CN111739293A - 一种数据融合方法及装置 - Google Patents
一种数据融合方法及装置 Download PDFInfo
- Publication number
- CN111739293A CN111739293A CN202010525834.XA CN202010525834A CN111739293A CN 111739293 A CN111739293 A CN 111739293A CN 202010525834 A CN202010525834 A CN 202010525834A CN 111739293 A CN111739293 A CN 111739293A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- average speed
- target road
- road
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000007667 floating Methods 0.000 claims abstract description 37
- 230000004927 fusion Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 17
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000011084 recovery Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种数据融合方法及装置,涉及交通信息服务技术领域,能够提高路况信息的准确性和覆盖范围。具体方案包括:数据融合装置获取目标道路的标识对应的第一数据和第二数据;其中,第一数据是采用固定检测器数据处理技术得到的,第二数据是采用浮动车处理技术得到的;确定目标道路的标识对应的目标道路类型;根据目标道路类型,以及第一数据和第二数据确定目标数据,目标数据用于指示目标道路的路况信息;根据目标数据确定目标道路的路况数据。
Description
技术领域
本发明涉及交通信息服务技术领域,尤其涉及一种数据融合方法及装置。
背景技术
在相关技术中,可以采用固定检测器数据处理技术,对从固定检测器(如线圈、电警、卡口等)获取的固定检测器数据进行数据筛选与数据恢复、速度估计、位置匹配、路链数据生成等处理,最后生成每条路链的交通拥堵情况以及每条路链的行车旅行时间等路况信息。通过多种方式将每条路链的路况信息进行实时发布,能够为社会大众的出行提供服务。
但是,固定检测器数据处理技术只能对已覆盖固定检测器的路链进行监测,对于未覆盖固定检测器的路链便无法获得该路链的路况信息,且考虑到固定检测器数据的传输时延、固定检测器的好坏会影响路链的路况信息质量等因素,可以得出相关技术中的路链的路况信息存在准确性较低、覆盖范围不够全面的问题。
发明内容
本发明提供一种数据融合方法及装置,能够提高路况信息的准确性和覆盖范围。
为达到上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种数据融合方法,该方法包括:数据融合装置获取目标道路的标识对应的第一数据和第二数据;其中,第一数据是采用固定检测器数据处理技术得到的,第二数据是采用浮动车处理技术得到的;确定目标道路的标识对应的目标道路类型;根据目标道路类型,以及第一数据和第二数据确定目标数据,目标数据用于指示目标道路的路况信息;根据目标数据确定目标道路的路况数据。
结合第一方面,在一种可能的实现方式中,第一数据包括目标道路上通行的第一平均速度,第二数据包括浮动车在目标道路上的第二平均速度时,根据目标道路类型,以及第一数据和第二数据确定目标数据,包括:根据目标道路类型,以及第一平均速度和第二平均速度确定目标平均速度。或者,第一数据包括预设时间段内目标道路的第一车辆数,第二数据包括预设时间段内目标道路的第二车辆数时,根据目标道路类型,以及第一数据和第二数据确定目标数据,包括:根据目标道路类型,以及第一车辆数和第二车辆数确定目标车辆数。或者,第一数据包括第一平均速度和第一车辆数,第二数据包括第二平均速度和第二车辆数时,根据目标道路类型,以及第一数据和第二数据确定目标数据,包括:根据目标道路类型,以及第一平均速度和第二平均速度确定目标平均速度,并根据第一车辆数和第二车辆数确定目标车辆数。
结合第一方面和上述可能的实现方式,在另一种可能的实现方式中,根据目标道路类型,以及第一平均速度和第二平均速度确定目标平均速度,包括:在确定第一平均速度与第二平均速度的差值的绝对值小于或等于最大平均速度与速度阈值的乘积时,对第一平均速度和第二平均速度进行加权平均得到目标平均速度;最大平均速度为第一平均速度和第二平均速度中最大的平均速度,速度阈值与目标道路类型对应;否则,将最大平均速度作为目标平均速度。
结合第一方面和上述可能的实现方式,在另一种可能的实现方式中,根据目标道路类型,以及第一车辆数和第二车辆数确定目标车辆数,包括:在确定第一车辆数与第二车辆数的差值的绝对值小于或等于最大车辆数与容量阈值的乘积时,对第一车辆数和第二车辆数进行加权平均得到目标车辆数;最大车辆数为第一车辆数和第二车辆数中最大的车辆数,容量阈值与目标道路类型对应;否则,将最大车辆数作为目标车辆数。
