CN111243267A - 车流量预测方法及装置 - Google Patents
车流量预测方法及装置 Download PDFInfo
- Publication number
- CN111243267A CN111243267A CN201811449168.5A CN201811449168A CN111243267A CN 111243267 A CN111243267 A CN 111243267A CN 201811449168 A CN201811449168 A CN 201811449168A CN 111243267 A CN111243267 A CN 111243267A
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- reference position
- weight value
- target position
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003203 everyday effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G06Q50/40—
-
- 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
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供一种车流量预测方法及装置,通过接收用于采集参考位置的车流量的摄像设备采集并发送的参考位置的当前车流量数据,并根据参考位置的当前车流量数据以及预先建立的流量预测模型中该参考位置相对于目标位置的车流量权重值以计算得到目标位置的预测车流量数据。该预测方案通过预先建立参考位置相对于目标位置的车流量权重值,并根据参考位置的当前车流量数据以得到目标位置的预测车流量数据,其预测结果可信度高、准确度高。
Description
技术领域
本发明涉及视频监控技术领域,具体而言,涉及一种车流量预测方法及装置。
背景技术
随着城市中汽车数量的不断增加,给城市的道路带来了越来越大的压力,道路拥塞情况的发生越来越频繁。如果能提前对路口的交通流量进行预测,则可以为用户选择一条合适的出行线路提供参考。目前常采用的方法是利用车载终端设备采集道路实时路况信息,并结合当前道路的历史路况以及历史行驶时间数据进行估计。或者是直接基于神经网络算法,根据当前道路流量预测下一时段流量。但是,采用利用车载终端设备采集实时路况信息,对目标路口的未来车流量进行预测偏差一般会较大。而采用神经网络算法来预测路口车流量,对于某些路口流量激增(如上下班高峰期等),预测偏差值同样会较大。
发明内容
有鉴于此,本申请的目的在于,提供一种车流量预测方法及装置以改善上述问题。
本申请实施例提供一种车流量预测方法,用于对目标位置的车流量进行预测,应用于服务器,所述方法包括:
接收用于采集参考位置的车流量的摄像设备采集并发送的所述参考位置的当前车流量数据,其中,所述参考位置为车辆在经过所述目标位置之前所经过的所有位置中的至少一个;
根据所述参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置相对于所述目标位置的车流量权重值,以计算得到所述目标位置的预测车流量数据。
可选地,预先建立所述流量预测模型的步骤包括:
接收预设时间段内用于采集所述目标位置的车流量的摄像设备采集并发送的所述目标位置的历史流量数据;
接收所述预设时间段内用于采集所述参考位置的摄像设备采集并发送的所述参考位置的历史流量数据;
计算所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例以得到所述参考位置相对于所述目标位置的车流量权重值,根据所述车流量权重值得到所述流量预测模型。
可选地,所述预设时间段为多段,所述计算所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例以得到所述参考位置相对于所述目标位置的车流量权重值,根据所述车流量权重值得到所述流量预测模型的步骤,包括:
计算当天的当前段预设时间段内所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例;
根据计算得到的所述当前段预设时间段对应的比值以及前一天的与所述当前段预设时间段所对应的预设时间段内的车流量权重值计算得到所述当前段预设时间段内的车流量权重值;
在后一天预设时间段内计算得到的车流量权重值与前一天对应的预设时间段内的车流量权重值之间的差值小于预设阈值时,可判定当前计算得到的车流量权重值达到收敛;
根据达到收敛后的所述参考位置相对于所述目标位置的车流量权重值得到所述流量预测模型。
可选地,所述流量预测模型包括多个子预测模型,各所述子预测模型对应不同的日期信息以及时间信息,所述根据所述参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置对应的车流量权重值计算得到所述目标位置的预测车流量数据的步骤,包括:
获得当前的日期信息以及当前的时间信息,获得所述预先建立的流量预测模型中与所述当前的日期信息以及当前的时间信息所对应的子预测模型;
根据所述参考位置对应的当前车流量数据以及所述子预测模型中所述参考位置对应的车流量权重值计算得到所述目标位置的预测车流量数据。
可选地,所述根据所述参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置相对于所述目标位置的车流量权重值,以计算得到所述目标位置的预测车流量数据的步骤之后,所述方法还包括:
将所述预测车流量数据发送至显示设备和/或将所述预测车流量数据发送至移动终端。
本申请实施例还提供一种车流量预测装置,用于对目标位置的车流量进行预测,应用于服务器,所述装置包括:
接收模块,用于接收用于采集参考位置的车流量的摄像设备采集并发送的所述参考位置的当前车流量数据,其中,所述参考位置为车辆在经过所述目标位置之前所经过的所有位置中的至少一个;
计算模块,用于根据所述参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置相对于所述目标位置的车流量权重值,以计算得到所述目标位置的预测车流量数据。
可选地,所述车流量预测装置还包括用于建立所述流量预测模型的模型建立模块,所述模型建立模块包括:
第一接收单元,用于接收预设时间段内用于采集所述目标位置的车流量的摄像设备采集并发送的所述目标位置的历史流量数据;
第二接收单元,用于接收所述预设时间段内用于采集所述参考位置的摄像设备采集并发送的所述参考位置的历史流量数据;
第一计算单元,用于计算所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例以得到所述参考位置相对于所述目标位置的车流量权重值,根据所述车流量权重值得到所述流量预测模型。
可选地,所述预设时间段为多段,所述第一计算单元包括:
第一计算子单元,用于计算当天的当前段预设时间段内所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例;
第二计算子单元,用于根据计算得到的所述当前段预设时间段对应的比值以及前一天的与所述当前段预设时间段所对应的预设时间段内的车流量权重值计算得到所述当前段预设时间段内的车流量权重值;
判定子单元,用于在后一天预设时间段内计算得到的车流量权重值与前一天对应的预设时间段内的车流量权重值之间的差值小于预设阈值时,可判定当前计算得到的车流量权重值达到收敛;
获得子单元,用于根据达到收敛后的所述参考位置相对于所述目标位置的车流量权重值得到所述流量预测模型。
可选地,所述流量预测模型包括多个子预测模型,各所述子预测模型对应不同的日期信息以及时间信息,所述计算模块包括:
获得单元,用于获得当前的日期信息以及当前的时间信息,获得所述预先建立的流量预测模型中与所述当前的日期信息以及当前的时间信息所对应的子预测模型;
第二计算单元,用于根据所述参考位置对应的当前车流量数据以及所述子预测模型中所述参考位置对应的车流量权重值计算得到所述目标位置的预测车流量数据。
可选地,所述车流量预测装置还包括:
发送模块,用于将所述预测车流量数据发送至显示设备和/或将所述预测车流量数据发送至移动终端。
本申请实施例提供的车流量预测方法及装置,通过接收用于采集参考位置的车流量的摄像设备采集并发送的参考位置的当前车流量数据,并根据参考位置的当前车流量数据以及预先建立的流量预测模型中该参考位置相对于目标位置的车流量权重值以计算得到目标位置的预测车流量数据。该预测方案通过预先建立参考位置相对于目标位置的车流量权重值,并根据参考位置的当前车流量数据以得到目标位置的预测车流量数据,其预测结果可信度高、准确度高。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的车流量预测方法的应用场景示意图。
图2为本申请实施例提供的服务器的结构框图。
图3为本申请实施例提供的车流量预测方法的流程图。
图4为本申请实施例提供的目标位置及参考位置的位置关系示意图。
图5为本申请实施例提供的车流量预测方法的另一流程图。
图6为图5中步骤S130的子步骤的流程图。
图7为图3中步骤S220的子步骤的流程图。
图8为本申请实施例提供的车流量预测装置的功能模块框图。
图9为本申请实施例提供的模型建立模块的功能模块框图。
图10为本申请实施例提供的第一计算单元的功能模块框图。
图11为本申请实施例提供的计算模块的功能模块框图。
图标:100-服务器;110-车流量预测装置;111-接收模块;112-计算模块;1121-获得单元;1122-第二计算单元;113-模型建立模块;1131-第一接收单元;1132-第二接收单元;1133-第一计算单元;11331-第一计算子单元;11332-第二计算子单元;11333-判定子单元;11334-获得子单元;114-发送模块;120-处理器;130-存储器;140-通信单元;200-摄像设备。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
请参阅图1,为本申请实施例提供的车流量预测方法的应用场景示意图,该场景中包括服务器100以及多个摄像设备200,所述服务器100通过网络与各所述摄像设备200通信连接,以进行数据通信或交互。在本实施例中,所述摄像设备200可以为相机、摄像头等具有图像采集功能的终端设备。各所述摄像设备200可设置在道路的各个路口处以采集各个路口的车流量信息,并发送给所述服务器100。
如图2所示,本申请实施例提供了一种服务器100,所述服务器100包括存储器130、处理器120、车流量预测装置110及通信单元140。
所述通信单元140、存储器130和处理器120之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述车流量预测装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器130中的软件功能模块。所述处理器120用于执行所述存储器130中存储的可执行的计算机程序,例如,所述车流量预测装置110所包括的软件功能模块及计算机程序等,以实现车流量预测方法。
其中,所述存储器130可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器130用于存储程序,所述处理器120在接收到执行指令后,执行所述程序。
所述处理器120可能是一种集成电路芯片,具有信号的处理能力。上述的处理器120可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器120也可以是任何常规的处理器等。
可以理解,图2所示的结构仅为示意,所述服务器100还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
结合图3,本发明实施例还提供一种可应用于上述服务器100的车流量预测方法。其中,所述方法有关的流程所定义的方法步骤可以由所述服务器100实现。下面将对图3所示的具体流程进行详细阐述。
步骤S210,接收用于采集参考位置的车流量的摄像设备200采集并发送的所述参考位置的当前车流量数据。
步骤S220,根据所述参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置相对于所述目标位置的车流量权重值,以计算得到所述目标位置的预测车流量数据。
道路上的路口包括多个,各个路口设置有摄像设备200以采集该路口的车流量信息。其中,目标位置指的是需要进行车流量预测的位置,而参考位置是相对于该目标位置而言的,其中,所述参考位置为车辆在经过所述目标位置之前所经过的所有位置中的至少一个。例如参考位置可以是该目标位置的上一个路口,其中,参考位置可以是多个。例如如图4中所示,若需要对路口A进行车流量预测,则路口A即为目标位置,而路口A的上一级路口,即路口B、路口C以及路口D均为路口A的参考位置。因为从路口B、路口C以及路口D经过的车辆后续极有可能经过路口A,因此需要对路口A进行车流量预测时需要借助路口B、路口C以及路口D的车流量信息来预测。
本实施例中,需要预先建立包含参考位置相对于目标位置的车流量权重值的流量预测模型,其中,参考位置相对于目标位置的车流量权重值表示的是从参考位置经过的车流量后续在经过目标位置的车流量中所占的比例,一定程度上表明了参考位置的路况对目标位置的路况的影响程度。
需要说明的是,针对一个参考位置,其可能对应于多个目标位置,例如如图4中所示,其中,路口B相对于路口A和路口E而言,均为路口A和路口E的参考位置,因此从路口B经过的车辆后续均有可能经过路由A或路口E,因此,同一个参考位置对于不同的目标位置而言具有不同的车流量权重值。请参阅图5,预先建立所述流量预测模型的步骤可以通过以下过程实现:
步骤S110,接收预设时间段内用于采集所述目标位置的车流量的摄像设备200采集并发送的所述目标位置的历史流量数据。
步骤S120,接收所述预设时间段内用于采集所述参考位置的摄像设备200采集并发送的所述参考位置的历史流量数据。
步骤S130,计算所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例以得到所述参考位置相对于所述目标位置的车流量权重值,根据所述车流量权重值得到所述流量预测模型。
可选地,服务器100可接收预设时间段内用于采集目标位置的车流量的摄像设备200采集并发送的目标位置的历史流量数据,以及用于采集参考位置的摄像设备200采集并发送的参考位置的历史流量数据。
其中,所述预设时间段可以是但不限于,15分钟或者30分钟等,在该预设时间段内进行目标位置的车流量的统计。例如,在时间段8:00-8:30之间统计通过目标位置的车流量的总条数。假设该目标位置的参考位置有多个,可分别获得各个参考位置在上述时间段内通过目标位置的车流量的条数。将各个参考位置通过目标位置对应的车流量的条数除以目标位置的车流量的总条数则得到该参考位置相对于目标位置的车流量权重值。
