CN110264725A - 路段流量的确定方法及装置 - Google Patents

Abstract

本申请提供了一种路段流量的确定方法及装置，涉及城市道路交通技术领域，用于准确的预测路段流量。该方法包括：根据N个路段的历史路段数据确定M个第一路段流量预测模型；历史路段数据包括路段流量和车速中的任一个或多个；M为大于或等于1的整数；N为大于或等于M的整数；从M个第一路段流量预测模型中确定目标路段流量预测模型；根据待测路段的路段参数和目标路段流量预测模型确定待测路段的路段流量。

Description

路段流量的确定方法及装置

技术领域

本申请涉及城市道路交通技术领域，尤其涉及一种路段流量的确定方法及装置。

背景技术

随着车辆保有量的不断增加，城市道路的车辆流量也急剧增加。大量车辆的出行给城市路网带来的交通压力越来越大。为了保证道路交通的有序运行，需要依靠准确的路段流量数据对城市路网进行规划、对城市交通进行管理与控制。

当前确定路段流量的数据的方法通常为建立速度密度流量预测模型。通过速度密度流量预测模型预测其他道路的车辆流量。但是在速度密度流量预测模型中，所需的道路最佳车速历史数据以及道路阻塞密度历史数据难易获取，若未采用最佳的道路最佳车速历史数据以及道路阻塞密度历史数据难易获取将会导致最终的路段流量预测的结果误差较大。

发明内容

本申请实施例提供一种路段流量的确定方法及装置，用于准确的预测路段流量。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请提供了一种路段流量的确定方法，该方法包括：根据N个路段的历史路段数据确定M个第一路段流量预测模型；所述历史路段数据包括路段流量和车速中的任一个或多个；M为大于或等于1的整数；N为大于或等于M的整数；从所述M个第一路段流量预测模型中确定目标路段流量预测模型；根据待测路段的路段参数和所述目标路段流量预测模型确定所述待测路段的路段流量。

本申请实施例提供一种路段流量的确定方法，根据N个路段的历史路段数据确定M个第一路段流量预测模型；所述历史路段数据包括路段流量和车速中的任一个或多个；M为大于或等于1的整数；N为大于或等于M的整数；路段流量的确定装置通过路段流量和车速训练得到第一路段流量预测模型，模型训练数据便于获取，训练得到的模型预测准确度较高。从所述M个第一路段流量预测模型中确定目标路段流量预测模型；路段流量的确定装置根据待测路段的路段参数和所述目标路段流量预测模型确定所述待测路段的路段流量；从M个第一路段流量预测模型中选择适合待测路段的目标路段流量预测模型对待测路段的路段流量进行预测，使预测结果更加符合真实情况。

第二方面，本申请提供了一种路段流量的确定装置，该装置包括：处理单元，用于根据N个路段的历史路段数据确定M个第一路段流量预测模型；所述历史路段数据包括路段流量和车速中的任一个或多个；M为大于或等于1的整数；N为大于或等于M的整数；所述处理单元，还用于从所述M个第一路段流量预测模型中确定目标路段流量预测模型；所述处理单元，还用于根据待测路段的路段参数和所述目标路段流量预测模型确定所述待测路段的路段流量。

第三方面，本申请提供了一种路段流量的确定系统，该系统包括：路段流量的确定装置。其中，该路段流量的确定装置用于执行上述第一方面及其任意一种实现方式该的路段流量的确定方法。

第四方面，本申请提供了一种路段流量的确定装置，该装置包括：处理器和通信接口；该通信接口和该处理器耦合，该处理器用于运行计算机程序或指令，以实现上述第一方面及其任意一种实现方式所述的路段流量的确定方法。

第五方面，本申请提供了一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有指令，当该指令被执行时，实现上述第一方面及其任意一种实现方式所述的路段流量的确定方法。

第六方面，本申请提供了一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得该计算机执行上述第一方面及其任意一种实现方式所述路段流量的确定方法。

第七方面，本申请实施例提供一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现如第一方面和第一方面的任一种可能的实现方式中所述的路段流量的确定方法。

具体的，本申请实施例中提供的芯片还包括存储器，用于存储计算机程序或指令。

附图说明

图1为本申请实施例提供的一种路段流量的确定方法的流程图一；

图2为本申请实施例提供的一种路段流量的确定方法的流程图二；

图3为本申请实施例提供的一种路段流量的确定方法的流程图三；

图4为本申请实施例提供的一种通过目标路段流量预测模型确定的待测路段的路段流量与实际流量的误差比例图；

图5为本申请实施例提供的一种路段流量的确定方法的流程图五；

图6为本申请实施例提供的一种路段流量的确定装置的结构示意图一；

图7为本申请实施例提供的一种路段流量的确定装置的结构示意图二；

图8为本申请实施例提供的另一种路段流量的确定装置的结构示意图三。

具体实施方式

下面将结合附图对本申请提供的路段流量的确定方法及装置进行详细的描述。

本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。

此外，本申请的描述中所提到的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在本申请的描述中，除非另有说明，“多个”的含义是指两个或两个以上。