结合第一方面和上述可能的实现方式,在另一种可能的实现方式中,获取目标道路的标识对应的第一数据和第二数据,包括:从一级索引中,获取目标道路的标识;从二级索引中,获取目标道路的标识对应的第一数据和第二数据。
第二方面,本发明提供一种数据融合装置,数据融合装置包括:获取单元和确定单元。获取单元,用于获取目标道路的标识对应的第一数据和第二数据;其中,第一数据是采用固定检测器数据处理技术得到的,第二数据是采用浮动车处理技术得到的。确定单元,用于确定目标道路的标识对应的目标道路类型;根据目标道路类型,以及第一数据和第二数据确定目标数据,目标数据用于指示目标道路的路况信息;根据目标数据确定目标道路的路况数据。
结合第二方面,在一种可能的实现方式中,第一数据包括目标道路上通行的第一平均速度,第二数据包括浮动车在目标道路上的第二平均速度时,确定单元,具体用于:根据目标道路类型,以及第一平均速度和第二平均速度确定目标平均速度。或者,第一数据包括预设时间段内目标道路的第一车辆数,第二数据包括预设时间段内目标道路的第二车辆数时,确定单元,具体用于:根据目标道路类型,以及第一车辆数和第二车辆数确定目标车辆数。或者,第一数据包括第一平均速度和第一车辆数,第二数据包括第二平均速度和第二车辆数时,确定单元,具体用于:根据目标道路类型,以及第一平均速度和第二平均速度确定目标平均速度,并根据第一车辆数和第二车辆数确定目标车辆数。
结合第二方面和上述可能的实现方式,在另一种可能的实现方式中,确定单元,具体用于在确定第一平均速度与第二平均速度的差值的绝对值小于或等于最大平均速度与速度阈值的乘积时,对第一平均速度和第二平均速度进行加权平均得到目标平均速度;最大平均速度为第一平均速度和第二平均速度中最大的平均速度,速度阈值与目标道路类型对应;否则,将最大平均速度作为目标平均速度。
结合第二方面和上述可能的实现方式,在另一种可能的实现方式中,确定单元,具体用于在确定第一车辆数与第二车辆数的差值的绝对值小于或等于最大车辆数与容量阈值的乘积时,对第一车辆数和第二车辆数进行加权平均得到目标车辆数;最大车辆数为第一车辆数和第二车辆数中最大的车辆数,容量阈值与目标道路类型对应;否则,将最大车辆数作为目标车辆数。
结合第二方面和上述可能的实现方式,在另一种可能的实现方式中,获取单元,具体用于:从一级索引中,获取目标道路的标识;从二级索引中,获取目标道路的标识对应的第一数据和第二数据。
第三方面,本发明提供一种数据融合装置,该数据融合装置包括:处理器和存储器。存储器用于存储计算机执行指令,当数据融合装置运行时,处理器执行存储器存储的计算机执行指令,以使数据融合装置执行如第一方面或第一方面的可能的实现方式中任意一项的数据融合方法。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机执行指令,当计算机执行指令在数据融合装置上运行时,使得数据融合装置执行如第一方面或第一方面的可能的实现方式中任意一项的数据融合方法。
本发明提供的数据融合方法,能够获取目标道路的标识对应的第一数据和第二数据,其中,该第一数据是采用固定检测器数据处理技术得到的,第二数据是采用浮动车处理技术得到的,确定目标道路的标识对应的目标道路类型,并根据该目标道路类型,以及第一数据和第二数据确定目标数据,该目标数据用于指示目标道路的路况信息,最后根据目标数据确定目标道路的路况数据。这样,由于第一数据和第二数据来自两个交通信息数据源,因此根据这两个数据得到的目标数据更能准确的反映目标道路的路况信息,也就是说根据该目标数据得到的目标道路的路况数据准确性更高。且由于第二数据是采用浮动车处理技术得到的,浮动车通常是指出租车,考虑到出租车的活动范围较大,因此第二数据能够弥补第一数据覆盖范围有限的缺点,从而使得根据目标数据确定出的路况数据的覆盖范围更大。
附图说明
图1为本发明实施例提供的一种计算装置的组成示意图;
图2为本发明实施例提供的一种数据融合方法的流程图;
图3为本发明实施例提供的一种固定检测器数据处理技术的原理示意图;
图4为本发明实施例提供的一种浮动车处理技术的原理示意图;
图5为本发明实施例提供的一种数据融合装置的组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
在相关技术中,采用固定检测器数据处理技术得到的路况信息存在准确性较低、覆盖范围不够全面的问题。为了解决上述问题,本发明实施例提供了一种数据融合方法。该方法通过将采用固定检测器数据处理技术得到的第一数据和采用浮动车处理技术得到的第二数据进行融合,得到目标数据,并根据目标数据确定路况数据。能够提高路况信息的准确性和覆盖范围。
本发明实施例提供的数据融合方法可由服务器执行。该服务器包括如图1所示计算装置所包括的元件。
如图1所示,计算装置可以包括处理器11,存储器12、通信接口13、总线14。处理器11,存储器12以及通信接口13之间可以通过总线14连接。
处理器11是计算装置的控制中心,可以是一个处理器,也可以是多个处理元件的统称。例如,处理器11可以是一个通用CPU,也可以是其他通用处理器等。其中,通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例,处理器11可以包括一个或多个CPU,例如图1中所示的CPU 0和CPU 1。
存储器12可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
