CN110895882B - 公路通行能力确定方法及装置 - Google Patents
公路通行能力确定方法及装置 Download PDFInfo
- Publication number
- CN110895882B CN110895882B CN201911348701.3A CN201911348701A CN110895882B CN 110895882 B CN110895882 B CN 110895882B CN 201911348701 A CN201911348701 A CN 201911348701A CN 110895882 B CN110895882 B CN 110895882B
- Authority
- CN
- China
- Prior art keywords
- subsequence
- traffic flow
- maximum
- determining
- sum
- 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.)
- Active
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
本公开涉及一种公路通行能力确定方法及装置。该方法包括:确定多个监测时刻;基于所述多个监测时刻获取目标公路上的车流量差分序列;由所述车流量差分序列中确定最大车流量差分和子序列;以及基于所述最大车流量差分和子序列确定所述目标公路的通行能力。本公开涉及的公路通行能力确定方法及装置,能够高效快捷的确定公路的通行能力,并为公路车辆控制系统预留较大的安全余量。
Description
技术领域
本公开涉及计算机信息处理领域,具体而言,涉及一种公路通行能力确定方法及装置。
背景技术
公路通行能力是指在一定道路条件和交通条件下,单位时间内能够通过一条车道或道路某断面的最多车辆数。公路通行能力代表了道路、交通可能达到最接近理想状态时的通行能力,是确定其他通行能力的基础。道路的理想状态是指有足够的车道宽度与侧向余宽,纵坡、弯道线形良好,且有足够的视距。交通的理想状态是指单一的轿车车流且无车速限制的状态。在自动驾驶领域,如何准确快速的确定公路的通行能力,还关系到自动驾驶系统对车辆的控制。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此,本公开提供一种公路通行能力确定方法及装置,能够高效快捷的确定公路的通行能力,并为公路车辆控制系统预留较大的安全余量。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的一方面,提出一种公路通行能力确定方法,该方法包括:确定多个监测时刻;基于多个监测时刻获取目标公路上的车流量差分序列;由车流量差分序列中确定最大车流量差分和子序列;以及基于最大车流量差分和子序列确定目标公路的通行能力。
根据本公开的一方面,提出一种公路通行能力确定装置,该装置包括:时刻模块,用于确定多个监测时刻;序列模块,用于基于多个监测时刻获取目标公路上的车流量差分序列;差分模块,用于由车流量差分序列中确定最大车流量差分和子序列;以及能力模块,用于基于最大车流量差分和子序列确定目标公路的通行能力。
在本公开的一个实施例中,还包括:控制模块,用于根据通行能力对目标公路的上的车流量进行实时控制。
在本公开的一个实施例中,时刻模块,还用于确定目标时间段;确定监测数量;以及时刻单元,基于目标时间段和监测数量确定多个监测时刻。
在本公开的一个实施例中,序列模块,包括:车流单元,用于在多个监测时刻获取目标公路上的多个车流量;以及差分单元,用于基于多个监测时刻和多个车流量确定车流量差分序列。
在本公开的一个实施例中,差分单元,还用于将第i个监测时刻对应的车流量和第i-1个监测时刻对应的车流量的差值作为车流量差分序列中第i个值;其中,i为正整数。
在本公开的一个实施例中,差分模块,包括:分解单元,用于将车流量差分序列分解为第一子序列和第二子序列;子序列单元,用于基于第一子序列、第二子序列确定第一最大车流量差分和子序列、第二最大车流量差分和子序列和第三最大车流量差分和子序列;以及比较单元,用于将第一最大车流量差分和子序列、第二最大车流量差分和子序列、第三最大车流量差分和子序列进行比较以确定车流量差分序列的最大车流量差分和子序列。
在本公开的一个实施例中,分解单元,还用于确定截断值;基于截断值将车流量差分序列进行截断,生成第一子序列和第二子序列。
在本公开的一个实施例中,子序列单元,还用于迭代计算第一子序列、第二子序列中的多个车流量差分和以获取第一最大车流量差分和子序列、第二最大车流量差分和子序列。
在本公开的一个实施例中,子序列单元,还用于通过第一子序列、第二子序列生成第三子序列;基于第一最大车流量差分和子序列、第二最大车流量差分和子序列确定第一截断值和第二截断值;以及通过第一截断值和第二截断值对第三子序列进行截断以生成第三最大车流量差分和子序列。
在本公开的一个实施例中,子序列单元,还用于在第一子序列中由后至前提取多个第一车流量差分值;在第二子序列中由前至后提取多个第二车流量差分值;以及通过多个第一车流量差分值和多个第二车流量差分值生成第三子序列。
