CN111462490A - 一种基于多级子区划分的路网可视化方法及装置 - Google Patents

一种基于多级子区划分的路网可视化方法及装置 Download PDF

Info

Publication number
CN111462490A
CN111462490A CN202010258723.7A CN202010258723A CN111462490A CN 111462490 A CN111462490 A CN 111462490A CN 202010258723 A CN202010258723 A CN 202010258723A CN 111462490 A CN111462490 A CN 111462490A
Authority
CN
China
Prior art keywords
sub
road network
information
level
area
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
CN202010258723.7A
Other languages
English (en)
Other versions
CN111462490B (zh
Inventor
陈维强
高雪松
田羽慧
孙萁浩
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.)
Hisense Co Ltd
Original Assignee
Hisense 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 Hisense Co Ltd filed Critical Hisense Co Ltd
Priority to CN202010258723.7A priority Critical patent/CN111462490B/zh
Publication of CN111462490A publication Critical patent/CN111462490A/zh
Application granted granted Critical
Publication of CN111462490B publication Critical patent/CN111462490B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/042Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/052Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/052Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G08G1/054Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/065Traffic 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)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及智能交通控制技术领域,特别地,涉及一种基于多级子区划分的路网可视化方法及装置。一定程度上可以解决子区划分数量不合理、不能实现路网可视化的问题。所述方法包括:输入K级子区交通信息,进行多级子区划分得到初始全子区信息;对所述初始全子区信息进行预处理得到标准全子区信息;在前端应用中载入路网地图信息、以及所述标准全子区信息;基于所述标准全子区信息,在所述路网地图信息上标识子区,得到路网可视化界面。