例如,在目标位置为路口A,其参考位置为路口B、路口C以及路口D时,若在预设时间段内路口A的车流量的总条数为m,路由B、路口C以及路口D在该统计周期内的车流量的条数分别为nb、nc、nd。则可以通过如下公式分别计算得到路口B、路口C及路口D相对于路口A的车流量权重值λB、λC、λD。
λB=nb/m;λC=nc/m;λD=nd/m
在本实施例中,考虑到单独一天的预设时间段内统计到的结果可能不够稳定,在准确性上不够,因此,可将预设时间段设置为多段且通过多天的统计,以得到较为稳定、准确地流量预测模型。
请参阅图6,在本实施例中,步骤S130可以包括以下子步骤:
步骤S131,计算当天的当前段预设时间段内所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例。
步骤S132,根据计算得到的所述当前段预设时间段对应的比值以及前一天的与所述当前段预设时间段多对应的预设时间段内的车流量权重值计算得到所述当前段预设时间段内的车流量权重值。
步骤S133,在后一天预设时间段内计算得到的车流量权重值与前一天对应的预设时间段内的车流量权重值之间的差值小于预设阈值时,可判定当前计算得到的车流量权重值达到收敛。
步骤S134,根据达到收敛后的所述参考位置相对于所述目标位置的车流量权重值得到所述流量预测模型。
在本实施例中,在计算当天的当前段预设时间段内的车流量权重值时,通过将该当前段预设时间段内参考位置的历史流量数据在目标位置的历史流量数据中的比例,并结合该当前段预设时间段的前一天所对应的预设时间段内的车流量权重值以计算得到当天的当前段预设时间段内的车流量权重值。如此,以避免在某天的某个预设时间段内出现一些突发情况,例如在目标位置和参考位置之间出现交通意外造成交通阻塞,导致经过目标位置的车流量数据产生异常,从而该预设时间段内参考位置相对于目标位置的车流量权重值出现突变而导致结果不准确的现象。
可选地,按上述的方式在每天每间隔预设时间段计算得到对应的车流量权重值,一直到后一天预设时间段内计算得到的车流量权重值与前一天对应的段预设时间段内的车流量权重值之间的差值小于预设阈值,例如0.01或0.02等,则可以判定当前计算得到的车流量权重值达到收敛,即将每一天的相同时间段内的车流量权重值进行比较。
可选地,本实施例中,在车流量权重值达到收敛后,可将车流量权重值的计算频率修改为两周一次。即每间隔两周进行每个预设时间段内的权重值的统计,若在统计到的相邻两次的车流量权重值的差值大于预设值时,例如0.01或0.02,则可将计算频率恢复至每天进行计算,直至收敛。
在统计得到的车流量权重值达到收敛后,可根据达到收敛后的参考位置相对于目标位置的车流量权重值得到所述流量预测模型。例如,若在第N个预设时间段内得到的车流量权重值达到收敛,则得到的上述路口B、路口C以及路口D对应的达到收敛的车流量权重值λB'、λC'、λD'可表示如下:
其中,λBi'、λCi'、λDi'分别表示路口B、路口C及路口D在第i个预设时间段相对于路口A对应的车流量权重值。
在本实施例中,考虑到不同的日期时间其对应的车流量的行驶情况可能不同,例如工作日、周末及假期车流量的行驶状况,以及上下班高峰期、夜晚等时间段内的行驶状态均存在差异,因此本实施例中,在进行流量预测模型的建立时可针对不同的日期及时间建立不同的子预测模型。
则流量预测模型可包括多个子预测模型,各子预测模型可对应不同的日期信息以及时间信息,例如可分别对应工作日、周末及假期等,且分别对应每天的不同的时间段。
需要说明的是,日期信息的划分也可不限于上述方式,例如一周中每一天也有可能存在车流量的差异,因此,可分别将周一、周二、周三、周四及周五单独划分出来,以建立对应的子预测模型。例如可单独对每周中的周一的车流量进行统计从而建立每周的周一所对应的子预测模型。其他日期对应的子预测模型也是类似建立方式,在此不再赘述。
表1车流量权重值统计表
按上述方式可建立如表1中所示的统计表格,以根据统计表格得到流量预测模型(以路口B、路口C、路口D分别相对于路口A的车流量权重值所建立)。其中,需要说明的是,表1中只是对周一到周日进行统计,此外,关于节假日的车流量权重值的统计也可以按表1所示方式进行建立,在此不再赘述。
请参阅图7,在本实施例中,步骤S220可以包括以下子步骤:
步骤S221,获得当前的日期信息以及当前的时间信息,获得所述预先建立的流量预测模型中与所述当前的日期信息以及当前的时间信息所对应的子预测模型。
步骤S222,根据所述参考位置对应的当前车流量数据以及所述子预测模型中所述参考位置对应的车流量权重值计算得到所述目标位置的预测车流量数据。
本实施例中,在需要对目标位置进行车流量预测时,则可获得当前的日期信息以及时间信息,根据当前的日期信息以确定需要进行预测的当前是工作日、周末还是假期,并且对应的是当前的哪个时间段。进一步,若预先建立了各个工作日对应的子预测模型,还可确定预测的当前具体是周几。
在获得当前的日期信息以及时间信息后,可获得所述预先建立的流量预测模型中与当前的日期信息以及当前的时间信息所对应的子预测模型。并根据各个参考位置对应的当前车流量数据以及所述子预测模型中各个参考位置对应的车流量权重值计算得到所述目标位置的预测车流量数据。
本实施例中,在根据各个参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置相对于目标位置的车流量权重值计算得到目标位置的预测车流量数据时,可根据以下公式计算:
其中,P(A)表示目标位置的预测车流量数据,n表示参考位置的个数,P(i)表示n个参考位置中的第i个参考位置,λit表示第i个参考位置在日期信息为t时相对于目标位置的车流量权重值。
可选地,在本实施例中,在获得目标位置的预测车流量数据之后,可将得到的预测车流量数据发送给与服务器100通信连接的移动终端,该移动终端可为用户手持的终端设备,例如智能手机、笔记本电脑或移动上网设备等,也可以是车辆内部的车载设备。此外,服务器100还可将获得的目标位置的预测车流量数据发送至显示设备,该显示设备可为设置在道路旁的显示屏。如此,用户可获得目标位置的预测车流量数据,为用户选择一条合适的通勤道路提供了参考。
请参阅图8,本申请实施例还提供一种应用于上述服务器100的车流量预测装置110,所述车流量预测装置110包括接收模块111及计算模块112。
所述接收模块111,用于接收用于采集参考位置的车流量的摄像设备200采集并发送的所述参考位置的当前车流量数据。
所述计算模块112,用于根据所述参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置相对于所述目标位置的车流量权重值,以计算得到所述目标位置的预测车流量数据。
在本实施例中,所述车流量预测装置110还包括用于建立所述流量预测模型的模型建立模块113。所述车流量预测装置110还包括发送模块114,所述发送模块114用于将所述预测车流量数据发送至显示设备和/或将所述预测车流量数据发送至移动终端。
请参阅图9,在本实施例中,所述模型建立模块113包括第一接收单元1131、第二接收单元1132及第一计算单元1133。
所述第一接收单元1131,用于接收预设时间段内用于采集所述目标位置的车流量的摄像设备200采集并发送的所述目标位置的历史流量数据。
所述第二接收单元1132,用于接收所述预设时间段内用于采集所述参考位置的摄像设备200采集并发送的所述参考位置的历史流量数据。
所述第一计算单元1133,用于计算所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例以得到所述参考位置相对于所述目标位置的车流量权重值,根据所述车流量权重值得到所述流量预测模型。
其中,请参阅图10,在本实施例中,所述第一计算单元1133包括第一计算子单元11331、第二计算子单元11332、判定子单元11333及获得子单元11334。
所述第一计算子单元11331,用于计算当天的当前段预设时间段内所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例。
所述第二计算子单元11332,用于根据计算得到的所述当前段预设时间段对应的比值以及前一天的与所述当前段预设时间段所对应的预设时间段内的车流量权重值计算得到所述当前段预设时间段内的车流量权重值。
所述判定子单元11333,用于在后一天预设时间段内计算得到的车流量权重值与前一天对应的预设时间段内的车流量权重值之间的差值小于预设阈值时,可判定当前计算得到的车流量权重值达到收敛。
所述获得子单元11334,用于根据达到收敛后的所述参考位置相对于所述目标位置的车流量权重值得到所述流量预测模型。
其中,在本实施例中,所述流量预测模型包括多个子预测模型,各所述子预测模型对应不同的日期信息以及时间信息,请参阅图11,所述计算模块112包括获得单元1121及第二计算单元1122。
所述获得单元1121,用于获得当前的日期信息以及当前的时间信息,获得所述预先建立的流量预测模型中与所述当前的日期信息以及当前的时间信息所对应的子预测模型。
所述第二计算单元1122,用于根据所述参考位置对应的当前车流量数据以及所述子预测模型中所述参考位置对应的车流量权重值计算得到所述目标位置的预测车流量数据。
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,上述描述的装置的具体工作过程,可以参考前述方法中的对应过程,在此不再过多赘述。
综上所述,本申请实施例提供的车流量预测方法及装置,通过接收用于采集参考位置的车流量的摄像设备200采集并发送的参考位置的当前车流量数据,并根据参考位置的当前车流量数据以及预先建立的流量预测模型中该参考位置相对于目标位置的车流量权重值以计算得到目标位置的预测车流量数据。该预测方案通过预先建立参考位置相对于目标位置的车流量权重值,并根据参考位置的当前车流量数据以得到目标位置的预测车流量数据,其预测结果可信度高、准确度高。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种车流量预测方法,用于对目标位置的车流量进行预测,其特征在于,应用于服务器,所述方法包括:
接收用于采集参考位置的车流量的摄像设备采集并发送的所述参考位置的当前车流量数据,其中,所述参考位置为车辆在经过所述目标位置之前所经过的所有位置中的至少一个;