在介绍本申请实施例之前，首先对本申请实施例涉及到的相关名词做如下解释：

中国实时交通信息(real-time of China，RTIC)：是由Navinfo自主研发的交通信息道路编码方式，它是以国际上现有的交通信息道路编码为基础，针对中国的特殊道路情况而制定的道路编码方式。主要针对路链link：路网数据中任意相邻两个点之间的路段，用以保存关于路段元素和运输交通元素的信息，是R表，该R表的具体字段如下：

城市代码，地图版本号，时间戳，二次网格坐标，路链号，道路分层，道路等级，旅行时间，拥堵程度，拥堵路段数标识个数，路段拥堵程度，与路链终点的距离，拥堵长度。

速度：在道路交通实际条件下，单位时间通过某路段断面的行车速度。

跟驰速度：两车车头间距为0～100m或0～125m的范围内发生跟驰行为时的车速。

流量：在道路交通实际条件下，单位时间通过某路段断面的实际交通量。

路段属性：表征路段特征的属性集合，本研究中采用的是路段的等级、路段包含的车道数及路段周围热点POI种类的属性集合。

本申请实施例提供了一种路段流量的确定方法，用于准确的预测路段流量。如图1所示，该方法包括：

步骤101、路段流量的确定装置根据N个路段的历史路段数据确定M个第一路段流量预测模型。

其中，历史路段数据包括路段流量和车速中的任一个或多个；M个第一路段流量预测模型中不同第一路段流量预测模型的路段属性不同；M为大于或等于1的整数；N为大于或等于M的整数。

路段流量的确定装置获取N个路段的历史路段数据。

在步骤101的一种实现方式中，检测装置检测到N个路段的车速信息和路段流量信息。检测装置向路段流量的确定装置发送该N个路段的车速信息和路段流量信息，或者根据接收到的发送指令向路段流量的确定装置发送该N个路段的车速信息和路段流量信息。

示例性的，该检测装置可以为设置在路段周围或者路口等位置的路况信息监控装置。

该历史路段数据还可以是通过其他方式采集的N个路段的车速信息和路段流量信息。本申请对此不做限定。

在步骤101的一种实现方式中，该N个路段的历史路段数据存储在数据库中。路段流量的确定装置从该数据库中获取该N个路段的历史路段数据。

路段流量的确定装置对N个路段的历史路段数据进行模型训练得到M个第一路段流量预测模型。

在步骤101的一种实现方式中，该第一路段流量预测模型为数学模型。该数学模型的输入参数是速度，输出参数是路段流量。路段流量的确定装置在对历史路段数据进行训练时，由于同一路段的历史路段数据中速度和流量存在对应关系。因此，在数学模型中输入历史路段数据中的速度参数，输出流量参数，将输出的流量与该历史路段数据中的流量进行对比，如果两者之间的差值小于预设的阈值，则将当前的数学模型作为第一路段的流量预测模型。如果两者之间的差值大于预设的阈值，则调整数学模型中的模型参数，继续进行训练，直到输出的流量与该历史路段数据中的流量之间的差值小于预设阈值。路段流量的确定装置将该训练完成的模型作为第一路段流量预测模型。

步骤102、路段流量的确定装置从M个第一路段流量预测模型中确定目标路段流量预测模型。

示例性的，目标路段流量预测模型为M个第一路段流量预测模型中与待测路段的路段属性相似度大于第一阈值的第一路段流量预测模型。

在步骤102的一种实现方式中，目标路段流量预测模型为M个第一路段流量预测模型中与待测路段的路段属性相似度最高的第一路段流量预测模型，目标路段流量预测模型与待测路段的路段属性相似度越高，确定的待测路段的路段流量准确度越高。

具体为，路段流量的确定装置确定待测路段的路段属性，并确定各个第一路段流量预测模型的路段属性。路段流量的确定装置计算待测路段的路段属性与各个第一路段流量预测模型的路段属性之间的相似度。路段流量的确定装置将与待测路段的路段属性相似度大于第一阈值的第一路段流量预测模型作为目标路段流量预测模型。

其中，第一路段流量预测模型的路段属性为该模型对应的路段所具有的路段属性。例如：在N个路段中，通过对路段1、路段2以及路段3的历史路段数据训练得到第一路段流量预测模型1。则第一路段流量预测模型1的路段属性为路段1、路段2以及路段3的路段属性。具体可以为路段1、路段2以及路段3的路段属性平均值，或者路段1、路段2以及路段3中最具有代表性的路段的路段属性。本申请对此不做限定。

在步骤102的一种实现方式中，路段属性包括以下任一项或多项：路段等级、路段车道数、路段的兴趣点(Point of Interest，POI)值。

本申请实施例中的路段等级可以由路段流量的确定装置预先对各种路段进行等级划分。或者由其他装置对各种路段进行等级划分，然后由路段流量的确定装置从其他装置处获取路段等级。例如：城市快速路的路段等级为一级，城市主干道的路段等级为二级，城市次干道的路段等级为三级，城市支路的路段等级为四级。当然，对路段等级的划分还可以有其他形式，本申请对此不做限定。

路段车道数为路段的固有属性。例如，路段的车道数为两车道、三车道、四车道或五车道等。

POI一般为路段周围(例如路段两侧)的静态的地理空间信息，具体可以表示为用户经常活动的场所。例如：学校、居民区、交通、休闲娱乐场所、住宿、医疗、购物区、运动、餐饮、文化、工作场所、特定场所等。

