CN110796867A - 路况的确定方法及装置 - Google Patents

路况的确定方法及装置 Download PDF

Info

Publication number
CN110796867A
CN110796867A CN201911190432.2A CN201911190432A CN110796867A CN 110796867 A CN110796867 A CN 110796867A CN 201911190432 A CN201911190432 A CN 201911190432A CN 110796867 A CN110796867 A CN 110796867A
Authority
CN
China
Prior art keywords
target link
traffic flow
monitoring
vehicle speed
vehicle
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.)
Granted
Application number
CN201911190432.2A
Other languages
English (en)
Other versions
CN110796867B (zh
Inventor
韩朋
王越弘
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.)
Shenyang Century Qualcomm Technology Co Ltd
Original Assignee
Shenyang Century Qualcomm 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 Shenyang Century Qualcomm Technology Co Ltd filed Critical Shenyang Century Qualcomm Technology Co Ltd
Priority to CN201911190432.2A priority Critical patent/CN110796867B/zh
Publication of CN110796867A publication Critical patent/CN110796867A/zh
Application granted granted Critical
Publication of CN110796867B publication Critical patent/CN110796867B/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
    • G08G1/052—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
    • G08G1/01—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
    • G08G1/065—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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种路况的确定方法及装置，涉及交通技术领域，能够准确的确定目标link的路况。该方法包括：服务器确定监控卡口对的交通流信息；所述监控卡口对包括两个监控卡口；所述监控卡口对中包括至少一个路链link；所述服务器根据所述目标link的交通流信息；确定目标link的交通流信息；其中，所述目标link为所述至少一个link中的link；所述服务器确定所述目标link的设计通行流量区间，所述设计通行流量区间用于表征目标link的通行能力；所述服务器根据所述目标link的交通流信息，以及所述目标link的设计通行流量区间，确定所述目标link的路况。本申请实施例用于路况的确定过程中。

