CN111583668B - 交通拥堵检测方法、装置、电子设备和存储介质 - Google Patents
交通拥堵检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111583668B CN111583668B CN202010460671.1A CN202010460671A CN111583668B CN 111583668 B CN111583668 B CN 111583668B CN 202010460671 A CN202010460671 A CN 202010460671A CN 111583668 B CN111583668 B CN 111583668B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target lane
- determining
- moment
- sampling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000005070 sampling Methods 0.000 claims abstract description 116
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000015654 memory Effects 0.000 claims description 19
- 239000013598 vector Substances 0.000 description 14
- 230000008034 disappearance Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了交通拥堵检测方法、装置、电子设备和存储介质,涉及智能交通领域。具体实现方案为:根据目标车道内的各车辆的速度,获取多个采样时刻中每个采样时刻各车辆的车辆速度均值;根据每个采样时刻各车辆的车辆速度均值,获取车辆速度均值和;根据车辆速度均值和,确定目标车道的拥堵状态。本申请实施例能够准确确定目标车道的拥堵状态,且成本较低。
Description
技术领域
本申请涉及数据处理领域,尤其涉及智能交通领域。
背景技术
在车辆行驶过程中,确定前方道路是否拥堵对规划车辆路径具有重要意义。目前,为了准确检测拥堵,一般由专人开车巡查,主动发现拥堵区域,当发现拥堵区域时,上报相关信息到后台。但是,这种方法需要付出高昂的车辆保养成本和人工成本。
发明内容
本申请实施例提供一种交通拥堵检测方法,包括:
根据目标车道内的各车辆的速度,获取多个采样时刻中每个采样时刻各车辆的车辆速度均值;
根据每个采样时刻各车辆的车辆速度均值,获取车辆速度均值和;
根据车辆速度均值和,确定目标车道的拥堵状态。
本申请实施例还提供一种交通拥堵检测装置,包括:
均值获取模块,用于根据目标车道内的各车辆的速度,获取多个采样时刻中每个采样时刻各车辆的车辆速度均值;
均值和获取模块,用于根据每个采样时刻各车辆的车辆速度均值,获取车辆速度均值和;
拥堵确定模块,用于根据车辆速度均值和,确定目标车道的拥堵状态。
本申请实施例还提供一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请任一实施例提供的方法。
本申请实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本申请任一实施例提供的方法。
本申请实施例还提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如上所述的方法。
上述申请中的一个实施例具有如下优点或有益效果:由于车辆速度均值和能够准确地反映各车辆总体行驶情况,因此,确定出的目标车道的拥堵状态准确;与人工开车巡查检测拥堵相比,更加快速、准确、便捷,且减少了人工成本和车辆保养成本等。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请一实施例的交通拥堵检测方法的流程图;
图2是根据本申请另一实施例的交通拥堵检测方法的流程图;
图3是根据本申请一实施例确定拥堵区域的示意图;
图4是根据本申请又一实施例的交通拥堵检测方法的流程图;
图5是根据本申请又一实施例的交通拥堵检测方法的流程图;
图6是根据本申请一实施例的交通拥堵检测装置的结构示意图;
图7是根据本申请另一实施例的交通拥堵检测装置的结构示意图;