POI为固定的场所区域，无法方便的表示路段的属性。因此，我们对POI进行数值标准化，得到各个POI点的POI值。用路段周围的POI值作为路段的一种属性参数。

示例性的，标准化的POI数值表为：

其中，热点级别的等级越低(同时POI值也越低)，表明热度越高(POI值是人为规定的数值，大小无实际意义)。

步骤103、路段流量的确定装置根据待测路段的路段参数和目标路段流量预测模型确定待测路段的路段流量。

其中，待测路段的路段参数为待测路段的RTIC速度数据(示例性的，该数据为交管部门通过对路段的检测和分析得到的各个路段的速度数据，或者相关公司通过对路段的检测和分析得到的路段的速度数据)。路段流量的确定装置将待测路段的RTIC速度数据输入到目标路段流量预测模型中，得到待测路段在一定速度下的路段流量。该路段流量可以用于为对城市路网进行规划、对城市交通进行管理与控制提供依据。

本申请实施例提供一种路段流量的确定方法，根据N个路段的历史路段数据确定M个第一路段流量预测模型；历史路段数据包括路段流量和车速中的任一个或多个；M个第一路段流量预测模型中不同第一路段流量预测模型的路段属性不同；M为大于或等于1的整数；N为大于或等于M的整数；路段流量的确定装置通过路段流量和车速训练得到第一路段流量预测模型，模型训练数据便于获取，训练得到的模型预测准确度较高。从M个第一路段流量预测模型中确定目标路段流量预测模型；根据待测路段的路段参数和目标路段流量预测模型确定待测路段的路段流量；路段流量的确定装置从M个第一路段流量预测模型中选择适合待测路段的目标路段流量预测模型对待测路段的路段流量进行预测，使预测结果更加符合真实情况。

在本申请实施例的一种实现方式中，结合图1，如图2所示，步骤101还可可以实现为：

步骤104、路段流量的确定装置根据N个路段的历史路段数据，确定N个路段中每个路段对应的第二路段流量预测模型，得到N个第二路段流量预测模型。

首先，路段流量的确定装置确定车速流量模型。该车速流量模型用于对每个路段历史路段数据中的车速和流量进行训练，得到每个路段对应的第二路段流量预测模型。

以N个路段中的任一个路段(第一路段)为例，确定该N个路段中其余路段对应的第二路段流量预测模型的过程可以参考确定第一路段对应的第二路段流量预测模型的过程。

在步骤104的一种实现方式中，第一路段对应的第二路段流量预测模型包括以下任一项或多项：第一分段流量模型、第二分段流量模型、第三分段流量模型。第一路段为N个路段中的任一个路段。

第一分段流量模型为路段流量的确定装置根据第一历史路段数据训练得到的模型，第一历史路段数据至少包括第一路段中车速大于第二阈值的流量数据。

第二分段流量模型为路段流量的确定装置根据第二历史路段数据训练得到的模型，第二历史路段数据至少包括第一路段中车速小于第二阈值大于第三阈值的流量数据。

第二分段流量模型为路段流量的确定装置根据第三历史路段数据训练得到的模型，第三历史路段数据至少包括第一路段中车速小于第三阈值的流量数据。

示例性的，交通流(汽车在道路上连续行驶形成的车流)中最重要的三个参数为：路段车流量、车辆的速度和车辆的密度。基交通流的上述特征，从驾驶者和车辆的特性出发，对于行车速度与车流密度的关系进行研究，建立三段式速度-流量模型，三段式速度-流量模型以速度特性为分界点。

该三段式速度流量模型根据路段的速度特征划分为三个阶段。

第一阶段：车速大于或等于自由流速度V_f时，为自由流阶段，该阶段流量值较小，无法统计，同时该阶段畅行无阻并不是我们所要考虑的阶段。

第二阶段：车速大于跟驰速度V_q而小于V_f，该阶段是过渡阶段，将要发生跟驰状态，路段要达到最大饱和流量的过渡阶段。

第三阶段：车速小于或等于V_q阶段，该阶段发生跟驰状态，即路段某时刻达到最大饱和流量，之后开始出现拥堵导致车速不断减小直到车速减小为0。

该三个阶段分别对应不同的数学模型。该三个阶段对应的模型如下：

第一阶段：V≥V_f

Q＝KV_f

第二阶段：V_q<V<V_f

第三阶段：0<V<V_q

其中，a为安全刹车系数；b为驾驶员反应时间，取固定值：b＝1s；c为车身长与停车安全距离，为固定值c＝9m；V_f为自由流速度；V_q为跟驰速度；V为车速；K为路段车流密度，Q为路段流量。

路段流量的确定装置确定第一路段的历史路段数据。路段流量的确定装置将第一路段的历史路段数据按照车速特征分为第一历史路段数据、第二历史路段数据和第三历史路段数据。其中，第一历史路段数据对的车速特征对应上述第一阶段的速度特征；第二历史路段数据对的车速特征对应上述第二阶段的速度特征；第二历史路段数据对的车速特征对应上述第一阶段的速度特征。

