CN112233428A - 车流量预测方法、装置、存储介质及设备 - Google Patents
车流量预测方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN112233428A CN112233428A CN202011077680.9A CN202011077680A CN112233428A CN 112233428 A CN112233428 A CN 112233428A CN 202011077680 A CN202011077680 A CN 202011077680A CN 112233428 A CN112233428 A CN 112233428A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- type
- vehicle type
- road section
- 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
Images
Classifications
-
- 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
-
- 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
- G08G1/0125—Traffic data processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种车流量预测方法、装置、存储介质以及设备,涉及人工智能技术领域,其中,该方法包括:获取与目标路段相关联的参考路段中的参考车辆类型,获取参考车辆类型对应的车辆类型数量;根据车辆类型数量确定参考车辆类型在参考路段中的类型数量分布信息;根据参考车辆类型以及车辆类型数量,预测参考车辆类型的车辆的位置上报次数,作为预测次数,根据预测次数确定参考车辆类型的车辆在参考路段中的上报数量分布信息;获取目标路段中车辆的位置上报次数,作为目标次数;根据类型数量分布信息、上报数量分布信息以及目标次数,预测目标路段的车流量。本申请可以可有效预测道路的车流量,并可提高预测道路车流量的准确度。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种车流量预测方法、装置、存储介质及设备。
背景技术
人工智能软件技术主要包括自动驾驶技术、计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习等几大方向。其中,自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术,自动驾驶技术有着广泛的应用前景;例如,通常车载设备通过预测道路的车流量,根据道路的车流量为用户出行进行路径规划,可避免出行遭遇拥堵的问题,提高用户出行效率;因此,如何有效预测道路的车流量当前亟待解决的问题。
发明内容
本申请实施例所要解决的技术问题在于,提供一种车流量预测方法、装置、存储介质及设备,可有效预测道路的车流量,并可提高预测道路车流量的准确度。
本申请实施例一方面提供一种车流量预测方法,包括:
获取与目标路段相关联的参考路段中的参考车辆类型,获取所述参考车辆类型对应的车辆类型数量;
根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息;
根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息;
获取所述目标路段中车辆的位置上报次数,作为目标次数;
根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量。
本申请实施例一方面提供一种车流量预测装置,包括:
获取模块,用于获取与目标路段相关联的参考路段中的参考车辆类型,获取所述参考车辆类型对应的车辆类型数量;
确定模块,用于根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息;
预测模块,用于根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息;
所述获取模块,还用于获取所述目标路段中车辆的位置上报次数,作为目标次数;
所述预测模块,还用于根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量。
可选的,所述确定模块根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息的实现方式包括:
获取所述参考路段中的车辆总数;
获取所述车辆类型数量与所述参考路段中的车辆总数之间的比值,作为所述参考车辆类型在所述参考路段中的类型数量分布信息。
可选的,所述预测模型根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息的实现方式包括:
根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在未超载时的位置上报次数,作为第一次数;
将所述第一次数与第一总次数之间的比值,作为所述参考车辆类型的车辆在未超载时的上报数量分布子信息,作为第一分布子信息;所述第一总次数为所述参考路段中的车辆在未超载时的位置上报总次数;
根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在超载时的位置上报次数,作为第二次数;所述第一次数和所述第二次数均属于所述预测次数;
将所述第二次数与第二总次数之间的比值,生成所述参考车辆类型的车辆在超载时的上报数量分布子信息,作为第二分布子信息;所述第二总次数为所述参考路段中的车辆在超载时的位置上报总次数;
根据所述第一分布子信息以及所述第二分布子信息,生成所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息。
可选的,所述预测模块根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在未超载时的位置上报次数,作为第一次数的实现方式包括:
确定具有所述参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量;
获取所述第一乘客数量与所述车辆类型数量之间的乘积,作为具有所述参考车辆类型的车辆在未超载时的位置上报次数;
将具有所述参考车辆类型的车辆在未超载时的位置上报次数作为所述第一次数。
可选的,所述预测模块根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在超载时的位置上报次数,作为第二次数,包括:
确定具有所述参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量;
获取具有所述参考车辆类型的车辆的历史超载率,根据所述历史超载率生成超载权重;
根据所述第一乘客数量以及所述超载权重,确定具有所述参考车辆类型的车辆在超载时所搭乘的乘客数量,作为第二乘客数量;
获取所述第二乘客数量与所述车辆类型数量之间的乘积,作为具有所述参考车辆类型的车辆在超载时的位置上报次数;
将具有所述参考车辆类型的车辆在超载时的位置上报次数作为所述第二次数。
可选的,所述预测模块根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量的实现方式包括:
根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,生成目标车辆类型的车辆流量区间;所述目标车辆类型为所述目标路段中与所述参考车辆类型相同的车辆类型;
从所述目标车辆类型的车辆流量区间中确定所述目标路段的车流量。
可选的,所述预测模块根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,生成目标车辆类型的车辆流量区间的实现方式包括:
获取所述车辆类型数量与所述参考路段中的车辆总数之间的比值、所述第一次数与所述第一总次数之间比值、以及所述第二次数与所述第二总次数之间的比值中的最大比值和最小比值;
获取所述最大比值与所述目标次数之间的乘积,作为第一车流量值;
获取所述最小比值与所述目标次数之间的乘积,作为第二车流量值;
将所述第一车流量值与所述第二车流量值所构成的区间,作为所述目标车辆类型的车辆流量区间。
可选的,所述目标路段中包括多种车辆类型,所述目标车辆类型属于所述多种车辆类型,每种车辆类型与一个车流量区间对应;
所述预测模块从所述目标车辆类型的车辆流量区间中确定所述目标路段的车流量的实现方式包括:
分别从所述每种车辆类型对应的车流量区间中获取车流量值,作为目标车流量值;
获取所述目标车流量值之间的总和,根据所述目标车流量值之间的总和确定所述目标路段的车流量。
可选的,所述预测模块根据所述目标车流量值之间的总和确定所述目标路段的车流量的实现方式包括:
根据所述目标次数生成第一车流量阈值;
根据所述目标次数以及所述第二次数,生成第二车流量阈值;所述第一车流量阈值大于所述第二车流量阈值;
若所述目标车流量值之间的总和小于所述第一车流量阈值,且大于或等于所述第二车流量阈值,则将所述目标车流量值之间的总和作为所述目标路段的车流量;
若所述目标车流量值之间的总和大于或等于所述第一车流量阈值,或小于所述第二车流量阈值,则分别从所述每种车辆类型对应车流量区间中重新获取车流量值,作为更新目标车流量值,获取所述更新目标车流量值之间的总和,根据所述更新目标车流量值之间的总和确定所述目标路段的车流量。
可选的,获取模块,还用于获取在历史时间段所述目标车辆类型在候选路段集合的候选路段中的历史类型数量分布信息;获取在所述历史时间段内所述目标车辆类型在所述目标路段中的历史类型数量分布信息;将所述候选路段集合中对应历史类型数量分布信息与所述目标路段中的历史类型数量分布信息匹配的候选路段,作为与所述目标路段相关联的参考路段。
本申请一方面提供了一种计算机设备,包括:处理器及存储器;
其中,上述存储器用于存储计算机程序,上述处理器用于调用上述计算机程序,以执行如下步骤:
获取与目标路段相关联的参考路段中的参考车辆类型,获取所述参考车辆类型对应的车辆类型数量;
根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息;
根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息;
获取所述目标路段中车辆的位置上报次数,作为目标次数;
根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量。
本申请实施例一方面提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行如下步骤:
获取与目标路段相关联的参考路段中的参考车辆类型,获取所述参考车辆类型对应的车辆类型数量;
根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息;
根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息;
获取所述目标路段中车辆的位置上报次数,作为目标次数;
根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量。
