CN111915875A - 一种车流路径分布信息的处理方法、装置及电子设备 - Google Patents
一种车流路径分布信息的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111915875A CN111915875A CN201910379515.XA CN201910379515A CN111915875A CN 111915875 A CN111915875 A CN 111915875A CN 201910379515 A CN201910379515 A CN 201910379515A CN 111915875 A CN111915875 A CN 111915875A
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- distribution information
- flow path
- path distribution
- traffic
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 355
- 238000012545 processing Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003672 processing method Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 4
- 241000287196 Asthenes Species 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical 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
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车流路径分布信息的处理方法、装置及电子设备,该处理方法包括:获取预设区域在多个统计时段内的车流路径分布信息;对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类;确定代表车流路径分布类的聚类中心的目标车流路径分布信息;根据目标车流路径分布信息对预设区域进行交通控制。
Description
技术领域
本发明涉及交通控制技术领域,更具体地,涉及一种车流路径分布信息的处理方法、一种车流路径分布信息的处理装置、一种电子设备、及一种计算机可读介质。
背景技术
交通区域在某个统计时段的交通需求可以是由该统计时段中车流路径分布信息获得。交通区域中的车流路径分布信息是动态变化的,同一个交通区域的任何两个时段中的车流路径分布信息之间都可能存在区别。车流路径分布信息中包括该交通区域中的路径、及经过每一路径的车流量值。其中,路径可以是交通路网上的一个路段序列。
在现有技术中,通常是基于经过每个路段的车流量值(路段流量)作为特征,构造特征向量,并对每个统计时段对应的特征向量进行聚类,交通管理者根据聚类结果针对对应的交通区域制定对应的交通管理方案。
但是,由于不同车流路径分布信息中所包含的路段流量特征可能是相同的,因此,基于路段流量进行聚类得到的聚类结果,没有有效地表达出对应交通区域的交通需求。而且,基于路段流量进行聚类得到的聚类结果,没有考虑路径之间的复杂关系,导致聚类结果不准确。
发明内容
本发明的一个目的是提供一种聚合车流路径分布信息的新技术方案。
根据本发明的第一方面,提供了一种车流路径分布信息的处理方法,包括:
获取预设区域在多个统计时段内的车流路径分布信息;其中,所述车流路径分布信息包括所述预设区域中路径、及在对应统计时段内经过每条路径的车流量值;
对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类;
确定代表所述车流路径分布类的聚类中心的目标车流路径分布信息;
根据所述目标车流路径分布信息对所述预设区域进行交通控制。
可选的,所述对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类的步骤包括:
确定每条路径所包含的路段数;
根据每个车流路径分布信息,确定对应统计时段经过每条路径的车流量值;
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的距离;
根据每两个车流路径分布信息之间的距离,对多个所述车流路径分布信息进行聚类,得到至少一个所述车流路径分布类。
可选的,所述根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的距离的步骤包括:
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每个车流路径分布信息对应的路段流量和;其中,所述路段流量和为在对应统计时段内经过所述预设区域中每条路段的车流量值的和;
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息对应的路段流量差;其中,所述路段流量差为对应两个统计时段内经过所述预设区域中每条路径的车流量值的差异和总和;
根据每个车流路径分布信息对应的路段流量和、及每两个车流路径分布信息对应的路段流量差,确定每两个车流路径分布信息之间的距离。
可选的,所述根据每两个车流路径分布信息之间的距离,对多个所述车流路径分布信息进行聚类,得到至少一个所述车流路径分布类的步骤包括:
将每个车流路径分布信息作为一个节点,根据每两个车流路径分布信息之间的距离构建关系图;
将根据每两个节点之间的距离,将所述关系图拆分为多个子图;
将每个子图中包含的节点所对应的车流路径分布信息划分为同一车流路径分布类。
可选的,所述将每个车流路径分布信息作为一个节点,根据每两个节点之间的距离构建关系图的步骤包括:
将每个车流路径分布信息作为一个节点,分别将每个节点、及与自身之间的距离最近的设定数量个节点连接,得到所述关系图。
可选的,所述根据每两个节点之间的距离,将所述关系图拆分为多个子图的步骤包括:
截断距离超过预设的距离阈值的两个节点之间的连接,以将所述关系图拆分为多个子图。
可选的,所述确定代表所述车流路径分布类的聚类中心的目标车流路径分布信息的步骤包括:
分别根据所述预测车流路径分布类中包含的车流路径分布信息中经过每条路径的车流量值,确定经过每条路径的目标车流量值与衡量聚类中心的指标之间的优化函数;
分别根据每条路径对应的优化函数,确定在衡量聚类中心的指标最小的情况下,经过每条路径的目标车流量值;
根据经过每条路径的目标车流量值,得到所述目标车流路径分布信息。
可选的,所述获取预设区域在多个统计时段内的车流路径分布信息的步骤包括:
获取所述预设区域在多个统计时段内的车流轨迹;
分别根据每个时段内的车流轨迹,获得每个统计时段内的车流路径分布信息。
根据本发明的第二方面,提供了一种车流路径分布信息的处理装置,包括:
分布信息获取模块,用于获取预设区域在多个统计时段内的车流路径分布信息;其中,所述车流路径分布信息包括所述预设区域中路径、及在对应统计时段内经过每条路径的车流量值;
分布信息聚类模块,用于对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类;
聚类中心确定模块,用于确定代表所述车流路径分布类的聚类中心的目标车流路径分布信息;
交通控制模块,用于根据所述目标车流路径分布信息对所述预设区域进行交通控制。
