CN111028505A - 交通拥堵的治理方法及装置 - Google Patents

交通拥堵的治理方法及装置 Download PDF

Info

Publication number
CN111028505A
CN111028505A CN201911193991.9A CN201911193991A CN111028505A CN 111028505 A CN111028505 A CN 111028505A CN 201911193991 A CN201911193991 A CN 201911193991A CN 111028505 A CN111028505 A CN 111028505A
Authority
CN
China
Prior art keywords
congestion
target
target location
time
real
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
CN201911193991.9A
Other languages
English (en)
Other versions
CN111028505B (zh
Inventor
邱奉翠
徐晋晖
曹晶峥
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.)
Beijing Cennavi Technologies Co Ltd
Original Assignee
Beijing Cennavi Technologies 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 Cennavi Technologies Co Ltd filed Critical Beijing Cennavi Technologies Co Ltd
Priority to CN201911193991.9A priority Critical patent/CN111028505B/zh
Publication of CN111028505A publication Critical patent/CN111028505A/zh
Application granted granted Critical
Publication of CN111028505B publication Critical patent/CN111028505B/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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G08G1/0137—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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种交通拥堵的治理方法及装置，涉及交通技术领域，能够提高交通拥堵的治理效率。该方法包括：对于目标区域中的多个目标地点中的每一个目标地点，根据目标地点的实时交通流数据，确定目标地点的实时拥堵特征；目标地点为发生拥堵的地点；根据目标地点的历史交通流数据，确定目标地点的历史拥堵特征；根据目标地点的实时拥堵特征和历史拥堵特征，确定目标地点的拥堵治理优先级；根据目标区域的警力情况，以及多个目标地点中每一个目标地点的拥堵治理优先级，确定目标区域的警力分配方案。本申请实施例用于交通拥堵的治理过程中。

Description

交通拥堵的治理方法及装置
技术领域
本申请涉及交通技术领域，尤其涉及一种交通拥堵的治理方法及装置。
背景技术
随着汽车保有量的不断增加，交通拥堵问题日益严重。交通拥堵增加了居民的出行时间，降低了居民的出行体验，破坏了城市环境。因此，如何科学有效的治理交通拥堵问题成为当前交管部门面临的严峻问题。
当前交管部门指令交通拥堵，主要依靠交警现场巡逻，以及交警的工作经验进行指令。这种方法无法准确的了解到一个城市的全部拥堵情况，也就更不能结合一个城市的拥堵情况，对交通拥堵实施行之有效的治理。
发明内容
本申请提供一种交通拥堵的治理方法及装置，能够提高交通拥堵的治理效率。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供一种交通拥堵的治理方法，该方法包括：对于目标区域中的多个目标地点中的每一个目标地点，根据所述目标地点的实时交通流数据，确定所述目标地点的实时拥堵特征；所述目标地点为发生拥堵的地点；根据所述目标地点的历史交通流数据，确定所述目标地点的历史拥堵特征；根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵治理优先级；根据所述目标区域的警力情况，以及所述多个目标地点中每一个目标地点的拥堵治理优先级，确定所述目标区域的警力分配方案。
基于上述技术方案，服务器根据目标区域的多个目标地点中目标地点的实时交通流数据，确定目标地点的实时拥堵特征；多个目标地点为目标区域中发生拥堵的地点；服务器根据目标地点的历史交通流数据，确定目标地点的历史拥堵特征。这样，服务器可以确定目标区域内发生拥堵的区域的目标地点的实时拥堵特征和历史拥堵数据，便于服务器对这些拥堵数据进行分析。进一步的，服务器根据目标地点的实时拥堵特征和目标地点的历史拥堵特征，确定目标地点拥堵治理优先级。这样，服务器可以根据对比目标区域的历史拥堵特征和实时拥堵特征之间的关系，确定目标地点的拥堵治理优先级。根据多个目标地点的拥堵治理优先级，以及目标区域内的警力情况，确定目标区域的警力分配方案。这样，服务器可以结合各个拥堵地点的拥堵治理优先级，以及目标区域的警力情况，确定将哪个警员派往哪个拥堵地点疏导交通更为合理。从而大大提高了拥堵治理效率。
第二方面，本申请提供一种交通拥堵的治理装置，该装置包括：处理单元，用于对于目标区域中的多个目标地点中的每一个目标地点，根据所述目标地点的实时交通流数据，确定所述目标地点的实时拥堵特征；所述目标地点为发生拥堵的地点；所述处理单元，还用于根据所述目标地点的历史交通流数据，确定所述目标地点的历史拥堵特征；所述处理单元，还用于根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵治理优先级；所述处理单元，还用于根据所述目标区域的警力情况，以及所述多个目标地点中每一个目标地点的拥堵治理优先级，确定所述目标区域的警力分配方案。
第三方面，本申请提供了一种交通拥堵的治理装置，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交通拥堵的治理方法。
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交通拥堵的治理方法。
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交通拥堵的治理装置上运行时，使得交通拥堵的治理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交通拥堵的治理方法。
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交通拥堵的治理方法。
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交通拥堵的治理方法的流程图；
图2为本申请实施例提供的另一种交通拥堵的治理方法的流程图；
图3为本申请实施例提供的另一种交通拥堵的治理方法的流程图；
图4为本申请实施例提供的另一种交通拥堵的治理方法的流程图；
图5为本申请实施例提供的另一种交通拥堵的治理方法的流程图；
图6为本申请实施例提供的一种交通拥堵的治理装置的结构示意图；
图7为本申请实施例提供的另一种交通拥堵的治理装置的结构示意图。
具体实施方式
下面结合附图对本申请实施例提供的交通拥堵的治理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)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。
(2)交通事件
交通事件是指非周期性发生的，使道路的通行能力下降的事件。示例性的，交通事件可以为：交通事故、故障停车、货物散落、道路维修、施工封路、车辆逆行、车道变换、慢速、停止以及交通阻塞等。
为了解决现有技术中交管部门无法准确了解到目标区域的全部拥堵情况，因而不能对目标区域实施行之有效的拥堵治理的问题。本申请实施例提供了一种交通拥堵的治理方法，服务器通过目标区域中拥堵地点的实时交通流数据和历史交通流数据，确定拥堵地点的拥堵治理优先级，服务器根据目标地点的拥堵治理优先级，以及目标区域的警力情况，确定目标区域的警力分配方案。使得交通管理部门能够结合目标区域的拥堵情况，以及各个地点的拥堵治理优先级，合理的调派警员进行现场的拥堵治理。在警力有限的情况下，实现对目标区域的最优化拥堵治理。
如图1所示，为本申请实施例提供的交通拥堵的治理方法，该方法包括以下步骤：
S101、服务器获取目标区域的交通数据。
其中，目标区域的交通数据以下四类数据：基础地图数据，实时交通流数据，交警自有数据，以及其他数据。下面对这四类数据进行详细说明。
1、基础地图数据
基础地图数据为静态地图类数据，用于表示目标区域交通基础分布情况，例如路口的红绿灯情况，路段的长度，车道数等情况，区域的大小，行政划分等。基础地图数据包括点数据，线数据以及面数据。以下分别说明。
1.1、点数据指的是路网交叉口的路口点，道路连接点以及地图轮廓点等。点数据包括这些点的位置信息，点的属性信息等。示例性的，点数据可以存储在如表1所示的表格中。
表1、点数据信息表
Figure BDA0002294253620000041
Figure BDA0002294253620000051
1.2、线数据主要是指地图中基本路链的信息数据，包括道路的等级，道路属性，道路长度，道路车道数，道路方向，道路名称等信息。
示例性的，线数据可以存储在如表2所示的表格中。
表2、线数据信息表
序号 内容 说明
1 MapID 图幅号
2 ID 线的号码
3 Kind 道路等级属性
4 Width 道路幅宽
5 Direction 通行方向
6 Length 路段长度
7 LaneNum 车道数
8 R_Name 道路名称
1.3、面数据指的是行政区面，热点区域面等信息数据。包括面的类别，面的名称，面中心点坐标以及面边界信息等。
示例性的，线数据可以存储在如表3所示的表格中。
表3、面数据信息表
Figure BDA0002294253620000052
Figure BDA0002294253620000061
2、实时交通流数据
实时交通流数据属于动态的交通流数据，主要包括时间戳，路链号，路链长度以及旅行时间等信息，用于表征目标区域内的每个地点的实时道路通行情况和目标区域整体的实时道路通行情况。
示例性的，实时交通流数据可以存储在如表4所示的表格中。
表4、实时交通流数据信息表
序号 内容 说明
1 Timestamp 时间戳：年-月-日-时-分-秒
2 LinkID 路链号用于区分不同的路链
3 LinkLength 路链的长度
4 TrafficTime 车辆通过路链的平均旅行时间
5 LinkClass 路链的等级
3、交警自有数据
交警自有数据指的是交通管理部门采集到的交通流数据。交警自有数据中包含目标区域的历史交通流数据，可以反映目标区域的每个地点和整体的历史道路通行情况。交警自有数据中还包括交通管理部门的警力数据。能够显示当前可出警人数，已出警人数，出警警员的位置等。
交警自有数据主要包括：固定检测器位置数据，固定检测器监测数据，事件数据，警力数据，警情数据等。服务器可以通过接入到交通管理部门的数据系统中获取交警自有数据。
3.1、固定检测器位置数据用于表示固定的交通检测设备的安装位置。这些交通检测设备可以是视频检测设备，微波检测设备，线圈检测设备等。
示例性的，固定检测器位置数据可以存储在如表5所示的表格中。
表5、固定检测器位置数据信息表
Figure BDA0002294253620000062
Figure BDA0002294253620000071
3.2、固定检测器监测数据描述设备监测到的动态交通流信息。
示例性的，固定检测器监测数据可以存储在如表6所示的表格中。
表6、固定检测器监测数据信息表
序号 内容 说明
1 DEV_ID 设备号
2 DEV_WAY_ID 设备采集方向编号
3 FLOW 交通流量
4 SPEED 速度
5 OCCUPANCY 占有率
6 COLLECT_TIME 数据采集时间
3.3、事件数据指施工，管制，事故等事件信息。
示例性的，事件数据可以存储在如表7所示的表格中。
表7、事件数据信息表
序号 内容 说明
1 TIME_FROM 事件起始时间
2 TIME_TO 事件结束时间
3 WHERE 地点
4 EventReasonType 事件类型
5 EventReason 事件原因描述
3.4、警力数据。
示例性的，警力数据可以存储在如表8所示的表格中。
表8、警力数据信息表
序号 内容 说明
1 NAME 姓名
2 GROUP 归属大队
3 NO_POLICE 警号
4 CONTACT 联系方式
3.5、警情数据。
示例性的，警情数据可以存储在如表9所示的表格中。
表9、警情数据信息表
序号 内容 说明
1 ALERT LEVEL 警情级别
2 ALERT TYPE 警情类型
3 GROUP 所在大队
4 POLICE DISPATCHER 接警员
5 ALARM PEOPLE 报警人
6 ALERT STATE 警情状态
4、其他数据
其他数据主要包括：天气类数据，节假日日期数据，特殊活动日数据等。其他数据主要用于考量天气，节假日，特殊活动日等对交通拥堵的影响。
需要说明的是，服务器结合基础地图数据和实时交通流数据，可以确定目标区域各个路口、路段和/或整个区域的实时拥堵特征。服务器结合目标区域的基础地图数据和交警自有数据，可以确定目标区域各个路口、路段和/或整个区域的历史拥堵情况。服务器结合目标区域的基础地图数据、实时交通流数据，交警自有数据，以及其他数据，可以确定天气、节假日以及特殊活动日等对道路拥堵的影响。
S102、对于目标区域中的多个目标地点中的每一个目标地点，服务器根据所述目标地点的实时交通流数据，确定所述目标地点的实时拥堵特征。
其中，所述目标地点为发生拥堵的地点。目标地点可以是路口，路段，或者区域。
一种可能的实现方式中，服务器结合目标区域的基础地图数据和实时交通流数据，确定目标区域中各个地点的实时交通流数据。实时交通流数据包括目标地点的实时的车速，拥堵指数，流量，拥堵里程比例等能够表征路段拥堵情况的数据。服务器根据各个地点的实时交通流数据，确定目标地点的实时拥堵特征。
以下，分别对车速，拥堵指数，流量，拥堵里程比例进行详细说明。
1、车速为在一段时间内，经过目标地点的多个车辆的车速的平均值。服务器可以通过测速雷达，车辆反馈的GPS地点信息，或者车辆监控设备等采集到的车辆信息确定车辆的车速。
2、拥堵指数是基于车辆在目标地点的实际车速与目标地点的自由流速度确定的。
当前的拥堵指数有多种计算方法，以拥堵指数为延时指数为例进行说明。延时指数为车辆以拥堵车速通过目标区域的时间，与车辆以自由流速度通过目标区域的时间的比值。延时指数从时间维度表征路网的拥堵状况，延时指数的指标值越大，表示路网的运行效率越低，出行耗时越长。
3、流量表示在单位时间内，通过一个路段的车辆的数量。流量表征了道路的实际通行情况。流量越大，表示该地点的拥堵程度越高。
4、拥堵里程比例是在目标区域内，拥堵程度大于预设拥堵程度的道路的里程，占目标区域的道路总里程的比例。拥堵里程比例从空间维度表征路网的拥堵状况，拥堵里程比例越大，代表路网中拥堵路段的占比越高。
可以理解的是，在交通技术领域，还有很多其他指标可以表征路段的拥堵情况。上述仅以车速，拥堵指数，流量，拥堵里程比例为例进行说明。在实际应用中，本领域的技术人员容易想到利用其他指标替换上述实时拥堵特征，确定目标地点的拥堵特征。
需要说明的是，为了方便的确定目标地点的实时拥堵特征，服务器可以根据S101中的基础地图数据和实时交通流数据，分别为目标地点制作第一空间匹配表。该第一空间匹配表包括目标地点的位置信息和目标地点的实时交通流数据。通过该第一空间匹配表可以清楚明了的确定目标地点的实时交通流数据。在制作完成目标地点的第一空间匹配表之后，服务器根据第一空间匹配表中的实时交通流数据，确定目标地点的拥堵特征，得到目标地点的实时拥堵特征。同样的，服务器还可以在第一空间匹配表中体现目标区域总体的实时拥堵特征。
一种可能的实现方式中，为了提高数据的准确性和可用性，服务器在制作第一空间匹配表之前，还可以对实时交通流数据进行预处理。具体为，服务器对数据进行清洗，填补，整理筛选的操作，以得到准确度和可信度更高的数据。
示例性的，服务器在确定目标区域中每个地点的实时拥堵特征，以及目标区域的总体的实时拥堵特征之后，服务器可以通过如下表10，记录目标区域中每个地点的实时拥堵特征，以及目标区域的总体的实时拥堵特征。
表10、实时拥堵特征
Figure BDA0002294253620000101
Figure BDA0002294253620000111
需要说明的是，在服务器确定了目标区域的每个地点的实时拥堵特征之后，服务器可以进一步根据每个地点的实时视频监控数据。服务器根据实时视频监控数据对每个地点的实时拥堵特征进行二次校验，可以提高确定的每个地点的实时拥堵特征的准确性。
S103、服务器根据所述目标地点的历史交通流数据，确定所述目标地点的历史拥堵特征。
需要说明的是，目标地点的历史交通流数据可以根据S101中的交警自有数据得到。
一种可能的实现方式中，服务器结合目标区域的基础地图数据，和交警自有数据，确定目标区域中各个地点的历史交通流数据。服务器根据各个地点的历史交通流数据，确定目标地点的历史拥堵特征。
与S102中的实时交通流数据类似，目标区域中各个地点的历史交通流数据包括目标地点的历史车速，拥堵指数，流量，拥堵里程比例等能够表征路段拥堵情况的数据。
又一种可能的实现方式中，服务器可以根据目标区域的基础地图数据，和交警自有数据，制作第二空间匹配表，第二空间匹配表中包括目标地点历史交通流数据。服务器根据第二空间匹配表中的历史交通流数据，确定目标地点的历史拥堵特征。该过程与S102中制作第一空间匹配表的过程类似，此处不再赘述。
同样的，服务器在制作第二空间匹配表之前，也可以对交警自有数据进行预处理。
S104、服务器根据目标地点的实时拥堵特征和历史拥堵特征，确定目标地点的拥堵治理优先级。
一种可能的实现方式中，结合图1所示的技术方案，如图2所示，S104可以通过以下步骤实现。
S1041、服务器根据目标地点的实时拥堵特征和目标地点的历史拥堵特征，确定目标地点当前的拥堵发生类别。
其中，拥堵发生类别包括常发拥堵和偶发拥堵。偶发拥堵的拥堵治理优先级高于常发拥堵的拥堵治理优先级。
S1042、服务器根据目标地点的拥堵发生类别，确定目标地点的拥堵治理优先级。
以下，分别对常发拥堵和偶发拥堵进行解释。
一、偶发拥堵
偶发拥堵是指目标地点偶然发生的拥堵。偶发拥堵通常是由目标区域发生交通事件、雨雪等恶劣天气或者其他偶发性事件引起的拥堵。偶发拥堵没有规律性，并且难以预测。
需要说明的是，偶发拥堵通常是由于偶发性事件导致目标地点的车辆不能正常行驶而造成的拥堵，这种偶发拥堵的地点的实际交通流量通常未超过该地点允许通行的最大流量。因此，通过对偶发拥的目标地点进行及时、合理的拥堵治理，可以快速、有效的解决目标地点的拥堵。也即是说，偶发拥堵具有易于治理和治理效果显著的特征。
以偶发拥堵为交通事件为例进行说明。在目标地点出现了由于突发的交通事件导致的偶发拥堵的情况下。交警可以通过采用拖走事故车辆，现场疏导车辆行驶的方法，快速有效的解决目标地点的拥堵。
基于偶发拥堵这种易于治理，治理效果明显的特征，服务器可以为偶发拥堵设置较高的拥堵治理优先级。这样，在现有的警力有限，难以治理全部拥堵的情况下，通过优先治理这些易于治理，治理效果明显的偶发拥堵，可以明显提高目标区域的整体的拥堵治理效果，提高目标区域内的出行效率。
二、常发拥堵
常发拥堵是指目标地点经常发生的拥堵，通常是由于目标地点的流量大于目标地点允许通行的最大流量引起的。常发拥堵具有时间上的规律性和空间上的规律性，这使得常发拥堵在时间和空间上是可以预测的。
可以理解的是，常发拥堵在时间上的规律性具体可以表现为早高峰，晚高峰等。常发拥堵在空间上的规律性具体可以表现为在交通热点区域经常发生拥堵。其中，交通热点区域可以为医院、学校以及大型商超等。
常发拥堵通常是由于目标地点的流量，大于目标地点允许通行的最大流量引起的。这种拥堵本质上来说是交通规划不合理，以及目标地点交通流量过大引起的。这也就导致了通过交警现场治理，是很难解决目标地点的常发拥堵的。也即是说，常发拥堵具有难以治理和治理效果不明显的特征。
以学校区域的常发拥堵进行说明。在学校的上下学时间，由于家长接送学生，或者学生骑车回家，会导致学校门口及附近的道路的流量突然增加。这种情况下，学校门口及附近的道路的车流量远大于其能够通行的最大流量，这将不可避免的导致学校门口及附近的道路发生拥堵。这种情况下，即使交警到达现场，也很难采取有效的治理措施解决该拥堵。
基于常发拥堵这种难以治理和治理效果不明显的特征，我们为常发拥堵设置较低的拥堵治理优先级。这样，在现有的警力有限，难以治理全部拥堵的情况下，通过滞后治理常发拥堵，优先治理偶发拥堵，可以提高警力的利用效率，从整体上提高拥堵治理效果，提高目标区域内的出行效率。
需要说明的是，在本申请中，除了根据目标地点的拥堵发生类别确定目标地点的拥堵治理优先级外，还可以结合目标地点的道路等级，拥堵严重程度，拥堵的类型，拥堵区域是否属于重点治理区域等多个方面综合确定目标地点的拥堵治理优先级。例如，道路等级越高的地点的拥堵治理优先级也越高，拥堵严重程度越高的地点的拥堵治理优先级也越高。在实际应用中，影响目标地点的拥堵治理优先级的因素有很多，此处不再一一列举。
S105、服务器根据目标区域的警力情况，以及多个目标地点中每一个目标地点的拥堵治理优先级，确定目标区域的警力分配方案。
其中，区域内的警力情况包括：目标区域的警员数量，警员分布情况，以及各个警员的警员标签，警员标签用于表征警员擅长治理的拥堵类型。
示例性的，拥堵类型可以包括：需求性拥堵，秩序性拥堵，天气性拥堵，事故性拥堵等，以下分别进行说明。
1、需求性拥堵通常为常发拥堵，例如交通热点区域，早晚高峰这种对路段通行能力需求较高导致的拥堵。
2、秩序性拥堵通常为行人车辆不遵守交通规则导致的拥堵。例如车辆逆行，违停，行人、车辆闯红灯，机动车占非机动车道，非机动车在机动车道行驶等。
3、天气性拥堵通常是由于雨雪等恶劣天气引起的拥堵。
4、事故性拥堵由于路段发生交通事件造成的拥堵。
相应的，警员标签包括：需求性拥堵标签，秩序性拥堵标签，天气性拥堵标签，事故性拥堵标签等。
一种可能的实现方式中，服务器确定目标区域当前出现拥堵的各个地点的地理分布，以及拥堵类型。服务器确定当前辖区内警员的分布情况，警员能够在多长时间内赶往拥堵区域，警员的警员标签，是否与距离最近的拥堵地点的拥堵类型契合。服务器对上述各个指标进行量化处理，并计算得到当前最优的警力分配方案。服务器将各个警员需要治理的拥堵路段的地点，特征发送至警员持有的终端中，以便于警员根据接收到的信息前往目标区域治理拥堵。
举例来说E地点发生了偶发拥堵，E地点的道路等级较高。拥堵类型为事故性拥堵。距离E地点较近的警员有三个，分别为警员1、警员2和警员3。其中，警员1距离E地点最近，且警员1的警员标签包括事故性拥堵标签，则服务器确定优先安排警员1治理E地点的拥堵。
可以理解的是，一个警员可以包括一个或多个警员标签。
在S1041的一种可能的实现方式中，服务器可以从同比拥堵指数和拥堵发生频率两个方面，确定目标地点的拥堵发生类别，以下分别进行说明。
1、服务器根据同比拥堵指数，确定目标地点的拥堵发生类别。
其中，同比拥堵指数用于表征目标地点的拥堵波动情况。同比拥堵指数通常可以表征目标地点在时间上的拥堵规律。例如，确定目标地点是否受早高峰，晚高峰的影响。
一种可能的实现方式中，基于图2所示的技术方案，如图3所示，S1041可以通过以下步骤实现。
S1043、服务器根据目标地点的实时拥堵特征，以及目标地点的历史拥堵特征，确定目标地点的同比拥堵指数。
S1044、服务器确定目标地点的同比拥堵指数是否大于第一预设值。
由于目标地点的同比拥堵指数是否大于第一预设值，影响服务器确定的目标地点的拥堵发生类别，以下分别进行说明。
1)、在目标地点同比拥堵指数大于第一预设值的情况下，服务器执行S1045。
S1045、服务器确定目标地点的拥堵发生类别为偶发拥堵。
可以理解的是，在目标地点的同比拥堵大于第一预设值的情况下，服务器确定目标地点的实时拥堵特征，相对于目标地点的历史拥堵特征的波动较大。也即是说，目标地点在与当前时间点相同的历史时间点上，没有经常性的发生拥堵。因此，目标地点当前发生的拥堵可能是由于交通事件，天气等原因造成的拥堵。这样，服务器可以确定目标地点的拥堵发生类别为偶发拥堵。
2)、在目标地点同比拥堵指数小于等于第一预设值的情况下，服务器执行S1046。
S1046、服务器确定目标地点的拥堵发生类别为常发拥堵。
可以理解的是，在目标地点的同比拥堵小于等于第一预设值的情况下，服务器确定目标地点的实时拥堵特征，相对于目标地点的历史拥堵特征的波动较小。这样，服务器可以确定目标地点在与当前时间点相同的历史时间点上，也经常性的发生拥堵。因此，服务器可以确定目标地点的拥堵发生类别为常发拥堵。
可以理解的是，服务器还可以根据目标地点的同比拥堵指数的大小，进一步确定偶发拥堵，或者常发拥堵的拥堵治理优先级的大小。例如，A地点和B地点均为偶发拥堵，A地点的同比拥堵指数大于B地点的同比拥堵指数(A地点和B地点其他影响拥堵治理优先级的因素相同)，则A地点的拥堵治理优先级高于B地点的拥堵治理优先级。
以下，举例对同比拥堵指数的应用进行说明。
当前时间为周五9点，目标地点为A路段。服务器确定A路段的实时拥堵特征，以及A路段在上周五九点的拥堵特征。服务器根据A路段的实时拥堵特征，以及A路段在上周五九点的拥堵特征，确定A路段的同比拥堵指数。服务器根据该同比拥堵指数，可以确定A路段在周五9点这个时间点的波动情况。服务器确定A路段的同比拥堵指数大于第一预设值，则服务器确定A路段的拥堵为偶发拥堵。
可以理解的是，服务器可以确定当前时间之前的连续N个周五九点的历史拥堵特征，与当前拥堵特征进行对比。这样服务器最终确定的偶发拥堵或者常发拥堵的准确性更高。
此外，服务器还可以根据A地点在当前的实时拥堵特征，以及之前N个周五的九点的历史拥堵特征绘制拥堵特征波动曲线。如果A地点在当前时间出现了明显的波动，那么服务器也可以根据该波动性，确定A地点出现了偶发拥堵。
同样的，如果B路段的拥堵发生类型是常发拥堵，那么根据B路段的实时拥堵特征，以及历史拥堵特征确定其拥堵发生类型的方法与A路段的偶发拥堵类似。B路段的同比拥堵指数小于等于第一预设值，则B路段为偶发拥堵。或者B路段的拥堵特征波动曲线当前波动不明显，那么可以确定B路段的拥堵为常发拥堵。
2、服务器根据拥堵发生频率，确定目标地点的拥堵发生类别。
其中，拥堵发生频率可以从空间上表征目标地点在空间上的拥堵规律。例如，确定目标地点是否属于交通热点区域等。
基于图2所示的技术方案，如图4所示，S1041可以通过以下步骤实现。
S1047、服务器根据目标地点的实时拥堵特征和目标地点的历史拥堵特征，确定目标地点的拥堵发生频率。
S1048、服务器确定目标地点的拥堵发生频率是否大于第二预设值。
由于目标地点的拥堵发生频率是否大于第二预设值，影响服务器确定的目标地点的拥堵发生类别，以下分别进行说明。
A)、在拥堵发生频率小于等于第二预设值的情况下，服务器执行S1045。
也即是说，在拥堵发生频率小于第二预设值的情况下，服务器确定目标地点的拥堵发生类别为偶发拥堵。
可以理解的是，在目标区域的拥堵发生频率小于第二预设值的情况下，说明目标地点不经常发生拥堵。因此，目标地点当前发生的拥堵可能是由于交通事件，天气等原因造成的拥堵。这样，服务器可以确定目标地点的拥堵发生类别为偶发拥堵。
B)、在拥堵发生频率大于第二预设值的情况下，服务器执行S1046。
也即是说，在拥堵发生频率大于等于第二预设值的情况下，服务器确定目标地点的拥堵发生类别为常发拥堵。
可以理解的是，在目标区域的拥堵发生频率大于等于第二预设值的情况下，说明目标地点经常发生拥堵。这样，服务器可以确定目标地点的拥堵为常发拥堵。
以下，举例对拥堵发生频率的应用进行说明。
目标地点为C医院。服务器根据C医院的实时拥堵特征和历史拥堵特征，确定C医院在最近一周的发生拥堵的次数M。相应的，C医院的拥堵发生频率为M次/周。服务器确定第二预设值为L。M和L均为正整数，M＞L。服务器确定C医院的拥堵发生类别为常发拥堵。也即是C医院为交通热点区域。
目标地点为D路口。服务器根据D路口的实时拥堵特征和历史拥堵特征，确定D路口在最近一周的发生拥堵的次数K。K为正整数，K＜L。服务器确定D路口的拥堵发生类别为偶发拥堵。也即是说，D路口有较大的可能是出现了交通事件等突发情况导致了交通拥堵。
可以理解的是，服务器可以分别根据同比拥堵指数和拥堵发生频率两个方面确定目标地点的拥堵发生类别。服务器也可以同时考虑目标地点的同比拥堵指数和拥堵发生频率，确定目标地点的拥堵发生类别。
基于上述技术方案，服务器可以分别从同比拥堵指数和拥堵发生频率两个方面确定目标地点的拥堵发生类别。这样服务器可以根据交通流数据准确的确定目标地点的拥堵发生类别，为服务器确定目标地点的拥堵治理优先级提供依据。
可以理解的是，服务器还可根据目标地点的实时拥堵特征，以及目标地点的历史拥堵特征，确定目标地点的环比拥堵指数。环比拥堵指数用于确定目标地点的拥堵变化趋势。服务器可以根据目标地点的环比拥堵指数，对目标区域的拥堵特征进行预测。方便交通管理部门根据环比拥堵指数，制定交通治理预案。
基于图2所示的技术方案，如图5所示，在S105之后，方法还包括：
S106、服务器对目标区域的实时拥堵特征以及历史拥堵特征，进行拥堵分析，确定目标区域的拥堵分析结果。
其中，拥堵分析结果包括：节假日拥堵分析结果，热点区域拥堵分析结果，拥堵类型分析结果，拥堵时间分析结果。
1、节假日拥堵分析结果，用于表征目标区域在节假日中的拥堵特征规律。
举例来说，服务器对目标区域在国庆节期间的拥堵数据进行拥堵分析，确定目标区域在国庆节期间各个路段的流量，车速，密度等。进而确定各个路段的拥堵程度。从而为以后的国庆节的路况进行预测并执行相应的国庆节拥堵治理措施。
2、热点区域拥堵分析结果，用于表征目标区域的各个拥堵常发区域的拥堵特征规律。
热点区域为常发拥堵的区域，例如学校，医院大型商超等。
以医院为例进行说明，服务器获取医院附近的拥堵高峰发生时间，持续时间，持续情况等。服务器针对该区域的拥堵高峰特征，指定相应的拥堵治理措施。例如，发布交通拥堵提醒，提醒人们在拥堵高峰期间绕行该区域。
3、拥堵类型分析结果，用于表征目标区域发生的拥堵的特性。
其中，拥堵类型包括需求性拥堵，秩序性拥堵，天气性拥堵以及事故性拥堵等。
服务器根据拥堵类型分析结果能够准确的了解到各个路段或者路口的拥堵类型，从而方便交管部门针对不同的拥堵类型采取相应的拥堵措施。并且，服务器还可以从整体上反映目标区域的拥堵特征，使得交管部门能整体的了解到目标区域的拥堵特征，以便于交管部门执行合理的警力安排计划。
4、拥堵时间分析结果，用于表征目标区域中各个地点的拥堵发生时间，拥堵持续时间。
服务器根据拥堵时间分析结果，可以明确目标区域哪些路段在什么时间点容易发生拥堵，拥堵的持续时长等拥堵特征。从而方便交管部门从时间上制定拥堵治理措施，以及安排警员执勤，轮休等排班情况。
基于上述技术方案，服务器可以通过对目标区域的总体拥堵特征进行分析，确定目标区域总体的拥堵分析结果。这样便于服务器从总体上确定目标区域的拥堵特征。基于目标区域总体的拥堵分析结果，服务器可以生产目标区域的交通治理周报、月报，以及目标区域的交通热点区域分析研判报告，或者大型活动研判报告等。
本申请实施例可以根据上述方法示例对交通拥堵的治理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6所示，为本申请实施例提供的一种交通拥堵的治理装置的结构示意图，该装置包括：
处理单元601，用于对于目标区域中的多个目标地点中的每一个目标地点，根据所述目标地点的实时交通流数据，确定所述目标地点的实时拥堵特征；所述目标地点为发生拥堵的地点。
所述处理单元601，还用于根据所述目标地点的历史交通流数据，确定所述目标地点的历史拥堵特征。
所述处理单元601，还用于根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵治理优先级。
所述处理单元601，还用于根据所述目标区域的警力情况，以及所述多个目标地点中每一个目标地点的拥堵治理优先级，确定所述目标区域的警力分配方案。
可选的，处理单元601，还用于：根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点当前的拥堵发生类别；其中，所述拥堵发生类别包括常发拥堵和偶发拥堵；所述常发拥堵的拥堵发生频率大于预设值；所述偶发拥堵的发生频率小于等于预设值；所述偶发拥堵的拥堵治理优先级高于所述常发拥堵的拥堵治理优先级。根据所述目标地点的拥堵发生类别，确定所述目标地点的拥堵治理优先级。
可选的，处理单元601，还用于：根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的同比拥堵指数；所述同比拥堵指数用于表征所述目标地点的拥堵波动情况。在所述同比拥堵指数大于等于第一预设值的情况下，确定所述目标地点的拥堵发生类别为偶发拥堵。
可选的，处理单元601，还用于：在同比拥堵指数小于第一预设值的情况下，确定目标地点的拥堵发生类别为常发拥堵。
可选的，处理单元601，还用于：根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵发生频率；在所述拥堵发生频率小于第二预设值的情况下，确定所述目标地点的拥堵发生类别为偶发拥堵。
可选的，处理单元601，还用于：在拥堵发生频率大于等于第二预设值的情况下，确定目标地点的拥堵发生类别为常发拥堵。
可选的，处理单元601，还用于：对多个目标地点的实时拥堵特征以及历史拥堵特征，进行拥堵分析，确定目标区域的拥堵分析结果。其中，拥堵分析结果包括：节假日拥堵分析结果，热点区域拥堵分析结果，拥堵类型分析结果，拥堵时间分析结果。节假日拥堵分析结果，用于表征目标区域在节假日中的拥堵特征规律。热点区域拥堵分析结果，用于表征目标区域的各个常发拥堵的地点的拥堵特征规律。拥堵类型分析结果，用于表征目标区域发生的拥堵类型。拥堵时间分析结果，用于表征目标区域中各个地点的拥堵发生时间，拥堵持续时间。
可选的，通拥堵的治理装置还包括通信单元602，用于获取目标区域的交通流信息。通信单元602，还用于发送目标区域的拥堵特征，以及目标区域的警力分配方案。
图7示出了上述实施例中所涉及的交通拥堵的治理的又一种可能的结构示意图。该交通拥堵的治理包括：处理器702和通信接口703。处理器702用于对交通拥堵的治理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用于支持交通拥堵的治理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。交通拥堵的治理还可以包括存储器701和总线704，存储器701用于存储交通拥堵的治理的程序代码和数据。
其中，存储器701可以是交通拥堵的治理中的存储器等，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7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 (11)

1.一种交通拥堵的治理方法，其特征在于，所述方法包括：
对于目标区域中的多个目标地点中的每一个目标地点，根据所述目标地点的实时交通流数据，确定所述目标地点的实时拥堵特征；所述目标地点为发生拥堵的地点；
根据所述目标地点的历史交通流数据，确定所述目标地点的历史拥堵特征；
根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵治理优先级；
根据所述目标区域的警力情况，以及所述多个目标地点中每一个目标地点的拥堵治理优先级，确定所述目标区域的警力分配方案。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵治理优先级，包括：
根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点当前的拥堵发生类别；其中，所述拥堵发生类别包括常发拥堵和偶发拥堵；所述常发拥堵的拥堵发生频率大于预设值；所述偶发拥堵的发生频率小于等于预设值；所述偶发拥堵的拥堵治理优先级高于所述常发拥堵的拥堵治理优先级；
根据所述目标地点的拥堵发生类别，确定所述目标地点的拥堵治理优先级。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵治理优先级，包括：
根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的同比拥堵指数；所述同比拥堵指数用于表征所述目标地点的拥堵波动情况；
在所述同比拥堵指数大于等于第一预设值的情况下，确定所述目标地点的拥堵发生类别为偶发拥堵。
4.根据权利要求3所述的方法，其特征在于，在所述根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的同比拥堵指数之后，所述方法还包括：
在所述同比拥堵指数小于第一预设值的情况下，确定所述目标地点的拥堵发生类别为常发拥堵。
5.根据权利要求2所述的方法，其特征在于，所述根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵治理优先级，包括：
根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵发生频率；
在所述拥堵发生频率小于第二预设值的情况下，确定所述目标地点的拥堵发生类别为偶发拥堵。
6.根据权利要求5所述的方法，其特征在于，在所述根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵发生频率之后，所述方法还包括：
在所述拥堵发生频率大于等于第二预设值的情况下，确定所述目标地点的拥堵发生类别为常发拥堵。
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：
对所述多个目标地点的实时拥堵特征以及历史拥堵特征，进行拥堵分析，确定所述目标区域的拥堵分析结果；
其中，所述拥堵分析结果包括：节假日拥堵分析结果，热点区域拥堵分析结果，拥堵类型分析结果，拥堵时间分析结果；
所述节假日拥堵分析结果，用于表征所述目标区域在节假日中的拥堵特征规律；
所述热点区域拥堵分析结果，用于表征所述目标区域的各个常发拥堵的地点的拥堵特征规律；
所述拥堵类型分析结果，用于表征所述目标区域发生的拥堵类型；
所述拥堵时间分析结果，用于表征所述目标区域中各个地点的拥堵发生时间，拥堵持续时间。
8.一种交通拥堵的治理装置，其特征在于，所述装置包括：
处理单元，用于对于目标区域中的多个目标地点中的每一个目标地点，根据所述目标地点的实时交通流数据，确定所述目标地点的实时拥堵特征；所述目标地点为发生拥堵的地点；
所述处理单元，还用于根据所述目标地点的历史交通流数据，确定所述目标地点的历史拥堵特征；
所述处理单元，还用于根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点的拥堵治理优先级；
所述处理单元，还用于根据所述目标区域的警力情况，以及所述多个目标地点中每一个目标地点的拥堵治理优先级，确定所述目标区域的警力分配方案。
9.根据权利要求8所述的装置，其特征在于，所述处理单元，还用于：
所述处理单元，还用于根据所述目标地点的实时拥堵特征和历史拥堵特征，确定所述目标地点当前的拥堵发生类别；其中，所述拥堵发生类别包括常发拥堵和偶发拥堵；所述常发拥堵的拥堵发生频率大于预设值；所述偶发拥堵的发生频率小于等于预设值；所述偶发拥堵的拥堵治理优先级高于所述常发拥堵的拥堵治理优先级；
所述处理单元，还用于根据所述目标地点的拥堵发生类别，确定所述目标地点的拥堵治理优先级。
10.一种交通拥堵的治理装置，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任一项中所述的交通拥堵的治理方法。
11.一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任一项中所述的交通拥堵的治理方法。
CN201911193991.9A 2019-11-28 2019-11-28 交通拥堵的治理方法及装置 Active CN111028505B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911193991.9A CN111028505B (zh) 2019-11-28 2019-11-28 交通拥堵的治理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911193991.9A CN111028505B (zh) 2019-11-28 2019-11-28 交通拥堵的治理方法及装置

Publications (2)

Publication Number Publication Date
CN111028505A true CN111028505A (zh) 2020-04-17
CN111028505B CN111028505B (zh) 2021-07-30

Family

ID=70207003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911193991.9A Active CN111028505B (zh) 2019-11-28 2019-11-28 交通拥堵的治理方法及装置

Country Status (1)

Country Link
CN (1) CN111028505B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680888A (zh) * 2020-05-19 2020-09-18 重庆市交通规划研究院 基于rfid数据确定路网容量的方法
CN111951548A (zh) * 2020-07-30 2020-11-17 腾讯科技（深圳）有限公司 一种车辆驾驶风险确定方法、装置、系统及介质
CN112185108A (zh) * 2020-08-27 2021-01-05 银江股份有限公司 基于时空特征的城市路网拥堵模式识别方法、设备及介质
CN112396839A (zh) * 2020-11-17 2021-02-23 珠海大横琴科技发展有限公司 一种数据处理的方法和装置
CN112767694A (zh) * 2021-01-05 2021-05-07 阿里巴巴集团控股有限公司 用于缓解道路拥堵的交通优化方法和装置
CN112885086A (zh) * 2021-01-18 2021-06-01 湖南省交通规划勘察设计院有限公司 一种基于多源交通大数据的突发拥堵判别系统
CN113588904A (zh) * 2021-07-30 2021-11-02 重庆工程职业技术学院 用于工业废水监测的自动控制系统
CN115273468A (zh) * 2022-07-20 2022-11-01 青岛海信网络科技股份有限公司 一种交通拥堵控制策略生成方法及装置
CN115527372A (zh) * 2022-11-29 2022-12-27 湖南工商大学 一种基于全局最优的智能交通实时诱导可变信息系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008262418A (ja) * 2007-04-12 2008-10-30 Toyota Motor Corp 渋滞緩和システム、地上システム、渋滞予測制御装置
CN102013171A (zh) * 2010-12-10 2011-04-13 隋亚刚 一种提高道路通行能力的交通控制系统
CN103794043A (zh) * 2012-11-02 2014-05-14 姜廷顺 公安交通突发事件接警自动分配方法及系统
CN103903433A (zh) * 2012-12-27 2014-07-02 中兴通讯股份有限公司 一种道路交通状态的实时动态判别方法及装置
CN104240499A (zh) * 2014-06-23 2014-12-24 银江股份有限公司 一种基于微波数据的异常拥堵点判别方法
CN105225500A (zh) * 2015-08-20 2016-01-06 青岛海信网络科技股份有限公司 一种交通控制辅助决策方法及装置
CN106104653A (zh) * 2014-02-21 2016-11-09 通腾运输公司 用于提供交通拥堵警告的方法及系统
CN107103750A (zh) * 2017-05-27 2017-08-29 南京多伦科技股份有限公司 一种基于警情级别的指挥调度派警系统及方法
CN110050300A (zh) * 2017-11-13 2019-07-23 北京嘀嘀无限科技发展有限公司 交通拥堵监控系统和方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008262418A (ja) * 2007-04-12 2008-10-30 Toyota Motor Corp 渋滞緩和システム、地上システム、渋滞予測制御装置
CN102013171A (zh) * 2010-12-10 2011-04-13 隋亚刚 一种提高道路通行能力的交通控制系统
CN103794043A (zh) * 2012-11-02 2014-05-14 姜廷顺 公安交通突发事件接警自动分配方法及系统
CN103903433A (zh) * 2012-12-27 2014-07-02 中兴通讯股份有限公司 一种道路交通状态的实时动态判别方法及装置
CN106104653A (zh) * 2014-02-21 2016-11-09 通腾运输公司 用于提供交通拥堵警告的方法及系统
CN104240499A (zh) * 2014-06-23 2014-12-24 银江股份有限公司 一种基于微波数据的异常拥堵点判别方法
CN105225500A (zh) * 2015-08-20 2016-01-06 青岛海信网络科技股份有限公司 一种交通控制辅助决策方法及装置
CN107103750A (zh) * 2017-05-27 2017-08-29 南京多伦科技股份有限公司 一种基于警情级别的指挥调度派警系统及方法
CN110050300A (zh) * 2017-11-13 2019-07-23 北京嘀嘀无限科技发展有限公司 交通拥堵监控系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
闫学东: "基于浮动车大数据与网格模型的城市交通拥堵识别和评价研究", 《北京交通大学学报》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680888A (zh) * 2020-05-19 2020-09-18 重庆市交通规划研究院 基于rfid数据确定路网容量的方法
CN111680888B (zh) * 2020-05-19 2023-06-06 重庆市交通规划研究院 基于rfid数据确定路网容量的方法
CN111951548A (zh) * 2020-07-30 2020-11-17 腾讯科技（深圳）有限公司 一种车辆驾驶风险确定方法、装置、系统及介质
CN111951548B (zh) * 2020-07-30 2023-09-08 腾讯科技（深圳）有限公司 一种车辆驾驶风险确定方法、装置、系统及介质
CN112185108B (zh) * 2020-08-27 2021-11-16 银江技术股份有限公司 基于时空特征的城市路网拥堵模式识别方法、设备及介质
CN112185108A (zh) * 2020-08-27 2021-01-05 银江股份有限公司 基于时空特征的城市路网拥堵模式识别方法、设备及介质
CN112396839A (zh) * 2020-11-17 2021-02-23 珠海大横琴科技发展有限公司 一种数据处理的方法和装置
CN112767694A (zh) * 2021-01-05 2021-05-07 阿里巴巴集团控股有限公司 用于缓解道路拥堵的交通优化方法和装置
CN112767694B (zh) * 2021-01-05 2022-06-17 北京高德云图科技有限公司 用于缓解道路拥堵的交通优化方法和装置
CN112885086A (zh) * 2021-01-18 2021-06-01 湖南省交通规划勘察设计院有限公司 一种基于多源交通大数据的突发拥堵判别系统
CN113588904A (zh) * 2021-07-30 2021-11-02 重庆工程职业技术学院 用于工业废水监测的自动控制系统
CN113588904B (zh) * 2021-07-30 2023-07-21 重庆工程职业技术学院 用于工业废水监测的自动控制系统
CN115273468A (zh) * 2022-07-20 2022-11-01 青岛海信网络科技股份有限公司 一种交通拥堵控制策略生成方法及装置
CN115273468B (zh) * 2022-07-20 2023-10-24 青岛海信网络科技股份有限公司 一种交通拥堵控制策略生成方法及装置
CN115527372A (zh) * 2022-11-29 2022-12-27 湖南工商大学 一种基于全局最优的智能交通实时诱导可变信息系统
CN115527372B (zh) * 2022-11-29 2023-04-07 湖南工商大学 一种基于全局最优的智能交通实时诱导可变信息系统

Also Published As

Publication number Publication date
CN111028505B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN111028505B (zh) 交通拥堵的治理方法及装置
Pal et al. Simulation model for evaluating and improving effectiveness of freeway service patrol programs
Muralidharan et al. Management of intersections with multi-modal high-resolution data
Leitner et al. Recent advances in traffic signal performance evaluation
Zhang et al. Analysis of large-scale incidents on urban freeways
CN107886707B (zh) 地理区块的优化方法及装置、车辆监控方法及装置
Baltar et al. Multi-objective model for the problem of locating tows for incident servicing on expressways
Cheng et al. A systematic approach for evaluating spatiotemporal characteristics of traffic violations and crashes at road intersections: an empirical study
Pindarwati et al. Measuring performance level of smart transportation system in big cities of Indonesia comparative study: Jakarta, Bandung, Medan, Surabaya, and Makassar
Tympakianaki et al. Impact analysis of transport network disruptions using multimodal data: A case study for tunnel closures in Stockholm
Skabardonis et al. The I-880 field experiment: effectiveness of incident detection using cellular phones
Jardim et al. The illegal parking score–Understanding and predicting the risk of parking illegalities in Lisbon based on spatiotemporal features
Csendes et al. Where truck drivers stop–application of vehicle tracking data for the identification of rest locations and driving patterns
Zhu et al. Design and Benefit–Cost Analysis of Deploying Freeway Incident Response Units: Case Study for Capital Beltway in Maryland
Qi et al. Recurrent and non-recurrent bottleneck analysis based on traffic state rank distribution
CN113240227B (zh) 一种基于物联网的停车管理方法
Olusina et al. Determination of predictive models for traffic congestion in lagos metropolis
CN114038202A (zh) 一种基于智慧园区交通流量的停车诱导系统及方法
Wang et al. ALTERNATIVE ROUTE STRATEGY FOR EMERGENCY TRAFFIC MANAGEMENT BASED ON ITS: A CASE STUDY OF XI'AN MING CITY WALL.
Purkrábková et al. Monitoring specific travel behavior in floating car data
Ryguła et al. Assessment and classification of selected ITS in Poland
Kuo et al. Using geographical information systems to effectively organize police patrol routes by grouping hot spots of crash and crime data
Bendak et al. Crossing violations at traffic intersections with red light cameras in Dubai: a prospective study.
Shinde et al. Intelligent Transport Systems (ITS)
de Barros Baltar et al. Exploratory analysis of incidents in an urban area focused on broken-down vehicles: the case of Rio de Janeiro

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