路段流量的确定装置将第一历史路段数据带入到第一阶段的速度流量模型中，得到第一分段流量模型。

路段流量的确定装置将第二历史路段数据带入到第二阶段的速度流量模型中，得到第二分段流量模型。

路段流量的确定装置将第三历史路段数据带入到第三阶段的速度流量模型中，得到第三分段流量模型。

具体为，首先路段流量的确定装置根据专家知识或者数据分析确定一个V_q值。路段流量的确定装置根据该V_q值对历史路段数据进行划分，得到第一历史路段数据、第二历史路段数据和第三历史路段数据。路段流量的确定装置将第一历史路段数据、第二历史路段数据和第三历史路段数据分别代入到对应的速度流量模型中训练，得到第二路段流量预测模型(或者仅将第三历史路段数据带入到第三阶段的速度流量模型中训练，得到第三分段流量模型)。路段流量的确定装置验证根据该第二路段流量预测模型(或者第三分段流量模型)得到的流量与实际流量的差值是否大于预设差值。若大于，则路段流量的确定装置调整V_q值，并重新划分历史路段数据、训练。直到根据该第二路段流量预测模型得到的流量与实际流量的差值小于预设差值。路段流量的确定装置将该V_q值作为第二路段流量预测模型的最终V_q值。

在步骤104的一种实现方式中，V_q值还可以通过将历史路段数据以坐标点的形式体现在坐标系中，通过对散点图进行分析，确定对应的V_q值。例如，定义为路段流量达到最大值时，对应的车速度为最终V_q值。

路段流量的确定装置将第二阶段的车速和流量数据代入到第二阶段的速度流量模型；第二阶段的速度流量模型的b、c、V、Q均为已知的值，因此可以直接确定a的值。

应理解，第一历史路段数据、第二历史路段数据和第三历史路段数据以及第一阶段、第二阶段和第三阶段之间的对应关系可以为任意的一一对应关系。本申请仅以第一历史路段数据中的车速特征对应上述第一阶段的速度特征；第二历史路段数据中的车速特征对应上述第二阶段的速度特征；第二历史路段数据中的车速特征对应上述第一阶段的速度特征为例进行说明。

步骤105、路段流量的确定装置根据模型参数相似度对N个第二路段流量预测模型分类，得到M个第一路段流量预测模型。

其中，模型参数相似度为N个第二路段流量预测模型中各个第二路段流量预测模型之间的相似度。

在步骤105的一种实现方式中，模型参数为a和V_q。

路段流量的确定装置对该N个第二路段流量预测模型由1到n进行编号，分别为第二路段流量预测模型1、第二路段流量预测模型2……第二路段流量预测模型n。

对第二路段流量预测模型i，其模型参数为a_i和V_qi。其中，1≤i≤n，i为整数。

路段流量的确定装置采用K-means算法对N个第二路段流量预测模型分类，具体为：

路段流量的确定装置首先对第二路段流量预测模型i的模型参数a_i和V_qi进行数据标准化，使模型参数a_i和V_qi之间的量纲统一。

示例性的，通过z-score标准化方法进行数据标准化。

令：其中，

其中，

量纲统一之后，将(a′_i，V′_qi)作为一个点，对应第二路段流量预测模型i。N个第二路段流量预测模型共对应n个点。

路段流量的确定装置采用K-means对N个点进行分类。具体为：

(1)、确定M值。该M值为我们需要得到的第二路段流量预测模型的分类数。

(2)、从n个点中选出M个点作为中心对象。

(3)、计算n个点中每个点距离该M个中心对象的距离(例如计算每个点与M个中心对象的欧氏距离)。

(4)、将每个点与该点距离最近的中心对象划分为一类，得到M类点的集合。

(5)、分别确定该M类集合中各个集合的中心点。

(6)、确定该M类集合中每个集合的中心点与中心对象之间的距离。若该距离小于第一预设阈值，则终止该过程，以当前确定的M个点对应的第二路段流量预测模型作为M个第一路段流量预测模型。若该距离大于第一预设阈值，则将该M类集合中各个集合的中心点重新作为M个中心对象，重复执行(3)-(6)

示例性的，采用均方差函数确定该M类集合中每个集合的中心点与中心对象之间的距离：

其中，σ为上述M类集合中第i个集合的中心点与中心对象之间的距离，x_i为第i个集合的中心对象；为第i个集合的中心点，n为第二路段流量预测模型参数(a′_i，V′_qi)对应的点的个数。

当σ小于第一预设阈值时，终止算法，以当前确定的M个点对应的第二路段流量预测模型作为M个第一路段流量预测模型。

在步骤105的一种实现方式中，每个第一路段流量预测模型对应至少一个第二路段流量预测模型，至少一个第二路段流量预测模型中的每个第二路段流量预测模型均对应一个路段属性。相应的，每个第一路段流量预测模型的路段属性包括其对应的，每个第二路段流量预测模型的路段属性。