一种可能的实现方式中,存储器12可以独立于处理器11存在,存储器12可以通过总线14与处理器11相连接,用于存储指令或者程序代码。处理器11调用并执行存储器12中存储的指令或程序代码时,能够实现本发明下述实施例提供的数据融合方法。
另一种可能的实现方式中,存储器12也可以和处理器11集成在一起。
通信接口13,用于计算装置与其他设备通过通信网络连接,所述通信网络可以是以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)等。通信接口13可以包括用于接收数据的接收单元,以及用于发送数据的发送单元。
总线14,可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended lndustry Standard Architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图1中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
需要指出的是,图1中示出的结构并不构成对该计算装置的限定,除图1所示部件之外,该计算装置可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例提供的数据融合方法的执行主体为数据融合装置。该数据融合装置可以是服务器,也可以是服务器中的CPU,还可以是服务器中用于融合数据的控制模块,还可以是服务器中用于融合数据的客户端。本发明实施例以服务器执行数据融合方法为例,对本发明提供的数据融合方法进行说明。
下面结合附图对本发明实施例提供的数据融合方法进行描述。
图2为本发明实施例提供的一种数据融合方法的流程图,如图2所示,该方法可以包括步骤201-步骤204。
201、获取目标道路的标识对应的第一数据和第二数据。
其中,第一数据是采用固定检测器数据处理技术得到的,第二数据是采用浮动车处理技术得到的。
可选的,在本发明实施例中,可以在数据融合之前将采用固定检测器数据处理技术得到的数据和采用浮动车处理技术得到的数据进行存储。这样,服务器在进行数据融合时,便可以直接查询这两个数据源。由于两种数据源会使得存储的数据量增大,从而使得查询的效率变低。为了提高查询效率,本发明实施例采用了HDFS、分布式存储系统(Hbase)、SOLR索引等相关技术,来搭建分布式架构实现分布式存储。具体的,采用分布式存储系统实现数据的一级索引,该一级索引包括道路的标识。采用SOLR实现二级索引,该二级索引包括道路标识对应的第一数据和第二数据。这样,服务器获取目标道路的标识对应的第一数据和第二数据的过程为:服务器先从一级索引中,任取一个道路的标识,如目标道路的标识,然后再从二级索引中,获取目标道路的标识对应的第一数据和第二数据。其中,道路可以为某路段,也可以为路链,路链是将路段进行划分得到的。
202、确定目标道路的标识对应的目标道路类型。
其中,可以在服务器中预存道路的标识与道路的类型的对应关系。这样,服务器在获取到目标道路的标识之后,便可以确定与该目标道路的标识对应的目标道路类型。
例如,道路类型可以包括:联络线、快速路、有红绿灯的主干道等。
203、根据目标道路类型,以及第一数据和第二数据确定目标数据。
其中,目标数据用于指示所述目标道路的路况信息。
服务器在获取到目标道路的标识对应的第一数据和第二数据,并确定出目标道路的标识对应的目标道路类型之后,可以根据目标道路类型,以及第一数据和第二数据确定目标数据。
可选的,本发明实施例中,第一数据和第二数据有以下几种实现方式。
在一种实现方式中,第一数据可以包括目标道路上通行的第一平均速度,第二数据可以包括浮动车在目标道路上的第二平均速度。在该场景下,服务器根据目标道路类型,以及第一数据和第二数据确定目标数据的过程为:服务器根据目标道路类型,以及第一平均速度和第二平均速度确定目标平均速度,此时目标平均速度便为目标数据。
在另一种实现方式中,第一数据可以包括预设时间段内目标道路的第一车辆数,第二数据可以包括预设时间段内目标道路的第二车辆数。在该场景下,服务器根据目标道路类型,以及第一数据和第二数据确定目标数据的过程为:服务器根据目标道路类型,以及第一车辆数和第二车辆数确定目标车辆数,此时目标车辆数便为目标数据。
在另一种实现方式中,第一数据可以包括第一平均速度和第一车辆数,第二数据可以包括第二平均速度和第二车辆数。在该场景下,服务器根据目标道路类型,以及第一数据和第二数据确定目标数据的过程为:服务器根据目标道路类型,以及第一平均速度和第二平均速度确定目标平均速度,并根据第一车辆数和第二车辆数确定目标车辆数。此时,目标数据包括目标平均速度和目标车辆数。
需要说明的是,在本发明实施例中,预设时间段内通过道路的车辆数指的是驶入该道路的车辆数和驶出该道路的车辆数中,值最小的车辆数。通过选择驶入和驶出道路的两个车辆数中值最小的车辆数作为该道路的车辆数,能够避免车辆数的误报,从而保证最终生成的路况数据更准确。
可选的,本发明实施例中,上述服务器根据目标道路类型,以及第一平均速度和第二平均速度确定目标平均速度的过程为:服务器可以在确定第一平均速度与第二平均速度的差值的绝对值小于或等于最大平均速度与速度阈值的乘积时,对第一平均速度和第二平均速度进行加权平均得到目标平均速度。否则,服务器将最大平均速度作为目标平均速度。其中,最大平均速度为第一平均速度和第二平均速度中最大的平均速度,速度阈值与目标道路类型对应。