Description

路况的确定方法及装置
技术领域
本申请涉及交通技术领域，尤其涉及一种路况的确定方法及装置。
背景技术
当前确定link的路况的方法主要为：服务器获取目标link中每个车辆的全球定位系统(global position system，GPS)发送的车辆定位信息，服务器根据GPS车辆定位信息，确定目标link的每一个车辆的车速和行驶方向等。服务器根据每一个车辆的车速，确定目标link的车速和流量。服务器根据目标link的车速和流量，确定目标link的路况。
然而，由于当前很多车辆的GPS定位信息不准确，并且有些车辆不能发送GPS定位信息。这将导致服务器确定的目标link的车速和流量不准确；进而导致服务器确定的目标link的路况不准确。
发明内容
本申请提供一种路况的确定方法及装置，能够准确的确定目标link的路况。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供一种路况的确定方法，该方法包括：
服务器确定监控卡口对的交通流信息；其中，监控卡口对的交通流信息包括：在第一预设时间段内，通过监控卡口对的N个车辆的第一车速；监控卡口对包括两个监控卡口；监控卡口对包括至少一个路链link；N为正整数；服务器根据监控卡口对的交通流信息，确定目标link的交通流信息；其中，目标link为至少一个link中的link；目标link的交通流信息包括：在第一预设时间段内，通过目标link的N个车辆的第二车速；服务器确定目标link的设计通行流量区间，设计通行流量区间用于表征目标link的通行能力；服务器根据目标link的交通流信息，以及目标link的设计通行流量区间，确定目标link的路况。
基于上述技术方案，服务器确定监控卡口对的交通流信息；其中，监控卡口对的交通流信息包括：在第一预设时间段内，通过监控卡口对的N个车辆的第一车速。由于监控卡口对的监控信息相较于GPS定位信息更为准确，这样服务器获取的监控卡口对的交通流信息也就更为准确。进一步的，服务器根据监控卡口对的交通流信息，确定目标link的交通流信息。因为监控卡口对的准确定更高，所以服务器确定的目标link的交通流信息的准确度也就更高。服务器确定目标link的设计通行流量区间，设计通行流量区间用于表征目标link的通行能力。这样，服务器就确定目标link所能允许的通行情况。服务器根据目标link的交通流信息，以及目标link的设计通行流量区间，确定目标link的路况。这样服务器最终确定的目标link的路况也就更加准确。
第二方面，本申请提供一种路况的确定装置，该装置包括：
处理单元，用于确定监控卡口对的交通流信息；其中，监控卡口对的交通流信息包括：在第一预设时间段内，通过监控卡口对的N个车辆的第一车速；监控卡口对包括两个监控卡口；监控卡口对包括至少一个路链link；N为正整数；处理单元，还用于根据目标link的交通流信息，确定目标link的交通流信息；其中，目标link为至少一个link中的link；目标link的交通流信息包括：在第一预设时间段内，通过目标link的N个车辆的第二车速；处理单元，还用于确定目标link的设计通行流量区间，设计通行流量区间用于表征目标link的通行能力；处理单元，还用于根据目标link的交通流信息，以及目标link的设计通行流量区间，确定目标link的路况。
第三方面，本申请提供了一种路况的确定装置，该装置包括：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描述的路况的确定方法。
第四方面，本申请提供了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，当指令在终端上运行时，使得终端执行如第一方面和第一方面的任一种可能的实现方式中描述的路况的确定方法。
第五方面，本申请实施例提供一种包含指令的计算机程序产品，当计算机程序产品在路况的确定装置上运行时，使得路况的确定装置执行如第一方面和第一方面的任一种可能的实现方式中所描述的路况的确定方法。
第六方面，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描述的路况的确定方法。
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监控卡口的示意图；
图2为本申请实施例提供的一种车速流量密度在三维空间中的投影图；
图3为本申请实施例提供的一种车速流量密度的二维展开图；
图4为本申请实施例提供的一种车速与流量的理论关系示意图；
图5为本申请实施例提供的一种车速与流量的实际关系示意图；
图6为本申请实施例提供的一种路况的确定方法的流程图；
图7为本申请实施例提供的另一种路况的确定方法的流程图；
图8为本申请实施例提供的另一种路况的确定方法的流程图；
图9为本申请实施例提供的另一种路况的确定方法的流程图；
图10为本申请实施例提供的将历史车速数据映射在坐标系中的示意图；
图11为本申请实施例提供的将历史车速数据和历史流量数据映射在坐标系中的示意图；
图12为本申请实施例提供的一种对波动数据处理后的对比示意图；
图13为本申请实施例提供的一种对多天的车速数据加权平均后的车速流量点的示意图；
图14a为本申请实施例提供的一种在L值为4时，服务器对目标link的M个点进行聚类的聚类效果图；
图14b为本申请实施例提供的一种在L值为5时，服务器对目标link的M个点进行聚类的聚类效果图；
图15为本申请实施例提供的一种服务器在不同聚类数下确定的距离的值的示意图；
图16a为本申请实施例提供的一种回归阶数为4时，确定的所述目标link的M个点的回归曲线图；
图16b为本申请实施例提供的一种回归阶数为7时，确定的所述目标link的M个点的回归曲线图；
图17为本申请实施例提供的一种服务器采用不同阶数的回归模型，所确定的样本可决系数R2的数值曲线图，以及均方根误差RMSE的数值的曲线图；
图18为本申请实施例提供的一种服务器确定的聚类类别为5，回归阶数为7时，目标link的聚类簇，以及回归曲线图；
图19a为本申请实施例提供的历史最大流量未超过该其设计通行流量区间的路段的示意图；
图19b为本申请实施例提供的设计通行流量区间为150(辆/5min)以上的路段的示意图；
图19c为本申请实施例提供的设计通行流量区间为50-150(辆/5min)的路段的示意图；
图19d为本申请实施例提供的设计通行流量区间为50(辆/5min)以下的路段的示意图；
图20为本申请实施例提供的一种路况的确定装置的结构示意图；
图21为本申请实施例提供的另一种路况的确定装置的结构示意图。
具体实施方式
下面结合附图对本申请实施例提供的路况的确定方法及装置进行详细地描述。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
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，或者用于区别对同一对象的不同处理，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”以及它们的任何变形，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它步骤或单元。
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它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。
以下，对本申请实施例涉及的名词进行解释，以方便读者理解。
(1)监控卡口
监控卡口是指包含交通摄像头的路口或者包含摄像头的一小段道路。监控卡口中包括车辆监控设备(例如摄像头)，车辆监控设备可以实时准确的监控通过该监控卡口的车辆信息。如图1所示，为一个由一组车辆监控设备和道路两侧的车辆监控设备安装头杆组成的监控卡口。