在本申请实施例的一种实现方式中，结合图2，如图3所示，在步骤105之后，步骤102具体可以实现为：

步骤106、路段流量的确定装置根据每个路段的路段属性对N个路段分类，得到R个路段属性簇。

其中，R为大于或等于1的整数。

在步骤106的一种实现方式中，根据每个路段的路段属性对N个路段分类的方法与步骤105中的分类方式相似，即：

路段流量的确定装置首先将N个路段分为路段1，路段2，…，路段N，分别对应对路段等级L₁，L₂，…，L_n，车道数Q₁，Q₂，…，Q_n和POI值P₁，P₂，…，P_n。

对于路段j，1≤j≤n，j为整数。路段流量的确定装置通过z-score标准化方法对路段i的路段参数L_j，Q_j和P_j进行量纲统一。

令：其中，

其中，

其中，

路段流量的确定装置采用K-means算法对上述n个点进行分类。其中，该n个点中第j个点的坐标为(L_j、Q_j、P_j)，具体为：

(7)、确定R值。该R值为我们需要得到的路段属性的分类数。

(8)、从n个点中选出R个点作为中心对象。

(9)、计算n个点中每个点距离该R个中心对象的距离(例如计算每个点与R个中心对象的欧氏距离)。

(10)、将每个点与该点距离最近的中心对象划分为一类，得到R个点的集合。

(11)、分别确定该R个集合中各个集合的中心点。

(12)、确定该R个集合中每个集合的中心点与中心对象之间的距离。若该距离大于第二预设阈值，则将该R个集合中各个集合的中心点作为R个中心对象，重复执行(7)-(12)，直到每个集合的中心点与中心对象之间的距离距离小于第二预设阈值，则终止该过程，将最终的R个集合中的每一个集合作为一个路段属性簇，得到R个路段属性簇。

示例性的，采用均方差函数确定该R类集合中每个集合的中心点与中心对象之间的距离：

其中，θ为R类集合中第j个集合的中心点与中心对象之间的距离，y_j为第j个集合的中心对象；为第j个集合的中心点。

当θ小于第二预设阈值时，则终止算法，将最终的R个集合中的每一个集合作为一个路段属性簇，得到R个路段属性簇。

步骤107、路段流量的确定装置确定包含第一路段属性最多的路段属性簇为第一路段流量预测模型对应的属性簇。

其中，所述第一路段属性为所述第一路段流量模型对应的至少一个路段属性中的任一个路段属性。

在步骤107的一种实现方式中，通过步骤105可知，第一路段流量预测模型对应至少一个第一路段属性，分别确定每个第一路段属性所属的属性簇。包含第一路段属性最多的路段属性簇为所述第一路段流量预测模型对应的属性簇。

步骤108、路段流量的确定装置确定包含第二路段属性最多的路段属性簇为第一路段属性簇。

其中，所述第二路段属性为与所述待测路段的路段属性相似度大于预设阈值的多个路段属性中的任一个路段属性；

在步骤108的一种实现方式中，与步骤107的方法类似，将待测路段的路段属性作为一个坐标点，即为待测路段点。计算待测路段点与各个路段属性点之间的距离。

路段流量的确定装置从所述各个路段属性点中确定出于待测路段点之间的距离小于预设距离的点对应的路段属性作为第二路段属性。

路段流量的确定装置确定各个第二路段属性所述的属性簇。将包含第二路段属性最多的路段属性簇作为第一路段属性簇。第一路段属性簇为待测路段对应的属性簇。

示例性的，路段流量的确定装置使用欧式距离计算待测路段点和各个路段坐标点之间的距离：

待测路段点的坐标为(l₀、n₁、p₂)、路段坐标点为(L₀、N₁、P₂)(该路段坐标点为N个路段中任一路段的坐标点)。

则该两个点之间的距离为：

其中，d为待测路段点与路段坐标点之间的距离；x为输入向量。例如，路段属性包括三个参数，则x为(1，1，1)。待测路段点的坐标为(3，1，2)；路段坐标点(0，1，4，)。

则该两个点之间的欧氏距离为：

路段流量的确定装置选取N个路段坐标点中与待测路段点距离最近的k个点。

路段流量的确定装置分别确定该k个点所属的路段属性簇。路段流量的确定装置将该k个点中出现次数最多的路段属性簇作为待测路段的第一路段属性簇。

步骤109、路段流量的确定装置确定所述第一路段属性簇对应的第一路段流量预测模型为所述目标路段流量预测模型。

在步骤109的一种实现方式中，路段流量的确定装置根据步骤107中确定的各个第一路段流量预测模型对应的属性簇，确定第一路段属性簇对应的第一路段流量预测模型。将第一路段属性簇对应的第一路段流量预测模型作为目标路段流量预测模型。

在步骤109的一种实现方式中，在路段流量的确定装置确定目标路段流量预测模型之后，将待测路段的车速度数据代入到目标路段流量预测模型中，确定待测路段的路段流量。

在本申请实施例的一种实现方式中，在步骤109确定待测路段的路段流量之后，还包括：

路段流量的确定装置采集待测路段的实际流量数据。路段流量的确定装置比较通过目标路段流量预测模型确定的待测路段的路段流量与待测路段的实际流量数据的误差比例，判断采用目标路段流量预测模型确定路段流量准确性是否达标。

