-15 | 2023-09-12 | 黑龙江大学 | 基于雷达和视频联动的车辆潜在危险检测系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200667A (zh) * | 2014-09-19 | 2014-12-10 | 上海美慧软件有限公司 | 一种基于手机信号数据的交通拥堵分级检测方法 |
CN104240499A (zh) * | 2014-06-23 | 2014-12-24 | 银江股份有限公司 | 一种基于微波数据的异常拥堵点判别方法 |
CN104680714A (zh) * | 2015-03-24 | 2015-06-03 | 北京嘀嘀无限科技发展有限公司 | 用于向用户发送提醒的方法及系统 |
CN105788256A (zh) * | 2016-03-30 | 2016-07-20 | 北京交通大学 | 基于车联网的路况信息感知方法 |
CN106530694A (zh) * | 2016-11-07 | 2017-03-22 | 深圳大学 | 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 |
EP2671047B1 (en) * | 2011-02-03 | 2017-03-29 | TomTom Traffic B.V. | Generating jam related segment data |
CN106887137A (zh) * | 2015-12-15 | 2017-06-23 | 高德信息技术有限公司 | 拥堵事件提示方法及装置 |
CN107798876A (zh) * | 2017-11-07 | 2018-03-13 | 上海炬宏信息技术有限公司 | 基于事件的道路交通异常拥堵判断方法 |
-
2019
- 2019-03-19 CN CN201910209311.1A patent/CN109949571A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2671047B1 (en) * | 2011-02-03 | 2017-03-29 | TomTom Traffic B.V. | Generating jam related segment data |
CN104240499A (zh) * | 2014-06-23 | 2014-12-24 | 银江股份有限公司 | 一种基于微波数据的异常拥堵点判别方法 |
CN104200667A (zh) * | 2014-09-19 | 2014-12-10 | 上海美慧软件有限公司 | 一种基于手机信号数据的交通拥堵分级检测方法 |
CN104680714A (zh) * | 2015-03-24 | 2015-06-03 | 北京嘀嘀无限科技发展有限公司 | 用于向用户发送提醒的方法及系统 |
CN106887137A (zh) * | 2015-12-15 | 2017-06-23 | 高德信息技术有限公司 | 拥堵事件提示方法及装置 |
CN105788256A (zh) * | 2016-03-30 | 2016-07-20 | 北京交通大学 | 基于车联网的路况信息感知方法 |
CN106530694A (zh) * | 2016-11-07 | 2017-03-22 | 深圳大学 | 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 |
CN107798876A (zh) * | 2017-11-07 | 2018-03-13 | 上海炬宏信息技术有限公司 | 基于事件的道路交通异常拥堵判断方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462484A (zh) * | 2020-03-31 | 2020-07-28 | 腾讯科技(深圳)有限公司 | 拥堵状态的确定方法、装置、设备及计算机可读存储介质 |
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 |
CN111814648A (zh) * | 2020-06-30 | 2020-10-23 | 北京百度网讯科技有限公司 | 一种站口拥堵情况确定方法、装置、设备及存储介质 |
CN113808401B (zh) * | 2021-09-18 | 2023-02-10 | 平安普惠企业管理有限公司 | 交通拥堵预测方法、装置、设备及存储介质 |
CN113808401A (zh) * | 2021-09-18 | 2021-12-17 | 平安普惠企业管理有限公司 | 交通拥堵预测方法、装置、设备及存储介质 |
CN114333325A (zh) * | 2022-01-06 | 2022-04-12 | 李会兵 | 高速公路异常状况检测方法及系统 |
CN114241140A (zh) * | 2022-02-24 | 2022-03-25 | 武汉图景空间信息技术有限公司 | 一种基于gis的车流实景三维建模方法和系统 |
CN114627642A (zh) * | 2022-02-25 | 2022-06-14 | 青岛海信网络科技股份有限公司 | 一种交通拥堵识别方法及装置 |
CN114627642B (zh) * | 2022-02-25 | 2023-03-14 | 青岛海信网络科技股份有限公司 | 一种交通拥堵识别方法及装置 |
CN114613137A (zh) * | 2022-03-07 | 2022-06-10 | 同盾科技有限公司 | 应用于高速公路的拥堵指数确定方法、装置、介质及设备 |
CN114613137B (zh) * | 2022-03-07 | 2023-02-21 | 同盾科技有限公司 | 应用于高速公路的拥堵指数确定方法、装置、介质及设备 |
CN114724361A (zh) * | 2022-03-16 | 2022-07-08 | 阿里巴巴(中国)有限公司 | 路况确定方法、装置及计算机可读存储介质 |
CN116729371A (zh) * | 2023-06-15 | 2023-09-12 | 黑龙江大学 | 基于雷达和视频联动的车辆潜在危险检测系统 |
CN116729371B (zh) * | 2023-06-15 | 2023-11-14 | 黑龙江大学 | 基于雷达和视频联动的车辆潜在危险检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949571A (zh) | 异常拥堵的判别方法及装置、设备及存储介质 | |
CN109448367B (zh) | 一种基于大数据图像采集的智能道路交通追踪管理系统 | |
CN104021672B (zh) | 一种获取交通拥堵指数的方法和装置 | |
Chang et al. | Modelling and evaluation of adaptive bus-preemption control with and without automatic vehicle location systems | |
CN103632542A (zh) | 交通信息处理方法、装置和相应设备 | |
CN114078327A (zh) | 道路拥堵状态检测方法、装置、设备和存储介质 | |
CN110070733B (zh) | 一种车头时距建模方法及一种最小绿灯时间计算方法 | |
CN109841056A (zh) | 一种判断路段拥堵、区域拥堵的方法及装置 | |
CN114120650B (zh) | 用于生成测试结果的方法、装置 | |
CN109661692B (zh) | 交通事件预测方法、装置及终端设备 | |
CN108198460A (zh) | 一种车辆智能变道方法及车辆 | |
CN112734242A (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
CN111915893A (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
CN113935158A (zh) | 一种针对高速公路事故多发点的交通检测器优化布设方法 | |
CN109035775A (zh) | 一种突发事件识别的方法及装置 | |
EP1702311A2 (en) | Automated estimation of average stopped delay at signalized intersections | |
CN109934496A (zh) | 区域间通行影响确定方法、装置、设备和介质 | |
CN114720148B (zh) | 车辆感知能力的确定方法、装置、设备及存储介质 | |
CN115416673A (zh) | 一种驾驶状态检测装置、方法、电子设备及车辆 | |
CN115437924A (zh) | 一种端到端自动驾驶决策算法的不确定性估计方法 | |
CN114627643A (zh) | 一种高速公路事故风险预测方法、装置、设备及介质 | |
Saka et al. | Traffic signal timing at isolated intersections using simulation optimization | |
CN114519500A (zh) | 道路安全风险等级的确定方法、装置、设备及存储介质 | |
CN112927497A (zh) | 一种浮动车识别方法、相关方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |