CN112489433A - 交通拥堵分析方法及装置 - Google Patents
交通拥堵分析方法及装置 Download PDFInfo
- Publication number
- CN112489433A CN112489433A CN202011504116.0A CN202011504116A CN112489433A CN 112489433 A CN112489433 A CN 112489433A CN 202011504116 A CN202011504116 A CN 202011504116A CN 112489433 A CN112489433 A CN 112489433A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- travel
- area
- acquisition
- congestion
- 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
- G08G1/01—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
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Abstract
本申请提供一种交通拥堵分析方法及装置,该方法可以应用于智能交通或智能交通系统(Intelligent Transport System,ITS),其中,交通拥堵分析方法可以包括:获取交通网络中存在拥堵的第一路段和第一路段存在拥堵的第一时间段;确定在第一时间段内行驶在第一路段的车辆的身份标识;获取在N个统计时段内,所述车辆在第一区域内的出行特征;基于所述车辆的出行特征,对所述第一路段在所述第一时间段存在拥堵进行分析,获得拥堵分析结果。采用本申请的交通拥堵分析方法,可以实现交通拥堵的精细化分析。
Description
技术领域
本申请涉及智能驾驶以及智慧城市领域,尤其涉及一种交通拥堵分析方法及装置。
背景技术
目前城市路段拥堵情况日益严峻,尤其是早晚高峰期。通常分析交通拥堵最常用的方法是计算路段的拥堵指数,也称交通指数或交通运行指数,拥堵指数是综合反映路段网畅通或拥堵程度的概念性指数值。拥堵指数取值范围为0~10,分为五个级别,分别为“畅通”、“基本畅通”、“轻度拥堵”、“中度拥堵”、“严重拥堵”,数值越高表明交通拥堵程度越严重。通常这种方式是以路段行驶车辆的平均通行时间作为评价依据,拥堵指数的含义如下:0-2,畅通:居民可顺畅到达目的地;2-4,基本畅通:居民一次出行平均需要比畅通时多花费0.2-0.5倍时间;4-6,轻度拥堵:居民一次出行平均需要比畅通时多花费0.5-0.8倍时间;6~8,中度拥堵:居民一次出行平均需要比畅通时多花费0.8-1.1倍时间;8~10,严重拥堵:居民一次出行平均需要比畅通时多花费1.1倍以上时间。
目前通过拥堵指数的计算,可以对已拥堵路段的识别,但是无法对已拥堵路段进行精细化的分析,例如无法获知拥堵路段的拥堵成因。
发明内容
本申请实施例提供一种交通拥堵分析方法及装置,可以实现对拥堵路段和时间段内出行车辆的身份识别,实现交通拥堵的精细化分析。
第一方面,提供一种交通拥堵分析方法,该方法可以由交通中心服务器执行,也可以由交通中心服务器的部件(例如处理器、芯片、或芯片系统等)执行。该交通拥堵分析方法可以包括:获取交通网络中存在拥堵的第一路段和第一路段存在拥堵的第一时间段。其中,该第一路段可以是交通网络中存在拥堵的多个路段中的任一个路段。本申请实施例中,可以根据路段的拥堵程度以及路段的重要程度选择待分析的第一路段。示例性的,可以是指拥堵程度大于或者等于中度拥堵的路段确定为第一路段,例如,第一路段可以包括中度拥堵或重度拥堵的路段。可以理解的是,其中,拥堵程度(即严重拥堵、中度拥堵等)的定义可以通过拥堵指数来定义,当然也可以通过路段的平均行程速度来定义,例如,在快速路,路段的平均行程速度大于65公里/小时为畅通,路段的平均行程速度大于50公里/小时且小于或等于65公里/小时为基本畅通,路段的平均行程速度为大于35且小于或等于50公里/小时为轻度拥堵。具体可以参照后续实施例中表一所示。
确定与第一路段关联的第一采集标识,其中,该第一采集标识可以用于标识第一采集地理位置。本申请实施例中,采集标识可以是传感器的标识,采集标识所标识的采集地理位置可以是传感器所设置的位置。
交通中心服务器获取第一时间段内,在第一采集地理位置所采集的身份标识,其中,该第一采集地理位置可以是用于采集第一路段的车辆的身份标识的传感器所处位置。交通中心服务器将在第一采集地理位置所采集的该身份标识确定为在第一时间段内行驶在第一路段的车辆的身份标识。其中,身份标识可以是车辆的车辆标识,例如,车辆的车牌或虚拟车牌等等,该身份标识也可以是与车辆关联的终端标识,例如,与车辆关联的手机号或虚拟手机号等等。其中,该车辆可以是在第一时间段内行驶在第一路段的多个车辆中的任一个车辆。
进一步,获取在N个统计时段内,该车辆在第一区域内的出行特征。出行特征是基于该车辆在第一区域内的出行信息确定,该出行信息包括该车辆在第一区域内的起点位置和终点位置、该车辆在第一区域内的第一出行时间区间或该车辆在第一区域内的第一出行路径中的一种或多种。
其中,该统计时段可以是基于第一时间段确定,该N个统计时段中每个统计时段均包括第一时间段,第一区域可以包括该第一路段,N为大于或者等于1的整数。
基于车辆的出行特征,对第一路段在第一时间段的拥堵进行分析,获得拥堵分析结果。可选的,该拥堵分析结果中可以包括第一路段在该第一时间段存在拥堵的原因。
通过实施第一方面所描述的方法,可以识别出拥堵的第一路段和第一时间段内出行的车辆,并进一步获取该车辆在N个统计时段内,在第一区域内的出行特征,从而对拥堵路段和时间段内车辆的出行特征挖掘,实现对拥堵的精细化分析,便于根据该拥堵的精细化分析确定精细化的疏解策略,缓解城市拥堵状况。
示例性的,在获取拥堵分析结果之后,即实现拥堵流量的精细化解构后,可以在此基础上进行精细化的交通调控。比如,拥堵分析结果指示沿着十字路口某一个方向的第一路段在一周内的工作日中早晚高峰期存在拥堵,并且通过出行特征的挖掘,得出造成拥堵的车辆为固定上下班的车辆,而在该十字路口另一个方向的车辆比较稀疏,则可以调整该十字路口在工作日的早晚高峰期的红绿灯时长缓解拥堵,例如,增加该十字路口在工作日的早晚高峰期拥堵方向的绿灯通行时间。
示例性的,在获取拥堵分析结果之后,即实现拥堵流量的精细化解构后,可以在此基础上进行精细化的交通调控。比如,拥堵分析结果指示学校所处的第一路段在一周内工作日的放学时段存在拥堵,并且通过对拥堵路段和时段内的多个车辆的出行特征的挖掘,得出停靠在学校附近的至少一个车辆,并获取与该至少一个车辆分别关联的第一终端,并向各个第一终端发送停车建议,该停车建议可以包括用于指示停靠在学校对面的停车场的建议。
在一种可行的实施例中,交通中心服务器可以至少根据拥堵分析结果,确定该车辆在第一区域内的交通出行策略,并向与该车辆关联的第一终端发送该交通出行策略,从而使得车辆避开该拥堵的路段和时间段。
需要说明的是,在第一时间段内行驶在拥堵的第一路段的车辆数量可以包括多个,本申请的车辆是该多个车辆中的任一个,车辆不同,相应的,该车辆在第一区域内的交通出行策略可能不同,以实现个性化的交通策略推荐。可以理解的是,若各个车辆的出行特征相同,则交通出行策略可能相同。
通过实施该方法,可以基于对车辆身份信息的识别来精确解构交通拥堵情况,并基于精确解构的交通拥堵情况确定精细化的疏解策略,例如:可以基于拥堵的精细化分析实现个性化出行策略的推送,从而缓解城市拥堵状况。
在一种可行的实施例中,交通中心服务器还可以确定第一路段在第一时间段的拥堵参数,该拥堵参数可以包括用于表示拥堵程度的程度参数和用于表示拥堵持续时长的时间参数。
进一步根据该拥堵参数和第一采集地理位置,确定待分析的第一区域,在该第一采集地理位置可以采集得到行驶在第一路段的车辆;以及,根据该拥堵参数和第一时间段,确定统计时段。
通过实施该方法,可以通过拥堵程度和拥堵的持续时长确定待分析的第一区域和统计时段,从而更加准确的获取车辆的出行特征。
在一种可行的实施例中,根据拥堵参数和第一采集地理位置,确定第一区域,可以包括:根据拥堵参数,确定第一距离值,其中,拥堵程度越大,拥堵持续时长越长,则该第一距离值也越大。将以第一采集地理位置为圆心,第一距离值为半径构建的区域确定为待分析的第一区域。
通过实施该方法,可以根据拥堵参数和第一采集地理位置准确的确定待分析的第一区域,便于准确的获取车辆的出行特征。
在一种可行的实施例中,根据拥堵参数和第一时间段,确定统计时段,可以包括:根据拥堵参数,确定时间偏移量,其中,拥堵程度越大,拥堵持续时长越长,则该时间偏移量也就越大。
进一步,获取第一时间段的起始时刻和第一时间段的结束时刻;并根据第一时间段的起始时刻和该时间偏移量,确定统计时段的起始时刻;以及,根据第一时间段的结束时刻和该时间偏移量,确定统计时段的结束时刻。
通过实施该方法,可以根据拥堵参数和第一时间段准确的确定待分析的统计时段,便于准确的获取车辆的出行特征。
在一种可行的实施例中,获取在N个统计时段内,所述车辆在第一区域内的出行特征,可以包括:获取该N个统计时段中每个统计时段内,该车辆在第一区域内的出行信息。
将N个统计时段中每个统计时段内,该车辆在第一区域内的出行信息确定为在N个统计时段内,车辆在第一区域内的出行特征;或者,获取出行信息在N个统计时段内的出现概率,并将出行信息在所述N个统计时段内的出现概率确定为在N个统计时段内,车辆在第一区域内的出行特征。
示例性的,若该N的值小于第一阈值,示例性,第一阈值可以是3,将该N个统计时段内每个统计时段内,车辆在第一区域内的出行信息确定为在该N个统计时段内,车辆在第一区域内的出行特征。若该N的值大于或者等于第一阈值,则计算出行信息在该N个统计时段内的出现概率,并将该出行信息在该N个统计时段内的出现概率确定为在该N个统计时段内,该车辆在第一区域内的出行特征。例如,某一种出行信息在该N个统计时段内出现过S次,S为大于或者等于1,且小于或者等于N的整数,则该出行信息在该N个统计时段内的出现概率为S/N。
通过实施该方法,根据N的值与第一阈值的比较结果,确定对应的出行特征,从而可以更加准确的得到车辆的出行特征。
在一种可行的实施例中,获取N个统计时段中每个统计时段内,该车辆在第一区域内的出行信息,可以包括:针对该N个统计时段中每个统计时段,获取在该统计时段内采集的至少一个信息记录,该信息记录包括车辆对应的身份标识、身份标识的采集时间以及用于标识身份标识的采集地理位置的采集标识,该采集时间属于该统计时段,采集地理位置属于该第一区域。
进一步,根据该至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定该统计时段内,车辆在第一区域内的出行信息。
通过实施该方法,可以通过检索得到包括身份标识的至少一个信息记录,确定该车辆在每个统计时段内的出行信息,从而便于准确的确定车辆在统计时段内,在第一区域内的出行特征。
在一种可行的实施例中,出行信息可以包括车辆在第一区域内的起点位置和终点位置、车辆在第一区域内的第一出行时间区间或车辆在第一区域内的第一出行路径中的一种或多种。
在一种可行的实施例中,若出行信息包括车辆在第一区域内的起点位置和终点位置;该第一区域包括至少一个路段,该至少一个路段包括该第一路段。其中,根据该至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定统计时段内,车辆在第一区域内的出行信息,可以包括:获取该至少一个信息记录中的两个信息记录,该两个信息记录分别为该至少一个信息记录中包含的采集时间最早的信息记录和采集时间最晚的信息记录。
针对该两个信息记录中的每个信息记录中包括的采集标签,确定该信息记录对应的关键位置,其中,该关键位置是车辆在至少一个路段中一个路段的行驶位置。
根据该两个信息记录中每个信息记录对应的关键位置,获得该统计时段内,车辆在第一区域内的起点位置和终点位置。
通过实施该方法,可以快速的确定车辆在第一区域内的起点位置和终点位置。
在一种可行的实施例中,若出行信息包括车辆在第一区域内的第一出行路径;该第一区域包括至少一个路段,该至少一个路段包括所述第一路段。其中,根据该至少一个信息记录中一个或多个信息记录包括的采集标识所标识的采集地理位置和/或采集时间,确定该统计时段内,车辆在第一区域内的出行信息,可以包括:针对该至少一个信息记录中的每个信息记录,根据信息记录中包括的采集标识,确定该信息记录对应的关键位置,其中,该关键位置是车辆在所述至少一个路段中一个路段的行驶位置。
根据该至少一个信息记录中每个信息记录对应的关键位置和每个信息记录中包括的采集时间,获得该统计时段内,车辆在第一区域内的第一出行路径。
通过实施该方法,可以通过所获取的至少一个信息记录中的每个信息记录,准确的确定车辆的出行路径。
在一种可行的实施例中,该至少一个信息记录中可以包括第一信息记录和/或第二信息记录,第一信息记录中包括的身份标识为车辆的车辆标识,例如,车辆标识可以是车辆的车牌或虚拟车牌,可以理解的是,该第一信息记录可以是电警卡口、电子警察或ETC检测器等上传的信息记录。第二信息记录中包括的身份标识为与该车辆关联的终端标识,例如,终端标识可以是手机号或虚拟手机号,可以理解的是,该第二信息记录可以是基站上传的信息记录。
通过实施该方法,可以通过多种类型的信息记录对车辆的出行信息进行分析,分析结果准确,避免单一信息记录所导致的数据稀疏问题。
在一种可行的实施例中,根据信息记录中包括的采集标识,确定信息记录对应的关键位置,可以包括:若该信息记录为第一信息记录,即该信息记录中包括的身份标识为车辆的车辆标识,则将该信息记录中包括的采集标识所标识的采集地理位置确定为该信息记录对应的关键位置。
通过实施该方法,可以在信息记录中包括车辆标识的情况下,快速准确的获得信息记录所对应的关键位置。
在一种可行的实施例中,根据信息记录中包括的采集标识,确定信息记录对应的关键位置,可以包括:若信息记录为第二信息记录,即该信息记录中包括的身份标识为与车辆关联的终端标识,则根据该信息记录中包括的采集标识所标识的采集地理位置确定覆盖范围,该覆盖范围属于第一区域,该覆盖范围包括至少一个第二路段,示例性的,采集标识为基站的标识,则覆盖范围为该基站的覆盖范围。
确定车辆经过该至少一个第二路段中每个第二路段的概率值,并将最大的概率值所对应的第二路段确定为目标路段;进一步,将目标路段上与信息记录中包括的采集标识所标识的采集地理位置之间距离最近的位置确定为所述信息记录对应的关键位置。
通过实施该方法,可以在信息记录中包括终端标识的情况下,快速准确的获得信息记录所对应的关键位置。
在一种可行的实施例中,信息记录中包括的采集标识为用于采集终端标识的基站的标识,该覆盖范围为基站的覆盖范围。
在一种可行的实施例中,确定车辆经过至少一个第二路段中每个第二路段的概率值,可以包括:
获取信息记录中包括的采集标识所标识的采集地理位置到该至少一个第二路段中每个第二路段的垂直距离。
根据信息记录中包括的采集标识所标识的采集地理位置到该至少一个第二路段中每个第二路段的垂直距离,确定该车辆经过该至少一个第二路段中每个第二路段的预测概率。
获取与该至少一个第二路段关联的第一关键位置和第二关键位置,并计算从第一关键位置到达第二关键位置时,该车辆经过该至少一个第二路段中每个第二路段的转移概率,其中,第一关键位置是该车辆在该信息记录中包括的采集时间之前经过的位置,该第二关键位置是该车辆在该信息记录中包括的采集时间之后经过的位置。
针对每个第二路段,根据车辆经过该第二路段的预测概率和该车辆经过该第二路段的转移概率,确定车辆经过该第二路段的概率值。
通过实施该方法,可以准确的计算出车辆到基站覆盖范围内的各个第二路段的概率值,从而便于确定信息记录所对应的关键位置。
在一种可行的实施例中,若出行信息包括车辆在第一区域内的第一出行时间区间;根据所述至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定统计时段内,车辆在第一区域内的出行信息,可以包括:
获取该至少一个信息记录中包含的采集时间最早的信息记录,并根据该包含的采集时间最早的信息记录中所包含的采集时间确定车辆在第一区域内的第一出行时间区间。
通过实施该方法,可以获取车辆在第一区域内出行时间区间,便于获取车辆的出行特征。
在一种可行的实施例中,本申请实施例的交通出行策略可以包括以下策略中的一种或多种:
指示车辆在第二出行时间区间出行,其中,在第二出行时间区间出行时从所述起点位置到达所述终点位置的拥堵程度小于在第一出行时间区间出行时从所述起点位置到达所述终点位置的拥堵程度;和/或,
指示车辆行驶到所述终点位置的预设范围内的空闲停车场;和/或,
指示车辆通过第二出行路径从起点位置到终点位置,其中,通过第二出行路径从所述起点位置到达所述终点位置的拥堵程度小于通过第一出行路径从所述起点位置到达所述终点位置的拥堵程度。
通过实施该方法,可以根据车辆的出行特征,为其提供个性化的交通出行策略。
第二方面,提供一种交通拥堵分析方法,该方法可以由交通中心服务器执行,也可以由交通中心服务器的部件(例如处理器、芯片、或芯片系统等)执行。该交通拥堵分析方法可以包括:获取交通网络中存在拥堵的第一路段和第一路段存在拥堵的第一时间段;确定在第一时间段内行驶在第一路段的车辆;获取在N个统计时段内,车辆在第一区域内的出行特征,该统计时段是基于第一时间段确定,N个统计时段均包括第一时间段,第一区域包括第一路段,N为大于或者等于1的整数。
至少根据该出行特征,确定车辆在第一区域内的交通出行策略,并向与车辆关联的第一终端发送交通出行策略。
通过实施第二方面所描述的方法,可以识别出拥堵的第一路段和第一时间段内出行的车辆,并进一步获取该车辆在N个统计时段内,在第一区域内的出行特征,从而对拥堵路段和时间段内车辆的出行特征挖掘,实现对拥堵的精细化分析,进一步基于拥堵的精细化分析实现个性化出行策略的推送,从而缓解城市拥堵状况。
其中,关于第二方面以及第二方面的各种可行的实施例的具体描述可以参照第一方面以及第一方面中各种可行的实施例中的描述,在此不再赘述。
第三方面,提供一种交通拥堵分析方法,该方法可以由第一终端执行,也可以由第一终端的部件(例如处理器、芯片、或芯片系统等)执行。该交通拥堵分析方法可以包括:从交通中心服务器接收车辆在第一区域内的交通出行策略,该车辆与该第一终端关联,该交通出行策略是交通中心服务器基于在N个统计时段内,车辆在第一区域内的出行特征确定,该统计时段是基于第一时间段确定,第一区域包括第一路段,该第一路段在该第一时间段存在拥堵,且车辆在第一时间段内行驶在拥堵的第一路段,N为大于或者等1的整数。
输出该交通出行策略,其中,第一终端可以是手机、车载终端、可穿戴设备、平板电脑等等。示例性的,可以是用户对车辆的车载终端开机时,或者用户打开车载终端的车载导航时,输出该交通出行策略等等。
通过实施第三方面所描述的方法,第一终端可以获取与该第一终端关联的车辆的个性化交通出行策略。
在一种可行的实施例中,接收车辆在第一区域内的交通出行策略之前,还包括:
接收用户操作,响应于该用户操作,向交通中心服务器发送用于请求获取交通出行策略的请求消息,该请求消息包括车辆的车辆标识或所述第一终端的终端标识,从而便于交通中心服务器向该第一终端推送车辆的交通出行策略。
其中,车辆标识可以是车辆的车牌,终端标识可以是第一终端的手机号码等等。
可选的,第一终端为车载终端,该用户操作可以是开机操作,即用户打开车载终端时,即向交通中心服务器请求与该第一终端关联的车辆的交通出行策略。或者,该用户操作也可以是用户打开导航应用的操作,即用户打开导航应用时,即向交通中心服务器请求与该第一终端关联的车辆的交通出行策略。
第四方面,提供一种交通拥堵分析方法,该方法可以由交通中心服务器执行,也可以由交通中心服务器的部件(例如处理器、芯片、或芯片系统等)执行。该交通拥堵分析方法可以包括:获取交通网络中存在拥堵的第一路段和第一路段存在拥堵的第一时间段。其中,该第一路段可以是交通网络中存在拥堵的多个路段中的任一个路段。本申请实施例中,可以根据路段的拥堵程度以及路段的重要程度选择待分析的第一路段。示例性的,可以是指拥堵程度大于或者等于中度拥堵的路段确定为第一路段,例如,第一路段可以包括中度拥堵或重度拥堵的路段。可以理解的是,其中,拥堵程度(即严重拥堵、中度拥堵等)的定义可以通过拥堵指数来定义,当然也可以通过路段的平均行程速度来定义,例如,在快速路,路段的平均行程速度大于65公里/小时为畅通,路段的平均行程速度大于50公里/小时且小于或等于65公里/小时为基本畅通,路段的平均行程速度为大于35且小于或等于50公里/小时为轻度拥堵。具体可以参照后续实施例中表一所示。
确定在该第一时间段内行驶在该第一路段的车辆的身份标识,其中,该车辆可以是在第一时间段内行驶在第一路段的多个车辆中的任一个车辆。进一步,获取在N个统计时段内,该车辆在第一区域内的出行特征。其中,该统计时段可以是基于第一时间段确定,该N个统计时段中每个统计时段均包括第一时间段,第一区域可以包括该第一路段,N为大于或者等于1的整数。
基于车辆的出行特征,对第一路段在第一时间段的拥堵进行分析,获得拥堵分析结果。可选的,该拥堵分析结果中可以包括第一路段在该第一时间段存在拥堵的原因。
通过实施第四方面所描述的方法,可以识别出拥堵的第一路段和第一时间段内出行的车辆,并进一步获取该车辆在N个统计时段内,在第一区域内的出行特征,从而对拥堵路段和时间段内车辆的出行特征挖掘,实现对拥堵的精细化分析,便于根据该拥堵的精细化分析确定精细化的疏解策略,缓解城市拥堵状况。
其中,关于第四方面以及第四方面的各种可行的实施例的具体描述可以参照第一方面以及第一方面中各种可行的实施例中的描述,在此不再赘述。
第五方面,提供一种交通拥堵分析装置,该装置包括用于执行第一方面至第四方面中任一方面提供的方法的模块。
第六方面,提供一种交通拥堵分析装置,该装置包括:存储器,用于存储程序;处理器,用于执行存储器存储的程序,当存储器存储的程序被执行时,处理器用于执行第一方面至第四方面中任一方面提供的方法。
第七方面,提供一种计算机可读介质,该计算机可读介质存储用于设备执行的程序代码,该程序代码包括用于执行第一方面至第四方面中任一方面提供的方法。
第八方面,提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行上述第一方面至第四方面中任一方面提供的方法。
第九方面,提供一种芯片,所述芯片包括处理器与数据接口,所述处理器通过所述数据接口读取存储器上存储的指令,执行第一方面至第四方面中任一方面提供的方法。
可选地,作为一种实现方式,所述芯片还可以包括存储器,所述存储器中存储有指令,所述处理器用于执行所述存储器上存储的指令,当所述指令被执行时,所述处理器用于执行第一方面至第四方面中任一方面提供的方法。
第十方面,提供一种电子设备,该电子设备包括上述第五方面或第六方面中的任意一个方面中的装置。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
图1是本申请提供的一种系统架构图;
图2是本申请提供的另一种系统架构图;
图3是本申请提供的一种交通出行策略的确定方法示意图;
图4是本申请提供的一种交通拥堵分析方法的流程示意图;
图5是本申请提供的一种路段拥堵状态示意图;
图6是本申请提供的一种出行路径的示意图;
图7是本申请提供的一种拥堵流量解构示意图;
图8A和图8B是本申请提供的一种车载终端界面示意图;
图9是本申请提供的一种关键位置的确定流程示意图;
图10是本申请提供的一种确定信息记录对应的关键位置的示意图;
图11是本申请提供的一种交通拥堵分析装置的示意性框图;
图12是本申请提供的一种交通中心服务器的结构示意图;
图13是本申请提供的另一种交通拥堵分析装置的示意性框图;
图14是本申请提供的一种第一终端的结构示意图。
具体实施方式
在详细介绍本申请的方法之前,首先对本申请涉及的一些概念作简单介绍。
1、电警卡口
电警卡口也可以被称为卡口摄像机,该电警卡口主要设置于城市道路的路口、高速公路的出入口等重点治安监控地段,实现全天候的检测与记录。其主要是利用先进的光电,计算机,图像处理,模式识别,等技术,对监控路面的每一辆机动车的前部特征图像、车辆全景图像和路面实时视频流进行连续拍摄、记录与处理。电警卡口具有车牌识别、车辆检测等功能,不管是否违规都会抓拍。
2、电子警察
电子警察主要是对城市道路违规的车辆进行车牌抓拍识别,抓拍车辆违章过程的3张图片,图片清晰显示信号灯状态、停车线位置、违法车道、违法车辆的车牌号码、车牌颜色、车身颜色、车辆类型、违法时间、地点、车速和行驶方向等信息。
电子警察设备通常是抓拍车辆车尾的车牌,主要是在闯红灯,超速违规的情况下才会抓拍图像,电子警察主要设置于城市交通十字路口和一些重要路段。
3、不停车收发系统(Electronic Toll Collection,ETC)
ETC是一种路桥收费方式。通过安装在车辆挡风玻璃上的车载电子标签与在收费站ETC车道上ETC检测器之间的微波专用短程通讯,利用计算机联网技术与银行进行后台结算处理,从而达到车辆通过路桥收费站不需停车而能交纳路桥费的目的。
该系统需要在车辆上安装载有车辆信息的车载电子标签。车辆进入ETC车道时,公路数据采集处理系统的ETC检测器便读取电子标签内的车辆信息,从数据库中调出匹配车辆数据后进行放行处理,储存记录的同时上传至公路数据采集处理系统的数据管理中心。该数据管理中心对通行车辆进行分析,形成扣费交易上传银行,银行完成交易处理后实时返回该数据管理中心。
4、停车场出入口摄像头
停车场出入口摄像头是停车场使用的一种监控设备,停车场出入口摄像头能在监控范围内,慢速运动的车速内,各种光线情况下都能稳定时,清晰地拍摄到车辆的车牌和车身。停车场出入口摄像头主要设置于收费卡口及停车场出入口。
5、道路的饱和度
道路的饱和度是指实际交通流量与该道路的饱和通行能力的比值。可以由道路或交叉口的实际交通流量除以该道路或交叉口的通行能力而得。
饱和度的计算公式可以为V/C,其中,V是道路的实际交通流量,C是道路的最大通行能力,该道路的最大通行能力可以用流量表示。
其中,根据饱和度的值大小,可以将道路拥堵程度进行分级,V/C介于0至0.6之间,表明道路畅通;V/C介于0.6至0.8之间,表明道路轻度拥堵;V/C介于0.8至1之间,表明道路中度拥堵;V/C大于1,表明道路严重拥堵。
本申请实施例的技术方案可以应用于对交通网络中拥堵情况进行分析的场景,从而缓解交通拥堵的程度,向用户提供个性化的交通出行策略。
如图1所示,为本申请实施例所提供的交通拥堵分析方法所应用的一种系统架构图,如图1所示,该系统架构可以包括信息采集模块、拥堵识别模块、身份感知模块、身份关联模块以及交通出行策略接收模块。可选的,信息采集模块可以是设置在数据采集侧。拥堵识别模块、身份感知模块和身份关联模块可以是设置在交通中心侧的交通中心服务器中。交通出行策略接收模块可以是设置在终端侧。下面分别对各个功能模块的功能进行介绍:
信息采集模块,用于采集路段交通数据,如采集路段流量、路段/车辆速度、车辆位置以及与车辆对应的身份标识等。其中,信息采集模块可以是用于采集路段交通数据的传感器,传感器可以部署在路段端,例如电警卡口、电子警察等,传感器也可以部署在车端,例如具有全球定位系统(Global Positioning System,GPS)的手机、汽车位置传感器等等,其中,汽车位置传感器可以设置于车辆的车载终端内。
拥堵识别模块,用于根据信息采集模块所采集的交通数据,确定路段的交通状态,识别出存在拥堵的路段和时间段。可选的,拥堵识别模块可以根据交通数据中的速度、流量、密度等,计算各个路段的拥堵指数,从而识别出各个路段中存在拥堵的路段和时间段,其中,该拥堵的路段可以是指拥堵程度大于或者等于中度拥堵的路段,例如,可以包括中度拥堵或重度拥堵的路段,例如,拥堵识别模块识别出五和张衡南进口路段在18:00-18:15存在严重拥堵。
身份感知模块,用于对存在拥堵的路段和时间段内出行的车辆进行身份感知,该存在拥堵的路段可以是指中度拥堵的路段或者严重拥堵的路段。可选的,该身份感知模块可以通过与该路段关联的且具有身份感知功能的传感器所上报的信息记录,确定拥堵的路段和时间段内出行的车辆,该信息记录可以包括所采集的车辆的身份标识。
其中,具有身份感知功能的传感器可以包括但不限于与该路段关联的电警卡口、电子警察、基站、停车场出入口摄像头以及ETC检测器等等。该电警卡口、停车场出入口摄像头、电子警察以及ETC检测器上报的信息记录中可以包括采集的车辆的车牌或虚拟车牌。基站上报的信息记录中可以包括采集的手机号码或虚拟手机号码。
具体的,具有身份感知功能的传感器与该路段关联是指,行驶在该路段的车辆的身份标识可以通过该传感器采集得到。若具有身份感知功能的传感器是与该路段关联的电警卡口、电子警察、停车场出入口摄像头以及ETC检测器中的一种,则可以将传感器所采集的车牌对应的车辆确定为在拥堵的路段和时间段内出行的车辆。若具有身份感知功能的传感器是与该路段关联的基站,则可以获取该基站所采集的手机号码或虚拟手机号码,并进一步获取与该手机号码或虚拟手机号码关联的车辆的车牌,并将该车牌对应的车辆确定为在拥堵的路段和时间段内出行的车辆。
身份关联模块,用于确定与存在拥堵的路段关联的区域和关联时间窗口,该区域包括至少一个路段,该至少一个路段可以包括拥堵的路段,例如以拥堵的路段方圆3公里范围作为关联的区域。该关联时间窗口包括N个统计时段,N为大于或者等于1的整数,每个统计时段可以是根据拥堵的时间段确定的,例如,拥堵的时间段为11月6日的早上8:30到9:00,N等于6,则关联时间窗口可以是11月1日到11月6日的每天早上8:00到9:30,即统计时段的起始时刻是拥堵的时间段的起始时刻向前偏移30分钟,统计时段的结束时刻是拥堵的时间段的结束时刻向后偏移30分钟。
获取上述关联的区域和关联时间窗口内,检索得到包括身份感知模块所确定的车辆的身份标识的至少一个信息记录,并对该至少一个信息记录进行分析,得到车辆在该关联的区域,关联时间窗口内的出行特征。出行特征可以包括但不限于车辆的起点位置和终点位置(Origin-Destination,OD)概率特征、出行时间区间概率特征、出行路径概率特征等。
获得在拥堵的时间段经过拥堵的路段的每个车辆的出行特征,从而实现对拥堵点流量的解构分析,进而可以针对每个车辆的出行特征,确定该车辆的交通出行策略,并将该交通出行策略发送给与该车辆关联的交通出行策略接收模块,该交通出行策略接收模块可以是与该车辆关联的终端。
通过以上各个模块的交互,可以实现对拥堵点的车辆的精细化交通管控,如错峰出行、导航服务等,实现对拥堵的缓解。
需要说明的是,后续实施例中,将关联的区域称为第一区域。
如图2所示,为本申请提供的交通拥堵分析方法所应用的另一种系统架构图,如图所示,该系统架构可以包括数据采集侧、交通中心侧以及终端侧,可选的,该系统架构还可以包括边缘侧。其中,数据采集侧可以包括n个传感器,边缘侧可以包括k个边缘服务单元,其中,k的值小于n的值,n和k可以是自然数。
可以理解的是,在一些可选的实施方式中,边缘侧的边缘服务单元的功能也可以集成在交通中心服务器中,即系统结构也可以不包括边缘服务单元,本申请实施例不作限定。
下面分别对图2所示系统架构中的各个设备进行介绍:
数据采集侧,用于采集交通数据,该数据采集侧的传感器可以包括但不限于车辆传感器、路段传感器,路段传感器可以是电警卡口、电子警察、ETC检测器、停车场出入口摄像头以及基站等等。数据采集侧的传感器中包括能够进行身份感知的传感器。
边缘侧,用于对数据采集侧所采集的交通数据进行汇聚,并将汇聚后的交通数据上报给交通中心侧的交通中心服务器。该边缘侧可以包括多个边缘服务单元,可选的,一个边缘服务单元可以用于对至少一个传感器上传的交通数据进行汇聚。
可以理解的是,数据采集侧到边缘侧的数据上报方式,以及边缘侧到交通中心侧的数据上报方式可以采用主动上报的交互方式。
交通中心侧的交通中心服务器,用于根据上报的交通数据完成数据预处理、拥堵识别、身份感知、身份关联以及交通出行策略的确定。其中,数据预处理包括数据汇聚、有效性检测等。
可选的,交通中心侧还可以包括边缘服务器,交通中心服务器所执行的数据预处理也可以由交通中心侧的边缘服务器进行执行。
下面对交通中心服务器根据交通数据进行拥堵识别、身份感知、身份关联以及交通出行策略的确定的流程进行举例说明。
请一并参照图3,为交通中心服务器的执行流程图,如图3所示,交通中心服务器接收交通数据,该交通数据可以是多源交通数据,即各种传感器所采集的交通数据,包括电警卡口、电子警察、ETC检测器、停车场出入口摄像头以及基站等等所上传的交通数据。
交通中心服务器基于交通数据进行路段交通状态的计算,确定拥堵的路段和拥堵的时间段,示例性的,该拥堵的路段可以是指拥堵程度大于或者等于中度拥堵的路段,例如,可以包括中度拥堵或重度拥堵的路段。
具体的,可以通过交通数据中的流量、旅行时间、速度等计算拥堵指标,并根据拥堵指标确定路段的交通状态。其中,用于表示拥堵程度的拥堵指标可以包括饱和度和拥堵指数,其中,饱和度可以是基于流量计算得到的,具体可以参照前述实施例中概念介绍中的概念的相关描述,在此不再赘述。拥堵指数可以是基于旅行时间或速度计算得到。
交通中心服务器进一步根据交通数据,识别出在拥堵的时间段通过拥堵的路段的车辆。例如,获取拥堵的时间段采集的拥堵的路段的车辆的身份标识,从而根据所获取的身份标识,确定在拥堵的时间段通过拥堵的路段的车辆。
交通中心服务器确定与拥堵的路段关联的区域,该关联的区域包括多个关联的路段,基于拥堵的时间段确定关联时间窗口,该关联时间窗口可以包括N个统计时段,该N为大于或者等于1的整数。以该关联的区域和关联时间窗口为检索范围,对在拥堵的时间段通过拥堵的路段的车辆的身份标识为检索目标,从而检索得到该车辆在关联的区域内的关键位置。
进一步通过关键位置,可以得到该车辆的出行特征,基于出行特征确定该车辆的交通出行策略,并将交通出行策略发送给与该车辆关联的终端。从而为出行车辆提供个性化的交通服务。
终端侧,用于接收交通出行策略,如导航信息、路径信息、出行时间建议信息等,终端侧的终端可以包括与车辆关联的手机,该车辆的车载终端等等。
如图4所示,为本申请实施例提供的一种交通拥堵分析方法的流程示意图,图1或图2可以为该场景的网络架构示例。如图4所示,该方法可以包括:S100、S101、S102和S103,可选的,该方法还可以包括S104。其中,S100、S101、S102、S103和S104的执行顺序,本申请实施例不作限制。如图所示,本申请实施例的交通拥堵分析方法包括但不限于以下步骤:
S100,获取交通网络中存在拥堵的第一路段和所述第一路段存在拥堵的第一时间段。
在一个实施例中,交通中心服务器可以根据数据采集侧所采集的交通数据,获取用于拥堵识别的交通状态量,交通状态量包括但不限于路段流量、旅行时间、路段的行程速度、车辆密度等。进一步设置相关阈值,根据交通状态量与该相关阈值的比较结果,计算用于表示拥堵程度的拥堵指标,拥堵指标包括但不限于路段饱和度和拥堵指数等等。其中,路段饱和度可以是基于路段流量计算得到的,具体可以参照前述实施例中概念介绍的概念5的相关描述,在此不再赘述。拥堵指数可以是基于旅行时间或速度计算得到的。交通中心服务器可以根据所计算的拥堵指标,确定存在拥堵的路段和该存在拥堵的路段的时间段,其中,该存在拥堵的路段可以是指拥堵程度大于或者等于中度拥堵的路段。本申请实施例中,第一路段可以是交通网络中存在拥堵的路段中的任一个路段,该第一路段在第一时间段存在拥堵。可选的,本申请实施例中,可以根据路段的拥堵程度和/或路段的重要程度选择待分析的第一路段。
下面以获取路段的行程速度为例,阐述如何根据路段的行程速度获得拥堵指数。其中,路段的行程速度获取方式包括但不限于以下三种可选的方式:
第一种可选的方式,通过同一路段相邻两个电警卡口所检测到的同一车辆的采集时间以及两个电警卡口之间的距离,计算路段的行程速度。
第二种可选的方式,从地磁或雷达检测器获取所测量的瞬时速度,其中,地磁或雷达检测器可以测量路段上行驶车辆的瞬时速度。
第三种可选的方式,可以通过车辆定位的方式获取路段的行程速度,例如,通过两个定位点的空间距离和车辆经过该两个定位点的时间间隔计算路段的行程速度。
在计算得到路段的行程速度后,设置相关阈值,从而得到用于表示拥堵程度的拥堵指标,如表一所示,即为路段的行程速度与拥堵指标的关系图,例如,在快速路,路段的行程速度大于65公里/小时为畅通,路段的行程速度大于50公里/小时且小于或等于65公里/小时为基本畅通,路段的行程速度为大于35且小于或等于50公里/小时为轻度拥堵。
单位为公里/小时
表一
如图5所示,为深圳坂田区域在2020年7月1日19:00-19:15时,交通网络中各个路段的交通状态图,该交通状态图中包括各个路段的拥堵程度。例如,在19:00-19:15时间段内,五和大道北向南方向的路段1为轻度拥堵,五和大道北向南方向的路段2为严重拥堵。
本申请实施例中,选取一个分析时间窗口作为第一时间段,例如选择19:00-19:15时间段作为第一时间段。选取该第一时间段内的严重拥堵路段或中度拥堵路段作为待分析的第一路段,例如,可以选择五和大道北向南的路段2作为待分析的第一路段。可以理解的是也可以选择轻度拥堵路段作为待分析的第一路段。
S101,确定在所述第一时间段内行驶在所述第一路段的车辆的身份标识。
在一个实施例中,确定待分析的第一路段后,进一步确定与第一路段关联的第一采集标识。具体的,本申请实施例中的采集标识可以是传感器的标识,各个传感器的标识与该各个传感器所设置的位置是对应的,因此,本申请通过采集标识可以间接标识该传感器的设置位置,即该传感器采集身份标识的采集地理位置。本申请实施例中将可以采集行驶在第一路段的车辆的身份标识的传感器的标识确定为与该第一路段关联的第一采集标识。为了更加完整的确定行驶在第一路段的车辆,该第一采集标识可以包括至少一个传感器的标识,可以理解的是,该至少一个传感器都可以获取行驶在第一路段的车辆的身份标识,其中,该至少一个传感器中各个传感器所设置的位置可以不同。
其中,第一采集标识可以用于标识第一采集地理位置,行驶在第一路段的车辆的身份标识可以是通过设置在该第一采集地理位置的传感器所采集得到,本申请实施例可以通过在该第一采集地理位置所采集得到的身份标识,确定在第一时间段内行驶在第一路段的车辆。
本申请实施例中,传感器可以是电警卡口、停车场出入口摄像头、ETC、电子警察以及基站等等。传感器所获取的车辆的身份标识可以是车辆的车牌或虚拟车牌,或者,车辆的身份标识还可以是与车辆关联的终端标识,例如,与车辆关联的手机号码或虚拟手机号码等。
下面继续以图5作为举例说明如何确定与第一路段关联的第一采集标识,在图5所示实施例中,五和大道北向南的路段2为待分析的第一路段,行驶在路段2的车辆可以是通过五和大道和稼先路交叉口的电警卡口所拍摄的左转车道的车辆。因此,将设置在五和大道和稼先路交叉口的、且用于拍摄左转车道的车辆的电警卡口的标识作为第一采集标识。
可选的,设置在路段2的电子警察也可以拍摄行驶在第一路段的车辆,因此还可以将设置在路段2的电子警察的标识作为第一采集标识。
如表二所示,可以是在第一采集标识所标识的第一采集地理位置的传感器所上传的信息记录示例,该信息记录中包括所采集的车辆的车牌和采集时间,该采集时间属于待分析的第一时间段,车辆的车牌为粤B***。
表二
可选的,还可以将与路段2关联的基站的标识作为第一采集标识,并将该基站所采集的终端标识所关联的车辆确定为行驶在路段2的车辆。例如,检测到基站信令数据中包括虚拟手机号:##**,则将该虚拟手机号关联的车辆确定为行驶在路段2的车辆。
其中,与路段2关联的基站可以是该基站所处的位置映射在路段2上。具体的,该基站的位置映射在路段2上的确定方法可以是,确定该基站所采集的虚拟手机号所关联的车辆经过该路段2的概率最大,该概率的确定方法可以是通过以下信息中的一项或多项确定:该基站的位置到该路段2的垂直距离、该基站覆盖范围内所包含的路段数量(比如基站覆盖范围内只包含路段2,则该基站的位置映射在该路段2上)、该虚拟手机号对应终端的移动方向、移动速度以及在其他传感器检测到该虚拟手机号所关联的车辆的车牌等等信息。例如,该基站的位置到该路段2的垂直距离最小,且该路段2在该基站的覆盖范围内,该虚拟手机号对应终端的移动方向是由北向南,则将该基站的标识确定为第一采集标识。可选的,为了避免将检测到的行人的虚拟手机号确定为车辆所关联的虚拟手机号,还可以结合其他传感器检测到的车辆的车牌进行判断,例如,在五和大道北向南的路段1上检测到该虚拟手机号关联的车辆的车牌,则可以确定在路段2关联的基站检测的该虚拟手机号是车辆所关联的虚拟手机号。
进一步,交通中心服务器获取第一时间段内,在该第一采集标识所标识的第一采集地理位置所采集的车辆的身份标识,并将所采集的车辆的身份标识对应的车辆确定为在第一时间段内行驶在第一路段的车辆。
示例性的,如果采集的车辆的身份标识为车辆的车辆标识,则将车辆标识对应的车辆确定为在第一时间段内行驶在第一路段的车辆。可选的,还可以进一步通过运营商数据库和交通数据库中的某个标识字段,检索得到与该车辆标识关联的终端标识。其中,该标识字段可以是身份证信息,例如,从交通数据库中检索得到该车辆标识对应的身份证信息,并从运营商数据库中获取与该身份证信息所对应的终端标识,例如,检索得到与身份证信息对应的虚拟手机号为##**。
示例性的,如果采集的车辆的身份标识为终端标识,则将与该终端标识关联的车辆确定为在第一时间段内行驶在第一路段的车辆。可以理解的是,如果采集的车辆的身份标识为终端标识,例如,终端标识为虚拟手机号##**,可以通过运营商数据库和交通数据库中的某个标识字段,检索得到与该终端标识关联的车辆标识,例如车牌或虚拟车牌。其中,该标识字段可以是身份证信息或手机号码信息等等,例如,从运营商数据库中获取与该虚拟手机号对应的身份证信息,并在交通数据库中检索该身份证信息所对应的ETC虚拟车牌为***####以及车牌为粤B***等。
可以理解的是,在第一时间段内行驶在第一路段的车辆可以包括多个车辆,本申请实施例中的车辆可以是该多个车辆中的任一个车辆。
S102,获取在N个统计时段内,所述车辆在第一区域内的出行特征,所述统计时段由所述第一时间段确定,所述N个统计时段包括所述第一时间段,所述第一区域包括所述第一路段,所述N为大于或者等于1的整数。
在一个实施例中,交通中心服务器确定在第一时间段内行驶在第一路段的车辆后,确定关联的第一区域以及关联时间窗口,该第一区域包括至少一个路段,即将该至少一个路段确定为关联路段,该关联时间窗口可以包括N个统计时段。
具体的,该第一区域可以是包括第一路段的一定范围内的区域,比如,该第一区域可以是采集第一路段的车辆的身份标识的第一采集地理位置方圆2公里范围内的区域,即将第一采集地理位置方圆2公里范围内的区域内的路段作为关联路段。例如,第一采集地理位置是五和大道和稼先路交叉口的电警卡口的位置,则可以将在该电警卡口的位置方圆2公里范围作为第一区域,即将华为公司停车场和周边区域作为第一区域。可以理解的是,如果第一采集标识包括多个采集标识,相应的,第一采集地理位置包括多个采集地理位置,可以任选一个采集地理位置作为第一区域的确定标准。
示例性的,该第一区域的大小可以根据第一路段在第一时间段的拥堵参数确定,该拥堵参数包括但不限于用于表示拥堵程度的程度参数和用于表示拥堵持续时长的时间参数。程度参数可以是拥堵指数,饱和度等等。可以根据该拥堵参数确定第一距离值,比如,拥堵程度越严重,拥堵持续时长越长,则相应的第一距离值越大。进一步,将以第一采集地理位置为圆心,该第一距离值为半径构建的区域确定为关联的第一区域。
具体的,统计时段可以是根据第一时间段确定的,例如,可以将该第一时间段的起始时刻往前偏移一定的时间偏移量所确定的时刻作为统计时段的起始时刻,可以将第一时间段的结束时刻往后偏移一定的时间偏移量所确定的时刻作为统计时段的结束时刻。可以理解的是,起始时刻的时间偏移量和结束时刻的时间偏移量可以不同或者相同,或者,只对起始时刻或者结束时刻进行时间偏移,等等,本申请实施例不作限定。例如,第一时间段是7月1日19:00-19:15,则该N个统计时段可以是6月25日-7月1日的18:45-19:30的7个统计时段,即统计时段的起始时刻是第一时间段的起始时刻往前偏移15分钟,统计时段的结束时刻是第一时间段的结束时刻往后偏移15分钟。可以理解的是,时间偏移量的大小可以根据第一路段在第一时间段的拥堵参数确定,该拥堵参数包括但不限于用于表示拥堵程度的程度参数和用于表示拥堵持续时长的时间参数。通常,拥堵程度越严重,拥堵持续时长越长,则相应的时间偏移量也越大。
进一步,获取该N个统计时段中每个统计时段内,该车辆在第一区域内的出行信息,该出行信息可以包括以下信息中的一项或者多项:车辆在该第一区域内的起点位置和终点位置、该车辆在该第一区域内的第一出行时间区间或该车辆在该第一区域内的第一出行路径等等。