可选的,本发明实施例中,上述服务器根据目标道路类型,以及第一车辆数和第二车辆数确定目标车辆数的过程为:服务器可以在确定第一车辆数与第二车辆数的差值的绝对值小于或等于最大车辆数与容量阈值的乘积时,对第一车辆数和第二车辆数进行加权平均得到目标车辆数。否则,服务器将最大车辆数作为目标车辆数。其中,最大车辆数为第一车辆数和第二车辆数中最大的车辆数,容量阈值与目标道路类型对应。
204、根据目标数据确定目标道路的路况数据。
其中,路况数据可以包括道路的交通拥堵情况、旅行时间等。服务器在确定出目标数据之后,可以结合目标道路类型,根据预设规则,确定目标道路的路况信息。
例如,当目标数据包括目标平均速度和目标车辆数时,结合目标道路类型,预设规则可以如下:
服务器可以在确定快速路和联络线的目标平均速度高于50KM/H,且快速路和联络线的目标车辆数小于180veh时,确定快速路和联络线畅通。或者,在确定有信号灯的主干道的目标平均速度大于20KM/H,且主干道的目标车辆数小于50veh时,确定该主干道畅通。
再例如,服务器可以在确定快速路和联络线上的目标平均速度高于20KM/H且低于50KM/H,快速路和联络线的目标车辆数大于180veh小于250veh时,确定该快速路和联络线缓慢。或者,在确定主干道的目标平均速度高于10KM/H低于20KM/H,且主干道的目标车辆数大于50veh小于100veh时,确定主干道缓慢。
再例如,服务器可以在确定快速路和联络线上机动车的目标平均速度低于20KM/H,且确定快速路和联络线的目标车辆数大于250veh时,确定快速路和联络线拥挤。或者,可以在确定主干道的目标平均速度据低于10KM/H,且主干道的目标车辆数大于100veh时,确定主干道拥挤。
本发明提供的数据融合方法,能够获取目标道路的标识对应的第一数据和第二数据,其中,该第一数据是采用固定检测器数据处理技术得到的,第二数据是采用浮动车处理技术得到的,确定目标道路的标识对应的目标道路类型,并根据该目标道路类型,以及第一数据和第二数据确定目标数据,该目标数据用于指示目标道路的路况信息,最后根据目标数据确定目标道路的路况数据。这样,由于第一数据和第二数据来自两个交通信息数据源,因此根据这两个数据得到的目标数据更能准确的反映目标道路的路况信息,也就是说根据该目标数据得到的目标道路的路况数据准确性更高。且由于第二数据是采用浮动车处理技术得到的,浮动车通常是指出租车,考虑到出租车的活动范围较大,因此第二数据能够弥补第一数据覆盖范围有限的缺点,从而使得根据目标数据确定出的路况数据的覆盖范围更大。
且,采用数据融合方法确定的路况数据,能够实现静态红黄绿展示,同时支持动态粒子红黄绿展示。
可选的,在本发明实施例中,上述步骤201中采用固定检测器数据处理技术得到第一数据的原理如图3所示。如图3所示,该架构可以包括:固定检测器和电子设备。
其中,固定检测器通常安装在路口,其可以包括:线圈、卡口、电警等,电警具体可以为摄像头。固定检测器用于获取固定检测器数据,并将固定检测器数据传输至电子设备。该固定检测器数据可以包括:经过路口的车辆标识、车辆的瞬时速度、位置信息(即经纬度)、时间戳等信息。
电子设备,主要用于对固定检测器数据进行处理,得到每条路链上通行的平均速度,以及经过每条路链的车辆数。具体的,电子设备可以包括:数据筛选与数据恢复模块、速度估计模块、位置匹配模块和路链状态生成模块。
其中,数据筛选与数据恢复模块,用于对接收到的原始固定检测器数据进行数据筛选,以筛选掉原始固定检测器数据中的异常数据,异常数据可以包括由于固定检测器出现问题导致时延超过预设时延的数据、相同的数据等。对于固定检测器出现问题,导致相应路口没有数据的情况,可以根据相同时间段的历史数据进行采样,以完成数据恢复。
速度估计模块,用于根据先验信息,计算每条路链上通车的平均速度。
位置匹配模块,用于将固定检测器数据匹配到道路网上的过程。
路链数据生成模块,用于得到每条路链的平均速度和通过的车辆数。
这样,电子设备便可以将生成的每条路链的平均速度和通过的车辆数传输值服务器,为服务器进行数据融合做准备。
可选的,在本发明实施例中,上述步骤201中采用浮动车处理技术得到第二数据的原理如图4所示。如图4所示,该架构可以包括:浮动车和电子设备。
其中,浮动车通常为出租车,用于获取浮动车的全球卫星定位系统(GlobalPositioning System,GPS)数据,并将该浮动车的GPS数据传输至电子设备。浮动车的GPS数据可以包括浮动车在其行驶过程中定期记录的车辆标识、车辆位置、方向、时间和瞬时速度等。
电子设备,用于对浮动车数据进行处理,生成每条路链的交通拥堵情况以及每条路链的行车旅游时间等信息,交通拥堵情况是根据路链的平均速度得到的。行车旅行时间是路链的长度除以该路链的平均速度得到的。具体的,该电子设备可以包括:数据预处理模块、地图匹配模块、路径推测模块和路况生成模块。
其中,数据预处理模块,用于对大量的浮动车GPS数据进行处理分析,以去除或修正异常数据。
地图匹配模块,用于建立浮动车GPS数据与路网中路链的关联,将该GPS数据定位到路链上。
路径推测模块,用于根据GPS数据恢复出浮动车行驶的真正轨迹,从而推测出浮动车所经过的路链的平均速度和旅行时间。
路况生成模块,用于生成每个地图路链的平均速度和每条路链的车辆数。