根据本发明的第三方面,提供了一种电子设备,包括根据本发明第二方面所述的处理装置;或者,包括处理器和存储器,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处理方法。
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处理方法。
在本发明的实施例中,通过对多个统计时段的车流路径分布信息进行聚类,确定聚类中心作为目标车流路径分布信息,并根据目标车流路径分布信息对预设区域进行交通控制。由于得到的聚类中心即目标车流路径分布信息可以表达出预设区域的交通需求,因此,可以便于交通管理者根据目标车流路径分布信息制定交通管理方案,可以提高制定交通管理方案的效率。而且,本实施例中通过综合考虑预设区域整体交通特点,对车流路径分布信息进行聚类,可以提高聚类的准确性,进而可以提高根据目标车流路径分布信息针对预设区域制定的交通管理方案的准确性。
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车流路径分布信息的处理方法的流程示意图;
图4是根据本发明实施例的第一统计时段的车流路径分布信息的一个例子的示意图;
图5是根据本发明实施例的第二统计时段的车流路径分布信息的一个例子的示意图;
图6是根据本发明实施例的第三统计时段的车流路径分布信息的一个例子的示意图;
图7是根据本发明实施例的车流路径分布信息的处理方法的一个例子的流程图;
图8是根据本发明实施例的车流路径分布信息的处理装置的原理框图;
图9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10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实际上仅仅是说明性的,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车流路径分布信息的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车流路径分布信息的处理方法。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车流路径分布信息的处理方法。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,提供一种车流路径分布信息的处理方法。该处理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,本实施例的车流路径分布信息的处理方法可以包括如下步骤S1000~S4000:
步骤S1000,获取预设区域在多个统计时段内的车流路径分布信息。
其中,本实施例中的车流路径分布信息可以是包括预设区域中的路径、及在对应统计时段内经过每条路径的车流量值。
本实施例中的多个统计时段可以包括多个历史统计时段。
本实施例中的预设区域可以是根据应用场景或者具体需求在城市中选定的交通区域。例如,该预设区域可以是如图4~图6所示。
本实施例中的路径可以是路网上的一个路段序列,路段可以是指交通网络上相邻两个路口之间在一个行驶方向上的交通线路。具体的,在如图4~图6中所示的实施例中,通过步骤S1000所获取的预设区域中的路径可以包括:路径A、路径B、路径C、路径D、路径E和路径F。
例如,图4可以为第一统计时段内的车流路径分布信息的示意图,图5可以为第二统计时段内的车流路径分布信息的示意图,图6可以为第三统计时段内的车流路径分布信息的示意图。
在如图4所示的第一统计时段内的车流路径分布信息中,可以得到在第一统计时段内经过路径A、路径B、路径C、路径D、路径E和路径F的车流量值分别为300、168、270、156、0、0。在如图5所示的第二统计时段内的车流路径分布信息中,可以得到在第二统计时段内经过路径A、路径B、路径C、路径D、路径E和路径F的车流量值分别为340、168、270、0、227、0。在如图6所示的第三统计时段内的车流路径分布信息中,可以得到在第三统计时段内经过路径A、路径B、路径C、路径D、路径E和路径F的车流量值分别为0、168、270、0、227、100。
步骤S2000,对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类。
在一个例子中,对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类可以进一步包括如下所示的步骤S2100~S2400:
步骤S2100,确定每条路径所包含的路段数。
本实施例中的路段是对应路径中相邻两个路口之间的交通线路,路段数是对应路径中所包含的路段的数量。
例如,在如图4~图6所示的预设区域中,路径A、路径B和路径F所包含的路段数均为5,路径C、路径D和路径E所包含的路段数均为3。
步骤S2200,根据每个车流路径分布信息,确定对应统计时段内经过每条路径的车流量值。
步骤S2300,根据每条路径所包含的路段数、及每个统计时段内经过对应路径的车流量值,确定每两个车流路径分布信息之间的距离。
每两个车流路径分布信息之间的距离可以用于表征对应两个车流路径分布信息之间的差异程度。
在一个例子中,根据每条路径所包含的路段数、及每个统计时段内经过对应路径的车流量值,确定每两个车流路径分布信息之间的距离可以包括如下步骤S2310~S2330:
步骤S2310,根据每条路径所包含的路段数、及每个统计时段内经过对应路径的车流量值,确定每个车流路径分布信息对应的路段流量和。
其中,路段流量和为在对应统计时段内经过每个路段的车流量值的总和。
在如图4所示的第一统计时段内的车流路径分布信息中,根据每条路径所包含的路段数、及第一统计时段内经过对应路径的车流量值,可以得到第一统计时段内的车流路径分布信息对应的路段流量和为f1,其中,f1=300*5+168*5+270*3+156*3+0*5+0*5=3618。
在如图5所示的第二统计时段内的车流路径分布信息中,根据每条路径所包含的路段数、及第二统计时段内经过对应路径的车流量值,可以得到第二统计时段内的车流路径分布信息对应的路段流量和为f2,其中,f2=340*5+168*5+270*3+0*3+227*5+0*5=4031。
在如图6所示的第三统计时段内的车流路径分布信息中,根据每条路径所包含的路段数、及第三统计时段内经过对应路径的车流量值,可以得到第三统计时段内的车流路径分布信息对应的路段流量和为f3,其中,f3=0*5+168*5+270*3+0*3+227*5+100*5=3285。
步骤S2320,根据每条路径所包含的路段数、及每个统计时段内经过对应路径的车流量值,确定每两个车流路径分布信息对应的路段流量差。
其中,路段流量差为对应两个统计时段内经过每个路段的车流量值的差值的总和。
具体的,可以是分别确定对应两个统计时段内经过每条路径中的所有路段的车流量值的差值的总和,再根据每条路径对应的车流量值的差值的总和求和,得到对应两个统计时段内经过每个路段的车流量值的差值的总和。其中,对应两个统计时段内经过其中一条路径中的所有路段的车流量值的差值的总和,可以是先确定对应两个统计时段内经过该路径的车流量值的差值,再通过该路径所包含的路段数乘以该差值得到。
对于如图4所示的第一统计时段内的车流路径分布信息、及如图5所示的第二统计时段内的车流路径分布信息而言,根据每条路径所包含的路段数、第一统计时段内经过对应路径的车流量值、及第二统计时段内经过对应路径的车流量值,可以确定第一统计时段内的车流路径分布信息与第二统计时段内的车流路径分布信息对应的路段流量差。