Description

一种基于多级子区划分的路网可视化方法及装置
技术领域
本申请涉及智能交通控制技术领域,特别地,涉及一种基于多级子区划分的路网可视化方法及装置。
背景技术
城市路网由众多类型的信号交叉口组成,交通信号控制系统为了提高其稳定性和控制效益,需要将路网划分成多个不同形态的区域,每个区域就是一个交通控制子区,它由多个联系紧密的相邻信号交叉口组成。
在一些交通控制子区划分的实现中,通常将路网拓扑结构根据历史交通数据、结合地域地形特点,进行静态子区划分;在另一些交通控制子区划分实现中,通过使用聚类算法实现交通路网的动态一级子区划分,以适应路网交通流量的动态变化。
海量交通数据经过算法处理,完成交通控制子区划分后,如果可以将所划分的子区进行可视化显示,不仅能够直接观测各划分后子区节点是否处于适量状态,还可以观测子区划分的效果,进一步挖掘城市交通特征,为交通流量的控制和调整提供依据,有助于提高城市交通控制质量。
发明内容
本申请提供了一种基于多级子区划分的路网可视化方法及装置,通过构建多级子区划分算法、全子区信息预处理、在地图上将子区标识为不同颜色的图像、控制孤点占比、检测子区缺失、标识颜色重复,一定程度上可以解决子区划分数量不合理、不能实现路网可视化的问题。
本申请的实施例是这样实现的:
本申请实施例的第一方面提供一种基于多级子区划分的路网可视化方法,所述方法包括:
输入K级子区交通信息,进行多级子区划分得到初始全子区信息;
对所述初始全子区信息进行预处理得到标准全子区信息;
在前端应用中载入路网地图信息、以及所述标准全子区信息;
基于所述标准全子区信息,在所述路网地图信息上标识子区,得到路网可视化界面。
本申请的第二实施例中提供一种基于多级子区划分的路网可视化方法,其中,在得到路网可视化界面后,还包括步骤:如果所述路网可视化界面的孤点子区占比大于等于预设孤点比列阈值,则调整多级子区划分参数重新获取初始全子区信息、以及路网可视化界面,直至孤点子区占比小于预设孤点比列阈值;如果所述路网可视化界面存在子区缺失、标识颜色重复,则进行预处理步骤的数据检查、以及重新获取路网可视化界面。
本申请的第三实施例中提供一种基于多级子区划分的路网可视化方法,其中,所述初始全子区信息包括:交叉口ID信息、经纬度信息、子区序号信息;所述全子区为:多级子区划分输出的K+1级子区、以及未划分的K级子区。
本申请的第四实施例中提供一种基于多级子区划分的路网可视化方法,其中,所述子区序号信息,通过执行如下获取:K+1级子区序号在未划分K级子区序号的基础上继续编号。
本申请的第五实施例中提供一种基于多级子区划分的路网可视化方法,其中,所述预处理,包括:去除所述初始全子区信息的冗余信息,所述冗余信息包括引号、逗号;规范化所述初始全子区信息的内容顺序及格式。
本申请的第六实施例中提供一种基于多级子区划分的路网可视化方法,其中,所述路网地图信息来自本地地图。
本申请的第七实施例中提供一种基于多级子区划分的路网可视化方法,其中,所述标识子区,执行包括:将所述路网地图信息上子区所在位置标识为具有颜色特征的图形。
本申请的第八实施例中提供一种基于多级子区划分的路网可视化方法,其中,所述图形为圆,不同子区具有不同的颜色特征。
本申请的第九实施例中提供一种基于多级子区划分的路网可视化方法,其中,所述全子区的子区个数大于等于预设阈值时,调整多级子区划分参数重新执行划分,直至所述全子区的子区个数小于预设阈值。
本申请的第十实施例中提供一种基于多级子区划分的路网可视化装置,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行如本申请发明内容中任一实施例所述方法。
本申请的有益效果在于:通过构建多级子区划分算法,可以实现子区划分,保持子区处于适量状态;进一步通过在地图上将子区标识为不同颜色的图像,可以得到路网可视化界面、提高显示效果;进一步通过载入本地地图作为路网地图信息,可以实现在无网络连接情况下的路网可视化;进一步通过初始全子区信息的预处理,可以避免路网可视化发生子区缺失、标识重复颜色;进一步通过检测孤点子区占比、子区缺失、标识颜色重复,可以提高路网可视化的质量和准确性。
附图说明
具体为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请实施例一种基于多级子区划分的路网可视化方法流程示意图;
图2示出了本申请实施例一种基于多级子区划分的路网可视化方法的逻辑判断图;
图3示出了本申请实施例一种划分交通控制多级子区的方法的流程示意图;
图4示出了本申请实施例多级子区划分算法的优化流程逻辑判断图;
图5示出了本申请实施例一种划分交通控制多级子区的逻辑示意图;
图6示出了本申请实施例通过自定义谱聚类函数对子区进行划分的流程示意图;
图7示出了本申请实施例自定义谱聚类函数子区划分的逻辑示意图;
图8示出了本申请实施例路网可视化界面示意图;
图9示出了本申请实施例计算机环境示例非限制性示意图;
图10示出了本申请实施例计算机实现的示意框图。
具体实施方式
现在将描述某些示例性实施方案,以从整体上理解本文所公开的装置和方法的结构、功能、制造和用途的原理。这些实施方案的一个或多个示例已在附图中示出。本领域的普通技术人员将会理解,在本文中具体描述并示出于附图中的装置和方法为非限制性的示例性实施方案,并且本发明的多个实施方案的范围仅由权利要求书限定。结合一个示例性实施方案示出或描述的特征可与其他实施方案的特征进行组合。这种修改和变型旨在包括在本发明的范围之内。
本说明书通篇提及的″多个实施例″、″一些实施例″、″一个实施例″或″实施例″等,意味着结合该实施例描述的具体特征、结构或特性包括在至少一个实施例中。因此,本说明书通篇出现的短语″在多个实施例中″、″在一些实施例中″、″在至少另一个实施例中″或″在实施例中″等并不一定都指相同的实施例。此外,在一个或多个实施例中,具体特征、结构或特性可以任何合适的方式进行组合。因此,在无限制的情形下,结合一个实施例示出或描述的具体特征、结构或特性可全部或部分地与一个或多个其他实施例的特征、结构或特性进行组合。这种修改和变型旨在包括在本发明的范围之内。
本申请提供了一种基于多级子区划分的路网可视化方法,用于在图形界面直观的观察子区划分的效果,从而提高交通路网的控制质量。
图1示出了本申请实施例一种基于多级子区划分的路网可视化方法流程示意图。
在步骤101中,输入K级子区交通信息,进行多级子区划分得到初始全子区信息。
通过设置在城市路网各个交叉口的传感器,采集全天候城市的交叉路口节点、各路段流量数据,然后使用多级子区划分算法进行处理,获得划分后K+1级各子区路口数据,进行交通路网基于多级子区划分的可视化显示。
通过在多级子区划分算法中输入K级子区交通信息可以输出初始全子区信息,所述K级子区交通信息包括K级各子区路网的拓扑关系结构、路网中每个路段的流量数据。
图2示出了本申请实施例一种基于多级子区划分的路网可视化方法的逻辑判断图。
首先,通过输入的K级子区交通数据,应用本申请提供的多级子区划分算法进行分析计算输出得到初始全子区信息;然后,去除所述初始全子区信息的引号、逗号等冗余信息,将数据内容的顺序及格式进行规范化;然后,对算法后台程序进行修改,建立访问地址,使得后台与前端应用端口完成对接;前端应用调用本地地图端口,获得可视化界面的圆点颜色类型,实现基于多级子区划分的路网可视化界面显示;然后对所述可视化界面进行检查,是否存在孤点超标、节点缺失,如果是,则进行数据检查与算法优化;如果否,则结束流程。
下文将对所述多级子区划分算法进行详细阐述。
图3示出了本申请实施例一种划分交通控制多级子区的方法的流程示意图。
在步骤301中,K级子区的节点数量大于预设阈值时,通过自定义谱聚类函数对所述K级子区进行划分得到K+1级子区。
采用的聚类方法使拥堵程度相近的路口划分为一类,使得各子区内节点、路段拥堵程度相似,而各个子区间拥堵程度差异较大,这种划分方式为交通路网控制提供了便利。
在一些实施例中,在实际的交通场景中交通数据的变化主要取决于城市道路网的拓扑结构,因此可以充分利用道路网的拓扑信息。例如,城市道路中的交叉口,也称为道路交叉口,基于所述交叉口的城市路网拓扑信息可以构建路网的最优邻接矩阵。
交叉口是指城市路网中两条或两条以上道路的相交处,是各种车辆汇集、转向和疏散的枢纽。交叉口又分为平面交叉口、环形交叉口和立体交叉口。