图8是用来实现本申请实施例的交通拥堵检测方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请实施例的交通拥堵检测方法的流程图。如图1所示,该方法可以包括:
步骤S11、根据目标车道内的各车辆的速度,获取多个采样时刻中每个采样时刻各车辆的车辆速度均值;
步骤S12、根据每个采样时刻各车辆的车辆速度均值,获取车辆速度均值和;
步骤S13、根据车辆速度均值和,确定目标车道的拥堵状态。
本申请实施例中,由于车辆速度均值和能够准确地反映各车辆总体行驶情况,因此,确定出的目标车道的拥堵状态准确;与人工开车巡查检测拥堵相比,更加快速、准确、便捷,且减少了人工成本和车辆保养成本等。
示例性地,各采样时刻可以间隔相同的时长,例如1s或2s。对于每个采样时刻,可以先获取目标车道内的各车辆的速度,计算这些车辆的速度的平均值,得到每个采样时刻的车辆速度均值。对多个采样时刻中每个采样时刻的车辆速度均值进行累加,得到车辆速度均值和。然后,根据车辆速度均值和是否满足预定条件例如是否在预定数值范围内,确定目标车道是否发生拥堵。例如,5个采样时刻的车辆速度均值,分别为10km/h、12km/h、15km/h、13km/h、10km/h。累加得到上述5个采样时刻的车辆速度均值和为60km/h。然后,判断60km/h是否满足预定条件,如果是,则确定该目标车道发生拥堵,否则确定该目标车道未发生拥堵。
在一种实施方式中,在步骤S13中,根据车辆速度均值和,确定目标车道的拥堵状态,包括:在车辆速度均值和小于第一阈值的情况下,确定目标车道在第一时刻发生拥堵。
例如,预先设置第一阈值为50km/h,如果5个采样时刻的车辆速度均值和为40km/h,则确定目标车道发生拥堵。
在该示例性实施方式中,根据车辆速度均值是否小于第一阈值,识别出一段时间内各车辆总体行驶缓慢的情况,提高了拥堵检测的准确性。
可选地,在车辆速度均值和大于或等于第一阈值的情况下,确定目标车道在第一时刻没有发生拥堵。
在一种实施方式中,在步骤S13之前,交通拥堵检测方法还包括:根据目标车道上每个采样时刻的车辆数量与第二阈值,确定车辆数量小于第二阈值的次数。相应地,在步骤S13中,根据车辆速度均值和,确定目标车道的拥堵状态,包括:在车辆速度均值和小于第一阈值且上述次数小于第三阈值的情况下,确定目标车道在第一时刻发生拥堵。其中,可以先判断车辆速度均值和是否小于第一阈值,再判断,车辆数量是否小于第二阈值,车辆数量小于第二阈值的次数是否小于第三阈值。也可以先判断车辆数量是否小于第二阈值,以及车辆数量小于第二阈值的次数是否小于第三阈值,再判断车辆速度均值和是否小于第一阈值。
例如,预先设置第二阈值为10,第三阈值为1。如果目标车道上5个采样时刻的车辆数量分别为10、12、13、11和12,则车辆数量小于第二阈值10的次数为0。该次数0小于第三阈值1,并且车辆速度均值和小于第一阈值,可以判定目标车道发生拥堵。如果目标车道上5个采样时刻的车辆数量分别为9、12、7、11和12,则车辆数量小于第二阈值10的次数为2。该次数2大于第三阈值1,无论车辆速度均值和是否小于第一阈值,可以判定目标车道未发生拥堵。
在该示例性实施方式中,在目标车道内的车辆行驶缓慢且车辆数量持续较多的情况下,确定目标车道发生拥堵,提高了拥堵检测的准确性。
可选地,在车辆速度均值和大于等于第一阈值,或者上述次数大于等于第三阈值的情况下,确定目标车道在第一时刻没有发生拥堵。
实际应用时,通过调整对第二阈值和第三阈值的设置,也可以先确定车辆数量是否大于或等于第二阈值,以及车辆数量大于第二阈值的次数,再结合车辆速度均值和判断目标车道是否发生拥堵。示例性地,在步骤S13之前,交通拥堵检测方法还包括:根据目标车道上每个采样时刻的车辆数量与第二阈值,确定车辆数量大于或等于第二阈值的次数。相应地,在步骤S13中,根据车辆速度均值和,确定目标车道的拥堵状态,包括:在车辆速度均值和小于第一阈值且上述次数大于第三阈值的情况下,确定目标车道在第一时刻发生拥堵。
例如,预先设置第二阈值为10,第三阈值为4。如果目标车道上5个采样时刻的车辆数量分别为10、12、13、11和12,则车辆数量大于第二阈值10的次数为5。该次数5大于第三阈值4,并且车辆速度均值和小于第一阈值,可以判定目标车道发生拥堵。如果目标车道上5个采样时刻的车辆数量分别为9、12、7、11和12,则车辆数量大于第二阈值10的次数为3。该次数3小于第三阈值4,无论车辆速度均值和是否小于第一阈值,可以判定目标车道未发生拥堵。
上述示例中,拥堵状态与采样时刻对应,即在每个采样时刻都可以更新拥堵状态,为提高拥堵检测的时效性奠定了基础。
示例性地,第一时刻可以为多个采样时刻中的最后一个时刻。例如连续的5个采样时刻中的第5个采样时刻为第一时刻。如此,可以根据当前采样时刻和当前采样时刻之前的4个采样时刻的速度均值,确定当前采样时刻是否发生拥堵,无需等待当前采样时刻过后的数据。因此,有利于实时地更新目标车道的拥堵状态,提高了拥堵检测的时效性。
图2是根据本申请另一实施例的交通拥堵检测方法的流程图,如图2所示,该方法可以包括:
步骤S21、根据目标车道上每个采样时刻的车辆数量与第二阈值,确定车辆数量小于第二阈值的次数;
步骤S22、根据该次数,确定目标车道的拥堵状态。
示例性地,在该次数小于第三阈值的情况下,确定目标车道在第一时刻发生拥堵。在该次数大于等于第三阈值的情况下,确定目标车道在第一时刻没有发生拥堵。
在本实施例中,可以直接根据车辆数量判断目标车道是否拥堵。例如,预先设置第二阈值为10,第三阈值为1。如果目标车道上5个采样时刻的车辆数量分别为10、12、13、11和12,则车辆数量小于第二阈值10的次数为0。该次数0小于第三阈值1,可以判定目标车道发生拥堵。如果目标车道上5个采样时刻的车辆数量分别为9、12、7、11和12,则车辆数量小于第二阈值10的次数为2。该次数2大于第三阈值1,可以判定目标车道未发生拥堵。
根据上述方法,在目标车道内车辆数量持续较多的情况下,确定目标车道发生拥堵,处理逻辑简单,提高了拥堵检测的效率。
作为一种示例性的实施方式,交通拥堵检测方法还可以包括:
在目标车道在第一时刻发生拥堵的情况下,根据第一时刻在目标车道内的速度小于第四阈值的车辆的位置,确定拥堵区域。
例如,预先设置第四阈值为10km/h。参考图3,如果在第一时刻,目标车道L1发生拥堵,目标车道L2没有发生拥堵,目标车道L1和L2内的各车辆的速度如图3所示,则根据目标车道L1内速度低于10km/h的车辆的位置,确定出拥堵区域P。
在该示例性的实施方式中,根据速度小于第四阈值的车辆的位置确定出拥堵区域,相当于用拥堵车辆的位置组成拥堵区域,因此,拥堵区域的准确度可精确到车身尺寸,例如可以精确到米量级,提高了拥堵检测的精确度。
作为一种示例性的实施方式,如图4所示,交通拥堵检测方法还可以包括:
步骤S14、在目标车道在第一时刻发生拥堵的情况下,如果目标车道在第一时刻后的连续N个采样时刻没有发生拥堵,则确定目标车道结束拥堵,其中,N≥2。
例如,N=3,在目标车道在第5个采样时刻发生拥堵的情况下,如果目标车道在第6个、第7个和第8个采样时刻均没有发生拥堵,则确定目标车道结束拥堵;如果目标车道在第6个采样时刻没有发生拥堵,但在第7个采样时刻发生拥堵,则确定拥堵没有结束,需要在第9个、第10个和第11个采样时刻均没有发生拥堵,才能确定目标车道结束拥堵。在一种实施方式中,可以设置拥堵消失计数器。在确定目标车道发生拥堵时,拥堵消失计数置0;在确定目标车道没有发生拥堵时,使拥堵消失计数加1。如此,在拥堵消失计数大于或等于N时,目标车道已经连续N个采样时刻没有发生拥堵,可以确定目标车道结束拥堵。
在该示例性的实施方式中,目标车道在发生拥堵后连续N个采样时刻均没有再次拥堵,才确定结束拥堵,避免因个别车辆加速或偶然的车辆数量减少导致频繁改变目标车道的拥堵状态,提高拥堵检测的稳定性。
作为一种示例性的实施方式,如图5所示,交通拥堵检测方法还可以包括:
步骤S51、根据目标区域的至少一个视觉传感器拍摄的车辆图像,确定目标区域内的各车辆的位置;
步骤S52、根据目标区域内的各车辆的位置,确定目标车道内的各车辆。
该示例性实施方式根据视觉传感器拍摄的图像确定目标车道内的各车辆,可以自动识别出车辆,降低拥堵检测成本。并且能够实时获得目标车道上各车辆的信息,为提高拥堵检测的时效性奠定了基础。
其中,目标区域可以包括几个路口所在的区域或一段道路所在的区域,还可以包括以某个地理位置为中心的具有一定形状的区域例如圆形区域或方形区域。
可以在目标区域设置多个视觉传感器例如相机、摄像机等。然后,从多个视觉传感器拍摄的多个图像中识别出车辆。其中,不同的视觉传感器的视野范围可能有相同部分,本申请实施例对从不同视觉传感器拍摄的图像中识别出的相同车辆,先进行去重处理,然后确定目标区域内的各车辆,提高车辆数据的准确性。
在确定目标区域内的各车辆后,根据预先标定好的各视觉传感器的内参数和外参数,可以将车辆在图像中的像素位置,转换为车辆在世界坐标系下的位置。
根据电子地图可以得到目标区域内各车道的位置。根据各车辆的位置和各车道的位置,能够确定出位于目标车道内的车辆。
示例性地,根据目标区域内的各车辆的位置,确定目标车道内的各车辆,包括:
将目标区域内在连续M个采样时刻位于目标车道内的车辆,确定为目标车道内的车辆,其中,M≥2。
从同一采样时刻拍摄的图像中,可以得到该采样时刻的各车辆的位置。如果一个车辆仅在个别采样时刻位于目标车道内,则该车辆可能是临时变道。由于临时变道的车辆速度不稳定,如果将临时变道的车辆确定为目标车道内的车辆,可能导致目标车道被错判为发生拥堵,因此,上述示例中将连续M个采样时刻位于目标车道内的车辆确定为目标车道内的车辆,可以避免拥堵错判,提高拥堵检测的准确性。
实际应用时,根据目标区域内的至少一个视觉传感器拍摄的图像,还可以获得目标区域内的各车辆的速度。例如,在每个采样时刻,获取当前拍摄的图像和之前K个采样时刻拍摄的图像。根据至少两个采样时刻拍摄的图像,确定车辆在至少两个采样时刻的位置。根据图像的时间戳和车辆的位置差,可以计算得到车辆的速度,将该速度视为车辆在当前采样时刻的速度。
本申请实施例中,由于车辆速度均值和能够准确地反映各车辆总体行驶情况,因此,确定出的目标车道的拥堵状态准确;与人工开车巡查检测拥堵相比,更加快速、准确、便捷,且减少了人工成本和车辆保养成本等。
以下以具体的应用示例说明本申请实施例的效果:
阶段一、初始化数据
步骤1.1:遍历目标区域内各视觉传感器例如相机,以遍历到的视觉传感器的位置为圆心,确定半径为200米的圆内的所有车道,作为需要确定拥堵状态的目标车道。为每一车道赋予车道编号。然后,建立用于存储各车道信息的字典或车道数据库,字典或车道数据库中的索引为车道编号,与索引对应的值为对应的车道的信息,例如车道内的车辆数量、车辆速度等。
配置初始化参数,并将初始化参数的值设置为“False”,表示初始化未完成。
步骤1.2:对每一个车道,在上述字典中添加每个车道的结构化向量,以便存储各项车道信息,具体如下所示:
其中,字典中的各采样时刻包括当前采样时刻和当前采样时刻之前的K个采样时刻,K≥1。
步骤1.3:由于各车道内的车辆数量未知,将字典中各车道的当前采样时刻各车辆的速度、当前采样时刻各车辆的位置对应的结构化向量初始化为空值。在字典中各采样时刻的车辆速度均值、各采样时刻的车辆数量对应的结构化向量中添加(K+1)个元素,每个元素均初始化为0。
步骤1.4:读取摄像机在当前采样时刻拍摄的图像。根据图像得到各车道内当前采样时刻各车辆的速度和位置,将得到的各车辆的速度和位置添加到字典中对应的结构化向量中。
步骤1.5:对于每个车道,根据当前采样时刻各车辆的速度,执行以下步骤:
A.计算当前采样时刻的车辆速度均值;
B.统计当前采样时刻的车辆数量;
C.计算当前采样时刻和当前采样时刻之前的K个采样时刻的车辆速度均值和;
D.统计当前采样时刻和当前采样时刻之前的K个采样时刻中车辆数量小于第二阈值的次数。
步骤1.6:根据步骤1.5得到的信息,更新字典或车道数据库中对应的结构化向量。
步骤1.7:重复执行步骤1.4至步骤1.6,直至字典或车道数据库中填满(K+1)个采样时刻的数据,将初始化参数设置为“True”,表示初始化完毕。
阶段二、拥堵检测与上报
步骤2.1:统计车辆信息:
在当前采样时刻,遍历从图像中识别出的车辆,如果某个车辆已经连续多个采样时刻出现在同一车道上,则根据该车辆的位置和电子地图上车道的位置,确定该车辆所在的车道,并将该车辆的速度和位置添加到所在车道的结构化向量中。
步骤2.2:计算相关指标,具体可以包括以下步骤:
A.根据每个车道中各车辆的速度,计算当前车辆速度均值;统计当前车辆数量。
B.将当前车辆速度均值添加到字典中各采样时刻的车辆速度均值对应的结构化向量中,作为该向量的最后一个元素;
C.如果当前车辆数量大于等于第二阈值,则字典中车辆数量小于第二阈值的次数Ncount保持不变,否则将Ncount+1;
D.将字典中的车辆速度均值和Vsum加上当前车辆速度均值;
E.将字典的时间戳更新为当前采样时刻。
步骤2.3:确定拥堵状态
遍历每个车道,如果遍历到的车道对应的车辆数量小于第二阈值的次数Ncount为0且车辆速度均值和Vsum小于第一阈值,则认为遍历到的车道发生拥堵。根据当前在该车道上且速度小于第四阈值的车辆的位置,确定出拥堵区域。
根据预先配置的拥堵消失计数器,更新拥堵消失计数,具体可以包括以下情况的至少之一:
情况一、如果车道发生拥堵,并且已经上报该车道发生拥堵,则将拥堵消失计数置为0;
情况二、如果车道发生拥堵,但是未上报该车道发生拥堵,则将拥堵消失计数置为0并上报拥堵;
情况三、如果车道线没有发生拥堵,且已经上报该车道发生拥堵,但没有上报结束,将拥堵消失计数+1。
对于每个车道,如果拥堵消失计数大于N,即该车道已连续N个采样时刻没有发生拥堵,则上报该车道结束拥堵。
阶段三、结构化向量更新
步骤3.1:将各车道当前采样时刻各车辆的速度和当前采样时刻各车辆的位置对应的结构化向量清空。
步骤3.2:对于每个车道,将车辆速度均值和Vsum减去各采样时刻的车辆速度均值对应的向量中第一个元素的值。
步骤3.3:对于每个车道,如果各采样时刻的车辆数量对应的结构化向量中第一个元素大于等于第二阈值,则车辆数量小于第二阈值的次数Ncount保持不变;否则将Ncount减1。
步骤3.4:对于每个车道,将个采样时刻的车辆速度均值和车辆数量对应的结构化向量中的第一个元素删除。
在实际应用时,在每一个采样时刻,执行上述阶段二和阶段三的步骤,实现实时更新各车道的拥堵状态。
本申请实施例还提供一种交通拥堵检测装置,如图6所示,交通拥堵检测装置600包括:
均值获取模块601,用于根据目标车道内的各车辆的速度,获取多个采样时刻中每个采样时刻各车辆的车辆速度均值;
均值和获取模块602,用于根据每个采样时刻各车辆的车辆速度均值,获取车辆速度均值和;
拥堵确定模块603,用于根据车辆速度均值和,确定目标车道的拥堵状态。
示例性地,拥堵确定模块603具体用于在车辆速度均值和小于第一阈值的情况下,确定目标车道在第一时刻发生拥堵,第一时刻为多个采样时刻中的最后一个时刻。
示例性地,如图7所示,交通拥堵检测装置还包括:
次数确定模块701,用于根据目标车道上每个采样时刻的车辆数量与第二阈值,确定车辆数量小于第二阈值的次数;
拥堵确定模块603具体用于在车辆速度均值和小于第一阈值且次数小于第三阈值的情况下,确定目标车道在第一时刻发生拥堵,第一时刻为多个采样时刻中的最后一个时刻。
示例性地,如图7所示,交通拥堵检测装置还包括:
区域确定模块702,用于在目标车道在第一时刻发生拥堵的情况下,根据第一时刻在目标车道内的速度小于第四阈值的车辆的位置,确定出拥堵区域。
示例性地,如图7所示,交通拥堵检测装置还包括:
结束确定模块703,用于在目标车道在第一时刻发生拥堵的情况下,如果目标车道在第一时刻后的连续N个采样时刻没有发生拥堵,则确定目标车道结束拥堵,其中,N≥2。
示例性地,如图7所示,交通拥堵检测装置还包括:
位置确定模块704,用于根据目标区域的至少一个视觉传感器拍摄的车辆图像,确定目标区域内的各车辆的位置;
车辆确定模块705,用于根据目标区域内的各车辆的位置,确定目标车道内的各车辆。
示例性地,车辆确定模块705具体用于将目标区域内在连续M个采样时刻位于目标车道内的车辆,确定为目标车道内的车辆,其中,M≥2。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图8所示,是根据本申请实施例的交通拥堵检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的交通拥堵检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的交通拥堵检测方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的交通拥堵检测方法对应的程序指令/模块(例如,附图6所示的均值获取模块601、均值和获取模块602和拥堵确定模块603)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的交通拥堵检测方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据交通拥堵检测方法的电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至交通拥堵检测方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
交通拥堵检测方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与交通拥堵检测方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,由于车辆速度均值和能够准确地反映各车辆总体行驶情况,因此,确定出的目标车道的拥堵状态准确;与人工开车巡查检测拥堵相比,更加快速、准确、便捷,且减少了人工成本和车辆保养成本等。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (16)
1.一种交通拥堵检测方法,其特征在于,包括:
根据目标车道内的各车辆的速度,获取多个采样时刻中每个采样时刻所述各车辆的车辆速度均值;
根据所述每个采样时刻所述各车辆的车辆速度均值,对所述多个采样时刻各自的车辆速度均值进行累加,获取车辆速度均值和;
根据所述车辆速度均值和,确定所述目标车道的拥堵状态;
其中,所述获取多个采样时刻中每个采样时刻所述各车辆的车辆速度均值,包括:获取所述各车辆的速度,计算所述各车辆的速度的平均值,得到所述各车辆的车辆速度均值。
2.根据权利要求1所述的方法,其特征在于,根据所述车辆速度均值和,确定所述目标车道的拥堵状态,包括:
在所述车辆速度均值和小于第一阈值的情况下,确定所述目标车道在第一时刻发生拥堵,所述第一时刻为所述多个采样时刻中的最后一个时刻。
3.根据权利要求1所述的方法,其特征在于,还包括:
根据所述目标车道上所述每个采样时刻的车辆数量与第二阈值,确定所述车辆数量小于所述第二阈值的次数;
所述根据所述车辆速度均值和,确定所述目标车道的拥堵状态,包括:在所述车辆速度均值和小于第一阈值且所述次数小于第三阈值的情况下,确定所述目标车道在第一时刻发生拥堵,所述第一时刻为所述多个采样时刻中的最后一个时刻。
4.根据权利要求2或3所述的方法,其特征在于,所述方法还包括:
在所述目标车道在第一时刻发生拥堵的情况下,根据所述第一时刻在所述目标车道内的速度小于第四阈值的车辆的位置,确定拥堵区域。
5.根据权利要求2或3所述的方法,其特征在于,所述方法还包括:
在所述目标车道在第一时刻发生拥堵的情况下,如果所述目标车道在第一时刻后的连续N个采样时刻没有发生拥堵,则确定所述目标车道结束拥堵,其中,N≥2。
6.根据权利要求1至3中任一项所述的方法,其特征在于,所述方法还包括:
根据目标区域的至少一个视觉传感器拍摄的车辆图像,确定目标区域内的各车辆的位置;
根据所述目标区域内的各车辆的位置,确定所述目标车道内的各车辆。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标区域内的各车辆的位置,确定所述目标车道内的各车辆,包括:
将所述目标区域内在连续M个采样时刻位于所述目标车道内的车辆,确定为所述目标车道内的车辆,其中,M≥2。
8.一种交通拥堵检测装置,其特征在于,包括:
均值获取模块,用于根据目标车道内的各车辆的速度,获取多个采样时刻中每个采样时刻所述各车辆的车辆速度均值;
均值和获取模块,用于根据所述每个采样时刻所述各车辆的车辆速度均值,对所述多个采样时刻各自的车辆速度均值进行累加,获取车辆速度均值和;
拥堵确定模块,用于根据所述车辆速度均值和,确定所述目标车道的拥堵状态;
其中,所述获取多个采样时刻中每个采样时刻所述各车辆的车辆速度均值,包括:获取所述各车辆的速度,计算所述各车辆的速度的平均值,得到所述各车辆的车辆速度均值。
9.根据权利要求8所述的装置,其特征在于,所述拥堵确定模块具体用于在所述车辆速度均值和小于第一阈值的情况下,确定所述目标车道在第一时刻发生拥堵,所述第一时刻为所述多个采样时刻中的最后一个时刻。
10.根据权利要求8所述的装置,其特征在于,还包括:
次数确定模块,用于根据所述目标车道上所述每个采样时刻的车辆数量与第二阈值,确定所述车辆数量小于所述第二阈值的次数;
所述拥堵确定模块具体用于在所述车辆速度均值和小于第一阈值且所述次数小于第三阈值的情况下,确定所述目标车道在第一时刻发生拥堵,所述第一时刻为所述多个采样时刻中的最后一个时刻。
11.根据权利要求9或10所述的装置,其特征在于,所述装置还包括:
区域确定模块,用于在所述目标车道在第一时刻发生拥堵的情况下,根据所述第一时刻在所述目标车道内的速度小于第四阈值的车辆的位置,确定拥堵区域。
12.根据权利要求9或10所述的装置,其特征在于,所述装置还包括:
结束确定模块,用于在所述目标车道在第一时刻发生拥堵的情况下,如果所述目标车道在第一时刻后的连续N个采样时刻没有发生拥堵,则确定所述目标车道结束拥堵,其中,N≥2。
13.根据权利要求8至10中任一项所述的装置,其特征在于,所述装置还包括:
位置确定模块,用于根据目标区域的至少一个视觉传感器拍摄的车辆图像,确定目标区域内的各车辆的位置;
车辆确定模块,用于根据所述目标区域内的各车辆的位置,确定所述目标车道内的各车辆。
14.根据权利要求13所述的装置,其特征在于,所述车辆确定模块具体用于将所述目标区域内在连续M个采样时刻位于所述目标车道内的车辆,确定为所述目标车道内的车辆,其中,M≥2。
15.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010460671.1A CN111583668B (zh) | 2020-05-27 | 2020-05-27 | 交通拥堵检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010460671.1A CN111583668B (zh) | 2020-05-27 | 2020-05-27 | 交通拥堵检测方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111583668A CN111583668A (zh) | 2020-08-25 |
CN111583668B true CN111583668B (zh) | 2021-12-28 |
Family
ID=72127160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010460671.1A Active CN111583668B (zh) | 2020-05-27 | 2020-05-27 | 交通拥堵检测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111583668B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7418892B2 (ja) * | 2020-10-14 | 2024-01-22 | 馭勢(上海)汽車科技有限公司 | 交通渋滞感知方法、装置、電子機器及び記憶媒体 |
CN111967451B (zh) * | 2020-10-21 | 2021-01-22 | 蘑菇车联信息科技有限公司 | 一种道路拥堵检测方法及装置 |
CN112598907B (zh) * | 2020-12-17 | 2021-12-07 | 东风商用车有限公司 | 拥堵预测方法、装置、设备及可读存储介质 |
CN112712712B (zh) * | 2020-12-21 | 2022-05-20 | 阿波罗智联(北京)科技有限公司 | 确定车辆排队信息的方法、装置、路侧设备和云控平台 |
CN112507964B (zh) * | 2020-12-22 | 2024-04-19 | 阿波罗智联(北京)科技有限公司 | 用于车道级事件的检测方法和装置、路侧设备和云控平台 |
CN112734250A (zh) * | 2021-01-14 | 2021-04-30 | 北京世纪高通科技有限公司 | 自由流速度的计算方法、装置、电子设备及存储介质 |
CN113469026B (zh) * | 2021-06-30 | 2023-03-24 | 上海智能交通有限公司 | 一种基于机器学习的路口滞留事件检测方法及系统 |
CN117008118A (zh) * | 2021-08-31 | 2023-11-07 | 北京百度网讯科技有限公司 | 对象状态确定方法、装置、电子设备以及存储介质 |
CN115440043B (zh) * | 2021-09-26 | 2023-07-25 | 国信军创(岳阳)六九零六科技有限公司 | 基于rfid车辆识别实时路况信息道路监控管理系统 |
CN114639036A (zh) * | 2022-03-02 | 2022-06-17 | 青岛海信网络科技股份有限公司 | 确定交通拥堵等级的方法及电子设备 |
CN114999148A (zh) * | 2022-05-16 | 2022-09-02 | 国汽智图(北京)科技有限公司 | 拥堵程度监测方法、装置、计算机设备和存储介质 |
CN117409397B (zh) * | 2023-12-15 | 2024-04-09 | 河北远东通信系统工程有限公司 | 一种基于位置概率的实时人像比选方法、装置及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930735A (zh) * | 2012-10-25 | 2013-02-13 | 安徽科力信息产业有限责任公司 | 一种基于交通视频的城市实时交通路况信息发布方法 |
CN103280098B (zh) * | 2013-05-23 | 2015-06-10 | 北京交通发展研究中心 | 交通拥堵指数计算方法 |
CN104282165B (zh) * | 2013-07-12 | 2017-07-28 | 深圳市赛格导航科技股份有限公司 | 路段拥堵预警方法及装置 |
CN104766475B (zh) * | 2015-04-09 | 2017-01-11 | 银江股份有限公司 | 一种城市交通瓶颈挖掘方法 |
CN107369318A (zh) * | 2016-05-11 | 2017-11-21 | 杭州海康威视数字技术股份有限公司 | 一种速度预测方法及装置 |
CN109841056A (zh) * | 2017-11-29 | 2019-06-04 | 高德软件有限公司 | 一种判断路段拥堵、区域拥堵的方法及装置 |
-
2020
- 2020-05-27 CN CN202010460671.1A patent/CN111583668B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111583668A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111583668B (zh) | 交通拥堵检测方法、装置、电子设备和存储介质 | |
CN110910665B (zh) | 信号灯控制方法、装置以及计算机设备 | |
US20220051032A1 (en) | Road event detection method, apparatus, device and storage medium | |
CN111611901B (zh) | 车辆逆行检测方法、装置、设备以及存储介质 | |
CN112415552A (zh) | 车辆位置的确定方法、装置及电子设备 | |
CN112419722B (zh) | 交通异常事件检测方法、交通管控方法、设备和介质 | |
CN111220164A (zh) | 定位方法、装置、设备及存储介质 | |
CN112507949A (zh) | 目标跟踪方法、装置、路侧设备以及云控平台 | |
CN110765227A (zh) | 道路交通网络模型构建方法及装置 | |
CN110979346A (zh) | 确定车辆所处车道的方法、装置及设备 | |
CN113221677A (zh) | 一种轨迹异常检测方法、装置、路侧设备和云控平台 | |
CN111998860A (zh) | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 | |
CN111324616B (zh) | 车道线变化信息的检测方法、装置及设备 | |
CN111311906B (zh) | 路口距离的检测方法、装置、电子设备和存储介质 | |
JP7214702B2 (ja) | 車両列の長さを検出する方法、車両列の長さを検出する装置、電子機器、記憶媒体及びコンピュータプログラム | |
CN112101223B (zh) | 检测方法、装置、设备和计算机存储介质 | |
CN110514211B (zh) | 定位方法、装置、设备和介质 | |
CN111666891A (zh) | 用于估计障碍物运动状态的方法和装置 | |
CN111310840A (zh) | 数据融合处理方法、装置、设备和存储介质 | |
CN111721305A (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
CN111540010A (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
CN113673281A (zh) | 限速信息确定方法、装置、设备以及存储介质 | |
CN114781546A (zh) | 用于确定车辆异常行为的方法和装置 | |
CN111783611B (zh) | 无人车的定位方法、装置、无人车及存储介质 | |
CN112802347B (zh) | 通过交通路口车辆的行驶速度确定方法、装置和设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211015 Address after: 100176 Room 101, 1st floor, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |