CN110322694A - 一种城市交通控制片区划分的方法及装置 - Google Patents

Abstract

本发明公开了一种城市交通控制片区划分的方法及装置，该方法包括获取区域特征数据，并进行网格化处理，得到第一特征数据，对第一特征数据进行分析，得到城市交通的空间分布密度，根据路网空间数据，确定出城市交通的泰森多边形网，将城市交通的空间分布密度与泰森多边形网进行数据叠加，确定出城市交通各控制片区的边界。使用的区域特征数据适用于多种可以表征区域交通特性的数据源，通过空间分布密度和由路网空间数据得到泰森多边形网可以更加高效准确地探测和理解城市空间，从而在更精细的空间分辨率上快速有效的对城市进行空间切片，得到合适的城市交通控制片区。

Description

一种城市交通控制片区划分的方法及装置

技术领域

本发明实施例涉及交通技术领域，尤其涉及一种城市交通控制片区划分的方法及装置。

背景技术

随着城市规模的不断扩大，交通问题逐渐呈现出区域特性，城市管理者开始通过划分控制片区来治理交通问题。区域信号控制方案需要根据不同区域的交通运行状态来制定，合理的划分城市交通控制片区是区域信号控制的前提。

现在多数城市以行政区域或管辖区域作为交通控制片区，控制片区范围较广，片区特征和交通运行状态多样，无法制定一个宏观的信号控制策略来解决片区的交通问题。

发明内容

本发明实施例提供一种城市交通控制片区划分的方法及装置，用以提高控制片区划分的准确性。

第一方面，本发明实施例提供一种城市交通控制片区划分的方法，包括：

获取区域特征数据，并进行网格化处理，得到第一特征数据；

对所述第一特征数据进行分析，得到所述城市交通的空间分布密度；

根据路网空间数据，确定出所述城市交通的泰森多边形网；

将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出所述城市交通各控制片区的边界。

上述技术方案中，使用的区域特征数据适用于多种可以表征区域交通特性的数据源，通过空间分布密度和由路网空间数据得到泰森多边形网可以更加高效准确地探测和理解城市空间，从而在更精细的空间分辨率上快速有效的对城市进行空间切片，得到合适的城市交通控制片区。

可选的，所述获取区域特征数据，并进行网格化处理，得到第一特征数据，包括：

确定所述区域特征数据的权重；

根据所述权重对所述区域特征数据进行重新赋值，并进行网格化处理，得到所述第一特征数据。

可选的，所述对所述第一特征数据进行分析，得到所述城市交通的空间分布密度，包括：

通过非参数估计方法对所述第一特征数据进行分析，得到所述城市交通的空间分布密度。

可选的，所述根据路网空间数据，确定出所述城市交通的泰森多边形，包括：

以所述路网空间数据中的交叉口为节点、道路为边，根据所述第一特征数据与各交叉口的距离，构建所述城市交通的泰森多边形网。

可选的，所述将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出所述城市交通各控制片区的边界，包括：

将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出密度大于密度阈值且交通流量大于流量阈值的泰森多边形；

将所述密度大于密度阈值且交通流量大于流量阈值的泰森多边形中相邻的多个泰森多边形进行合并，取合并后的区域的外侧闭合的线为所述城市交通各控制片区的边界。

第二方面，本发明实施例提供一种城市交通控制片区划分的装置，包括：

获取单元，用于获取区域特征数据，并进行网格化处理，得到第一特征数据；

处理单元，用于对所述第一特征数据进行分析，得到所述城市交通的空间分布密度；根据路网空间数据，确定出所述城市交通的泰森多边形网；将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出所述城市交通各控制片区的边界。

可选的，所述获取单元具体用于：

确定所述区域特征数据的权重；

根据所述权重对所述区域特征数据进行重新赋值，并进行网格化处理，得到所述第一特征数据。

可选的，所述处理单元具体用于：

通过非参数估计方法对所述第一特征数据进行分析，得到所述城市交通的空间分布密度。

可选的，所述处理单元具体用于：

以所述路网空间数据中的交叉口为节点、道路为边，根据所述第一特征数据与各交叉口的距离，构建所述城市交通的泰森多边形网。

可选的，所述处理单元具体用于：

将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出密度大于密度阈值且交通流量大于流量阈值的泰森多边形；

将所述密度大于密度阈值且交通流量大于流量阈值的泰森多边形中相邻的多个泰森多边形进行合并，取合并后的区域的外侧闭合的线为所述城市交通各控制片区的边界。

第三方面，本发明实施例还提供一种计算设备，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述城市交通控制片区划分的方法。

