CN111341099A - 一种数据处理方法、装置及电子设备 - Google Patents

一种数据处理方法、装置及电子设备 Download PDF

Info

Publication number
CN111341099A
CN111341099A CN202010125710.2A CN202010125710A CN111341099A CN 111341099 A CN111341099 A CN 111341099A CN 202010125710 A CN202010125710 A CN 202010125710A CN 111341099 A CN111341099 A CN 111341099A
Authority
CN
China
Prior art keywords
time segment
traffic data
traffic
road section
predicted
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
CN202010125710.2A
Other languages
English (en)
Other versions
CN111341099B (zh
Inventor
贾建超
王悦文
余振华
吴刊
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN202010125710.2A priority Critical patent/CN111341099B/zh
Publication of CN111341099A publication Critical patent/CN111341099A/zh
Application granted granted Critical
Publication of CN111341099B publication Critical patent/CN111341099B/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
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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"
    • 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—Systems or methods specially adapted for 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
    • G08G1/0137—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

Abstract

本发明公开了一种数据处理方法、装置及电子设备，该方法包括：获取指定路段在多个历史时间片段内的历史交通数据；获取指定路段在目标时间片段的前一时间片段内的实际交通数据；根据历史交通数据和前一时间片段内的实际交通数据，确定指定路段在目标时间片段内的预测交通数据；根据目标时间片段内的预测交通数据，在目标时间片段内对指定路段进行交通控制。

Description

一种数据处理方法、装置及电子设备
技术领域
本发明涉及交通控制技术领域，更具体地，涉及一种数据处理方法、一种数据处理装置、一种电子设备、及一种计算机可读介质。
背景技术
随着经济的不断发展，越来越多的车辆行驶在公路上，导致交通拥堵问题已经日益凸显，因此，排除交通路网中的拥堵现象是交通领域中的重要课题。
现有的交通排堵方案，通常是在指定路段出现交通拥堵的时候，通过信号灯、局部诱导屏对指定路段进行调控，以使已经出现交通拥堵的指定路段恢复畅通。但是，现有的交通排堵方案具有一定的滞后性。
发明内容
本发明的一个目的是提供一种交通控制的新技术方案。
根据本发明的第一方面，提供了一种数据处理方法，包括：
获取指定路段在多个历史时间片段内的历史交通数据；
获取所述指定路段在目标时间片段的前一时间片段内的实际交通数据；
根据所述历史交通数据和所述前一时间片段内的实际交通数据，确定所述指定路段在所述目标时间片段内的预测交通数据；
根据所述目标时间片段内的预测交通数据，在所述目标时间片段内对所述指定路段进行交通控制。
可选的，所述根据所述历史交通数据和所述前一时间片段内的实际交通数据，确定所述指定路段在所述目标时间片段内的预测交通数据包括：
根据与所述目标时间片段对应的历史时间片段内的历史交通数据，确定所述目标时间片段内的预测交通数据；
根据与所述前一时间片段对应的历史时间片段内的历史交通数据，确定所述前一时间片段内的预测交通数据；
根据所述前一时间片段内的实际交通数据和预测交通数据之间的偏差，修正所述目标时间片段内的预测交通数据。
可选的，所述根据所述历史交通数据和所述前一时间片段内的实际交通数据，确定所述指定路段在所述目标时间片段内的预测交通数据包括：
根据与所述目标时间片段对应的历史时间片段内的历史交通数据，确定所述目标时间片内的预测交通数据；
根据所述前一时间片段内的实际交通数据，修正所述目标时间片段内的预测交通数据。
可选的，所述根据所述目标时间片段内的预测交通数据，在所述目标时间片段内对所述指定路段进行交通控制包括：
根据所述目标时间片段内的预测交通数据，确定所述指定路段在所述目标时间片段内的拥堵级别，作为预测拥堵级别；
根据所述预测拥堵级别，对所述指定路段进行交通控制。
可选的，所述根据所述预测拥堵级别，对所述指定路段进行交通控制包括：
在所述预测拥堵级别为预设的第一拥堵级别的情况下，获取预设的所述指定路段的目标车速；
根据所述目标车速对所述指定路段进行限速。
可选的，还包括：
检测所述指定路段中是否发生交通事故；
在发生交通事故的情况下，调整所述目标车速。
可选的，所述根据所述目标车速对所述指定路段进行限速包括：
在预设的过渡时段内，按照设定步长，将所述指定路段的最高限速调整至所述目标车速。
可选的，还包括：
获取所述指定路段在所述目标时间片段内的实际交通数据；
根据所述目标时间片段内的实际交通数据确定所述指定路段是否满足预设的解除限速条件；
在满足所述解除限速条件的情况下，对所述指定路段解除限速。
可选的，所述对所述指定路段进行交通控制还包括：
根据预设的路网结构，确定所述指定路段的替代路径；
根据所述替代路径对所述指定路段进行车流诱导。
可选的，所述根据所述预测拥堵级别，对所述指定路段进行交通控制包括：
在所述预测拥堵级别为预设的第二拥堵级别的情况下，获取预设的所述指定路段的目标车流量；
根据所述目标车流量对所述指定路段进行限流。
可选的，还包括：
根据所述历史交通数据，确定所述目标车流量。
可选的，所述预测交通数据包括预测车流量；
所述根据所述目标车流量对所述指定路段进行限流包括：
根据所述目标车流量和所述预测车流量，对所述指定路段进行限流。
可选的，所述指定路段为位于收费站之间的高速公路。
根据本发明的第二方面，提供了一种数据处理装置，包括：
历史数据获取模块，用于获取指定路段在多个历史时间片段内的历史交通数据；
实际数据获取模块，用于获取所述指定路段在目标时间片段的前一时间片段内的实际交通数据；
预测数据确定模块，用于根据所述历史交通数据和所述前一时间片段内的实际交通数据，确定所述指定路段在所述目标时间片段内的预测交通数据；
交通控制模块，用于根据所述目标时间片段内的预测交通数据，在所述目标时间片段内对所述指定路段进行交通控制。
根据本发明的第三方面，提供了一种电子设备，包括：
如本发明第二方面所述的置；或者，
处理器和存储器，所述存储器用于存储可执行的指令，所述指令用于控制所述处理器执行根据本发明第一方面所述的方法。
根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现根据本发明第一方面所述的方法。
根据指定路段的历史交通数据、及前一时间片段内的实际交通数据、来预测目标时间片段内的预测交通数据，可以使得得到的预测交通数据更加准确、及时。根据预测交通数据在目标时间片段内对指定路段进行交通控制，可以有效改善指定路段的拥堵情况，提升行驶在制定路段上的用户的出行体验。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1是可用于实现本发明的实施例的电子设备的硬件配置的一个例子的框图。
图2是可用于实现本发明的实施例的电子设备的硬件配置的另一个例子的框图；
图3是根据本发明实施例的数据处理方法的流程示意图；
图4是根据本发明实施例的车流密度和车流量之间对应关系的示意图；
图5是根据本发明实施例的数据处理方法的应用场景的示意图；
图6是根据本发明实施例的数据处理装置的方框原理图；
图7是根据本发明第一个实施例提供的电子设备的原理框图；
图8是根据本发明第二个实施例提供的电子设备的硬件结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述目标上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
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讨论。
<硬件配置>
图1和图2是可用于实现本发明任意实施例的数据处理方法的电子设备1000的硬件配置的框图。
在一个实施例中，如图1所示，电子设备1000可以是服务器1100。
服务器1100提供处理、数据库、通讯设施的业务点。服务器1100可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的，例如但不限于，网络服务器，新闻服务器，邮件服务器，消息服务器，广告服务器，文件服务器，应用服务器，交互服务器，数据库服务器，或代理服务器。在一些实施例中，每个服务器可以包括硬件，软件，或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。例如，服务器例如刀片服务器、云端服务器等，或者可以是由多台服务器组成的服务器群组，可以包括上述类型的服务器中的一种或多种等等。
本实施例中，服务器1100可以如图1所示，包括处理器1110、存储器1120、接口装置1130、通信装置1140、显示装置1150、输入装置1160。
在该实施例中，服务器1100还可以包括扬声器、麦克风等等，在此不做限定。
处理器1110可以是专用的服务器处理器，也可以是满足性能要求的台式机处理器、移动版处理器等，在此不做限定。存储器1120例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1130例如包括各种总线接口，例如串行总线接口(包括USB接口)、并行总线接口等。通信装置1140例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏、LED显示屏触摸显示屏等。输入装置1160例如可以包括触摸屏、键盘等。
在该实施例中，服务器1100的存储器1120用于存储指令，该指令用于控制处理器1110进行操作以至少执行根据本发明任意实施例的数据处理方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
尽管在图1中示出了服务器1100的多个装置，但是，本发明可以仅涉及其中的部分装置，例如，服务器1100只涉及存储器1120和处理器1110。
在一个实施例中，电子设备1000可以是操作人员使用的PC机、笔记本电脑等终端设备1200，在此不做限定。
本实施例中，参照图2所示，终端设备1200可以包括处理器1210、存储器1220、接口装置1230、通信装置1240、显示装置1250、输入装置1260、扬声器1270、麦克风1280等等。
处理器1210可以是移动版处理器。存储器1220例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1230例如包括USB接口、耳机接口等。通信装置1240例如能够进行有线或无线通信，通信装置1240可以包括短距离通信装置，例如是基于Hilink协议、WiFi(IEEE 802.11协议)、Mesh、蓝牙、ZigBee、Thread、Z-Wave、NFC、UWB、LiFi等短距离无线通信协议进行短距离无线通信的任意装置，通信装置1240也可以包括远程通信装置，例如是进行WLAN、GPRS、2G/3G/4G/5G远程通信的任意装置。显示装置1250例如是液晶显示屏、触摸显示屏等。输入装置1260例如可以包括触摸屏、键盘等。用户可以通过扬声器1270和麦克风1280输入/输出语音信息。
在该实施例中，终端设备1200的存储器1220用于存储指令，该指令用于控制处理器1210进行操作以至少执行根据本发明任意实施例的数据处理方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。
尽管在图2中示出了终端设备1200的多个装置，但是，本发明可以仅涉及其中的部分装置，例如，终端设备1200只涉及存储器1220和处理器1210和显示装置1250。
<方法实施例>
在本实施例中，提供一种数据处理方法。该方法可以是由电子设备实施。该电子设备可以是如图1所示的服务器1100，或者是如图2所示终端设备1200。
根据图3所示，本实施例的数据处理方法可以包括如下步骤S3100～S3400：
步骤S3100，获取指定路段在多个历史时间片段内的历史交通数据。
在本发明的一个实施例中，指定路段可以是公路，例如收费站之间的高速公路或者是路口之间的道路。指定路段还可以是水上航道、飞行航线、物流车运行路线、轨道等道路中的指定部分。
具体的，历史交通数据可以是对应历史时间片段内的交通对象的流量、速度、和/或密度。在指定路段为公路的情况下，交通对象可以是机动车、电动车、自行车和/或行人。在指定路段为水上航道的情况下，交通对象可以是船只。在指定路段为飞机航线的情况下，交通对象可以是飞机、无人机和/或飞行器。在指定路段为物流车运行线路的情况下，交通对象可以是物流车。在指定路段为轨道的情况下，交通对象可以是地铁和/或火车。
在本发明的实施例中，以指定路段为公路，交通对象为机动车，交通数据是对应时间片段内的车流量、车流速度、和/或车流密度为例进行说明。
车流量是由单位时间内通过指定路段的车辆为标准，在一定的时间内，指定路段上所通过的车辆数，车流量公式可以表示为：车流量＝通过车辆数/时间。
在本发明的一个实施例中，车流速度可以是对应历史时间片内车辆的行驶速度的平均值。
车流密度又称交通流密度。在单位长度(通常为1km)的路段上，对应路段上某一瞬时的车辆数。可以表示在对应路段上的车辆密集程度。
根据指定路段在每一历史时间片段内的车流量和车流速度，可以得到指定路段在对应历史时间片段内的车流密度。
历史交通数据可以是通过设置在车辆或终端设备中的地图应用采集的地图轨迹获取，也可以是通过设置在预设区域内的高清卡口系统采集的视频或者图像获取。
具体的，在通过地图应用采集的地图轨迹中，可以包括每一地图轨迹对应的行驶时间。因此，通过地图应用采集的地图轨迹，可以得到每一历史时间片段内的采样车流量，也可以得到每一历史时间片段内的车流速度。
在通过高清卡口系统采集的视频或图像中，可以包括在经过对应高清卡口系统的所有车辆。因此，通过高清卡口系统在每一历史时间片段内采集的视频或图像，可以得到对应历史时间片段内经过对应高清卡口系统的车流量和车流速度。
在本发明的一个实施例中，历史时间片段的时长可以预先根据应用场景或具体需求设定，每一历史时间片段的时长可以相同。例如，每一历史时间片段的时长可以是1小时。在此情况下，本发明实施例中的时间片段可以是任意连续整点之间的时间片段。例如，其中一个历史时间片段可以是过去某一天中的8点至9点。
步骤S3200，获取指定路段在目标时间片段的前一时间片段内的实际交通数据。
在本发明的实施例中，目标时间片段的时长和历史时间片段的时长可以相同，选取方式也可以相同。例如，在其中一个历史时间片段可以是过去某一天中的8点至9点情况下，目标时间片段可以是之后的某一天的9点至10点，对应的，目标时间片段的前一时间片段可以是当天的8点至9点。
在本发明的一个实施例中，如果执行步骤S3200的当前时刻属于目标时间片段的前一时间片段内，那么，可以是前一时间片段的起始时刻至当前时刻之间的时间段内的实际交通数据，作为前一时间片段内的实际交通数据。
在本发明的一个实施例中，目标时间片段的前一时间片段可以是在目标时间片段之前、最后一个已经至少部分发生的时间片段。
例如，在当前时刻为某一天的6：30，目标时间片段可以是当天的9点至10点，那么，目标时间片段的前一时间片段可以是6点至7点。
步骤S3300，根据历史交通数据和前一时间片段内的实际交通数据，确定指定路段在目标时间片段内的预测交通数据。
在本发明的一个实施例中，根据历史交通数据和前一时间片段内的实际交通数据，确定指定路段在目标时间片段内的预测交通数据可以包括如下所示的步骤S3311～S3313：
步骤S3311，根据与目标时间片段对应的历史时间片段内的历史交通数据，确定目标时间片段内的预测交通数据。
在目标时间片段为2019年12月1日的8点至9点的情况下，与目标时间片段对应的历史时间片段可以是2019年12月1日之前的任一日的8点至9点。
在目标时间片段为2019年12月1日的8点至8点半的情况下，与目标时间片段对应的历史时间片段可以是2019年12月1日之前的任一日的8点至8点半。
在本实施例中，可以是基于预先训练好的预测模型，根据与目标时间片段对应的历史时间片段内的历史交通数据，来预测目标时间片段内的预测交通数据。
步骤S3312，根据与前一时间片段对应的历史时间片段内的历史交通数据，确定前一时间片段内的预测交通数据。
在目标时间片段为2019年12月1日的8点至9点的情况下，前一时间片段为2019年12月1日的7点至8点，与前一时间片段对应的历史时间片段可以是2019年12月1日之前的任一日的7点至8点。
在本实施例中，可以是基于预先训练好的预测模型，根据与前一时间片段对应的历史时间片段内的历史交通数据，来预测前一时间片段内的预测交通数据。
步骤S3313，根据前一时间片段内的实际交通数据和预测交通数据之间的偏差，修正目标时间片段内的预测交通数据。
在本发明的一个实施例中，该偏差可以包括实际交通数据和预测交通数据之间的差值。
例如，在交通数据包括车流量的情况下，在前一时间片段内的预测车流量为Fc1，在前一时间片段内的实际车流量为Fr1，那么，前一时间片段内的实际交通数据相对于预测交通数据之间的差值可以表示为△F1＝Fr1-Fc1。
这样，对于目标时间片段内的预测车流量，可以根据前一时间片段内的实际交通数据相对于预测交通数据之间的差值△F1，以相同的幅度进行调整。
例如，在通过步骤S3311得到的目标时间片段内的预测车流量为Fc2，根据前一时间片段内的实际交通数据相对于预测交通数据之间的差值△F1，以相同的幅度调整目标时间片段内的预测车流量，目标时间片段内调整后的预测车流量Fc2＇可以表示为Fc2＇＝Fc2+△F1。
在本发明的另一个实施例中，该偏差可以包括实际交通数据相对于预测交通数据的相对变化率。
例如，在交通数据包括车流量的情况下，在前一时间片段内的预测车流量为Fc1，在前一时间片段内的实际车流量为Fr1，那么，前一时间片段内的实际交通数据Fr1相对于预测交通数据Fc1的相对变化率可以表示为△F1＇＝(Fr1-Fc1)/Fc1。
这样，对于目标时间片段内的预测车流量，可以根据前一时间片段内的实际交通数据相对于预测交通数据之间的相对变化率△F1＇，以相同的幅度进行调整。
例如，在通过步骤S3311得到的目标时间片段内的预测车流量为Fc2，根据前一时间片段内的实际交通数据相对于预测交通数据之间的相对变化率△F1＇，以相同的幅度调整目标时间片段内的预测车流量，目标时间片段内调整后的预测车流量Fc2＇可以表示为Fc2＇＝Fc2*(△F1＇+1)。
在本发明的另一个实施例中，根据历史交通数据和前一时间片段内的实际交通数据，确定指定路段在目标时间片段内的预测交通数据可以包括如下所示的步骤S3321～S3322：
步骤S3321，根据与目标时间片段对应的历史时间片段内的历史交通数据，确定目标时间片段内的预测交通数据。
在本实施例中，可以是基于预先训练好的预测模型，根据与目标时间片段对应的历史时间片段内的历史交通数据，来预测目标时间片段内的预测交通数据。
步骤S3322，根据前一时间片段内的实际交通数据，修正目标时间片段的预测交通数据。
具体的，可以是对实际交通数据和通过步骤S3321得到的预测交通数据进行加权求平均运算，得到修正后的目标时间片段的预测交通数据。
例如，通过步骤S3321得到的目标时间片段内的预测车流量为Fc2，前一时间片段内的实际交通数据为Fr1，实际交通数据的权重为λ1，预测交通数据的权重λ2，那么，修正后的目标时间片段的预测交通数据Fc2＇可以表示为Fc2＇＝(λ1*Fr1+λ2*Fc2)/(λ1+λ2)。
在一个例子中，实际交通数据λ1和预测交通数据的权重λ2可以是预先根据应用场景或具体需求设定好的。
在另一个例子中，可以是根据实际交通数据和预测交通数据的具体数值，确定各自的权重。
例如，可以是预先设置反映交通数据的数值范围与权重的对照表，通过查找该对照表，确定目标时间片段内的预测车流量Fc2所处的数值范围对应的权重λ2、以及前一时间片段内的实际交通数据Fr1所处的数值范围对应的权重λ1。
步骤S3400，根据目标时间片段内的预测交通数据，在目标时间片段内对指定路段进行交通控制。
具体的，可以是对指定路段内对应的交通对象进行交通控制。
在本发明的实施例中，根据指定路段的历史交通数据、及前一时间片段内的实际交通数据、来预测目标时间片段内的预测交通数据，可以使得得到的预测交通数据更加准确、及时。根据预测交通数据在目标时间片段内对指定路段进行交通控制，可以有效改善指定路段的拥堵情况，提升行驶在制定路段上的用户的出行体验。
在本发明的一个实施例中，根据目标时间片段内的预测交通数据，在目标时间片段内对指定路段进行交通控制可以包括如下所示的步骤S3410～S3420：
步骤S3410，根据目标时间片段内的预测交通数据，确定指定路段在目标时间片段内的拥堵级别，作为预测拥堵级别。
在交通数据包括车流量的情况下，可以是预先设定车流量范围和拥堵级别之间的对应关系，例如，可以是设定小于等于第一车流量阈值的车流量范围与无拥堵级别对应；设定小于等于第二车流量阈值、且大于第一车流量阈值的车流量范围与第一拥堵级别对应；设定大于第二车流量阈值的车流量范围与第二拥堵级别对应。
其中，第一车流量阈值和第二车流量阈值可以是分别根据应用场景或具体需求设定的，且第一车流量阈值小于第二车流量阈值。
那么，根据目标时间片段内的预测车流量，就可以确定指定路段在目标时间片段内的预测拥堵级别，是无拥堵级别、第一拥堵级别或第二拥堵级别。
在交通数据包括车流速度的情况下，可以是预先设定车流速度范围和拥堵级别之间的对应关系，例如，可以是设定小于等于第一车流速度阈值的车流速度范围与无拥堵级别对应；设定小于等于第二车流速度阈值、且大于第一车流速度阈值的车流速度范围与第一拥堵级别对应；设定大于第二车流速度阈值的车流速度范围与第二拥堵级别对应。
其中，第一车流速度阈值和第二车流速度阈值可以是分别根据应用场景或具体需求设定的，且第一车流速度阈值小于第二车流速度阈值。
那么，根据目标时间片段内的预测车流速度，就可以确定指定路段在目标时间片段内的预测拥堵级别，是无拥堵级别、第一拥堵级别或第二拥堵级别。
在交通数据包括车流密度的情况下，可以是预先设定车流密度范围和拥堵级别之间的对应关系，例如，可以是设定小于等于第一车流密度阈值的车流密度范围与无拥堵级别对应；设定小于等于第二车流密度阈值、且大于第一车流密度阈值的车流密度范围与第一拥堵级别对应；设定大于第二车流密度阈值的车流密度范围与第二拥堵级别对应。
其中，第一车流密度阈值和第二车流密度阈值可以是分别根据应用场景或具体需求设定的，且第一车流密度阈值小于第二车流密度阈值。
那么，根据目标时间片段内的预测车流密度，就可以确定指定路段在目标时间片段内的预测拥堵级别，是无拥堵级别、第一拥堵级别或第二拥堵级别。
在交通数据包括车流量、车流速度和车流密度中的至少两个的情况下，可以是预先设置车流量、车流速度和车流密度的优先级，以优先级最高的一个所对应的拥堵级别，作为指定路段在目标时间片段内的预测拥堵级别。例如，车流量、车流速度和车流密度按照优先级从高到低的顺序，可以是车流密度、车流量、车流速度。
步骤S3420，根据预测拥堵级别，对指定路段进行交通控制。
在本发明的一个实施例中，在预测拥堵级别为无拥堵级别的情况下，可以是保持指定路段的现有交通控制方案，不进行变更。
在本发明的一个实施例中，根据预测拥堵级别，对指定路段进行交通控制可以包括：在预测拥堵级别为预设的第一拥堵级别的情况下，获取指定路段的目标车速；根据目标车速对指定路段进行限速。
根据目标车速对指定路段进行限速，可以是限制在指定路段上行驶的车辆的最高速度不得超过目标车速。
具体的，可以是将指定路段的限速屏上所显示的最高限速，调整为目标车速。也可以是通过地图应用来提示使用该应用的用户，指定路段的最高限速为目标车速。
在本发明的实施例中，通过对指定路段进行显示，可以降低指定路段内行车的速度，延迟拥堵的发生和积累。
在如图4所示关系图中，横坐标表示车流密度，纵坐标表示车流量，实线表示指定路段在没有限速的情况下车流密度、车流量之间的关系；虚线表示指定路段在限速之后车流密度、车流量之间的关系。由图4可以看出，在限速之前车流密度和车流量处于1位置。在限速之后，由于行驶在指定路段上的车辆行驶速度变慢，车流密度变大，使得运行状态移动到2-3之间。此时相对限速前车流密度、车流量之间的关系，指定路段就能够接受更多的车流量输入，也从而使得指定路段的流出车流量保持在较高的水平，进而可以避免拥堵的发生或者是减缓拥堵的程度。
在本发明的一个实施例中，根据目标车速对指定路段进行限速包括：
在预设的过渡时段内，按照设定步长，将指定路段的最高限速调整至目标车速。
过渡时段的时长可以是预先根据应用场景或具体需求设定的。例如，该过渡时段的时长可以是10分钟。
该设定步长可以是预先根据应用场景或具体需求设定的。例如，该设定步长可以是10km/h。
在本发明的一个实施例中，可以是根据设定步长、过渡时段的时长、指定路段的初始最高限速和目标车速，将过渡时段平均拆分为多个子时段，并确定每个子时段内对应的限速值，根据每个子时段内对应的限速值对指定路段进行限速。
例如，设定步长可以是10km/h，在指定路段的初始最高限速为100km/h，目标车速为70km/h，过渡时段的时长为10分钟，那么，可以是将过渡时段划分为
Figure BDA0002394327300000141
个子时段，第一个子时段对应的限速值可以是100-10＝90km/h，第二个子时段对应的限速值可以是90-10＝80km/h。那么，可以是在过渡时段的前5分钟内，将指定路段的最高限速调整为90km/h，在过渡时段的后5分钟内，将指定路段的最高限速调整为80km/h。在过渡时段之后，将指定路段的最高限速调整为目标车速70km/h。
在本发明的一个实施例中，该方法还可以包括：
检测指定路段中是否发生交通事故；在发生交通事故的情况下，调整目标车速。
指定路段中是否发生交通事故，可以是通过检测行驶在指定路段中的车辆是否举报发生交通事故来实现，也可以是通过设置在指定路段上的高清卡口系统采集的视频或图像来检测的。
在本发明的一个实施例中，可以是预先根据应用场景或具体需求来设置调整比例，在未发生交通事故的情况下，根据目标车速对指定路段进行限速。在发生交通事故的情况下，根据调整比例来调整目标车速，根据调整后的目标车速对指定路段进行限速。其中，该调整比例可以是大于0且小于1。
例如，该调整比例可以是80％，目标车速为100km/h，那么，调整后的目标车速可以为100*80％＝80km/h。
在本发明的另一个实施例中，可以是预先根据应用场景或具体需求来设置调整后的目标车速。在未发生交通事故的情况下，根据目标车速对指定路段进行限速。在发生交通事故的情况下，根据调整后的目标车速对指定路段进行限速。其中，该调整后的目标车速可以是小于目标车速。
例如，目标车速可以为80km/h，调整后的目标车速可以是50km/h。
在本发明的再一个实施例中，可以是预先根据应用场景或具体需求来设置调整差值。在未发生交通事故的情况下，根据目标车速对指定路段进行限速。在发生交通事故的情况下，根据调整比例来调整目标车速，根据调整后的目标车速对指定路段进行限速。其中，该调整差值可以是小于目标车速。
例如，该调整比例可以是20km/h，目标车速为100km/h，那么，调整后的目标车速可以为100-20＝80km/h。
在本发明的一个实施例中，该方法还可以包括：
获取指定路段在目标时间片段内的实际交通数据；根据目标时间片段内的实际交通数据确定指定路段是否满足预设的解除限速条件；在满足解除限速条件的情况下，对指定路段解除限速。
该预设的解除限速条件可以是预先根据应用场景或具体需求设定的。
在交通数据包括车流量的情况下，可以是预先设定解除限速的车流量阈值，在目标时间片段内的实际车流量小于该解除限速的车流量阈值时，对指定路段解除限速。
在交通数据包括车流速度的情况下，可以是预先设定解除限速的车流速度阈值，在目标时间片段内的实际车流速度小于该解除限速的车流速度阈值时，对指定路段解除限速。
在交通数据包括车流密度的情况下，可以是预先设定解除限速的车流密度阈值，在目标时间片段内的实际车流密度小于该解除限速的车流密度阈值时，对指定路段解除限速。
在交通数据包括车流量、车流速度和车流密度中的至少两个的情况下，可以是预先设置车流量、车流速度和车流密度的优先级，以优先级最高的一个确定是否满足解除限速的条件。例如，车流量、车流速度和车流密度按照优先级从高到低的顺序，可以是车流密度、车流量、车流速度。
对指定路段进行交通控制还包括：
根据预设的路网结构，确定指定路段的替代路径；根据替代路径对指定路段进行车流诱导。
具体的，该替代路径的起点和终点，与指定路段的起点和终点相同。
在本发明的一个实施例中，可以是通过地图应用、或者是设置在指定路段的上游路段上的诱导屏，提示指定路段拥堵，可以采用替代路径的方案到达相同终点。
在如图5所示的例子中，在由A向B行驶的过程中，预测到指定路段1在目标时间片段内的预测拥堵级别为第一拥堵级别或第二拥堵级别的情况下，可以是在诱导屏中展示出替代路径(包括路段2、3、4)，诱导用户避开拥堵的指定路段1，通过替代路径由A向B行驶。
这样，可以诱导部分车流进入替代路径，减少进入指定路段的车流量，进而可以减轻指定路段的拥堵情况。