本申请中,类型数量分布信息用于反映参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的占比,也即该类型数量分布信息可用于反映参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的关系。上报数量分布信息用于反映参考车辆类型的车辆的位置上报次数与参考路段中车辆的位置上报总次数之间的占比,由于参考车辆类型的车辆的位置上报次数是根据参考车辆类型对应的车辆类型数量确定的,因此,该上报数量分布信息可用于反映车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系。目标路段与参考路段相关联,即目标路段对应的类型数量分布信息以及上报数量分布信息,分别与参考路段对应的类型数量分布信息以及上报数量分布信息匹配,也即目标车辆类型对应的车辆类型数量与目标路段中的车辆总数之间的关系,与参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的关系匹配;目标车辆类型对应的车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系,与参考车辆类型对应的车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系匹配。因此,可以根据该类型数量分布信息、该上报数量分布信息以及该目标次数,预测该目标路段的车流量。由于该参考车辆类型的车辆的位置上报次数是根据参考车辆类型以及车辆类型数量确定的,即该参考车辆类型的车辆的位置上报次数考虑了车辆的位置上报次数为多次的情况(即车辆中的乘客上报位置数据的情况);可避免不同车辆类型的车辆的位置上报次数为多次,导致确定目标路段的车流量不准确的问题,可提高预测道路的车流量的准确度,有利于提高车辆出行的安全性以及出行效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请提供的一种车流量预测系统的架构示意图;
图2是本申请提供的一种车流量预测系统中的各个设备之间交互的场景示意图;
图3是本申请提供的一种车流量预测方法的流程示意图;
图4是本申请提供的一种获取参考车辆类型的车辆在参考路段中的位置上报数量分布信息的场景示意图;
图5是本申请提供的一种获取参考车辆类型的车辆在未超载时的位置上报次数的场景示意图;
图6是本申请提供的一种获取参考车辆类型的车辆在超载时的位置上报次数的场景示意图;
图7是本申请实施例提供的一种车流量预测装置的结构示意图;
图8是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大车流量预测技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括自动驾驶技术、计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
其中,计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。
其中,自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术,自动驾驶技术有着广泛的应用前景。
本申请实施例提供的车流量预测方法主要涉及人工智能的计算机视觉技术以及自动驾驶技术,具体的,利用计算机视觉技术对车辆行驶路段上的车辆进行识别,根据识别结果确定车辆行驶路段的车流量,利用自动驾驶技术根据车辆行驶路段的车流量为车辆规划行驶路线,提高车辆行驶的安全性以及行驶效率。
首先介绍用于实现本申请的车流量预测方法的车流量预测系统,如图1所示,该车流量预测系统中包括服务器10以及至少一个终端11。
其中,服务器10可以是指用于进行道路管理的设备,例如,服务器10可以用于控制道路中的交通信号灯、对道路中的车辆进行定位和跟踪、监控道路中的车辆是否存在违规行驶以及为道路中的车辆提供道路的行驶路况信息等等;行驶路况信息包括道路的车流量、拥堵情况等等。终端11可用于向服务器上报位置数据的设备,终端11可以包括被部署于车辆中的车载终端(如行车导航仪)以及车辆中的用户所持有的终端。
其中,服务器10可以是独立的一个物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端11可以是行车导航仪、智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。各个终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
其中,本申请中所涉及的目标路段可以是指某车辆即将驶入的路段,如该车辆的行驶规划路线上的路段;参考路段可以是指车辆当前所行使的路段或历史所行驶的路段。目标路段和参考路段中均可包括至少一种车辆类型的车辆,车辆类型包括大型车(如大于20座)、中型车(如大于9座,且小于等于20座)、小型车(如大于2座且小于等于9座)以及微型车(如小于等于2座)等等。
其中,上述参考路段与目标路段相关联,即参考路段与目标路段相关联可以是指:目标车辆类型在目标路段中的类型数量分布信息与参考车辆类型在参考路段中的类型数量分布信息匹配,目标车辆类型与参考车辆类型属于同一车辆类型。目标车辆类型在目标路段中的类型数量分布信息可以是指:目标车辆类型的车辆数量与目标路段中的车辆总数之间的占比;同理,参考车辆类型在参考路段中的类型数量分布信息可以是指:参考车辆类型的车辆数量与参考路段中的车辆总数之间的占比。目标车辆类型在目标路段中的类型数量分布信息与参考车辆类型在参考路段中的类型数量分布信息匹配可以是指:目标车辆类型的车辆数量与目标路段中的车辆总数之间的占比,与参考车辆类型的车辆数量与参考路段中的车辆总数之间的占比的差值小于差值阈值。例如,该差值阈值为0.02,参考车辆类型和目标车辆类型均为大型车,假设目标路段中的大型车的车辆数量与目标路段中的车辆总数之间的占比为0.53,参考路段中的大型车的车辆数量与参考路段中的车辆总数之间的占比为0.52。即目标路段中的大型车的车辆数量与目标路段中的车辆总数之间的占比,与参考路段中的大型车的车辆数量与参考路段中的车辆总数之间的占比的差值小于0.02;如果目标路段中的其他车辆类型的车辆数量与目标路段中的车辆总数之间的占比,与参考路段中的对应车辆类型的车辆数量与参考路段中的车辆总数之间的占比之差也小于0.02,则可称为参考路段与目标路段相关联。
现有技术中,服务器是通过根据道路中的车辆所上报的位置数据对应数据量来预测道路的车流量,由于车辆通常承载有多名乘客,乘客也会通过终端(如手机)上报位置数据;导致将乘客误认为道路中的车辆,导致所预测的车流量的准确度比较低。上述车流量预测系统可应用于自动驾驶、辅助驾驶、车联网、车辆导航以及车路协同等场景;图2中以车辆导航场景为例,对本申请的车流量预测方法进行说明,本申请通过考虑不同车辆类型的车辆存在位置上报次数为多次的情况,即可避免不同车辆类型的车辆的位置上报次数为多次,导致确定目标路段的车流量不准确的问题,可提高确定道路的车流量的准确度,有利于提高车辆出行的安全性以及出行效率。
如图2中,假设车辆S需要从A地出发经过B地并到达C地,车辆S当前行驶在A-B路段上;如果A-B路段与B-C的路段相关联,可以称A-B路段为参考路段,B-C的路段为目标路段。为了车辆S能够快速地到达C地,服务器可以获取B-C的路段的车流量,有利于车辆S可根据B-C的路段的车流量选择合适的路线到达C地。具体的,该车流量预测方法具体可包括如下步骤s1~s5。
s1、获取参考车辆类型的车辆类型数量与A-B路段中的车辆总数之间的占比(简称参考车辆类型的车辆类型数量的占比)。首先,车辆S可以通过摄像装置或行车记录仪获取A-B路段的多媒体数据,将该多媒体数据发送至服务器;该多媒体数据包括图像数据以及视频数据中的至少一种。服务器接收到多媒体数据后,可以对该多媒体数据进行识别,得到A-B路段中的n种参考车辆类型以及每种参考车辆类型的车辆类型数量,n为大于等于1的整数,此处车辆类型数量是指某种参考车辆类型的车辆的数量。假设每种参考车辆类型对应的车辆类型数量分别为m1,m2,m3,……,mn,进一步,可以根据每种参考车辆类型对应车辆类型数量确定A-B路段中的车辆总数,即车辆总数为m1+m2+m3+……+mn,根据车辆总数以及车辆类型数量,分别获取各种参考车辆类型的车辆类型数量与A-B路段中的车辆总数之间的占比;如A-B路段中第i种参考车辆类型的车辆类型数量与A-B路段中的车辆总数之间的占比可以采用如下公式(1)表示。
pi=mi/(m1+m2+…mn) (1)
在公式(1)中,pi为A-B路段中第i种参考车辆类型的车辆类型数量与A-B路段中的车辆总数之间的占比,mi为A-B路段中第i种参考车辆类型的车辆类型数量,i为大于0且小于或等于n的整数。
s2、获取参考车辆类型的车辆未超载时在A-B路段的位置上报次数与在A-B路段中的车辆未超载时的位置上报总次数之间的占比(简称参考车辆类型的车辆未超载时在A-B路段的位置上报次数的占比)。不同参考车辆类型的车辆在未超载时所搭乘的限制乘客数量是有规定的,限制乘客数量可以是指车辆在未超载时所搭乘的最大乘客数量;例如,大型车、中型车、小型车、微型车的限制乘客数量分别为不少于20人、大于9人小于20人、大于2人小于等于9人、不超过2人。参考车辆类型的车辆未超载时所搭乘的限制乘客数量分别为w1、w2,……,wn,假设参考类型的车辆上的每个乘客均会上报位置数据,那么,参考车辆类型的车辆在未超载时的位置上报次数分别为M1=w1*m1,M2=w2*m2,……,Mn=wn*mn。进一步,可根据参考车辆类型的车辆在未超载时的位置上报次数,计算得到参考车辆类型的车辆未超载时在A-B路段的位置上报次数与在A-B路段中的车辆未超载时的位置上报总次数之间的占比;如A-B路段中第i种参考车辆类型的车辆未超载时在A-B路段的位置上报次数与在A-B路段中的车辆未超载时的位置上报总次数之间的占比可以采用如下公式(2)表示。
qi=Mi/(M1+M2+…Mn) (2)
在公式(2)中,qi为A-B路段中第i种参考车辆类型的车辆未超载时在A-B路段的位置上报次数与在A-B路段中的车辆未超载时的位置上报总次数之间的占比,M1+M2+…Mn为在A-B路段中的车辆未超载时的位置上报总次数。
s3、获取参考车辆类型的车辆超载时在A-B路段的位置上报次数与在A-B路段中的车辆超载时的位置上报总次数之间的占比(简称参考车辆类型的车辆超载时在A-B路段的位置上报次数的占比)。由于车辆在行驶的过程中可能存在超载,服务器可以获取具有参考类型的车辆的历史超载率,该历史超载率可以是具有参考类型的车辆在历史时间段内的超载率,A-B路段中参考车辆类型的车辆的历史超载率分别为μ1、μ2,……,μn;根据该历史超载率、参考车辆类型以及参考车辆类型的车辆类型数量,确定参考车辆类型的车辆超载时在A-B路段的位置上报次数,分别记为R1=w1*m1*(1+μ1),M2=w2*m2*(1+μ2),……,Mn=wn*mn*(1+μn)。进一步,可根据参考车辆类型的车辆超载时在A-B路段的位置上报次数,确定参考车辆类型的车辆超载时在A-B路段的位置上报次数与在A-B路段中的车辆超载时的位置上报总次数之间的占比;如A-B路段中第i种参考车辆类型的车辆超载时在A-B路段的位置上报次数与在A-B路段中的车辆超载时的位置上报总次数之间的占比可以采用如下公式(3)表示。
zi=Ri/(R1+R2+…Rn) (3)
在公式(3)中,zi为A-B路段中第i种参考车辆类型的车辆超载时在A-B路段的位置上报次数与在A-B路段中的车辆超载时的位置上报总次数之间的占比,R1+R2+…Rn为在A-B路段中的车辆超载时的位置上报总次数。
