CN110895876A - 一种车辆监控方法、装置及存储介质 - Google Patents

Abstract

本发明实施例提供一种车辆监控方法、装置及存储介质，该方法包括：获取目标车辆的始发地、目的地、出发时间和到达时间；将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，获得目标车辆的行驶轨迹，目标交通模拟器是根据道路监测系统采集的车流信息采取奖励策略强化训练得到的，该行驶轨迹包括道路监测系统监测路段和未监测路段的行驶轨迹。实施本发明实施例，可以确定车辆的具体行驶轨迹。

Description

一种车辆监控方法、装置及存储介质

技术领域

本发明涉及计算机技术领域，具体涉及一种车辆监控方法、装置及存储介质。

背景技术

道路监控系统可以实时返回监控路段的包括每辆行驶车辆的车牌号、行驶时间、行驶位置等信息的车流信息。然而，由于监控摄像头的安装、维护费用等原因，城市道路监控系统往往只部署在关键路段。因此，道路监控系统捕捉到的车辆轨迹信息是不完整的，即存在不同摄像头之间的车辆行驶的具体行驶轨迹和状态是未知的可能，以致无法确定车辆的具体行驶轨迹。

发明内容

本发明实施例提供一种车辆监控方法、装置及存储介质，用于确定车辆的具体行驶轨迹。

本发明实施例第一方面提供一种车辆监控方法，包括：

获取目标车辆的始发地、目的地、出发时间和到达时间；

将所述目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，获得所述目标车辆的行驶轨迹，所述目标交通模拟器是根据道路监测系统采集的车流信息采取奖励策略强化训练得到的，所述行驶轨迹包括所述道路监测系统监测路段和未监测路段的行驶轨迹。

在一个实施例中，所述方法还包括：

获取所述监测路段的车流信息；

根据所述车流信息统计行驶车辆中每辆车在所述道路监控系统中的真实行驶轨迹；

根据所述真实行驶轨迹采取奖励策略强化训练初始交通模拟器，获得目标交通模拟器。

在一个实施例中，所述根据所述真实行驶轨迹采取奖励策略强化训练初始交通模拟器，获得目标交通模拟器包括：

获取所述真实行驶轨迹的始发地、目的地、出发时间和到达时间；

将所述真实行驶轨迹的始发地、目的地、出发时间和到达时间输入初始交通模拟器，获得所述真实行驶轨迹对应的模拟轨迹；

将所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化所述初始交通模拟器的参数，使所述差异最小，以获得目标交通模拟器。

在一个实施例中，所述将所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化所述初始交通模拟器的参数，使所述差异最小，以获得目标交通模拟器包括：

计算所述真实行驶轨迹的到达时间与所述真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值；

将所述绝对值作为强化学习的奖励优化所述初始交通模拟器的参数，使所述绝对值最小，以获得目标交通模拟器。

在一个实施例中，所述将所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化所述初始交通模拟器的参数，使所述差异最小，以获得目标交通模拟器包括：

确定所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹的路径的未重合度；

将所述未重合度作为强化学习的奖励优化所述初始交通模拟器的参数，使所述未重合度最小，以获得目标交通模拟器。

在一个实施例中，所述将所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化所述初始交通模拟器的参数，使所述差异最小，以获得目标交通模拟器包括：

计算所述真实行驶轨迹的到达时间与所述真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值；

确定所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹的路径的未重合度；

将所述绝对值和所述未重合度作为强化学习的奖励优化所述初始交通模拟器的参数，使所述绝对值以及所述未重合度最小，以获得目标交通模拟器。

在一个实施例中，所述方法还包括：

统计在目标时间段经过目标路段的行驶轨迹的数量，所述目标路段为所述未监测路段中的任一路段，所述目标时间段为所述行驶轨迹包括的时间段中的任一时间段；

根据所述数量确定所述目标路段在所述目标时间段的道路状况。

本发明实施例第二方面提供一种车辆监控装置，包括用于执行第一方面提供的车辆监控方法的单元。

本发明实施例第三方面提供一种车辆监控装置，包括处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于调用所述程序指令执行第一方面提供的车辆监控方法。

第四方面提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行第一方面提供的车辆监控方法。

第五方面提供了一种应用程序，该应用程序用于在运行时执行第一方面提供的车辆监控方法。

本发明实施例中，获取目标车辆的始发地、目的地、出发时间和到达时间，将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器获得目标车辆的行驶轨迹，该行驶轨迹不仅包括道路监测系统监测路段的行驶轨迹，还包括未监测路段的行驶轨迹，因此，可以确定车辆的具体行驶轨迹。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明实施例提供的一种车辆监控方法的流程示意图；

图2是本发明实施例提供的另一种车辆监控方法的流程示意图；

图3是本发明实施例提供的一种车辆监控装置的结构示意图；

图4是本发明实施例提供的另一种车辆监控的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本发明保护的范围。

本发明实施例提供一种车辆监控方法、装置及存储介质，用于确定车辆的具体行驶轨迹。以下分别进行详细说明。

请参阅图1，图1是本发明实施例提供的一种车辆监控方法的流程示意图。如图1所示，该车辆监控方法可以包括以下步骤。

101、获取目标车辆的始发地、目的地、出发时间和到达时间。

本实施例中，当需要恢复目标车辆行驶过的轨迹时，获取道路监测系统监测路段的车流信息，车流信息可以包括行驶车辆的标识、行驶时间、行驶路段和行驶位置，行驶车辆的标识可以为车辆的车牌号。之后可以根据监测路段的车流信息获取目标车辆行驶过的一段轨迹的始发地、目的地、出发时间和到达时间，也可以根据监测路段的车流信息获取目标车辆行驶过的所有轨迹的始发地、目的地、出发时间和到达时间，本实施例不作限定。出发时间为从始发地出发的时间，到达时间为到达目的地的时间，目标车辆为监测路段中的任一车辆。

102、将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，获得目标车辆的行驶轨迹。

本实施例中，获取到目标车辆的始发地、目的地、出发时间和到达时间之后，将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器获得目标车辆的行驶轨迹，即将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，就可以恢复出目标车辆在始发地与目的地之间的行驶轨迹，行驶轨迹可以包括道路监测系统监测路段和未监测路段的行驶轨迹，即行驶轨迹可以包括经过的所有路段以及经过每个路段的时间，所有路段包括有监控的路段和没有监控的路段，因此，可以确定车辆的具体行驶轨迹。其中，路段可以是固定长度的一段路，也可以是两个路口之间的一段路，还可以是其它方式确定的一段路，本实施例不作限定。其中，目标交通模拟器是根据道路监测系统采集的车流信息采取奖励策略强化训练得到的。

在图1所描述的车辆监控方法中，获取目标车辆的始发地、目的地、出发时间和到达时间，将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器获得目标车辆的行驶轨迹，该行驶轨迹不仅包括道路监测系统监测路段的行驶轨迹，还包括未监测路段的行驶轨迹，因此，可以确定车辆的具体行驶轨迹。

请参阅图2，图2是本发明实施例提供的另一种车辆监控方法的流程示意图。根据不同的需求，图2所示的流程图中的步骤的执行顺序可以改变，某些步骤可以拆分为几个步骤，某些步骤可以省略。如图2所示，该车辆监控方法可以包括以下步骤。

201、获取道路监测系统监测路段的车流信息。

本实施例中，当需要对初始交通模拟器进行训练时，获取道路监测系统监测路段的车流信息，车流信息可以包括行驶车辆的标识、行驶时间、行驶路段和行驶位置等。行驶车辆的标识可以为车辆的车牌号。

202、根据车流信息统计行驶车辆中每辆车在道路监控系统中的真实行驶轨迹。

本实施例中，获取到道路监测系统监测路段的车流信息之后，根据车流信息统计行驶车辆中每辆车在道路监控系统中的真实行驶轨迹，即统计在道路监控系统中的每辆车的真实行驶轨迹，真实行驶轨迹可以包括什么时候在什么位置出发，哪个时间行驶到了哪个位置等。

203、根据真实行驶轨迹采取奖励策略强化训练初始交通模拟器，获得目标交通模拟器。

本实施例中，根据车流信息统计出所有行驶车辆中每辆车在道路监控系统中的真实行驶轨迹之后，根据真实行驶轨迹采取奖励策略强化训练初始交通模拟器获得目标交通模拟器，可以先获取真实行驶轨迹的始发地、目的地、出发时间和到达时间，之后将真实行驶轨迹的始发地、目的地、出发时间和到达时间输入初始交通模拟器得到真实行驶轨迹对应的模拟轨迹，最后将真实行驶轨迹和真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化初始交通模拟器的参数，使差异最小，以得到目标交通模拟器，在训练的数据量较大，和/或训练的数据存在滞后性时，强化学习可以改善数据的滞后性，以及提高训练效率。

本实施例中，可以先计算真实行驶轨迹的到达时间与真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值，即计算真实行驶轨迹中车辆到达目的地的时间与真实行驶轨迹对应的模拟轨迹中车辆到达目的地的时间的差值的绝对值，之后将该绝对值作为强化学习的奖励优化初始交通模拟器的参数，使该绝对值最小，以便最小化模拟轨迹中的到达时间与真实行驶轨迹中的到达时间的差距，以获得目标交通模拟器。将模拟轨迹中的到达时间与真实行驶轨迹中的到达时间的差的绝对值作为强化学习的奖励，可以用策略梯度的方式调整交通模拟器的参数，当绝对值越小时，强化学习的奖励越高。调整交通模拟器的参数时，可以基于当前状态和对未来期望，以选出最有利于得到最精确模拟轨迹的参数。

本实施例中，也可以先确定真实行驶轨迹与真实行驶轨迹对应的模拟轨迹之间的路径的未重合度，即确定真实行驶轨迹与真实行驶轨迹对应的模拟轨迹包括的不同路段的数量与真实行驶轨迹包括的总路段的比值，之后将未重合度作为强化学习的奖励优化初始交通模拟器的参数，使该未重合度最小，以获得目标交通模拟器。将真实行驶轨迹与模拟轨迹之间的路径的未重合度作为强化学习的奖励，当未重合度越小时，强化学习的奖励越高。

本实施例中，还可以先确定真实行驶轨迹的路程与真实行驶轨迹对应的模拟轨迹的路程的差值的绝对值，之后将路程的差值的绝对值作为强化学习的奖励优化初始交通模拟器的参数，使路程的差值的绝对值最小，以获得目标交通模拟器。将真实行驶轨迹与模拟轨迹之间的路程的差值的绝对值作为强化学习的奖励，当路程的差值的绝对值越小时，强化学习的奖励越高。

本实施例中，还可以先确定真实行驶轨迹与真实行驶轨迹对应的模拟轨迹的路程的差值的绝对值，以及计算真实行驶轨迹的到达时间与真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值，之后将路程的差值的绝对值和到达时间的差值的绝对值作为强化学习的奖励优化初始交通模拟器的参数，使路程的差值的绝对值以及到达时间的差值最小，以获得目标交通模拟器。将真实行驶轨迹与模拟轨迹之间的路程的差值的绝对值和到达时间的差值的绝对值作为强化学习的奖励，可以当路程的差值的绝对值和到达时间的差值的绝对值的和/或乘积越小时，强化学习的奖励越高。

本实施例中，还可以先计算真实行驶轨迹的到达时间与真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值，以及确定真实行驶轨迹与真实行驶轨迹对应的模拟轨迹之间的路径的未重合度，之后将该绝对值和未重合度作为强化学习的奖励优化初始交通模拟器的参数，使该绝对值以及未重合度最小，以获得目标交通模拟器。可以将模拟轨迹中的到达时间与真实行驶轨迹中的到达时间的差的绝对值，与真实行驶轨迹与模拟轨迹之间的路径的重合度一起作为强化学习的奖励，可以当到达时间的差的绝对值与路径的重合度的倒数的和/乘积越小时，强化学习的奖励越高。

204、获取目标车辆的始发地、目的地、出发时间和到达时间。

本实施例中，当需要恢复目标车辆行驶过的轨迹时，获取道路监测系统监测路段的车流信息，车流信息可以包括行驶车辆的标识、行驶时间、行驶路段和行驶位置，行驶车辆的标识可以为车辆的车牌号。之后可以根据监测路段的车流信息获取目标车辆行驶过的一段轨迹的始发地、目的地、出发时间和到达时间，也可以根据监测路段的车流信息获取目标车辆行驶过的所有轨迹的始发地、目的地、出发时间和到达时间，本实施例不作限定。出发时间为从始发地出发的时间，到达时间为到达目的地的时间，目标车辆为监测路段中的任一车辆。