根据本公开的一方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文的方法。
根据本公开的一方面,提出一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上文中的方法。
根据本公开的公路通行能力确定方法及装置,基于多个监测时刻获取目标公路上的车流量差分序列;由车流量差分序列中确定最大车流量差分和子序列;以及基于最大车流量差分和子序列确定目标公路的通行能力的方式,能够高效快捷的确定公路的通行能力,并为公路车辆控制系统预留较大的安全余量。
根据本公开的公路通行能力确定方法及装置,无需获取公路在各个时刻的车流量而只需获取车流量在各个时刻的变化量,对系统约束少,要求宽松,适用范围大。
根据本公开的公路通行能力确定方法及装置,将目标时间段内的最大车流量差分和作为实际最大的车流量,为道路控制系统的预留较大的安全余量。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例,本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例,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是根据一示例性实施例示出的一种公路通行能力确定方法及装置的系统场景框图。
图2是根据一示例性实施例示出的一种公路通行能力确定方法的流程图。
图3是根据另一示例性实施例示出的一种公路通行能力确定方法的流程图。
图4是根据另一示例性实施例示出的一种公路通行能力确定方法的流程图。
图5是根据另一示例性实施例示出的一种公路通行能力确定方法的硬件平台图。
图6是根据另一示例性实施例示出的一种公路通行能力确定方法的硬件平台图。
图7是根据一示例性实施例示出的一种公路通行能力确定方法及装置的框图。
图8是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应理解,虽然本文中可能使用术语第一、第二、第三等来描述各种组件,但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用,术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
在本文中提及的“多个”是指两个或两个以上。“和/或”,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。字符“/”一般表示前后关联对象是一种“或”的关系。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本公开所必须的,因此不能用于限制本公开的保护范围。
现有技术中通过如下方法确定公路通行能力,在选定的目标时间段内,从云端或者其他渠道获取目标公路在各时刻的车流量;选出车流量的最大值和最小值,它们的差即为公路通行能力跨度;求取车流量在目标时间段内的平均值与公路通行能力跨度之和,将目标公路上的车流量控制在该和值之下。
现有技术的技术方案存在如下不足:现有技术需获取公路在各个时刻的车流量,对系统要求苛刻,适用范围小;将车流量在目标时间段内的平均值与公路通行能力跨度之和作为实际车流量的上界的做法可能会使实际的车流量超过公路的通行能力,存在安全隐患。
本公开中的公路通行能力确定方法及装置,无需获取公路在各个时刻的车流量而只需获取车流量在各个时刻的变化量,对系统约束少,要求宽松,适用范围大;本公开中的公路通行能力确定方法及装置将目标时间段内的最大车流量差分和作为实际最大的车流量,安全余量大。所以本公开能克服现有技术中的不足。
本公开中的公路通行能力确定方法及装置,可用于智能交通、物联网、车联网、车路协同、5G等产品。特别是能在无法获取目标公路在每个时刻的车流量的场景下的智能交通、物联网、车联网、车路协同、5G等产品,其应用场景满足:无法获取目标公路在每个时刻的车流量,但是可获取车流量在各个时刻的变化量,且最小车流量是零的情况。
下面借助于具体的实施例对本公开中的公路通行能力确定方法及装置进行详细描述。
图1是根据一示例性实施例示出的一种公路通行能力确定方法及装置的系统框图。
如图1所示,系统架构10可以包括公路监测设备101、102、103,网络104和服务器105。网络104用以在公路监测设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
应该理解,图1中的路监测设备、网络的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络。比如路服务器105可以是多个服务器组成的服务器集群或者多个终端组成的区块链网络等。
用户可以使用公路监测设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。公路监测设备101、102、103上可以安装有各种数据传输应用。
公路监测设备101、102、103可以是监测功能的各种电子设备,包括但不限于摄像机、激光测量装置、红外线测量装置等等。
服务器105可以是提供各种服务的服务器,例如对公路监测设备101、102、103所提供的车流量数据进程处理的后台服务器。后台管理服务器可以对接收到的车流量数据数据进行分析等处理,并将处理结果(例如目标公路的通行能力)反馈给管理人员。
服务器105可例如确定多个监测时刻;服务器105可例如基于多个监测时刻由公路监测设备101、102、103中获取目标公路上的车流量差分序列;服务器105可例如由车流量差分序列中确定最大车流量差分和子序列;服务器105可例如基于最大车流量差分和子序列确定目标公路的通行能力。
服务器105还可例如根据通行能力对目标公路的上的车流量进行实时控制。
服务器105可以是一个实体的服务器,还可例如为多个服务器组成,服务器105中的一部分可例如用于确定多个监测时刻;基于多个监测时刻获取目标公路上的车流量差分序列;由车流量差分序列中确定最大车流量差分和子序列;以及基于最大车流量差分和子序列确定目标公路的通行能力;以及服务器105中的一部分还可例如用于根据通行能力对目标公路的上的车流量进行实时控制。
需要说明的是,本公开实施例所提供的公路通行能力确定方法可以由服务器105执行,相应地,公路通行能力确定装置可以设置于服务器105中。而对车流量进行监控的监控端一般位于公路监测设备101、102、103中。
图2是根据一示例性实施例示出的一种公路通行能力确定方法的流程图。公路通行能力确定方法20至少包括步骤S202至S208。
如图2所示,在S202中,确定多个监测时刻。包括:确定目标时间段;确定监测数量;以及基于目标时间段和监测数量确定多个监测时刻。
在一个实施例中,可例如确定目标时间段为早7点至早8点的时间段,监测数量可为7次,即为获取7次监测的车流量数据,根据目标时间段和监测数量确定监测时刻可为“7点;7点10分;7点20分;7点30分;7点40分;7点50分;8点”。
在S204中,基于多个监测时刻获取目标公路上的车流量差分序列。基于多个监测时刻和获取目标公路上的车流量差分序列,可包括:在多个监测时刻获取目标公路上的多个车流量;以及基于多个监测时刻和多个车流量确定车流量差分序列。
在一个实施例中,基于多个监测时刻和多个车流量确定车流量差分序列,包括:将第i个监测时刻对应的车流量和第i-1个监测时刻对应的车流量的差值作为车流量差分序列中第i个值;其中,i为正整数。
值得一提的是,车流量的差分值可通过道路检测设备直接获取,道路控制服务器可直接通过车流量差分序列进行计算。
在S206中,由车流量差分序列中确定最大车流量差分和子序列。包括:将车流量差分序列分解为第一子序列和第二子序列;基于第一子序列、第二子序列确定第一最大车流量差分和子序列、第二最大车流量差分和子序列和第三最大车流量差分和子序列;以及将第一最大车流量差分和子序列、第二最大车流量差分和子序列、第三最大车流量差分和子序列进行比较以确定车流量差分序列的最大车流量差分和子序列。
“由车流量差分序列中确定最大车流量差分和子序列”的详细描述请参考图3对应的实施例。
在S208中,基于最大车流量差分和子序列确定目标公路的通行能力。还包括:根据通行能力对目标公路的上的车流量进行实时控制。
其中,公路通行能力是指,公路上的车流量在不同时刻可能存在差异。公路在一个时间段内允许通过的最大车流量被定义为公路在该时间段内的通行能力;
更进一步的,时间段内的选取视具体情况而定,可以是一天、一个月等;如上文的实施例所示,在1小时内,进行了7次监测(7个时刻的差分值);最后计算所获得的的结果是在1小时内的车流量的通行能力最大值。
如果想知道1天内最大的车流量数,还要考虑其他因素的影响,如早晚高峰、节假日。更具体的,可对不同的时间段分别测量计算道路通行能力。可例如将某段时间(如一个月或一季度或一年)分成两个部分:节假日和非节假日。对于非节假日,又将公路通行时间分割成若干个时间区间(如早高峰是一个区间、晚高峰是一个区间),在每一个时间区间内,再使用上文中的处理步骤。
在每一个时间区间内,可以采用调整时间基准的方法也可以采直接相乘的方法,即为如果想知道1天内最大的车流量数,那么在测量之前可以将最初的时间基准调整为1天也可以把上面1小时的监测结果直接乘以24。前者的方法通常用于测量还没有开始之前,而后一种方式常用于当前只有1小时的数据而无法进行以1天为基准的测量的情况下。前者是实际测量而后者是基于已有测量值的估计。
根据本公开的公路通行能力确定方法,基于多个监测时刻获取目标公路上的车流量差分序列;由车流量差分序列中确定最大车流量差分和子序列;以及基于最大车流量差分和子序列确定目标公路的通行能力的方式,能够高效快捷的确定公路的通行能力,并为公路车辆控制系统预留较大的安全余量。
应清楚地理解,本公开描述了如何形成和使用特定示例,但本公开的原理不限于这些示例的任何细节。相反,基于本公开公开的内容的教导,这些原理能够应用于许多其它实施例。
图3是根据另一示例性实施例示出的一种公路通行能力确定方法的流程图。图3所示的流程是对图2所示的流程中S206“由车流量差分序列中确定最大车流量差分和子序列”的详细描述。
如图3所示,在S302中,将车流量差分序列分解为第一子序列和第二子序列。从云端或其他渠道获取目标公路在目标时间段内的各个时刻的车流量差分,分别记为a1,a2,...,an,组成车流量差分序列(a1,a2,...,an),其中,n是目标时间段内的总时刻数。
可将车流量差分序列(a1,a2,...,an)截断成两个车流量差分子序列(a1,a2,...,amid)和(amid+1,amid+2,...,an)。其中,指示变量mid取为(mid也可取其他值)。此时车流量差分和最大的子序列或者a)位于车流量差分子序列(a1,a2,...,amid)中,或者b)位于车流量差分子序列(amid+1,amid+2,...,an)中,或者c)一部分位于车流量差分子序列(a1,a2,...,amid)中而余下的一部分位于车流量差分子序列(amid+1,amid+2,...,an)中;
在S304中,在第一子序列中由后至前提取多个第一车流量差分值;找出车流量差分子序列(a1,a2,...,amid)中的以amid为最后一个车流量差分值且车流量差分和最大的车流量差分子序列,记为(ai,ai+1,...,amid)。其中ai可定义为第二截断值
在S306中,在第二子序列中由前至后提取多个第二车流量差分值;找出车流量差分子序列(amid+1,amid+2,...,an)中的以amid+1为第一个车流量差分值且车流量差分和最大的车流量差分子序列,记为(amid+1,...,aj-1,aj);其中aj可定义为第二截断值。
在S308中,通过多个第一车流量差分值和多个第二车流量差分值生成第三子序列。通过车流量差分子序列(ai,ai+1,...,amid,amid+1,...,aj-1,aj)中的车流量差分之和是情况c)下的最大车流量差分和。
在S310中,基于第一子序列、第二子序列确定第一最大车流量差分和子序列、第二最大车流量差分和子序列和第三最大车流量差分和子序列。其中,第三最大车流量差分和子序列对应于第三子序列。
迭代计算第一子序列、第二子序列中的多个车流量差分和以获取第一最大车流量差分和子序列、第二最大车流量差分和子序列。
情况a)时,将车流量差分子序列(a1,a2,...,amid)看成车流量差分序列(a1,a2,...,an),返回上文步骤迭代求出车流量差分子序列(ai,ai+1,...,amid)的车流量差分和最大的车流量差分子序列,其车流量差分和是情况a)下的最大车流量差分和;
情况b)时,将车流量差分子序列(amid+1,amid+2,...,an)看成车流量差分序列(a1,a2,...,an),返回上文步骤迭代求出车流量差分子序列(amid+1,amid+2,...,an)的车流量差分和最大的车流量差分子序列,此和值是情况b)下的最大车流量差分和;
在S312中,将第一最大车流量差分和子序列、第二最大车流量差分和子序列、第三最大车流量差分和子序列进行比较以确定车流量差分序列的最大车流量差分和子序列。
比较步骤a)、b)、c)各自求出的最大车流量差分和,选出值最大的车流量差分和,该车流量差分和就是目标公路在目标时间段内的最大通行能力;
图4是根据另一示例性实施例示出的一种公路通行能力确定方法的流程图。图4所示的流程是本公开全过程的整体描述。
如图4所示,在S402中,获取目标公路在目标时间段内的各个时刻的车流量差分值。
在S404中,组成车流量差分子序列并将其分割成两个车流量差分子序列。
在S406中,采用分治模式确定和值最大的车流量差分子序列。
在S408中,控制目标公路的车流量不超过最大的车流量差分和。
针对目标公路,可先获取其在选定时间段内的各个时刻的车流量差分,组成车流量差分序列,然后采用分治理策挑选出车流量差分和最大的子序列,最后根据车流量差分和最大的子序列控制目标公路上的车流量。应将目标公路上的车流量控制在最大车流量差分之和以内,才能够保证在目标公路上的车辆行驶的安全。
其中,将车流量差分序列分解为第一子序列和第二子序列的过程即为分解过程。然后根据第一子序列和第二子序列,将车流量差分序列拆分成三种情况,分别求出每一种情况下的最大车流量差分和,选出值最大的车流量差分和的过程为治理过程,分解和治理过程合并起来成为分治模式。更进一步的上文中计算的车流量差分和就是目标公路在目标时间段内的最大通行能力。
图5是根据另一示例性实施例示出的一种公路通行能力确定方法的硬件平台图。
如图5所示,可在私有云上部署时钟模块、最大车流量差分和计算模块、车流量差分检测模块。时钟模块用C语言在单片机上实现,它根据实际需求管理时间。例如,计时时间段和单位时间(时间段内的单位时间的选取视具体情况而定,本实施例可选择一分钟)。计算模块用Python编写,它用于目标公路在目标时间段内的各个时刻的车流量差分,根据车流量差分得到车流量差分序列,将车流量差分序列拆分成两部分(两部分的性车流量差分个数尽量相等)形成三种情况,分别求出每一种情况下的最大车流量差分和(采用迭代的方法),选出值最大的车流量差分和,该车流量差分和就是目标公路在目标时间段内的最大通行能力;