s4、获取B-C路段中的目标车辆类型的车流量区间。由于B-C路段与A-B路段相关联,即B-C路段中所包含的目标车辆类型对应的类型数与A-B中所包含的参考车辆类型对应的类型数,即目标路段中包括n种目标车辆类型的车辆,第i种目标车辆类型与第i种参考类型相对应,即第i种目标车辆类型与第i种参考类型属于同一车辆类型。由于B-C路段与A-B路段相关联,因此,目标车辆类型的车辆类型数量的占比,与参考车辆类型的车辆类型数量的占比(即pi)相差不大;目标车辆类型的车辆未超载时在B-C路段的位置上报次数的占比,与参考车辆类型的车辆未超载时在A-B路段的位置上报次数的占比(即qi)相差不大;且目标车辆类型的车辆超载时在B-C路段的位置上报次数的占比,参考车辆类型的车辆超载时在A-B路段的位置上报次数的占比(即zi)之间相差不大。服务器可以获取B-C路段的车辆的位置上报次数,作为目标次数,即该目标次数为B-C路段的车辆位置上报总次数,可记为Q。由于B-C路段中的车辆搭乘有多名乘客,即乘客会上报位置数据;因此B-C路段中存在辆车的位置上报次数为多次。可根据目标次数、pi、qi以及zi获取B-C路段中的目标车辆类型的车流量区间,B-C路段中的目标车辆类型的车流量区间可以是指:B-C路段中的目标车辆类型对应的车辆数量区间;即B-C路段中的第i种目标车辆类型的车流量区间可以采用如下公式(4)表示。
(xi,yi)=(Q*min(pi,qi,zi),Q*max(pi,qi,zi)) (4)
在公式(4)中,(xi,yi)为B-C路段中的第i种目标车辆类型的车流量区间,min(pi,qi,zi)表示取(pi,qi,zi)中的最小比值,max(pi,qi,zi)表示取(pi,qi,zi)中的最大比值。
s5、根据B-C路段中的目标车辆类型的车流量区间确定B-C路段的车流量。即B-C路段中的目标车辆类型对应的车辆数量均属于对应车流量区间,因此,服务器可以分别从B-C路段中各个目标车辆类型对应的车流量区间中获取车流量值,作为目标车流量值,该目标车流量值为B-C路段中的目标车辆类型对应车辆预测数量,可分别标记为α1、α2,……,αn。进一步可以获取目标车流量值之间的总和,由于B-C路段中存在车辆的位置上报次数为多次的情况,因此,B-C路段中的车辆数量小于B-C路段的车辆的位置上报次数Q;因此,如果目标车流量值之间的总和小于第一车流量阈值,且大于或等于第二车流量阈值,则将目标车流量值之间的总和作为B-C路段的车流量,即B-C路段的车流量为α1+α2+……+αn。第一车流量阈值可以是指上述B-C路段的车辆位置上报总次数Q,第二车流量阈值可以是根据B-C路段的车辆位置上报总次数Q以及参考车辆类型的车辆超载时在A-B路段的位置上报次数Ri确定的,如第二车流量阈值为Q/max(R1,R2,…,Rn)。如果目标车流量值之间的总和大于或等于第一车流量阈值,或小于第二车流量阈值,表明目标车流量值之间的总和不合理,则可以分别从B-C路段中各个目标车辆类型对应的车流量区间中重新获取车流量值,作为更新的目标车流量值,获取更新目标车流量值之间的总和,根据更新目标车流量值之间的总和确定B-C路段的车流量。在获取到B-C路段的车流量后,服务器可以将B-C路段的车流量发送至车辆S,车辆S可以根据B-C路段的车流量确定B-C路段的车流量确定B-C路段的拥堵情况,根据B-C路段的拥堵情况判断是否需要重新规划行驶路线,可以避免在出行的过程中遭遇拥堵情况,提高出行效率以及出行安全性。
综上,通过根据参考车辆类型的车辆类型数量的占比、参考车辆类型的车辆未超载时在A-B路段(参考路段)的位置上报次数的占比、参考车辆类型的车辆超载时在A-B路段的位置上报次数的占比,以及B-C路段(目标路段)的车辆的位置上报次数,确定目标路段的车流量;充分考虑了不同车辆类型的车辆存在位置上报次数为多次的情况,即可避免不同车辆类型的车辆的位置上报次数为多次,导致确定目标路段的车流量不准确的问题,可提高确定道路的车流量的准确度,有利于提高车辆出行的安全性以及出行效率。
基于上述的描述,请参见图3,是本申请实施例提供的一种车流量预测方法的流程示意图。该方法可由计算机设备来执行,该计算机设备可以是指图1中的服务器10或位于车辆中的终端11(如车载终端),如图3所示,该车流量预测方法可以包括如下步骤S101~S104。
S101、获取与目标路段相关联的参考路段中的参考车辆类型,获取该参考车辆类型对应的车辆类型数量。
当需要获取目标路段的车流量时,计算机设备可以获取参考路段的多媒体数据,多媒体数据包括图像数据以及视频数据中的至少一种;该多媒体数据可以是由该参考路段中所行使的车辆的车载设备所拍摄得到的,或者是由参考路段旁的监控设备所拍摄得到的。计算机设备可以对该参考路段的多媒体数据进行识别,得到该参考路段中的车辆信息,该参考路段的车辆信息包括参考路段中的参考车辆类型、以及该参考车辆类型的车辆类型数量等等;此处参考车辆类型可以是指参考路段中的车辆类型中的任一种。
S102、根据该车辆类型数量确定该参考车辆类型在该参考路段中的类型数量分布信息。
由于目标车辆类型在目标路段中的类型数量分布信息与该参考车辆类型在该参考路段中的类型数量分布信息匹配,而目标路段中的目标车辆类型对应车辆类型数量未知,即难以获取目标车辆类型在目标路段中的类型数量分布信息。因此,计算设备可以根据该车辆类型数量确定该参考车辆类型在该参考路段中的类型数量分布信息,有利于根据该参考车辆类型在该参考路段中的类型数量分布信息确定目标车辆类型在目标路段中的类型数量分布信息;即该参考车辆类型在该参考路段中的类型数量分布信息用于反映:在参考路段中的参考车辆类型的车辆类型数量与参考路段中的车辆总数之间的占比。
S103、根据该参考车辆类型以及该车辆类型数量,预测该参考车辆类型的车辆的位置上报次数,作为预测次数,根据该预测次数确定该参考车辆类型的车辆在该参考路段中的上报数量分布信息。
计算机设备可以根据该参考路段中的参考车辆类型与该车辆类型数量,预测该参考车辆类型的车辆的位置上报次数,作为预测次数;该预测次数可包括该参考车辆类型的车辆未超载时的位置上报次数,以及该参考车辆类型的车辆超载时的位置上报次数中的至少一种。
可选的,上述根据该预测次数确定该参考车辆类型的车辆在该参考路段中的上报数量分布信息的实现方式包括如下三种实现方式。
实现方式一,当该预测次数包括该参考车辆类型的车辆未超载时的位置上报次数时,计算机设备可以将该参考车辆类型的车辆未超载时的位置上报次数,作为第一次数;根据该第一次数生成参考车辆类型的车辆在未超载时的上报数量分布子信息,作为第一分布子信息。即第一分布子信息用于反映第一次数与第一总次数之间的比值,第一总次数为参考路段中的车辆在未超载时的位置上报总次数;将该第一分布子信息作为该参考车辆类型的车辆在该参考路段中的上报数量分布信息。
如果参考路段中的车辆均未超载时,计算机设备可以将该参考车辆类型的车辆未超载时的位置上报次数,作为第一次数;并对该第一次数累计求和,得到参考路段中的车辆未超载时的位置上报总次数,作为第一总次数。进一步,将该第一次数与第一总次数之间的比值,作为参考车辆类型的车辆在未超载时的上报数量分布子信息;将参考车辆类型的车辆在未超载时的上报数量分布子信息作为第一分布子信息,即参考车辆类型的车辆在该参考路段中上报数量分布信息包括第一分布子信息;该上报数量分布信息用于反映参考车辆类型的车辆在未超载时的位置上报次数的占比。
实现方式二,当该预测次数包括该参考车辆类型的车辆超载时的位置上报次数时,计算机设备可以将该参考车辆类型的车辆超载时的位置上报次数,作为第二次数;根据该第二次数生成参考车辆类型的车辆在超载时的上报数量分布子信息,作为第二分布子信息。即第二分布子信息用于反映第一二次数与第二总次数之间的比值,第二总次数为参考路段中的车辆在超载时的位置上报总次数;将该第二分布子信息作为该参考车辆类型的车辆在该参考路段中的上报数量分布信息。
如果参考路段中的车辆均超载时,计算机设备可以将该参考车辆类型的车辆超载时的位置上报次数,作为第二次数;并对该第二次数累计求和,得到参考路段中的车辆超载时的位置上报总次数,作为第二总次数。进一步,将该第二次数与第二总次数之间的比值,作为参考车辆类型的车辆在超载时的上报数量分布子信息;将参考车辆类型的车辆在超载时的上报数量分布子信息作为第二分布子信息,参考车辆类型的车辆在该参考路段中上报数量分布信息包括第二分布子信息;即该上报数量分布信息用于反映参考车辆类型的车辆在未超载时的位置上报次数的占比。
实现方式三,当该预测次数可包括该参考车辆类型的车辆未超载时的位置上报次数,以及该参考车辆类型的车辆超载时的位置上报次数时;计算机设备可将该参考车辆类型的车辆未超载时的位置上报次数,作为第一次数;根据该第一次数生成参考车辆类型的车辆在未超载时的上报数量分布子信息,作为第一分布子信息。将该参考车辆类型的车辆超载时的位置上报次数,作为第二次数;根据该第二次数生成参考车辆类型的车辆在超载时的上报数量分布子信息,作为第二分布子信息;进一步,可以将上述第一分布子信息以及第二分布子信息作为该参考车辆类型的车辆在该参考路段中的上报数量分布信息。
如果参考路段中的车辆存在超载,且存在未超载时,计算机设备可以参考上述步骤获取第一分布子信息以及第二分布子信息,将第一分布子信息和第二分布子信息作为该参考车辆类型的车辆在该参考路段中的上报数量分布信息;即该参考车辆类型的车辆在该参考路段中的上报数量分布信息用于反映:参考车辆类型的车辆在未超载时的位置上报次数的占比,以及参考车辆类型的车辆在超载时的位置上报次数的占比。
S104、获取该目标路段中车辆的位置上报次数,作为目标次数。
计算机设备可以从目标路段的交通管理设备中获取该目标路段中车辆的位置上报次数,作为目标次数,此处目标次数为目标路段中的车辆的位置上报总次数。可选的,当该目标路段的车辆均未超载时,该目标次数为目标路段中的车辆在未超载时的位置上报次数。可选的,当该目标路段中的车辆均超载时,该目标次数为目标路段中的车辆在超载时的位置上报次数。可选的,当该目标路段中存在超载的车辆以及未超载的车辆时,该目标次数为目标路段中超载的车辆的位置上报次数与目标路段中未超载的车辆的位置上报次数之间的和。
S105、根据该类型数量分布信息、该上报数量分布信息以及该目标次数,预测该目标路段的车流量。
由于该类型数量分布信息用于反映参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的占比,也即该类型数量分布信息可用于反映参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的关系。该上报数量分布信息用于反映参考车辆类型的车辆的位置上报次数与参考路段中车辆的位置上报总次数之间的占比,参考车辆类型的车辆的位置上报次数是根据参考车辆类型对应的车辆类型数量确定的,因此,该上报数量分布信息可用于反映车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系。目标路段与参考路段相关联,即目标路段对应的类型数量分布信息以及上报数量分布信息,分别与参考路段对应的类型数量分布信息以及上报数量分布信息匹配,也即目标车辆类型对应的车辆类型数量与目标路段中的车辆总数之间的关系,与参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的关系匹配;目标车辆类型对应的车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系,与参考车辆类型对应的车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系匹配。
计算机设备可以将参考路段对应的类型数量分布信息作为目标路段对应的类型数量分布信息,将参考路段对应的上报数量分布信息作为目标路段对应的上报数量分布信息。进一步,可根据该类型数量分布信息、该上报数量分布信息以及该目标次数,预测该目标路段的车流量,该目标路段的车流量用于反映在单位时间段内通过目标路段的车辆数量;单位时间可以是指1s,10s等等。