具体的,可以是确定第一统计时段内和第二统计时段内经过路径A中每个路段的车流量的差值的和为(340-300)*5,第一统计时段内和第二统计时段内经过路径B中每个路段的车流量的差值的和为(168-168)*5,第一统计时段内和第二统计时段内经过路径C中每个路段的车流量的差值的和为(270-270)*3,第一统计时段内和第二统计时段内经过路径D中每个路段的车流量的差值的和为(156-0)*3,第一统计时段内和第二统计时段内经过路径E中每个路段的车流量的差值的和为(227-0)*3,第一统计时段内和第二统计时段内经过路径F中每个路段的车流量的差值的和为(0-0)*5。那么,第一统计时段内的车流路径分布信息与第二统计时段内的车流路径分布信息对应的路段流量差可以为Δf12,Δf12=(340-300)*5+(168-168)*5+(270-270)*3+(156-0)*3+(227-0)*3+(0-0)*5=1349。
对于如图4所示的第一统计时段内的车流路径分布信息、及如图6所示的第三统计时段内的车流路径分布信息而言,根据每条路径所包含的路段数、第一统计时段内经过对应路径的车流量值、及第三统计时段内经过对应路径的车流量值,可以确定第一统计时段内的车流路径分布信息与第三统计时段内的车流路径分布信息对应的路段流量差。
具体的,可以是确定第一统计时段内和第三统计时段内经过路径A中每个路段的车流量的差值的和为(340-0)*5,第一统计时段内和第三统计时段内经过路径B中每个路段的车流量的差值的和为(168-168)*5,第一统计时段内和第三统计时段内经过路径C中每个路段的车流量的差值的和为(270-270)*3,第一统计时段内和第三统计时段内经过路径D中每个路段的车流量的差值的和为(156-0)*3,第一统计时段内和第三统计时段内经过路径E中每个路段的车流量的差值的和为(227-0)*3,第一统计时段内和第三统计时段内经过路径F中每个路段的车流量的差值的和为(100-0)*5。那么,第一统计时段内的车流路径分布信息与第三统计时段内的车流路径分布信息对应的路段流量差可以为Δf13,Δf13=(340-0)*5+(168-168)*5+(270-270)*3+(156-0)*3+(227-0)*3+(100-0)*5=3349。
对于如图5所示的第二统计时段内的车流路径分布信息、及如图6所示的第三统计时段内的车流路径分布信息而言,根据每条路径所包含的路段数、第二统计时段内经过对应路径的车流量值、及第三统计时段内经过对应路径的车流量值,可以确定第二统计时段内的车流路径分布信息与第三统计时段内的车流路径分布信息对应的路段流量差。
具体的,可以是确定第二统计时段内和第三统计时段内经过路径A中每个路段的车流量的差值的和为(340-0)*5,第二统计时段内和第三统计时段内经过路径B中每个路段的车流量的差值的和为(168-168)*5,第二统计时段内和第三统计时段内经过路径C中每个路段的车流量的差值的和为(270-270)*3,第二统计时段内和第三统计时段内经过路径D中每个路段的车流量的差值的和为(0-0)*3,第二统计时段内和第三统计时段内经过路径E中每个路段的车流量的差值的和为(227-227)*3,第二统计时段内和第三统计时段内经过路径F中每个路段的车流量的差值的和为(100-0)*5。那么,第二统计时段内的车流路径分布信息与第三统计时段内的车流路径分布信息对应的路段流量差可以为Δf23,Δf23=(340-0)*5+(168-168)*5+(270-270)*3+(0-0)*3+(227-227)*3+(100-0)*5=2200。
步骤S2330,根据每个车流路径分布信息对应的路段流量和、及每两个车流路径分布信息对应的路段流量差,确定每两个车流路径分布信息之间的距离。
其中,距离可以是用于表征对应两个车流路径分布信息之间的差异程度。
在一个例子中,确定每两个车流路径分布信息之间的距离的方式可以为:确定对应两个车流路径分布信息对应的路段流量和的几何平均值,再计算对应两个车流路径分布信息对应的路段流量差与该几何平均值之间的比值,作为对应两个车流路径分布信息之间的距离。
对于如图4所示的第一统计时段内的车流路径分布信息、及如图5所示的第二统计时段内的车流路径分布信息而言,可以先确定第一统计时段内的车流路径分布信息和第二统计时段内的车流路径分布信息对应的路段流量和的几何平均值为再计算第一统计时段内的车流路径分布信息和第二统计时段内的车流路径分布信息对应的路段流量差Δf12与该几何平均值之间的比值,得到第一统计时段内的车流路径分布信息和第二统计时段内的车流路径分布信息之间的距离d12,
对于如图4所示的第一统计时段内的车流路径分布信息、及如图6所示的第三统计时段内的车流路径分布信息而言,可以先确定第一统计时段内的车流路径分布信息和第三统计时段内的车流路径分布信息对应的路段流量和的几何平均值为再计算第一统计时段内的车流路径分布信息和第三统计时段内的车流路径分布信息对应的路段流量差Δf13与该几何平均值之间的比值,得到第一统计时段内的车流路径分布信息和第三统计时段内的车流路径分布信息之间的距离d13,
对于如图5所示的第二统计时段内的车流路径分布信息、及如图6所示的第三统计时段内的车流路径分布信息而言,可以先确定第二统计时段内的车流路径分布信息和第三统计时段内的车流路径分布信息对应的路段流量和的几何平均值为再计算第二统计时段内的车流路径分布信息和第三统计时段内的车流路径分布信息对应的路段流量差Δf23与该几何平均值之间的比值,得到第二统计时段内的车流路径分布信息和第三统计时段内的车流路径分布信息之间的距离d23,
步骤S2400,根据每两个车流路径分布信息之间的距离,对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类。
本实施例中采用的聚类方式可以是系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、和图论聚类法中的任意一种或多种,在此不对具体聚类方式做限定。
通过对多个车流路径分布信息进行聚类,可以使得属于同一车流路径分布类中的车流路径分布信息之间的距离较小,而属于不同车流路径分布类中的车流路径分布信息之间的距离较远。
在一个例子中,根据每两个车流路径分布信息之间的距离,对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类的步骤可以包括如下所示的步骤S2410~S2430:
步骤S2410,将每个车流路径分布信息作为一个节点,根据每两个节点之间的距离构建关系图。
在一个例子中,可以是将每个车流路径分布信息作为一个节点,将每两个节点连接,得到该关系图。
在另一个例子中,可以是将每个车流路径分布信息作为一个节点,分别将每个节点、及与自身之间的距离最近的设定数量个节点连接,得到该关系图。
在本例中,设定数量可以是预先根据应用场景或具体需求来设定,例如,设定数量可以设定为5,那么,可以是将每个节点、及与自身之间的距离最近的5个节点连接,得到该关系图。
步骤S2420,根据每两个节点之间的距离,将该关系图拆分为至少一个子图。
在一个例子中,可以是截断距离超过预设的距离阈值的两个节点之间的连接,以将该关系图拆分为至少一个子图。
在另一个例子中,应用图分割方法,将该关系图拆分为至少一个子图,使得位于同一子图内每两个节点之间的距离的总和最小、且位于不同子图内的每两个节点之间的距离的总和最大。
本例中采用的图分割方法可以是最小分割法、或者是Normal ized Cut等,在此不做限定。
步骤S2430,获得与每个子图一一对应的车流路径分布类,并将每个子图中包含的节点所对应的车流路径分布信息划分至对应车流路径分布类中。
例如,在节点1和节点2位于子图1中,节点3和节点4位于子图2中的情况下,可以是获得与子图1一一对应的车流路径分布类1、及与子图2一一对应的车流路径分布类2,并将节点1和节点2所对应的车流路径分布信息划分至车流路径分布类1中,将节点3和节点4所对应的车流路径分布信息划分至车流路径分布类2中。
步骤S3000,确定代表车流路径分布类的聚类中心的目标车流路径分布信息。
目标车流路径分布信息可以不是对应车流路径分布类中所包含的任一统计时段的车流路径分布信息,而是根据对应车流路径分布类中所包含的所有统计时段的车流路径分布信息所得到的、能够代表对应车流路径分布类的聚类中心的车流路径分布信息。
在一个例子中,确定目标车流路径分布信息的步骤可以包括步骤S3100~S3300:
步骤S3100,分别根据所述预测车流路径分布类中包含的车流路径分布信息中经过每条路径的车流量值,确定经过每条路径的目标车流量值与衡量聚类中心的指标之间的优化函数。
具体的,该对应每条路径的衡量聚类中心的指标,可以是经过对应路径的目标车流量值与每个经过对应路径的车流量值之间的差值的平方和。
步骤S3200,分别根据每条路径对应的优化函数,确定在衡量聚类中心的指标最小的情况下,经过每条路径的目标车流量值。
在一个实施例中,可以是利用启发式求解器Louvain算法对对应每条路径的优化函数进行求解,得到经过每条路径的目标车流量值。
步骤S3300,根据经过每条路径的目标车流量值,得到目标车流路径分布信息。
具体的,可以是对经过每条路径的目标车流量值进行整合,得到目标车流路径分布信息。
如果在步骤S2000中得到至少两个车流路径分布类,则可以参照前述的步骤S3100~S3300,分别确定代表每个车流路径分布类的聚类中心的目标车流路径分布信息。
步骤S4000,根据目标车流路径分布信息对预设区域进行交通控制。
具体的,对预设区域进行交通控制的具体方式可以包括:对预设区域内的信号灯的信号周期时长、至少一个相位的绿信比、及多个路口的在至少一个相位的相位差中的至少一项进行相应的控制。
本实施例中的相位取业内公知的含义。例如,其可以包括,在一个信号周期内,具有相同的信号灯色显示的一股或几股交通流的信号状态序列称为一个相位。相位是按车流获得信号显示的时序来划分的,有多少种不同的时序排列,就有多少个相位。每一个控制状态,对应一组不同的灯色组合,称为一个相位。简而言之,一个相位也被称作一个控制状态。再例如,对于一组互不冲突的交通流同时获得通行权所对应的信号显示状态,可以将其称为相位。由此可见,相位是根据路口通行权在一个信号周期内的更迭来划分的。
信号周期时长,包括信号灯发生变化,信号运行一个循环所需的时间,等于绿、黄、红灯时间之和;也等于全部相位所需的绿灯时间和黄灯时间(一般是固定的)的总和。
绿信比是指信号灯一个周期内可用于车辆通行的比例时间。即某相位绿灯时间和周期时长的比值。其中,绿灯时间可以是实际绿灯时间,也可以是有效绿灯时间。
实际绿灯时间可以为绿灯开启至绿灯关闭所用的时间。有效绿灯时间:包括被有效利用的实际车辆通行时间,等于绿灯时间与黄灯时间之和减去损失时间。损失时间包括两部分,一是绿灯信号开启时,车辆启动时的时间;还有绿灯关闭、黄灯开启时,只有越过停止线的车辆才能继续通行,所以也有一部分损失时间,即为实际绿灯时间减去启动时间加速结束滞后时间。结束滞后时间是黄灯时间中有效利用的部分。每一相位的损失时间为启动延迟时间和结束滞后时间之差。
相位差:针对两个信号交叉路口而言,是指两个相邻交叉路口它们同一相位绿灯(或红灯)开始时间之差。
上述定义仅用于示例性描述本发明的具体实施方式,并不对发明保护范围进行限制性解释。
在本发明的实施例中,通过对多个统计时段的车流路径分布信息进行聚类,确定聚类中心作为目标车流路径分布信息,并根据目标车流路径分布信息对预设区域进行交通控制。由于得到的聚类中心即目标车流路径分布信息可以表达出预设区域的交通需求,因此,可以便于交通管理者根据目标车流路径分布信息制定交通管理方案,可以提高制定交通管理方案的效率。而且,本实施例中通过综合考虑预设区域整体交通特点,对车流路径分布信息进行聚类,可以提高聚类的准确性,进而可以提高根据目标车流路径分布信息针对预设区域制定的交通管理方案的准确性。
<例子>
图7为一个例子的车流路径分布信息的处理方法,该例子以图4~图6所示的预设区域为例,对本实施例的车流路径分布信息的处理方法进行描述。该处理方法可以包括如下步骤S7001~S7011:
步骤S7001,获取预设区域在多个统计时段内的车流路径分布信息。
例如,可以是获取如图4所示的第一统计时段的车流路径分布信息、如图5所示的第二统计时段的车流路径分布信息、如图6所述的第三统计时段的车流路径分布信息。
步骤S7002,确定每条路径所包含的路段数。
例如,在如图4~图6所示的车流路径分布信息中,均包含路径A、路径B、路径C、路径D、路径E和路径F。其中,路径A、路径B和路径F所包含的路段数均为5,路径C、路径D和路径E所包含的路段数均为3。
步骤S7003,根据每个车流路径分布信息,确定对应统计时段内经过每条路径的车流量值。
在如图4所示的第一统计时段内的车流路径分布信息中,可以得到在第一统计时段内经过路径A、路径B、路径C、路径D、路径E和路径F的车流量值分别为300、168、270、156、0、0。在如图5所示的第二统计时段内的车流路径分布信息中,可以得到在第二统计时段内经过路径A、路径B、路径C、路径D、路径E和路径F的车流量值分别为340、168、270、0、227、0。在如图6所示的第三统计时段内的车流路径分布信息中,可以得到在第三统计时段内经过路径A、路径B、路径C、路径D、路径E和路径F的车流量值分别为0、168、270、0、227、100。
步骤S7004,根据每条路径所包含的路段数、及每个统计时段内经过对应路径的车流量值,确定每个车流路径分布信息对应的路段流量和。
其中,路段流量和为在对应统计时段内经过每个路段的车流量值的总和。
在如图4所示的第一统计时段内的车流路径分布信息中,根据每条路径所包含的路段数、及第一统计时段内经过对应路径的车流量值,可以得到第一统计时段内的车流路径分布信息对应的路段流量和为f1,其中,f1=300*5+168*5+270*3+156*3+0*5+0*5=3618。
在如图5所示的第二统计时段内的车流路径分布信息中,根据每条路径所包含的路段数、及第二统计时段内经过对应路径的车流量值,可以得到第二统计时段内的车流路径分布信息对应的路段流量和为f2,其中,f2=340*5+168*5+270*3+0*3+227*5+0*5=4031。
在如图6所示的第三统计时段内的车流路径分布信息中,根据每条路径所包含的路段数、及第三统计时段内经过对应路径的车流量值,可以得到第三统计时段内的车流路径分布信息对应的路段流量和为f3,其中,f3=0*5+168*5+270*3+0*3+227*5+100*5=3285。
步骤S7005,根据每条路径所包含的路段数、及每个统计时段内经过对应路径的车流量值,确定每两个车流路径分布信息对应的路段流量差。
其中,路段流量差为对应两个统计时段内经过每个路段的车流量值的差值的总和。
对于如图4所示的第一统计时段内的车流路径分布信息、及如图5所示的第二统计时段内的车流路径分布信息而言,第一统计时段内和第二统计时段内,经过路径A中每个路段的车流量的差值的和、经过路径B中每个路段的车流量的差值的和、经过路径C中每个路段的车流量的差值的和、经过路径D中每个路段的车流量的差值的和、经过路径E中每个路段的车流量的差值的和、经过路径F中每个路段的车流量的差值的和分别为(340-300)*5、(168-168)*5、(270-270)*3、(156-0)*3、(227-0)*3、(0-0)*5。那么,第一统计时段内的车流路径分布信息与第二统计时段内的车流路径分布信息对应的路段流量差可以为Δf12,Δf12=(340-300)*5+(168-168)*5+(270-270)*3+(156-0)*3+(227-0)*3+(0-0)*5=1349。
对于如图4所示的第一统计时段内的车流路径分布信息、及如图6所示的第三统计时段内的车流路径分布信息而言,第一统计时段内和第三统计时段内,经过路径A中每个路段的车流量的差值的和、经过路径B中每个路段的车流量的差值的和、经过路径C中每个路段的车流量的差值的和、经过路径D中每个路段的车流量的差值的和、经过路径E中每个路段的车流量的差值的和、经过路径F中每个路段的车流量的差值的和分别为(340-0)*5、(168-168)*5、(270-270)*3、(156-0)*3、(227-0)*3、(100-0)*5。那么,第一统计时段内的车流路径分布信息与第三统计时段内的车流路径分布信息对应的路段流量差可以为Δf13,Δf13=(340-0)*5+(168-168)*5+(270-270)*3+(156-0)*3+(227-0)*3+(100-0)*5=3349。
对于如图5所示的第二统计时段内的车流路径分布信息、及如图6所示的第三统计时段内的车流路径分布信息而言,第二统计时段内和第三统计时段内,经过路径A中每个路段的车流量的差值的和、经过路径B中每个路段的车流量的差值的和、经过路径C中每个路段的车流量的差值的和、经过路径D中每个路段的车流量的差值的和、经过路径E中每个路段的车流量的差值的和、经过路径F中每个路段的车流量的差值的和分别为(340-0)*5、(168-168)*5、(270-270)*3,、(0-0)*3、(227-227)*3、(100-0)*5。那么,第二统计时段内的车流路径分布信息与第三统计时段内的车流路径分布信息对应的路段流量差可以为Δf23,Δf23=(340-0)*5+(168-168)*5+(270-270)*3+(0-0)*3+(227-227)*3+(100-0)*5=2200。
步骤S7006,根据每个车流路径分布信息对应的路段流量和、及每两个车流路径分布信息对应的路段流量差,确定每两个车流路径分布信息之间的距离。
对于如图4所示的第一统计时段内的车流路径分布信息、及如图6所示的第三统计时段内的车流路径分布信息而言,第一统计时段内的车流路径分布信息和第三统计时段内的车流路径分布信息之间的距离d13,对于如图5所示的第二统计时段内的车流路径分布信息、及如图6所示的第三统计时段内的车流路径分布信息而言,第二统计时段内的车流路径分布信息和第三统计时段内的车流路径分布信息之间的距离d23,
步骤S7007,将每个车流路径分布信息作为一个节点,根据每两个节点之间的距离构建关系图。
步骤S7008,根据每两个节点之间的距离,将该关系图拆分为至少一个子图。
步骤S7009,获得与每个子图一一对应的车流路径分布类,并将每个子图中包含的节点所对应的车流路径分布信息划分至对应车流路径分布类中。
步骤S7010,分别根据所述预测车流路径分布类中包含的车流路径分布信息中经过每条路径的车流量值,确定经过每条路径的目标车流量值与衡量聚类中心的指标之间的优化函数。
步骤S7011,分别根据每条路径对应的优化函数,确定在衡量聚类中心的指标最小的情况下,经过每条路径的目标车流量值。
步骤S7012,根据经过每条路径的目标车流量值,得到目标车流路径分布信息。
步骤S7013,根据目标车流路径分布信息对预设区域进行交通控制。
<装置实施例>
在本实施例中,提供一种车流路径分布信息的处理装置8000,如图8所示,包括分布信息获取模块8100、分布信息聚类模块8200、聚类中心确定模块8300和交通控制模块8400。该分布信息获取模块8100用于获取预设区域在多个统计时段内的车流路径分布信息;其中,车流路径分布信息包括预设区域中路径、及在对应统计时段内经过每条路径的车流量值;该分布信息聚类模块8200用于对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类;该聚类中心确定模块8300用于确定代表车流路径分布类的聚类中心的目标车流路径分布信息;该交通控制模块8400用于根据目标车流路径分布信息对预设区域进行交通控制。
在一个例子中,分布信息聚类模块8200还可以用于:
确定每条路径所包含的路段数;
根据每个车流路径分布信息,确定对应统计时段经过每条路径的车流量值;
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的距离;
根据每两个车流路径分布信息之间的距离,对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类。
在一个例子中,根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的距离包括:
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每个车流路径分布信息对应的路段流量和;其中,路段流量和为在对应统计时段内经过预设区域中每条路段的车流量值的和;
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息对应的路段流量差;其中,路段流量差为对应两个统计时段内经过预设区域中每条路径的车流量值的差异和总和;
根据每个车流路径分布信息对应的路段流量和、及每两个车流路径分布信息对应的路段流量差,确定每两个车流路径分布信息之间的距离。
在一个例子中,根据每两个车流路径分布信息之间的距离,对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类包括:
将每个车流路径分布信息作为一个节点,根据每两个车流路径分布信息之间的距离构建关系图;
将根据每两个节点之间的距离,将关系图拆分为多个子图;
将每个子图中包含的节点所对应的车流路径分布信息划分为同一车流路径分布类。
在一个例子中,将每个车流路径分布信息作为一个节点,根据每两个节点之间的距离构建关系图包括:
将每个车流路径分布信息作为一个节点,分别将每个节点、及与自身之间的距离最近的设定数量个节点连接,得到该关系图。
在一个例子中,根据每两个节点之间的距离,将关系图拆分为多个子图包括:
截断距离超过预设的距离阈值的两个节点之间的连接,以将关系图拆分为多个子图。
在一个例子中,聚类中心确定模块8300还可以用于:
分别根据预测车流路径分布类中包含的车流路径分布信息中经过每条路径的车流量值,确定经过每条路径的目标车流量值与衡量聚类中心的指标之间的优化函数;
分别根据每条路径对应的优化函数,确定在衡量聚类中心的指标最小的情况下,经过每条路径的目标车流量值;
根据经过每条路径的目标车流量值,得到目标车流路径分布信息。
在一个例子中,该分布信息获取模块8100还可以用于:
获取预设区域在多个统计时段内的车流轨迹;
分别根据每个时段内的车流轨迹,获得每个统计时段内的车流路径分布信息。