(2)监控卡口对
监控卡口对是指同一段道路上的两个相邻监控卡口组成一个监控卡口对。例如，一条道路上的两个十字路口均为监控卡口，且两个十字路口之间不存在其他监控卡口，则该两个十字路口组成一个监控卡口对。
(3)路链link
link是组成道路的最小的数字单元。一段道路通常由一个或者多个link组成。例如，长度为500m的A路段可以由3个link组成。每个link的长度可以相同，也可以不同。Link的长度可以根据道路的实际情况进行设定。每个link拥有自身的唯一身份标识(Identity，ID)，并且在服务器中有与各个link相匹配的link的信息，包括：link的长度、宽度、车道数(三车道、四车道等)、道路等级以及是否有红绿灯等。在本申请实施例中，一个卡对中包括至少一个link。
(4)融合周期
融合周期是一个时间概念，指的是当服务器计算当前link的路况时，需要获取的车辆数据的时间长度。在本申请实施例中，融合周期的时间长度通常为5分钟或者10分钟。以融合周期为10分钟为例，服务器获取最近10分中内监控卡口对或者link的车辆数据。
(5)BayonetBean
BayonetBean是车辆经过一个监控卡口时，监控卡口的车辆监控设备根据该车辆的信息生成的数据。BayonetBean中包括当前监控卡口的id，车辆的id，车辆经过监控卡口的时间，以及一些附加信息。BayonetBean是监控卡口的车辆监控设备采集到的原始数据。
(6)MetaData
每个监控卡口对所对应的道路静态信息，如道路长度，道路宽度，道路对应的linkid等等。
(7)聚类
聚类是一种无监督的分类学习算法。聚类前的数据没有类别标签，通过聚类算法，对数据进行聚类，可以将距离相近的数据划分为一个类别。
聚类的原则是：对于给定的M个点的数据集，采用聚类算法将该M个点划分为K个分组，每个分组代表一个类别。每个分组包括一个中心点，一个分组中的任一个点到该组的中心点的距离，小于该点到其他任一组的中心点的距离。并且，通过聚类算法得到的K个分组，能够保证各个点到该组中心点的距离之和收敛。
(8)回归分析
回归分析是一种通过属性的线性组合来进行预测的线性模型，其目的是找到一条直线或者一个平面或者更高维的超平面，使得预测值与真实值之间的误差最小化。直线回归研究的是一个因变量与一个自变量之间的回归问题，但是，在交通领域的许多实际问题中，影响因变量的自变量往往不止一个，而是多个，比如路况的变化同时受到流量、速度的影响，因此需要进行一个因变量与多个自变量间的回归分析，即多元回归分析。研究一个因变量与一个或多个自变量间多项式的回归分析方法，称为多项式回归。
(9)速度-流量
在交通领域，描述交通流的特征的参数有3个，分别为：流量V，车速U和密度K。三者的关系为V＝U×K。
其中，V表示平均流量(辆/h)，U表示车辆的平均车速(km/h)，K表示车流平均密度(辆/km)。车速流量-密度在三维空间中的投影如图2所示。车速流量-密度的二维展开图如图3所示。
Kj表示阻塞密度(车流密集到所有车辆无法移动(U＝0)时的速度)，U0表示畅行速度(车流密度趋于0，车辆可以畅行无阻时的平均车速)，Vm为最大流量(流量速度关系曲线的最大值)Um为最佳速度(流量达到最大值Vm时的速度)。
由于密度K和流量V之间通常呈线性关系，因此速度U和流量V之间满足二次抛物线关系模型：
Figure BDA0002293404180000061
理论上，当交通流量达到最大值Vm时，交通流平均速度(最佳速度)Um为零流量速度U0的1/2，此时最大流量Vm代表着道路通行能力。在理论上，车速与流量的关系如图4所示。
而在实际应用场景中，当交通量大于通行能力时，路段交通阻塞，此时即使到达车辆数增加，能通过的交通流量仍只能是通行能力，即路段流量不能大于通行能力，剩余车辆数(到达车辆数V-通行能力C)会排队等候。如图5所示，曲线中流量V没有随着拥堵而减小，而继续增大，速度逐渐减小。在流量达到最大值时，速度趋近于0。在实际中，车速与流量的关系如图5所示。
为了解决现有技术中，服务器根据GPS返回的车辆的位置信息确定的目标link的车速和流量不准确，从而导致服务器确定的目标link的路况不准确的问题，本申请实施例提供了一种路况的确定方法，服务器能够根据监控卡口对的监控信息确定监控卡口对的交通流信息，服务器根据监控卡口对的交通流信息确定目标link的交通流信息。这样，服务器根据监控卡口对的监控信息，确定的目标link的交通流信息更为准确。基于这种更为准确的交通流信息，服务器确定的目标link的路况也就更为准确。
如图6所示，本申请实施例提供了一种路况的确定方法，该方法包括以下步骤。
S101、服务器确定监控卡口对的交通流信息。
其中，监控卡口对的交通流信息包括：在第一预设时间段内，通过监控卡口对的N个车辆的第一车速；监控卡口对包括两个监控卡口；监控卡口对中包括至少一个路链link。
需要说明的是，每个监控卡口都设置有车辆监控设备，这样监控卡口可以利用该车辆监控设备，监控每一个通过该监控卡口的车辆的车辆信息。服务器可以根据监控设备监控到的车辆的信息，确定卡口对之间的交通流信息。
示例性的，监控卡口监控到的车辆信息包括：车辆标识，车辆通过该监控卡口的时间。
一种可能的实现方式中，服务器根据两个监控卡口的时间差，确定车辆通过该监控卡口对的时间。服务器根据该监控卡口对的长度，以及车辆通过该监控卡口对的时间，确定车辆的车速。按照上述办法，服务器分别确定在第一预设时间段内通过监控卡口对的所有车辆的车速，并根据所有车辆的车速生成交通流信息。
需要说明的是，在本申请实施例中，还可以通过在监控卡口以及监控卡口对的路段中间设置速度测量装置；速度车辆装置用于测量每辆车的车速度。服务器根据速度测量装置测量的车速，确定车辆在卡口对中的平均车速。或者服务器根据速度测量装置测量的车速，以及服务器根据时间差确定的车速，交叉验证车辆在卡口对的车速。
可以理解的是，由于服务器根据车辆的车载GPS确定的车辆的位置和速度信息准确度低。服务器根据车载GPS数据得到的车辆的车速和流量数据很可能是不准确的。而监控卡口的车辆监控设备距离路段较近，并且确定的车辆信息准确度很高。因此，服务器通过监控卡口确定的交通流信息的准确度也很高。
需要说明的是，服务器可以循环获取监控卡口对在最近10分钟内的数据，并周期性的执行本申请实施例中的路况的确定方法。
可以理解的是，当监控卡口对的交通流信息中存在异常数据时，服务器删除该异常数据。
示例性的，异常数据包括：时间异常，例如监控卡口记录的车辆通过时间在当前时间之后；车辆异常，例如只有时间数据，没有车辆标识。
S102、服务器根据监控卡口对的交通流信息；确定目标link的交通流信息。
其中，目标link为至少一个link中的link；目标link的交通流信息包括：在第一预设时间段内，通过目标link的N个车辆的第二车速。
需要说明的是，由于监控卡口对是由至少一个link组成的。因此，监控卡口对的交通流信息表征了该至少一个link的总体的交通流信息特征。然而由于该至少一个link中各个link的之间的交通流信息可能是不同的，因此服务器可以根据每个link的路段特征(例如，是否存在红绿灯，附近是否存在交通热点区域等)，为每个link设置一个交通流调整参数。服务器根据该交通流调整参数，调整监控卡口对的交通流信息，并将调整后的交通流信息作为目标link的交通流信息。
该交通流调整参数可以为时间调整参数，或者车速调整参数。
以交通流调整参数为时间调整参数为例进行说明，服务器将车辆通过监控卡口对的车速作为车辆通过目标link的车速。这样服务器可以根据目标link的长度，确定车辆在目标link中行驶的时间。然后，由于在目标link中可能存在等红灯情况，这样我们可以通过调整车辆在目标link中的时间，来达到调整车辆在目标link中的车速的目的。这样，服务器就可以根据该交通流调整信息，以及监控卡口对的交通流信息，确定目标link的交通流信息。
可以理解的是，交通流调整参数为车速调整参数时，服务器可以直接对车辆在监控卡口对的交通流信息中的车速进行调整，从而确定目标link的交通流信息。
一种可能的实现方式中，目标link的交通流信息中包括N个MetaLink。其中每个MetaLink中包括一个车辆在该目标link中的行驶信息，例如车速、行驶时间等。
可以理解的是，服务器可以根据车辆的标识，确定车辆的MetaLink。
S103、服务器确定目标link的设计通行流量区间。
其中，设计通行流量区间用于表征目标link的通行能力。
可以理解的是，目标link的设计通行流量区间，可以是根据路段的设计规划参数确定的，也可以是通过对目标link的长期的车辆通行情况进行分析而确定的，本申请对此不做限定。
一种可能的实现方式中，服务器可以获取目标link的工程参数，工程参数中包括建设该目标link时，确定的该目标link的设计通行流量区间。服务器根据目标link的工程参数，确定目标link的设计通能流量区间。
又一种可能的实现方式中，服务器可以根据目标link的长期的历史通车数据，确定目标link的车速和流量之间的关系。服务器对目标link的车速和流量之间的关系进行进一步的分析，确定目标link的设计通能流量区间。
S104、服务器根据目标link的交通流信息，以及目标link的设计通行流量区间，确定目标link的路况。
一种可能的实现方式中，服务器根据目标link的交通流信息，确定目标link的平均车速和流量。其中，目标link的平均车速的值为N个第二车速的平均值，目标link的流量为车辆数N与第一预设时间段的比值。服务器首先根据目标link的流量与设计通行流量区间的关系，确定目标link的路况。在服务器根据目标link的流量与设计通行流量区间的关系不能确定目标link的路况的情况下，服务器进一步根据目标link的车速确定目标link的路况。
以下，我们以第一预设时间段的时长为单位时长，目标link的流量等于N为例，进行具体说明。
1、服务器首先根据目标link的流量与设计通行流量区间的关系，确定目标link的路况。
1.1在N大于设计通行流量区间的最大值的情况下，服务器确定目标link的路况为拥堵。
1.2在N小于设计通行流量区间的最小值的情况下，服务器确定目标link的路况为畅通。
1.3在N位于设计通行流量区间的情况下，服务器根据目标link的第三车速，确定目标link的路况；第三车速为N个第二车速的平均值。
2、服务器根据目标link的第三车速，确定目标link的路况：
2.1在第三车速大于第一预设值的情况下，服务器确定目标link的路况为畅通。
2.2在第三车速小于等于第一预设值，大于第二预设值的情况下，服务器确定目标link的路况为缓慢。
2.3在第三车速小于第二预设值的情况下，服务器确定目标link的路况为拥堵。
需要说明的是，在本申请实施例中，不同类型的道路具有不同的第一预设值和第二预设值。
例如，高速公路的第一预设值为60km/h，第二预设值为40km/h。城市高速路的第一预设值为40km/h，第二预设值为20km/h。国道，省道以及县道的第一预设值为25km/h，第二预设值为15km/h。乡镇小路，城市小路的第一预设值为20km/h，第二预设值为10km/h。
示例性的，不同类型的道路的畅通、缓慢、拥堵情况下的平均车速V平均所属的区间如表1所示。
表1
Figure BDA0002293404180000101
基于上述技术方案，服务器确定监控卡口对的交通流信息；其中，监控卡口对的交通流信息包括：在第一预设时间段内，通过监控卡口对的N个车辆的第一车速。由于监控卡口对的监控信息相较于GPS定位信息更为准确，这样服务器获取的监控卡口对的交通流信息也就更为准确。进一步的，服务器根据监控卡口对的交通流信息，确定目标link的交通流信息。因为监控卡口对的准确定更高，所以服务器确定的目标link的交通流信息的准确度也就更高。服务器确定目标link的设计通行流量区间，设计通行流量区间用于表征目标link的通行能力。这样，服务器就确定目标link所能允许的通行情况。服务器根据目标link的交通流信息，以及目标link的设计通行流量区间，确定目标link的路况。这样服务器最终确定的目标link的路况也就更加准确。
基于图6所示的技术方案，如图7所示，在S101中，对于N个车辆中的每一个车辆，服务器执行下述步骤，以确定每一个车辆的第一车速。
S1011、服务器确定车辆通过两个监控卡口的时间差，以及监控卡口对的长度。
一种可能的实现方式中，服务器获取监控卡口缓存的最近10分中的车辆监控数据。这些车辆监控数据中包括通过监控卡口的车辆的车辆标识，以及车辆通过该监控卡口的时间。服务器根据车辆通过两个监控卡口的时间的差值，确定车辆通过该监控卡口对的时间。服务器根据监控卡口对的长度测量结果，确定监控卡口对的长度。
例如，服务器根据公式一，确定车辆通过两个监控卡口的时间差CarBayonetTime。
公式一：CarBayonetTime＝BayonetBean1Time-BayonetBean2Time。
其中，BayonetBean1Time为车辆通过监控卡口对中第一个监控卡口的时间，BayonetBean2Time为车辆通过监控卡口对中第二个监控卡口的时间。
上述第一个监控卡口可以是监控卡口对中的任一个卡口，第二个监控卡口是监控卡口对中出第一个监控卡口以外的监控卡口。
需要说明的是，在S1011之前，服务器可以对交通流信息进行组合，对具有相同车辆标识的数据进行组合，得到该车辆在监控卡口对中的行驶数据。
S1012、服务器根据监控卡口对的长度，以及时间差，确定车辆的第一车速。
一种可能的实现方式中，服务器将监控卡口对的长度，除以时间差(也即车辆经过监控卡口对的时间)，得到车辆的第一车速。
例如，服务器根据公式二，确定第一车速CarBayonetSpeed。
CarBayonetSpeed＝BayonetLength/CarBayonettime公式二
其中，BayonetLength表示监控卡口对的长度。
示例性的，车辆通过监控卡口对中的第一个监控卡口的时间为10：01，车辆通过监控卡口对中的第二个监控卡口的时间为10：02。监控卡口对的长度为500m，则车辆的车速为：30km/h。
S1013、服务器重复执行上述S1011和S1012，直到确定N个车辆中每一个的第一车速。
基于上述技术方案，服务器能够根据监控卡口的监控信息，实时的确定监控卡口对的交通流信，服务器通过监控卡口对获取的监控信息的准确度更高。
基于图7所示的方法，如图8所示，在S102中，对于N个车辆中的每一个车辆，服务器执行下述步骤，以确定每一个车辆的第二车速。
S1021、服务器确定车辆在目标link中的旅行时间。
其中，旅行时间为目标link的长度，与车辆的第一车速的比值。
示例性的，服务器通过公式三，确定车辆在目标link中的旅行时间CarLinkTime。
CarLinkTime＝linkLength/CarBayonetSpeed公式三
其中，linkLength为目标link的长度。
S1022、服务器根据预设时间调整值，调整旅行时间，得到车辆在目标link中的行驶时间。
一种可能的实现方式中，预设时间调整值是服务器为目标link设置一个时间偏置项b。服务器根据该时间偏置项调整旅行时间，得到车辆在目标link中的行驶时间。
需要说明的是，上述预设时间调整值即为S102中所记载的交通流调整参数。
其中，时间偏置项b用来调整监控卡口对的车辆监控设备由于设备问题等产生的时间误差，目标监控卡口可能存在的等红灯情况，和/或车辆通过路口减速等。
S1023、服务器根据目标link的长度以及行驶时间，确定车辆在link中的第二车速。
其中，第二车速为目标link与行驶时间的比值。
示例性的，服务器可以通过公式四，确定目标第二车速CarAverageSpeed。
CarAverageSpeed＝LinkLength/(CarLinkTime+b)公式四
一种可能的实现方式中，服务器重复执行上述S1021-S1023，确定每个车辆的第二车速CarAverageSpeed。
基于上述技术方案，服务器采用基于监控卡口的车辆监控信息，这种准确度更高的交通流信息，确定的目标link的交通流信息，可以使最终确定的目标link的交通流信息也更加准确，从而增加了服务器最终确定的目标link的车速和流量的准确度。
结合图8所示的技术方案，如图9所示，服务器可以对目标link的历史车速流量数据进行离线模型训练，确定目标link的车速流量模型。在S013中，服务器直接调用该离线模型即可确定目标link的设计通行流量区间。
相应的，服务器对目标link的历史车速流量数据进行离线模型训练，确定目标link的车速流量模型的过程，具体可以实现为：
S1031、服务器确定目标link的M个车速流量点。
车速流量点由目标link在一个时间点上的车速值和流量值组成。M为正整数。
一种可能的实现方式中，服务器确定目标link在第二预设时间段内的M个时间点上的车速值和流量值。服务器根据M个时间点上的车速值和流量值，确定M个车速流量点。具体为：
服务器目标link的历史车速和流量数据。服务器从历史车速流量数据中，获取在第二预设时间段内的M个时间点上的车速数据。服务器从历史车速流量数据中，获取在第二预设时间段内的该M个时间点上的流量数据。
服务器根据车速和流量在该M个时间点上的对应关系，确定在该M个时间点上的车速流量数据。服务器将该M个时间点上的车速流量数据，作为M个车速流量点。
一种示例，服务器以1分钟为单位，获取目标link在一天内的车速数据。这样，服务器可以获取目标link在一天内的1440个车速数据。
按照上述方法，服务器共获取目标link在8天内的车速数据。服务器将该8天的历史车速数据映射到如图10所示的坐标系中。其中，坐标系的纵轴为车速，横轴为时间。
同样的，服务器以1分钟为单位，获取目标link在一天内的流量数据。服务共获取8天的流量数据，并将该流量数据映射到坐标系中。
之后，服务器将目标link的车速和流量放到同一个坐标系中，得到目标link的车速和流量的关系如图11所示。
需要说明的是，在每天的0点～6点期间，服务区获取的车速和/或流量的波动较大，对容易对后续的数据分析造成影响。针对这种情况，我们对这些波动较大的数据进行处理，得到相对平稳的数据。
示例性的，服务器可以采用决策树算法对波对较大的数据进行处理，得到相对平稳的数据。如图12所示，为对波动较大的数据进行处理后得到的数据对比图。
一种可能的实现方式中，服务器对这8天的时间点进行加权平均，确定的一天内平均的车速流量点。
如图13所示，为对8天的时间点进行加权平均，确定的一天的平均车速流量点。
S1032、服务器对M个车速流量点进行聚类，得到L个聚类簇。
其中，L为正整数；L个聚类簇中的中心簇的中心点对应的流量值，为目标link的第一设计通行流量值；L为正整数。
需要说明的是，服务器确定L个聚类簇中的中心簇时，服务器首先确定M个车速流量点的第一中心点。服务区确定L个聚类簇中各个聚类簇的第二中心点与第一中心点的距离。服务器确定距离第一中心点最近的第二中心点所属的聚类簇即为中间簇。
一种实现方式中，服务器使用K均值聚类算法对该M个车速流量点进行聚类，具体为：
(1)服务器确定L值。该L值为我们需要得到的聚类簇的个数。
(2)服务器从M个点中选出L个点作为中心对象。
(3)服务器计算M个点中每个点距离该L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)服务器将每个点与该点距离最近的中心对象划分为一类，得到L类点的集合。
(5)服务器分别确定该L类集合中各个集合的中心点。
(6)服务器确定该L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L个点对应的第二路段流量预测模型作为L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L类集合中各个集合的中心点重新作为L个中心对象，重复执行(3)-(6)。
示例性的，服务器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：
Figure BDA0002293404180000141
其中，σ为上述L类集合中第i个集合的中心点与中心对象之间的距离，xi为第i个集合的中心对象；
Figure BDA0002293404180000142
为第i个集合的中心点。
当服务器计算的σ的值收敛时，服务器终止算法，以当前确定的L个点作为L个簇的中心点，以及将距离该每个中心点的距离最近的点作为个中心点对应的聚类簇中的点。
示例性的，如图14a所示，在L值为4时，服务器对目标link的M个点进行聚类的聚类效果图。
如图14b所示，在L值为5时，服务器对目标link的M个点进行聚类的聚类效果图。
需要说明的是，服务器采用距离评价不同的L值下的聚类效果。如图15所示，为服务器在不同聚类数下确定的距离的值。当聚类数在4-6之间时，距离降低的速率趋于平稳，因此我们选择L＝5，也就是将目标link的M个点分为5类作为评价指标。
S1033、服务器对于M个车速流量点进行回归分析，确定目标link的车速流量拟合曲线。
拟合曲线的曲线拐点对应的流量值为目标link的第二设计通行流量值。
一种可能的实现方式中，服务器对该M个点进行回归分析的过程为：
1、服务器确定数据集D＝{(x1，y1)，(x2，y2)…(xi，yi)…(xM，yM)}。
服务器需要从该数据集D中学习得到一个线性模型，这个模型能够尽可能的反映数据集中M个点中各个点的x值和y值的对应关系。这个线性模型就是属性为x的线性组合的函数，该函数可以表示为：f(x)＝w1×x1+w2×x2+…wi×xi…+wM×xM+b。
其中，wi为第i个点的特征参数。
该函数写成向量形式为：f(x)＝wT×x+b。
2、对于数据集D，服务器需要找到合适的w的值以及b的值，以使得对于M个点中的所有点，输入xi值之后，输出的f(xi)的值尽可能的接近真实的yi的值。其中，w是一个参数矩阵，B为一个偏置项。
在本申请中，服务器用均方误差(也即欧氏距离)来衡量f(xi)的值与yi的值之间的差别。
均方误差公式为：
Figure BDA0002293404180000151
在上述方程中，我们如果能确定合适的w的值和b的值，将其带入到f(x)＝w1×x1+w2×x2+…wi×xi…+wM×xM+b中，即可确定回归函数。
在实际应用中，我们可以通过最小二乘法或者损失函数法，确定w的值和b的值。
3、以损失函数为例，服务器确定w的值和b的值的方法为：
服务器确定损失函数J(θ)用如下公式表示：
Figure BDA0002293404180000161
服务器确定一组w的值和b的值，该组w的值和b的值时损失函数的值最小。该使损失函数的值最小的一组w的值和b的值，即使我们需要确定的w的值和b的值。
需要说明的是，在本申请实施例中，服务器可以采用不同阶数的回归模型对该M个车速流量点进行分析。如图16a所示，为当回归阶数为4时，确定的回归曲线；如图16b所示，为当回归阶数为7时，确定的回归曲线。
如图17所示，为服务器采用不同结束的回归模型，所确定的样本可决系数R2的数值，以及均方根误差RMSE的数值。
通过图17可知，当回归阶数为7的时候，该回归算法的样本可决系数R2的数值最大，均方根误差RMSE的数值最小，此时，拟合的回归曲线的效果最好。因此，我们选取7阶多项式的回归曲线作为监控卡口对的拟合曲线。在该拟合曲线中，横坐标为流量，纵坐标为车速。