本申请中,类型数量分布信息用于反映参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的占比,也即该类型数量分布信息可用于反映参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的关系。上报数量分布信息用于反映参考车辆类型的车辆的位置上报次数与参考路段中车辆的位置上报总次数之间的占比,由于参考车辆类型的车辆的位置上报次数是根据参考车辆类型对应的车辆类型数量确定的,因此,该上报数量分布信息可用于反映车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系。目标路段与参考路段相关联,即目标路段对应的类型数量分布信息以及上报数量分布信息,分别与参考路段对应的类型数量分布信息以及上报数量分布信息匹配,也即目标车辆类型对应的车辆类型数量与目标路段中的车辆总数之间的关系,与参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的关系匹配;目标车辆类型对应的车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系,与参考车辆类型对应的车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系匹配。因此,可以根据该类型数量分布信息、该上报数量分布信息以及该目标次数,预测该目标路段的车流量。由于该参考车辆类型的车辆的位置上报次数是根据参考车辆类型以及车辆类型数量确定的,即该参考车辆类型的车辆的位置上报次数考虑了车辆的位置上报次数为多次的情况(即车辆中的乘客上报位置数据的情况);可避免不同车辆类型的车辆的位置上报次数为多次,导致确定目标路段的车流量不准确的问题,可提高预测道路的车流量的准确度,有利于提高车辆出行的安全性以及出行效率。
在一个实施例中,该方法可包括如下步骤s11~s13。
s11、获取在历史时间段该目标车辆类型在候选路段集合的候选路段中的历史类型数量分布信息。
s12、获取在该历史时间段内该目标车辆类型在该目标路段中的历史类型数量分布信息。
s13、将该候选路段集合中对应历史类型数量分布信息与该目标路段中的历史类型数量分布信息匹配的候选路段,作为与该目标路段相关联的参考路段。
在步骤s11~s13中,计算机设备可以获取在历史时间段该目标车辆类型在候选路段集合的候选路段中对应的历史类型数量,作为第一历史类型数量,根据该第一历史类型数量确定在历史时间段该目标车辆类型在候选路段集合的候选路段中的历史类型数量分布信息;该目标车辆类型在候选路段中的历史类型数量分布信息用于反映第一历史类型数量与候选路段中的车辆总数之间的比值。进一步,可获取在该历史时间段内该目标车辆类型在该目标路段中的历史类型数量,作为第二历史类型数量;根据该第二历史类型数量确定在该历史时间段内该目标车辆类型在该目标路段中的历史类型数量分布信息;即该目标车辆类型在该目标路段中的历史类型数量分布信息用于反映第二历史类型数量与目标路段中的车辆总数之间比值。如果第一历史类型数量与候选路段中的车辆总数之间的比值,与第二历史类型数量和目标路段中的车辆总数之间比值的差值大于或等于差值阈值,则确定该候选路段对应的历史类型数量分布信息与该目标路段中的历史类型数量分布信息不匹配。若第一历史类型数量与候选路段中的车辆总数之间的比值,与第二历史类型数量和目标路段中的车辆总数之间比值的差值小于差值阈值,则确定该候选路段对应的历史类型数量分布信息与该目标路段中的历史类型数量分布信息匹配,可将该候选路段作为与该目标路段相关联的参考路段。
可选的,步骤S102可包括如下步骤s21和s22。
s21、获取该参考路段中的车辆总数。
s22、获取该车辆类型数量与该参考路段中的车辆总数之间的比值,作为该参考车辆类型在该参考路段中的类型数量分布信息。
在步骤s21和s22中,由于目标车辆类型在目标路段中的类型数量分布信息与该参考车辆类型在该参考路段中的类型数量分布信息匹配,同时,目标车辆类型对应的类型数量分布信息难以直接获取到;因此,计算机设备可以通过获取该参考车辆类型在该参考路段中的类型数量分布信息,以获取目标车辆类型在目标路段中的类型数量分布信息。具体的,计算机设备可以对参考路段中的多媒体数据进行识别,得到该参考路段中的车辆总数,获取该车辆类型数量与该参考路段中的车辆总数之间的比值,作为该参考车辆类型在该参考路段中的类型数量分布信息,即可以将该参考车辆类型在该参考路段中的类型数量分布信息作为目标车辆类型在目标路段中的类型数量分布信息。
可选的,如图4所示,步骤S103可包括如下步骤s31~s35。
s31、根据该参考车辆类型以及该车辆类型数量,确定具有该参考车辆类型的车辆在未超载时的位置上报次数,作为第一次数。
s32、将该第一次数与第一总次数之间的比值,作为该参考车辆类型的车辆在未超载时的上报数量分布子信息,作为第一分布子信息;该第一总次数为该参考路段中的车辆在未超载时的位置上报总次数。
s33、根据该参考车辆类型以及该车辆类型数量,确定具有该参考车辆类型的车辆在超载时的位置上报次数,作为第二次数;该第一次数和该第二次数均属于该预测次数。
s34、将该第二次数与第二总次数之间的比值,生成该参考车辆类型的车辆在超载时的上报数量分布子信息,作为第二分布子信息;该第二总次数为该参考路段中的车辆在超载时的位置上报总次数。
s35、根据该第一分布子信息以及该第二分布子信息,生成该参考车辆类型的车辆在该参考路段中的上报数量分布信息。
在步骤s31~s35中,由于该目标车辆类型的车辆在该目标路段中的上报数量分布信息,该参考车辆类型的车辆在该参考路段中的上报数量分布信息匹配,因此,计算机设备可以通过获取该参考车辆类型的车辆在该参考路段中的上报数量分布信息,以获取该目标车辆类型的车辆在该目标路段中的上报数量分布信息。具体的,计算机设备可以根据该参考车辆类型以及该车辆类型数量,确定具有该参考车辆类型的车辆在未超载时的位置上报次数,作为第一次数;将该第一次数与第一总次数之间的比值,作为该参考车辆类型的车辆在未超载时的上报数量分布子信息,作为第一分布子信息。即第一次数为具有该参考车辆类型的车辆在未超载时的位置上报总次数,该第一次数包括该参考类型的车辆在未超载时所搭乘的每个乘客的位置上报次数;充分考虑了车辆存在多次上报位置数据的情况,可避免将车辆中的乘客误认为参考路段中的车辆,提高获取道路的车流量的准确度。同理,计算机设备可根据该参考车辆类型以及该车辆类型数量,确定具有该参考车辆类型的车辆在超载时的位置上报次数,作为第二次数,将该第二次数与第二总次数之间的比值,生成该参考车辆类型的车辆在超载时的上报数量分布子信息,作为第二分布子信息;即第二次数为具有该参考车辆类型的车辆在超载时的位置上报总次数,该第一次数包括该参考类型的车辆在超载时所搭乘的每个乘客的位置上报次数;充分考虑了车辆存在多次上报位置数据的情况,可避免将车辆中的乘客误认为参考路段中的车辆,提高获取道路的车流量的准确度。
可选的,如图5所示,步骤s31可包括如下步骤s41~s43。
s41、确定具有该参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量。
s42、获取该第一乘客数量与该车辆类型数量之间的乘积,作为具有该参考车辆类型的车辆在未超载时的位置上报次数。
s423、将具有该参考车辆类型的车辆在未超载时的位置上报次数作为该第一次数。
在步骤s41~s43中,通常参考车辆类型的车辆所搭乘的乘客均携带有终端,乘客所携带的终端会上报位置数据;因此,计算机设备可以根据参考车辆类型的车辆所搭乘的乘客数量,确定具有该参考车辆类型的车辆在未超载时的位置上报次数。具体的,计算机设备可以确定具有该参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量,即该第一乘客数量可以该参考车辆类型的车辆在未超载时能够搭乘的最多乘客数量;获取该第一乘客数量与该车辆类型数量之间的乘积,作为具有该参考车辆类型的车辆在未超载时的位置上报次数,可将具有该参考车辆类型的车辆在未超载时的位置上报次数作为该第一次数。例如,该参考车辆类型的车辆类型数量为4辆,该参考车辆类型的车辆在未超载时所搭乘的乘客数量为5人,则具有该参考车辆类型的车辆在未超载时的位置上报次数为4*5=20。
可选的,如图6所示,步骤s33可包括如下步骤s51~s55。
s51、确定具有该参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量。
s52、获取具有该参考车辆类型的车辆的历史超载率,根据该历史超载率生成超载权重。
s53、根据该第一乘客数量以及该超载权重,确定具有该参考车辆类型的车辆在超载时所搭乘的乘客数量,作为第二乘客数量。
s54、获取该第二乘客数量与该车辆类型数量之间的乘积,作为具有该参考车辆类型的车辆在超载时的位置上报次数。
s55、将具有该参考车辆类型的车辆在超载时的位置上报次数作为该第二次数。
在步骤s51~s55中,计算机设备可以获取参考车辆类型的车辆的座位数量,将该参考车辆类型的车辆的座位数量,确定为具有该参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量。进一步,可根据该参考车辆类型的车辆的历史行驶记录确定具有该参考车辆类型的车辆的历史超载率,历史超载率为参考车辆类型的车辆超载乘客数量与第一乘客数量之间的比值;根据该历史超载率生成超载权重,该超载权重与历史超载率具有正比例关系,即历史超载率越大,超载权重越大;反之,历史超载率越小,超载权重越小。进一步,可获取该第一乘客数量与该超载权重之间乘积,得到具有该参考车辆类型的车辆在超载时所搭乘的乘客数量,作为第二乘客数量;并获取该第二乘客数量与该车辆类型数量之间的乘积,作为具有该参考车辆类型的车辆在超载时的位置上报次数;将具有该参考车辆类型的车辆在超载时的位置上报次数作为该第二次数。
例如,该参考车辆类型的车辆类型数量为4辆,该参考车辆类型的车辆在未超载时所搭乘的乘客数量为5人,参考车辆类型的车辆的超载率为0.2。超载权重可以为1+0.2=1.2,具有该参考车辆类型的车辆在超载时所搭乘的乘客数量可以为5*1.2=6人,具有该参考车辆类型的车辆在超载时的位置上报次数为6*4=24次。
可选的,步骤S105可包括如下步骤s61~s62。
s61、根据该类型数量分布信息、该上报数量分布信息以及该目标次数,生成目标车辆类型的车辆流量区间;该目标车辆类型为该目标路段中与该参考车辆类型相同的车辆类型。
s62、从该目标车辆类型的车辆流量区间中确定该目标路段的车流量。
在步骤s61~s62中,计算机设备可以根据该类型数量分布信息、该上报数量分布信息以及该目标次数,生成目标车辆类型的车辆流量区间;目标路段中的该目标车辆类型的车辆数量属于该车辆流量区间;因此,可从该目标车辆类型的车辆流量区间中确定该目标路段的车流量,即从该目标车辆类型的车辆流量区间中获取车辆流量值,根据该车流量值确定目标路段的车流量。通过获取目标路段中不同车辆类型的车流量,根据不同车辆类型的车流量获取目标路段的车流量,提高获取道路的车流量的准确度。
可选的,上述上报数量分布信息包括第一分布子信息和第二分布子信息,上述步骤s61可包括如下步骤s71~s74。
s71、获取该车辆类型数量与该参考路段中的车辆总数之间的比值、该第一次数与该第一总次数之间比值、以及该第二次数与该第二总次数之间的比值中的最大比值和最小比值。
s72、获取该最大比值与该目标次数之间的乘积,作为第一车流量值。
s73、获取该最小比值与该目标次数之间的乘积,作为第二车流量值。