在本发明的一个实施例中，可以综合考虑替代路径的拥堵情况，确保替代路径畅通。
具体的，可以是利用地面道路推荐下高速行驶到下一个匝道再进入畅通的指定路段；也可以是推荐在没到指定路段的上一个收费口下高速，利用地面道路分流；也可以是当指定路段的入口收费站匝道限流时，利用地面道路分流到下一个入口收费站匝道进入指定路段；也可以是当指定路段的出口收费站匝道限流时，推荐利用上游或下游临近的出口收费站匝道离开指定路段。
在本发明的另一个实施例中，根据预测拥堵级别，对指定路段进行交通控制可以包括：在预测拥堵级别为预设的第二拥堵级别的情况下，获取指定路段的目标车流量；根据目标车流量对指定路段进行限流。
在本发明的一个实施例中，目标车流量可以是预先根据应用场景或具体需求设定好的。
在本发明的一个实施例中，还可以是根据历史交通数据确定目标车流量。
具体的，可以是根据历史交通数据，确定在车流速度为指定值的情况下，指定路段能够承受的车流量的最大值，作为指定路段的目标车流量。其中，该指定值为预先根据应用场景或具体需求设定的。例如，该指定值可以是指定路段的最高限速，也可以是指定限速*90％。
在本发明的一个实施例中，根据目标车流量对指定路段进行限流的方式可以包括：
控制指定路段的入口收费站或者是入口匝道封闭，或者是对指定路段的入口收费站或者是入口匝道进行定时限流控制。
在本发明的一个实施例中，预测交通数据包括预测车流量。根据目标车流量对指定路段进行限流可以包括：根据目标车流量和预测车流量，对指定路段进行限流。
在一个例子中，可以是将目标车流量和预测车流量提供至指定路段的入口收费站或者是入口匝道，由入口收费站或者是入口匝道来控制抬杆时间，来实现对指定路段的限流，以使得在目标时间片段内进入指定路段的车流量不超过目标车流量。
在一个例子中，还可以是根据目标车流量和预测车流量，确定指定路段的管控车流量。根据指定路段的多个入口的调控比例，确定每个入口的管控车流量，由每个入口根据对应的管控车流量对进入指定路段的车流量进行控制。其中，该管控车流量可以是预测车流量和目标车流量之间的差值。
在一个例子中，调控比例可以是根据入口的数量确定的，例如可以是将1平均分配，得到每个入口的调控比例。
具体的，在指定路段的入口数量为N的情况下，每个入口的调控比例可以表示为1/N。
在一个例子中，调控比例还可以是根据每个入口在前一时间片段内进入指定路段的车流量确定的。
具体的，如果每个入口在前一时间片段内进入指定路段的车流量分别为Fin1,Fin2,Fin3,……，那么，对于第k个入口对应的调控比例可以表示为：
Figure BDA0002394327300000181
在一个例子中，还可以是预先根据应用场景或具体需求设定每个入口的调控比例。
在本发明的实施例中，通过对指定路段进行限流，可以有效改善指定路段在目标时间片段内的拥堵情况。
在本发明的一个实施例中，在预测拥堵级别为预设的第二拥堵级别的情况下，在根据目标车流量对指定路段进行限流的同时，还可以根据目标车速对指定路段进行限速，和/或根据替代路径对指定路段进行车流诱导。
<例子>
图5为本发明实施例的应用场景的示意图。如图5所示，电子设备通过高清卡口系统、行驶在指定路段上的车辆、和在指定路段上使用地图应用的终端设备来获取指定路段在多个历史时间片段内的历史交通数据、以及在前一时间片段内的实际交通数据；根据历史交通数据和前一时间片段内的实际交通数据，确定指定路段在目标时间片段内的预测交通数据；再根据目标时间片段内的预测交通数据，确定指定路段在目标时间片段内的拥堵级别，作为预测拥堵级别。在预测拥堵级别为第一拥堵级别的情况下，可以是根据目标车速对指定路段进行限速，和/或根据替代路径对指定路段进行车流诱导；在预测拥堵级别为第二拥堵级别的情况下，可以是根据目标车流量对指定路段进行限流，同时，还可以根据目标车速对指定路段进行限速，和/或根据替代路径对指定路段进行车流诱导。
<装置实施例>
在本实施例中，提供一种数据处理装置4000，如图6所示，包括历史数据获取模块4100、实际数据获取模块4200、预测数据确定模块4300和交通控制模块4400。该历史数据获取模块4100用于获取指定路段在多个历史时间片段内的历史交通数据；该实际数据获取模块4200用于获取指定路段在目标时间片段的前一时间片段内的实际交通数据；该预测数据确定模块4300用于根据历史交通数据和前一时间片段内的实际交通数据，确定指定路段在目标时间片段内的预测交通数据；该交通控制模块4400用于根据目标时间片段内的预测交通数据，在目标时间片段内对指定路段进行交通控制。
在本发明的一个实施例中，该预测数据确定模块4300可以用于：
根据与目标时间片段对应的历史时间片段内的历史交通数据，确定目标时间片段内的预测交通数据；
根据与前一时间片段对应的历史时间片段内的历史交通数据，确定前一时间片段内的预测交通数据；
根据前一时间片段内的实际交通数据和预测交通数据之间的偏差，修正目标时间片段内的预测交通数据。
在本发明的一个实施例中，该预测数据确定模块4300可以用于：
根据与目标时间片段对应的历史时间片段内的历史交通数据，确定目标时间片内的预测交通数据；
根据前一时间片段内的实际交通数据，修正目标时间片段内的预测交通数据。
在本发明的一个实施例中，该交通控制模块4400可以用于：
根据目标时间片段内的预测交通数据，确定指定路段在目标时间片段内的拥堵级别，作为预测拥堵级别；
根据预测拥堵级别，对指定路段进行交通控制。
在本发明的一个实施例中，根据预测拥堵级别，对指定路段进行交通控制包括：
在预测拥堵级别为预设的第一拥堵级别的情况下，获取指定路段的目标车速；
根据目标车速对指定路段进行限速。
在本发明的一个实施例中，该数据处理装置4000还可以包括：
用于检测指定路段中是否发生交通事故的模块；
用于在发生交通事故的情况下，调整目标车速的模块。
在本发明的一个实施例中，根据目标车速对指定路段进行限速包括：
在预设的过渡时段内，按照设定步长，将指定路段的最高限速调整至目标车速。
在本发明的一个实施例中，该数据处理装置4000还可以包括：
用于获取指定路段在目标时间片段内的实际交通数据的模块；
用于根据目标时间片段内的实际交通数据确定指定路段是否满足预设的解除限速条件的模块；
用于在满足解除限速条件的情况下，对指定路段解除限速的模块。
在本发明的一个实施例中，对指定路段进行交通控制该数据处理装置4000还可以包括：
用于根据预设的路网结构，确定指定路段的替代路径的模块；
用于根据替代路径对指定路段进行车流诱导的模块。
在本发明的一个实施例中，根据预测拥堵级别，对指定路段进行交通控制包括：
在预测拥堵级别为预设的第二拥堵级别的情况下，获取指定路段的目标车流量；
根据目标车流量对指定路段进行限流。
在本发明的一个实施例中，该数据处理装置4000还可以包括：
用于根据历史交通数据，确定目标车流量的模块。
在本发明的一个实施例中，预测交通数据包括预测车流量；根据目标车流量对指定路段进行限流包括：
根据目标车流量和预测车流量，对指定路段进行限流。
在本发明的一个实施例中，指定路段为位于收费站之间的高速公路。
本领域技术人员应当明白，可以通过各种方式来实现数据处理装置4000。例如，可以通过指令配置处理器来实现数据处理装置4000。例如，可以将指令存储在ROM中，并且当启动设备时，将指令从ROM读取到可编程器件中来实现数据处理装置4000。例如，可以将数据处理装置4000固化到专用器件(例如ASIC)中。可以将数据处理装置4000分成相互独立的单元，或者可以将它们合并在一起实现。数据处理装置4000可以通过上述各种实现方式中的一种来实现，或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
在本实施例中，数据处理装置4000可以具有多种实现形式，例如，数据处理装置4000可以是任何的提供数据处理服务的软件产品或者应用程序中运行的功能模块，或者是这些软件产品或者应用程序的外设嵌入件、插件、补丁件等，还可以是这些软件产品或者应用程序本身。
<电子设备>
在本实施例中，还提供一种电子设备1000。该电子设备1000可以是图1所示的服务器1100，也可以是如图2所示的终端设备1200。
在一方面，如图7所示，该电子设备1000可以包括前述的数据处理装置4000，用于实施本发明任意实施例的数据处理方法。
在另一方面，如图8所示，电子设备1000还可以包括处理器1300和存储器1300，该存储器1300用于存储可执行的指令；该处理器1300用于根据指令的控制运行电子设备1000执行根据本发明任意实施例的数据处理方法。
<计算机可读存储介质>
在本实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序在被处理器执行时实现如本发明任意实施例的数据处理方法。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。在有些作为替换的实现中，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，两个连续的方框目标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。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、目标应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (16)

1.一种数据处理方法，包括：
获取指定路段在多个历史时间片段内的历史交通数据；
获取所述指定路段在目标时间片段的前一时间片段内的实际交通数据；
根据所述历史交通数据和所述前一时间片段内的实际交通数据，确定所述指定路段在所述目标时间片段内的预测交通数据；
根据所述目标时间片段内的预测交通数据，在所述目标时间片段内对所述指定路段进行交通控制。
2.根据权利要求1所述的方法，所述根据所述历史交通数据和所述前一时间片段内的实际交通数据，确定所述指定路段在所述目标时间片段内的预测交通数据包括：
根据与所述目标时间片段对应的历史时间片段内的历史交通数据，确定所述目标时间片段内的预测交通数据；
根据与所述前一时间片段对应的历史时间片段内的历史交通数据，确定所述前一时间片段内的预测交通数据；
根据所述前一时间片段内的实际交通数据和预测交通数据之间的偏差，修正所述目标时间片段内的预测交通数据。
3.根据权利要求1所述的方法，所述根据所述历史交通数据和所述前一时间片段内的实际交通数据，确定所述指定路段在所述目标时间片段内的预测交通数据包括：
根据与所述目标时间片段对应的历史时间片段内的历史交通数据，确定所述目标时间片内的预测交通数据；
根据所述前一时间片段内的实际交通数据，修正所述目标时间片段内的预测交通数据。
4.根据权利要求1所述的方法，所述根据所述目标时间片段内的预测交通数据，在所述目标时间片段内对所述指定路段进行交通控制包括：
根据所述目标时间片段内的预测交通数据，确定所述指定路段在所述目标时间片段内的拥堵级别，作为预测拥堵级别；
根据所述预测拥堵级别，对所述指定路段进行交通控制。
5.根据权利要求4所述的方法，所述根据所述预测拥堵级别，对所述指定路段进行交通控制包括：
在所述预测拥堵级别为预设的第一拥堵级别的情况下，获取预设的所述指定路段的目标车速；
根据所述目标车速对所述指定路段进行限速。
6.根据权利要求5所述的方法，还包括：
检测所述指定路段中是否发生交通事故；
在发生交通事故的情况下，调整所述目标车速。
7.根据权利要求5所述的方法，所述根据所述目标车速对所述指定路段进行限速包括：
在预设的过渡时段内，按照设定步长，将所述指定路段的最高限速调整至所述目标车速。
8.根据权利要求5所述的方法，还包括：
获取所述指定路段在所述目标时间片段内的实际交通数据；
根据所述目标时间片段内的实际交通数据确定所述指定路段是否满足预设的解除限速条件；
在满足所述解除限速条件的情况下，对所述指定路段解除限速。
9.根据权利要求5所述的方法，所述对所述指定路段进行交通控制还包括：
根据预设的路网结构，确定所述指定路段的替代路径；
根据所述替代路径对所述指定路段进行车流诱导。
10.根据权利要求4所述的方法，所述根据所述预测拥堵级别，对所述指定路段进行交通控制包括：
在所述预测拥堵级别为预设的第二拥堵级别的情况下，获取预设的所述指定路段的目标车流量；
根据所述目标车流量对所述指定路段进行限流。
11.根据权利要求10所述的方法，还包括：
根据所述历史交通数据，确定所述目标车流量。
12.根据权利要求10所述的方法，所述预测交通数据包括预测车流量；
所述根据所述目标车流量对所述指定路段进行限流包括：
根据所述目标车流量和所述预测车流量，对所述指定路段进行限流。
13.根据权利要求1至12所述的方法，所述指定路段为位于收费站之间的高速公路。
14.一种数据处理装置，包括：
历史数据获取模块，用于获取指定路段在多个历史时间片段内的历史交通数据；
实际数据获取模块，用于获取所述指定路段在目标时间片段的前一时间片段内的实际交通数据；
预测数据确定模块，用于根据所述历史交通数据和所述前一时间片段内的实际交通数据，确定所述指定路段在所述目标时间片段内的预测交通数据；
交通控制模块，用于根据所述目标时间片段内的预测交通数据，在所述目标时间片段内对所述指定路段进行交通控制。
15.一种电子设备，包括：
如权利要求14所述的分割装置；或者，
处理器和存储器，所述存储器用于存储可执行的指令，所述指令用于控制所述处理器执行根据权利要求1至13中任一项所述的方法。
16.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如权利要求1至13中任一项所述的方法。
CN202010125710.2A 2020-02-27 2020-02-27 一种数据处理方法、装置及电子设备 Active CN111341099B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010125710.2A CN111341099B (zh) 2020-02-27 2020-02-27 一种数据处理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010125710.2A CN111341099B (zh) 2020-02-27 2020-02-27 一种数据处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111341099A true CN111341099A (zh) 2020-06-26
CN111341099B CN111341099B (zh) 2022-05-10

Family

ID=71187031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010125710.2A Active CN111341099B (zh) 2020-02-27 2020-02-27 一种数据处理方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111341099B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112634582A (zh) * 2020-12-18 2021-04-09 广州宏途教育网络科技有限公司 一种用于校车的安全管理系统及方法
CN113936452A (zh) * 2020-06-29 2022-01-14 阿里巴巴集团控股有限公司 一种交通控制方法、装置及电子设备
CN114155703A (zh) * 2021-09-18 2022-03-08 阿里云计算有限公司 交通管控方法及装置
CN114333332A (zh) * 2022-03-04 2022-04-12 阿里云计算有限公司 一种交通管控方法、装置及电子设备
CN115063968A (zh) * 2022-03-08 2022-09-16 阿里云计算有限公司 道路拥堵预测方法、装置、电子设备、介质及程序产品
CN115410386A (zh) * 2022-09-05 2022-11-29 同盾科技有限公司 短时速度预测方法及装置、计算机存储介质、电子设备
CN115457764A (zh) * 2022-08-24 2022-12-09 华南理工大学 基于车辆轨迹数据的路段交通密度估测方法、装置及介质

Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090295599A1 (en) * 2008-06-02 2009-12-03 Electronic Transaction Consultants Dynamic pricing for toll lanes
CN101625796A (zh) * 2008-07-10 2010-01-13 现代自动车株式会社 交通信息的估计方法
CN101739813A (zh) * 2009-12-09 2010-06-16 合肥博普高新科技有限公司 智能交通
CN103093611A (zh) * 2011-10-27 2013-05-08 株式会社电装 拥堵预测装置及拥堵预测系统
CN103377552A (zh) * 2012-04-13 2013-10-30 日立(中国)研究开发有限公司 交通信息预测装置及方法、终端设备及服务器
WO2014054612A1 (ja) * 2012-10-01 2014-04-10 日本電気株式会社 到着時間分布制御システム、到着時間分布制御装置及びインセンティブ設計方法
CN103927891A (zh) * 2014-04-29 2014-07-16 北京建筑大学 一种基于双贝叶斯的路口动态转向比例两步预测方法
CN104346926A (zh) * 2013-07-31 2015-02-11 国际商业机器公司 行驶时间预测方法和装置、以及相关终端设备
CN104361407A (zh) * 2014-11-03 2015-02-18 河南理工大学 数据重组短时交通流预测方法
CN104408921A (zh) * 2014-11-28 2015-03-11 江苏物联网研究发展中心 基于交通仿真的交通流预测方法
CN104616496A (zh) * 2015-01-30 2015-05-13 国家电网公司 基于突变理论的电网大停电交通拥堵度评估方法
CN105788249A (zh) * 2014-12-16 2016-07-20 高德软件有限公司 一种交通流量预测方法、预测模型生成方法及装置
CN106448159A (zh) * 2016-09-09 2017-02-22 蔡诚昊 一种基于动态交通信息的道路交通分级预警方法
CN106448151A (zh) * 2016-07-07 2017-02-22 河南理工大学 一种短时交通流预测方法
CN107293118A (zh) * 2017-07-18 2017-10-24 扬州大学 一种交通速度动态区间短时预测方法
CN107657335A (zh) * 2017-09-06 2018-02-02 武汉科技大学 一种机场客流量的时空分布预测方法
CN107730937A (zh) * 2017-10-26 2018-02-23 东南大学 一种交通事故风险最小化的隧道出入口动态车速诱导方法
CN108022425A (zh) * 2017-12-21 2018-05-11 东软集团股份有限公司 交通状况预测方法、装置和计算机设备
CN109215349A (zh) * 2018-10-26 2019-01-15 同济大学 基于深度学习的长时交通流量预测方法
CN109255950A (zh) * 2018-09-05 2019-01-22 苏州佳世达光电有限公司 车流预估方法、装置及系统
CN109410576A (zh) * 2018-11-08 2019-03-01 深圳北斗应用技术研究院有限公司 多源数据融合的路况分析方法、装置、存储介质及系统
CN109658697A (zh) * 2019-01-07 2019-04-19 平安科技（深圳）有限公司 交通拥堵的预测方法、装置和计算机设备
CN109887283A (zh) * 2019-03-07 2019-06-14 东莞数汇大数据有限公司 一种基于卡口数据的道路拥堵预测方法、系统及装置
CN110363255A (zh) * 2019-08-19 2019-10-22 公安部交通管理科学研究所 一种基于深度学习算法的高速公路限速限流方法
EP3572991A1 (en) * 2017-06-28 2019-11-27 Hitachi, Ltd. Transit demand forecasting device and transit demand forecasting method

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090295599A1 (en) * 2008-06-02 2009-12-03 Electronic Transaction Consultants Dynamic pricing for toll lanes
US8149139B2 (en) * 2008-06-02 2012-04-03 Electronic Transaction Consultants Dynamic pricing for toll lanes
CN101625796A (zh) * 2008-07-10 2010-01-13 现代自动车株式会社 交通信息的估计方法
CN101739813A (zh) * 2009-12-09 2010-06-16 合肥博普高新科技有限公司 智能交通
CN103093611A (zh) * 2011-10-27 2013-05-08 株式会社电装 拥堵预测装置及拥堵预测系统
CN103377552A (zh) * 2012-04-13 2013-10-30 日立(中国)研究开发有限公司 交通信息预测装置及方法、终端设备及服务器
WO2014054612A1 (ja) * 2012-10-01 2014-04-10 日本電気株式会社 到着時間分布制御システム、到着時間分布制御装置及びインセンティブ設計方法
CN104346926A (zh) * 2013-07-31 2015-02-11 国际商业机器公司 行驶时间预测方法和装置、以及相关终端设备
CN103927891A (zh) * 2014-04-29 2014-07-16 北京建筑大学 一种基于双贝叶斯的路口动态转向比例两步预测方法
CN104361407A (zh) * 2014-11-03 2015-02-18 河南理工大学 数据重组短时交通流预测方法
CN104408921A (zh) * 2014-11-28 2015-03-11 江苏物联网研究发展中心 基于交通仿真的交通流预测方法
CN105788249A (zh) * 2014-12-16 2016-07-20 高德软件有限公司 一种交通流量预测方法、预测模型生成方法及装置
CN104616496A (zh) * 2015-01-30 2015-05-13 国家电网公司 基于突变理论的电网大停电交通拥堵度评估方法
CN106448151A (zh) * 2016-07-07 2017-02-22 河南理工大学 一种短时交通流预测方法
CN106448159A (zh) * 2016-09-09 2017-02-22 蔡诚昊 一种基于动态交通信息的道路交通分级预警方法
EP3572991A1 (en) * 2017-06-28 2019-11-27 Hitachi, Ltd. Transit demand forecasting device and transit demand forecasting method
CN107293118A (zh) * 2017-07-18 2017-10-24 扬州大学 一种交通速度动态区间短时预测方法
CN107657335A (zh) * 2017-09-06 2018-02-02 武汉科技大学 一种机场客流量的时空分布预测方法
CN107730937A (zh) * 2017-10-26 2018-02-23 东南大学 一种交通事故风险最小化的隧道出入口动态车速诱导方法
CN108022425A (zh) * 2017-12-21 2018-05-11 东软集团股份有限公司 交通状况预测方法、装置和计算机设备
CN109255950A (zh) * 2018-09-05 2019-01-22 苏州佳世达光电有限公司 车流预估方法、装置及系统
CN109215349A (zh) * 2018-10-26 2019-01-15 同济大学 基于深度学习的长时交通流量预测方法
CN109410576A (zh) * 2018-11-08 2019-03-01 深圳北斗应用技术研究院有限公司 多源数据融合的路况分析方法、装置、存储介质及系统
CN109658697A (zh) * 2019-01-07 2019-04-19 平安科技（深圳）有限公司 交通拥堵的预测方法、装置和计算机设备
CN109887283A (zh) * 2019-03-07 2019-06-14 东莞数汇大数据有限公司 一种基于卡口数据的道路拥堵预测方法、系统及装置
CN110363255A (zh) * 2019-08-19 2019-10-22 公安部交通管理科学研究所 一种基于深度学习算法的高速公路限速限流方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
彭栋栋: "基于短—长期模型组合的交通流预测方法", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113936452A (zh) * 2020-06-29 2022-01-14 阿里巴巴集团控股有限公司 一种交通控制方法、装置及电子设备
CN112634582A (zh) * 2020-12-18 2021-04-09 广州宏途教育网络科技有限公司 一种用于校车的安全管理系统及方法
CN112634582B (zh) * 2020-12-18 2023-09-29 广州宏途数字科技有限公司 一种安全管理方法
CN114155703A (zh) * 2021-09-18 2022-03-08 阿里云计算有限公司 交通管控方法及装置
CN114333332A (zh) * 2022-03-04 2022-04-12 阿里云计算有限公司 一种交通管控方法、装置及电子设备
CN115063968A (zh) * 2022-03-08 2022-09-16 阿里云计算有限公司 道路拥堵预测方法、装置、电子设备、介质及程序产品
CN115457764A (zh) * 2022-08-24 2022-12-09 华南理工大学 基于车辆轨迹数据的路段交通密度估测方法、装置及介质
CN115457764B (zh) * 2022-08-24 2023-07-18 华南理工大学 基于车辆轨迹数据的路段交通密度估测方法、装置及介质
CN115410386A (zh) * 2022-09-05 2022-11-29 同盾科技有限公司 短时速度预测方法及装置、计算机存储介质、电子设备
CN115410386B (zh) * 2022-09-05 2024-02-06 同盾科技有限公司 短时速度预测方法及装置、计算机存储介质、电子设备

Also Published As

Publication number Publication date
CN111341099B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN111341099B (zh) 一种数据处理方法、装置及电子设备
US11625624B2 (en) Vehicle-to-everything (V2X)-based real-time vehicular incident risk prediction
US9805598B2 (en) Management of mobile objects
US9584977B2 (en) Management of moving objects
CN112634611B (zh) 用于识别路况的方法、装置、设备以及存储介质
WO2015098280A1 (ja) 地図データ更新装置
CN110648533A (zh) 一种交通管控方法、设备、系统及存储介质
US9865163B2 (en) Management of mobile objects
US10745010B2 (en) Detecting anomalous vehicle behavior through automatic voting
CN111223310B (zh) 一种信息处理方法、装置及电子设备
JP2012117944A (ja) ナビゲーション装置
CN111292546A (zh) 一种信息处理方法、装置、及电子设备
CN115352444A (zh) 一种控制车辆驾驶行为的方法、装置、设备及存储介质
CN108230716A (zh) 车辆交通模式应用
CN108269400B (zh) 一种主干路信号控制交叉口延误估算方法及装置
CN112785858A (zh) 一种交通控制方法、装置及电子设备
CN112249028A (zh) 提供车辆驾驶策略的方法、装置、设备、介质以及车辆
KR101773171B1 (ko) 버스정보 안내장치를 이용한 버스정보 안내 시스템
CN111754770B (zh) 一种交通控制方法、装置及电子设备
Böddeker et al. Automated driving safety-The art of conscious risk taking-minimum lateral distances to pedestrians
CN114495478A (zh) 车队控制方法、装置、介质、电子设备
CN111932872B (zh) 一种交通控制方法、装置及电子设备
JP2016217820A (ja) 経路案内装置
CN111445708A (zh) 一种交通控制方法、装置、及电子设备
CN114970949B (zh) 行驶速度预测方法、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
GR01 Patent grant
GR01 Patent grant