示例性的，如图4所示，为本申请实施例提供的在2018/08/16至2018年/08/22的七天时间内，根据本申请实施例所记载的路段流量的确定方法对路段1、路段2、路段3三个路段进行测试的误差比例图。

本申请实施例通过目标路段流量预测模型确定的待测路段的路段流量与实际流量的误差保持在18％以下。而现有技术中通过模型确定的路段流量与实际流量的误差一般都大于18％，甚至能达到100％以上。因此本申请实施例提供的路段流量的确定方法能够大幅度提高预测待测路段流量的准确度。

在本申请实施例的一种实现方式中，结合图1，如图5所示，在步骤101之前，该方法还包括：

步骤110、路段流量的确定装置获取S个路段的原始历史路段数据。

其中，S为大于或等于N的整数。

具体为，当前路段的历史路段数据通常由各个路段或者路段的路口处设置的检测装置采集得到。

其中，该S个路段可以是路段流量的确定装置预先设定好的S个路段，也可以是路段流量的确定装置在获取数据的时候随机确定的S个路段。

在步骤110的一种实现方式中，由于在该S个路段的原始历史路段数据中可能会存在检测装置漏检某路段、或漏检某路段中的某个车道，也可能出现在某方向的某个车道上的历史路段数据的累计现象(即将多个时间段内的车流量累积到了一个时间段内)，而这些状况还会与实际情况(比如某方向的某车道上长时间无过车等)进行混淆，致使无法获取正确的流量数据，因此我们通过对原始历史路段数据进行叠加，以每15分钟为一个时间段，叠加在15分钟内的原始历史路段数据，来避免上述问题。

步骤111、路段流量的确定装置确定S个路段中各个路段的原始历史路段数据的可信度。

在步骤111的一种实现方式中，原始历史路段数据的可信度包括以下至少一项：检测装置可信度、路段可信度和车道可信度。

车道可信度用于评价原始历史路段数据中车道上的车流量数据以及车速度数据是否可信。

车道可信度可以根据原始历史路段数据中，记录的一天时间内该车道对应的时间戳个数确定。

当该车道可信度大于或等于车道可信度的阈值时，认为该车道的原始历史路段数据可信，采用该车道的原始历史路段数据。

当该车道可信度小于车道可信度的阈值时，认为该车道的原始历史路段数据不可信，不采用该车道的原始历史路段数据。

示例性的，车道可信度计算公式为

其中，g为车道可信度，r为一天时间内该车道对应的时间戳个数。

以车道可信度的阈值为70％为例，车道A的在一天时间内记录的时间戳数量为900个。将r＝900带入车道可信度计算公式，确定车道A的可信度为：62.5％，小于70％。确定车道A不可信，不采用车道A的原始历史路段数据。

车道B的在一天时间内记录的时间戳数量为1200个。将r＝1200带入车道可信度计算公式，确定车道B的可信度为：83.3％，大于70％。确定车道B可信，采用车道B的原始历史路段数据。

路段可信度用于评价原始历史路段数据中路段上的车流量数据以及车速度数据是否可信。

路段可信度可以根据该路段的车道数和在规定时间段(如24小时)内无车辆经过的车道数进行确定。

当该路段可信度大于或等于路段可信度的阈值时，认为该路段的原始历史路段数据可信，采用该路段的原始历史路段数据。

当该路段可信度小于路段可信度的阈值时，认为该路段的原始历史路段数据不可信，不采用该路段的原始历史路段数据。

示例性的，路段可信度的计算公式为：

其中，v为路段可信度，k为路段中的车道数，h为路段中在规定时间段内无车辆经过的车道数。

以路段可信度的阈值为90％为例，路段A的车道数为6。路段A中在规定时间段内无车辆经过的车道数为1，则路段A的路段可信度为83.3％，小于路段可信度的阈值90％。确认该路段的原始历史路段数据不可信，不采用该路段的原始历史路段数据。

路段A的车道数为10。路段A中在规定时间段内无车辆经过的车道数为1，则路段A的路段可信度为90％，等于路段可信度的阈值90％。确认该路段的原始历史路段数据可信，采用该路段的原始历史路段数据。