本领域技术人员应当明白,可以通过各种方式来实现车流路径分布信息的处理装置8000。例如,可以通过指令配置处理器来实现车流路径分布信息的处理装置8000。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车流路径分布信息的处理装置8000。例如,可以将车流路径分布信息的处理装置8000固化到专用器件(例如ASIC)中。可以将车流路径分布信息的处理装置8000分成相互独立的单元,或者可以将它们合并在一起实现。车流路径分布信息的处理装置8000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,车流路径分布信息的处理装置8000可以具有多种实现形式,例如,车流路径分布信息的处理装置8000可以是任何的提供车流路径分布信息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7000。该电子设备7000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9所示,该电子设备7000可以包括前述的车流路径分布信息的处理装置8000,用于实施本发明任意实施例的车流路径分布信息的处理方法。
在另一方面,如图10所示,电子设备7000还可以包括处理器7100和存储器7200,该存储器7200用于存储可执行的指令;该处理器7100用于根据指令的控制运行电子设备7000执行根据本发明任意实施例的车流路径分布信息的处理方法。
<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车流路径分布信息的处理方法。
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,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。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、实际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 (11)
1.一种车流路径分布信息的处理方法,其中,包括:
获取预设区域在多个统计时段内的车流路径分布信息;其中,所述车流路径分布信息包括所述预设区域中路径、及在对应统计时段内经过每条路径的车流量值;
对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类;
确定代表所述车流路径分布类的聚类中心的目标车流路径分布信息;
根据所述目标车流路径分布信息对所述预设区域进行交通控制。
2.根据权利要求1所述的处理方法,其中,所述对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类的步骤包括:
确定每条路径所包含的路段数;
根据每个车流路径分布信息,确定对应统计时段经过每条路径的车流量值;
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的距离;其中,所述距离用于表征对应两个车流路径分布信息之间的差异程度;
根据每两个车流路径分布信息之间的距离,对多个所述车流路径分布信息进行聚类,得到至少一个所述车流路径分布类。
3.根据权利要求2所述的处理方法,其中,所述根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的距离的步骤包括:
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每个车流路径分布信息对应的路段流量和;其中,所述路段流量和为在对应统计时段内经过所述预设区域中每条路段的车流量值的和;
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息对应的路段流量差;其中,所述路段流量差为对应两个统计时段内经过所述预设区域中每条路径的车流量值的差异和总和;
根据每个车流路径分布信息对应的路段流量和、及每两个车流路径分布信息对应的路段流量差,确定每两个车流路径分布信息之间的距离。
4.根据权利要求2所述的处理方法,其中,所述根据每两个车流路径分布信息之间的距离,对多个所述车流路径分布信息进行聚类,得到至少一个所述车流路径分布类的步骤包括:
将每个车流路径分布信息作为一个节点,根据每两个车流路径分布信息之间的距离构建关系图;
将根据每两个节点之间的距离,将所述关系图拆分为多个子图;
将每个子图中包含的节点所对应的车流路径分布信息划分为同一车流路径分布类。
5.根据权利要求4所述的处理方法,其中,所述将每个车流路径分布信息作为一个节点,根据每两个节点之间的距离构建关系图的步骤包括:
将每个车流路径分布信息作为一个节点,分别将每个节点、及与自身之间的距离最近的设定数量个节点连接,得到所述关系图。
6.根据权利要求4所述的处理方法,其中,所述根据每两个节点之间的距离,将所述关系图拆分为多个子图的步骤包括:
截断距离超过预设的距离阈值的两个节点之间的连接,以将所述关系图拆分为多个子图。
7.根据权利要求1所述的处理方法,其中,所述确定代表所述车流路径分布类的聚类中心的目标车流路径分布信息的步骤包括:
分别根据所述预测车流路径分布类中包含的车流路径分布信息中经过每条路径的车流量值,确定经过每条路径的目标车流量值与衡量聚类中心的指标之间的优化函数;
分别根据每条路径对应的优化函数,确定在衡量聚类中心的指标最小的情况下,经过每条路径的目标车流量值;
根据经过每条路径的目标车流量值,得到所述目标车流路径分布信息。
8.根据权利要求1所述的处理方法,其中,所述获取预设区域在多个统计时段内的车流路径分布信息的步骤包括:
获取所述预设区域在多个统计时段内的车流轨迹;
分别根据每个时段内的车流轨迹,获得每个统计时段内的车流路径分布信息。
9.一种车流路径分布信息的处理装置,其中,包括:
分布信息获取模块,用于获取预设区域在多个统计时段内的车流路径分布信息;其中,所述车流路径分布信息包括所述预设区域中路径、及在对应统计时段内经过每条路径的车流量值;
分布信息聚类模块,用于对多个车流路径分布信息进行聚类,得到至少一个车流路径分布类;
聚类中心确定模块,用于确定代表所述车流路径分布类的聚类中心的目标车流路径分布信息;
交通控制模块,用于根据所述目标车流路径分布信息对所述预设区域进行交通控制。
10.一种电子设备,其中,包括根据权利要求9所述的处理装置;或者,包括处理器和存储器,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8中任一项所述的处理方法。
11.一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8中任一项所述的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910379515.XA CN111915875B (zh) | 2019-05-08 | 2019-05-08 | 一种车流路径分布信息的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910379515.XA CN111915875B (zh) | 2019-05-08 | 2019-05-08 | 一种车流路径分布信息的处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111915875A true CN111915875A (zh) | 2020-11-10 |
CN111915875B CN111915875B (zh) | 2024-07-19 |
Family
ID=73242774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910379515.XA Active CN111915875B (zh) | 2019-05-08 | 2019-05-08 | 一种车流路径分布信息的处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915875B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116311941A (zh) * | 2023-03-24 | 2023-06-23 | 阿波罗智联(北京)科技有限公司 | 主要车流路径提取方法、装置、设备及介质 |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009037338A (ja) * | 2007-07-31 | 2009-02-19 | Mitsubishi Heavy Ind Ltd | 交通状態表示装置 |
CN101839725A (zh) * | 2009-03-18 | 2010-09-22 | 福特全球技术公司 | 车辆通信系统 |
CN102542818A (zh) * | 2012-01-13 | 2012-07-04 | 吉林大学 | 一种基于有机计算的区域边界交通信号协调控制方法 |
US20130286198A1 (en) * | 2012-04-25 | 2013-10-31 | Xerox Corporation | Method and system for automatically detecting anomalies at a traffic intersection |
CN103632542A (zh) * | 2012-08-27 | 2014-03-12 | 国际商业机器公司 | 交通信息处理方法、装置和相应设备 |
US20150221218A1 (en) * | 2014-02-03 | 2015-08-06 | Here Global B.V. | Predictive Incident Aggregation |
WO2016087907A1 (en) * | 2014-12-05 | 2016-06-09 | Audi Ag | Method for clustering vehicles |
CN106408939A (zh) * | 2016-10-29 | 2017-02-15 | 浙江大学 | 基于密度峰值聚类的交通流量序列划分方法 |
CN106530762A (zh) * | 2016-12-26 | 2017-03-22 | 东软集团股份有限公司 | 交通信号控制方法和装置 |
CN106781488A (zh) * | 2016-12-28 | 2017-05-31 | 安徽科力信息产业有限责任公司 | 基于车流密度和车速融合的交通运行状态评价方法 |
TWI596579B (zh) * | 2016-05-18 | 2017-08-21 | Chunghwa Telecom Co Ltd | Urban traffic simulation analysis system and method |
CN107610464A (zh) * | 2017-08-11 | 2018-01-19 | 河海大学 | 一种基于高斯混合时间序列模型的轨迹预测方法 |
CN107705586A (zh) * | 2016-08-08 | 2018-02-16 | 阿里巴巴集团控股有限公司 | 道路交叉口的车流控制方法以及装置 |
CN107798872A (zh) * | 2017-10-27 | 2018-03-13 | 北京世纪高通科技有限公司 | 一种分车道路况的生成方法和装置 |
WO2018072240A1 (zh) * | 2016-10-20 | 2018-04-26 | 中国科学院深圳先进技术研究院 | 一种路网潮汐交通流可变导向车道控制方法 |
US10002530B1 (en) * | 2017-03-08 | 2018-06-19 | Fujitsu Limited | Traffic signal control using multiple Q-learning categories |
US20180204450A1 (en) * | 2015-09-16 | 2018-07-19 | Huawei Technologies Co., Ltd. | Method And Apparatus for Controlling Passing of Vehicle At Traffic Intersection |
WO2018149308A1 (zh) * | 2017-02-15 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
CN108492568A (zh) * | 2018-04-25 | 2018-09-04 | 南京邮电大学 | 一种基于时空特性分析的短时交通流预测方法 |
TW201842481A (zh) * | 2018-08-13 | 2018-12-01 | 創新交通科技有限公司 | 利用緩衝區分配車流量達到改善路網壅塞之方法 |
CN108986465A (zh) * | 2018-07-27 | 2018-12-11 | 深圳大学 | 一种车流量检测的方法、系统及终端设备 |
CN109118793A (zh) * | 2018-10-08 | 2019-01-01 | 安徽三联学院 | 车流控制方法及装置 |
-
2019
- 2019-05-08 CN CN201910379515.XA patent/CN111915875B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009037338A (ja) * | 2007-07-31 | 2009-02-19 | Mitsubishi Heavy Ind Ltd | 交通状態表示装置 |
CN101839725A (zh) * | 2009-03-18 | 2010-09-22 | 福特全球技术公司 | 车辆通信系统 |
CN102542818A (zh) * | 2012-01-13 | 2012-07-04 | 吉林大学 | 一种基于有机计算的区域边界交通信号协调控制方法 |
US20130286198A1 (en) * | 2012-04-25 | 2013-10-31 | Xerox Corporation | Method and system for automatically detecting anomalies at a traffic intersection |
CN103632542A (zh) * | 2012-08-27 | 2014-03-12 | 国际商业机器公司 | 交通信息处理方法、装置和相应设备 |
US20150221218A1 (en) * | 2014-02-03 | 2015-08-06 | Here Global B.V. | Predictive Incident Aggregation |
WO2016087907A1 (en) * | 2014-12-05 | 2016-06-09 | Audi Ag | Method for clustering vehicles |
US20180204450A1 (en) * | 2015-09-16 | 2018-07-19 | Huawei Technologies Co., Ltd. | Method And Apparatus for Controlling Passing of Vehicle At Traffic Intersection |