平面交叉口是道路在同一个平面上相交形成的交叉口,通常有T形、Y形、十字形、X形、错位、环形等形式。在没有交通管制的平面交叉口位置,车辆通过时因行驶方向不同而相互交叉形成冲突点。车辆通过三岔路口时会存在3个冲突点,通过四岔路口时会存在16个冲突点,通过五岔路口时会存在50个冲突点,而每一个冲突点实际上就是一个潜在的交通事故点。
环形交叉口是在路口中间设置一个面积较大的环岛,车辆交织进入环道,并绕环岛单向行驶。通过车辆以交织运行的方式消除冲突点,还可以通过环岛绿化来美化街景。交叉口为四岔口以上的路口适宜采用环形交叉口,且需要其地形开阔平坦,相交道路交通量均匀,左转弯交通量大,路口机动车辆总交通量每小时不大于3000辆。环形交叉口的缺点是占地面积大、车辆须绕行、交通流量增大时易阻塞、行人交通不便。通常认为缩小环岛尺寸可以提高通行能力,因此在一些城市中开始将环岛直径缩小至环交外缘的内切圆直径的三分之一左右,同时设置偏向出口的导向岛,以增宽进口车道,并规定出环岛车辆具有优先权等规则,从而形成一种新型的环形交叉口-微型环岛交叉口。
立体交叉口是道路不在同一个平面上相交形成的立体交叉口。它将互相冲突的车流分别安排在不同高程的道路上,既保证了交通的通畅,也保障了交通安全。立体交叉口主要由立交桥、引道和坡道三部分组成。立交桥是跨越道路的跨路桥或下穿道路的地道桥。引道是道路与立交桥相接的桥头路。坡道是道路与立交桥下路面连接的路段。立体交叉口好包括连接上、下两条相交道路的匝道。
在一些实施例中,通过K级子区的节点数据和路段流量数据构建路网拓扑矩阵,根据所述路网拓扑矩阵得到所述K级子区的节点数量。K为自然数,其取值可以为1、2、3、...K...N,即一级子区,二级子区,或3级子区....,所述一级子区也称为初级子区。在本申请中,将以K取值为1进行实例说明。
输入初级子区的交通路网中交叉路口节点数据、各个路段流量数据,创建路网拓扑结构。对于路段流量数据缺少的路段,进行补全。例如,某路段的流量数据缺失,将所述路段的两端A路口连接的所有路段流量、与B路口连接的所有路段流量间的最小差值作为补全数据进行补全。
所述节点数据、路段流量数据由设置在道路交叉口的交通检测设备采集获取。
在一些实施例中,所述交通检测设备具有多种类型。例如可以设置为电子警察检测器,线圈车辆检测器,微波交通检测器,视频车辆检测器以及互联网交通检测器。
电子警察检测器在路口的各个方向均有设置,可以实现逢车必拍功能。所述电子警察检测器又简称为电子警察、电子眼,通过对车辆检测、光电成像、自动控制、网络通信、计算机等多种技术的集成应用,对机动车闯红灯、逆行、超速、越线行驶、违例停靠等违章行为,实现全天候监视,捕捉车辆违章图文信息。电子警察检测器可以检测车道的交通流量,可以记录车辆通过道路停车线时的车牌号和通过时刻,进一步的通过计算机处理得到车辆所在道路各个车道的车流量。交通流量为每一固定时间间隔内,或统计时间段t内,到路口每个进入口车道的车辆通过数量,即去除重复数据后的数据条数。
线圈检测器是用感应线圈来检测通过设置道路的车辆速度的检测器,线圈检测器一般布设于距离停车线30m的位置,线圈检测器可以检测到通过入口道的车流量信息。线圈检测器是道路监控系统非常重要的一部分,它可以获得当前监控路面交通流量、道路占有率、车流速度等数据,以此判断道路的交通状态和阻塞情况,并利用外场信息发布系统发出警告等。线圈检测器在同一车道的道路路基段埋设一组2个感应线圈,每组感应线圈与多通道车辆检测器相连。当车辆分别经过两个线圈时,由于线圈电感量的变化,车辆的通过状态将被检测到,同时状态信号传输给车辆检测器,由其进行采集和计算。线圈车辆检测器具有稳定性高,成本低廉,且在恶劣天气条件下仍可以保持性能稳定的特点。
微波交通检测器通常设置于道路一侧的侧立住顶端,灯杆顶端,或已有龙门架,立交桥,行人过街天桥上。微波交通检测器通常推荐的安装高度在距离路面高度不低于5米的位置,其安装角度应使得发射的微波辐射面可以覆盖待检测的路段。微波交通检测器是通过雷达线性调频的技术原理,对路面发射微波,通过对回波信号进行高速实时的数字处理分析,检测交通流量,速度,车道占有率和车型等交通基本信息的非接触式交通检测器。
视频车辆检测器是指采用视频图像处理技术实现某项交通流参数检测或者某项交通事件检测的设备。视频车辆检测器具有多种功能以及多种功能的组合能力,最显着的是图像捕获与存储能力,应用于感应式十字路口信号灯控制系统、电子警察抓拍系统,还能对道路交通流量等数据进行采集。
在一些实施例中,采用自定义谱聚类算法进行聚类,不需要预先制定聚类数,相比其他聚类方法更加容易定义距离和规则的相似度。
所述K级子区的节点数量是指子区内路网拓扑结构中的各个节点之和,也可以认为是路网中交叉口数量的和。
输入K级子区的路网拓扑结构关系,包括节点数据,路段流量数据以构建路网拓扑矩阵,并且设定子区划分节点个数阈值,通过判断K级子区的节点个数和阈值的大小关系,来确定当前K级子区是否需要进行划分。所述预设阈值可根据实际情况进行设定,本申请不做具体的限定。
设定子区划分节点个数阈值ε,当前子区节点个数的和为;K级子区为当前子区;
若当前子区节点个数N大于阈值ε,则进行子区划分;
若当前子区内节点个数N小于等于阈值ε,则跳过所述子区,不进行子区划分,直接输出所述子区的节点数据。上述判定用公式表示如下:
Figure BDA0002438455810000071
当前子区节点个数大于阈值,则对当前子区的节点数据进行处理,通过自定义谱聚类函数对所述K级子区进行划分得到K+1级子区,如图5,示出了本申请实施例一种划分交通控制多级子区的逻辑示意图。
谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量,然后选择合适的特征向量聚类不同的数据点,其本质是将聚类问题转化为图的最优划分问题。
如果所述K级子区的节点数量小于等于预设阈值时,这个K级子区跳过,不进行子区划分。
如果所述K级子区的节点数量大于预设阈值时,通过自定义谱聚类函数对所述K级子区进行划分得到K+1级子区,下文将进行详细的阐述。
图6示出了本申请实施例通过自定义谱聚类函数对子区进行划分的流程示意图。
在步骤601中,通过K级子区内所有与路口相连的路段权重之和构建点度矩阵。
在一些实施例中,在交通路网中,对于有路段连接的两个路口vi和vj,则其路段权重wij>0;对没有路段连接的路口vi和vj,则其路段权重wij=0。
点度di被定义为所有与路口相连的路段的权重之和,其表示如下:
Figure BDA0002438455810000072
定义点度矩阵
Figure BDA0002438455810000073
是一个由di组成的n*n对角矩阵,其表示如下:
Figure BDA0002438455810000081
在步骤602中,基于所述点度矩阵以及路段相似度邻接矩阵构建经过归一化处理的拉普拉斯矩阵。
在一些实施例中,通过获取子区内每个路口的节点数据,路段流量数据,并且对所述流量进行归一化,以得到所述K级子区内路段相似度邻接矩阵。
基于城市路网拓扑信息中的交叉口、路段临界信息可以构建能够反映路网结构的邻接矩阵。例如,基于城市路网中海量的相邻交叉口之间的相互连接关系,可以用矩阵的方式对路网的原始拓扑信息进行提取,从而得到路网原始邻接矩阵。邻接矩阵存储结构中包括多个顶点,每个顶点用一维数组存储边信息,然后将所有顶点的信息组合起来,可以表示矩阵图中各个顶点之间的邻接关系,所述邻接矩阵在一些实施例中具体用二维数组来表示。
相似度邻接矩阵用
Figure BDA0002438455810000085
表示,其中第i行的第j个值对应权重wij,表示如下:
Figure BDA0002438455810000082
其中,KNN(xi)表示xi路口,σ2表示可调的离散系数,xi∈KNN(xj)and xj∈KNN(xi)表示路口xi和xj路相邻。
上述步骤中得到的点度矩阵以及所述邻接矩阵可以计算标准化拉普拉斯矩阵L,其计算公式表示如下:
L=D-W
其中,D为点度矩阵,是一个对角矩阵;W为相似度邻接矩阵。
然后将所述标准化拉普拉斯矩阵,即特征向量矩阵进行归一化处理,表示如下:
Figure BDA0002438455810000083
在拉普拉斯矩阵中,对于任意的向量f,都有:
Figure BDA0002438455810000084
其中,L表示标准化拉普拉斯矩阵,D表示点度矩阵,W表示相似度邻接矩阵,fi表示任意向量,wij表示第i行的第j个值对应权重,T表示f的转置符号。
在步骤603中,根据所述拉普拉斯矩阵的中心位置进行特征向量聚类得到所述K级子区的平均轮廓系数、K+1级子区。
采用平均轮廓系数方法划分控制子区的个数,设定子区划分个数的阈值,计算当前级别各个子区的平均轮廓系数并比较,依据轮廓系数获得最优聚类数,使得多级划分更加准确高效。
经过归一化后,可以得到所述子区的中心位置,基于所述中心位置进行特征向量聚类,进一步得到所述子区的平均轮廓系统和K+1级子区。
计算
Figure BDA0002438455810000091
最小的k1个特征值所各自对应的特征向量f;将各自对应的特征向量f组成的矩阵按行进行标准化,即归一化处理,形成n×k1维的特征矩阵F,对F中的每一行作为一个k1维的样本,共n个样本,进行特征向量聚类,如图7,示出了本申请实施例自定义谱聚类函数子区划分的逻辑示意图。
在步骤604中,根据所属平均轮廓系数,如果所述K级子区的个数小于预设阈值,则进行下一个K级小区划分;
设定二级子区个数最大阈值,通过上述步骤计算得到的当前子区平均轮廓系数,判定当前子区划分个数是否小于最大阈值,若判断为是则处理下一个子区,对下一个小区进行子区划分,如图7所示。
在步骤605中,如果所述K级子区的个数大于等于预设阈值,则输出所述K级子区的最优聚类数、K+1级子区的节点数据。
即判定当前子区划分个数是否小于最大阈值,若判断为否,则输出初级子区划分最优聚类数及二级子区划分节点数据,所述二级子区节点数据包括节点分布。
继续参考图3,在步骤302中,去除所述K+1级子区内相对于所述K级子区的冗余节点,得到最终K+1级子区。
聚类算法进行交通控制初级子区的划分后,即K级子区的划分后,会出现部分子区内节点冗余问题,导致路网控制产生比较大的工作量,所述初级子区划分后获得的节点分布表示如下:
Figure BDA0002438455810000092
在一些实施例中,执行上述流程进行所述初级子区划分,获得最优聚类数c和二级子区节点分布。用公式描述如上,其中c表示的子区划分个数,
Figure BDA0002438455810000101
表示的是第c个子区里面的节点分布,n1,n2,n3…n4,nc不一定相等,且nc可能为空。
Figure BDA0002438455810000102
表示初级划分后的第c个子区内,第n个节点路口的ID。
在一些实施例中,需要去除所述K+1级子区内相对于所述K级子区的冗余节点,采用如下方法:
在子区级别迭代时,不断更新K级输入的节点数据point_labelsK,始终使用初始的路段流量数据,会导致调用路段数据划分节点分布时,出现路段连接的两个节点,一个节点被划分到此子区,另一个不在此子区的节点也被划入;导致划分的K+1级data_labelsK+1节点多于输入的point_labelsK的节点数。
为了保证子区划分结果的准确性,在输出的结果前需要重新对K+1节点数据与输入的节点数据进行对比筛选,去除冗余节点,并保持最优聚类数前后不变,即可以认为所述最终K+1级子区的最优聚类数与所述K+1级子区的最优聚类数相同。
输入的K级节点数据,
Figure BDA0002438455810000103
将输出K+1级子区节点结果data_labelsK+1与point_labelsK数据进行比较,获得最终的划分结果,表示如下:
Figure BDA0002438455810000104
其中result_data_labelsK+1的各子区节点个数之和与point_labelsK节点个数之和相等,并且去除冗余节点前后,聚类最优子区个数不变。
在一些实施例中,将输出初级子区节点结果data_labels2与point_labels2数据进行比较,获得初级划分的最优聚类数c和二级子区节点最终分布result_data_labels2
Figure BDA0002438455810000105
可以发现,所述最终K+1级子区的各子区节点数量之和等于所述K级子区的各子区节点数量之和。
在步骤303中,基于所述最终K+1级子区,判定所述K级子区存在未划分子区,则重复上述步骤直至全部子K级子区划分结束;否则,输出最终K+1级子区划分结果。
判定K级子区中是否有子区未进行判定划分,若判定为是,则对子区进行迭代执行上述子区划分的流程;若判定为否,则说明K级全部子区划分结束,获得K+1级子区划分结果。以上流程为初级子区实现二级划分流程,参考以上流程,输入二级子区路网拓扑结构关系、流量数据可实现三级划分,以此类推,可实现交通控制子区的四级、五级......K级划分。
需要说明的是,各级别子区划分后获得的子区个数不一定相同,子区划分的个数取决于输入的节点数据及聚类算法。
对于同级子区划分,设级别为K,划分后获得的K+1级的各个子区节点个数n1,n2,n3…n4,nc不一定相等,且nc可能为空。
在K级进行子区划分时,并非所有K+1子区全部进行划分,而是通过阈值筛选,只有节点个数大于阈值的子区重新进行子区划分,节点个数小于阈值的子区直接跳过,不进行划分。
在K级进行子区划分时,并非所有K+1子区全部进行划分,而是通过阈值筛选,只有节点个数大于阈值的子区重新进行子区划分,节点个数小于阈值的子区直接跳过,不进行划分。
通过本申请实施例的多级子区划分算法处理,可以有效避免单级各子区中,子区数量过多的情况,使得交通路网子区数量处于适量的状态。
在一些实施例中,所述初始全子区信息包括每个子区的交叉口ID信息、经纬度信息、子区序号信息。所述交叉口ID信息是唯一的,可以表示多级子区划分后每个子区所在交叉口的身份;经纬度信息表示子区所在交叉口的地理位置信息,可以根据所述经纬度信息在地图中对小区进行定位;子区序号信息表示交通控制区域经过多级子区划分后各个子区的序列号信息。
在一些实施例中,所述子区序号信息,通过执行如下获取:K+1级子区序号在K级子区序号的基础上继续编号。
经多级子区算法划分后未进行子区划分K级数据的子区序列号逐个计列,分配序号,然后将K+1级子区的序列号在K级子区序列号的基础上接续继续编号,从而构成初始全子区,使得交通路网经过多级子区划分前后道路交叉口的数量不发生变化,但是划分子区数量不断在优化调整,保证了多级子区划分可视化显示的准确性和有效性。需要说明的是,虽然本申请实施例以K级子区和K+1级子区进行举例,但并不影响本申请所述方法应用于更多级别的子区,例如K级子区至K+2级子区,K+3级子区,...,K+N级子区。
在对子区序列号的累加过程中,每一级子区在达到相应的阈值时,需要进行子区的划分,在结束划分后,需要对每一级的子区的序列号进行累积计列。对于每级子区都需要进行设置序列号,包括不需要进行继续下一级划分的子区。在对划分后的子区进行可视化时,每一个子区序号对应于一种颜色,已便于可视化显示。
例如,K级子区共计有3个子区,其中1个子区不需要划分;另外2个子区需要进行划分,并划分得到9个K+1级子区。对上述子区进行编号,所述1个不需要划分的K级子区编号为1,另外9个K+1级子区依次编号为2-10。在最终的路网可视化显示中,序号1-10分别对应于10中不同的颜色。
在多级子区划分后或路网可视化后,各级子区内部包含的道路交叉口、即节点的数量与多级子区划分前或路网可视化之前各级子区内部包含节点的数量是一致的,只是子区的数量在变化、优化、子区内节点的数量在变化、优化。在一些实施例中,多级子区划分后输出的全子区的子区个数大于等于预设阈值时,调整多级子区划分参数重新执行划分,直至所述全子区的子区个数小于预设阈值。例如,可以设置所述预设阈值为100,即子区话划分后的全子区数量大于等于100时,需要重新调整本申请实施例中多级子区划分算法的参数,例如调整参数cluster_num_max,使得其输出的全子区数量小于100,以使得子区划分能够保持适量,避免子区划分过多导致的子区分散化。
继续参考图1,在步骤102中,对所述初始全子区信息进行预处理得到标准全子区信息。
对于得到的初始全子区信息进行预处理,得到数据格式能够和前端应用匹配的标准全子区信息。
首先,去除所述初始全子区信息的冗余信息,所述冗余信息包括引号、逗号。冗余信息是指除去传输消息时所需最少限度信息外,出现在信息源、编码、信号、信道或系统中的其他信息,或称多余信息。在本实施例中,将用于间隔不同数据内容的引号、逗号作为冗余信息删除,从而使得初始全子区信息的数据内容之间只存在空格信息,使得前端应用能够准确的识别输入数据。
其次,规范化所述初始全子区信息的内容顺序及格式,得到标准全子区信息。例如将所述初始全子区信息按照交叉口ID信息、经纬度信息、子区序号信息等顺序排列,使得其数据顺序能够被前端应用准确识别。在一些实施例中,还可以对所述初始全子区信息的数据格式进行规范化,例如统一数据精度,字母格式,数据内容前后的空格数量等。
在步骤103中,在前端应用中载入路网地图信息、以及所述标准全子区信息。
在一些实施例中,修改后台程序建立访问地址,以实现多级子区划分算法与前端应用端口的对接,将所述标准全子区信息发送至前端应用。与此同时,在前端应用中载入路网地图信息,所述路网地图信息可实施为通常的二维地图,用于显示城市地图信息。
例如,载如路网地图时,创建应用获取服务秘钥;然后引用地图API文件;创建地图容器元素,地图需要一个HTML元素作为容器,这样才能展现到页面上;创建地图实例,命名一个空间下的Map类表示地图,通过new操作符可以创建一个地图实例,其参数可以是元素id也可以是元素对象;然后设置中心点坐标,进行地图初始化,同时设置地图展示级别;进一步的添加各种控件,包括所述标准全子区信息。
在一些实施例中,前端应用还可以调用本地地图端口,即所述路网地图信息可实施为本地地图。使得路网可视化界面在无外网连接的情况下,依然可进行可视化显示。
在步骤104中,基于所述标准全子区信息,在所述路网地图信息上标识子区,得到路网可视化界面。
图8示出了本申请实施例路网可视化界面示意图。
基于所述标准全子区信息中的经纬度信息可以在路网地图信息上标识其对应的交叉路口,然后将经过标识的路网地图信息进行展示,即得到路网可视化界面。
在一些实施例中,在路网地图信息中所述标识子区,将所述路网地图信息上子区所在位置标识为具有颜色特征的图形。
例如,某个交通控制区域在经过多级子区划分后,其标准全子区共包括100个子区,根据所述标准全子区信息中的小区序号信息配置100种不同的颜色,以获得路网可视化界面能中能够根据图像和其颜色区别不同的小区。
在一些实施例中,路网可视化界面中用于标识小区节点的颜色设置为最多100种,即可显示100以内的子区个数,以提高交通路网可视化显示效果,如图4所示。
路网可视化界面显示划分后的所有子区,在一些实施例中,所述子区用不同颜色的圆来表示,实现交通路网多级子区划分后其数据在显示界面可视化。
在一些实施例中,子区内仅有少于预设阈值数量的道路交叉口,这样的子区可以认为是孤点子区。
在一些实施例中,在得到路网可视化界面后,如果所述路网可视化界面的孤点子区占比大于等于预设孤点比列阈值,则调整多级子区划分参数重新获取初始全子区信息、以及路网可视化界面,直至孤点子区占比小于预设孤点比列阈值,如图4示出的本申请实施例多级子区划分算法的优化流程逻辑判断图。
在路网可视化显示界面中,统计子区的总数和孤点子区的个数。例如,设定孤点路口个数占子区路口总数的比例阈值为5%,当孤点子区占比小于预设阈值时5%,说明当前级别子区划分孤点数目合理,当前的路网可视化界面符合要求,可作为最终输出,结束流程;如果孤点占比大于预设阈值5%时,说明当前路网可视化界面中的子区划分孤点数目过多,则返回多级子区划分算法流程,调整其参数。例如,所述需要调整的多级子区划分参数可以包括k_KNN,k_Eig,sigsq,通过对上述参数进行优化,直至孤点子区占比达到阈值标准。其中,k_KNN用于设置在指K邻近法利用KNN算法遍历所有的样本点,获取每个样本最近的k个点作为近邻;K_Eig表示算法中前多少个特征值的特征向量;sigsq为算法中的离散系数,通过设置其值的大小可以修正离散程度。在一些实施例中,在得到路网可视化界面后,如果所述路网可视化界面存在子区缺失、标识颜色重复,则进行预处理步骤的数据检查、以及重新获取路网可视化界面。
对于获得的路网可视化界面进行检查,如果存在小区节点缺失、标识圆点颜色重复等问题,则需要对初始全子区信息进行预处理步骤再次检查,然后重新生成路网可视化界面。
本申请还提供了一种基于多级子区划分的路网可视化装置,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序时执行如本申请实施例所述任一基于多级子区划分的路网可视化方法。所述方法在前文中已详细阐述,本段落不在赘述。
参照图9,用于实现要求保护主题的各个方面的适当环境900包括计算机902。计算机902包括处理单元904、系统存储器906、编解码器和系统总线908。系统总线908将系统组件(包括但不限于系统存储器906)耦合到处理单元904。处理单元904能够是各种可用处理器的任何处理器。双微处理器和其它多处理器架构也能够用作处理单元904。
系统总线908能够具有若干类型的总线结构的任何类型,包括存储器总线或存储控制器、外围总线或外部总线和/或本地总线,其使用任何种类的可用总线架构,包括但不限于工业标准架构(ISA)、微通道架构(MSA)、扩展ISA(EISA)、智能驱动电子(IDE)、VESA本地总线(VLB)、外设部件互连(PCI)、卡总线、通用串行总线(USB)、高级图形端口(AGP)、个人计算机存储卡国际协会总线(PCMCIA)、火线(IEEE 1394)和小型计算机系统接口(SCSI)。
系统存储器906包括易失性存储器910和非易失性存储器912。含有例如在启动期间在计算机902内的元件之间传递信息的基本例程的基本输入/输出系统(BIOS)被存储在非易失性存储器912中。作为说明而不是限制,非易失性存储器912能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦可编程ROM(EEPROM)或闪速存储器。易失性存储器910包括随机存取存储器(RAM),其充当外部高速缓冲存储器。按照本方面,易失性存储器可存储写操作重试逻辑(图9中未示出)等。作为说明而不是限制,RAM是采取许多形式可用的,例如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍数据速率SDRAM(DDR SDRAM)和增强SDRAM(ESDRAM)。
计算机902还可包括可拆卸/不可拆卸、易失性/非易失性计算机存储介质。图9示出例如磁盘存储设备914。磁盘存储设备914包括但不限于像磁盘驱动器、固态磁盘(SSD)、软盘驱动器、磁带驱动器、Zip驱动器、LS-110驱动器、闪速存储卡或存储棒的装置。另外,磁盘存储装置914能够包括单独地或者与其它存储介质相组合的存储介质,包括但不限于光盘驱动器(例如致密盘ROM装置(CD-ROM)、CD可记录驱动器(CD-R驱动器)、CD可重写驱动器(CD-RW驱动器)或者数字多功能盘ROM驱动器(DVD-ROM)。为了促进磁盘存储装置914与系统总线908的连接,典型地使用可拆卸或者不可拆卸接口(例如接口916)。
要意识到,图9描述软件、执行中的软件、硬件和/或与硬件相组合的软件,其充当用户与适当操作环境900中描述的基本计算机资源之间的中介。这种软件包括操作系统918。操作系统918(其能够存储在磁盘存储设备914上)起作用以控制和分配计算机系统902的资源。应用920利用操作系统918通过系统存储器906中或者磁盘存储设备914上存储的程序模块924和程序数据926(例如引导/关机事务表等)的对资源的管理。要意识到,要求保护主题能够采用各种操作系统或者操作系统的组合来实现。例如应用920和程序数据926能够包括实现本申请的方面的软件。
用户通过(一个或多个)输入装置928(其非限制性示例能够包括指点装置(例如鼠标)、轨迹球、指示笔、触摸板、键盘、话筒、操纵杆、游戏手柄、圆盘式卫星天线、扫描仪、电视调谐卡、数码相机、数字摄像机、电子鼻、万维网摄像头或者允许用户与计算机902进行交互的其它装置)将命令或信息输入计算机902中。这些和其它输入装置经由(一个或多个)接口端口930通过系统总线908来连接到处理单元904。(一个或多个)接口端口930包括例如串行端口、并行端口、游戏端口和通用串行总线(USB)。(一个或多个)输出装置936使用与(一个或多个)输入装置928相同类型的端口中的一些。因此,例如,USB端口可用来向计算机902提供输入,并且从计算机902向输出装置936输出信息。提供输出适配器934,以示出存在一些输出装置936,像监视器、扬声器和打印机连同要求特殊适配器的其它输出装置936。输出适配器934作为说明而不是限制包括视频和声卡,其提供输出装置936与系统总线908之间的连接的手段。应当注意,其它装置和/或装置的系统提供输入和输出能力两者,例如(一个或多个)远程计算机938。
计算机902能够在使用到一个或多个远程计算机(例如(一个或多个)远程计算机938)的逻辑连接的网络化环境中进行操作。(一个或多个)远程计算机938能够是个人计算机、服务器、路由器、网络PC、工作站、基于微处理器的器具、对等装置、智能电话、平板电脑或者其它网络节点,并且典型地包括相对于计算机902描述的元件中的许多元件。为了简洁的目的,随(一个或多个)远程计算机938仅示出存储器存储装置940。(一个或多个)远程计算机938通过网络接口942逻辑地连接到计算机902,并且然后经由(一个或多个)通信连接944来连接。网络接口942包含有线或无线通信网络,例如局域网(LAN)、广域网(WAN)和蜂窝网络。LAN技术包括光纤分布数据接口(FDDI)、铜分布数据接口(CDDI)、以太网、令牌环等。WAN技术包括但不限于点对点链路、电路切换网络(像综合服务数字网络(ISDN)及其变化)、分组切换网络和数字用户线(DSL)。
一个或多个通信连接944指用来将网络接口942连接到总线908的硬件/软件。虽然通信连接944为了说明的清楚而在计算机902内部示出,但是它也能够在计算机902外部的。到网络接口942的连接所需的硬件/软件包括(仅为了示范目的)内部和外部技术,例如调制解调器(包括普通电话级调制解调器、电缆调制解调器和DSL调制解调器)、ISDN适配器、有线和无线以太网卡、集线器和路由器。
现在参照图10,示出按照本说明书的计算环境1000的示意框图。系统1000包括一个或多个客户端1002(例如计算机、智能电话、平板、照相机、PDA)。(一个或多个)客户端1002能够是硬件和/或软件(例如线程、进程、计算装置)。(一个或多个)客户端1002能够例如采用本说明书来容纳(一个或多个)cookie和/或关联的上下文信息。
系统1000还包括一个或多个服务器1004。(一个或多个)服务器1004也能够是硬件或者与软件相组合的硬件(例如线程、进程、计算装置)。服务器1004能够容纳例如通过采用本申请的方面来执行媒体项的变换的线程。客户端1002与服务器1004之间的一种可能通信能够采取适合在两个或更多计算机进程之间传送的数据分组的形式,其中数据分组可包括编码分析预留空间和/或输入。数据分组能够包括例如cookie和/或关联的上下文信息。系统1000包括通信框架1006(例如,全球通信网络,例如因特网),其能够用来促进(一个或多个)客户端1002与(一个或多个)服务器1004之间的通信。
通信能够经由有线(包括光纤)和/或无线技术来促进。(一个或多个)客户端1002操作地连接到一个或多个客户端数据存储设备1004,其能够用来存储(一个或多个)客户端1002本地的信息(例如(一个或多个)cookie和/或关联的上下文信息)。类似地,(一个或多个)服务器1004操作地连接到一个或多个服务器数据存储设备1010,其能够用来存储服务器1004本地的信息。
在一个示范实现中,客户端1002能够向服务器1004传递编码的文件(例如编码的媒体项)。服务器1004能够存储文件,对文件解码,或者将文件传送给另一个客户端1002。要意识到,按照本申请,客户端1002还能够向服务器1004传递未压缩的文件,以及服务器1004能够压缩文件和/或变换文件。同样,服务器1004能够对信息编码,并且经由通信框架1006将信息传送给一个或多个客户端1002。
本申请的所示方面还可在分布式计算环境中实践,其中某些任务由远程处理装置(其通过通信网络所链接)来执行。在分布式计算环境中,程序模块能够位于本地和远程存储器存储装置两者中。
此外要意识到,本申请所述的各种组件(例如视频分析组件、应急服务组件、数据采集监控组件等)能够包括(一个或多个)电路,其能够包括适当值的组件和电路元件,以便实现本创新的方面。此外能够意识到,各种组件的许多组件能够在一个或多个集成电路(IC)芯片上实现。在一个示范实现中,组件集合能够在单个IC芯片上实现。在其它示范实现中,相应组件的一个或多个在单独IC芯片上制作或实现。
以上已经描述的包括本发明的实现的示例。为了描述要求保护主题的目的,当然不可能描述组件或方法的每一个可设想组合,但是要意识到,本创新的许多另外组合和置换是可能的。相应地,要求保护主题打算包含全部这类改变、修改和变化,其落入所附权利要求的精神和范围之内。此外,包括″摘要″中所述的事物的本申请的所示实现的以上描述并不是要详细列举或者将所公开实现局限于所公开的精确形式。虽然本申请中为了说明目的而描述具体实现和示例,但是如相关领域的技术人员能够认识的,被认为在这类实现和示例的范围之内的各种修改是可能的。
具体来说并且关于由上述组件、装置、电路、系统等所执行的各种功能,除非另加指示,否则用来描述这类组件的术语打算对应于执行所述组件的所指定功能(例如,功能等效)的任何组件,即使不是在结构上等效于所公开结构(其执行要求保护主题的本申请所示示范方面的功能)。在这方面,还将会认识到,创新包括系统以及计算机可读存储介质,其具有计算机可执行指令,以用于执行要求保护主题的各种方法的动作和/或事件。
已经针对若干组件/块之间的交互描述了上述系统/电路/模块。能够意识到,这类系统/电路和组件/块能够包括那些组件或者所指定子组件、所指定组件或者子组件的一些和/或附加组件,并且按照以上述各种置换和组合。子组件还能够实现为通信地耦合到其它组件而不是包括在父组件(分级)内的组件。另外,应当注意,一个或多个组件可组合为提供聚合功能性的单个组件或者分为若干单独子组件,以及可提供任何一个或多个中间层(例如管理层),以通信地耦合到这类子组件,以便提供综合功能性。本申请所述的任何组件还可与本申请中没有具体描述但是本领域的技术人员已知的一个或多个其它组件进行交互。
虽然阐明本发明的广义范围的数值范围和参数是近似值,但是具体示例中阐明的数值尽可能准确地报导。但是,任何数值固有地含有必然产生于其相应测试测量中找到的标准偏差的某些误差。此外,本申请所公开的全部范围要被理解为包含其中所包含的任何和全部子范围。例如,″小于或等于11″的范围能够包括零的最小值与11的最大值之间(并且包含该最小值与最大值)的任何和全部子范围,即,任何和全部子范围具有等于或大于零的最小值以及等于或小于11的最大值(例如1至5)。在某些情况下,如对参数所述的数值能够具有负值。
另外,虽然可能已经仅针对若干实现之一公开了本创新的特定特征,但是这种特征可如对任何给定或特定应用可预期和有利的与其它实现的一个或多个其它特征相组合。此外,在详细描述或者权利要求中使用术语″包括(include、including)″、″具有″、″含有″及其变体和其它类似词语的意义上,这些术语打算采用与作为开放过渡词语的术语″包含″相似的方式是包含的,而没有排除任何附加或其它元件。
遍及本说明书中提到″一个实现″或″一实现″表示结合该实现所述的特定特征、结构或特性包含在至少一个实现中。因此,短语″在一个实现中″或者″在一实现中″在遍及本说明书中的各个位置的出现不一定全部指相同实现。此外,具体特征、结构或特性可采用任何适当方式结合在一个或多个实现中。
此外,遍及本说明书中提到″项″或″文件″意味着结合实现所述的特定结构、特征或对象不一定指相同对象。此外,″文件″或″项″能够指各种格式的对象。
如本申请中使用的术语″组件″、″模块″、″系统″等一般打算指作为硬件(例如电路)、硬件和软件的组合的计算机相关实体或者与具有一个或多个特定功能性的操作机器相关的实体。例如,组件可以是(但不限于)在处理器(例如数字信号处理器)上运行的进程、处理器、对象、可执行、执行线程、程序和/或计算机。作为说明,在控制器上运行的应用和控制器两者均能够是组件。一个或多个组件可驻留在进程和/或执行线程中,以及组件可定位在一个计算机上和/或分布在两个或更多计算机之间。虽然在各个实现中描绘单独组件,但是要意识到,组件可采用一个或多个公共组件来表示。此外,各个实现的设计能够包括不同组件放置、组件选择等,以实现最佳性能。此外,″装置″能够采取专门设计硬件;通过其上的软件(其使硬件能够执行特定功能)的执行被专门化的一般化硬件;计算机可读介质上存储的软件;或者其组合的形式。
此外,词语″示例″或″示范″在本申请中用来表示″用作示例、实例或说明″。本申请中描述为″示范″的任何方面或设计不一定被理解为相对其它方面或设计是优选或有利的。相反,词语″示例″或″示范″的使用打算以具体方式呈现概念。如本申请所使用的,术语″或者″打算表示包含″或″而不是互斥″或″。即,除非另加说明或者从上下文清楚地知道,否则″X采用A或B″打算表示自然包含置换的任一个。即,如果X采用A;X采用B;或者X采用A和B两者,则在上述实例的任何实例下均满足″X采用A或B″。另外,如本申请和所附权利要求中所使用的冠词″一(a和an)″应当一般地理解为表示″一个或多个″,除非另加说明或者从上下文清楚地知道针对单数形式。

Claims (10)

1.一种基于多级子区划分的路网可视化方法,其特征在于,所述方法包括:
输入K级子区交通信息,进行多级子区划分得到初始全子区信息;
对所述初始全子区信息进行预处理得到标准全子区信息;
在前端应用中载入路网地图信息、以及所述标准全子区信息;
基于所述标准全子区信息,在所述路网地图信息上标识子区,得到路网可视化界面。
2.如权利要求1所述基于多级子区划分的路网可视化方法,其特征在于,在得到路网可视化界面后,还包括步骤:
如果所述路网可视化界面的孤点子区占比大于等于预设孤点比例阈值,则调整多级子区划分参数重新获取初始全子区信息、以及路网可视化界面,直至孤点子区占比小于预设孤点比列阈值;
如果所述路网可视化界面存在子区缺失、标识颜色重复,则进行预处理步骤的数据检查、以及重新获取路网可视化界面。
3.如权利要求1所述基于多级子区划分的路网可视化方法,其特征在于,所述初始全子区信息包括:交叉口ID信息、经纬度信息、子区序号信息;
所述全子区为:多级子区划分输出的K+1级子区、以及未划分的K级子区。
4.如权利要求3所述基于多级子区划分的路网可视化方法,其特征在于,所述子区序号信息,通过执行如下获取:
K+1级子区序号在未划分K级子区序号的基础上继续编号。
5.如权利要求1所述基于多级子区划分的路网可视化方法,其特征在于,所述预处理,包括:
去除所述初始全子区信息的冗余信息,所述冗余信息包括引号、逗号;
规范化所述初始全子区信息的内容顺序及格式。
6.如权利要求1所述基于多级子区划分的路网可视化方法,其特征在于,所述路网地图信息来自本地地图。
7.如权利要求1所述基于多级子区划分的路网可视化方法,其特征在于,所述标识子区,执行包括:
将所述路网地图信息上子区所在位置标识为具有颜色特征的图形。
8.如权利要求7所述基于多级子区划分的路网可视化方法,其特征在于,所述图形为圆,不同子区具有不同的颜色特征。
9.如权利要求3所述基于多级子区划分的路网可视化方法,其特征在于,所述全子区的子区个数大于等于预设阈值时,调整多级子区划分参数重新执行划分,直至所述全子区的子区个数小于预设阈值。
10.一种基于多级子区划分的路网可视化装置,其特征在于,包括:
存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序时执行如权利要求1-9中任一所述方法。
CN202010258723.7A 2020-04-03 2020-04-03 一种基于多级子区划分的路网可视化方法及装置 Active CN111462490B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010258723.7A CN111462490B (zh) 2020-04-03 2020-04-03 一种基于多级子区划分的路网可视化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010258723.7A CN111462490B (zh) 2020-04-03 2020-04-03 一种基于多级子区划分的路网可视化方法及装置

Publications (2)

Publication Number Publication Date
CN111462490A true CN111462490A (zh) 2020-07-28
CN111462490B CN111462490B (zh) 2022-06-21

Family

ID=71680541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010258723.7A Active CN111462490B (zh) 2020-04-03 2020-04-03 一种基于多级子区划分的路网可视化方法及装置

Country Status (1)

Country Link
CN (1) CN111462490B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114639238A (zh) * 2022-02-23 2022-06-17 东南大学 基于归一化谱聚类算法的城市快速路交通状态估计方法
CN117671964A (zh) * 2024-02-01 2024-03-08 交通运输部公路科学研究所 一种智能网联环境下基于令牌环的环形交叉口控制方法

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1153445A (ja) * 1997-08-07 1999-02-26 M I T:Kk 電子式土地評価情報表示システム及び記録媒体
US5999877A (en) * 1996-05-15 1999-12-07 Hitachi, Ltd. Traffic flow monitor apparatus
CN102074117A (zh) * 2010-12-28 2011-05-25 同济大学 道路分区域短程同步控制方法
CN201853355U (zh) * 2010-07-08 2011-06-01 上海交大高新技术股份有限公司 城市交通自适应控制装置
CN103531024A (zh) * 2013-10-28 2014-01-22 武汉旭云科技有限公司 一种动态交通路网城市道路要素模型及其建模方法
CN105185116A (zh) * 2015-09-15 2015-12-23 广州地理研究所 网络集约小客车出行需求热力图构建方法
CN105225503A (zh) * 2015-11-09 2016-01-06 中山大学 交通控制子区优化与自适应调整方法
CN105339760A (zh) * 2013-07-29 2016-02-17 爱信艾达株式会社 交通信息引导系统、交通信息引导装置、交通信息引导方法以及计算机程序
CN106408943A (zh) * 2016-11-17 2017-02-15 华南理工大学 一种基于宏观基本图的路网交通拥堵甄别方法
US20170169708A1 (en) * 2015-11-02 2017-06-15 Christopher W. Brown Method, System and Social Platform for Enabling Participating Members to Equitably and Efficiently Disseminate Parking Location Information in a Timely Manner
CN107180541A (zh) * 2017-06-01 2017-09-19 华南理工大学 一种交通控制小区的动态调整方法
CN108320511A (zh) * 2018-03-30 2018-07-24 江苏智通交通科技有限公司 基于谱聚类的城市道路交通子区划分方法
CN108648454A (zh) * 2018-05-18 2018-10-12 中山大学 一种基于出行数据的交通小区动态划分方法
CN109448370A (zh) * 2018-10-29 2019-03-08 东南大学 一种基于车辆轨迹数据的交通控制子区划分方法
CN109887297A (zh) * 2019-04-23 2019-06-14 太原理工大学 基于快速全局K-means谱聚类的城市交通控制子区的划分方法
CN110322117A (zh) * 2019-06-05 2019-10-11 海信集团有限公司 一种交通控制子区划分方法、装置、电子设备及存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5999877A (en) * 1996-05-15 1999-12-07 Hitachi, Ltd. Traffic flow monitor apparatus
JPH1153445A (ja) * 1997-08-07 1999-02-26 M I T:Kk 電子式土地評価情報表示システム及び記録媒体
CN201853355U (zh) * 2010-07-08 2011-06-01 上海交大高新技术股份有限公司 城市交通自适应控制装置
CN102074117A (zh) * 2010-12-28 2011-05-25 同济大学 道路分区域短程同步控制方法
CN105339760A (zh) * 2013-07-29 2016-02-17 爱信艾达株式会社 交通信息引导系统、交通信息引导装置、交通信息引导方法以及计算机程序
CN103531024A (zh) * 2013-10-28 2014-01-22 武汉旭云科技有限公司 一种动态交通路网城市道路要素模型及其建模方法
CN105185116A (zh) * 2015-09-15 2015-12-23 广州地理研究所 网络集约小客车出行需求热力图构建方法
US20170169708A1 (en) * 2015-11-02 2017-06-15 Christopher W. Brown Method, System and Social Platform for Enabling Participating Members to Equitably and Efficiently Disseminate Parking Location Information in a Timely Manner
CN105225503A (zh) * 2015-11-09 2016-01-06 中山大学 交通控制子区优化与自适应调整方法
CN106408943A (zh) * 2016-11-17 2017-02-15 华南理工大学 一种基于宏观基本图的路网交通拥堵甄别方法
CN107180541A (zh) * 2017-06-01 2017-09-19 华南理工大学 一种交通控制小区的动态调整方法
CN108320511A (zh) * 2018-03-30 2018-07-24 江苏智通交通科技有限公司 基于谱聚类的城市道路交通子区划分方法
CN108648454A (zh) * 2018-05-18 2018-10-12 中山大学 一种基于出行数据的交通小区动态划分方法
CN109448370A (zh) * 2018-10-29 2019-03-08 东南大学 一种基于车辆轨迹数据的交通控制子区划分方法
CN109887297A (zh) * 2019-04-23 2019-06-14 太原理工大学 基于快速全局K-means谱聚类的城市交通控制子区的划分方法
CN110322117A (zh) * 2019-06-05 2019-10-11 海信集团有限公司 一种交通控制子区划分方法、装置、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114639238A (zh) * 2022-02-23 2022-06-17 东南大学 基于归一化谱聚类算法的城市快速路交通状态估计方法
CN114639238B (zh) * 2022-02-23 2023-02-14 东南大学 基于归一化谱聚类算法的城市快速路交通状态估计方法
CN117671964A (zh) * 2024-02-01 2024-03-08 交通运输部公路科学研究所 一种智能网联环境下基于令牌环的环形交叉口控制方法
CN117671964B (zh) * 2024-02-01 2024-04-12 交通运输部公路科学研究所 一种智能网联环境下基于令牌环的环形交叉口控制方法

Also Published As

Publication number Publication date
CN111462490B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN111651545B (zh) 一种基于多源数据融合的城市边缘区提取方法
Shepelev et al. The use of multi-sensor video surveillance system to assess the capacity of the road network
CN109410577B (zh) 基于空间数据挖掘的自适应交通控制子区划分方法
KR102124955B1 (ko) 시각적 분석을 통한 교통 혼잡 원인 식별 방법 및 서버
He et al. Network-wide identification of turn-level intersection congestion using only low-frequency probe vehicle data
CN108920481B (zh) 一种基于手机定位数据的道路网重建方法及系统
CN109493119B (zh) 一种基于poi数据的城市商业中心识别方法及系统
CN106323301A (zh) 一种道路情报的获取方法及装置
JP2013206462A (ja) デジタルカメラ画像から駐車場占有状態を測定する方法
CN107067781B (zh) 一种用于先进驾驶辅助系统应用的gis道路黑点地图生成方法
CN113723715B (zh) 公交线网自动匹配道路网络方法、系统、设备及存储介质
WO2022227303A1 (zh) 信息处理方法、装置、计算机设备及存储介质
CN108961758A (zh) 一种基于梯度提升决策树的路口展宽车道探测方法
CN111462490B (zh) 一种基于多级子区划分的路网可视化方法及装置
CN116797055B (zh) 一种基于物联网的城市道路规划方法及系统
CN110322117A (zh) 一种交通控制子区划分方法、装置、电子设备及存储介质
CN111598069B (zh) 一种基于深度学习的高速公路车辆换道区域分析方法
CN113868492A (zh) 一种基于电警、卡口数据的可视化od分析方法及应用
CN114548298A (zh) 模型训练、交通信息处理方法、装置、设备和存储介质
CN115439750A (zh) 道路病害检测方法、装置、电子设备及存储介质
KR20210018493A (ko) 차선 속성 검출
CN114661744A (zh) 一种基于深度学习的地形数据库更新方法及系统
CN111325979B (zh) 一种划分交通控制多级子区的方法及装置
CN110264725B (zh) 路段流量的确定方法及装置
Eftelioglu et al. RING-Net: Road inference from gps trajectories using a deep segmentation network

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