下面以该N个统计时段中的任一个统计时段作为举例,阐述获取该统计时段内,车辆在第一区域内的出行信息,具体可以包括以下步骤一和步骤二:
步骤一:针对所述N个统计时段中每个统计时段,获取在所述统计时段内采集的至少一个信息记录,所述信息记录包括所述车辆对应的身份标识、所述身份标识的采集时间以及用于标识所述身份标识的采集地理位置的采集标识,所述采集时间属于所述统计时段,所述采集地理位置属于所述第一区域;
具体的,针对该N个统计时段内的任一个统计时段,交通中心服务器从数据采集侧上传的交通数据中,以车辆对应的身份标识为检索目标,检索得到至少一个信息记录,该身份标识可以包括车辆的车辆标识和/或与车辆关联的终端标识。该至少一个信息记录可以是在该统计时段内,在第一区域采集的包括车辆的身份标识的记录,即该信息记录包括车辆对应的身份标识、该身份标识的采集时间以及用于标识身份标识的采集地理位置的采集标识,该采集地理位置属于该第一区域,身份标识的采集时间属于该统计时段。可选的,上述采集标识可以是用于采集该身份标识的采集地理位置的传感器的标识,该传感器所设置的位置即是该采集标识所标识的采集地理位置。
在一些可选的实施例中,该至少一个信息记录中可以包括第一信息记录和/或第二信息记录,其中,第一信息记录中包括的身份标识为车辆的车辆标识,比如车辆的车牌或虚拟车牌,用于采集车辆的车辆标识的传感器可以包括但不限于电警卡口、电子警察、停车场出入口摄像头、ETC等等;第二信息记录中包括的身份标识为与车辆关联的终端标识,比如与车辆关联的手机号码或虚拟手机号码,用于采集终端标识的传感器可以包括但不限于基站。
示例性的,若该至少一个信息记录中包括第一信息记录,该至少一个信息记录中所包含的第一信息记录的数量可以为一个或者多个,若该至少一个信息记录中包括第二信息记录,该至少一个信息记录中所包含的第二信息记录的数量可以为一个或者多个。可以理解的是,该至少一个信息记录中也可以只包括第一信息记录,或者,只包括第二信息记录,或者,该至少一个信息记录中包括第一信息记录和第二信息记录。例如,如图6所示,在该统计时段内,在第一区域采集的包括车辆的身份标识的6个信息记录作为举例,该6个信息记录中可以包括4个第一信息记录和2个第二信息记录,该4个信息记录可以分别是ETC检测的1个虚拟车牌记录和3个电警卡口所拍摄的3个车牌记录,该2个第二信息记录可以分别是2个基站检测的2个虚拟手机号记录。
可以理解的是,该至少一个信息记录中包括第一信息记录和第二信息记录的场景下,可以解决单一数据源所产生的数据稀疏的问题,通过数据源间的相互补充作用实现对拥堵点的流量解构,有利于精细化的拥堵分析。
步骤二:根据所述至少一个信息记录中一个或多个信息记录包括的采集标识所标识的采集地理位置和/或采集时间,确定所述统计时段内,所述车辆在所述第一区域内的出行信息。
具体的,交通中心服务器可以进一步根据该至少一个信息记录中的一个或多个信息记录中的采集标识所标识的采集地理位置和/或信息记录中所包含的采集时间,确定该统计时段内,该车辆在第一区域内的出行信息。
其中,出行信息可以包括车辆在第一区域内的起点位置和终点位置、车辆在第一区域内的第一出行时间区间或车辆在第一区域内的第一出行路径中的一种或多种。可以理解的是,出行信息所包括的信息种类不同,出行信息的确定方式也可以不同,下面以三种可选的实施方式作为举例说明:
第一种可选的实施方式,若出行信息包括车辆在第一区域内的起点位置和终点位置,即OD信息,则交通中心服务器获取该至少一个信息记录中的两个信息记录,该两个信息记录可以分别为该至少一个信息记录中所包含的采集时间最早的信息记录和采集时间最晚的信息记录。针对该两个信息记录中的每个信息记录中所包含的采集标识所标识的采集地理位置,确定该信息记录所对应的关键位置,该关键位置是指车辆在该第一区域包含的至少一个路段中一个路段的行驶位置,其中,确定信息记录所对应的关键位置的方法可以参照后续实施例中所阐述的确定信息记录对应的关键位置的具体描述,在此不再赘述。
进一步,交通中心服务器可以根据该两个信息记录中每个信息记录对应的关键位置,获得该统计时段内,该车辆在第一区域内的起点位置和终点位置,其中,包含的采集时间最早的信息记录对应的关键位置为起点位置,包含的采集时间最晚的信息记录对应的关键位置为终点位置。例如,对车辆粤B***,6月25日18:45-19:30,在华为公司停车场和周边区域所采集的至少一个信息记录作为举例,该至少一个信息记录中包括的采集时间最早的信息记录是:华为公司J区停车场出入口摄像头在6月25日于18:50检测到的包含粤B***的车牌记录。该至少一个信息记录中包括的采集时间最晚的信息记录是:五和大道和隆平路交叉口的电警卡口在6月25日于19:05检测到的包含粤B***的车牌记录。因此,可以确定车辆粤B***在6月25日,第一时间段18:45-19:30在第一区域(即华为公司停车场和周边区域)的起点位置为华为公司J区停车场,终点位置为五和大道和隆平路交叉口。
第二种可选的实施方式,若出行信息包括车辆在第一区域内的第一出行路径,则交通中心服务器针对该至少一个信息记录中的每个信息记录,确定该信息记录对应的关键位置,该关键位置是指车辆在该第一区域包含的至少一个路段中一个路段的行驶位置,其中,确定信息记录所对应的关键位置的方法可以参照后续实施例中所阐述的确定信息记录对应的关键位置的具体描述,在此不再赘述。
进一步,交通中心服务器可以根据该至少一个信息记录中每个信息记录对应的关键位置和各个信息记录中所包括的采集时间的先后顺序,获得该统计时段内,该车辆在第一区域内的第一出行路径。例如,对车辆粤B***,6月25日18:45-19:30,在华为公司停车场和周边区域所采集的至少一个信息记录作为举例,该至少一个信息记录包括3个信息记录,该3个信息记录分别对应的关键位置为J区停车场出入口、五和大道和稼先路交叉口以及五和大道和隆平路交叉口,其中,对应的关键位置为J区停车场出入口的信息记录中包含的采集时间是18:50,对应的关键位置为五和大道和稼先路交叉口的信息记录中包含的采集时间是18:55,对应的关键位置为五和大道和隆平路交叉口的信息记录中包含的采集时间是19:05。通过以上三个信息记录分别对应的关键位置和所包含的采集时间的先后顺序,可以获得车辆在第一区域内的第一出行路径为从华为公司J区停车场经由稼先路,再从稼先路左转进入五和大道的第一出行路径。
第三种可选的实施方式中,若出行信息包括车辆在第一区域内的第一出行时间区间,则交通中心服务器可以获取该至少一个信息记录中所包含的采集时间最早的信息记录,并根据该包含的采集时间最早的信息记录中所包含的采集时间确定该车辆在该统计时段内,在第一区域内的第一出行时间区间。继续以第二种可选的实施方式中该至少一个信息记录包括3个信息记录作为举例,该3个信息记录中包含的采集时间最早的信息记录所包含的采集时间是18:50,因此可以确定第一出行时间区间可以是18:50-18:55。
需要说明的是,在确定统计时段内,车辆在第一区域内的出行信息时,上述第一种可选的实施方式用于确定起点位置和终点位置,第二种可选的实施方式用于确定第一出行路径以及第三种可选的实施方式用于确定第一出行时间区间仅为举例,也可以是通过实施某一种可选的实施方式,获得多种出行信息,例如,在第二种可选的实施方式中,除了确定第一出行路径外,还可以确定车辆在第一区域内的起点位置和终点位置,以及还可以确定该车辆的第一出行时间区间等等,又例如,在第一种可选的实施方式中,除了可以确定车辆在第一区域内的起点位置和终点位置外,还可以确定该车辆的第一出行时间区间。
通过上述步骤一和步骤二可以获得N个统计时段内每个统计时段内,车辆在第一区域内的出行信息。可以理解的是,通过上述方法获得拥堵点内(即第一路段和第一时间段内)每个车辆的出行信息后,可以实现对拥堵流量的解构。如图7所示,即是对拥堵点内拥堵流量解构得到的OD分布图。
在获得N个统计时段内每个统计时段内,车辆在第一区域内的出行信息之后,还可以进一步根据出行信息,确定在N个统计时段内,车辆在第一区域内的出行特征。示例性的,本申请实施例中可以根据N与第一阈值的比较结果,采取不同的出行特征获取方法,下面分别介绍:
若N的值小于第一阈值,即N的值比较小,可以将N个统计时段中每个统计时段内,车辆在第一区域的出行信息确定为在N个统计时段内,车辆在第一区域内的出行特征。例如,第一阈值为2,该N的值为1,则可以将该统计时段内车辆在第一区域内的出行信息确定为在N个统计时段内,车辆在第一区域内的出行特征。
若N的值大于或者等于第一阈值,获取统计时段内的出行信息在N个统计时段内的出现概率,例如,某个统计时段内,出行信息为车辆在第一区域内的起点位置和终点位置为J区停车场->五和大道和隆平路交叉口,则计算该起点位置和终点位置的出行信息在该N个统计时段内的出现概率,例如,该只有一个统计时段内的出行信息包括该起点位置和终点位置,则出现概率为1/N,或者,如果N个统计时段中的每个统计时段内的出现信息均包括该起点位置和终点位置,则出现概率为100%。交通中心服务器将该出行信息在该N个统计时段内的出现概率确定为在该N个统计时段内,车辆在第一区域内的出行特征。可以理解的是,若出行信息包括车辆在第一区域内的OD信息,即起点位置和终点位置,则相应的,出行特征可以包括OD概率特征;若出行信息包括车辆在第一区域内的第一出行路径,则相应的,出行特征可以包括出行路径概率特征;若出行信息包括车辆在第一区域内的第一出行时间区间,则相应的,出行特征可以包括出行时间区间概率特征等等。
例如,获得车辆粤B***在6月25日-7月1日的18:45-19:30在华为公司停车场和周边区域内的出行信息分别为:
6月25日出行信息为:粤B***,J区停车场(6.25 18:50)->五和大道和稼先路交叉口(6.25 18:55)->五和大道和隆平路交叉口(6.25 19:05)
6月26日出行信息为:粤B***,J区停车场(6.2618:53)->五和大道和稼先路交叉口(6.2618:59)->五和大道和隆平路交叉口(6.2619:15)
6月27日出行信息为:粤B***,J区停车场(6.27 18:54)->五和大道和稼先路交叉口(6.27 18:56)->五和大道和隆平路交叉口(6.27 19:20)
……
对6月25日-7月1日中7天内的出行信息进行统计,可以得到粤B***该第一区域内的出行特征包括以下特征中的一项或多项:粤B***在第一区域内的OD概率特征为J区停车场->五和大道和隆平路交叉口的概率为100%,即7天内每天的出发地和目的地一致;粤B***在第一区域内的出行时间区间概率特征为[18:50-18:55]的概率为100%,即7天内每天都在这个时间段内出发,粤B***在第一区域内的出行路径概率特征为J区停车场->五和大道和稼先路交叉口->五和大道和隆平路交叉口的概率为100%,即7天内每天都走该路径。
S103,基于所述车辆的出行特征,对所述第一路段在所述第一时间段存在拥堵进行分析,获得拥堵分析结果。
通过以上步骤S100-步骤S102,获得在N个统计时段内,该车辆在第一区域内的出行特征后,可以基于该出行特征,对第一路段在第一时间段存在拥堵的原因进行分析,从而获得拥堵分析结果。可以进一步根据该拥堵分析结果确定精细化的疏解策略。例如,在拥堵路段内的车辆基本都是从某个路口行驶过去的,则可以调整该路口的红绿灯时间,达到缓解拥堵。又例如,还可以为各个车辆制定个性化的交通出行策略,达到缓解拥堵,下面结合步骤S104对制定和推送个性化交通出行策略进行举例说明。
S104,至少根据所述拥堵分析结果,确定所述车辆在所述第一区域内的交通出行策略,并向与所述车辆关联的第一终端发送所述交通出行策略。
在一个实施例中,交通中心服务器获得在N个统计时段内,该车辆在第一区域内的出行特征后,可以根据该出行特征,确定车辆在第一区域内的交通出行策略。示例性的,若某种出行信息在该N个统计时段内的出现概率大于某个阈值时,可以根据该出行信息,确定车辆在第一区域内的交通出行策略,从而使得车辆避开拥堵路段。
例如,若通过出行特征中的出行时间区间概率特征确定车辆大多数时间选择高峰时段出行,则确定的交通出行策略可以包括:指示车辆在第二出行时间区间内出行,该第二出行时间区间可以是非高峰时段,即给予车辆错峰出行的出行建议。例如,车辆大多数时间的出行时间区间在[18:50-18:55],则可以建议其出行时间在[17:30-18:00]或者[20:00-21:00]。
又例如,若通过出行特征中的OD概率特征确定车辆大多数时间是将车停在某个停车场,而将该停车场作为起点位置或终点位置时,所经过的路段特别拥堵,则确定的交通出行策略可以包括:指示车辆行驶到在终点位置或起点位置预设范围内的空闲停车场,从该空闲停车场作为起点位置或者终点位置时,所经过的路段拥堵程度比较小,即给予停车场选择建议。
又例如,若通过出行特征中的出行路径概率特征确定车辆大多数时间经过拥堵的第一出行路径,而从起点位置到终点位置存在备选的非拥堵的第二出行路径,则确定的交通出行策略可以包括:指示车辆通过第二出行路径从起点位置到达终点位置,即给予路径选择的出行建议。
交通中心服务器可以通过车辆对应的身份标识,确定与该车辆关联的第一终端,例如,通过车牌关联到车主的手机或者邮箱,并将该交通出行策略发送给该手机或邮箱,为车辆提供个性化的出行建议。又例如,与车辆关联的第一终端还可以是该车辆的车载终端,交通中心服务器可以将该出行策略发送给该车载终端。
在一些实施例中,第一终端接收该交通出行策略,并输出该交通出行策略。可选的,第一终端可以是在检测到用户操作时,向交通中心服务器主动请求交通出行策略。该用户操作可以是用户在车载终端打开导航应用时,向交通中心服务器发送用于请求交通出行策略的请求消息,从而使得交通中心服务器向该车载终端推送个性化的交通出行策略。下面结合附图8A和附图8B的车载终端用户界面进行举例说明,例如,通过对该车载终端关联的车辆的出行特征分析得到,该车辆经常于[18:00-18:30]从位置A出发经过拥堵路段(太湖路)到达位置B(光明小区)。而进一步地,交管中心通过对于多个车辆身份的获取和分析可以知道,在18:00-18:30这个时段太湖路的拥堵主要是由哪些车辆所引起的(例如有约200辆车辆经性地在18:00-18:30这个时段经过太湖路到达光明小区,后面简单记为“引起拥堵的车辆”,这些引起拥堵的车辆很可能是居住在东方小区的居民的下班车辆)。则可以基于上述信息可以实现:(1)对太湖路在18:00-18:30时段的交通拥堵的精准疏解,(2)对这些引起拥堵的多个车辆的个性化导航导引。如图8A所示,当一个引起拥堵的车辆的用户在车载终端对地图应用进行操作时,即可基于交通中心服务器获取个性化的交通出行策略,如图8B所示,车载终端在启动地图应用时,通过弹出窗口输出提示信息,该提示信息用于提示用户如果从位置A到位置B,可以选择的建议的/优化的出行方式和出行时段,以避开拥堵路段和时间段。若用户需要查看交通出行策略中的优化路径,可以对控件801进行操作,从而查看优化路径。若用户不需要查看优化路径,可以对控件800进行操作,从而关闭该弹出窗口。应当理解的是,图8B所示出的是交管中心对单个车辆所进行的个性化导航导引,对于其它的引起太湖路在18:00-18:30这个时段拥堵的车辆(如上所述识别出的200辆引起太湖路在18:00-18:30这个时段拥堵的车辆),交管中心可以下发不同于上述图8B所示出的出行导航策略,例如:可以对一些引起拥堵的车辆建议出行时间是5:40-5:50,对另一些车辆建议经过南山路绕行,还有一些也可以不给出建议。通过上述的示例性的操作,不仅可以实现:在基于对拥堵成因的原因理解的基础上精准疏解某一路段在某一特定时段的拥堵。还可以实现:对于这些引起拥堵的车辆发送不同的导航建议,这些导航建议可以避免将这些车辆都在同一时段出行和/或经过同一路段,从而可以避免因为对于这些引起拥堵的车辆的导航建议而导致的其它路段在特定时段的拥堵。所以,本申请实施例的方案,可以从整体上实现对于交通拥堵的理解和疏解,从而达到交通通行效率的整体提升。
可以理解的是,车载终端向交通中心服务器获取个性化的交通出行策略的触发操作不仅限于图8A所示的对地图应用的操作,还可以是在输入导航信息时,该导航信息指示从位置A到位置B时,向交通中心服务器获取从位置A到位置B的交通出行策略。
下面对确定信息记录对应的关键位置进行阐述:
其中,在上述步骤S102中的第一种可选的实施方式和第二种可选的实施方式中,需确定信息记录对应的关键位置,下面对确定信息记录对应的关键位置进行举例阐述,可选的,信息记录中包括的身份标识不同,则相应的确定信息记录对应的关键位置的方式可以不同,下面分别阐述:
在一种可能的实现方式中,若信息记录中包括的身份标识为车辆的车辆标识,车辆的车辆标识可以是车辆的车牌或虚拟车牌,即该信息记录为第一信息记录,则可以将信息记录中包括的采集标识所标识的采集地理位置确定为信息记录对应的关键位置。示例性的,在该种实施方式中,该信息记录可以是电警卡口检测到的车牌,或者ETC检测到的虚拟车牌等等,由于该电警卡口、ETC或电子警察等传感器的位置即是车辆在路段的行驶位置,因此可以将传感器的位置作为信息记录所对应的关键位置,如图10所示交通网络中的电警卡口1和ETC1的位置即是该电警卡口1或ETC1上报的信息记录对应的关键位置。
在另一种可能的实现方式中,若信息记录中包括的身份标识为与车辆关联的终端标识,终端标识可以是手机号码或虚拟手机号,即该信息记录为第二信息记录,则该信息记录中所包含的采集标识所标识的采集地理位置可以是基站所处的位置,该车辆可以是经过该基站的服务范围内的一个路段上的关键位置,该关键位置即是该信息记录所对应的关键位置。例如,该基站的服务范围可以包括至少一个第二路段。下面结合附图9举例说明如何确定信息记录对应的关键位置,如图9所示,在信息记录为第二信息记录的场景下,确定信息记录对应的关键位置包括但不限于以下步骤S20-步骤S22。
S20,根据所述信息记录中包括的采集标识所标识的采集地理位置确定覆盖范围,所述覆盖范围属于所述第一区域,所述覆盖范围包括至少一个第二路段。
在一个实施例中,该采集标识可以是基站的标识,该采集标识所标识的采集地理位置可以是基站的位置,该基站的覆盖范围内包括至少一个第二路段。如图10所示,基站的服务范围内可以包括路段1、路段2和路段3,如图所示,路段1是图中所标识的实线所表示的路段,路段2为虚线所表示的路段,路段3为最粗的实线所表示的路段。
S21,确定所述车辆经过所述至少一个第二路段中每个第二路段的概率值,并将最大的概率值所对应的第二路段确定为目标路段;
在一个实施例中,计算该车辆经过该至少一个第二路段中每个第二路段的概率值。其中,该概率值可以根据车辆经过该至少一个第二路段中每个第二路段的预测概率和该车辆经过该至少一个第二路段中每个第二路段的转移概率得到的,下面分别阐述预测概率和转移概率的获得方法:
1、预测概率的获得方法
具体的,获取信息记录中包括的采集标识所标识的采集地理位置到该至少一个第二路段中每个第二路段的垂直距离,并建立基站到各个第二路段的经验概率模型,例如该经验概率模型可以是:
其中,di为基站的采集地理位置到路段i的垂直距离,pi是车辆经过路段i的概率值,由以上经验概率模型可以得到,基站的采集地理位置到路段i的垂直距离越小,则车辆经过路段i的概率越大。如图10所示,假设计算得到的p1=0.5,p2=0.3,p3=0.2。
2、转移概率的获得方法
具体的,交通中心服务器获取与该至少一个第二路段关联的第一关键位置和第二关键位置。该第一关键位置和第二关键位置可以是根据其他信息记录所确定的该车辆所经过的关键位置。其中,第一关键位置和第二关键位置的选择方式可以是,获取待确定对应的关键位置的信息记录中所包含的采集时间,该第一关键位置可以是该车辆在该采集时间之前所经过的位置,可以是距离该采集时间最近且在该采集时间之前所经过的位置。该第二关键位置可以是该车辆在该采集时间之后所经过的位置,可以是距离该采集时间最近且在该采集时间之后所经过的位置。进一步,根据从第一关键位置到达第二关键位置时是否转弯、是否可达、以及所花时间的长短,计算从第一关键位置到达第二关键位置,该车辆经过该至少一个第二路段中每个第二路段的转移概率。继续以图10所示作为举例,基站的覆盖范围内可以包括路段1、路段2和路段3为例进行举例说明,第一关键位置可以是电警卡口1的位置,第二关键位置可以是ETC1的位置,计算得到从第一关键位置到达第二关键位置时,车辆经过该路段1、路段2和路段3的转移概率分别为pt1=0,pt2=0.8,pt3=0.2。
针对每个第二路段,计算得到该车辆经过该第二路段的预测概率和转移概率,进一步,可以根据预测概率和转移概率计算得到该车辆经过第二路段的概率值,例如,可以通过如下公式计算得到概率值pmi:
pmi=pi*pti
其中,pi是车辆经过第二路段的预测概率,pti是车辆经过第二路段的转移概率,pmi是车辆经过第二路段的概率值。
在获取车辆经过该至少一个第二路段中每个第二路段的概率值之后,可以将最大概率值所对应的第二路段确定为该车辆最可能经过的目标路段。
如图10所示3个路段,可以计算得到车辆经过路段1的概率值为0,车辆经过路段2的概率值为0.24,车辆经过路段3的概率值为0.04,由此可见,车辆经过路段2的概率最大,因此将路段2确定为该车辆最可能经过的目标路段。
S22,将所述目标路段上与所述信息记录中包括的采集标识所标识的采集地理位置之间距离最近的位置确定为所述信息记录对应的关键位置。
在一个实施例中,交通中心服务器获取信息记录中所包含的采集标识所标识的采集地理位置,即基站的位置,将目标路段上与该基站的位置之间距离最近的位置确定为该信息记录所对应的关键位置。
下面结合两个可选的实施例对上述方法实施例中描述的交通拥堵分析方法的应用场景进行举例介绍:
在一些实施例中,在获取了对拥堵流量的精细化解构后,可以在此基础上进行精细化的交通调控。例如:确定交通网络中某一个路段沿着十字路口的一个方向,在工作日的早晚高峰期拥堵,本申请对该拥堵路段的多个车辆的身份信息进行识别,并对该多个车辆在一周的工作日的早晚高峰期,在以该路段方圆几公里内的出行特征进行挖掘,确定该多个车辆均为上下班的通勤车辆,通勤车辆是指企业接送员工上下班的班车,通常有固定的时间和行驶路线。例如在每周中的工作日的早晚高峰期内,这些车辆均要沿着十字路口的该方向通过该路口并造成拥堵。而在该十字路口的另一个方向的车辆在相同时段(即工作日的早晚高峰期)内较为稀疏。则可以在工作日的早晚高峰期内,对该十字路口拥堵方向的红绿灯时长进行适应性调整,例如增加拥堵方向的绿灯通行时间,以缓解工作日早晚高峰期,该十字路口的拥堵情况。而在周末的时候或者工作日的非早晚高峰期,该些通勤车辆不必进行通勤,则可以将红绿灯的时长调节回初始状态。
在一些实施例中,在获取了对拥堵流量的精细化解构后,可以在此基础上进行精细化的交通调控。例如:确定交通网络中的路段A在16:00-17:30存在拥堵,确定路段A的车辆是从某一十字路口进入的,则可以通过设置在该十字路口的传感器确定在16:00-17:30行驶在路段A的多个车辆的身份信息,并对该多个车辆在一周的工作日的16:00-17:30,在以该路段方圆几公里内的出行特征进行挖掘,确定该多个车辆中停留在该路段A的学校B附近的至少一个车辆,该学校B位于该路段A上。由于该学校B放学时间为16:30-17:00,因此停留在该路段A的学校B附近的至少一个车辆为接孩子放学的车辆,分别获取与该至少一个车辆中每个车辆关联的终端,并向所获取的所有关联的终端发送停车建议,例如可以建议这些车辆停车到学校对面的停车场,则可以疏导校园门口的车辆,缓解路段A在放学时段的拥堵情况。可以理解的是,可以在工作日发送该停车建议,而在周末的时候不会发送该停车建议。
以上,结合图4至图10详细说明了本申请实施例提供的方法。以下,结合图11和图12详细说明本申请实施例提供的装置。
可以理解的是,为了实现上述实施例中功能,交通中心服务器包括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,结合本申请中所公开的实施例描述的各示例的模块及方法步骤,本申请能够以硬件、软件、或硬件和软件相结合的形式来实现。某个功能究竟以硬件、软件、或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场景和设计约束条件。
参见图11,图11为本申请实施例提供的一种交通拥堵分析装置的结构示意图。如图11所示,该交通拥堵分析装置1100可以包括:
第一获取模块1101,用于获取交通网络中存在拥堵的第一路段和所述第一路段存在拥堵的第一时间段;
第一确定模块1102,用于确定在所述第一时间段内行驶在所述第一路段的车辆;
第二获取模块1103,用于获取在N个统计时段内,所述车辆在第一区域内的出行特征,所述统计时段基于所述第一时间段确定,所述N个统计时段均包括所述第一时间段,所述第一区域包括所述第一路段,所述N为大于或者等于1的整数。
拥堵分析模块1104,用于基于所述车辆的出行特征,对所述第一路段在所述第一时间段存在拥堵进行分析,获得拥堵分析结果。
可选的,该交通拥堵分析装置还可以包括:
第二确定模块1105,用于至少根据所述拥堵分析结果,确定所述车辆在所述第一区域内的交通出行策略,并向与所述车辆关联的第一终端发送所述交通出行策略。
在一个可行的实施例中,所述第一确定模块1102具体用于:
确定与所述第一路段关联的第一采集标识,其中,行驶在所述第一路段的车辆的身份标识是在所述第一采集标识所标识的第一采集地理位置采集得到,所述第一采集地理位置是用于采集所述第一路段的车辆的身份标识的传感器所处位置;
获取所述第一时间段内,在所述第一采集地理位置所采集的身份标识;
将所述身份标识对应的车辆确定为在所述第一时间段内行驶在所述第一路段的车辆。
在一个可行的实施例中,所述装置还包括:
第三确定模块,用于确定所述第一路段在所述第一时间段的拥堵参数,所述拥堵参数包括用于表示拥堵程度的程度参数和/或用于表示拥堵持续时长的时间参数;
第四确定模块,用于根据所述拥堵参数和所述第一采集地理位置,确定所述第一区域;和/或,根据所述拥堵参数和所述第一时间段,确定所述统计时段。
在一个可行的实施例中,所述第四确定模块具体用于:
根据所述拥堵参数,确定第一距离值;
将以所述第一采集地理位置为圆心,所述第一距离值为半径构建的区域确定为所述第一区域。
在一个可行的实施例中,所述第四确定模块具体用于:
根据所述拥堵参数,确定时间偏移量;
获取所述第一时间段的起始时刻和所述第一时间段的结束时刻;
根据所述第一时间段的起始时刻和所述时间偏移量,确定所述统计时段的起始时刻;
根据所述第一时间段的结束时刻和所述时间偏移量,确定所述统计时段的结束时刻。
在一个可行的实施例中,所述第二获取模块1103包括:
获取单元,用于获取所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息;
确定单元,用于若所述N的值小于第一阈值,将所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息确定为在所述N个统计时段内,所述车辆在第一区域内的出行特征;若所述N的值大于或者等于第一阈值,获取所述出行信息在所述N个统计时段内的出现概率,并将所述出行信息在所述N个统计时段内的出现概率确定为在所述N个统计时段内,所述车辆在第一区域内的出行特征。
在一个可行的实施例中,所述获取单元具体用于:
针对所述N个统计时段中每个统计时段,获取在所述统计时段内采集的至少一个信息记录,所述信息记录包括所述车辆对应的身份标识、所述身份标识的采集时间以及用于标识所述身份标识的采集地理位置的采集标识,所述采集时间属于所述统计时段,所述采集地理位置属于所述第一区域;
根据所述至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定所述统计时段内,所述车辆在所述第一区域内的出行信息。
在一个可行的实施例中,所述出行信息包括所述车辆在所述第一区域内的起点位置和终点位置、所述车辆在所述第一区域内的第一出行时间区间或所述车辆在所述第一区域内的第一出行路径中的一种或多种。
在一个可行的实施例中,若所述出行信息包括所述车辆在所述第一区域内的起点位置和终点位置;所述第一区域包括至少一个路段,所述至少一个路段包括所述第一路段;所述获取单元具体用于:
获取所述至少一个信息记录中的两个信息记录,所述两个信息记录分别为所述至少一个信息记录中包含的采集时间最早的信息记录和采集时间最晚的信息记录;
针对所述两个信息记录中的每个信息记录,根据所述信息记录中包括的采集标识,确定所述信息记录对应的关键位置,所述关键位置是所述车辆在所述至少一个路段中一个路段的行驶位置;
根据所述两个信息记录中每个信息记录对应的关键位置,获得所述统计时段内,所述车辆在所述第一区域内的起点位置和终点位置。
在一个可行的实施例中,若所述出行信息包括所述车辆在所述第一区域内的第一出行路径;所述第一区域包括至少一个路段,所述至少一个路段包括所述第一路段;所述获取单元具体用于:
针对所述至少一个信息记录中的每个信息记录,根据所述信息记录中包括的采集标识,确定所述信息记录对应的关键位置,所述关键位置是所述车辆在所述至少一个路段中一个路段的行驶位置;
根据所述至少一个信息记录中每个信息记录对应的关键位置和每个所述信息记录中包括的采集时间,获得所述统计时段内,所述车辆在所述第一区域内的第一出行路径。
在一个可行的实施例中,所述至少一个信息记录中包括第一信息记录和/或第二信息记录,所述第一信息记录中包括的所述身份标识为所述车辆的车辆标识,所述第二信息记录中包括的所述身份标识为与所述车辆关联的终端标识。
在一个可行的实施例中,所述获取单元具体用于:
若所述信息记录为所述第一信息记录,将所述信息记录中包括的采集标识所标识的采集地理位置确定为所述信息记录对应的关键位置。
在一个可行的实施例中,所述获取单元具体用于:
若所述信息记录为所述第二信息记录,根据所述信息记录中包括的采集标识所标识的采集地理位置确定覆盖范围,所述覆盖范围属于所述第一区域,所述覆盖范围包括至少一个第二路段;
确定所述车辆经过所述至少一个第二路段中每个第二路段的概率值,并将最大的概率值所对应的第二路段确定为目标路段;
将所述目标路段上与所述信息记录中包括的采集标识所标识的采集地理位置之间距离最近的位置确定为所述信息记录对应的关键位置。
在一个可行的实施例中,所述信息记录中包括的采集标识为用于采集所述终端标识的基站的标识,所述覆盖范围为所述基站的覆盖范围。
在一个可行的实施例中,所述获取单元具体用于:
获取所述信息记录中包括的采集标识所标识的采集地理位置到所述至少一个第二路段中每个第二路段的垂直距离;
根据所述信息记录中包括的采集标识所标识的采集地理位置到所述至少一个第二路段中每个第二路段的垂直距离,确定所述车辆经过所述至少一个第二路段中每个第二路段的预测概率;
获取与所述至少一个第二路段关联的第一关键位置和第二关键位置,并计算从所述第一关键位置到达所述第二关键位置时,所述车辆经过所述至少一个第二路段中每个第二路段的转移概率,其中,所述第一关键位置是所述车辆在所述信息记录中包括的采集时间之前经过的位置,所述第二关键位置是所述车辆在所述信息记录中包括的采集时间之后经过的位置;
针对每个所述第二路段,根据所述车辆经过所述第二路段的预测概率和所述车辆经过所述第二路段的转移概率,确定所述车辆经过所述第二路段的概率值。
在一个可行的实施例中,若所述出行信息包括所述车辆在所述第一区域内的第一出行时间区间;所述获取单元具体用于:
所述根据所述至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定所述统计时段内,所述车辆在所述第一区域内的出行信息,包括:
获取所述至少一个信息记录中包含的采集时间最早的信息记录,并根据所述包含的采集时间最早的信息记录中所包含的采集时间确定所述车辆在所述第一区域内的第一出行时间区间。
在一个可行的实施例中,所述交通出行策略包括以下策略中的一种或多种:
指示所述车辆在第二出行时间区间出行,其中,在所述第二出行时间区间出行时从所述起点位置到达所述终点位置的拥堵程度小于在所述第一出行时间区间出行时从所述起点位置到达所述终点位置的拥堵程度;
指示所述车辆行驶到所述终点位置的预设范围内的空闲停车场;
指示所述车辆通过第二出行路径从所述起点位置到所述终点位置,其中,通过所述第二出行路径从所述起点位置到所述终点位置的拥堵程度小于通过所述第一出行路径从所述起点位置到所述终点位置的拥堵程度。
需要说明的是,上述各模块用于执行上述方法实施例中交通中心服务器侧的相关内容。
在本实施例中,交通拥堵分析装置1100是以模块的形式来呈现。这里的“模块”可以指特定专用集成电路(application-specific integrated circuit,ASIC),执行一个或多个软件或固件程序的处理器和存储器,集成逻辑电路,和/或其他可以提供上述功能的器件。此外,以上第一获取模块1101、第一确定模块1102、第二获取模块1103和第二确定模块1105可通过图12所示的交通拥堵分析装置的处理器2101来实现。
可以理解的是,上述交通拥堵分析装置的各个模块划分仅为举例,可以不一定包括所有模块,可以仅仅包括其中一些模块,或者,还可以包括其他功能模块等等,本申请不作限定。
如图12所示为本申请提供的一种交通中心服务器的结构示意图,该交通中心服务器2100包括至少一个处理器2101,至少一个存储器2102以及至少一个通信接口2103。处理器2101、存储器2102和通信接口2103通过通信总线连接并完成相互间的通信。
通信接口2103,用于与其他设备或通信网络通信,如以太网,RAN,WLAN等。
存储器2102可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,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EEPROM)CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、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。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,所述存储器2102用于存储执行以上方案的应用程序代码,并由处理器2101来控制执行。所述处理器2101用于执行所述存储器2102中存储的应用程序代码。
存储器2102存储的代码可执行以上提供的一种交通拥堵分析方法。
处理器2101还可以采用或者一个或多个集成电路,用于执行相关程序,以实现本申请实施例的交通中心服务器侧执行的交通拥堵分析方法。
处理器2101还可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,本申请的交通拥堵分析方法的各个步骤可以通过处理器2101中的硬件的集成逻辑电路或者软件形式的指令完成。在实现过程中,本申请的拥堵识别、身份感知以及身份关联方法的各个步骤可以通过处理器2101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器2001还可以是通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及模块框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器2102,处理器2101读取存储器2102中的信息,结合其硬件完成本申请实施例的物体识别方法或模型训练方法。
通信接口2103使用例如但不限于收发器一类的收发装置,来实现交通拥堵分析装置与其他设备或通信网络之间的通信。例如,可以通过通信接口2103获取数据侧采集的交通数据,以及向终端推送交通出行策略等等。
总线可包括在装置各个部件(例如,存储器2102、处理器2101、通信接口2103)之间传送信息的通路。
在一种可能的实施例中,处理器2101具体执行以下步骤:获取交通网络中存在拥堵的第一路段和所述第一路段存在拥堵的第一时间段,确定在所述第一时间段内行驶在所述第一路段的车辆;
获取在N个统计时段内,所述车辆在第一区域内的出行特征,所述统计时段由所述第一时间段确定,所述N个统计时段包括所述第一时间段,所述第一区域包括所述第一路段,所述N为大于或者等于1的整数;
基于所述车辆的出行特征,对所述第一路段在所述第一时间段存在拥堵进行分析,获得拥堵分析结果;
可选的,至少根据所述拥堵分析结果,确定所述车辆在所述第一区域内的交通出行策略;
通信接口2103,用于向与所述车辆关联的第一终端发送所述交通出行策略。
参见图13,图13为本申请实施例提供的另一种交通拥堵分析装置的结构示意图。如图13所示,该交通拥堵分析装置3100可以包括:
收发模块3101,用于接收车辆在第一区域内的交通出行策略,所述车辆与所述第一终端关联,所述交通出行策略是基于在N个统计时段内,所述车辆在第一区域内的出行特征确定,所述统计时段是基于第一时间段确定,所述第一区域包括第一路段,所述第一路段在所述第一时间段存在拥堵,且所述车辆在所述第一时间段内行驶在所述第一路段,所述N为大于或者等1的整数;
输出模块3102,用于输出所述交通出行策略。
在一种可能的实施例中,该收发模块3101,还用于接收用户操作;响应于所述用户操作,向所述交通中心服务器发送用于请求获取交通出行策略的请求消息,所述请求消息包括所述车辆的车辆标识或所述第一终端的终端标识。
需要说明的是,上述各模块(收发模块3101和输出模块3102)用于执行上述方法实施例中第一终端侧的相关内容。
在本实施例中,交通拥堵分析装置3100是以模块的形式来呈现。这里的“模块”可以指特定专用集成电路(application-specific integrated circuit,ASIC),执行一个或多个软件或固件程序的处理器和存储器,集成逻辑电路,和/或其他可以提供上述功能的器件。
请参照图14,是本申请实施例提供的第一终端4000的结构示意图。该终端设备4000可执行上述方法实施例中第一终端的功能。如图14所示,该终端设备4000包括处理器4010和收发器4020。可选地,该终端设备4000还包括存储器4030。其中,处理器4010、收发器4020和存储器4030之间可以通过内部连接通路互相通信,传递控制或数据信号,该存储器4030用于存储计算机程序,该处理器4010用于从该存储器4030中调用并运行该计算机程序,以控制该收发器4020收发信号。可选地,终端设备4000还可以包括天线4040,用于将收发器4020输出的上行数据或上行控制信令通过无线信号发送出去。
上述处理器4010可以和存储器4030可以合成一个处理装置,处理器4010用于执行存储器4030中存储的程序代码来实现上述功能。具体实现时,该存储器4030也可以集成在处理器4010中,或者独立于处理器4010。
上述收发器4020可以与图13中的收发模块对应。收发器4020可以包括接收器(或称接收机、接收电路)和发射器(或称发射机、发射电路)。其中,接收器用于接收信号,发射器用于发射信号。
应理解,图14所示的终端设备4000能够实现上述方法实施例中任一方法实施例中涉及第一终端的各个过程。终端设备4000中的各个模块的操作或功能,分别为了实现上述方法实施例中的第一终端的流程。具体可参见上述方法实施例中的描述,为避免重复,此处适当省略详细描述。
可选地,上述终端设备4000还可以包括电源4050,用于给终端设备中的各种器件或电路提供电源。
除此之外,为了使得终端设备的功能更加完善,该终端设备4000还可以包括输入单元4060、显示单元4070、音频电路4080、摄像头4090和传感器4100等中的一个或多个,所述音频电路还可以包括扬声器4082、麦克风4084等。
本申请提供一种计算机可读介质,该计算机可读介质存储用于设备执行的程序代码,该程序代码包括用于执行上述方法实施例中的交通拥堵分析方法的相关内容。
本申请提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行上述方法实施例中的交通拥堵分析方法的相关内容。
本申请提供一种芯片,所述芯片包括处理器与数据接口,所述处理器通过所述数据接口读取存储器上存储的指令,执行上述方法实施例的交通拥堵分析方法的相关内容。
可选地,作为一种实现方式,所述芯片还可以包括存储器,所述存储器中存储有指令,所述处理器用于执行所述存储器上存储的指令,当所述指令被执行时,所述处理器用于执行上述方法实施例的交通拥堵分析方法的相关内容。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可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系统,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或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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,可以存储在一个计算机可读取存储器中。基于这样的理解,本发明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,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、ROM、RAM、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上上述,本说明书内容不应理解为对本发明的限制。
Claims (34)
1.一种交通拥堵分析方法,其特征在于,包括:
获取交通网络中存在拥堵的第一路段和所述第一路段存在拥堵的第一时间段;
确定与所述第一路段关联的第一采集标识,其中,所述第一采集标识用于标识第一采集地理位置;
获取所述第一时间段内,在所述第一采集地理位置所采集的身份标识,其中,所述第一采集地理位置是用于采集所述第一路段的车辆的身份标识的传感器所处位置;
将在所述第一采集地理位置所采集的所述身份标识确定为在所述第一时间段内行驶在所述第一路段的车辆的身份标识;
获取在N个统计时段内,所述车辆在第一区域内的出行特征,所述统计时段基于所述第一时间段确定,所述N个统计时段均包括所述第一时间段,所述第一区域包括所述第一路段,所述出行特征是基于所述车辆在所述第一区域内的出行信息确定,所述出行信息包括所述车辆在所述第一区域内的起点位置和终点位置、所述车辆在所述第一区域内的第一出行时间区间或所述车辆在所述第一区域内的第一出行路径中的一种或多种,所述N为大于或者等于1的整数;
基于所述车辆的出行特征,对所述第一路段在所述第一时间段的拥堵进行分析,获得拥堵分析结果。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述第一路段在所述第一时间段的拥堵参数,所述拥堵参数包括用于表示拥堵程度的程度参数和用于表示拥堵持续时长的时间参数;
根据所述拥堵参数和所述第一采集地理位置,确定所述第一区域;
根据所述拥堵参数和所述第一时间段,确定所述统计时段。
3.如权利要求2所述的方法,其特征在于,所述根据所述拥堵参数和所述第一采集地理位置,确定所述第一区域,包括:
根据所述拥堵参数,确定第一距离值;
将以所述第一采集地理位置为圆心,所述第一距离值为半径构建的区域确定为所述第一区域。
4.如权利要求2所述的方法,其特征在于,所述根据所述拥堵参数和所述第一时间段,确定所述统计时段,包括:
根据所述拥堵参数,确定时间偏移量;
获取所述第一时间段的起始时刻和所述第一时间段的结束时刻;
根据所述第一时间段的起始时刻和所述时间偏移量,确定所述统计时段的起始时刻;
根据所述第一时间段的结束时刻和所述时间偏移量,确定所述统计时段的结束时刻。
5.如权利要求1-4任一项所述的方法,其特征在于,所述获取在N个统计时段内,所述车辆在第一区域内的出行特征,包括:
获取所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息;
将所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息确定为在所述N个统计时段内,所述车辆在第一区域内的出行特征;或者
获取所述出行信息在所述N个统计时段内的出现概率,并将所述出行信息在所述N个统计时段内的出现概率确定为在所述N个统计时段内,所述车辆在第一区域内的出行特征。
6.如权利要求5所述的方法,其特征在于,所述获取所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息,包括:
针对所述N个统计时段中每个统计时段,获取在所述统计时段内采集的至少一个信息记录,所述信息记录包括所述车辆对应的身份标识、所述身份标识的采集时间以及用于标识所述身份标识的采集地理位置的第一采集标识,所述采集时间属于所述统计时段,所述采集地理位置属于所述第一区域;
根据所述至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定所述统计时段内,所述车辆在所述第一区域内的出行信息。
7.如权利要求6所述的方法,其特征在于,若所述出行信息包括所述车辆在所述第一区域内的起点位置和终点位置;所述第一区域包括至少一个路段,所述至少一个路段包括所述第一路段;
所述根据所述至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定所述统计时段内,所述车辆在所述第一区域内的出行信息,包括:
获取所述至少一个信息记录中的两个信息记录,所述两个信息记录分别为所述至少一个信息记录中包括的采集时间最早的信息记录和采集时间最晚的信息记录;
针对所述两个信息记录中的每个信息记录,根据所述信息记录中包括的采集标识,确定所述信息记录对应的关键位置,所述关键位置是所述车辆在所述至少一个路段中一个路段的行驶位置;
根据所述两个信息记录中每个信息记录对应的关键位置,获得所述统计时段内,所述车辆在所述第一区域内的起点位置和终点位置。
8.如权利要求6所述的方法,其特征在于,若所述出行信息包括所述车辆在所述第一区域内的第一出行路径;所述第一区域包括至少一个路段,所述至少一个路段包括所述第一路段;
所述根据所述至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定所述统计时段内,所述车辆在所述第一区域内的出行信息,包括:
针对所述至少一个信息记录中的每个信息记录,根据所述信息记录中包括的采集标识,确定所述信息记录对应的关键位置,所述关键位置是所述车辆在所述至少一个路段中一个路段的行驶位置;
根据所述至少一个信息记录中每个信息记录对应的关键位置和每个所述信息记录中包括的采集时间,获得所述统计时段内,所述车辆在所述第一区域内的第一出行路径。
9.如权利要求7或8所述的方法,其特征在于,所述至少一个信息记录中包括第一信息记录和第二信息记录中的一种或两种,所述第一信息记录中包括的所述身份标识为所述车辆的车辆标识,所述第二信息记录中包括的所述身份标识为与所述车辆关联的终端标识。
10.如权利要求9所述的方法,其特征在于,所述根据所述信息记录中包括的采集标识,确定所述信息记录对应的关键位置,包括:
若所述信息记录为所述第一信息记录,将所述信息记录中包括的采集标识所标识的采集地理位置确定为所述信息记录对应的关键位置。
11.如权利要求9所述的方法,其特征在于,所述根据所述信息记录中包括的采集标识,确定所述信息记录对应的关键位置,包括:
若所述信息记录为所述第二信息记录,根据所述信息记录中包括的采集标识所标识的采集地理位置确定覆盖范围,所述覆盖范围属于所述第一区域,所述覆盖范围包括至少一个第二路段;
确定所述车辆经过所述至少一个第二路段中每个第二路段的概率值,并将最大的概率值所对应的第二路段确定为目标路段;
将所述目标路段上与所述信息记录中包括的采集标识所标识的采集地理位置之间距离最近的位置确定为所述信息记录对应的关键位置。
12.如权利要求11所述的方法,其特征在于,所述信息记录中包括的采集标识为用于采集所述终端标识的基站的标识,所述覆盖范围为所述基站的服务范围。
13.如权利要求11或12所述的方法,其特征在于,所述确定所述车辆经过所述至少一个第二路段中每个第二路段的概率值,包括:
获取所述信息记录中包括的采集标识所标识的采集地理位置到所述至少一个第二路段中每个第二路段的垂直距离;
根据所述信息记录中包括的采集标识所标识的采集地理位置到所述至少一个第二路段中每个第二路段的垂直距离,确定所述车辆经过所述至少一个第二路段中每个第二路段的预测概率;
获取与所述至少一个第二路段关联的第一关键位置和第二关键位置,并计算从所述第一关键位置到达所述第二关键位置时,所述车辆经过所述至少一个第二路段中每个第二路段的转移概率,其中,所述第一关键位置是所述车辆在所述信息记录中包括的采集时间之前经过的位置,所述第二关键位置是所述车辆在所述信息记录中包括的采集时间之后经过的位置;
针对每个所述第二路段,根据所述车辆经过所述第二路段的预测概率和所述车辆经过所述第二路段的转移概率,确定所述车辆经过所述第二路段的概率值。
14.如权利要求6所述的方法,其特征在于,若所述出行信息包括所述车辆在所述第一区域内的第一出行时间区间;
所述根据所述至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定所述统计时段内,所述车辆在所述第一区域内的出行信息,包括:
获取所述至少一个信息记录中包含的采集时间最早的信息记录,并根据所述包含的采集时间最早的信息记录中所包含的采集时间确定所述车辆在所述第一区域内的第一出行时间区间。
15.一种交通拥堵分析方法,其特征在于,包括:
获取交通网络中存在拥堵的第一路段和所述第一路段存在拥堵的第一时间段;
确定在所述第一时间段内行驶在所述第一路段的车辆的身份标识;
获取在N个统计时段内,所述车辆在第一区域内的出行特征,所述统计时段基于所述第一时间段确定,所述N个统计时段均包括所述第一时间段,所述第一区域包括所述第一路段,所述N为大于或者等于1的整数;
至少根据所述出行特征,确定所述车辆在所述第一区域内的交通出行策略,并向与所述车辆关联的第一终端发送所述交通出行策略。
16.如权利要求15所述的方法,其特征在于,所述确定在所述第一时间段内行驶在所述第一路段的车辆的身份标识,包括:
确定与所述第一路段关联的第一采集标识,其中,所述第一采集标识用于标识第一采集地理位置;
获取所述第一时间段内,在所述第一采集地理位置所采集的身份标识,其中,所述第一采集地理位置是用于采集所述第一路段的车辆的身份标识的传感器所处位置;
将在所述第一采集地理位置所采集的身份标识确定为在所述第一时间段内行驶在所述第一路段的车辆的身份标识。
17.如权利要求15或16所述的方法,其特征在于,所述方法还包括:
确定所述第一路段在所述第一时间段的拥堵参数,所述拥堵参数包括用于表示拥堵程度的程度参数和用于表示拥堵持续时长的时间参数;
根据所述拥堵参数和所述第一采集地理位置,确定所述第一区域;
根据所述拥堵参数和所述第一时间段,确定所述统计时段。
18.如权利要求15-17任一项所述的方法,其特征在于,所述获取在N个统计时段内,所述车辆在第一区域内的出行特征,包括:
获取所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息;
将所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息确定为在所述N个统计时段内,所述车辆在第一区域内的出行特征;或者
获取所述出行信息在所述N个统计时段内的出现概率,并将所述出行信息在所述N个统计时段内的出现概率确定为在所述N个统计时段内,所述车辆在第一区域内的出行特征。
19.如权利要求18所述的方法,其特征在于,所述获取所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息,包括:
针对所述N个统计时段中每个统计时段,获取在所述统计时段内采集的至少一个信息记录,所述信息记录包括所述车辆对应的身份标识、所述身份标识的采集时间以及用于标识所述身份标识的采集地理位置的第一采集标识,所述采集时间属于所述统计时段,所述采集地理位置属于所述第一区域;
根据所述至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定所述统计时段内,所述车辆在所述第一区域内的出行信息。
20.如权利要求18或19所述的方法,其特征在于,所述出行信息包括所述车辆在所述第一区域内的起点位置和终点位置、所述车辆在所述第一区域内的第一出行时间区间或所述车辆在所述第一区域内的第一出行路径中的一种或多种。
21.如权利要求20所述的方法,其特征在于,所述交通出行策略包括以下策略中的一种或多种:
指示所述车辆在第二出行时间区间出行,其中,在所述第二出行时间区间出行时从所述起点位置到达所述终点位置的拥堵程度小于在所述第一出行时间区间出行时从所述起点位置到达所述终点位置的拥堵程度;
指示所述车辆行驶到所述终点位置的预设范围内的空闲停车场;
指示所述车辆通过第二出行路径从所述起点位置到所述终点位置,其中,通过所述第二出行路径从所述起点位置到所述终点位置的拥堵程度小于通过所述第一出行路径从所述起点位置到所述终点位置的拥堵程度。
22.一种交通拥堵分析方法,其特征在于,所述交通拥堵分析方法应用于第一终端,所述方法包括:
从交通中心服务器接收车辆在第一区域内的交通出行策略,所述车辆与所述第一终端关联,所述交通出行策略是基于在N个统计时段内,所述车辆在第一区域内的出行特征确定,所述统计时段是基于第一时间段确定,所述第一区域包括第一路段,所述第一路段在所述第一时间段存在拥堵,且所述车辆在所述第一时间段内行驶在所述第一路段,所述N为大于或者等1的整数;
输出所述交通出行策略。
23.如权利要求22所述的方法,其特征在于,所述接收车辆在第一区域内的交通出行策略之前,还包括:
接收用户操作;
响应于所述用户操作,向所述交通中心服务器发送用于请求获取交通出行策略的请求消息,所述请求消息包括所述车辆的车辆标识或所述第一终端的终端标识。
24.一种交通拥堵分析方法,其特征在于,包括:
获取交通网络中存在拥堵的第一路段和所述第一路段存在拥堵的第一时间段;
确定在所述第一时间段内行驶在所述第一路段的车辆的身份标识;
获取在N个统计时段内,所述车辆在第一区域内的出行特征,所述统计时段基于所述第一时间段确定,所述N个统计时段均包括所述第一时间段,所述第一区域包括所述第一路段,所述N为大于或者等于1的整数;
基于所述第一车辆的出行特征,对所述第一路段在所述第一时间段的拥堵进行分析,获得拥堵分析结果。
25.如权利要求24所述的方法,其特征在于,所述确定在所述第一时间段内行驶在所述第一路段的车辆的身份标识,包括:
确定与所述第一路段关联的第一采集标识,其中,所述第一采集标识用于标识第一采集地理位置;
获取所述第一时间段内,在所述第一采集地理位置所采集的身份标识,其中,所述第一采集地理位置是用于采集所述第一路段的车辆的身份标识的传感器所处位置;
将在所述第一采集地理位置所采集的所述身份标识确定为在所述第一时间段内行驶在所述第一路段的车辆的身份标识。
26.如权利要求24或25所述的方法,其特征在于,所述获取在N个统计时段内,所述车辆在第一区域内的出行特征,包括:
获取所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息;
将所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息确定为在所述N个统计时段内,所述车辆在第一区域内的出行特征;或者
获取所述出行信息在所述N个统计时段内的出现概率,并将所述出行信息在所述N个统计时段内的出现概率确定为在所述N个统计时段内,所述车辆在第一区域内的出行特征。
27.如权利要求26所述的方法,其特征在于,所述获取所述N个统计时段中每个统计时段内,所述车辆在所述第一区域内的出行信息,包括:
针对所述N个统计时段中每个统计时段,获取在所述统计时段内采集的至少一个信息记录,所述信息记录包括所述车辆对应的身份标识、所述身份标识的采集时间以及用于标识所述身份标识的采集地理位置的第一采集标识,所述采集时间属于所述统计时段,所述采集地理位置属于所述第一区域;
根据所述至少一个信息记录中一个或多个信息记录包括的采集标识和采集时间中的一种或两种,确定所述统计时段内,所述车辆在所述第一区域内的出行信息。
28.如权利要求26或27所述的方法,其特征在于,所述出行信息包括所述车辆在所述第一区域内的起点位置和终点位置、所述车辆在所述第一区域内的第一出行时间区间或所述车辆在所述第一区域内的第一出行路径中的一种或多种。
29.一种交通拥堵分析装置,其特征在于,包括:
第一获取模块,用于获取交通网络中存在拥堵的第一路段和所述第一路段存在拥堵的第一时间段;
第一确定模块,用于确定与所述第一路段关联的第一采集标识,其中,所述第一采集标识用于标识第一采集地理位置;获取所述第一时间段内,在所述第一采集地理位置所采集的身份标识,其中,所述第一采集地理位置是用于采集所述第一路段的车辆的身份标识的传感器所处位置;将在所述第一采集地理位置所采集的所述身份标识确定为在所述第一时间段内行驶在所述第一路段的车辆的身份标识;
第二获取模块,获取在N个统计时段内,所述车辆在第一区域内的出行特征,所述统计时段基于所述第一时间段确定,所述N个统计时段均包括所述第一时间段,所述第一区域包括所述第一路段,所述出行特征是基于所述车辆在所述第一区域内的出行信息确定,所述出行信息包括所述车辆在所述第一区域内的起点位置和终点位置、所述车辆在所述第一区域内的第一出行时间区间或所述车辆在所述第一区域内的第一出行路径中的一种或多种,所述N为大于或者等于1的整数;
拥堵分析模块,基于所述车辆的出行特征,对所述第一路段在所述第一时间段的拥堵进行分析,获得拥堵分析结果。
30.一种交通拥堵分析装置,其特征在于,包括:
第一获取模块,用于获取交通网络中存在拥堵的第一路段和所述第一路段存在拥堵的第一时间段;
第一确定模块,用于确定在所述第一时间段内行驶在所述第一路段的车辆;
第二获取模块,用于获取在N个统计时段内,所述车辆在第一区域内的出行特征,所述统计时段基于所述第一时间段确定,所述N个统计时段均包括所述第一时间段,所述第一区域包括所述第一路段,所述N为大于或者等于1的整数;
拥堵分析模块,用于基于所述车辆的出行特征,对所述第一路段在所述第一时间段存在拥堵进行分析,获得拥堵分析结果。
31.一种交通拥堵分析装置,其特征在于,包括:
第一获取模块,用于获取交通网络中存在拥堵的第一路段和所述第一路段存在拥堵的第一时间段;
第一确定模块,用于确定在所述第一时间段内行驶在所述第一路段的车辆;
第二获取模块,用于获取在N个统计时段内,所述车辆在第一区域内的出行特征,所述统计时段基于所述第一时间段确定,所述N个统计时段均包括所述第一时间段,所述第一区域包括所述第一路段,所述N为大于或者等于1的整数;
第二确定模块,用于至少根据所述出行特征,确定所述车辆在所述第一区域内的交通出行策略,并向与所述车辆关联的第一终端发送所述交通出行策略。
32.一种交通拥堵分析装置,其特征在于,所述交通拥堵分析装置应用于第一终端,所述装置包括:
接收模块,用于接收车辆在第一区域内的交通出行策略,所述车辆与所述第一终端关联,所述交通出行策略是基于在N个统计时段内,多个车辆在第一区域内的出行特征和身份标识确定,所述统计时段是基于第一时间段确定,所述第一区域包括第一路段,所述第一路段在所述第一时间段存在拥堵,且所述多个车辆在所述第一时间段内行驶在所述第一路段,所述N为大于或者等1的整数;
输出模块,用于输出所述交通出行策略。
33.一种交通拥堵分析装置,其特征在于,包括:处理器,当所述处理器调用存储器中的计算机程序或指令时,如权利要求1至14或如权利要求15至21或如权利要求22至23或如权利要求24至28任一项所述的方法被执行。
34.一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包括计算机程序或指令,当所述计算机程序或指令在计算机上运行时,使得计算机执行如权利要求1至14或如权利要求15至21或如权利要求22至23或如权利要求24至28任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011504116.0A CN112489433B (zh) | 2020-12-17 | 2020-12-17 | 交通拥堵分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011504116.0A CN112489433B (zh) | 2020-12-17 | 2020-12-17 | 交通拥堵分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112489433A true CN112489433A (zh) | 2021-03-12 |
CN112489433B CN112489433B (zh) | 2022-11-04 |
Family
ID=74914714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011504116.0A Active CN112489433B (zh) | 2020-12-17 | 2020-12-17 | 交通拥堵分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112489433B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409584A (zh) * | 2021-06-10 | 2021-09-17 | 英博超算(南京)科技有限公司 | 一种基于v2x的交通拥堵分析和预防方法 |
CN113538915A (zh) * | 2021-07-21 | 2021-10-22 | 阿波罗智联(北京)科技有限公司 | 交通拥堵事件的处理方法、设备、存储介质及程序产品 |
CN113643535A (zh) * | 2021-08-02 | 2021-11-12 | 宝方云科技(浙江)有限公司 | 基于智慧城市的道路交通预测方法、装置、设备及介质 |
CN113715020A (zh) * | 2021-08-31 | 2021-11-30 | 上海擎朗智能科技有限公司 | 一种机器人的出行方法、装置、设备及存储介质 |
CN114519940A (zh) * | 2022-02-25 | 2022-05-20 | 北京永利信达科技有限公司 | 一种应用于智慧停车的大数据分析方法及设备 |
CN114743382A (zh) * | 2022-06-13 | 2022-07-12 | 浙江大云物联科技有限公司 | 基于智慧灯杆系统的车辆违章行为识别方法和装置 |
CN114863676A (zh) * | 2022-04-15 | 2022-08-05 | 青岛海信网络科技股份有限公司 | 一种拥堵识别方法及装置 |
CN114999148A (zh) * | 2022-05-16 | 2022-09-02 | 国汽智图(北京)科技有限公司 | 拥堵程度监测方法、装置、计算机设备和存储介质 |
CN114999150A (zh) * | 2022-05-23 | 2022-09-02 | 雄狮汽车科技(南京)有限公司 | 路段拥堵判别方法、装置、车辆及存储介质 |
CN115063971A (zh) * | 2022-04-29 | 2022-09-16 | 山东金宇信息科技集团有限公司 | 一种隧道内的车辆拥堵管控方法、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN104408958A (zh) * | 2014-11-11 | 2015-03-11 | 河海大学 | 一种城市动态路径行程时间预测方法 |
CN105336167A (zh) * | 2015-11-26 | 2016-02-17 | 青岛海信网络科技股份有限公司 | 一种常态交通状态评价方法和装置 |
CN105469603A (zh) * | 2015-12-30 | 2016-04-06 | 青岛海信网络科技股份有限公司 | 一种交通拥堵源头分析方法及装置 |
CN106384504A (zh) * | 2016-09-06 | 2017-02-08 | 江苏智通交通科技有限公司 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
CN106912018A (zh) * | 2017-02-28 | 2017-06-30 | 上海讯飞瑞元信息技术有限公司 | 基于信令轨迹的地图匹配方法及系统 |
CN109035778A (zh) * | 2018-08-29 | 2018-12-18 | 深圳市赛为智能股份有限公司 | 拥堵成因分析方法、装置、计算机设备及存储介质 |
CN109887288A (zh) * | 2019-03-27 | 2019-06-14 | 江苏智通交通科技有限公司 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
CN110533906A (zh) * | 2019-08-21 | 2019-12-03 | 腾讯科技(深圳)有限公司 | 一种路况信息的获取方法及相关装置 |
-
2020
- 2020-12-17 CN CN202011504116.0A patent/CN112489433B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN104408958A (zh) * | 2014-11-11 | 2015-03-11 | 河海大学 | 一种城市动态路径行程时间预测方法 |
CN105336167A (zh) * | 2015-11-26 | 2016-02-17 | 青岛海信网络科技股份有限公司 | 一种常态交通状态评价方法和装置 |
CN105469603A (zh) * | 2015-12-30 | 2016-04-06 | 青岛海信网络科技股份有限公司 | 一种交通拥堵源头分析方法及装置 |
CN106384504A (zh) * | 2016-09-06 | 2017-02-08 | 江苏智通交通科技有限公司 | 基于数据可视化的城市路网拥堵特性描述分析方法 |
CN106912018A (zh) * | 2017-02-28 | 2017-06-30 | 上海讯飞瑞元信息技术有限公司 | 基于信令轨迹的地图匹配方法及系统 |
CN109035778A (zh) * | 2018-08-29 | 2018-12-18 | 深圳市赛为智能股份有限公司 | 拥堵成因分析方法、装置、计算机设备及存储介质 |
CN109887288A (zh) * | 2019-03-27 | 2019-06-14 | 江苏智通交通科技有限公司 | 一种基于出行结构的城市路网诱导方案发布方法和系统 |
CN110533906A (zh) * | 2019-08-21 | 2019-12-03 | 腾讯科技(深圳)有限公司 | 一种路况信息的获取方法及相关装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113409584B (zh) * | 2021-06-10 | 2022-04-29 | 英博超算(南京)科技有限公司 | 一种基于v2x的交通拥堵分析和预防方法 |
CN113409584A (zh) * | 2021-06-10 | 2021-09-17 | 英博超算(南京)科技有限公司 | 一种基于v2x的交通拥堵分析和预防方法 |
CN113538915A (zh) * | 2021-07-21 | 2021-10-22 | 阿波罗智联(北京)科技有限公司 | 交通拥堵事件的处理方法、设备、存储介质及程序产品 |
CN113538915B (zh) * | 2021-07-21 | 2023-02-28 | 阿波罗智联(北京)科技有限公司 | 交通拥堵事件的处理方法、设备、存储介质及程序产品 |
CN113643535B (zh) * | 2021-08-02 | 2023-02-21 | 宝方云科技(浙江)有限公司 | 基于智慧城市的道路交通预测方法、装置、设备及介质 |
CN113643535A (zh) * | 2021-08-02 | 2021-11-12 | 宝方云科技(浙江)有限公司 | 基于智慧城市的道路交通预测方法、装置、设备及介质 |
CN113715020A (zh) * | 2021-08-31 | 2021-11-30 | 上海擎朗智能科技有限公司 | 一种机器人的出行方法、装置、设备及存储介质 |
CN114519940A (zh) * | 2022-02-25 | 2022-05-20 | 北京永利信达科技有限公司 | 一种应用于智慧停车的大数据分析方法及设备 |
CN114863676A (zh) * | 2022-04-15 | 2022-08-05 | 青岛海信网络科技股份有限公司 | 一种拥堵识别方法及装置 |
CN115063971B (zh) * | 2022-04-29 | 2024-04-05 | 山东金宇信息科技集团有限公司 | 一种隧道内的车辆拥堵管控方法、设备及介质 |
CN115063971A (zh) * | 2022-04-29 | 2022-09-16 | 山东金宇信息科技集团有限公司 | 一种隧道内的车辆拥堵管控方法、设备及介质 |
CN114999148A (zh) * | 2022-05-16 | 2022-09-02 | 国汽智图(北京)科技有限公司 | 拥堵程度监测方法、装置、计算机设备和存储介质 |
CN114999150A (zh) * | 2022-05-23 | 2022-09-02 | 雄狮汽车科技(南京)有限公司 | 路段拥堵判别方法、装置、车辆及存储介质 |
CN114743382B (zh) * | 2022-06-13 | 2022-10-28 | 浙江大云物联科技有限公司 | 基于智慧灯杆系统的车辆违章行为识别方法和装置 |
CN114743382A (zh) * | 2022-06-13 | 2022-07-12 | 浙江大云物联科技有限公司 | 基于智慧灯杆系统的车辆违章行为识别方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112489433B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112489433B (zh) | 交通拥堵分析方法及装置 | |
US10354532B2 (en) | Method and system for automatically locating people | |
CN113347254B (zh) | 基于v2x的智能交通控制车联网系统及其控制方法 | |
US9053633B2 (en) | Universal tolling system and method | |
CN102903237B (zh) | 交通管理服务装置以及交通管理服务方法 | |
US20200257909A1 (en) | System and method for dynamically mapping items | |
CN104221065B (zh) | 利用照明网络进行交通管理的系统和方法 | |
US20190385449A1 (en) | System and method for providing automatic on-street parking control and unoccupied parking spot availability detection | |
US20030069683A1 (en) | Traffic monitoring system and methods for traffic monitoring and route guidance useful therewith | |
US20080255754A1 (en) | Traffic incidents processing system and method for sharing real time traffic information | |
CN104851295A (zh) | 获取路况信息的方法和系统 | |
EP1177508A2 (en) | Apparatus and methods for providing route guidance for vehicles | |
CN101436346A (zh) | 交通智能管理系统及方法 | |
CN113409607A (zh) | 路况信息推送系统、方法、装置、设备及存储介质 | |
CN114241762B (zh) | 一种基于物联网的智慧城市交通综合数据采集分析系统 | |
KR101730398B1 (ko) | 차량 정보 관리 시스템 및 그 방법 | |
CN111508262B (zh) | 对城市停车位资源的智能化管理方法 | |
CN113901109B (zh) | 城际公路客货车出行方式总人数及时间分布的计算方法 | |
KR102181032B1 (ko) | 실시간 도로교통정보 제공 서버 및 이의 동작 방법 | |
KR20200073990A (ko) | 교통정보지역안내시스템 및 그를 이용한 교통정보지역안내방법 | |
WO2022148166A1 (zh) | 电子地图校正方法、导航信息设置方法、导航方法及装置 | |
CN114648057A (zh) | 交通路线的生成方法、装置、电子装置和存储介质 | |
GB2586485A (en) | Lane information system and method | |
KR20190139090A (ko) | 유료 도로에서의 실시간 차량 관리 시스템 및 방법 | |
US11842551B1 (en) | System and methods for automatically detecting objects of interest and determining their geographic positions |
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 |