s74、将该第一车流量值与该第二车流量值所构成的区间,作为该目标车辆类型的车辆流量区间。
在步骤s71~s74中,通常目标路段中存在超载的车辆以及未超载的车辆,因此,可以根据参考路段中参考车辆类型的车辆在未超载时对应第一分布子信息以及在超载时对应的第二分布子信息,预测目标车辆类型的车辆流量区间。具体的,计算机设备可以将该车辆类型数量与该参考路段中的车辆总数之间的比值、该第一次数与该第一总次数之间比值、以及该第二次数与该第二总次数之间的比值进行对比,以获取该车辆类型数量与该参考路段中的车辆总数之间的比值、该第一次数与该第一总次数之间比值、以及该第二次数与该第二总次数之间的比值中的最大比值和最小比值。进一步,获取该最大比值与该目标次数之间的乘积,作为第一车流量值;获取该最小比值与该目标次数之间的乘积,作为第二车流量值,将该第一车流量值与该第二车流量值所构成的区间,作为该目标车辆类型的车辆流量区间。通过考虑车辆在超载时对应的上报数量分布信息以及车辆在未超载时对应的上报数量分布信息,同时,考虑了车辆中存在乘客上报位置数据的情况;可提高获取目标车辆类型的车辆流量区间的准确度。
可选的,上述上报数量分布信息包括第一分布子信息,上述步骤s61可包括:获取该车辆类型数量与该参考路段中的车辆总数之间的比值,与目标次数之间的乘积,作为第一车流量值;获取该第一次数与该第一总次数之间比值,与该目标次数之间的乘积,作为第二车流量值;将该第一车流量值与该第二车流量值所构成的区间,作为该目标车辆类型的车辆流量区间。通过考虑车辆在未超载时对应的上报数量分布信息,同时,考虑了车辆中存在乘客上报位置数据的情况;可提高获取目标车辆类型的车辆流量区间的准确度。
可选的,上述上报数量分布信息包括第二分布子信息,上述步骤s61可包括:获取该车辆类型数量与该参考路段中的车辆总数之间的比值,与目标次数之间的乘积,作为第一车流量值;获取该第二次数与该第二总次数之间比值,与该目标次数之间的乘积,作为第二车流量值;将该第一车流量值与该第二车流量值所构成的区间,作为该目标车辆类型的车辆流量区间。通过考虑车辆在超载时对应的上报数量分布信息,同时,考虑了车辆中存在乘客上报位置数据的情况;可提高获取目标车辆类型的车辆流量区间的准确度。
可选的,该目标路段中包括多种车辆类型,该目标车辆类型属于该多种车辆类型,每种车辆类型与一个车流量区间对应;上述步骤s62可包括如下步骤s81~s82。
s81、分别从该每种车辆类型对应的车流量区间中获取车流量值,作为目标车流量值。
s82、获取该目标车流量值之间的总和,根据该目标车流量值之间的总和确定该目标路段的车流量。
在步骤s81~s82中,计算机设备可以分别从该每种车辆类型对应的车流量区间中获取车流量值,作为目标车流量值;如可以随机从该每种车辆类型对应的车流量区间中获取车流量值,作为目标车流量值;或者,可以按照车流量值间隔从该每种车辆类型对应的车流量区间中获取车流量值,作为目标车流量值,如,该车流量值间隔为5,即可将该每种车辆类型对应的车流量区间中第5个车流量值,作为目标车流量值。目标车流量值用于反映目标路段中对应车辆类型的车辆数量;因此,可获取该目标车流量值之间的总和,根据该目标车流量值之间的总和确定该目标路段的车流量。
可选的,上述步骤s82可包括如下步骤s91~s94。
s91、根据该目标次数生成第一车流量阈值。
s92、根据该目标次数以及该第二次数,生成第二车流量阈值;该第一车流量阈值大于该第二车流量阈值。
s93、若该目标车流量值之间的总和小于该第一车流量阈值,且大于或等于该第二车流量阈值,则将该目标车流量值之间的总和作为该目标路段的车流量。
s934、若该目标车流量值之间的总和大于或等于该第一车流量阈值,或小于该第二车流量阈值,则分别从该每种车辆类型对应车流量区间中重新获取车流量值,作为更新目标车流量值,获取该更新目标车流量值之间的总和,根据该更新目标车流量值之间的总和确定该目标路段的车流量。
在步骤s91~s94中,计算机设备可以将目标次数作为第一车流量阈值,获取参考路段中每种参考车辆类型的车辆在超载时位置上报次数,作为第二次数;从第二次数中获取最大次数;将该目标次数与最大次数之间的比值,作为第二车流量阈值。由于目标次数中包括车辆中的乘客的位置上报次数,即该目标次数大于目标路段中的实际车辆总数;该目标次数与最大次数之间的比值可用于反映:目标路段中的每种车辆类型的车辆的位置上报次数均为上述最大次数时,目标路段中的最小车辆数量。即目标路段中的实际车流量小于第一车流量阈值,且大于或等于第二车流量阈值;因此,若该目标车流量值之间的总和小于该第一车流量阈值,且大于或等于该第二车流量阈值,表明该目标车流量值之间的总和位于合理范围内,则将该目标车流量值之间的总和作为该目标路段的车流量。若该目标车流量值之间的总和大于或等于该第一车流量阈值,或小于该第二车流量阈值,表明该目标车流量值之间的总和超出合理范围,则分别从该每种车辆类型对应车流量区间中重新获取车流量值,作为更新目标车流量值,获取该更新目标车流量值之间的总和,根据该更新目标车流量值之间的总和确定该目标路段的车流量。
可选的,在模拟器中对本申请中的车辆预测方法进行测试,统计本申请和现有技术对指定的模拟器中的目标路段内的各车辆类型的车流量的预测情况,现有技术是指直接将各个车辆类型的车辆的位置上报次数作为对应的车辆类型的车流量的方法;其中,测试结果如表1所示。从表1可知本申请的测试结果更加接近目标路段中的车辆数量,即本申请的车流量预测方法的误差更小,准确度更高,尤其在预测大型车辆类型的车辆的车流量时,本申请的优势更加明显。
表1:
请参见图7,是本申请实施例提供的一种车流量预测装置的结构示意图。上述车流量预测装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该车流量预测装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。如图7所示,该车流量预测装置可以包括:获取模块701、确定模块702以及预测模块703。
获取模块701,用于获取与目标路段相关联的参考路段中的参考车辆类型,获取所述参考车辆类型对应的车辆类型数量;
确定模块702,用于根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息;
预测模块703,用于根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息;
所述获取模块701,还用于获取所述目标路段中车辆的位置上报次数,作为目标次数;
所述预测模块703,还用于根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量。
可选的,所述确定模块702根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息的实现方式包括:
获取所述参考路段中的车辆总数;
获取所述车辆类型数量与所述参考路段中的车辆总数之间的比值,作为所述参考车辆类型在所述参考路段中的类型数量分布信息。
可选的,所述预测模块703根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息的实现方式包括:
根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在未超载时的位置上报次数,作为第一次数;
将所述第一次数与第一总次数之间的比值,作为所述参考车辆类型的车辆在未超载时的上报数量分布子信息,作为第一分布子信息;所述第一总次数为所述参考路段中的车辆在未超载时的位置上报总次数;
根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在超载时的位置上报次数,作为第二次数;所述第一次数和所述第二次数均属于所述预测次数;
将所述第二次数与第二总次数之间的比值,生成所述参考车辆类型的车辆在超载时的上报数量分布子信息,作为第二分布子信息;所述第二总次数为所述参考路段中的车辆在超载时的位置上报总次数;
根据所述第一分布子信息以及所述第二分布子信息,生成所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息。
可选的,所述预测模块703根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在未超载时的位置上报次数,作为第一次数的实现方式包括:
确定具有所述参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量;
获取所述第一乘客数量与所述车辆类型数量之间的乘积,作为具有所述参考车辆类型的车辆在未超载时的位置上报次数;
将具有所述参考车辆类型的车辆在未超载时的位置上报次数作为所述第一次数。
可选的,所述预测模块703根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在超载时的位置上报次数,作为第二次数,包括:
确定具有所述参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量;
获取具有所述参考车辆类型的车辆的历史超载率,根据所述历史超载率生成超载权重;
根据所述第一乘客数量以及所述超载权重,确定具有所述参考车辆类型的车辆在超载时所搭乘的乘客数量,作为第二乘客数量;
获取所述第二乘客数量与所述车辆类型数量之间的乘积,作为具有所述参考车辆类型的车辆在超载时的位置上报次数;
将具有所述参考车辆类型的车辆在超载时的位置上报次数作为所述第二次数。
可选的,所述预测模块703根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量的实现方式包括:
根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,生成目标车辆类型的车辆流量区间;所述目标车辆类型为所述目标路段中与所述参考车辆类型相同的车辆类型;
从所述目标车辆类型的车辆流量区间中确定所述目标路段的车流量。
可选的,所述预测模块703根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,生成目标车辆类型的车辆流量区间的实现方式包括:
获取所述车辆类型数量与所述参考路段中的车辆总数之间的比值、所述第一次数与所述第一总次数之间比值、以及所述第二次数与所述第二总次数之间的比值中的最大比值和最小比值;
获取所述最大比值与所述目标次数之间的乘积,作为第一车流量值;
获取所述最小比值与所述目标次数之间的乘积,作为第二车流量值;
将所述第一车流量值与所述第二车流量值所构成的区间,作为所述目标车辆类型的车辆流量区间。
可选的,所述目标路段中包括多种车辆类型,所述目标车辆类型属于所述多种车辆类型,每种车辆类型与一个车流量区间对应;
所述预测模块703从所述目标车辆类型的车辆流量区间中确定所述目标路段的车流量的实现方式包括:
分别从所述每种车辆类型对应的车流量区间中获取车流量值,作为目标车流量值;
获取所述目标车流量值之间的总和,根据所述目标车流量值之间的总和确定所述目标路段的车流量。
可选的,所述预测模块703根据所述目标车流量值之间的总和确定所述目标路段的车流量的实现方式包括:
根据所述目标次数生成第一车流量阈值;
根据所述目标次数以及所述第二次数,生成第二车流量阈值;所述第一车流量阈值大于所述第二车流量阈值;
若所述目标车流量值之间的总和小于所述第一车流量阈值,且大于或等于所述第二车流量阈值,则将所述目标车流量值之间的总和作为所述目标路段的车流量;
若所述目标车流量值之间的总和大于或等于所述第一车流量阈值,或小于所述第二车流量阈值,则分别从所述每种车辆类型对应车流量区间中重新获取车流量值,作为更新目标车流量值,获取所述更新目标车流量值之间的总和,根据所述更新目标车流量值之间的总和确定所述目标路段的车流量。
可选的,获取模块701,还用于获取在历史时间段所述目标车辆类型在候选路段集合的候选路段中的历史类型数量分布信息;获取在所述历史时间段内所述目标车辆类型在所述目标路段中的历史类型数量分布信息;将所述候选路段集合中对应历史类型数量分布信息与所述目标路段中的历史类型数量分布信息匹配的候选路段,作为与所述目标路段相关联的参考路段。
根据本申请的一个实施例,图3所示的车流量预测方法所涉及的步骤可由图7所示的车流量预测装置中的各个模块来执行。例如,图3中所示的步骤S101可由图7中的获取模块701来执行,图3中所示的步骤S102可由图7中的确定模块702来执行;图3中所示的步骤S103可由图7中的预测模块703来执行;图3中所示的步骤S104可由图7中的获取模块701来执行;图3中所示的步骤S105可由图7中的预测模块703来执行。
根据本申请的一个实施例,图7所示的车流量预测装置中的各个模块可以分别或全部合并为一个或若干个单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个子单元,可以实现同样的操作,而不影响本申请的实施例的技术效果的实现。上述模块是基于逻辑功能划分的,在实际应用中,一个模块的功能也可以由多个单元来实现,或者多个模块的功能由一个单元实现。在本申请的其它实施例中,车流量预测装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现。
根据本申请的一个实施例,可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算机设备上运行能够执行如图3中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码),来构造如图7中所示的车流量预测装置,以及来实现本申请实施例的车流量预测方法。上述计算机程序可以记载于例如计算机可读记录介质上,并通过计算机可读记录介质装载于上述计算设备中,并在其中运行。
本申请中,类型数量分布信息用于反映参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的占比,也即该类型数量分布信息可用于反映参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的关系。上报数量分布信息用于反映参考车辆类型的车辆的位置上报次数与参考路段中车辆的位置上报总次数之间的占比,由于参考车辆类型的车辆的位置上报次数是根据参考车辆类型对应的车辆类型数量确定的,因此,该上报数量分布信息可用于反映车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系。目标路段与参考路段相关联,即目标路段对应的类型数量分布信息以及上报数量分布信息,分别与参考路段对应的类型数量分布信息以及上报数量分布信息匹配,也即目标车辆类型对应的车辆类型数量与目标路段中的车辆总数之间的关系,与参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的关系匹配;目标车辆类型对应的车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系,与参考车辆类型对应的车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系匹配。因此,可以根据该类型数量分布信息、该上报数量分布信息以及该目标次数,预测该目标路段的车流量。由于该参考车辆类型的车辆的位置上报次数是根据参考车辆类型以及车辆类型数量确定的,即该参考车辆类型的车辆的位置上报次数考虑了车辆的位置上报次数为多次的情况(即车辆中的乘客上报位置数据的情况);可避免不同车辆类型的车辆的位置上报次数为多次,导致确定目标路段的车流量不准确的问题,可提高预测道路的车流量的准确度,有利于提高车辆出行的安全性以及出行效率。
请参见图8,是本申请实施例提供的一种计算机设备的结构示意图。如图8所示,上述计算机设备1000可以包括:处理器1001,网络接口1004和存储器1005,此外,上述计算机设备1000还可以包括:用户接口1003,和至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非易失性的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图8所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图8所示的计算机设备1000中,网络接口1004可提供网络通讯功能;而用户接口1003主要用于为用户提供输入的接口;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,以实现:
获取与目标路段相关联的参考路段中的参考车辆类型,获取所述参考车辆类型对应的车辆类型数量;
根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息;
根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息;
获取所述目标路段中车辆的位置上报次数,作为目标次数;
根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量。
可选的,处理器1001调用存储器1005中存储的设备控制应用程序执行上述根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息的方式包括:
获取所述参考路段中的车辆总数;
获取所述车辆类型数量与所述参考路段中的车辆总数之间的比值,作为所述参考车辆类型在所述参考路段中的类型数量分布信息。
可选的,处理器1001调用存储器1005中存储的设备控制应用程序执行上述根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息的方式包括:
根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在未超载时的位置上报次数,作为第一次数;
将所述第一次数与第一总次数之间的比值,作为所述参考车辆类型的车辆在未超载时的上报数量分布子信息,作为第一分布子信息;所述第一总次数为所述参考路段中的车辆在未超载时的位置上报总次数;
根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在超载时的位置上报次数,作为第二次数;所述第一次数和所述第二次数均属于所述预测次数;
将所述第二次数与第二总次数之间的比值,生成所述参考车辆类型的车辆在超载时的上报数量分布子信息,作为第二分布子信息;所述第二总次数为所述参考路段中的车辆在超载时的位置上报总次数;
根据所述第一分布子信息以及所述第二分布子信息,生成所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息。
可选的,处理器1001调用存储器1005中存储的设备控制应用程序执行上述根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在未超载时的位置上报次数,作为第一次数的方式包括:
确定具有所述参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量;
获取所述第一乘客数量与所述车辆类型数量之间的乘积,作为具有所述参考车辆类型的车辆在未超载时的位置上报次数;
将具有所述参考车辆类型的车辆在未超载时的位置上报次数作为所述第一次数。
可选的,处理器1001调用存储器1005中存储的设备控制应用程序执行上述根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在超载时的位置上报次数,作为第二次数的方式包括:
确定具有所述参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量;
获取具有所述参考车辆类型的车辆的历史超载率,根据所述历史超载率生成超载权重;
根据所述第一乘客数量以及所述超载权重,确定具有所述参考车辆类型的车辆在超载时所搭乘的乘客数量,作为第二乘客数量;
获取所述第二乘客数量与所述车辆类型数量之间的乘积,作为具有所述参考车辆类型的车辆在超载时的位置上报次数;
将具有所述参考车辆类型的车辆在超载时的位置上报次数作为所述第二次数。
可选的,处理器1001调用存储器1005中存储的设备控制应用程序执行上述根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量的方式包括:
根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,生成目标车辆类型的车辆流量区间;所述目标车辆类型为所述目标路段中与所述参考车辆类型相同的车辆类型;
从所述目标车辆类型的车辆流量区间中确定所述目标路段的车流量。
可选的,处理器1001调用存储器1005中存储的设备控制应用程序执行上述根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,生成目标车辆类型的车辆流量区间的方式包括:
获取所述车辆类型数量与所述参考路段中的车辆总数之间的比值、所述第一次数与所述第一总次数之间比值、以及所述第二次数与所述第二总次数之间的比值中的最大比值和最小比值;
获取所述最大比值与所述目标次数之间的乘积,作为第一车流量值;
获取所述最小比值与所述目标次数之间的乘积,作为第二车流量值;
将所述第一车流量值与所述第二车流量值所构成的区间,作为所述目标车辆类型的车辆流量区间。
可选的,所述目标路段中包括多种车辆类型,所述目标车辆类型属于所述多种车辆类型,每种车辆类型与一个车流量区间对应;
处理器1001调用存储器1005中存储的设备控制应用程序执行上述从所述目标车辆类型的车辆流量区间中确定所述目标路段的车流量的方式包括:
分别从所述每种车辆类型对应的车流量区间中获取车流量值,作为目标车流量值;
获取所述目标车流量值之间的总和,根据所述目标车流量值之间的总和确定所述目标路段的车流量。
可选的,处理器1001调用存储器1005中存储的设备控制应用程序执行上述根据所述目标车流量值之间的总和确定所述目标路段的车流量的方式包括:
根据所述目标次数生成第一车流量阈值;
根据所述目标次数以及所述第二次数,生成第二车流量阈值;所述第一车流量阈值大于所述第二车流量阈值;
若所述目标车流量值之间的总和小于所述第一车流量阈值,且大于或等于所述第二车流量阈值,则将所述目标车流量值之间的总和作为所述目标路段的车流量;
若所述目标车流量值之间的总和大于或等于所述第一车流量阈值,或小于所述第二车流量阈值,则分别从所述每种车辆类型对应车流量区间中重新获取车流量值,作为更新目标车流量值,获取所述更新目标车流量值之间的总和,根据所述更新目标车流量值之间的总和确定所述目标路段的车流量。
可选的,处理器1001调用存储器1005中存储的设备控制应用程序执行:
获取在历史时间段所述目标车辆类型在候选路段集合的候选路段中的历史类型数量分布信息;
获取在所述历史时间段内所述目标车辆类型在所述目标路段中的历史类型数量分布信息;
将所述候选路段集合中对应历史类型数量分布信息与所述目标路段中的历史类型数量分布信息匹配的候选路段,作为与所述目标路段相关联的参考路段。
本申请中,类型数量分布信息用于反映参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的占比,也即该类型数量分布信息可用于反映参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的关系。上报数量分布信息用于反映参考车辆类型的车辆的位置上报次数与参考路段中车辆的位置上报总次数之间的占比,由于参考车辆类型的车辆的位置上报次数是根据参考车辆类型对应的车辆类型数量确定的,因此,该上报数量分布信息可用于反映车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系。目标路段与参考路段相关联,即目标路段对应的类型数量分布信息以及上报数量分布信息,分别与参考路段对应的类型数量分布信息以及上报数量分布信息匹配,也即目标车辆类型对应的车辆类型数量与目标路段中的车辆总数之间的关系,与参考车辆类型对应的车辆类型数量与参考路段中的车辆总数之间的关系匹配;目标车辆类型对应的车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系,与参考车辆类型对应的车辆类型数量、参考车辆类型的车辆的位置上报次数以及参考路段中车辆的位置上报总次数三者之间的关系匹配。因此,可以根据该类型数量分布信息、该上报数量分布信息以及该目标次数,预测该目标路段的车流量。由于该参考车辆类型的车辆的位置上报次数是根据参考车辆类型以及车辆类型数量确定的,即该参考车辆类型的车辆的位置上报次数考虑了车辆的位置上报次数为多次的情况(即车辆中的乘客上报位置数据的情况);可避免不同车辆类型的车辆的位置上报次数为多次,导致确定目标路段的车流量不准确的问题,可提高预测道路的车流量的准确度,有利于提高车辆出行的安全性以及出行效率。
应当理解,本申请实施例中所描述的计算机设备1000可执行前文图3所对应实施例中对上述车流量预测方法的描述,也可执行前文图7所对应实施例中对上述车流量预测装置的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
本身请提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前文图3对应实施例中对上述车流量预测方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。
作为示例,上述程序指令可被部署在一个计算机设备上执行,或者被部署位于一个地点的多个计算机设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算机设备上执行,分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链网络。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,上述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,上述的存储介质可为磁盘、光盘、只读存储器(Read-Only Memory,ROM)或随机存储器(Random Access Memory,RAM)等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (13)
1.一种车流量预测方法,其特征在于,包括:
获取与目标路段相关联的参考路段中的参考车辆类型,获取所述参考车辆类型对应的车辆类型数量;
根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息;
根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息;
获取所述目标路段中车辆的位置上报次数,作为目标次数;
根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量。
2.如权利要求1所述的方法,其特征在于,所述根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息,包括:
获取所述参考路段中的车辆总数;
获取所述车辆类型数量与所述参考路段中的车辆总数之间的比值,作为所述参考车辆类型在所述参考路段中的类型数量分布信息。
3.如权利要求2所述的方法,其特征在于,所述根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息,包括:
根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在未超载时的位置上报次数,作为第一次数;
将所述第一次数与第一总次数之间的比值,作为所述参考车辆类型的车辆在未超载时的上报数量分布子信息,作为第一分布子信息;所述第一总次数为所述参考路段中的车辆在未超载时的位置上报总次数;
根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在超载时的位置上报次数,作为第二次数;所述第一次数和所述第二次数均属于所述预测次数;
将所述第二次数与第二总次数之间的比值,生成所述参考车辆类型的车辆在超载时的上报数量分布子信息,作为第二分布子信息;所述第二总次数为所述参考路段中的车辆在超载时的位置上报总次数;
根据所述第一分布子信息以及所述第二分布子信息,生成所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息。
4.如权利要求3所述的方法,其特征在于,所述根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在未超载时的位置上报次数,作为第一次数,包括:
确定具有所述参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量;
获取所述第一乘客数量与所述车辆类型数量之间的乘积,作为具有所述参考车辆类型的车辆在未超载时的位置上报次数;
将具有所述参考车辆类型的车辆在未超载时的位置上报次数作为所述第一次数。
5.如权利要求3所述的方法,其特征在于,所述根据所述参考车辆类型以及所述车辆类型数量,确定具有所述参考车辆类型的车辆在超载时的位置上报次数,作为第二次数,包括:
确定具有所述参考车辆类型的车辆在未超载时所搭乘的限制乘客数量,作为第一乘客数量;
获取具有所述参考车辆类型的车辆的历史超载率,根据所述历史超载率生成超载权重;
根据所述第一乘客数量以及所述超载权重,确定具有所述参考车辆类型的车辆在超载时所搭乘的乘客数量,作为第二乘客数量;
获取所述第二乘客数量与所述车辆类型数量之间的乘积,作为具有所述参考车辆类型的车辆在超载时的位置上报次数;
将具有所述参考车辆类型的车辆在超载时的位置上报次数作为所述第二次数。
6.如权利要求3所述的方法,其特征在于,所述根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量,包括:
根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,生成目标车辆类型的车辆流量区间;所述目标车辆类型为所述目标路段中与所述参考车辆类型相同的车辆类型;
从所述目标车辆类型的车辆流量区间中确定所述目标路段的车流量。
7.如权利要求6所述的方法,其特征在于,所述根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,生成目标车辆类型的车辆流量区间,包括:
获取所述车辆类型数量与所述参考路段中的车辆总数之间的比值、所述第一次数与所述第一总次数之间比值、以及所述第二次数与所述第二总次数之间的比值中的最大比值和最小比值;
获取所述最大比值与所述目标次数之间的乘积,作为第一车流量值;
获取所述最小比值与所述目标次数之间的乘积,作为第二车流量值;
将所述第一车流量值与所述第二车流量值所构成的区间,作为所述目标车辆类型的车辆流量区间。
8.如权利要求7所述的方法,其特征在于,所述目标路段中包括多种车辆类型,所述目标车辆类型属于所述多种车辆类型,每种车辆类型与一个车流量区间对应;
所述从所述目标车辆类型的车辆流量区间中确定所述目标路段的车流量,包括:
分别从所述每种车辆类型对应的车流量区间中获取车流量值,作为目标车流量值;
获取所述目标车流量值之间的总和,根据所述目标车流量值之间的总和确定所述目标路段的车流量。
9.如权利要求8所述的方法,其特征在于,所述根据所述目标车流量值之间的总和确定所述目标路段的车流量,包括:
根据所述目标次数生成第一车流量阈值;
根据所述目标次数以及所述第二次数,生成第二车流量阈值;所述第一车流量阈值大于所述第二车流量阈值;
若所述目标车流量值之间的总和小于所述第一车流量阈值,且大于或等于所述第二车流量阈值,则将所述目标车流量值之间的总和作为所述目标路段的车流量;
若所述目标车流量值之间的总和大于或等于所述第一车流量阈值,或小于所述第二车流量阈值,则分别从所述每种车辆类型对应车流量区间中重新获取车流量值,作为更新目标车流量值,获取所述更新目标车流量值之间的总和,根据所述更新目标车流量值之间的总和确定所述目标路段的车流量。
10.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取在历史时间段所述目标车辆类型在候选路段集合的候选路段中的历史类型数量分布信息;
获取在所述历史时间段内所述目标车辆类型在所述目标路段中的历史类型数量分布信息;
将所述候选路段集合中对应历史类型数量分布信息与所述目标路段中的历史类型数量分布信息匹配的候选路段,作为与所述目标路段相关联的参考路段。
11.一种车流量预测装置,其特征在于,包括:
获取模块,用于获取与目标路段相关联的参考路段中的参考车辆类型,获取所述参考车辆类型对应的车辆类型数量;
确定模块,用于根据所述车辆类型数量确定所述参考车辆类型在所述参考路段中的类型数量分布信息;
预测模块,用于根据所述参考车辆类型以及所述车辆类型数量,预测所述参考车辆类型的车辆的位置上报次数,作为预测次数,根据所述预测次数确定所述参考车辆类型的车辆在所述参考路段中的上报数量分布信息;
所述获取模块,还用于获取所述目标路段中车辆的位置上报次数,作为目标次数;
所述预测模块,还用于根据所述类型数量分布信息、所述上报数量分布信息以及所述目标次数,预测所述目标路段的车流量。
12.一种计算机设备,其特征在于,包括:
处理器以及存储器;
所述处理器与所述存储器相连,其中,所述存储器用于存储程序代码,所述处理器用于调用所述程序代码,以执行如权利要求1-10任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011077680.9A CN112233428B (zh) | 2020-10-10 | 2020-10-10 | 车流量预测方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011077680.9A CN112233428B (zh) | 2020-10-10 | 2020-10-10 | 车流量预测方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112233428A true CN112233428A (zh) | 2021-01-15 |
CN112233428B CN112233428B (zh) | 2023-09-22 |
Family