第四方面，本发明实施例还提供一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述城市交通控制片区划分的方法。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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的附图。

图1为本发明实施例提供的一种系统架构的示意图；

图2为本发明实施例提供的一种城市交通控制片区划分的方法的流程示意图；

图3为本发明实施例提供的一种热力图的示意图；

图4为本发明实施例提供的一种泰森多边形网的示意图；

图5为本发明实施例提供的一种泰森多边形网的示意图；

图6为本发明实施例提供的一种泰森多边形网的示意图；

图7为本发明实施例提供的一种泰森多边形网的示意图；

图8为本发明实施例提供的一种城市交通控制片区划分的装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1示例性的示出了本发明实施例所适用的一种系统架构，该系统架构可以为服务器100，包括处理器110、通信接口120和存储器130。该服务器100可以是位于交通控制中心的服务器，也可以为其它分中心的服务器，本发明实施例对此不做限制。

其中，通信接口120用于与终端设备进行通信，收发该终端设备传输的信息，实现通信。

处理器110是服务器100的控制中心，利用各种接口和路线连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。

存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130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130可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据业务处理所创建的数据等。此外，存储器130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。

需要说明的是，上述图1所示的结构仅是一种示例，本发明实施例对此不做限定。

基于上述描述，图2示例性的示出了本发明实施例提供的一种城市交通控制片区划分的方法的流程，该流程可以由城市交通控制片区划分的装置执行，该装置可以位于如图1所示服务器100内，也可以是该服务器100。

如图2所示，该流程具体包括：

步骤201，获取区域特征数据，并进行网格化处理，得到第一特征数据。

具体的，可以先确定该区域特征数据的权重，然后根据权重对所述区域特征数据进行重新赋值，并进行网格化处理，得到第一特征数据。该第一特征数据也就是将重新赋值后的区域特征数据进行网格化处理的数据。

其中区域特征数据可以适用于多种可以表征区域交通特性的数据源，例如POI数据、手机信令等。

下面本发明实施例将以POI数据为例来描述获取区域特征数据，并进行网格化处理，得到第一特征数据的流程。

首先，提取POI数据。

参考2011年最新版城市用地分类与规划建设用地标准，将POI数据分成居住用地(R)、公共管理与公共服务用地(A)、商业服务业设施用地(B)、工业用地(M)、物流仓储用地(W)、道路与交通设施用地(S)、公用设施用地(U)、绿地与广场用地(G)8大类。

然后根据权重为POI数据重新赋值。

根据用地类型、建筑面积或占地面积及公众认知度赋予点的权重值对各类POI点赋相应权重分值，区间为1-100。如大型商场、批发市场等占地面积较大，公众认知度高的点，权重分值可为100；而较小的餐厅、商铺等权重分值可为1。权重值根据城市或分析区域特点，由人工赋值。

根据权重分值对原POI数据的数量重新定义。如某步行街，原POI有2个点，而其权重值为50分，因此，现在该步行街对应的POI点数为100个。根据上述数据处理过程，最终生成新的POI数据。

最后网格化处理。

将新的POI数据划分为1000m×1000m的规则网格，并确定每个网格中心点的坐标。由于栅格化表达形式将覆盖区域线外的部分区域，因此该格网面积稍大于实际面积。

步骤202，对所述第一特征数据进行分析，得到所述城市交通的空间分布密度。

得到第一特征数据之后，就可以通过非参数估计方法对该第一特征数据进行分析，得到城市交通的空间分布密度。在本发明实施例中该非参数估计方法可以使用直方图估计、核密度估计、K近邻估计等各种非参数估计方法，本发明实施例对此不做具体限定。

下面将以核密度估计方式为例来得到城市交通的空间分布密度。

核密度估计法是对密度函数的光滑估计，借助一个移动的单元格可求得区域内每个POI点的核密度，在每个核心点的邻域内，POI点的数量越多、距离越近，则该点的核密度越大，说明点的聚集度越高。

点(x₀,y₀)的核密度函数计算公式为：

其中，K为高斯核函数；(x_i-x₀)²+(y_i-y₀)²是点(x_i,y_i)和(x₀,y₀)之间的距离；n是范围内的点数；h为带宽。

在核函数估计中，带宽是定义平滑量大小的自由参数，可以依据经验设置。核密度估计得到的各个POI数据点的密度即为城市交通的空间分布密度，也可以称为城市交通的数据空间分布特征。

如果将城市交通的空间分布密度进行可视化展示，形成如图3所示的热力图。从图3中可以看到，在应用非参数估计方法划分交通控制片区时，会出现区域面积过大、区域边界不明确的问题。交通是动态的，片区内部存在大量的交叉口和道路，一个需要进行区域协调控制的片区会包含多个交叉口，必定具有一定数量的交通发生吸引量。由此，还需要引入交通量。

步骤203，根据路网空间数据，确定出所述城市交通的泰森多边形网。

具体的，可以以路网空间数据中的交叉口为节点、道路为边，根据第一特征数据与各交叉口的距离，构建城市交通的泰森多边形网。

主要是先提取路网空间数据，路网空间数据包括交叉口和道路，其中交叉口选取信号控制的交叉口，道路包括主干道、次干道，不考虑支路和某些断头路。将主要交叉口抽象为节点，主要道路抽象为边。

然后是建立泰森多边形网，提取的数据点虽然可以表征区域特征，但并不是交通控制的实际参与者，区域控制管理的基本单元是路网中的交叉口，确定划分片区的边界实际上是确定高密度的数据点区域影响了哪些交叉口。

居民在交通出行过程中，总会选择距离目的地路程最短的路线。因此可知，每一个POI点对其距离最近的交叉口影响是最大的，本发明利用泰森多边形网来识别数据点与交叉口之间的距离分布特征。

泰森多边形网(Delaunay)的特点是多边形内的任何位置离该多边形的样点的距离最近，离相邻多边形内样点的距离远。也就是说，在同一个泰森多边形网内的数据点离该交叉口是最近的，对该交叉口的影响也是最大的。

以交叉口组成的离散点为基础构建泰森多边形网，如图4所示。

步骤204，将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出所述城市交通各控制片区的边界。

得到泰森多边形网之后，就可以将城市交通的空间分布密度与泰森多边形网进行数据叠加，确定出密度大于密度阈值且交通流量大于流量阈值的泰森多边形，将密度大于密度阈值且交通流量大于流量阈值的泰森多边形中相邻的多个泰森多边形进行合并，取合并后的区域的外侧闭合的线为城市交通各控制片区的边界。该密度阈值和流量阈值可以依据经验设置。

其中，将POI数据点叠加到泰森多边形网上之后可以如图5所示，将空间分布密度叠加到多边形网上之后可以如图6所示，叠加后，通过划分阈值确定最后边界，其中，划分阈值可以包括密度阈值α和流量阈值β。

计算每个热力图覆盖的泰森多边形中数据密度A以及交叉口相连道路上的交通发生吸引量B。其中交叉口交通发生吸引量可以通过路口检测器直接获取，也可以通过轨迹数据等方式间接获取。

筛选出核密度大于阈值α，且车流发生吸引量大于阈值β的泰森多边形，将符合要求且相邻的泰森多边形合并聚类到一起，取最外侧闭合的线作为划分片区的边界，如图7所示。

交叉口相连道路上的交通发生吸引量是实时动态变化的，早晚高峰时期满足阈值要求的交叉口，在平峰时期可能不会满足要求，所以本发明划分片区的结果是随着交叉口道路交通而实时变化的。

确定边界后，划分结果就是城市交通控制片区，片区内包含的交叉口即为需要进行区域协调控制的交叉口。

本发明实施例提出的一种基于非参数估计的城市交通控制片区划分的方法。首先，提取表征区域特征的数据，对其进行网格化预处理；其次，用非参数密度估计方法分析数据，得到空间分布密度；然后，绘制泰森多边形网，合理选取密度阈值和交通出行流量阈值，确定片区边界；最后，根据片区划分结果对片区进行交通现状分析。一方面，本发明适用于多种可以表征区域交通特性的数据源，更加高效准确地探测和理解城市空间，从而在更精细的空间分辨率上快速有效的对城市进行空间切片，得到合适的城市交通控制片区。另一方面，分析片区内交通运行状态，制定合适的区域控制策略，缓解城市交通拥挤等城市问题。

上述实施例表明，获取区域特征数据，并进行网格化处理，得到第一特征数据，对第一特征数据进行分析，得到城市交通的空间分布密度，根据路网空间数据，确定出城市交通的泰森多边形网，将城市交通的空间分布密度与泰森多边形网进行数据叠加，确定出城市交通各控制片区的边界。使用的区域特征数据适用于多种可以表征区域交通特性的数据源，通过空间分布密度和由路网空间数据得到泰森多边形网可以更加高效准确地探测和理解城市空间，从而在更精细的空间分辨率上快速有效的对城市进行空间切片，得到合适的城市交通控制片区。

基于相同的技术构思，图8示例性的示出了本发明实施例提供的一种城市交通控制片区划分的装置的结构，该装置可以执行城市交通控制片区划分的流程，该装置可以位于图1所示的服务器100内，也可以是该服务器100。

如图8所示，该装置具体包括：

获取单元801，用于获取区域特征数据，并进行网格化处理，得到第一特征数据；

处理单元802，用于对所述第一特征数据进行分析，得到所述城市交通的空间分布密度；根据路网空间数据，确定出所述城市交通的泰森多边形网；将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出所述城市交通各控制片区的边界。

可选的，所述获取单元801具体用于：

确定所述区域特征数据的权重；

根据所述权重对所述区域特征数据进行重新赋值，并进行网格化处理，得到所述第一特征数据。

可选的，所述处理单元802具体用于：

通过非参数估计方法对所述第一特征数据进行分析，得到所述城市交通的空间分布密度。

可选的，所述处理单元802具体用于：

以所述路网空间数据中的交叉口为节点、道路为边，根据所述第一特征数据与各交叉口的距离，构建所述城市交通的泰森多边形网。

可选的，所述处理单元802具体用于：

将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出密度大于密度阈值且交通流量大于流量阈值的泰森多边形；

将所述密度大于密度阈值且交通流量大于流量阈值的泰森多边形中相邻的多个泰森多边形进行合并，取合并后的区域的外侧闭合的线为所述城市交通各控制片区的边界。

基于相同的技术构思，本发明实施例还提供了一种计算设备，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述城市交通控制片区划分的方法。

基于相同的技术构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述城市交通控制片区划分的方法。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种城市交通控制片区划分的方法，其特征在于，包括：

获取区域特征数据，并进行网格化处理，得到第一特征数据；

对所述第一特征数据进行分析，得到所述城市交通的空间分布密度；

根据路网空间数据，确定出所述城市交通的泰森多边形网；

将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出所述城市交通各控制片区的边界。

2.如权利要求1所述的方法，其特征在于，所述获取区域特征数据，并进行网格化处理，得到第一特征数据，包括：

确定所述区域特征数据的权重；

根据所述权重对所述区域特征数据进行重新赋值，并进行网格化处理，得到所述第一特征数据。

3.如权利要求1所述的方法，其特征在于，所述对所述第一特征数据进行分析，得到所述城市交通的空间分布密度，包括：

通过非参数估计方法对所述第一特征数据进行分析，得到所述城市交通的空间分布密度。

4.如权利要求1所述的方法，其特征在于，所述根据路网空间数据，确定出所述城市交通的泰森多边形网，包括：

以所述路网空间数据中的交叉口为节点、道路为边，根据所述第一特征数据与各交叉口的距离，构建所述城市交通的泰森多边形网。

5.如权利要求1至4任一项所述的方法，其特征在于，所述将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出所述城市交通各控制片区的边界，包括：

将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出密度大于密度阈值且交通流量大于流量阈值的泰森多边形；

将所述密度大于密度阈值且交通流量大于流量阈值的泰森多边形中相邻的多个泰森多边形进行合并，取合并后的区域的外侧闭合的线为所述城市交通各控制片区的边界。

6.一种城市交通控制片区划分的装置，其特征在于，包括：

获取单元，用于获取区域特征数据，并进行网格化处理，得到第一特征数据；

处理单元，用于对所述第一特征数据进行分析，得到所述城市交通的空间分布密度；根据路网空间数据，确定出所述城市交通的泰森多边形网；将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出所述城市交通各控制片区的边界。

7.如权利要求6所述的装置，其特征在于，所述获取单元具体用于：

确定所述区域特征数据的权重；

根据所述权重对所述区域特征数据进行重新赋值，并进行网格化处理，得到所述第一特征数据。

8.如权利要求6所述的装置，其特征在于，所述处理单元具体用于：

通过非参数估计方法对所述第一特征数据进行分析，得到所述城市交通的空间分布密度。

9.如权利要求6所述的装置，其特征在于，所述处理单元具体用于：

以所述路网空间数据中的交叉口为节点、道路为边，根据所述第一特征数据与各交叉口的距离，构建所述城市交通的泰森多边形网。

10.如权利要求6至9任一项所述的装置，其特征在于，所述处理单元具体用于：

将所述城市交通的空间分布密度与所述泰森多边形网进行数据叠加，确定出密度大于密度阈值且交通流量大于流量阈值的泰森多边形；

将所述密度大于密度阈值且交通流量大于流量阈值的泰森多边形中相邻的多个泰森多边形进行合并，取合并后的区域的外侧闭合的线为所述城市交通各控制片区的边界。