示例性的，结合S1032和S1033，服务器确定的目标link的M个车速流量点的聚类簇和回归曲线如图18所示。
S1034、服务器确定目标link的设计通行流量区间两侧的值分别为第一设计通行流量值和第二设计通行流量值。
一种可能的实现方式中，服务器对S1032中的聚类簇进行分析，确定聚类簇的中间簇的中心点为第一设计通行流量值。
服务器对S1032中的回归曲线进行分析，确定曲线拐点对应的流量值为75。
示例性的，结合图18可知，当服务器确定的M个点的聚类簇为5个聚类簇时，服务器确定目标的的中间簇为类别4，该簇的中心点对应的流量值为65。
基于此，服务器确定目标link的设计通行流量区间为(65，75)。
相应的，在S104中，当N的值小于65时，服务器确定目标link的路况为畅通。当N的值大于75时，服务器确定目标link的路况为拥堵。
当N的值在65至75之间时，服务器根据目标link的车速确定目标领的路况。
示例性的，如图19a所示，为服务器确定的一个区域内历史最大流量未超过该其设计通行流量区间的路段的示意图(路段在图中以黑色粗线示出)。
如图19b所示，为服务器确定的一个区域内设计通行流量区间为150(辆/5min)以上的路段的示意图(路段在图中以黑色粗线示出)。
如图19c所示，为服务器确定的一个区域内设计通行流量区间为50-150(辆/5min)的路段的示意图(路段在图中以黑色粗线示出)。
如图19d所示，为服务器确定的一个区域内设计通行流量区间为50(辆/5min)以下的路段的示意图(路段在图中以黑色粗线示出)。
基于上述技术方案，服务器通过对目标link的历史车速流量数据进行分析，分别确定目标link的L个聚类簇，以及目标link的历史车速流量数据中车速和流量件的回归模型。服务器分别根据该L个聚类簇，以及回归模型，确定目标link的设计通行流量区间的两个边界值。使服务器可以据目标link的当前流量与设计通行流量区间的关系，更加简便的确定目标link的路况。
一种可能的实现方式中，服务器确定目标link的路况之后，结合link的当前时间，link内的车速，流量，link的道路等级，link的长度，车道数，限速值，监控卡口编号等信息；确定目标link的基于监控卡口的交通流数据。
服务器在获取目标link的基于GPS浮动车数据的交通流数据。
服务器确定监控卡口对的车辆监控设备是否存在车辆监控设备异常的情况。若存在车辆监控设备异常的情况，服务器发布目标link的基于GPS浮动车数据的交通流数据。若不存在车辆监控设备异常的情况服务器发布目标link的基于监控卡口的交通流数据。
这样服务器可以避免发布车辆监控设备异常的基于监控卡口的交通流数据。使得服务器发布的目标link的路况的准确度更高。
本申请实施例可以根据上述方法示例对路况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20所示，为本申请实施例提供的一种路况的确定装置的结构示意图，该装置包括：
处理单元601，用于确定监控卡口对的交通流信息；其中，监控卡口对的交通流信息包括：在第一预设时间段内，通过监控卡口对的N个车辆的第一车速；监控卡口对包括两个监控卡口；监控卡口对包括至少一个路链link；N为正整数。
处理单元601，还用于根据监控卡口对的交通流信息，确定目标link的交通流信息；其中，目标link为至少一个link中的link；目标link的交通流信息包括：在第一预设时间段内，通过目标link的N个车辆的第二车速。
处理单元601，还用于确定目标link的设计通行流量区间，设计通行流量区间用于表征目标link的通行能力。
处理单元601，还用于根据目标link的交通流信息，以及目标link的设计通行流量区间，确定目标link的路况。
可选的，处理单元601，还用于：确定车辆通过两个监控卡口的时间差，以及监控卡口对的长度；根据监控卡口对的长度，以及时间差，确定车辆的第一车速。
可选的，处理单元601，还用于：确定车辆在目标link中的旅行时间；旅行时间为目标link的长度，与车辆的第一车速的比值；根据预设时间调整值，调整旅行时间，得到车辆在目标link中的行驶时间；根据目标link的长度以及行驶时间，确定车辆在link中的第二车速；第二车速为目标link与行驶时间的比值。
可选的，处理单元601，还用于：确定目标link的M个车速流量点；车速流量点由目标link在一个时间点上的车速值和流量值组成；M为正整数；对M个车速流量点进行聚类，得到L个聚类簇；L为正整数；L个聚类簇中的中心簇的中心点对应的流量值，为目标link的第一设计通行流量值；L为正整数；对于M个车速流量点进行回归分析，确定目标link的车速流量拟合曲线；拟合曲线的曲线拐点对应的流量值为目标link的第二设计通行流量值；确定目标link的设计通行流量区间两侧的值分别为第一设计通行流量值和第二设计通行流量值。
可选的，处理单元601，还用于：确定目标link在第二预设时间段内的M个时间点上的车速值和流量值；根据M个时间点上的车速值和流量值，确定M个车速流量点。
可选的，处理单元601，还用于：在N大于设计通行流量区间的最大值的情况下，确定目标link的路况为拥堵；
在N小于设计通行流量区间的最小值的情况下，确定目标link的路况为畅通；
在N位于设计通行流量区间的情况下，根据目标link的第三车速，确定目标link的路况；第三车速为N个第二车速的平均值。
可选的，处理单元601，还用于：在第三车速大于第一预设值的情况下，确定目标link的路况为畅通；
在第三车速小于等于第一预设值，大于第二预设值的情况下，确定目标link的路况为缓慢；
在第三车速小于第二预设值的情况下，确定目标link的路况为拥堵。
在通过硬件实现时，本申请实施例中的通信单元602可以集成在通信接口上，处理单元601可以集成在处理器上。具体实现方式如图21所示。
图21示出了上述实施例中所涉及的传输数据的装置的又一种可能的结构示意图。该传输数据的装置包括：处理器702和通信接口703。处理器702用于对传输数据的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703用于支持传输数据的装置与其他网络实体的通信，例如，执行上述通信单元602执行的步骤。传输数据的装置还可以包括存储器701和总线704，存储器701用于存储传输数据的装置的程序代码和数据。
其中，存储器701可以是传输数据的装置中的存储器等，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702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。该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704可以是扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。总线704可以分为地址总线、数据总线、控制总线等。为便于表示，图21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方法实施例中的传输数据的方法。
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，当该指令在计算机上运行时，使得该计算机执行上述方法实施例所示的方法流程中的传输数据的方法。
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，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)

1.一种路况确定方法，其特征在于，包括：
服务器确定监控卡口对的交通流信息；其中，所述监控卡口对的交通流信息包括：在第一预设时间段内，通过所述监控卡口对的N个车辆的第一车速；所述监控卡口对包括两个监控卡口；所述监控卡口对包括至少一个路链link；N为正整数；
所述服务器根据所述监控卡口对的交通流信息，确定目标link的交通流信息；其中，所述目标link为所述至少一个link中的link；所述目标link的交通流信息包括：在所述第一预设时间段内，通过所述目标link的N个车辆的第二车速；
所述服务器确定所述目标link的设计通行流量区间，所述设计通行流量区间用于表征所述目标link的通行能力；
所述服务器根据所述目标link的交通流信息，以及所述目标link的设计通行流量区间，确定所述目标link的路况。
2.根据权利要求1所述的方法，其特征在于，所述服务器确定监控卡口对的交通流信息，包括：
对于所述N个车辆中的每一个车辆；
所述服务器确定车辆通过所述两个监控卡口的时间差，以及所述监控卡口对的长度；
所述服务器根据所述监控卡口对的长度，以及所述时间差，确定所述车辆的第一车速。
3.根据权利要求2所述的方法，其特征在于，所述服务器根据所述监控卡口对的交通流信息，确定目标link的交通流信息，包括：
所述服务器确定所述车辆在所述目标link中的旅行时间；所述旅行时间为所述目标link的长度，与所述车辆的第一车速的比值；
所述服务器根据预设时间调整值，调整所述旅行时间，得到所述车辆在所述目标link中的行驶时间；
所述服务器根据所述目标link的长度以及所述行驶时间，确定所述车辆在所述link中的第二车速；所述第二车速为所述目标link与所述行驶时间的比值。
4.根据权利要求1所述的方法，其特征在于，所述服务器确定所述目标link的设计通行流量区间，包括：
所述服务器确定所述目标link的M个车速流量点；所述车速流量点由目标link在一个时间点上的车速值和流量值组成；M为正整数；
所述服务器对所述M个车速流量点进行聚类，得到L个聚类簇；L为正整数；所述L个聚类簇中的中心簇的中心点对应的流量值，为所述目标link的第一设计通行流量值；
所述服务器对于所述M个车速流量点进行回归分析，确定所述目标link的车速流量拟合曲线；所述拟合曲线的曲线拐点对应的流量值为所述目标link的第二设计通行流量值；
所述服务器确定所述目标link的设计通行流量区间两侧的值分别为所述第一设计通行流量值和所述第二设计通行流量值。
5.根据权利要求4所述的方法，其特征在于，所述服务器确定所述目标link的M个车速流量点，包括：
所述服务器确定所述目标link在第二预设时间段内的M个时间点上的车速值和流量值；
所述服务器根据所述M个时间点上的车速值和流量值，确定M个车速流量点。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述服务器根据所述目标link的交通流信息，以及所述目标link的设计通行流量区间，确定所述目标link的路况，包括：
在N大于所述设计通行流量区间的最大值的情况下，所述服务器确定所述目标link的路况为拥堵；
在N小于所述设计通行流量区间的最小值的情况下，所述服务器确定所述目标link的路况为畅通；
在N位于所述设计通行流量区间的情况下，所述服务器根据所述目标link的第三车速，确定所述目标link的路况；所述第三车速为N个第二车速的平均值。
7.根据权利要求6所述的方法，其特征在于，在N位于所述设计通行流量区间的情况下，所述服务器根据所述目标link的第三车速，确定所述目标link的路况，包括：
在所述第三车速大于第一预设值的情况下，服务器确定目标link的路况为畅通；
在所述第三车速小于等于所述第一预设值，大于第二预设值的情况下，服务器确定目标link的路况为缓慢；
在所述第三车速小于所述第二预设值的情况下，服务器确定目标link的路况为拥堵。
8.一种路况确定装置，其特征在于，所述装置包括：
处理单元，用于确定监控卡口对的交通流信息；其中，所述监控卡口对的交通流信息包括：在第一预设时间段内，通过所述监控卡口对的N个车辆的第一车速；所述监控卡口对包括两个监控卡口；所述监控卡口对包括至少一个路链link；N为正整数；
所述处理单元，还用于根据所述监控卡口对的交通流信息，确定目标link的交通流信息；其中，所述目标link为所述至少一个link中的link；所述目标link的交通流信息包括：在所述第一预设时间段内，通过所述目标link的N个车辆的第二车速；
所述处理单元，还用于确定所述目标link的设计通行流量区间，所述设计通行流量区间用于表征目标link的通行能力；
所述处理单元，还用于根据所述目标link的交通流信息，以及所述目标link的设计通行流量区间，确定所述目标link的路况。
9.根据权利要求8所述的装置，其特征在于，对于所述N个车辆中的每一个车辆；所述处理单元，还用于：
确定车辆通过所述两个监控卡口的时间差，以及所述监控卡口对的长度；
根据所述监控卡口对的长度，以及所述时间差，确定所述车辆的第一车速。
10.根据权利要求9所述的装置，其特征在于，所述处理单元，还用于：
确定所述车辆在所述目标link中的旅行时间；所述旅行时间为所述目标link的长度，与所述车辆的第一车速的比值；
根据预设时间调整值，调整所述旅行时间，得到所述车辆在所述目标link中的行驶时间；
根据所述目标link的长度以及所述行驶时间，确定所述车辆在所述link中的第二车速；所述第二车速为所述目标link与所述行驶时间的比值。
11.一种路况的确定装置，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1-7任一项中所述的路况的确定方法。
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，当计算机执行该指令时，该计算机执行上述权利要求1-7任一项中所述的路况的确定方法。
CN201911190432.2A 2019-11-28 2019-11-28 路况的确定方法及装置 Active CN110796867B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911190432.2A CN110796867B (zh) 2019-11-28 2019-11-28 路况的确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911190432.2A CN110796867B (zh) 2019-11-28 2019-11-28 路况的确定方法及装置

Publications (2)

Publication Number Publication Date
CN110796867A true CN110796867A (zh) 2020-02-14
CN110796867B CN110796867B (zh) 2021-04-16

Family

ID=69446635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911190432.2A Active CN110796867B (zh) 2019-11-28 2019-11-28 路况的确定方法及装置

Country Status (1)

Country Link
CN (1) CN110796867B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101894467A (zh) * 2010-06-30 2010-11-24 北京世纪高通科技有限公司 一种提高交通信息准确性的方法，设备，装置
CN101908276A (zh) * 2010-07-29 2010-12-08 北京世纪高通科技有限公司 评价交通信息的方法及装置
KR101103343B1 (ko) * 2010-03-29 2012-01-11 경북대학교 산학협력단 유비쿼터스 교통 센서 네트워크의 교통정보 제공방법
CN103308054A (zh) * 2013-05-20 2013-09-18 江苏新科软件有限公司 一种导航路径旅行时间测算方法
CN105825683A (zh) * 2015-08-16 2016-08-03 李萌 一种道路交通状况评价方法
CN105913675A (zh) * 2016-07-11 2016-08-31 东南大学 一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法
CN106530709A (zh) * 2016-12-16 2017-03-22 东南大学 一种面向用户的高速公路交通指数发布系统
CN106571037A (zh) * 2016-11-15 2017-04-19 同济大学 一种基于卡口检测技术的高速公路实时路况监测方法
CN106652450A (zh) * 2016-12-16 2017-05-10 东南大学 一种高速公路交通指数数值确定方法
CN106710216A (zh) * 2017-02-28 2017-05-24 广东省交通运输档案信息管理中心 高速公路实时交通拥堵路况检测方法和系统
CN107085944A (zh) * 2017-06-28 2017-08-22 北京数行健科技有限公司 一种交通数据处理系统及方法
CN108346292A (zh) * 2018-04-17 2018-07-31 吉林大学 基于卡口数据的城市快速路实时交通指数计算方法
CN108492557A (zh) * 2018-03-23 2018-09-04 四川高路交通信息工程有限公司 基于多模型融合的高速公路拥堵等级判断方法
CN108765956A (zh) * 2018-06-14 2018-11-06 广东工业大学 一种高速公路交通状态综合评估方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101103343B1 (ko) * 2010-03-29 2012-01-11 경북대학교 산학협력단 유비쿼터스 교통 센서 네트워크의 교통정보 제공방법
CN101894467A (zh) * 2010-06-30 2010-11-24 北京世纪高通科技有限公司 一种提高交通信息准确性的方法，设备，装置
CN101908276A (zh) * 2010-07-29 2010-12-08 北京世纪高通科技有限公司 评价交通信息的方法及装置
CN103308054A (zh) * 2013-05-20 2013-09-18 江苏新科软件有限公司 一种导航路径旅行时间测算方法
CN105825683A (zh) * 2015-08-16 2016-08-03 李萌 一种道路交通状况评价方法
CN105913675A (zh) * 2016-07-11 2016-08-31 东南大学 一种同时面向通行效率改善与交通安全提升的多目标可变限速控制方法
CN106571037A (zh) * 2016-11-15 2017-04-19 同济大学 一种基于卡口检测技术的高速公路实时路况监测方法
CN106530709A (zh) * 2016-12-16 2017-03-22 东南大学 一种面向用户的高速公路交通指数发布系统
CN106652450A (zh) * 2016-12-16 2017-05-10 东南大学 一种高速公路交通指数数值确定方法
CN106710216A (zh) * 2017-02-28 2017-05-24 广东省交通运输档案信息管理中心 高速公路实时交通拥堵路况检测方法和系统
CN107085944A (zh) * 2017-06-28 2017-08-22 北京数行健科技有限公司 一种交通数据处理系统及方法
CN108492557A (zh) * 2018-03-23 2018-09-04 四川高路交通信息工程有限公司 基于多模型融合的高速公路拥堵等级判断方法
CN108346292A (zh) * 2018-04-17 2018-07-31 吉林大学 基于卡口数据的城市快速路实时交通指数计算方法
CN108765956A (zh) * 2018-06-14 2018-11-06 广东工业大学 一种高速公路交通状态综合评估方法

Also Published As

Publication number Publication date
CN110796867B (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
CN111537990B (zh) 一种车道的标定方法、装置以及电子设备
CN111210621B (zh) 基于实时路况的信号绿波协调路线优化控制方法及系统
Cao et al. Clustering algorithms
JP6459981B2 (ja) 画像処理装置、被写体識別方法及びプログラム
CN117390585B (zh) 基于三维全连接融合的时序数据预测方法及模型训练方法
CN113109783A (zh) 航向角获取方法、装置、设备和存储介质
CN104484600A (zh) 一种基于改进密度聚类的入侵检测方法及装置
CN115619972A (zh) 一种基于点云数据的道路标线磨损识别与评估方法
CN111311907A (zh) 基于元胞传输模型的不确定基本图参数辨识的识别方法
CN110796867B (zh) 路况的确定方法及装置
Ren et al. Improved shape-based distance method for correlation analysis of multi-radar data fusion in self-driving vehicle
CN110264725A (zh) 路段流量的确定方法及装置
CN111613047B (zh) 一种信息处理方法及装置
CN116597649A (zh) 一种基于高速公路收费系统的路网交通流量推演方法
CN114693088B (zh) 一种水库温度场影响因素分析方法、装置及存储介质
CN110126846A (zh) 驾驶场景的表示方法、装置、系统和存储介质
CN113298309A (zh) 用于交通拥堵状态预测的方法、装置及终端
Dong et al. Evaluating impact of remote-access cyber-attack on lane changes for connected automated vehicles
Chen et al. Improved Long Short-Term Memory-Based Periodic Traffic Volume Prediction Method
CN101727749A (zh) 异常车速数据的识别方法和装置
CN117152973B (zh) 基于etc门架数据的高速公路实时流量监测方法及系统
CN111260927A (zh) 一种公路路网流量预测方法
CN117292562B (zh) 一种基于交叉口精准流向辨识的信号控制时段划分方法
CN112488141A (zh) 物联卡应用范围的确定方法、装置及计算机可读存储介质
CN116820138B (zh) 一种基于编队行驶的控制器智能决策方法及系统

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