检测装置可信度用于评价原始历史路段数据中检测装置采集的多个路段的原始历史路段数据是否可信。

检测装置可信度可以根据检测装置检测的路段数和检测装置检测的路段数中不可信的路段数确定。

当该检测装置可信度大于或等于检测装置可信度的阈值时，认为该检测装置检测到的原始历史路段数据可信，采用该检测装置的原始历史路段数据。

当该检测装置可信度小于检测装置可信度的阈值时，认为该检测装置检测到的原始历史路段数据不可信，不采用该检测装置的原始历史路段数据。

示例性的，检测装置可信度的计算公式为：

其中，w为检测装置可信度；i为检测装置检测的路段数；s为检测装置检测的路段数中不可信的路段数。

示例性的，检测装置可信度的阈值为80％。

检测装置A检测的路段数为10，其中，不可信的路段数为3。则该检测装置的可信度为70％。认为该检测装置不可信，不采用该检测装置A检测到的原始历史路段数据。

检测装置B检测的路段数为10，其中，不可信的路段数为1。则该检测装置的可信度为90％。认为该检测装置可信，采用该检测装置A检测到的原始历史路段数据。

步骤112、路段流量的确定装置确定S个路段中原始历史路段数据的可信度满足第一预设条件的路段为N个路段。

在步骤112的一种实现方式中，从S个路段中原始历史路段数据中删除步骤111中确定的不可信的原始历史路段数据，得到N个路段的历史路段数据。

应理解，步骤110、步骤111和步骤112可以位于图1、图2或者图3的任一图中的步骤101之前，本申请实施例中示例性的以图1进行说明。

本申请实施例通过对原始历史数据中的数据清理能够得到更加符合需求的历史路段数据。从而使计算的结果更加精确。

本申请实施例可以根据上述方法示例对路段流量的确定装置进行功能模块或者功能单元的划分，例如，可以对应各个功能划分各个功能模块或者功能单元，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块或者功能单元的形式实现。其中，本申请实施例中对模块或者单元的划分是示意性的，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。

如图6所示，本申请提供了一种路段流量的确定装置，用于执行前述路段流量的确定方法，该装置包括：

处理单元601，用于根据N个路段的历史路段数据确定M个第一路段流量预测模型；历史路段数据包括路段流量和车速中的任一个或多个；M个第一路段流量预测模型中不同第一路段流量预测模型的路段属性不同；M为大于或等于1的整数；N为大于或等于M的整数。

处理单元601，还用于从M个第一路段流量预测模型中确定目标路段流量预测模型。

处理单元601，还用于根据待测路段的路段参数和目标路段流量预测模型确定待测路段的路段流量。

可选的，装置还包括：目标路段流量预测模型为M个第一路段流量预测模型中与待测路段的路段属性相似度大于第一阈值的第一路段流量预测模型。

可选的，处理单元601，还用于：

根据N个路段的历史路段数据，确定N个路段中每个路段对应的第二路段流量预测模型，得到N个第二路段流量预测模型。

根据模型参数相似度对N个第二路段流量预测模型分类，得到M个第一路段流量预测模型；模型参数相似度为N个第二路段流量预测模型中各个第二路段流量预测模型之间的相似度。

可选的，该装置还包括：第一路段对应的第二路段流量预测模型包括以下任一项或多项：第一分段流量模型、第二分段流量模型、第三分段流量模型；第一路段为N个路段的任一个路段。

第一分段流量模型为根据第一历史路段数据训练得到的模型，第一历史路段数据至少包括第一路段中车速大于第二阈值的流量数据。

第二分段流量模型为根据第二历史路段数据训练得到的模型，第二历史路段数据至少包括第一路段中车速小于第二阈值大于第三阈值的流量数据。

第二分段流量模型为根据第三历史路段数据训练得到的模型，第三历史路段数据至少包括第一路段中车速小于第三阈值的流量数据。

可选的，处理单元601，还用于：根据所述每个路段的路段属性对所述N个路段分类，得到R个路段属性簇；所述路段属性簇中包括多个路段属性；R为大于或等于1的整数；确定包含第一路段属性最多的路段属性簇为所述第一路段流量预测模型对应的属性簇；其中，所述第一路段属性为所述第一路段流量模型对应的至少一个路段属性中的任一个路段属性。

可选的，处理单元601，还用于：确定包含第二路段属性最多的路段属性簇为第一路段属性簇；其中，所述第二路段属性为与所述待测路段的路段属性相似度大于预设阈值的多个路段属性中的任一个路段属性；确定所述第一路段属性簇对应的第一路段流量预测模型为所述目标路段流量预测模型。

可选的，在图6的基础上，如图7所示，该装置还包括：

获取单元701，用于获取S个路段的原始历史路段数据；S为大于或等于N的整数。

处理单元601，还用于确定S个路段中各个路段的原始历史路段数据的可信度。

处理单元601，还用于确定S个路段中原始历史路段数据的可信度满足第一预设条件的路段为N个路段。

图8示出了上述实施例中所涉及的路段流量的确定装置的又一种可能的结构示意图。该路段流量的确定装置包括：处理器802和通信接口803。处理器802用于对路段流量的确定装置的动作进行控制管理，例如，执行上述处理单元601执行的步骤，和/或用于执行本文所描述的技术的其它过程。通信接口803用于支持路段流量的确定装置与其他网络实体的通信。例如，执行上述获取单元701执行的步骤，和/或用于执行本文所描述的技术的其它过程。路段流量的确定装置还可以包括存储器801和总线804，存储器801用于存储路段流量的确定装置的程序代码和数据。

其中，存储器801可以是路段流量的确定装置中的存储器等，该存储器可以包括易失性存储器，例如随机存取存储器；该存储器也可以包括非易失性存储器，例如只读存储器，快闪存储器，硬盘或固态硬盘；该存储器还可以包括上述种类的存储器的组合。

上述处理器802可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。该处理器可以是中央处理器，通用处理器，数字信号处理器，专用集成电路，现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线804可以是扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。总线804可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例提供一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行上述方法实施例所述的路段流量的确定方法。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得所述计算机执行上述方法实施例所示的方法流程中的路段流量的确定方法。

其中，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(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit，ASIC)中。在本申请实施例中，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。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (12)