需要说明的是,在本发明实施例中,浮动车将浮动车GPS数据传输至电子设备后,GPS数据先到Kafka,然后从Kafka接入到Storm中,在Storm中进行地图匹配和路径推测。
Kafka对等节点的分布式设计,使得数据接入扩容能力非常强,容错能力也很强。且新发布的Kafka已经实现了Replication功能,有效克服了单节点物理故障后,该节点上数据无法访问的问题。
Storm是实时计算框架,能够轻易的并行化计算任务,适合对一辆辆浮动车GPS数据进行并行的处理。
另外,进行地图匹配时使用的地图数据主要存储在Redis中,Neo4J图数据库存储路网拓扑。地图匹配的时候从Redis读取数据,路径推测的时候用Neo4J计算路径。为了应对高并发Redis做了链式集群,Neo4J采用的是Embbed DB模式,并用Thrift封装成网络服务,实现了负载均衡以应对高并发。
Storm中访问Redis和Neo4J的特点是对GPS数据只读,且为了保证处理速度,Redis和Neo4j的数据全部是驻留内存。
上述主要从数据融合装置的角度对本发明实施例提供的方案进行了介绍。可以理解的是,数据融合装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的算法步骤,本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
本发明实施例可以根据上述方法示例对数据融合装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下,图5示出了上述实施例中涉及的数据融合装置的另一种可能的组成示意图,如图5所示,该数据融合装置可以包括:获取单元31和确定单元32。
其中,获取单元31,用于支持数据融合装置执行图2所示的数据融合方法中的步骤201。
确定单元32,用于支持数据融合装置执行图2所示的数据融合方法中的步骤202、步骤203、步骤204。
需要说明的是,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
本发明实施例提供的数据融合装置,用于执行上述数据融合方法,因此可以达到与上述数据融合方法相同的效果。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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,任何在本发明揭露的技术范围内的变化或替换,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 (12)
1.一种数据融合方法,其特征在于,所述方法包括:
获取目标道路的标识对应的第一数据和第二数据;其中,所述第一数据是采用固定检测器数据处理技术得到的,所述第二数据是采用浮动车处理技术得到的;
确定所述目标道路的标识对应的目标道路类型;
根据所述目标道路类型,以及所述第一数据和所述第二数据确定目标数据,所述目标数据用于指示所述目标道路的路况信息;
根据所述目标数据确定所述目标道路的路况数据。
2.根据权利要求1所述的数据融合方法,其特征在于,
所述第一数据包括所述目标道路上通行的第一平均速度,所述第二数据包括浮动车在所述目标道路上的第二平均速度时,所述根据所述目标道路类型,以及所述第一数据和所述第二数据确定目标数据,包括:根据所述目标道路类型,以及所述第一平均速度和所述第二平均速度确定目标平均速度;
或者,
所述第一数据包括预设时间段内所述目标道路的第一车辆数,所述第二数据包括所述预设时间段内所述目标道路的第二车辆数时,所述根据所述目标道路类型,以及所述第一数据和所述第二数据确定目标数据,包括:根据所述目标道路类型,以及所述第一车辆数和所述第二车辆数确定目标车辆数;
或者,
所述第一数据包括所述第一平均速度和所述第一车辆数,所述第二数据包括所述第二平均速度和所述第二车辆数时,所述根据所述目标道路类型,以及所述第一数据和所述第二数据确定目标数据,包括:根据所述目标道路类型,以及所述第一平均速度和所述第二平均速度确定所述目标平均速度,并根据所述第一车辆数和所述第二车辆数确定目标车辆数。
3.根据权利要求2所述的数据融合方法,其特征在于,所述根据所述目标道路类型,以及所述第一平均速度和所述第二平均速度确定目标平均速度,包括:
在确定所述第一平均速度与所述第二平均速度的差值的绝对值小于或等于最大平均速度与速度阈值的乘积时,对所述第一平均速度和所述第二平均速度进行加权平均得到所述目标平均速度;所述最大平均速度为所述第一平均速度和所述第二平均速度中最大的平均速度,所述速度阈值与所述目标道路类型对应;
否则,将所述最大平均速度作为所述目标平均速度。
4.根据权利要求2或3所述的数据融合方法,其特征在于,所述根据所述目标道路类型,以及所述第一车辆数和所述第二车辆数确定目标车辆数,包括:
在确定所述第一车辆数与所述第二车辆数的差值的绝对值小于或等于最大车辆数与容量阈值的乘积时,对所述第一车辆数和所述第二车辆数进行加权平均得到所述目标车辆数;所述最大车辆数为所述第一车辆数和所述第二车辆数中最大的车辆数,所述容量阈值与所述目标道路类型对应;
否则,将所述最大车辆数作为所述目标车辆数。
5.根据权利要求1-3中任一项所述的数据融合方法,其特征在于,所述获取目标道路的标识对应的第一数据和第二数据,包括:
从一级索引中,获取所述目标道路的标识;
从二级索引中,获取所述目标道路的标识对应的所述第一数据和所述第二数据。
6.一种数据融合装置,其特征在于,包括:
获取单元,用于获取目标道路的标识对应的第一数据和第二数据;其中,所述第一数据是采用固定检测器数据处理技术得到的,所述第二数据是采用浮动车处理技术得到的;
确定单元,用于确定所述目标道路的标识对应的目标道路类型;根据所述目标道路类型,以及所述第一数据和所述第二数据确定目标数据,所述目标数据用于指示所述目标道路的路况信息;根据所述目标数据确定所述目标道路的路况数据。
7.根据权利要求6所述的数据融合装置,其特征在于,
所述第一数据包括所述目标道路上通行的第一平均速度,所述第二数据包括浮动车在所述目标道路上的第二平均速度时,所述确定单元,具体用于:根据所述目标道路类型,以及所述第一平均速度和所述第二平均速度确定目标平均速度;
或者,
所述第一数据包括预设时间段内所述目标道路的第一车辆数,所述第二数据包括所述预设时间段内所述目标道路的第二车辆数时,所述确定单元,具体用于:根据所述目标道路类型,以及所述第一车辆数和所述第二车辆数确定目标车辆数;
或者,
所述第一数据包括所述第一平均速度和所述第一车辆数,所述第二数据包括所述第二平均速度和所述第二车辆数时,所述确定单元,具体用于:根据所述目标道路类型,以及所述第一平均速度和所述第二平均速度确定所述目标平均速度,并根据所述第一车辆数和所述第二车辆数确定目标车辆数。
8.根据权利要求7所述的数据融合装置,其特征在于,所述确定单元,具体用于:
在确定所述第一平均速度与所述第二平均速度的差值的绝对值小于或等于最大平均速度与速度阈值的乘积时,对所述第一平均速度和所述第二平均速度进行加权平均得到所述目标平均速度;所述最大平均速度为所述第一平均速度和所述第二平均速度中最大的平均速度,所述速度阈值与所述目标道路类型对应;
否则,将所述最大平均速度作为所述目标平均速度。
9.根据权利要求7或8所述的数据融合装置,其特征在于,所述确定单元,具体用于:
在确定所述第一车辆数与所述第二车辆数的差值的绝对值小于或等于最大车辆数与容量阈值的乘积时,对所述第一车辆数和所述第二车辆数进行加权平均得到所述目标车辆数;所述最大车辆数为所述第一车辆数和所述第二车辆数中最大的车辆数,所述容量阈值与所述目标道路类型对应;
否则,将所述最大车辆数作为所述目标车辆数。
10.根据权利要求6-8中任一项所述的数据融合装置,其特征在于,所述获取单元,具体用于:
从一级索引中,获取所述目标道路的标识;
从二级索引中,获取所述目标道路的标识对应的所述第一数据和所述第二数据。
11.一种数据融合装置,其特征在于,所述数据融合装置包括存储器和处理器;所述存储器和所述处理器耦合;所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令;当所述处理器执行所述计算机指令时,所述数据融合装置执行如权利要求1-5中任意一项所述的数据融合方法。
12.一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令在数据融合装置上运行时,使得所述数据融合装置执行如权利要求1-5中任意一项所述的数据融合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010525834.XA CN111739293A (zh) | 2020-06-10 | 2020-06-10 | 一种数据融合方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010525834.XA CN111739293A (zh) | 2020-06-10 | 2020-06-10 | 一种数据融合方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111739293A true CN111739293A (zh) | 2020-10-02 |
Family
ID=72648790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010525834.XA Pending CN111739293A (zh) | 2020-06-10 | 2020-06-10 | 一种数据融合方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111739293A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112214505A (zh) * | 2020-10-21 | 2021-01-12 | 北京金堤征信服务有限公司 | 数据同步方法、装置、计算机可读存储介质及电子设备 |
CN112435471A (zh) * | 2020-11-11 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 一种位置点处理方法和相关装置 |