205、将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，获得目标车辆的行驶轨迹。

本实施例中，获取到目标车辆的始发地、目的地、出发时间和到达时间之后，将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器获得目标车辆的行驶轨迹，即将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，就可以恢复出目标车辆在始发地与目的地之间的行驶轨迹，行驶轨迹可以包括道路监测系统监测路段和未监测路段的行驶轨迹，即行驶轨迹可以包括经过的所有路段以及经过每个路段的时间，所有路段包括有监控的路段和没有监控的路段，因此，可以确定车辆的具体行驶轨迹。其中，路段可以是固定长度的一段路，也可以是两个路口之间的一段路，还可以是其它方式确定的一段路，本实施例不作限定。

206、统计在目标时间段经过目标路段的行驶轨迹的数量。

本实施例中，得到所有目标车辆的行驶轨迹之后，可以统计在目标时间段经过目标路段的行驶轨迹的数量，即统计某一时间段经过目标路段的车俩的数量。其中，该时间段为预先设置的值，可以为1min，也可以为5min，例如10：00-10:05。其中，目标路段为未监测路段中的任一路段，目标时间段为行驶轨迹包括的时间段中的任一时间段。

207、根据该数量确定目标路段在目标时间段的道路状况。

本实施例中，统计出在目标时间段经过目标路段的行驶轨迹的数量之后，该数据即目标路段在目标时间段的车流量，根据该数量确定目标路段在目标时间段的道路状况，可以根据目标路段的道路宽度、道路长度、红路灯数量和该数量确定道路状况为拥堵、缓慢或通畅，以便用于预测未监测路段的道路状况和/或分析未监测路段的道路状况。

在图2所描述的车辆监控方法中，将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器得到目标车辆的行驶轨迹，该行驶轨迹不仅包括道路监测系统监测路段的行驶轨迹，还包括未监测路段的行驶轨迹，因此，可以确定车辆的具体行驶轨迹。此外，可以通过得到的行驶轨迹确定未监测路段的道路状况，从而可以对未监测路段的道路状况进行分析和/或预测。

请参阅图3，图3是本发明实施例提供的一种车辆监控装置的结构示意图。如图3所示，该车辆监控装置可以包括：

第一获取单元301，用于获取目标车辆的始发地、目的地、出发时间和到达时间；

输入单元302，用于将第一获取单元301获取的标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，获得目标车辆的行驶轨迹，目标交通模拟器是根据道路监测系统采集的车流信息采取奖励策略强化训练得到的，行驶轨迹包括道路监测系统监测路段和未监测路段的行驶轨迹。

作为一种可能的实施方式，该车辆监控装置还可以包括：

第二获取单元303，用于获取道路监测系统监测路段的车流信息；

第一统计单元304，用于根据第二获取单元303获取的车流信息统计行驶车辆中每辆车在道路监控系统中的真实行驶轨迹；

训练单元305，用于根据第一统计单元304统计的真实行驶轨迹采取奖励策略强化训练初始交通模拟器，获得目标交通模拟器。

具体地，输入单元302，用于将第一获取单元301获取的始发地、目的地、出发时间和到达时间输入训练单元305获得的目标交通模拟器，获得目标车辆的行驶轨迹。

作为一种可能的实施方式，训练单元305可以包括：

获取真实行驶轨迹的始发地、目的地、出发时间和到达时间；

将真实行驶轨迹的始发地、目的地、出发时间和到达时间输入初始交通模拟器，获得真实行驶轨迹对应的模拟轨迹；

将真实行驶轨迹与真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化初始交通模拟器的参数，使该差异最小，以获得目标交通模拟器。

作为一种可能的实施方式，训练单元305将真实行驶轨迹与真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化初始交通模拟器的参数，使该差异最小，以获得目标交通模拟器包括：

计算真实行驶轨迹的到达时间与真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值；

将该绝对值作为强化学习的奖励优化初始交通模拟器的参数，使该绝对值最小，以获得目标交通模拟器。

作为一种可能的实施方式，训练单元305将真实行驶轨迹与真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化初始交通模拟器的参数，使该差异最小，以获得目标交通模拟器包括：

确定真实行驶轨迹与真实行驶轨迹对应的模拟轨迹的路径的未重合度；

将未重合度作为强化学习的奖励优化初始交通模拟器的参数，使该未重合度最小，以获得目标交通模拟器。

作为一种可能的实施方式，训练单元305将真实行驶轨迹与真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化初始交通模拟器的参数，使该差异最小，以获得目标交通模拟器包括：

计算真实行驶轨迹的到达时间与真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值；

确定真实行驶轨迹与真实行驶轨迹对应的模拟轨迹的路径的未重合度；

将该绝对值和未重合度作为强化学习的奖励优化初始交通模拟器的参数，使该绝对值以及未重合度最小，以获得目标交通模拟器。

作为一种可能的实施方式，该车辆监控装置还可以包括：

第二统计单元306，用于统计在目标时间段经过目标路段的输入单元302获得的行驶轨迹的数量，目标路段为未监测路段中的任一路段，目标时间段为行驶轨迹包括的时间段中的任一时间段；

确定单元307，用于根据第二统计单元306统计的数量确定目标路段在目标时间段的道路状况。

本发明实施例的装置可对应于本发明实施例中描述的方法，并且装置中的各个单元的上述和其它操作和/或功能分别为了实现图1至图2中的各个方法中的相应流程，为了简洁，在此不再赘述。

请参阅图4，图4是本发明实施例公开的另一种车辆监控装置的结构示意图。如图4所示，该车辆监控装置可以包括处理器401、存储器402和总线403。处理器401可以是一个通用中央处理器(CPU)，多个CPU，微处理器，特定应用集成电路(application-specificintegrated circuit，ASIC)，或一个或多个用于控制本发明方案程序执行的集成电路。存储器402可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器402可以是独立存在，总线403与处理器401相连接。存储器402也可以和处理器401集成在一起。总线403在上述组件之间传送信息。其中：

存储器402中存储有一组程序代码，处理器401用于调用存储器402中存储的程序代码执行以下操作：

获取目标车辆的始发地、目的地、出发时间和到达时间；

将目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，获得目标车辆的行驶轨迹，目标交通模拟器是根据道路监测系统采集的车流信息采取奖励策略强化训练得到的，行驶轨迹包括道路监测系统监测路段和未监测路段的行驶轨迹。

作为一种可能的实施方式，处理器401还用于调用存储器402中存储的程序代码执行以下操作：

获取道路监测系统监测路段的车流信息；

根据车流信息统计行驶车辆中每辆车在道路监控系统中的真实行驶轨迹；

根据真实行驶轨迹采取奖励策略强化训练初始交通模拟器，获得目标交通模拟器。

作为一种可能的实施方式，处理器401根据真实行驶轨迹采取奖励策略强化训练初始交通模拟器，获得目标交通模拟器包括：

获取真实行驶轨迹的始发地、目的地、出发时间和到达时间；

将真实行驶轨迹的始发地、目的地、出发时间和到达时间输入初始交通模拟器，获得真实行驶轨迹对应的模拟轨迹；

将真实行驶轨迹与真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化初始交通模拟器的参数，使该差异最小，以获得目标交通模拟器。

作为一种可能的实施方式，处理器401将真实行驶轨迹与真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化初始交通模拟器的参数，使该差异最小，以获得目标交通模拟器包括：

计算真实行驶轨迹的到达时间与真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值；

将该绝对值作为强化学习的奖励优化初始交通模拟器的参数，使该绝对值最小，以获得目标交通模拟器。

作为一种可能的实施方式，处理器401将真实行驶轨迹与真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化初始交通模拟器的参数，使该差异最小，以获得目标交通模拟器包括：

确定真实行驶轨迹与真实行驶轨迹对应的模拟轨迹的路径的未重合度；

将该未重合度作为强化学习的奖励优化初始交通模拟器的参数，使该未重合度最小，以获得目标交通模拟器。

作为一种可能的实施方式，处理器401将真实行驶轨迹与真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化初始交通模拟器的参数，使该差异最小，以获得目标交通模拟器包括：

计算真实行驶轨迹的到达时间与真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值；

确定真实行驶轨迹与真实行驶轨迹对应的模拟轨迹的路径的未重合度；

将该绝对值和未重合度作为强化学习的奖励优化初始交通模拟器的参数，使该绝对值以及未重合度最小，以获得目标交通模拟器。

作为一种可能的实施方式，处理器401还用于调用存储器402中存储的程序代码执行以下操作：

统计在目标时间段经过目标路段的行驶轨迹的数量，目标路段为未监测路段中的任一路段，目标时间段为行驶轨迹包括的时间段中的任一时间段；

根据该数量确定目标路段在目标时间段的道路状况。

应理解，本发明实施例的车辆监控装置可对应于图3所示的车辆监控装置，并且车辆监控装置中的上述和其它操作和/或功能分别为了实现图1-图2中的各个方法的相应流程，为了简洁，在此不再赘述。

在一个实施例中提供了一种存储介质，该存储介质用于存储应用程序，应用程序用于在运行时执行图1或图2的车辆监控方法。

在一个实施例中提供了一种应用程序，该应用程序用于在运行时执行图1或图2的车辆监控方法。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。

以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种车辆监控方法，其特征在于，包括：

获取目标车辆的始发地、目的地、出发时间和到达时间；

将所述目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，获得所述目标车辆的行驶轨迹，所述目标交通模拟器是根据道路监测系统采集的车流信息采取奖励策略强化训练得到的，所述行驶轨迹包括所述道路监测系统监测路段和未监测路段的行驶轨迹。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述监测路段的车流信息；

根据所述车流信息统计行驶车辆中每辆车在所述道路监控系统中的真实行驶轨迹；

根据所述真实行驶轨迹采取奖励策略强化训练初始交通模拟器，获得目标交通模拟器。

3.根据权利要求2所述的方法，其特征在于，所述根据所述真实行驶轨迹采取奖励策略强化训练初始交通模拟器，获得目标交通模拟器包括：

获取所述真实行驶轨迹的始发地、目的地、出发时间和到达时间；

将所述真实行驶轨迹的始发地、目的地、出发时间和到达时间输入初始交通模拟器，获得所述真实行驶轨迹对应的模拟轨迹；

将所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化所述初始交通模拟器的参数，使所述差异最小，以获得目标交通模拟器。

4.根据权利要求3所述的方法，其特征在于，所述将所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化所述初始交通模拟器的参数，使所述差异最小，以获得目标交通模拟器包括：

计算所述真实行驶轨迹的到达时间与所述真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值；

将所述绝对值作为强化学习的奖励优化所述初始交通模拟器的参数，使所述绝对值最小，以获得目标交通模拟器。

5.根据权利要求3所述的方法，其特征在于，所述将所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化所述初始交通模拟器的参数，使所述差异最小，以获得目标交通模拟器包括：

确定所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹的路径的未重合度；

将所述未重合度作为强化学习的奖励优化所述初始交通模拟器的参数，使所述未重合度最小，以获得目标交通模拟器。

6.根据权利要求3所述的方法，其特征在于，所述将所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹之间的差异作为强化学习的奖励优化所述初始交通模拟器的参数，使所述差异最小，以获得目标交通模拟器包括：

计算所述真实行驶轨迹的到达时间与所述真实行驶轨迹对应的模拟轨迹的到达时间的差值的绝对值；

确定所述真实行驶轨迹与所述真实行驶轨迹对应的模拟轨迹的路径的未重合度；

将所述绝对值和所述未重合度作为强化学习的奖励优化所述初始交通模拟器的参数，使所述绝对值以及所述未重合度最小，以获得目标交通模拟器。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

统计在目标时间段经过目标路段的行驶轨迹的数量，所述目标路段为所述未监测路段中的任一路段，所述目标时间段为所述行驶轨迹包括的时间段中的任一时间段；

根据所述数量确定所述目标路段在所述目标时间段的道路状况。

8.一种车辆监控装置，其特征在于，包括：

第一获取单元，用于获取目标车辆的始发地、目的地、出发时间和到达时间；

输入单元，用于将所述第一获取单元获取的目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，获得所述目标车辆的行驶轨迹，所述目标交通模拟器是根据道路监测系统采集的车流信息采取奖励策略强化训练得到的，所述行驶轨迹包括所述道路监测系统监测路段和未监测路段的行驶轨迹。

9.一种车辆监控装置，其特征在于，包括处理器和存储器，所述处理器和所述存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于调用所述程序指令执行以下操作：

获取目标车辆的始发地、目的地、出发时间和到达时间；

将所述目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，获得所述目标车辆的行驶轨迹，所述目标交通模拟器是根据道路监测系统采集的车流信息采取奖励策略强化训练得到的，所述行驶轨迹包括所述道路监测系统监测路段和未监测路段的行驶轨迹。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行以下操作：

获取目标车辆的始发地、目的地、出发时间和到达时间；

将所述目标车辆的始发地、目的地、出发时间和到达时间输入目标交通模拟器，获得所述目标车辆的行驶轨迹，所述目标交通模拟器是根据道路监测系统采集的车流信息采取奖励策略强化训练得到的，所述行驶轨迹包括所述道路监测系统监测路段和未监测路段的行驶轨迹。

Images