1.一种路段流量的确定方法，其特征在于，所述方法包括：

根据N个路段的历史路段数据确定M个第一路段流量预测模型；所述历史路段数据包括路段流量和车速中的任一个或多个；M为大于或等于1的整数；N为大于或等于M的整数；

从所述M个第一路段流量预测模型中确定目标路段流量预测模型；

根据待测路段的路段参数和所述目标路段流量预测模型确定所述待测路段的路段流量。

2.根据权利要求1所述的方法，其特征在于，所述目标路段流量预测模型为所述M个第一路段流量预测模型中与所述待测路段的路段属性相似度大于第一阈值的第一路段流量预测模型。

3.根据权利要求1-2任一项所述的方法，其特征在于，所述根据N个路段的历史路段数据确定M个第一路段流量预测模型，包括：

根据所述N个路段的历史路段数据，确定所述N个路段中每个路段对应的第二路段流量预测模型，得到N个第二路段流量预测模型；

根据模型参数相似度对所述N个第二路段流量预测模型分类，得到M个第一路段流量预测模型；所述模型参数相似度为所述N个第二路段流量预测模型中各个第二路段流量预测模型之间的相似度。

4.根据权利要求3所述的方法，其特征在于，第一路段对应的第二路段流量预测模型包括以下任一项或多项：第一分段流量模型、第二分段流量模型、第三分段流量模型；所述第一路段为所述N个路段的任一个路段；

所述第一分段流量模型为根据第一历史路段数据训练得到的模型，所述第一历史路段数据至少包括所述第一路段中车速大于第二阈值的流量数据；

所述第二分段流量模型为根据第二历史路段数据训练得到的模型，所述第二历史路段数据至少包括所述第一路段中车速小于第二阈值大于第三阈值的流量数据；

所述第二分段流量模型为根据第三历史路段数据训练得到的模型，所述第三历史路段数据至少包括所述第一路段中车速小于第三阈值的流量数据。

5.根据权利要求3所述的方法，其特征在于，在所述根据模型参数相似度对所述N个第二路段流量预测模型分类，得到M个第一路段流量预测模型之后，所述方法还包括：

根据所述每个路段的路段属性对所述N个路段分类，得到R个路段属性簇；所述路段属性簇中包括多个路段属性；R为大于或等于1的整数；

确定包含第一路段属性最多的路段属性簇为所述第一路段流量预测模型对应的属性簇；其中，所述第一路段属性为所述第一路段流量模型对应的至少一个路段属性中的任一个路段属性。

6.根据权利要求5所述的方法，其特征在于，所述从所述M个第一路段流量预测模型中确定目标路段流量预测模型，包括：

确定包含第二路段属性最多的路段属性簇为第一路段属性簇；其中，所述第二路段属性为与所述待测路段的路段属性相似度大于预设阈值的多个路段属性中的任一个路段属性；

确定所述第一路段属性簇对应的第一路段流量预测模型为所述目标路段流量预测模型。

7.一种路段流量的确定装置，其特征在于，所述装置包括：

处理单元，用于根据N个路段的历史路段数据确定M个第一路段流量预测模型；所述历史路段数据包括路段流量和车速中的任一个或多个；M为大于或等于1的整数；N为大于或等于M的整数；

所述处理单元，还用于从所述M个第一路段流量预测模型中确定目标路段流量预测模型；

所述处理单元，还用于根据待测路段的路段参数和所述目标路段流量预测模型确定所述待测路段的路段流量。

8.根据权利要求7所述的装置，其特征在于，所述目标路段流量预测模型为所述M个第一路段流量预测模型中与所述待测路段的路段属性相似度大于第一阈值的第一路段流量预测模型。

9.根据权利要求7-8任一项所述的装置，其特征在于，所述处理单元，还用于：

根据所述N个路段的历史路段数据，确定所述N个路段中每个路段对应的第二路段流量预测模型，得到N个第二路段流量预测模型；

根据模型参数相似度对所述N个第二路段流量预测模型分类，得到M个第一路段流量预测模型；所述模型参数相似度为所述N个第二路段流量预测模型中各个第二路段流量预测模型之间的相似度。

10.根据权利要求9所述的装置，其特征在于，第一路段对应的第二路段流量预测模型包括以下任一项或多项：第一分段流量模型、第二分段流量模型、第三分段流量模型；所述第一路段为所述N个路段的任一个路段；

所述第一分段流量模型为根据第一历史路段数据训练得到的模型，所述第一历史路段数据至少包括所述第一路段中车速大于第二阈值的流量数据；

所述第二分段流量模型为根据第二历史路段数据训练得到的模型，所述第二历史路段数据至少包括所述第一路段中车速小于第二阈值大于第三阈值的流量数据；

所述第二分段流量模型为根据第三历史路段数据训练得到的模型，所述第三历史路段数据至少包括所述第一路段中车速小于第三阈值的流量数据。

11.一种路段流量的确定装置，其特征在于，包括：处理器和通信接口；所述通信接口和所述处理器耦合，所述处理器用于运行计算机程序或指令，以实现如权利要求1-6任一项所述的路段流量的确定方法。

12.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当所述指令在终端上运行时，使得所述终端执行如权利要求1-6中任一项所述的路段流量的确定方法。