根据所述参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置相对于所述目标位置的车流量权重值,以计算得到所述目标位置的预测车流量数据。
2.根据权利要求1所述的车流量预测方法,其特征在于,预先建立所述流量预测模型的步骤包括:
接收预设时间段内用于采集所述目标位置的车流量的摄像设备采集并发送的所述目标位置的历史流量数据;
接收所述预设时间段内用于采集所述参考位置的摄像设备采集并发送的所述参考位置的历史流量数据;
计算所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例以得到所述参考位置相对于所述目标位置的车流量权重值,根据所述车流量权重值得到所述流量预测模型。
3.根据权利要求2所述的车流量预测方法,其特征在于,所述预设时间段为多段,所述计算所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例以得到所述参考位置相对于所述目标位置的车流量权重值,根据所述车流量权重值得到所述流量预测模型的步骤,包括:
计算当天的当前段预设时间段内所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例;
根据计算得到的所述当前段预设时间段对应的比值以及前一天的与所述当前段预设时间段所对应的预设时间段内的车流量权重值计算得到所述当前段预设时间段内的车流量权重值;
在后一天预设时间段内计算得到的车流量权重值与前一天对应的预设时间段内的车流量权重值之间的差值小于预设阈值时,可判定当前计算得到的车流量权重值达到收敛;
根据达到收敛后的所述参考位置相对于所述目标位置的车流量权重值得到所述流量预测模型。
4.根据权利要求1所述的车流量预测方法,其特征在于,所述流量预测模型包括多个子预测模型,各所述子预测模型对应不同的日期信息以及时间信息,所述根据所述参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置对应的车流量权重值计算得到所述目标位置的预测车流量数据的步骤,包括:
获得当前的日期信息以及当前的时间信息,获得所述预先建立的流量预测模型中与所述当前的日期信息以及当前的时间信息所对应的子预测模型;
根据所述参考位置对应的当前车流量数据以及所述子预测模型中所述参考位置对应的车流量权重值计算得到所述目标位置的预测车流量数据。
5.根据权利要求1-4任意一项所述的车流量预测方法,其特征在于,所述根据所述参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置相对于所述目标位置的车流量权重值,以计算得到所述目标位置的预测车流量数据的步骤之后,所述方法还包括:
将所述预测车流量数据发送至显示设备和/或将所述预测车流量数据发送至移动终端。
6.一种车流量预测装置,用于对目标位置的车流量进行预测,其特征在于,应用于服务器,所述装置包括:
接收模块,用于接收用于采集参考位置的车流量的摄像设备采集并发送的所述参考位置的当前车流量数据,其中,所述参考位置为车辆在经过所述目标位置之前所经过的所有位置中的至少一个;
计算模块,用于根据所述参考位置对应的当前车流量数据以及预先建立的流量预测模型中所述参考位置相对于所述目标位置的车流量权重值,以计算得到所述目标位置的预测车流量数据。
7.根据权利要求6所述的车流量预测装置,其特征在于,所述车流量预测装置还包括用于建立所述流量预测模型的模型建立模块,所述模型建立模块包括:
第一接收单元,用于接收预设时间段内用于采集所述目标位置的车流量的摄像设备采集并发送的所述目标位置的历史流量数据;
第二接收单元,用于接收所述预设时间段内用于采集所述参考位置的摄像设备采集并发送的所述参考位置的历史流量数据;
第一计算单元,用于计算所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例以得到所述参考位置相对于所述目标位置的车流量权重值,根据所述车流量权重值得到所述流量预测模型。
8.根据权利要求7所述的车流量预测装置,其特征在于,所述预设时间段为多段,所述第一计算单元包括:
第一计算子单元,用于计算当天的当前段预设时间段内所述参考位置的历史流量数据在所述目标位置的历史流量数据中的比例;
第二计算子单元,用于根据计算得到的所述当前段预设时间段对应的比值以及前一天的与所述当前段预设时间段所对应的预设时间段内的车流量权重值计算得到所述当前段预设时间段内的车流量权重值;
判定子单元,用于在后一天预设时间段内计算得到的车流量权重值与前一天对应的预设时间段内的车流量权重值之间的差值小于预设阈值时,可判定当前计算得到的车流量权重值达到收敛;
获得子单元,用于根据达到收敛后的所述参考位置相对于所述目标位置的车流量权重值得到所述流量预测模型。
9.根据权利要求6所述的车流量预测装置,其特征在于,所述流量预测模型包括多个子预测模型,各所述子预测模型对应不同的日期信息以及时间信息,所述计算模块包括:
获得单元,用于获得当前的日期信息以及当前的时间信息,获得所述预先建立的流量预测模型中与所述当前的日期信息以及当前的时间信息所对应的子预测模型;
第二计算单元,用于根据所述参考位置对应的当前车流量数据以及所述子预测模型中所述参考位置对应的车流量权重值计算得到所述目标位置的预测车流量数据。
10.根据权利要求6-9任意一项所述的车流量预测装置,其特征在于,所述车流量预测装置还包括:
发送模块,用于将所述预测车流量数据发送至显示设备和/或将所述预测车流量数据发送至移动终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811449168.5A CN111243267A (zh) | 2018-11-28 | 2018-11-28 | 车流量预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811449168.5A CN111243267A (zh) | 2018-11-28 | 2018-11-28 | 车流量预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111243267A true CN111243267A (zh) | 2020-06-05 |
Family
ID=70871537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811449168.5A Pending CN111243267A (zh) | 2018-11-28 | 2018-11-28 | 车流量预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111243267A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294530A (zh) * | 2022-08-18 | 2022-11-04 | 北京拙河科技有限公司 | 一种智慧景区流量监测方法及系统 |
CN117612379A (zh) * | 2024-01-24 | 2024-02-27 | 山东华夏高科信息股份有限公司 | 一种智慧交通车流量预测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4753084B2 (ja) * | 2006-09-22 | 2011-08-17 | 住友電気工業株式会社 | 交差点における交通量算出システム |
CN102521989A (zh) * | 2011-12-31 | 2012-06-27 | 山西省交通规划勘察设计院 | 一种动态数据驱动的高速公路出口流量预测方法 |
CN105046956A (zh) * | 2015-06-24 | 2015-11-11 | 银江股份有限公司 | 一种基于转向系数的交通流模拟及预测方法 |
JP5936661B2 (ja) * | 2014-09-17 | 2016-06-22 | 一般財団法人道路交通情報通信システムセンター | 交通情報推定システム、方法、およびプログラム |
CN105702029A (zh) * | 2016-02-22 | 2016-06-22 | 北京航空航天大学 | 一种分时段考虑时空关联性的快速路交通状态预测方法 |
CN106935034A (zh) * | 2017-05-08 | 2017-07-07 | 西安电子科技大学 | 面向车联网的区域交通流量预测系统及方法 |
-
2018
- 2018-11-28 CN CN201811449168.5A patent/CN111243267A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4753084B2 (ja) * | 2006-09-22 | 2011-08-17 | 住友電気工業株式会社 | 交差点における交通量算出システム |
CN102521989A (zh) * | 2011-12-31 | 2012-06-27 | 山西省交通规划勘察设计院 | 一种动态数据驱动的高速公路出口流量预测方法 |
JP5936661B2 (ja) * | 2014-09-17 | 2016-06-22 | 一般財団法人道路交通情報通信システムセンター | 交通情報推定システム、方法、およびプログラム |
CN105046956A (zh) * | 2015-06-24 | 2015-11-11 | 银江股份有限公司 | 一种基于转向系数的交通流模拟及预测方法 |
CN105702029A (zh) * | 2016-02-22 | 2016-06-22 | 北京航空航天大学 | 一种分时段考虑时空关联性的快速路交通状态预测方法 |
CN106935034A (zh) * | 2017-05-08 | 2017-07-07 | 西安电子科技大学 | 面向车联网的区域交通流量预测系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294530A (zh) * | 2022-08-18 | 2022-11-04 | 北京拙河科技有限公司 | 一种智慧景区流量监测方法及系统 |
CN117612379A (zh) * | 2024-01-24 | 2024-02-27 | 山东华夏高科信息股份有限公司 | 一种智慧交通车流量预测方法及系统 |
CN117612379B (zh) * | 2024-01-24 | 2024-03-29 | 山东华夏高科信息股份有限公司 | 一种智慧交通车流量预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1938296B1 (en) | Assessing road traffic conditions using data from mobile data sources | |
US20230385978A1 (en) | Driver supply control | |
US9280894B2 (en) | Filtering road traffic data from multiple data sources | |
US7706965B2 (en) | Rectifying erroneous road traffic sensor data | |
US8700294B2 (en) | Representative road traffic flow information based on historical data | |
US20210375128A1 (en) | System and method for detection and quantification of irregular traffic congestion | |
US11574539B2 (en) | Quality corrected traffic flow predictions | |
US11222532B2 (en) | Traffic control support system, traffic control support method, and program recording medium | |
US20100082227A1 (en) | Method for displaying traffic density information | |
US20170004707A1 (en) | Method and apparatus for identifying a split lane traffic location | |
US20070271031A1 (en) | Method and apparatus for notifying departure time using schedule information | |
US20200143672A1 (en) | Traffic congestion estimating device, traffic congestion estimating method, and recording medium storing program thereof | |
CN111243267A (zh) | 车流量预测方法及装置 | |
WO2018101074A1 (ja) | 交通状況推定装置、交通状況推定方法、プログラム記録媒体および出力装置 | |
CN112738340B (zh) | 话务量的预测方法、装置、设备及存储介质 | |
US20220371599A1 (en) | Methods and systems for estimating local weather conditions of roadways | |
US20220371596A1 (en) | Methods and systems for estimating local weather conditions of roadways | |
US20230222900A1 (en) | Method for generating learned model, non-transitory storage medium, and traffic jam predicting device | |
EP4092450A1 (en) | Methods and systems for estimating local weather conditions of roadways | |
US20220373351A1 (en) | Methods and systems for estimating local weather conditions of roadways | |
JP2006011747A (ja) | 旅行時間予測方法、装置及びプログラム | |
CN115762127A (zh) | 交通事件感知方法、系统、电子设备和介质 | |
CN113920722A (zh) | 路口通行状态获取方法、装置、电子设备及存储介质 |
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 |