ID=74111801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011077680.9A Active CN112233428B (zh) | 2020-10-10 | 2020-10-10 | 车流量预测方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112233428B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657652A (zh) * | 2021-07-31 | 2021-11-16 | 腾讯科技(深圳)有限公司 | 流动量的预测方法、装置、设备及可读存储介质 |
CN114743384A (zh) * | 2022-03-25 | 2022-07-12 | 京东方科技集团股份有限公司 | 报警方法及装置 |
CN115376314A (zh) * | 2022-08-09 | 2022-11-22 | 交通运输部规划研究院 | 一种小客车公路出行总量测算方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110046843A1 (en) * | 2009-08-24 | 2011-02-24 | Toyota Motor Engin. & Manufact. N.A.(TEMA) | Systems and methods of vehicular path prediction for cooperative driving applications through digital map and dynamic vehicle model fusion |
KR20170065898A (ko) * | 2015-12-04 | 2017-06-14 | 한국교통연구원 | 도로 상에서의 기상악화로 인한 교통사고 발생 가능성 예측 방법 및 이를 위한 장치 |
US20170309171A1 (en) * | 2016-04-20 | 2017-10-26 | Here Global B.V. | Traffic Volume Estimation |
CN107888877A (zh) * | 2017-11-13 | 2018-04-06 | 毛国强 | 车辆追踪及道路交通信息采集的方法及其系统 |
CN108254069A (zh) * | 2018-02-09 | 2018-07-06 | 广州市怡地环保有限公司 | 城市道路噪声预测方法 |
CN108257378A (zh) * | 2016-12-29 | 2018-07-06 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法及装置 |
CN109405962A (zh) * | 2018-11-21 | 2019-03-01 | 中山大学 | 一种道路交通噪声频谱计算方法 |
CN109410570A (zh) * | 2018-10-11 | 2019-03-01 | 北京九五智驾信息技术股份有限公司 | 车辆交通事故量预测方法 |
CN109800916A (zh) * | 2019-01-23 | 2019-05-24 | 山东省交通规划设计院 | 一种高速公路服务区驶入车流量的建模方法 |
CN110164128A (zh) * | 2019-04-23 | 2019-08-23 | 银江股份有限公司 | 一种城市级智能交通仿真系统 |
CN110517484A (zh) * | 2019-08-06 | 2019-11-29 | 南通大学 | 菱形立交区域平面交叉标志遮挡预测模型构建方法 |
CN111613060A (zh) * | 2020-05-30 | 2020-09-01 | 腾讯科技(深圳)有限公司 | 一种数据处理方法以及设备 |
CN111627210A (zh) * | 2020-06-05 | 2020-09-04 | 腾讯科技(深圳)有限公司 | 一种车流量预测方法、装置、设备及介质 |
-
2020
- 2020-10-10 CN CN202011077680.9A patent/CN112233428B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110046843A1 (en) * | 2009-08-24 | 2011-02-24 | Toyota Motor Engin. & Manufact. N.A.(TEMA) | Systems and methods of vehicular path prediction for cooperative driving applications through digital map and dynamic vehicle model fusion |
KR20170065898A (ko) * | 2015-12-04 | 2017-06-14 | 한국교통연구원 | 도로 상에서의 기상악화로 인한 교통사고 발생 가능성 예측 방법 및 이를 위한 장치 |
US20170309171A1 (en) * | 2016-04-20 | 2017-10-26 | Here Global B.V. | Traffic Volume Estimation |
CN108257378A (zh) * | 2016-12-29 | 2018-07-06 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法及装置 |
CN107888877A (zh) * | 2017-11-13 | 2018-04-06 | 毛国强 | 车辆追踪及道路交通信息采集的方法及其系统 |
CN108254069A (zh) * | 2018-02-09 | 2018-07-06 | 广州市怡地环保有限公司 | 城市道路噪声预测方法 |
CN109410570A (zh) * | 2018-10-11 | 2019-03-01 | 北京九五智驾信息技术股份有限公司 | 车辆交通事故量预测方法 |
CN109405962A (zh) * | 2018-11-21 | 2019-03-01 | 中山大学 | 一种道路交通噪声频谱计算方法 |
CN109800916A (zh) * | 2019-01-23 | 2019-05-24 | 山东省交通规划设计院 | 一种高速公路服务区驶入车流量的建模方法 |
CN110164128A (zh) * | 2019-04-23 | 2019-08-23 | 银江股份有限公司 | 一种城市级智能交通仿真系统 |
CN110517484A (zh) * | 2019-08-06 | 2019-11-29 | 南通大学 | 菱形立交区域平面交叉标志遮挡预测模型构建方法 |
CN111613060A (zh) * | 2020-05-30 | 2020-09-01 | 腾讯科技(深圳)有限公司 | 一种数据处理方法以及设备 |
CN111627210A (zh) * | 2020-06-05 | 2020-09-04 | 腾讯科技(深圳)有限公司 | 一种车流量预测方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
孙棣华, 马丽, 陈伟霞: "基于手机定位及聚类分析的实时交通参数估计", 交通运输系统工程与信息, no. 03 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657652A (zh) * | 2021-07-31 | 2021-11-16 | 腾讯科技(深圳)有限公司 | 流动量的预测方法、装置、设备及可读存储介质 |
CN113657652B (zh) * | 2021-07-31 | 2023-06-20 | 腾讯科技(深圳)有限公司 | 流动量的预测方法、装置、设备及可读存储介质 |
CN114743384A (zh) * | 2022-03-25 | 2022-07-12 | 京东方科技集团股份有限公司 | 报警方法及装置 |
CN114743384B (zh) * | 2022-03-25 | 2024-03-08 | 京东方科技集团股份有限公司 | 报警方法及装置 |
CN115376314A (zh) * | 2022-08-09 | 2022-11-22 | 交通运输部规划研究院 | 一种小客车公路出行总量测算方法 |
CN115376314B (zh) * | 2022-08-09 | 2024-04-16 | 交通运输部规划研究院 | 一种小客车公路出行总量测算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112233428B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112233428B (zh) | 车流量预测方法、装置、存储介质及设备 | |
CN111951144B (zh) | 一种违章路段的确定方法、设备及计算机可读存储介质 | |
CN113272838A (zh) | 虚拟场景生成方法、装置、计算机设备和存储介质 | |
CN115828112B (zh) | 一种故障事件的响应方法、装置、电子设备及存储介质 | |
CN113535569B (zh) | 自动驾驶的控制效果确定方法 | |
CN114926766A (zh) | 识别方法及装置、设备、计算机可读存储介质 | |
CN112633661A (zh) | 一种基于bim的应急调度指挥方法、系统、计算机设备及可读介质 | |
CN111738558A (zh) | 行为风险识别的可视化方法、装置、设备及存储介质 | |
CN111695627A (zh) | 路况检测方法、装置、电子设备及可读存储介质 | |
CN114926791A (zh) | 一种路口车辆异常变道检测方法、装置、存储介质及电子设备 | |
CN115131634A (zh) | 图像识别方法、装置、设备、存储介质及计算机程序产品 | |
CN117252108A (zh) | 基于语义完整性的数据合理性验证方法、系统及存储介质 | |
CN112380993A (zh) | 基于目标实时追踪信息的智能违法行为检测系统及方法 | |
CN114220191B (zh) | 行车状态识别方法、装置、计算机设备及可读存储介质 | |
CN115576990A (zh) | 视觉真值数据与感知数据的评测方法、装置、设备及介质 | |
CN112529116B (zh) | 场景元素融合处理方法、装置和设备及计算机存储介质 | |
CN113299058B (zh) | 交通事故责任的认定方法、装置、介质以及电子设备 | |
CN111105590A (zh) | 一种报警方法及装置 | |
CN111985568B (zh) | 数据处理方法及装置、电子设备 | |
CN112667671B (zh) | 一种路网数据处理方法、装置、计算机设备和存储介质 | |
CN111582962B (zh) | 一种服务状态识别方法及装置 | |
CN117113404A (zh) | 电力系统的数据共享方法、装置、终端设备及存储介质 | |
CN116682100A (zh) | 一种识别车辆真实车牌号的方法、装置、存储介质及终端 | |
CN114356502A (zh) | 基于边缘计算技术的非结构化数据标记、训练和发布系统及方法 | |
CN117690016A (zh) | 一种变电站的业务场景图像匹配方法和系统 |
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 |