CN112632209A (zh) * | 2020-12-29 | 2021-04-09 | 智慧足迹数据科技有限公司 | 数据关联方法、装置、计算机设备和可读存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10261172A1 (de) * | 2002-12-20 | 2004-07-15 | Daimlerchrysler Ag | Verfahren und System zur zentralenbasierten, zeitlich vorausschauende Störungserkennung durch Störflanken-Detektion mittels abschnittsbezogener Reisezeitenschätzung |
CN1976296A (zh) * | 2006-12-25 | 2007-06-06 | 北京世纪高通科技有限公司 | 一种实时动态交通信息采集处理发布的方法和系统 |
CN1975800A (zh) * | 2006-12-25 | 2007-06-06 | 北京世纪高通科技有限公司 | 一种交通信息融合处理方法和系统 |
CN102509454A (zh) * | 2011-11-03 | 2012-06-20 | 安徽科力信息产业有限责任公司 | 基于fcd与地磁检测器的道路状态融合方法 |
CN102646332A (zh) * | 2011-02-21 | 2012-08-22 | 日电(中国)有限公司 | 基于数据融合的交通状态估计装置和方法 |
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 |
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 |
CN106611496A (zh) * | 2015-10-27 | 2017-05-03 | 北京航天长峰科技工业集团有限公司 | 一种基于gps定位技术的交通流量监测方法 |
CN106781490A (zh) * | 2016-12-29 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 城市道路交通运行分析评价系统 |
CN107085944A (zh) * | 2017-06-28 | 2017-08-22 | 北京数行健科技有限公司 | 一种交通数据处理系统及方法 |
CN107730892A (zh) * | 2017-11-20 | 2018-02-23 | 中兴软创科技股份有限公司 | 一种基于fcd与互联网数据融合的交通拥堵指数评价方法 |
CN109272746A (zh) * | 2018-08-20 | 2019-01-25 | 广东交通职业技术学院 | 一种基于bp神经网络数据融合的mfd估测方法 |
CN109308805A (zh) * | 2018-08-20 | 2019-02-05 | 广东交通职业技术学院 | 一种基于自适应加权平均数据融合的路网mfd估测方法 |
-
2020
- 2020-06-10 CN CN202010525834.XA patent/CN111739293A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10261172A1 (de) * | 2002-12-20 | 2004-07-15 | Daimlerchrysler Ag | Verfahren und System zur zentralenbasierten, zeitlich vorausschauende Störungserkennung durch Störflanken-Detektion mittels abschnittsbezogener Reisezeitenschätzung |
CN1976296A (zh) * | 2006-12-25 | 2007-06-06 | 北京世纪高通科技有限公司 | 一种实时动态交通信息采集处理发布的方法和系统 |
CN1975800A (zh) * | 2006-12-25 | 2007-06-06 | 北京世纪高通科技有限公司 | 一种交通信息融合处理方法和系统 |
CN102646332A (zh) * | 2011-02-21 | 2012-08-22 | 日电(中国)有限公司 | 基于数据融合的交通状态估计装置和方法 |
CN102509454A (zh) * | 2011-11-03 | 2012-06-20 | 安徽科力信息产业有限责任公司 | 基于fcd与地磁检测器的道路状态融合方法 |
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 |
CN106611496A (zh) * | 2015-10-27 | 2017-05-03 | 北京航天长峰科技工业集团有限公司 | 一种基于gps定位技术的交通流量监测方法 |
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 |
CN106781490A (zh) * | 2016-12-29 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 城市道路交通运行分析评价系统 |
CN107085944A (zh) * | 2017-06-28 | 2017-08-22 | 北京数行健科技有限公司 | 一种交通数据处理系统及方法 |
CN107730892A (zh) * | 2017-11-20 | 2018-02-23 | 中兴软创科技股份有限公司 | 一种基于fcd与互联网数据融合的交通拥堵指数评价方法 |
CN109272746A (zh) * | 2018-08-20 | 2019-01-25 | 广东交通职业技术学院 | 一种基于bp神经网络数据融合的mfd估测方法 |
CN109308805A (zh) * | 2018-08-20 | 2019-02-05 | 广东交通职业技术学院 | 一种基于自适应加权平均数据融合的路网mfd估测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112214505A (zh) * | 2020-10-21 | 2021-01-12 | 北京金堤征信服务有限公司 | 数据同步方法、装置、计算机可读存储介质及电子设备 |
CN112435471A (zh) * | 2020-11-11 | 2021-03-02 | 腾讯科技(深圳)有限公司 | 一种位置点处理方法和相关装置 |
CN112435471B (zh) * | 2020-11-11 | 2021-12-24 | 腾讯科技(深圳)有限公司 | 一种位置点处理方法和相关装置 |
CN112632209A (zh) * | 2020-12-29 | 2021-04-09 | 智慧足迹数据科技有限公司 | 数据关联方法、装置、计算机设备和可读存储介质 |
CN112632209B (zh) * | 2020-12-29 | 2021-08-17 | 智慧足迹数据科技有限公司 | 数据关联方法、装置、计算机设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11235777B2 (en) | Vehicle path prediction and target classification for autonomous vehicle operation | |
CN110880236B (zh) | 路况信息处理方法、装置及系统 | |
US20190138007A1 (en) | Methods and apparatus to update autonomous vehicle perspectives | |
US8930123B2 (en) | Systems and methods for determining traffic intensity using information obtained through crowdsourcing | |
CN111739293A (zh) | 一种数据融合方法及装置 | |
CN103903465B (zh) | 一种道路拥堵原因实时发布方法及系统 | |
US11315428B2 (en) | Management of mobile objects | |
US20130179056A1 (en) | System for Constructing a Spanning Forest in a Vehicular Network | |
JP5666669B2 (ja) | 交通量の変化を感知して経路を探索する通信型ナビゲーションシステム | |
US10585180B2 (en) | Management of mobile objects | |
CN111179589B (zh) | 车辆od预测的方法、装置、设备及存储介质 | |
CN110392396B (zh) | 用于连接车辆的基于云的网络优化器 | |
CN107454553B (zh) | 用于检测移动设备的测量结果的方法、装置和计算机程序 | |
CN108538054B (zh) | 一种基于手机信令数据获取交通路况信息的方法及系统 | |
CN109308806A (zh) | 一种交通工具的行驶检测方法及服务器 | |
CN113611120A (zh) | 车辆位置信息预测方法、装置及设备 | |
Tadic et al. | GHOST: A novel approach to smart city infrastructures monitoring through GNSS precise positioning | |
CN116198544A (zh) | 数字孪生数据处理方法、装置 | |
CN106887138B (zh) | 一种堵车蔓延态势侦测方法与系统 | |
CN116486599A (zh) | 用于减轻道路网络拥堵的系统和过程 | |
TWI748514B (zh) | 車流推估方法與系統 | |
CN116264034A (zh) | 一种危险路段识别方法、装置、边缘侧平台和路侧设备 | |
Jomrich | Dynamic maps for highly automated driving-generation, distribution and provision | |
Ahlers et al. | Cooperative laserscanner pre-data-fusion | |
CN108320550B (zh) | 一种基于车联网络的闯红灯预警系统及其预警方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201002 |
|
RJ01 | Rejection of invention patent application after publication |