当初始化完时钟模块后,计算模块先获取目标公路在目标时间段内的各个时刻的车流量差分,根据车流量差分得到车流量差分序列,将车流量差分序列拆分成两部分形成三种情况,采用迭代的方法分别求出每一种情况下的最大车流量差分和,选出值最大的车流量差分和,该车流量差分和就是目标公路在目标时间段内的最大通行能力;
图6是根据另一示例性实施例示出的一种公路通行能力确定方法的硬件平台图。如图6所示,车流量差分值检测模块从云端或其他渠道获取目标公路在目标时间段内的各个时刻的车流量差分;车流量差分序列生成模块将车流量差分序列截断成两个车流量差分子序列;车流量差分和分解模块将两个车流量差分子序列继续进行分解,生成第三个差分子序列。然后通过车流量差分和治理模块1,2,3分别对三种分解情况进行计算,生成三个计算结果;继而车流量差分和合并模块比较三个计算结果的大小,确定最大的车流量差分和作为公路的通行能力,最后根据公路的通行能力对公路上形势的车流量进行控制。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时,执行本公开提供的上述方法所限定的上述功能。的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图7是根据一示例性实施例示出的一种公路通行能力确定装置的框图。如图7所示,公路通行能力确定装置70包括:时刻模块702,序列模块704,差分模块706,能力模块708。
时刻模块702用于确定多个监测时刻;时刻模块702还用于确定目标时间段;确定监测数量;以及时刻单元,基于目标时间段和监测数量确定多个监测时刻。
序列模块704用于基于多个监测时刻获取目标公路上的车流量差分序列;序列模块704包括:车流单元,用于在多个监测时刻获取目标公路上的多个车流量;以及差分单元,用于基于多个监测时刻和多个车流量确定车流量差分序列。差分单元,还用于将第i个监测时刻对应的车流量和第i-1个监测时刻对应的车流量的差值作为车流量差分序列中第i个值;其中,i为正整数。
差分模块706用于由车流量差分序列中确定最大车流量差分和子序列;差分模块706包括:分解单元,用于将车流量差分序列分解为第一子序列和第二子序列;子序列单元,用于基于第一子序列、第二子序列确定第一最大车流量差分和子序列、第二最大车流量差分和子序列和第三最大车流量差分和子序列;以及比较单元,用于将第一最大车流量差分和子序列、第二最大车流量差分和子序列、第三最大车流量差分和子序列进行比较以确定车流量差分序列的最大车流量差分和子序列。分解单元,还用于确定截断值;基于截断值将车流量差分序列进行截断,生成第一子序列和第二子序列。
子序列单元,还用于迭代计算第一子序列、第二子序列中的多个车流量差分和以获取第一最大车流量差分和子序列、第二最大车流量差分和子序列。子序列单元,还用于通过第一子序列、第二子序列生成第三子序列;基于第一最大车流量差分和子序列、第二最大车流量差分和子序列确定第一截断值和第二截断值;以及通过第一截断值和第二截断值对第三子序列进行截断以生成第三最大车流量差分和子序列。子序列单元,还用于在第一子序列中由后至前提取多个第一车流量差分值;在第二子序列中由前至后提取多个第二车流量差分值;以及通过多个第一车流量差分值和多个第二车流量差分值生成第三子序列。
能力模块708用于基于最大车流量差分和子序列确定目标公路的通行能力。
公路通行能力确定装置70还可包括:控制模块,用于根据通行能力对目标公路的上的车流量进行实时控制。
根据本公开的公路通行能力确定装置,基于多个监测时刻获取目标公路上的车流量差分序列;由车流量差分序列中确定最大车流量差分和子序列;以及基于最大车流量差分和子序列确定目标公路的通行能力的方式,能够高效快捷的确定公路的通行能力,并为公路车辆控制系统预留较大的安全余量。
图8是根据一示例性实施例示出的一种电子设备的框图。
下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于:至少一个处理单元810、至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840等。
其中,存储单元存储有程序代码,程序代码可以被处理单元810执行,使得处理单元810执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如,处理单元810可以执行如图2,图3,图4中所示的步骤。
存储单元820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备800’(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备800交互的设备通信,和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且,电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器860可以通过总线830与电子设备800的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAI D系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:确定多个监测时刻;基于所述多个监测时刻获取目标公路上的车流量差分序列;由所述车流量差分序列中确定最大车流量差分和子序列;以及基于所述最大车流量差分和子序列确定所述目标公路的通行能力。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
此外,本说明书说明书附图所示出的结构、比例、大小等,均仅用以配合说明书所公开的内容,以供本领域技术人员了解与阅读,并非用以限定本公开可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本公开所能产生的技术效果及所能实现的目的下,均应仍落在本公开所公开的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“第一”、“第二”及“一”等的用语,也仅为便于叙述的明了,而非用以限定本公开可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当也视为本公开可实施的范畴。
Claims (10)
1.一种公路通行能力确定方法,其特征在于,包括:
确定多个监测时刻;
基于所述多个监测时刻获取目标公路上的车流量差分序列;
由所述车流量差分序列确定最大车流量差分和子序列,所述最大车流量差分和子序列是车流量差分和最大的子序列;以及
基于所述最大车流量差分和子序列确定所述目标公路的通行能力。
2.如权利要求1所述的方法,其特征在于,还包括:
根据所述通行能力对所述目标公路上的车流量进行实时控制。
3.如权利要求1所述的方法,其特征在于,确定多个监测时刻,包括:
确定目标时间段;
确定监测数量;以及
基于所述目标时间段和所述监测数量确定所述多个监测时刻。
4.如权利要求1所述的方法,其特征在于,由所述车流量差分序列确定最大车流量差分和子序列,包括:
将所述车流量差分序列分解为第一子序列和第二子序列;
基于所述第一子序列、所述第二子序列确定第一最大车流量差分和子序列、第二最大车流量差分和子序列和第三最大车流量差分和子序列;以及
将所述第一最大车流量差分和子序列、所述第二最大车流量差分和子序列、所述第三最大车流量差分和子序列进行比较以确定所述车流量差分序列的最大车流量差分和子序列。
5.如权利要求4所述的方法,其特征在于,基于所述第一子序列、所述第二子序列确定第一最大车流量差分和子序列、第二最大车流量差分和子序列和第三最大车流量差分和子序列,包括:
迭代计算所述第一子序列、所述第二子序列中的多个车流量差分和以获取所述第一最大车流量差分和子序列、所述第二最大车流量差分和子序列。
6.如权利要求4所述的方法,其特征在于,基于所述第一子序列、所述第二子序列确定第一最大车流量差分和子序列、第二最大车流量差分和子序列和第三最大车流量差分和子序列,还包括:
通过所述第一子序列、所述第二子序列生成第三子序列;
基于所述第一最大车流量差分和子序列、所述第二最大车流量差分和子序列确定第一截断值和第二截断值;以及
通过所述第一截断值和所述第二截断值对所述第三子序列进行截断以生成所述第三最大车流量差分和子序列。
7.如权利要求6所述的方法,其特征在于,通过所述第一子序列、所述第二子序列生成第三子序列,包括:
在所述第一子序列中由后至前提取多个第一车流量差分值;
在所述第二子序列中由前至后提取多个第二车流量差分值;以及
通过所述多个第一车流量差分值和所述多个第二车流量差分值生成所述第三子序列。
8.一种公路通行能力确定装置,其特征在于,包括:
时刻模块,用于确定多个监测时刻;
序列模块,用于基于所述多个监测时刻获取目标公路上的车流量差分序列;
差分模块,用于由所述车流量差分序列确定最大车流量差分和子序列,所述最大车流量差分和子序列是车流量差分和最大的子序列;以及
能力模块,用于基于所述最大车流量差分和子序列确定所述目标公路的通行能力。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如权利要求1-7所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于:所述程序被处理器执行时实现如权利要求1-7所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911348701.3A CN110895882B (zh) | 2019-12-24 | 2019-12-24 | 公路通行能力确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911348701.3A CN110895882B (zh) | 2019-12-24 | 2019-12-24 | 公路通行能力确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110895882A CN110895882A (zh) | 2020-03-20 |
CN110895882B true CN110895882B (zh) | 2021-11-12 |
Family
ID=69789297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911348701.3A Active CN110895882B (zh) | 2019-12-24 | 2019-12-24 | 公路通行能力确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110895882B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080172171A1 (en) * | 2007-01-17 | 2008-07-17 | Gregory Mikituk Kowalski | Methods and systems for controlling traffic flow |
CN102968901A (zh) * | 2012-11-30 | 2013-03-13 | 青岛海信网络科技股份有限公司 | 获取区域拥堵信息的方法及区域拥堵分析装置 |
CN103021191A (zh) * | 2012-11-22 | 2013-04-03 | 浙江理工大学 | 智能交通控制装置及控制方法 |
CN104794908A (zh) * | 2015-04-08 | 2015-07-22 | 安徽师范大学 | 交通拥堵的协调控制方法及其协调控制系统 |
CN105374217A (zh) * | 2015-12-13 | 2016-03-02 | 安徽科力信息产业有限责任公司 | 一种基于道路交叉口平均饱和度的信号灯自适应控制方法 |
CN105405301A (zh) * | 2015-11-23 | 2016-03-16 | 山东理工大学 | 一种针对交叉口直右汇流冲突的右转信号感应控制方法 |
CN205680292U (zh) * | 2016-05-16 | 2016-11-09 | 湖北民族学院 | 基于stm32的智能交通灯系统 |
CN109919347A (zh) * | 2017-12-13 | 2019-06-21 | 腾讯科技(深圳)有限公司 | 路况生成方法、相关装置和设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530762A (zh) * | 2016-12-26 | 2017-03-22 | 东软集团股份有限公司 | 交通信号控制方法和装置 |
CN108871354B (zh) * | 2017-05-11 | 2021-07-06 | 腾讯科技(深圳)有限公司 | 道路信息处理方法及处理系统 |
-
2019
- 2019-12-24 CN CN201911348701.3A patent/CN110895882B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080172171A1 (en) * | 2007-01-17 | 2008-07-17 | Gregory Mikituk Kowalski | Methods and systems for controlling traffic flow |
CN103021191A (zh) * | 2012-11-22 | 2013-04-03 | 浙江理工大学 | 智能交通控制装置及控制方法 |
CN102968901A (zh) * | 2012-11-30 | 2013-03-13 | 青岛海信网络科技股份有限公司 | 获取区域拥堵信息的方法及区域拥堵分析装置 |
CN104794908A (zh) * | 2015-04-08 | 2015-07-22 | 安徽师范大学 | 交通拥堵的协调控制方法及其协调控制系统 |
CN105405301A (zh) * | 2015-11-23 | 2016-03-16 | 山东理工大学 | 一种针对交叉口直右汇流冲突的右转信号感应控制方法 |
CN105374217A (zh) * | 2015-12-13 | 2016-03-02 | 安徽科力信息产业有限责任公司 | 一种基于道路交叉口平均饱和度的信号灯自适应控制方法 |
CN205680292U (zh) * | 2016-05-16 | 2016-11-09 | 湖北民族学院 | 基于stm32的智能交通灯系统 |
CN109919347A (zh) * | 2017-12-13 | 2019-06-21 | 腾讯科技(深圳)有限公司 | 路况生成方法、相关装置和设备 |
Non-Patent Citations (3)
Title |
---|
Traffic Flow Estimation from Road SurveillanceFozia Mehboob;Fozia Mehboob;《2015 IEEE International Symposium on Multimedia》;20151216(第01期);全文 * |
城市快速路交通拥堵机理及状态判别理论与方法研究;王祥雪;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20190515(第05期);全文 * |
基于物联网技术的智能交通信号灯控制系统;李伟;《温州职业技术学院学报》;20140615(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110895882A (zh) | 2020-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Short-term traffic flow prediction using seasonal ARIMA model with limited input data | |
US9336493B2 (en) | Systems and methods for clustering time series data based on forecast distributions | |
CN110784825B (zh) | 车辆行驶轨迹的生成方法、装置 | |
US11222532B2 (en) | Traffic control support system, traffic control support method, and program recording medium | |
US20190084582A1 (en) | Optimization of a vehicle to compensate for water contamination of a fluid of a vehicle component | |
US20190111923A1 (en) | Determining a safe driving speed for a vehicle | |
CN110782706B (zh) | 智能车辆驾驶风险的预警方法和装置 | |
CN109515444B (zh) | 用于输出无人驾驶汽车的行驶性能指标的方法和装置 | |
CN105306539A (zh) | 业务信息展现控制方法、装置和互联网业务信息显示平台 | |
Asamer et al. | Calibrating car‐following parameters for snowy road conditions in the microscopic traffic simulator vissim | |
Tak et al. | Study on the framework of hybrid collision warning system using loop detectors and vehicle information | |
CN111798661A (zh) | 车辆行驶中的超车预警方法及装置 | |
JP2023015230A (ja) | 高精度マップを生成する方法及び装置、電子機器並びに記憶媒体 | |
US20150106171A1 (en) | Dynamic pricing based on sliding mode control and estimation for high occupancy toll lanes | |
CN114443303A (zh) | 资源分配方法、装置、设备及介质 | |
CN111845768A (zh) | 车辆行驶参数的预测方法、装置 | |
CN111739290A (zh) | 车辆预警方法及装置 | |
CN110895882B (zh) | 公路通行能力确定方法及装置 | |
US20190332949A1 (en) | Technology to automatically stream confidence and prediction intervals for non-parametric and non-stationary time series data | |
CN112149908A (zh) | 车辆驾驶预测方法、系统、计算机设备及可读存储介质 | |
CN112017462A (zh) | 用于生成场景信息的方法、装置、电子设备和介质 | |
US11693752B2 (en) | Measuring driving model coverage by microscope driving model knowledge | |
US20220076035A1 (en) | Coarse-to-fine attention networks for light signal detection and recognition | |
CN114648404A (zh) | 贷款请求处理方法、装置、终端及存储介质 | |
CN108777062B (zh) | 用于输出信息的方法和装置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40023040 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |