CN110782667A - 信号灯分时段配时方法、装置、电子设备及存储介质 - Google Patents

信号灯分时段配时方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110782667A
CN110782667A CN201911046713.0A CN201911046713A CN110782667A CN 110782667 A CN110782667 A CN 110782667A CN 201911046713 A CN201911046713 A CN 201911046713A CN 110782667 A CN110782667 A CN 110782667A
Authority
CN
China
Prior art keywords
time
target
flow
data
intersection
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
Application number
CN201911046713.0A
Other languages
English (en)
Inventor
黄轩
杨凡
徐琪琪
王成法
孙勇义
袁辉
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.)
Apollo Zhilian Beijing Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201911046713.0A priority Critical patent/CN110782667A/zh
Publication of CN110782667A publication Critical patent/CN110782667A/zh
Priority to US17/003,587 priority patent/US11527155B2/en
Priority to EP20194845.2A priority patent/EP3816961A1/en
Priority to JP2020182171A priority patent/JP7239535B2/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control
    • G08G1/083—Controlling the allocation of time between phases of a cycle
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • 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
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/095—Traffic lights
    • 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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Abstract

本申请公开了一种信号灯分时段配时方法、装置、电子设备及存储介质，涉及智能交通领域。具体实现方案为：获取目标路口在连续N天内各时段的流量数据，N为大于1的整数；对所述流量数据进行曲线拟合，确定所述目标路口每天对应的流量曲线；计算所述流量曲线中二阶导数满足预设条件的各目标点；根据所述各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时。通过本申请的方案，能够提高信号灯分时段控制的准确性和可靠性，解决现有技术中信号灯分时段控制准确性差的技术问题。

Description

信号灯分时段配时方法、装置、电子设备及存储介质
技术领域
本申请涉及数据处理和智能交通技术领域，尤其涉及一种信号灯分时段配时方法、装置、电子设备及存储介质。
背景技术
在智能交通领域，为提高对信号灯控制的准确性，目前，通常先统计出各个路口的交通流量，再由人工根据统计的交通流量进行时段划分，进而根据划分的时段对信号灯进行分时段控制。
然而，现有的对信号灯进行分时段控制的方式不仅浪费人力，划分结果还受人主观感受的影响，导致划分结果不准确，从而影响了信号灯分时段控制的准确性。
发明内容
本申请提出了一种信号灯分时段配时方法、装置、电子设备及存储介质，用于解决现有技术中信号灯分时段控制准确性差的技术问题。
本申请第一方面实施例提出了一种信号灯分时段配时方法，包括：
获取目标路口在连续N天内各时段的流量数据，N为大于1的整数；
对所述流量数据进行曲线拟合，确定所述目标路口每天对应的流量曲线；
计算所述流量曲线中二阶导数满足预设条件的各目标点；
根据所述各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时。
本申请实施例的信号灯分时段配时方法，通过获取目标路口在连续N天内各时段的流量数据，N为大于1的整数，对流量数据进行曲线拟合，确定目标路口每天对应的流量曲线，计算流量曲线中二阶导数满足预设条件的各目标点，根据各目标点对应的各时刻，对目标路口的信号灯进行分时段配时。由此，通过曲线拟合的方式来模拟目标路口的车流量以对信号灯进行分时段控制，避免了人工参与，节省了人力成本，因无需人工参与，从而避免了人的主观感受对划分结果的干扰，从而能够提高划分结果的准确性，提高信号灯分时段控制的准确性和可靠性，为智能交通的实现提供了条件。
在本申请实施例一种可能的实现方式中，所述根据所述各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时，包括：
若目标点的数量大于第一阈值，则确定所述流量曲线在每个目标点处对应的一阶导数值；
根据每个目标点对应的一阶导数值，从所述目标点中抽取与所述第一阈值数量相等的目标点；
根据抽取的各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时。
由此，通过对目标点进行筛选，根据抽取的各目标点对应的各时刻进行信号灯分时段配时，能够进一步提高信号灯分时段控制的准确性。
在本申请实施例一种可能的实现方式中，所述根据所述各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时，包括：
若目标数据点的数量大于第一阈值，则确定每两个相邻目标点对应的时刻间的时间差值；
将时间差值小于第二阈值的两个目标点进行合并处理；
根据合并后的各目标点对应的时刻，对所述目标路口的信号灯进行分时段配时。
由此，通过对相近时刻的目标点进行合并处理，能够减少划分的时段数量，提高信号灯分时段控制的准确性。
在本申请实施例一种可能的实现方式中，所述确定所述目标路口每天对应的流量曲线之后，还包括：
获取所述目标路口当前时段的实际流量值；
检测所述实际流量值与所述流量曲线中当前时段的预测流量值是否匹配；
若所述实际流量值与预测流量值间的差异值大于第三阈值，则对所述目标路口进行预警处理。
由此，通过比较实际流量值和预测流量值进行预警处理，能够提醒目标路口可能存在的异常情况，以便交通管制人员和过往车辆能够及时了解路况。
在本申请实施例一种可能的实现方式中，所述确定所述目标路口每天对应的流量曲线之后，还包括：
获取路线规划请求，所述路线规划请求中包括出发时间、出发地及目的地；
获取所述出发地及目的地间的每条候选道路中的每个路口对应的流量曲线；
根据每个路口对应的流量曲线及所述出发时间，确定每条候选道路的拥堵概率；
根据每条候选道路的拥堵概率，生成规划路线。
由此，通过获取每条候选道路的拥堵概率，根据拥堵概率生成规划路线，有利于向用户推荐比较畅通的路线，提升用户体验。
在本申请实施例一种可能的实现方式中，所述对所述流量数据进行曲线拟合，确定所述目标路口每天对应的流量曲线，包括：
按照预设的规则，将所述N天内各时段的流量数据划分为M个数据集，其中，每个数据集中的数据对应的时间段相同，M为大于1的整数；
对每个数据集中的数据进行曲线拟合，确定每个数据集对应的曲线；
根据每个数据集中数据对应的时间段，将M个曲线进行拼接，生成所述目标路口每天对应的流量曲线。
由此，通过将获取的流量数据按照时间段进行划分为多个数据集，针对每个数据集进行曲线拟合得到对应曲线，再根据时间段进行拼接得到目标路口对应的流量曲线，有利于提高曲线拟合的准确性，为进行准确的信号灯分时段控制奠定了基础。
本申请第二方面实施例提出了一种信号灯分时段配时装置，包括：
第一获取模块，用于获取目标路口在连续N天内各时段的流量数据，N为大于1的整数；
曲线拟合模块，用于对所述流量数据进行曲线拟合，确定所述目标路口每天对应的流量曲线；
计算模块，用于计算所述流量曲线中二阶导数满足预设条件的各目标点；
配时模块，用于根据所述各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时。
本申请实施例的信号灯分时段配时装置，通过获取目标路口在连续N天内各时段的流量数据，N为大于1的整数，对流量数据进行曲线拟合，确定目标路口每天对应的流量曲线，计算流量曲线中二阶导数满足预设条件的各目标点，根据各目标点对应的各时刻，对目标路口的信号灯进行分时段配时。由此，通过曲线拟合的方式来模拟目标路口的车流量以对信号灯进行分时段控制，避免了人工参与，节省了人力成本，因无需人工参与，从而避免了人的主观感受对划分结果的干扰，从而能够提高划分结果的准确性，提高信号灯分时段控制的准确性和可靠性，为智能交通的实现提供了条件。
在本申请实施例一种可能的实现方式中，所述配时模块，包括：
确定单元，用于在目标点的数量大于第一阈值时，则确定所述流量曲线在每个目标点处对应的一阶导数值；
抽取单元，用于根据每个目标点对应的一阶导数值，从所述目标点中抽取与所述第一阈值数量相等的目标点；
第一配时单元，用于根据抽取的各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时。
在本申请实施例一种可能的实现方式中，所述配时模块，包括：
计算单元，用于在目标数据点的数量大于第一阈值时，则确定每两个相邻目标点对应的时刻间的时间差值；
合并单元，用于将时间差值小于第二阈值的两个目标点进行合并处理；
第二配时单元，用于根据合并后的各目标点对应的时刻，对所述目标路口的信号灯进行分时段配时。
在本申请实施例一种可能的实现方式中，所述装置，还包括：
第二获取模块，用于获取所述目标路口当前时段的实际流量值；
检测模块，用于检测所述实际流量值与所述流量曲线中当前时段的预测流量值是否匹配；
预警模块，用于在所述实际流量值与预测流量值间的差异值大于第三阈值时，则对所述目标路口进行预警处理。
在本申请实施例一种可能的实现方式中，所述装置，还包括：
第三获取模块，用于获取路线规划请求，所述路线规划请求中包括出发时间、出发地及目的地；
第四获取模块，用于获取所述出发地及目的地间的每条候选道路中的每个路口对应的流量曲线；
路线规划模块，用于根据每个路口对应的流量曲线及所述出发时间，确定每条候选道路的拥堵概率；以及，根据每条候选道路的拥堵概率，生成规划路线。
在本申请实施例一种可能的实现方式中，所述曲线拟合模块，具体用于：
按照预设的规则，将所述N天内各时段的流量数据划分为M个数据集，其中，每个数据集中的数据对应的时间段相同，M为大于1的整数；
对每个数据集中的数据进行曲线拟合，确定每个数据集对应的曲线；
根据每个数据集中数据对应的时间段，将M个曲线进行拼接，生成所述目标路口每天对应的流量曲线。
本申请第三方面实施例提出了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面实施例所述的信号灯分时段配时方法。
本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行前述第一方面实施例所述的信号灯分时段配时方法。
上述申请中的一个实施例具有如下优点或有益效果：
通过获取目标路口在连续N天内各时段的流量数据，N为大于1的整数，对流量数据进行曲线拟合，确定目标路口每天对应的流量曲线，计算流量曲线中二阶导数满足预设条件的各目标点，根据各目标点对应的各时刻，对目标路口的信号灯进行分时段配时。由此，通过曲线拟合的方式来模拟目标路口的车流量以对信号灯进行分时段控制，避免了人工参与，节省了人力成本，因无需人工参与，从而避免了人的主观感受对划分结果的干扰，从而能够提高划分结果的准确性，提高信号灯分时段控制的准确性和可靠性，为智能交通的实现提供了条件。因为采用曲线拟合来模拟路口的流量曲线，根据流量曲线确定各目标点，根据各目标点对应的各时刻对信号灯进行分时段配时的技术手段，无需人工参与，所以克服了因受人主观感受的影响导致分时段控制的准确性差的技术问题，进而达到提高信号灯分时段控制的准确性和可靠性的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的信号灯分时段配时方法的流程示意图；
图2是根据本申请第二实施例的信号灯分时段配时方法的流程示意图；
图3是根据本申请第三实施例的信号灯分时段配时方法的流程示意图；
图4是根据本申请第四实施例的信号灯分时段配时方法的流程示意图；
图5是根据本申请第五实施例的信号灯分时段配时方法的流程示意图；
图6是根据本申请第六实施例的信号灯分时段配时装置的结构示意图；
图7是根据本申请第七实施例的信号灯分时段配时装置的结构示意图；
图8是根据本申请第八实施例的信号灯分时段配时装置的结构示意图；
图9是根据本申请第九实施例的信号灯分时段配时装置的结构示意图；
图10是根据本申请第十实施例的信号灯分时段配时装置的结构示意图；
图11是用来实现本申请实施例的信号灯分时段配时方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请的信号灯分时段配时方法、装置、电子设备及存储介质。
针对上述背景技术中提到的，现有技术中人工根据统计的流量进行时段划分时，划分结果受人主观感受的影响不够准确，使得信号灯分时段控制的准确性差的技术问题，本申请提出了一种信号灯分时段配时方法，通过曲线拟合的方式来模拟路口的流量曲线，根据流量曲线确定各目标点，根据各目标点对应的各时刻对信号灯进行分时段配时，无需人工参与，从而避免了人的主观感受对划分结果的干扰，从而能够提高划分结果的准确性，提高信号灯分时段控制的准确性和可靠性。
具体而言，图1是根据本申请第一实施例的信号灯分时段配时方法的流程示意图，该方法可以由本申请提出的信号灯分时段配时装置执行，也可以由电子设备执行，其中，电子设备可以是服务器，也可以是车载终端、移动终端等终端设备，本申请对此不作限制。下面以服务器执行本申请的信号灯分时段配时方法作为示例来解释说明本申请。
如图1所示，该信号灯分时段配时方法，包括以下步骤：
步骤101，获取目标路口在连续N天内各时段的流量数据，N为大于1的整数。
其中，N可以预先设定，比如设置N为10天、30天等。各时段也可以预先设定，比如将每5分钟划分为一个时段，或者，将每15分钟划分为一个时段，等等。
本实施例中，可以获取目标路口在连续N天内各个时段的流量数据，其中，流量数据能够较准确地反映目标路口一天内的交通变化规律，比如，流量数据可以是各时段内通过目标路口的车辆数。
在获取目标路口的流量数据时，作为一种示例，可以从目标路口的监控摄像头获取目标路口的监控视频，通过对监控视频进行车辆识别，统计各时段内识别出的车辆数，确定目标路口每天各时段的流量数据。
能够理解的是，获取的目标路口各时段的流量数据，可以针对目标路口所通往的各个行车方向获取各时段对应的流量数据，也可以是目标路口各个行车方向上各时段所通过的总的流量，即，各个时段是流量数据是该时段内通过目标路口各个行车方向的车辆的总和。
步骤102，对流量数据进行曲线拟合，确定目标路口每天对应的流量曲线。
本实施例中，获取了目标路口连续N天内各时段的流量数据后，即可对获取的流量数据进行曲线拟合，生成目标路口对应的流量曲线，其中，流量曲线是时间与车流量的函数。通常情况下，同一个路口每天的交通变化规律变化极小，因此拟合得到的流量曲线可以表示该目标路口每天的交通情况。
作为一种可能的实现方式，可以直接利用获取的流量数据进行曲线拟合，通过选择适当的曲线类型来拟合获取的流量数据，再通过求解方程组或最优化方法确定所需参数，最终得到一条曲线作为目标路口对应的流量曲线。
作为一种可能的实现方式，还可以针对每个时段进行曲线拟合，再通过拼接的方式得到目标路口对应的一天的流量曲线。具体地，对流量数据进行曲线拟合，确定目标路口每天对应的流量曲线，包括：按照预设的规则，将N天内各时段的流量数据划分为M个数据集，其中，每个数据集中的数据对应的时间段相同，M为大于1的整数；对每个数据集中的数据进行曲线拟合，确定每个数据集对应的曲线；根据每个数据集中数据对应的时间段，将M个曲线进行拼接，生成目标路口每天对应的流量曲线。
其中，预设的规则是预先设定的，可以预先人为指定，也可以根据历史拟合的曲线情况自动生成。比如，预设的规则可以是从第一个时段开始，将相邻的5个时段的流量数据划分至同一个数据集，并将每天相同时段的流量数据划分为同一个数据集，即一个数据集中包括N天中相同的5个相邻时段的流量数据。按照预设的规定对流量数据进行划分后得到的每个数据集对应一个连续的时间段。
接着，对各时段的流量数据进行划分得到M各数据集之后，可以对每个数据集中的数据进行曲线拟合，确定每个数据集对应的曲线，得到M个曲线，进而根据每个数据集中数据对应的时间段，将M个曲线进行拼接生成目标路口对应的流量曲线。
其中，在进行拼接时，可以根据每个数据集中数据对应的时间段的端点，将相同端点的曲线拼接在一起，最终得到目标路口对应的一条流量曲线。
通过将获取的流量数据划分为多个数据集，对每个数据集中的数据进行曲线拟合，再通过曲线拼接的方式得到流量曲线，由于数据集中的数据量要比获取的流量数据的数据量少得多，降低了曲线拟合的数据量和拟合难度，拟合得到的曲线也更加准确，从而有利于提高流量曲线的准确性。
需要说明的是，本申请实施例中，还可以根据拟合得到的流量曲线的作用来选择进行曲线拟合的数据。比如，若流量曲线仅用于对信号灯进行分时段控制，则可以利用目标路口上各行车方向的流量数据进行曲线拟合，得到每个行车方向对应的流量曲线，也可以利用目标路口各行车方向的总的流量数据进行曲线拟合，得到目标路口对应的一条流量曲线；若流量曲线不仅用于对信号灯进行分时段控制，还用于路线规划、交通预警等，则需要针对目标路口的每个行车方向确定对应的流量曲线，则需要分别利用各行车方向的流量数据进行曲线拟合得到各行车方向对应的流量曲线。
步骤103，计算流量曲线中二阶导数满足预设条件的各目标点。
其中，预设条件可以预先设定，比如，预设条件可以为流量曲线的二阶导数等于0。
能够理解的是，原函数的二阶导数为0的点称为原函数的拐点，拐点能够反映原函数的曲线变化方向，从而，本实施例中，可以通过计算流量曲线的二阶导数为0的点作为所求的各目标点，则各目标点能够反映流量曲线的变化方向，变化方向包括向上和向下，即从目标点对应的时刻开始，车流量开始增多或减少。
具体地，确定了目标路口对应的流量曲线之后，可以对流量曲线进行二次求导运算，并使流量曲线的二阶导数等于0，计算二阶导数等于0的点，即为所确定的各目标点，各目标点为时刻。
步骤104，根据各目标点对应的各时刻，对目标路口的信号灯进行分时段配时。
本实施例中，确定了各目标点之后，可以根据各目标点对应的各时刻，对目标路口的信号灯进行分时段配时。
举例而言，假设确定的各目标点为7:30、9:30、11:30、14:00、17:00和19:30，则可以将一天(0:00～24:00)划分为7个时段，分别为0:00～7:30、7:30～9:30、9:30～11:30、11:30～14:00、14:00～17:00、17:00～19:30和19:30～24:00。进而针对每个时段，对信号灯进行不同的配时，比如，对于7:30～9:30这一时段，目标路口的流量数据较大，则对信号灯配置较长的通行时间，即配置较长的绿灯时长，以缓解目标路口的交通压力，避免目标路口在该时段发生交通拥堵，对于9:30～11:30这一时段，该时段内早高峰已过，车流量较少，则对信号灯配置较短的通行时间。
本实施例的信号灯分时段配时方法，通过获取目标路口在连续N天内各时段的流量数据，N为大于1的整数，对流量数据进行曲线拟合，确定目标路口每天对应的流量曲线，计算流量曲线中二阶导数满足预设条件的各目标点，根据各目标点对应的各时刻，对目标路口的信号灯进行分时段配时。由此，通过曲线拟合的方式来模拟目标路口的车流量以对信号灯进行分时段控制，避免了人工参与，节省了人力成本，因无需人工参与，从而避免了人的主观感受对划分结果的干扰，从而能够提高划分结果的准确性，提高信号灯分时段控制的准确性和可靠性，为智能交通的实现提供了条件。
通常情况下，一天内交通流量高峰期的时段是一定的，比如早高峰和晚高峰时段，因此，可以预先设定划分的时段数，进而根据划分的时段数对确定的目标点进行筛选。从而，在本申请实施例一种可能的实现方式中，如图2所示，在如图1所示实施例的基础上，步骤104可以包括以下步骤：
步骤201，若目标点的数量大于第一阈值，则确定流量曲线在每个目标点处对应的一阶导数值。
其中，第一阈值可以预先设定，比如，第一阈值可以设置为4个、6个等。
本实施例中，确定了各目标点之后，可以将目标点的数量与第一阈值比较，若不大于第一阈值，则根据确定的各目标点对目标路口的信号灯进行分时段配时，若大于第一阈值，则进一步确定流量曲线在每个目标点处对应的一阶导数值。
具体地，当比较或者目标点的数量大于第一阈值时，则对流量曲线进行求导，得到流量曲线对应的一阶导数，进而将各个目标点代入一阶导数进行计算，得到各目标点对应的一阶导数值。
步骤202，根据每个目标点对应的一阶导数值，从目标点中抽取与第一阈值数量相等的目标点。
本实施例中，计算得到每个目标点对应的一阶导数值之后，可以根据各一阶导数值对个目标点进行筛选，从多个目标点中抽取出与第一阈值数量相等的目标点。
作为一种示例，可以计算各一阶导数值的绝对值，并按照从大到小的顺序对各绝对值进行排序，将前第一阈值个绝对值对应的目标点确定为最终选取的目标点。
举例而言，假设第一阈值为4个，而计算得到的各目标点为7个，则可以计算这7个目标点处流量曲线的一阶导数值，之后仅选取一阶导数值的绝对值最大的前4个目标点作为最终抽取的目标点。
步骤203，根据抽取的各目标点对应的各时刻，对目标路口的信号灯进行分时段配时。
举例而言，假设确定的各目标点的数量为6个，分别为7:30、9:30、11:30、14:00、17:00和19:30，第一阈值为4个，通过对流量曲线进行求导后，计算得到的各目标点对应的一阶导数值的绝对值中，目标点7:30、9:30、17:00和19:30的一阶导数值的绝对值最大，确定最终选取的目标点为7:30、9:30、17:00和19:30，进而可以将一天(0:00～24:00)划分为5个时段，分别为0:00～7:30、7:30～9:30、9:30～17:00、17:00～19:30和19:30～24:00。进而针对每个时段，对信号灯进行不同的配时，比如，对于7:30～9:30这一时段，目标路口的流量数据较大，则对信号灯配置较长的通行时间，即配置较长的绿灯时长，以缓解目标路口的交通压力，避免目标路口在该时段发生交通拥堵，对于9:30～17:00这一时段，对信号灯配置较短的通行时间。
本实施例的信号灯分时段配时方法，通过在目标点的数量大于第一阈值时，确定流量曲线在每个目标点处对应的一阶导数值，根据每个目标点对应的一阶导数值，从目标点中抽取与第一阈值数量相等的目标点，根据抽取的各目标点对应的各时刻，对目标路口的信号灯进行分时段配时，由此，通过对目标点进行筛选，根据抽取的各目标点对应的各时刻进行信号灯分时段配时，能够进一步提高信号灯分时段控制的准确性。
由于本申请中的各目标点是根据流量曲线的二阶导数满足预设条件时确定的，计算得到的个目标点中，各目标点对应的时刻可能存在比较相近的情况，这种情况下，可以对相近时刻的目标点进行合并，以减少划分时段的数量，进一步提高时段划分的准确性。从而，在本申请实施例一种可能的实现方式中，如图3所示，在如图1所示实施例的基础上，步骤104可以包括以下步骤：
步骤301，若目标数据点的数量大于第一阈值，则确定每两个相邻目标点对应的时刻间的时间差值。
其中，第一阈值可以预先设定，比如，第一阈值可以设置为4个、6个等。
本实施例中，确定了各目标点之后，可以将目标点的数量与第一阈值比较，若不大于第一阈值，则根据确定的各目标点对目标路口的信号灯进行分时段配时，若大于第一阈值，则进一步确定每两个相邻目标点对应的时刻间的时间差值。
步骤302，将时间差值小于第二阈值的两个目标点进行合并处理。
其中，第二阈值可以预先设定，比如第二阈值可以设置为5分钟、10分钟等。
本实施例中，确定了每两个相邻目标点对应的时刻之间的时间差值之和，可以将所得的时间差值与第二阈值进行比较，将时间差值小于第二阈值的两个目标点进行合并处理。
其中，对两个目标点进行合并处理时，可以从两个目标点中任意选择一个目标点用于时段划分，或者，也可以对两个目标点进行求均值处理，将所得均值用于时段划分，本申请对合并处理的方式不作限制。
举例而言，假设第二阈值为20分钟，相邻的两个目标点分别为9点和9:10，其时间差值为10分钟小于第二阈值，则对9点和9:10进行合并处理，比如可以将其均值9:05作为最终的目标点。
需要说明的是，若任意相邻的两个目标点对应的时间之间的时间差值均大于第二阈值，则可以根据各目标点对应的时刻对信号灯进行分时段配时，也可以根据各目标点所在时段的流量数据对目标点进行筛选，选择流量数据最大的第一阈值个目标点用于对信号灯进行分时段配时，具体的处理方式可以根据实际情况进行选择，本申请对此不作限制。
步骤303，根据合并后的各目标点对应的时刻，对目标路口的信号灯进行分时段配时。
本实施例中，对满足条件的各目标点进行合并处理后，可以根据合并后的各目标点对应的时刻，对目标路口的信号灯进行分时段配时。
举例而言，假设第一阈值为4个，第二阈值为20分钟，确定的各目标点分别为7:30、9:30、9:40、17:00、17:10和19:30，则通过对目标点进行合并处理，可以确定最终的目标点为7:30、9:40、17:00、和19:30，进而根据最终确定的目标点7:30、9:40、17:00、和19:30将一天划分为多个时段，分别为0:00～7:30、7:30～9:40、9:40～17:00、17:00～19:30和19:30～24:00。本举例中，通过采用择一的方式对目标点进行合并处理，并在选择目标点时，保证了流量高峰期的时段范围增大，比如选择9:40而非9:30作为最终的目标点，以使早高峰的时段为7:30～9:40，相较于7:30～9:30增大，以满足高峰期的信号灯配时需求。
本实施例的信号灯分时段配时方法，通过在目标数据点的数量大于第一阈值时，确定每两个相邻目标点对应的时刻间的时间差值，将时间差值小于第二阈值的两个目标点进行合并处理，进而根据合并后的各目标点对应的时刻，对目标路口的信号灯进行分时段配时，由此，通过对相近时刻的目标点进行合并处理，能够减少划分的时段数量，提高信号灯分时段控制的准确性。
当路口所在的上游路段出现异常情况时，比如有车辆发生故障、交通事故、道路故障等情况，会影响通过该路口的车流量。从而，在本申请实施例一种可能的实现方式中，还可以根据通过目标路口的实际车流量进行异常情况预警提醒。具体地，如图4所示，在如图1所示实施例的基础上，步骤102之后，还可以包括以下步骤：
步骤401，获取目标路口当前时段的实际流量值。
本实施例中，可以通过获取目标路口的监控摄像头采集的监控视频，对监控视频进行车辆识别来获取目标路口当前时段的实际流量值。
例如，可以实时获取目标路口的监控视频，通过车辆识别获取当前时段内各个时刻的实际流量值。
步骤402，检测实际流量值与流量曲线中当前时段的预测流量值是否匹配。
步骤403，若实际流量值与预测流量值间的差异值大于第三阈值，则对目标路口进行预警处理。
其中，第三阈值可以预先设定。
本实施例中，根据流量曲线，可以获取当前时段内各个时刻的预测流量值，并将各时刻的实际流量值和预测流量值进行比较，判断实际流量值与预测流量值是否匹配，若实际流量值小于预测流量值，且实际流量值与预测流量值的差值大于第三阈值，则可以推断与目标路口的行车方向相反方向的道路中可能存在异常情况，即行车方向的上游可能存在异常情况，使得车辆无法通过该路口，此时，可以对目标路口进行预警处理。
其中，异常情况比如可以是道路故障、交通事故、车辆故障，等等。
作为一种示例，对目标路口进行预警处理时，可以向交通管制人员发出预警提醒，比如将目标路口的位置发送给交通管制人员，以提醒交通管制人员至目标路口的行车方向的上游进行交通疏导。
作为一种示例，对目标路口进行预警处理时，可以向预设范围内的车辆发送预警提醒，比如发送“XX路口附近可能出现故障，请绕行”的提醒信息，以提醒车辆避开异常路段。
本实施例的信号灯分时段配时方法，通过获取目标路口当前时段的实际流量值，并检测实际流量值与流量曲线中当前时段的预测流量值是否匹配，在实际流量值与预测流量值间的差异值大于第三阈值时，对目标路口进行预警处理，由此，通过比较实际流量值和预测流量值进行预警处理，能够提醒目标路口可能存在的异常情况，以便交通管制人员和过往车辆能够及时了解路况。
在本申请实施例一种可能的实现方式中，还可以根据确定的流量曲线进行导航路径推荐。具体地，如图5所示，在前述实施例的基础上，步骤102之后，还可以包括以下步骤：
步骤501，获取路线规划请求，路线规划请求中包括出发时间、出发地及目的地。
其中，线路规划请求可以由车载导航或移动终端中安装的导航程序发出。当用户利用车载导航或导航程序进行线路导航时，车载导航或导航程序发出路线规划请求，服务器可以获取该路线规划请求。路线规划请求中包括的出发时间可以根据用户进行导航时的系统时间确定，出发地和目的地可以根据用户导航时输入的起始地点和目的地确定。
步骤502，获取出发地及目的地间的每条候选道路中的每个路口对应的流量曲线。
本实施例中，获取了路线规划请求后，可以根据路线规划请求中的出发地和目的地，确定从出发地至目的地的每条候选道路，进而确定每条候选道路中的每个路口，获取每个路口对应的流量曲线。
步骤503，根据每个路口对应的流量曲线及出发时间，确定每条候选道路的拥堵概率。
具体地，获取了每个路口的流量曲线后，根据出发时间和每个路口对应的流量曲线，可以确定每个路口在出发时间的流量，以及之后时间的流量情况，进而根据出发时间及之后时间的流量情况，可以确定路口的拥堵情况，进而确定每条候选道路的拥堵概率。
能够理解的是，路口的流量越大，同一条道路上流量大的路口数量越多，则道路拥堵的概率也越大。
步骤504，根据每条候选道路的拥堵概率，生成规划路线。
本实施例中，确定了每条候选道路的拥堵概率之后，可以根据每条候选道路的拥堵概率，生成规划路线，以为用户提供拥堵风险最低、更加快速的导航路径。
本实施例的信号灯分时段配时方法，通过获取路线规划请求，路线规划请求中包括出发时间、出发地及目的地，获取出发地及目的地间的每条候选道路中的每个路口对应的流量曲线，根据每个路口对应的流量曲线及出发时间，确定每条候选道路的拥堵概率，进而根据每条候选道路的拥堵概率，生成规划路线，由此，通过获取每条候选道路的拥堵概率，根据拥堵概率生成规划路线，有利于向用户推荐比较畅通的路线，提升用户体验。
根据本申请的实施例，本申请还提出一种信号灯分时段配时装置。
图6是根据本申请第六实施例的信号灯分时段配时装置的结构示意图。如图6所示，该信号灯分时段配时装置60包括：第一获取模块610、曲线拟合模块620、计算模块630，以及配时模块640。
其中，第一获取模块610，用于获取目标路口在连续N天内各时段的流量数据，N为大于1的整数。
曲线拟合模块620，用于对流量数据进行曲线拟合，确定目标路口每天对应的流量曲线。
在本申请实施例一种可能的实现方式中，曲线拟合模块620具体用于：
按照预设的规则，将N天内各时段的流量数据划分为M个数据集，其中，每个数据集中的数据对应的时间段相同，M为大于1的整数；
对每个数据集中的数据进行曲线拟合，确定每个数据集对应的曲线；
根据每个数据集中数据对应的时间段，将M个曲线进行拼接，生成目标路口每天对应的流量曲线。
按照预设的规则，将所述N天内各时段的流量数据划分为M个数据集，其中，每个数据集中的数据对应的时间段相同，M为大于1的整数；
对每个数据集中的数据进行曲线拟合，确定每个数据集对应的曲线；
根据每个数据集中数据对应的时间段，将M个曲线进行拼接，生成所述目标路口每天对应的流量曲线。
计算模块630，用于计算流量曲线中二阶导数满足预设条件的各目标点。
配时模块640，用于根据各目标点对应的各时刻，对目标路口的信号灯进行分时段配时。
在本申请实施例一种可能的实现方式中，如图7所示，在如图6所示实施例的基础上，配时模块640包括：
确定单元6401，用于在目标点的数量大于第一阈值时，则确定流量曲线在每个目标点处对应的一阶导数值。
抽取单元6402，用于根据每个目标点对应的一阶导数值，从目标点中抽取与第一阈值数量相等的目标点。
第一配时单元6403，用于根据抽取的各目标点对应的各时刻，对目标路口的信号灯进行分时段配时。
通过对目标点进行筛选，根据抽取的各目标点对应的各时刻进行信号灯分时段配时，能够进一步提高信号灯分时段控制的准确性。
在本申请实施例一种可能的实现方式中，如图8所示，在如图6所示实施例的基础上，配时模块640包括：
计算单元6411，用于在目标数据点的数量大于第一阈值时，则确定每两个相邻目标点对应的时刻间的时间差值。
合并单元6412，用于将时间差值小于第二阈值的两个目标点进行合并处理。
第二配时单元6403，用于根据合并后的各目标点对应的时刻，对目标路口的信号灯进行分时段配时。
通过对相近时刻的目标点进行合并处理，能够减少划分的时段数量，提高信号灯分时段控制的准确性。
在本申请实施例一种可能的实现方式中，如图9所示，在如图6所示实施例的基础上，该信号灯分时段配时装置60还包括：
第二获取模块650，用于获取目标路口当前时段的实际流量值。
检测模块660，用于检测实际流量值与流量曲线中当前时段的预测流量值是否匹配。
预警模块670，用于在实际流量值与预测流量值间的差异值大于第三阈值时，则对目标路口进行预警处理。
通过比较实际流量值和预测流量值进行预警处理，能够提醒目标路口可能存在的异常情况，以便交通管制人员和过往车辆能够及时了解路况。
在本申请实施例一种可能的实现方式中，如图10所示，在前述实施例的基础上，该信号灯分时段配时装置60还包括：
第三获取模块680，用于获取路线规划请求，路线规划请求中包括出发时间、出发地及目的地。
第四获取模块690，用于获取出发地及目的地间的每条候选道路中的每个路口对应的流量曲线。
路线规划模块600，用于根据每个路口对应的流量曲线及出发时间，确定每条候选道路的拥堵概率；以及，根据每条候选道路的拥堵概率，生成规划路线。
通过获取每条候选道路的拥堵概率，根据拥堵概率生成规划路线，有利于向用户推荐比较畅通的路线，提升用户体验。
需要说明的是，前述对信号灯分时段配时方法实施例的解释说明，也适用于本申请实施例的信号灯分时段配时装置，其实现原理类似，此处不再赘述。
本申请实施例的信号灯分时段配时装置，通过获取目标路口在连续N天内各时段的流量数据，N为大于1的整数，对流量数据进行曲线拟合，确定目标路口每天对应的流量曲线，计算流量曲线中二阶导数满足预设条件的各目标点，根据各目标点对应的各时刻，对目标路口的信号灯进行分时段配时。由此，通过曲线拟合的方式来模拟目标路口的车流量以对信号灯进行分时段控制，避免了人工参与，节省了人力成本，因无需人工参与，从而避免了人的主观感受对划分结果的干扰，从而能够提高划分结果的准确性，提高信号灯分时段控制的准确性和可靠性，为智能交通的实现提供了条件。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图11所示，是根据本申请实施例的信号灯分时段配时方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图11所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器701可以对在电子设备内执行的指令进行处理，包括存储在存储器702中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图11中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器702存储有可由至少一个处理器执行的指令，以使所述至少一个处理器701执行本申请所提供的信号灯分时段配时方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的信号灯分时段配时方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的信号灯分时段配时方法对应的程序指令/模块(例如，附图6所示的第一获取模块610、曲线拟合模块620、计算模块630和配时模块640)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的信号灯分时段配时方法。
存储器702可以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、至少一个功能所需要的应用程序；存储数据区可存储根据执行信号灯分时段配时方法的电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至执行信号灯分时段配时方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
执行信号灯分时段配时方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图11中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与执行信号灯分时段配时方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种信号灯分时段配时方法，其特征在于，包括：
获取目标路口在连续N天内各时段的流量数据，N为大于1的整数；
对所述流量数据进行曲线拟合，确定所述目标路口每天对应的流量曲线；
计算所述流量曲线中二阶导数满足预设条件的各目标点；
根据所述各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时。
2.如权利要求1所述的方法，其特征在于，所述根据所述各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时，包括：
若目标点的数量大于第一阈值，则确定所述流量曲线在每个目标点处对应的一阶导数值；
根据每个目标点对应的一阶导数值，从所述目标点中抽取与所述第一阈值数量相等的目标点；
根据抽取的各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时。
3.如权利要求1所述的方法，其特征在于，所述根据所述各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时，包括：
若目标数据点的数量大于第一阈值，则确定每两个相邻目标点对应的时刻间的时间差值；
将时间差值小于第二阈值的两个目标点进行合并处理；
根据合并后的各目标点对应的时刻，对所述目标路口的信号灯进行分时段配时。
4.如权利要求1所述的方法，其特征在于，所述确定所述目标路口每天对应的流量曲线之后，还包括：
获取所述目标路口当前时段的实际流量值；
检测所述实际流量值与所述流量曲线中当前时段的预测流量值是否匹配；
若所述实际流量值与预测流量值间的差异值大于第三阈值，则对所述目标路口进行预警处理。
5.如权利要求1-4任一所述的方法，其特征在于，所述确定所述目标路口每天对应的流量曲线之后，还包括：
获取路线规划请求，所述路线规划请求中包括出发时间、出发地及目的地；
获取所述出发地及目的地间的每条候选道路中的每个路口对应的流量曲线；
根据每个路口对应的流量曲线及所述出发时间，确定每条候选道路的拥堵概率；
根据每条候选道路的拥堵概率，生成规划路线。
6.如权利要求1-4任一所述的方法，其特征在于，所述对所述流量数据进行曲线拟合，确定所述目标路口每天对应的流量曲线，包括：
按照预设的规则，将所述N天内各时段的流量数据划分为M个数据集，其中，每个数据集中的数据对应的时间段相同，M为大于1的整数；
对每个数据集中的数据进行曲线拟合，确定每个数据集对应的曲线；
根据每个数据集中数据对应的时间段，将M个曲线进行拼接，生成所述目标路口每天对应的流量曲线。
7.一种信号灯分时段配时装置，其特征在于，包括：
第一获取模块，用于获取目标路口在连续N天内各时段的流量数据，N为大于1的整数；
曲线拟合模块，用于对所述流量数据进行曲线拟合，确定所述目标路口每天对应的流量曲线；
计算模块，用于计算所述流量曲线中二阶导数满足预设条件的各目标点；
配时模块，用于根据所述各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时。
8.如权利要求7所述的装置，其特征在于，所述配时模块，包括：
确定单元，用于在目标点的数量大于第一阈值时，则确定所述流量曲线在每个目标点处对应的一阶导数值；
抽取单元，用于根据每个目标点对应的一阶导数值，从所述目标点中抽取与所述第一阈值数量相等的目标点；
第一配时单元，用于根据抽取的各目标点对应的各时刻，对所述目标路口的信号灯进行分时段配时。
9.如权利要求7所述的装置，其特征在于，所述配时模块，包括：
计算单元，用于在目标数据点的数量大于第一阈值时，则确定每两个相邻目标点对应的时刻间的时间差值；
合并单元，用于将时间差值小于第二阈值的两个目标点进行合并处理；
第二配时单元，用于根据合并后的各目标点对应的时刻，对所述目标路口的信号灯进行分时段配时。
10.如权利要求7所述的装置，其特征在于，还包括：
第二获取模块，用于获取所述目标路口当前时段的实际流量值；
检测模块，用于检测所述实际流量值与所述流量曲线中当前时段的预测流量值是否匹配；
预警模块，用于在所述实际流量值与预测流量值间的差异值大于第三阈值时，则对所述目标路口进行预警处理。
11.如权利要求7-10任一所述的装置，其特征在于，还包括：
第三获取模块，用于获取路线规划请求，所述路线规划请求中包括出发时间、出发地及目的地；
第四获取模块，用于获取所述出发地及目的地间的每条候选道路中的每个路口对应的流量曲线；
路线规划模块，用于根据每个路口对应的流量曲线及所述出发时间，确定每条候选道路的拥堵概率；以及，根据每条候选道路的拥堵概率，生成规划路线。
12.如权利要求7-10任一所述的装置，其特征在于，所述曲线拟合模块，具体用于：
按照预设的规则，将所述N天内各时段的流量数据划分为M个数据集，其中，每个数据集中的数据对应的时间段相同，M为大于1的整数；
对每个数据集中的数据进行曲线拟合，确定每个数据集对应的曲线；
根据每个数据集中数据对应的时间段，将M个曲线进行拼接，生成所述目标路口每天对应的流量曲线。
13.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的信号灯分时段配时方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的信号灯分时段配时方法。
CN201911046713.0A 2019-10-30 2019-10-30 信号灯分时段配时方法、装置、电子设备及存储介质 Pending CN110782667A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201911046713.0A CN110782667A (zh) 2019-10-30 2019-10-30 信号灯分时段配时方法、装置、电子设备及存储介质
US17/003,587 US11527155B2 (en) 2019-10-30 2020-08-26 Time-segmented signal timing method and apparatus for traffic light, electronic device and storage medium
EP20194845.2A EP3816961A1 (en) 2019-10-30 2020-09-07 Time-segmented signal timing method and apparatus for traffic light, electronic device and storage medium
JP2020182171A JP7239535B2 (ja) 2019-10-30 2020-10-30 信号灯の時間帯別の信号時間配分方法、装置、電子機械及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911046713.0A CN110782667A (zh) 2019-10-30 2019-10-30 信号灯分时段配时方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN110782667A true CN110782667A (zh) 2020-02-11

Family

ID=69387862

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911046713.0A Pending CN110782667A (zh) 2019-10-30 2019-10-30 信号灯分时段配时方法、装置、电子设备及存储介质

Country Status (4)

Country Link
US (1) US11527155B2 (zh)
EP (1) EP3816961A1 (zh)
JP (1) JP7239535B2 (zh)
CN (1) CN110782667A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950964A (zh) * 2021-03-16 2021-06-11 北京市商汤科技开发有限公司 交通灯智能控制方法及装置、电子设备和存储介质
CN113378486A (zh) * 2021-08-13 2021-09-10 深圳市城市交通规划设计研究中心股份有限公司 一种区域交通信号优化方法、装置、计算设备及存储介质
CN113851007A (zh) * 2021-09-27 2021-12-28 阿波罗智联(北京)科技有限公司 划分时段的方法、装置、电子设备和存储介质
CN113920730A (zh) * 2021-10-11 2022-01-11 北京易华录信息技术股份有限公司 一种信号灯的时间分配方法、装置、电子设备及存储介质
KR20230098633A (ko) * 2020-11-09 2023-07-04 우이시 (상하이) 오토모티브 테크놀로지스 리미티드 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487884B (zh) * 2021-06-15 2023-11-24 阿波罗智联(北京)科技有限公司 交通量的获取方法、装置及电子设备
US11610478B2 (en) * 2021-08-09 2023-03-21 Peltbeam Inc. Communication system and method for controlling cooperation between edge devices arranged in vehicle
CN113870591B (zh) * 2021-10-22 2023-08-01 上海应用技术大学 基于交通量预测的信号控制时段的划分方法、装置及设备
CN116758763B (zh) * 2023-05-06 2024-02-20 西藏金采科技股份有限公司 一种基于车联网的交通数据处理系统及方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101038700A (zh) * 2007-04-20 2007-09-19 东南大学 单点信号控制交叉口的混合控制方法
CN101086804A (zh) * 2006-06-06 2007-12-12 杜存君 一种交通信息管理的方法和系统
CN102288193A (zh) * 2011-07-06 2011-12-21 东南大学 一种基于历史数据的机动车出行路径的确定方法
CN103956043A (zh) * 2014-04-29 2014-07-30 南京理工大学 基于移动终端的车辆出行路径辅助系统
CN104915726A (zh) * 2015-05-11 2015-09-16 四川汇源吉迅数码科技有限公司 一种基于时间片划分的车流量数据库生成方法
CN105513379A (zh) * 2015-12-18 2016-04-20 天津通翔智能交通系统有限公司 一种多目标交通信号联网联控方法
CN105761517A (zh) * 2016-05-18 2016-07-13 杭州智诚惠通科技有限公司 一种信号灯配时方法
CN107833463A (zh) * 2017-10-25 2018-03-23 上海应用技术大学 基于二维聚类的交通信号时段划分方法及系统
CN108615375A (zh) * 2018-05-28 2018-10-02 安徽畅通行交通信息服务有限公司 一种交叉口信号配时时段划分方法
CN108629989A (zh) * 2018-06-07 2018-10-09 广东技术师范学院 一种基于车流量视频检测的智能动态配时交通灯系统
CN109697849A (zh) * 2018-12-26 2019-04-30 航天科工广信智能技术有限公司 基于滑动平均算法的智能交通时段划分方法
CN109712393A (zh) * 2019-01-10 2019-05-03 浙江工业大学 基于高斯过程回归算法的智能交通时段划分方法
CN109800801A (zh) * 2019-01-10 2019-05-24 浙江工业大学 基于高斯回归算法的K-Means聚类分析车道流量方法
CN109871412A (zh) * 2018-12-26 2019-06-11 航天科工广信智能技术有限公司 基于K-Means聚类的车道流量分析方法
WO2019156821A1 (en) * 2018-02-09 2019-08-15 Here Global B.V. Traffic light signal adjustment notification improvement

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9157749B2 (en) * 2011-04-11 2015-10-13 Clarion Co., Ltd. Position calculation method and position calculation apparatus
CN104504897B (zh) * 2014-09-28 2017-10-31 北京工业大学 一种基于轨迹数据的交叉口交通流特性分析及车辆运动预测方法
JP6642025B2 (ja) 2016-01-19 2020-02-05 住友電気工業株式会社 路側制御装置、信号制御パラメータの更新方法、及びコンピュータプログラムの記録媒体
US10332391B2 (en) * 2016-12-06 2019-06-25 Here Global B.V. Split lane traffic jam detection and remediation
JP6717778B2 (ja) 2017-05-15 2020-07-08 トヨタ自動車株式会社 道路リンク情報更新装置及び車両制御システム

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101086804A (zh) * 2006-06-06 2007-12-12 杜存君 一种交通信息管理的方法和系统
CN101038700A (zh) * 2007-04-20 2007-09-19 东南大学 单点信号控制交叉口的混合控制方法
CN102288193A (zh) * 2011-07-06 2011-12-21 东南大学 一种基于历史数据的机动车出行路径的确定方法
CN103956043A (zh) * 2014-04-29 2014-07-30 南京理工大学 基于移动终端的车辆出行路径辅助系统
CN104915726A (zh) * 2015-05-11 2015-09-16 四川汇源吉迅数码科技有限公司 一种基于时间片划分的车流量数据库生成方法
CN105513379A (zh) * 2015-12-18 2016-04-20 天津通翔智能交通系统有限公司 一种多目标交通信号联网联控方法
CN105761517A (zh) * 2016-05-18 2016-07-13 杭州智诚惠通科技有限公司 一种信号灯配时方法
CN107833463A (zh) * 2017-10-25 2018-03-23 上海应用技术大学 基于二维聚类的交通信号时段划分方法及系统
WO2019156821A1 (en) * 2018-02-09 2019-08-15 Here Global B.V. Traffic light signal adjustment notification improvement
CN108615375A (zh) * 2018-05-28 2018-10-02 安徽畅通行交通信息服务有限公司 一种交叉口信号配时时段划分方法
CN108629989A (zh) * 2018-06-07 2018-10-09 广东技术师范学院 一种基于车流量视频检测的智能动态配时交通灯系统
CN109697849A (zh) * 2018-12-26 2019-04-30 航天科工广信智能技术有限公司 基于滑动平均算法的智能交通时段划分方法
CN109871412A (zh) * 2018-12-26 2019-06-11 航天科工广信智能技术有限公司 基于K-Means聚类的车道流量分析方法
CN109712393A (zh) * 2019-01-10 2019-05-03 浙江工业大学 基于高斯过程回归算法的智能交通时段划分方法
CN109800801A (zh) * 2019-01-10 2019-05-24 浙江工业大学 基于高斯回归算法的K-Means聚类分析车道流量方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230098633A (ko) * 2020-11-09 2023-07-04 우이시 (상하이) 오토모티브 테크놀로지스 리미티드 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체
KR102620325B1 (ko) 2020-11-09 2024-01-03 우이시 (상하이) 오토모티브 테크놀로지스 리미티드 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체
CN112950964A (zh) * 2021-03-16 2021-06-11 北京市商汤科技开发有限公司 交通灯智能控制方法及装置、电子设备和存储介质
CN113378486A (zh) * 2021-08-13 2021-09-10 深圳市城市交通规划设计研究中心股份有限公司 一种区域交通信号优化方法、装置、计算设备及存储介质
CN113378486B (zh) * 2021-08-13 2022-02-01 深圳市城市交通规划设计研究中心股份有限公司 一种区域交通信号优化方法、装置、计算设备及存储介质
CN113851007A (zh) * 2021-09-27 2021-12-28 阿波罗智联(北京)科技有限公司 划分时段的方法、装置、电子设备和存储介质
CN113851007B (zh) * 2021-09-27 2023-01-17 阿波罗智联(北京)科技有限公司 划分时段的方法、装置、电子设备和存储介质
CN113920730A (zh) * 2021-10-11 2022-01-11 北京易华录信息技术股份有限公司 一种信号灯的时间分配方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
EP3816961A1 (en) 2021-05-05
US11527155B2 (en) 2022-12-13
US20210134152A1 (en) 2021-05-06
JP7239535B2 (ja) 2023-03-14
JP2021072126A (ja) 2021-05-06

Similar Documents

Publication Publication Date Title
CN110782667A (zh) 信号灯分时段配时方法、装置、电子设备及存储介质
CN110910658B (zh) 交通信号控制方法、装置、计算机设备和存储介质
CN110910665B (zh) 信号灯控制方法、装置以及计算机设备
CN112581763A (zh) 道路事件检测的方法、装置、设备和存储介质
CN111583668B (zh) 交通拥堵检测方法、装置、电子设备和存储介质
CN111721317A (zh) 生成导航信息的方法、装置
CN110796865B (zh) 智能交通控制方法、装置、电子设备和存储介质
CN112634611B (zh) 用于识别路况的方法、装置、设备以及存储介质
JP7214702B2 (ja) 車両列の長さを検出する方法、車両列の長さを検出する装置、電子機器、記憶媒体及びコンピュータプログラム
CN113129596B (zh) 行驶数据处理方法、装置、设备、存储介质及程序产品
CN110689747B (zh) 自动驾驶车辆的控制方法和装置、自动驾驶车辆
CN111681417B (zh) 交通路口渠化调整方法和装置
CN111681428B (zh) 一种溢流检测的方法、装置、电子设备及存储介质
CN114925114A (zh) 一种场景数据挖掘方法、装置、电子设备和存储介质
CN111627241A (zh) 用于生成车辆排队信息的方法和装置
CN112101223A (zh) 检测方法、装置、设备和计算机存储介质
CN112287806A (zh) 一种道路信息检测方法、系统、电子设备及存储介质
CN111814648A (zh) 一种站口拥堵情况确定方法、装置、设备及存储介质
CN115909731A (zh) 交通信号灯切换时刻的预测方法、装置、电子设备及介质
CN113592903A (zh) 车辆轨迹识别方法、装置、电子设备和存储介质
CN113052047A (zh) 交通事件的检测方法、路侧设备、云控平台及系统
CN110796864B (zh) 智能交通控制方法、装置、电子设备和存储介质
CN115762166A (zh) 确定路口通行时长的方法、装置、电子设备及存储介质
CN110849327B (zh) 拍摄盲区的长度确定方法、装置以及计算机设备
CN113869439A (zh) 一种数据融合方法、装置及电子设备

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
TA01 Transfer of patent application right

Effective date of registration: 20211013

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20200211

RJ01 Rejection of invention patent application after publication