CN112634612A - 路口流量分析方法、装置、电子设备及存储介质 - Google Patents
路口流量分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112634612A CN112634612A CN202011476729.8A CN202011476729A CN112634612A CN 112634612 A CN112634612 A CN 112634612A CN 202011476729 A CN202011476729 A CN 202011476729A CN 112634612 A CN112634612 A CN 112634612A
- Authority
- CN
- China
- Prior art keywords
- intersection
- road
- data
- basic
- track point
- 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
-
- 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
Abstract
本公开公开了路口流量分析方法、装置、电子设备及存储介质,涉及智能交通领域。具体实现方案为:根据多个基础路段的信息及多个路口的位置信息,确定多个路口连接路段,并建立路口与路口连接路段的第一对应关系;其中,路口连接路段由至少一个基础路段构成,并且路口连接路段的两端均与路口连接;获取道路行车轨迹数据中的各个轨迹点数据,根据轨迹点数据与路口连接路段的空间关系,建立路口连接路段与轨迹点数据的第二对应关系;根据第一对应关系和第二对应关系,确定路口对应的轨迹点数据;根据路口对应的轨迹点数据对路口的流量进行分析。本公开能够提高分析效率。
Description
技术领域
本公开涉及信息技术领域,尤其涉及智能交通领域。
背景技术
现有的路口流量分析主要采用两种方式:第一种是通过现场调查的方式,例如派专人再现场路口观察车流运行情况。这种方式耗费人力,准确性,覆盖性差,无法大规模拓展,无法做到全天候时间空间覆盖。第二种是通过调取路口摄像头,查看路口运行情况。这种方式耗能量化结果,无法有效进行历史分析,灵活性差,耗费人力,无法大规模拓展。
可见,现有的路口流量分析方法均存在效率低下等问题。
发明内容
本公开提供了一种路口流量分析方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种路口流量分析方法,包括:
根据多个基础路段的信息及多个路口的位置信息,确定多个路口连接路段,并建立所述路口与所述路口连接路段的第一对应关系;其中,所述路口连接路段由至少一个所述基础路段构成,并且所述路口连接路段的两端均与所述路口连接;
获取道路行车轨迹数据中的各个轨迹点数据,根据所述轨迹点数据与所述路口连接路段的空间关系,建立路口连接路段与轨迹点数据的第二对应关系;
根据所述第一对应关系和所述第二对应关系,确定路口对应的轨迹点数据;
根据所述路口对应的轨迹点数据对所述路口的流量进行分析。
根据本公开的另一方面,提供了一种路口流量分析装置,包括:
第一对应关系建立模块,用于根据多个基础路段的信息及多个路口的位置信息,确定多个路口连接路段,并建立所述路口与所述路口连接路段的第一对应关系;其中,所述路口连接路段由至少一个所述基础路段构成,并且所述路口连接路段的两端均与所述路口连接;
第二对应关系建立模块,用于获取道路行车轨迹数据中的各个轨迹点数据,根据所述轨迹点数据与所述路口连接路段的空间关系,建立路口连接路段与轨迹点数据的第二对应关系;
轨迹点数据确定模块,用于根据所述第一对应关系和所述第二对应关系,确定路口对应的轨迹点数据;
分析模块,用于根据所述路口对应的轨迹点数据对所述路口的流量进行分析。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
本公开采用自动化、数字化的方式来分析路口流量,从多个数据源中提取数据,确定各个路口对应的轨迹点数据;之后根据这些轨迹点数据对路口的流量进行分析。本公开提供了大规模的自动化分析方法,能够提高分析效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开的一种路口流量分析方法实现流程图;
图2是根据本公开的一种路口流量分析方法中,步骤S101的实现流程图;
图3A是根据本公开的一种初始路段集合中link的示意图;
图3B是根据本公开的一种初始路段集合中排序后link的示意图;
图3C是根据本公开的一种利用初始路段集合确定的路口连接路段的示意图;
图4是根据本公开的一种路口确定方式示意图;
图5是根据本公开的一种路口流量分析方法中,路口信息挖掘过程的示意图;
图6是根据本公开的一种建立路口连接路段与轨迹点数据的第二对应关系的示意图;
图7是根据本公开的一种路口流量分析方法中的实现细节示意图;
图8是根据本公开的一种路口流量分析装置800的结构示意图;
图9是根据本公开的一种路口流量分析装置900的结构示意图;
图10是用来实现本公开实施例的路口流量分析方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开提出一种路口流量分析方法,图1是根据本公开的一种路口流量分析方法实现流程图,至少包括以下步骤:
S101:根据多个基础路段的信息及多个路口的位置信息,确定多个路口连接路段,并建立路口与路口连接路段的第一对应关系;其中,路口连接路段由至少一个基础路段构成,并且路口连接路段的两端均与路口连接;
S102:获取道路行车轨迹数据中的各个轨迹点数据,根据轨迹点数据与路口连接路段的空间关系,建立路口连接路段与轨迹点数据的第二对应关系;
S103:根据第一对应关系和第二对应关系,确定路口对应的轨迹点数据;
S104:根据路口对应的轨迹点数据对路口的流量进行分析。
图2是根据本公开的一种路口流量分析方法中,步骤S101的实现流程图。如图2所示,在一些实施方式中,步骤S101包括以下步骤:
S201:获取多个基础路段的信息,根据基础路段的信息将同一属性的基础路段聚合,得到多个初始路段集合;
S202:分别将每个初始路段集合中的基础路段排序;
S203:根据排序后的基础路段与多个路口的位置关系,确定多个路口连接路段,并建立路口与路口连接路段的第一对应关系。
其中,基础路段可以为基础路网数据中的link。例如,基础路网数据覆盖全国各个城市的道路数据,包括高速道路、城市高速、国道、省道、县道、支路、以及其他低等级道路。其中link是道路的一小段,由有序的坐标构成,包括道路的属性等。
其中,上述基础路段(即link)的属性可以包括名称属性。相应的,步骤S201中可以将同名的link聚合在一起,得到多个初始路段集合。
上周步骤S202中的将基础路段排序的方式可以包括:根据每个基础路段的起点和终点位置信息,对初始路段集合中的基础路段进行排序。
例如,在同名的link集合中,基于link的首尾坐标,按照link的方向、link之间的夹角等规则对link进行排序,形成单向有序的路段集合,每个路段赋予ID编号识别。
图3A至图3C示出了根据初始路段集合中的基础路段确定路口连接路段的实现过程。其中,图3A是根据本公开的一种初始路段集合中link的示意图,如图3可见,初始路段集合中的原始的link之间相互独立,没有顺次关系。基于link的首尾坐标得到每条道路上link的顺次关系,排序后得到link效果如图3B。图3B是根据本公开的一种初始路段集合中排序后link的示意图。如图3B所示,link顺次连接成道路路线,每个道路路线对应一个行车方向。之后,将顺次连接成的道路路线基于路口位置截断,得到多个路口连接路段,如图3C。图3C是根据本公开的一种利用初始路段集合确定的路口连接路段的示意图。如图3C所示,每个路口连接路段的两端都连接一个路口,该路口在图3C中用矩形表示,图3C中显示了编号为1~5的五个路口连接路段。由图3C可见,路口连接路段不会跨越路口,根据进出口与路口的关系,可以得到每个路口与路口连接路段的对应关系,即上述第一对应关系。
对于上述路口,本公开可以通过交通信号灯来确定。例如,在上述步骤S101之前,本公开还可以包括:
获取多个信号灯的位置信息,根据该位置信息对信号灯进行聚类;
根据聚类的结果确定路口的位置信息。
例如,本公开从信号灯点位数据表中提取的交通信号灯的点位信息,通常一个路口有多个(一般十字路口4个)交通信号灯。由于信号灯点位数据表一般不包含所属路口的信息,本公开可以通过将交通信号灯按照路口进行分组来确定各个路口。在分组时,可以采用数据挖掘空间聚类技术,认为距离足够近的交通信号灯位于同一个路口,将路口对应的多个对等位置交通信号灯的几何中心作为路口的位置。
图4是根据本公开的一种路口确定方式示意图。如图4所示,首先确定出了多个交通信号灯,之后采用聚类技术,将距离近的交通信号灯聚合为一组。图4中聚合后得到3个交通信号灯的分组,分别为分组A、分组B和分组C。其中,分组A和分组B均包括4个交通信号灯,且上下、左右两两对应;根据4个交通信号灯的位置,可以将对应的交通信号灯连接,得到2个连接线;2个连接线的交点即为路口的位置。分组C包括3个交通信号灯,根据几何位置关系,也可以确定出分组C对应的路口位置。
图5是根据本公开的一种路口流量分析方法中,路口信息挖掘过程的示意图。如图5所示,本公开可以基于基础路网中的link信息和信号灯点位数据表中的信号灯点位数据实现路口挖掘,也就是确定路口及与路口存在关联的路口连接路段。具体地,对信号灯点位数据聚类,得到各个信号灯分组;对各个分组中的信号灯点位进行中心点计算,确定各个路口(即信号灯路口),并为各个信号灯路口设置标识信息,以唯一指示该路口。另一方面,本公开可以对基础路网中的link信息进行解析变换,例如从基础信息中过滤出排序所需要的link信息;之后利用解析变换后的数据对link进行排序,得到排序后的路段;之后利用路口的位置信息将排序后的路段打断,得到上述的路口连接路段;最后将路口连接路段语义化,例如为路口连接路段添加描述信息,并建立起路口与路口连接路段的关联关系。
以上介绍了图1所示的方法中,步骤S101中确定第一对应关系的实现方式。以下介绍步骤S102中确定第二对应关系的实现方式。
在步骤S102中,首先需要获取道路行车轨迹数据中的各个轨迹点数据,可以采用如下方式:
从至少一个数据源获取原始轨迹数据;
对原始轨迹数据进行解析,得到道路行车轨迹数据;该解析包括坐标转换、轨迹纠偏及异常数据识别中的至少一项;
获取道路行车轨迹数据中的各个轨迹点数据。
在一些实施方式中,将原始轨迹数据进行解析,包括坐标转换,轨迹的纠偏,异常数据识别等工作,形成清晰的轨迹数据,将轨迹数据与路口的进出口路段进行关联绑路,通过轨迹点与上述路口连接路段的空间关系将轨迹点绑路到具体的路口连接路段上,绑路完成后,大量的轨迹点在路口连接路段上的特征表现即能反映对应路口的交通环境。
图6是根据本公开的一种建立路口连接路段与轨迹点数据的第二对应关系的示意图。如图6所示,车辆A和车辆B的轨迹点数据分别与道路A绑定,图6中实心椭圆表示车辆A的每个轨迹点,空心椭圆表示车辆B的每个轨迹点。
对绑路完成的轨迹点进行驾驶行为、驾驶速度、停车状态等基础行为的判断识别,可以确定完整净化的轨迹集合,即确定完整的驾驶行为。为下一步路口各类评估指标的计算提供基础数据特征。
可选地,上述步骤S104中对路口的流量进行分析的方式包括:根据轨迹点数据确定路口对应的多个驾驶行为;对路口对应的多个驾驶行为进行大数据计算及分析,得到路口的流量分析结果。
图7是根据本公开的一种路口流量分析方法中的实现细节示意图。如图7所示,本公开的路口流量分析方法大体分为4个部分:
第一部分:多源轨迹清洗。
将来自多个数据源的轨迹数据进行数据融合、基础清洗、位置计算等处理,得到基础轨迹数据。其中,基础清洗包括异常检验、坐标转换、速度换算、时间换算中的至少一项。
第二部分:连续轨迹识别。
对第一部分得到的基础轨迹数据、以及路口基础数据、路口link数据进行数据融合,并对link进行排序,以实现路口关联及连续轨迹识别;将经过前述处理之后的数据进行基础GIS计算,得到纯净的连续进出口轨迹数据。其中,基础GIS计算包括坐标投影、方向计算、关系判别、路口的进出口计算中的至少一项。
第三部分:基础驾车分析和大数据分析。
对第二部分得到的连续单次连续进出口轨迹数据进行基础分析和计算,包括误判识别、停车识别、排队长度计算、车流密度计算、车流速度计算、流向流量识别终端的至少一项。并对单次连续轨迹进行大数据计算及评价指标体系计算,最终得到路口级别的各类流量评价指标分析结果。其中,评价指标体系计算包括停车分析、流量分析、延误分析、排队分析、速度分析和密度分析中的至少一项。
可见,本公开通过交通大数据技术手段对路口进行精细化分析,实现了城市级路口的静态数据批量处理,完成路口的精确位置和语义化;提供了车流轨迹映射处理,完成轨迹点与路口流向的匹配映射;提供了路口各流向流量分析,对结果进行数值化和语义。此外,本公开可以在可视化的界面下配合地图空间位置展示,展示效果清晰且便于理解。
本公开还提出一种路口流量分析装置,图8是根据本公开的一种路口流量分析装置800的结构示意图,包括:
第一对应关系建立模块810,用于根据多个基础路段的信息及多个路口的位置信息,确定多个路口连接路段,并建立路口与路口连接路段的第一对应关系;其中,路口连接路段由至少一个基础路段构成,并且路口连接路段的两端均与路口连接;
第二对应关系建立模块820,用于获取道路行车轨迹数据中的各个轨迹点数据,根据轨迹点数据与路口连接路段的空间关系,建立路口连接路段与轨迹点数据的第二对应关系;
轨迹点数据确定模块830,用于根据第一对应关系和第二对应关系,确定路口对应的轨迹点数据;
分析模块840,用于根据路口对应的轨迹点数据对路口的流量进行分析。
图9是根据本公开的一种路口流量分析装置900的结构示意图。如图9所示,可选地,上述第一对应关系建立模块810包括:
聚合子模块811,用于获取多个基础路段的信息,根据基础路段的信息将同一属性的基础路段聚合,得到多个初始路段集合;
排序子模块812,用于分别将每个初始路段集合中的基础路段排序;
建立子模块813,用于根据排序后的基础路段与多个路口的位置关系,确定多个路口连接路段,并建立路口与路口连接路段的第一对应关系。
可选地,上述排序子模块812,用于分别根据各个初始路段集合中每个基础路段的起点和终点位置信息,对各个初始路段集合中的路段进行排序。
可选地,上述第二对应关系建立模块820用于:
从至少一个数据源获取原始轨迹数据;对原始轨迹数据进行解析,得到道路行车轨迹数据;解析包括坐标转换、轨迹纠偏及异常数据识别中的至少一项;获取道路行车轨迹数据中的各个轨迹点数据。
可选地,上述聚合子模块840,包括:
确定子模块841,用于根据轨迹点数据确定路口对应的多个驾驶行为;
大数据分析子模块842,用于对路口对应的多个驾驶行为进行大数据计算及分析,得到路口的流量分析结果。
可选地,上述装置还包括:
路口位置确定模块950,用于获取多个交通信号灯的位置信息,根据位置信息对交通信号灯进行聚类;根据聚类的结果确定路口的位置信息。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或要求的本公开的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如路口流量分析方法。例如,在一些实施例中,路口流量分析方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的路口流量分析方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行路口流量分析方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种路口流量分析方法,包括:
根据多个基础路段的信息及多个路口的位置信息,确定多个路口连接路段,并建立所述路口与所述路口连接路段的第一对应关系;其中,所述路口连接路段由至少一个所述基础路段构成,并且所述路口连接路段的两端均与所述路口连接;
获取道路行车轨迹数据中的各个轨迹点数据,根据所述轨迹点数据与所述路口连接路段的空间关系,建立路口连接路段与轨迹点数据的第二对应关系;
根据所述第一对应关系和所述第二对应关系,确定路口对应的轨迹点数据;
根据所述路口对应的轨迹点数据对所述路口的流量进行分析。
2.根据权利要求1所述的方法,其中,所述根据多个基础路段的信息及多个路口的位置信息,确定多个路口连接路段,并建立所述路口与所述路口连接路段的第一对应关系,包括:
获取多个基础路段的信息,根据所述基础路段的信息将同一属性的基础路段聚合,得到多个初始路段集合;
分别将每个初始路段集合中的基础路段排序;
根据排序后的基础路段与多个路口的位置关系,确定多个路口连接路段,并建立路口与路口连接路段的第一对应关系。
3.根据权利要求2所述的方法,其中,所述分别将每个初始路段集合中的基础路段排序,包括:
分别根据各个初始路段集合中每个基础路段的起点和终点位置信息,对各个初始路段集合中的路段进行排序。
4.根据权利要求1至3任一所述的方法,其中,所述获取道路行车轨迹数据中的各个轨迹点数据,包括:
从至少一个数据源获取原始轨迹数据;
对所述原始轨迹数据进行解析,得到道路行车轨迹数据;所述解析包括坐标转换、轨迹纠偏及异常数据识别中的至少一项;
获取所述道路行车轨迹数据中的各个轨迹点数据。
5.根据权利要求1至3任一所述的方法,其中,所述根据所述路口对应的轨迹点数据对所述路口的流量进行分析,包括:
根据所述轨迹点数据确定所述路口对应的多个驾驶行为;
对所述路口对应的多个驾驶行为进行大数据计算及分析,得到所述路口的流量分析结果。
6.根据权利要求1至3任一所述的方法,其中,所述确定多个路口连接路段之前,还包括:
获取多个交通信号灯的位置信息,根据所述位置信息对交通信号灯进行聚类;
根据所述聚类的结果确定路口的位置信息。
7.一种路口流量分析装置,包括:
第一对应关系建立模块,用于根据多个基础路段的信息及多个路口的位置信息,确定多个路口连接路段,并建立所述路口与所述路口连接路段的第一对应关系;其中,所述路口连接路段由至少一个所述基础路段构成,并且所述路口连接路段的两端均与所述路口连接;
第二对应关系建立模块,用于获取道路行车轨迹数据中的各个轨迹点数据,根据所述轨迹点数据与所述路口连接路段的空间关系,建立路口连接路段与轨迹点数据的第二对应关系;
轨迹点数据确定模块,用于根据所述第一对应关系和所述第二对应关系,确定路口对应的轨迹点数据;
分析模块,用于根据所述路口对应的轨迹点数据对所述路口的流量进行分析。
8.根据权利要求7所述的装置,其中,所述第一对应关系建立模块,包括:
聚合子模块,用于获取多个基础路段的信息,根据所述基础路段的信息将同一属性的基础路段聚合,得到多个初始路段集合;
排序子模块,用于分别将每个初始路段集合中的基础路段排序;
建立子模块,用于根据排序后的基础路段与多个路口的位置关系,确定多个路口连接路段,并建立路口与路口连接路段的第一对应关系。
9.根据权利要求8所述的装置,其中,所述排序子模块,用于分别根据各个初始路段集合中每个基础路段的起点和终点位置信息,对各个初始路段集合中的路段进行排序。
10.根据权利要求7至9任一所述的装置,其中,所述第二对应关系建立模块用于:
从至少一个数据源获取原始轨迹数据;对所述原始轨迹数据进行解析,得到道路行车轨迹数据;所述解析包括坐标转换、轨迹纠偏及异常数据识别中的至少一项;获取所述道路行车轨迹数据中的各个轨迹点数据。
11.根据权利要求7至9任一所述的装置,其中,所述分析模块,包括:
确定子模块,用于根据所述轨迹点数据确定所述路口对应的多个驾驶行为;
大数据分析子模块,用于对所述路口对应的多个驾驶行为进行大数据计算及分析,得到所述路口的流量分析结果。
12.根据权利要求7至9任一所述的装置,还包括:
路口位置确定模块,用于获取多个交通信号灯的位置信息,根据所述位置信息对交通信号灯进行聚类;根据所述聚类的结果确定路口的位置信息。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011476729.8A CN112634612B (zh) | 2020-12-15 | 2020-12-15 | 路口流量分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011476729.8A CN112634612B (zh) | 2020-12-15 | 2020-12-15 | 路口流量分析方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112634612A true CN112634612A (zh) | 2021-04-09 |
CN112634612B CN112634612B (zh) | 2022-09-27 |
Family
ID=75313044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011476729.8A Active CN112634612B (zh) | 2020-12-15 | 2020-12-15 | 路口流量分析方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112634612B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554891A (zh) * | 2021-07-19 | 2021-10-26 | 江苏南大苏富特智能交通科技有限公司 | 一种基于公交gps轨迹构建电子地图路网的方法 |
CN114093170A (zh) * | 2021-11-26 | 2022-02-25 | 阿波罗智联(北京)科技有限公司 | 一种信号机控制方案的生成方法、系统、装置及电子设备 |
CN116311941A (zh) * | 2023-03-24 | 2023-06-23 | 阿波罗智联(北京)科技有限公司 | 主要车流路径提取方法、装置、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127159A (zh) * | 2007-09-18 | 2008-02-20 | 中国科学院软件研究所 | 基于网络受限移动对象数据库的交通流数据采集与分析 |
CN104318776A (zh) * | 2013-06-08 | 2015-01-28 | 无锡北斗星通信息科技有限公司 | 非法运营汽车智能识别装置 |
US20150179064A1 (en) * | 2012-08-08 | 2015-06-25 | Hitachi Ltd. | Traffic-Volume Prediction Device and Method |
CN106157624A (zh) * | 2016-08-04 | 2016-11-23 | 浙江工业大学 | 基于交通定位数据的多粒度道路分流可视分析方法 |
US20180151064A1 (en) * | 2016-11-29 | 2018-05-31 | Here Global B.V. | Method, apparatus and computer program product for estimation of road traffic condition using traffic signal data |
CN108615362A (zh) * | 2018-06-22 | 2018-10-02 | 广东交通职业技术学院 | 一种5g车联网环境下的道路交通流参数提取方法 |
US20200118429A1 (en) * | 2018-10-16 | 2020-04-16 | Beijing Didi Infinity Technology And Development Co., Ltd. | System to optimize scats adaptive signal system using trajectory data |
CN111275975A (zh) * | 2020-02-28 | 2020-06-12 | 清华大学 | 一种交叉口转向流量数据的获取方法、装置和存储介质 |
-
2020
- 2020-12-15 CN CN202011476729.8A patent/CN112634612B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127159A (zh) * | 2007-09-18 | 2008-02-20 | 中国科学院软件研究所 | 基于网络受限移动对象数据库的交通流数据采集与分析 |
US20150179064A1 (en) * | 2012-08-08 | 2015-06-25 | Hitachi Ltd. | Traffic-Volume Prediction Device and Method |
CN104318776A (zh) * | 2013-06-08 | 2015-01-28 | 无锡北斗星通信息科技有限公司 | 非法运营汽车智能识别装置 |
CN106157624A (zh) * | 2016-08-04 | 2016-11-23 | 浙江工业大学 | 基于交通定位数据的多粒度道路分流可视分析方法 |
US20180151064A1 (en) * | 2016-11-29 | 2018-05-31 | Here Global B.V. | Method, apparatus and computer program product for estimation of road traffic condition using traffic signal data |
CN108615362A (zh) * | 2018-06-22 | 2018-10-02 | 广东交通职业技术学院 | 一种5g车联网环境下的道路交通流参数提取方法 |
US20200118429A1 (en) * | 2018-10-16 | 2020-04-16 | Beijing Didi Infinity Technology And Development Co., Ltd. | System to optimize scats adaptive signal system using trajectory data |
CN111275975A (zh) * | 2020-02-28 | 2020-06-12 | 清华大学 | 一种交叉口转向流量数据的获取方法、装置和存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554891A (zh) * | 2021-07-19 | 2021-10-26 | 江苏南大苏富特智能交通科技有限公司 | 一种基于公交gps轨迹构建电子地图路网的方法 |
CN113554891B (zh) * | 2021-07-19 | 2022-07-01 | 江苏南大苏富特智能交通科技有限公司 | 一种基于公交gps轨迹构建电子地图路网的方法 |
CN114093170A (zh) * | 2021-11-26 | 2022-02-25 | 阿波罗智联(北京)科技有限公司 | 一种信号机控制方案的生成方法、系统、装置及电子设备 |
CN116311941A (zh) * | 2023-03-24 | 2023-06-23 | 阿波罗智联(北京)科技有限公司 | 主要车流路径提取方法、装置、设备及介质 |
CN116311941B (zh) * | 2023-03-24 | 2023-12-26 | 阿波罗智联(北京)科技有限公司 | 主要车流路径提取方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112634612B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112634612B (zh) | 路口流量分析方法、装置、电子设备及存储介质 | |
CN113155141A (zh) | 地图的生成方法、装置、电子设备及存储介质 | |
CN107145991B (zh) | 一种考虑路段相关性的时变随机网络动态路径搜索方法 | |
CN112033420A (zh) | 一种车道地图构建方法和装置 | |
CN112559371B (zh) | 一种自动驾驶测试方法、装置及电子设备 | |
JP2023022185A (ja) | 地図データ処理方法及び装置、電子機器、記憶媒体、並びにコンピュータプログラム | |
CN110796066A (zh) | 一种车道线组构建方法及装置 | |
CN114596709B (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN114758495A (zh) | 交通信号灯调整方法、装置及电子设备 | |
CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
CN112883236A (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
US20230144288A1 (en) | Method for determining intersection missing traffic restriction information, and electronic device | |
US11821746B2 (en) | Method and apparatus of processing traffic data, device and medium | |
CN113670295A (zh) | 数据处理方法、装置、电子设备及可读存储介质 | |
CN112527673A (zh) | 站点测试方法、装置、电子设备及可读存储介质 | |
CN113947897B (zh) | 获取道路交通状况的方法、装置、设备及自动驾驶车辆 | |
CN114333326B (zh) | 一种路口拥堵检测方法、装置及电子设备 | |
CN113920719B (zh) | 交通溯源方法及电子设备 | |
CN114529768B (zh) | 确定对象类别的方法、装置、电子设备和存储介质 | |
CN112577497B (zh) | 道路匹配方法及装置、电子设备、存储介质、程序产品 | |
CN114093170B (zh) | 一种信号机控制方案的生成方法、系统、装置及电子设备 | |
CN113868272A (zh) | 红绿灯数据的批处理方法及装置、电子设备和存储介质 | |
CN114781714A (zh) | 路线推送、模型训练方法、装置、电子设备和存储介质 | |
CN115718789A (zh) | 场景信息确定方法、装置及电子设备 | |
CN115984789A (zh) | 车道线检测方法、装置、设备以及存储介质 |
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 |