TWI596579B (zh) * | 2016-05-18 | 2017-08-21 | Chunghwa Telecom Co Ltd | Urban traffic simulation analysis system and method |
CN107705586A (zh) * | 2016-08-08 | 2018-02-16 | 阿里巴巴集团控股有限公司 | 道路交叉口的车流控制方法以及装置 |
WO2018072240A1 (zh) * | 2016-10-20 | 2018-04-26 | 中国科学院深圳先进技术研究院 | 一种路网潮汐交通流可变导向车道控制方法 |
CN106408939A (zh) * | 2016-10-29 | 2017-02-15 | 浙江大学 | 基于密度峰值聚类的交通流量序列划分方法 |
CN106530762A (zh) * | 2016-12-26 | 2017-03-22 | 东软集团股份有限公司 | 交通信号控制方法和装置 |
CN106781488A (zh) * | 2016-12-28 | 2017-05-31 | 安徽科力信息产业有限责任公司 | 基于车流密度和车速融合的交通运行状态评价方法 |
WO2018149308A1 (zh) * | 2017-02-15 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
US10002530B1 (en) * | 2017-03-08 | 2018-06-19 | Fujitsu Limited | Traffic signal control using multiple Q-learning categories |
CN107610464A (zh) * | 2017-08-11 | 2018-01-19 | 河海大学 | 一种基于高斯混合时间序列模型的轨迹预测方法 |
CN107798872A (zh) * | 2017-10-27 | 2018-03-13 | 北京世纪高通科技有限公司 | 一种分车道路况的生成方法和装置 |
CN108492568A (zh) * | 2018-04-25 | 2018-09-04 | 南京邮电大学 | 一种基于时空特性分析的短时交通流预测方法 |
CN108986465A (zh) * | 2018-07-27 | 2018-12-11 | 深圳大学 | 一种车流量检测的方法、系统及终端设备 |
TW201842481A (zh) * | 2018-08-13 | 2018-12-01 | 創新交通科技有限公司 | 利用緩衝區分配車流量達到改善路網壅塞之方法 |
CN109118793A (zh) * | 2018-10-08 | 2019-01-01 | 安徽三联学院 | 车流控制方法及装置 |
Non-Patent Citations (3)
Title |
---|
吴伟;马万经;杨晓光;: "车路协同环境下基于路径的信号协调优化模型", 吉林大学学报(工学版), no. 02, 19 March 2013 (2013-03-19) * |
张尧;: "城市交通车流拥堵疏散路径优化识别研究", 计算机仿真, no. 02 * |
林志伟;杨新苗;: "关于交通路口车流量优化调度仿真", 计算机仿真, no. 06 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116311941A (zh) * | 2023-03-24 | 2023-06-23 | 阿波罗智联(北京)科技有限公司 | 主要车流路径提取方法、装置、设备及介质 |
CN116311941B (zh) * | 2023-03-24 | 2023-12-26 | 阿波罗智联(北京)科技有限公司 | 主要车流路径提取方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111915875B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111915877B (zh) | 一种车流路径分布信息的处理方法、装置及电子设备 | |
CN111721317B (zh) | 生成导航信息的方法、装置 | |
US20150088417A1 (en) | System and Method for Dynamic Path Optimization | |
US10909844B2 (en) | Dynamic road width division for adaptive road space utilization | |
CN111210625A (zh) | 一种交通控制方法、装置及电子设备 | |
CN111681428B (zh) | 一种溢流检测的方法、装置、电子设备及存储介质 | |
CN111223310B (zh) | 一种信息处理方法、装置及电子设备 | |
US11004333B2 (en) | Detecting influential factors for traffic congestion | |
US20160033298A1 (en) | Generating a query index and querying on the basis of the query index | |
CN114758495A (zh) | 交通信号灯调整方法、装置及电子设备 | |
CN111915875B (zh) | 一种车流路径分布信息的处理方法、装置及电子设备 | |
CN111586108A (zh) | 交通地图的渲染方法、装置、终端设备、服务器及系统 | |
CN114444718B (zh) | 机器学习模型的训练方法、信号控制方法和装置 | |
US11092452B2 (en) | Cognitve analysis of vehicle routes for manual or autonomous vehicles | |
JP2015149715A (ja) | 設定可能な通信システム及び通信方法 | |
CN111382315A (zh) | 子图同构匹配结果的合并方法、电子设备及存储介质 | |
CN112652161B (zh) | 一种车流路径分布信息的处理方法、装置、及电子设备 | |
CN113129614B (zh) | 一种交通控制方法、装置及电子设备 | |
CN111445708A (zh) | 一种交通控制方法、装置、及电子设备 | |
CN113990068A (zh) | 交通数据的处理方法、装置、设备以及存储介质 | |
CN113495938B (zh) | 一种公交运行线路的获取方法、装置及电子设备 | |
CN111564047A (zh) | 一种信号控制区域的分割方法、装置、及电子设备 | |
CN111754770A (zh) | 一种交通控制方法、装置及电子设备 | |
CN112382090A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
Ekedebe et al. | On an efficient and effective Intelligent Transportation System (ITS) using field and simulation data |
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 |