CN112652161A - 一种车流路径分布信息的处理方法、装置、及电子设备 - Google Patents
一种车流路径分布信息的处理方法、装置、及电子设备 Download PDFInfo
- Publication number
- CN112652161A CN112652161A CN201910969176.0A CN201910969176A CN112652161A CN 112652161 A CN112652161 A CN 112652161A CN 201910969176 A CN201910969176 A CN 201910969176A CN 112652161 A CN112652161 A CN 112652161A
- Authority
- CN
- China
- Prior art keywords
- distribution information
- traffic flow
- flow path
- sequence
- traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车流路径分布信息的处理方法、装置、电子设备及计算机可读存储介质,该处理方法包括:获取预设区域在多个历史统计时段内的车流路径分布信息;其中,车流路径分布信息包括预设区域中路径、及在对应统计时段内经过每条路径的车流量值;构建多个包含设定数量个车流路径分布信息的分布信息序列;对多个分布信息序列进行聚类,得到至少一个分布信息序列类;根据分布信息序列类对预设区域进行交通控制。
Description
技术领域
本发明涉及交通控制技术领域,更具体地,涉及一种车流路径分布信息的处理方法、一种车流路径分布信息的处理装置、一种电子设备、及一种计算机可读介质。
背景技术
交通区域在某个统计时段的交通需求可以是由该统计时段中车流路径分布信息获得。交通区域中的车流路径分布信息是动态变化的,同一个交通区域的任何两个时段中的车流路径分布信息之间都可能存在区别。车流路径分布信息中包括该交通区域中的路径、及经过每一路径的车流量值。其中,路径可以是交通路网上的一个路段序列。
不同统计时段的交通需求之间可能存在一定的变化规律,掌握这种变化规律可以帮助交通管理者针对交通模式制定有效的管理方案,以提高交通管理的质量和决策的效率。
发明内容
本发明的一个目的是提供一种根据车流路径分布信息进行交通控制的新技术方案。
根据本发明的第一方面,提供了一种车流路径分布信息的处理方法,包括:
获取预设区域在多个历史统计时段内的车流路径分布信息;其中,所述车流路径分布信息包括所述预设区域中路径、及在对应统计时段内经过每条路径的车流量值;
构建多个包含设定数量个车流路径分布信息的分布信息序列;
对多个分布信息序列进行聚类,得到至少一个分布信息序列类;
根据所述分布信息序列类对所述预设区域进行交通控制。
可选的,所述获取预设区域在多个历史统计时段内的车流路径分布信息的步骤包括:
获取所述预设区域在多个历史统计时段内的历史车流轨迹;
分别根据每个历史时段内的历史车流轨迹,获得每个历史统计时段内的车流路径分布信息。
可选的,所述构建多个包含设定数量个车流路径分布信息的分布信息序列的步骤包括:
确定每条路径所包含的路段数;
根据每个车流路径分布信息,确定对应历史统计时段经过每条路径的车流量值;
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的分布距离;其中,所述分布距离用于表征对应两个车流路径分布信息之间的差异程度;
根据每两个车流路径分布信息之间的分布距离选取设定数量个车流路径分布信息,构建所述分布信息序列。
可选的,所述根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的分布距离的步骤包括:
根据每条路径所包含的路段数、及每个历史统计时段经过对应路径的车流量值,确定每个车流路径分布信息对应的路段流量和;其中,所述路段流量和为在对应统计时段内经过所述预设区域中每条路段的车流量值的和;
根据每条路径所包含的路段数、及每个历史统计时段经过对应路径的车流量值,确定每两个车流路径分布信息对应的路段流量差;其中,所述路段流量差为对应两个统计时段内经过所述预设区域中每条路径的车流量值的差异和总和;
根据每个车流路径分布信息对应的路段流量和、及每两个车流路径分布信息对应的路段流量差,确定每两个车流路径分布信息之间的分布距离。
可选的,所述根据每两个车流路径分布信息之间的分布距离选取设定数量个车流路径分布信息,构建所述分布信息序列的步骤包括:
根据每两个车流路径分布信息之间的分布距离,确定每两个车流路径分布信息位于同一分布信息序列的概率;
根据所述概率选取设定数量个车流路径分布信息,构建所述分布信息序列。
可选的,所述处理方法还包括:
获取包含至少两个设定数量的数量集合;
遍历所述数量集合中的设定数量,执行构建多个包含对应设定数量个车流路径分布信息的分布信息序列;对多个分布信息序列进行聚类,得到至少一个分布信息序列类的步骤。
可选的,所述对多个分布信息序列进行聚类,得到至少一个分布信息序列类的步骤包括:
确定每个车流路径分布信息在欧氏空间中的向量值;
根据每个分布信息序列中包含的车流路径分布信息在欧氏空间中的向量值,确定每两个分布信息序列之间的序列距离,其中,所述序列距离用于表征对应两个分布信息序列之间的差异程度;
根据每两个分布信息序列之间的序列距离,对多个分布信息序列进行聚类,得到至少一个分布信息序列类。
可选的,所述确定每个车流路径分布信息在欧氏空间中的向量值的步骤包括:
将每个车流路径分布信息作为一个节点,并将每两个车流路径分布信息之间的距离作为对应两个节点之间连接的权重,构建信息关系图;
根据所述信息关系图,确定每个车流路径分布信息在欧氏空间中的向量值。
可选的,所述根据每个分布信息序列中包含的车流路径分布信息在欧氏空间中的向量值,确定每两个分布信息序列之间的序列距离的步骤包括:
分别确定每两个分布信息序列中排序值相同的车流路径分布信息在欧氏空间中的向量值之间的内积;
分别确定每两个分布信息序列对应的内积的平均值,作为对应两个分布信息序列之间的序列距离。
可选的,所述根据每两个分布信息序列之间的序列距离,对多个分布信息序列进行聚类,得到至少一个分布信息序列类的步骤包括:
将每个分布信息序列作为一个节点,根据每两个分布信息序列之间的序列距离构建序列关系图;
将根据每两个节点之间的序列距离,将所述序列关系图拆分为多个序列子图;
将每个序列子图中包含的节点所对应的分布信息序列划分为同一分布信息序列类。
可选的,所述将根据每两个节点之间的序列距离,将所述序列关系图拆分为多个序列子图的步骤包括:
截断序列距离超过预设的距离阈值的两个节点之间的连接,以将所述序列关系图拆分为多个序列子图。
可选的,所述获取所述预设区域在多个历史统计时段内的历史车流轨迹包括:
通过轨迹监测设备获取所述预设区域在多个历史统计时段内的历史车流轨迹,其中,所述轨迹监测设备至少包括以下任意一项或多项:摄像头、线圈、地磁、雷达、定位模块。
可选的,还包括:
存储每个历史统计时段内的车流路径分布信息,以供直接获取。
可选的,还包括:
存储多个分布信息序列的聚类结果。
可选的,对所述预设区域进行交通控制的方式包括以下任意一项或多项:
对所述预设区域内至少一个路口的信号灯的信号周期时长进行控制;
对所述预设区域内至少一个路口的信号灯在至少一个相位的绿信比进行控制;
对所述预设区域内的多个路口的信号灯在至少一个相位的相位差进行控制;
对所述预设区域进行资源保障分配。
根据本发明的第二方面,提供了一种车流路径分布信息的处理装置,包括:
信息获取模块,用于获取预设区域在多个历史统计时段内的车流路径分布信息;其中,所述车流路径分布信息包括所述预设区域中路径、及在对应统计时段内经过每条路径的车流量值;
序列构建模块,用于构建多个包含设定数量个车流路径分布信息的分布信息序列;
序列聚类模块,用于对多个分布信息序列进行聚类,得到至少一个分布信息序列类;
交通控制模块,用于根据所述分布信息序列类对所述预设区域进行交通控制。
根据本发明的第三方面,提供了一种电子设备,包括根据本发明第二方面所述的处理装置;或者,包括处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行根据本发明第一方面所述的处理方法。
根据本发明的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现根据本发明第一方面所述的处理方法。
在本发明的实施例中,通过根据多个历史统计时段的车流路径分布信息,构建多个分布信息序列,并对多个分布信息序列进行聚类,得到至少一个分布信息序列类,根据分布信息序列类对预设区域进行交通控制。由于得到的分布信息序列类可以表达出预设区域的交通变化情况,因此,可以便于交通管理者根据分布信息序列类制定交通管理方案,可以提高制定交通管理方案的效率。而且,本实施例中通过根据车流路径分布信息构建得到的分布信息序列进行聚类,可以提高聚类的准确性,进而可以提高根据分布信息序列类针对预设区域制定的交通管理方案的准确性。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是可用于实现本发明的实施例的电子设备的硬件配置的一个例子的框图。
图2是可用于实现本发明的实施例的电子设备的硬件配置的另一个例子的框图;
图3是根据本发明实施例的车流路径分布信息的处理方法的流程示意图;
图4a是根据本发明实施例的第一历史统计时段的车流路径分布信息的一个例子的示意图;
图4b是根据本发明实施例的第二历史统计时段的车流路径分布信息的一个例子的示意图;
图4c是根据本发明实施例的第三历史统计时段的车流路径分布信息的一个例子的示意图;
图4d是根据本发明实施例的分布信息序列的聚类效果示意图;
图5是根据本发明实施例的车流路径分布信息的处理方法的一个例子的流程示意图;
图6是根据本发明实施例的车流路径分布信息的处理装置的原理框图;
图7是根据本发明第一个实施例提供的电子设备的原理框图;
图8是根据本发明第二个实施例提供的电子设备的硬件结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1和图2是可用于实现本发明任意实施例的车流路径分布信息的处理方法的电子设备1000的硬件配置的框图。
在一个实施例中,如图1所示,电子设备1000可以是服务器1100。
服务器1100提供处理、数据库、通讯设施的设备。服务器1100可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的,例如但不限于,网络服务器,新闻服务器,邮件服务器,消息服务器,广告服务器,文件服务器,应用服务器,交互服务器,数据库服务器,或代理服务器。在一些实施例中,每个服务器可以包括硬件,软件,或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。例如,服务器例如刀片服务器、云端服务器等,或者可以是由多台服务器组成的服务器群组,可以包括上述类型的服务器中的一种或多种等等。
本实施例中,服务器1100可以如图1所示,包括处理器1110、存储器1120、接口装置1130、通信装置1140、显示装置1150、输入装置1160。
在该实施例中,服务器1100还可以包括扬声器、麦克风等等,在此不做限定。
处理器1110可以是专用的服务器处理器,也可以是满足性能要求的台式机处理器、移动版处理器等,在此不做限定。存储器1120例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1130例如包括各种总线接口,例如串行总线接口(包括USB接口)、并行总线接口等。通信装置1140例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏、LED显示屏触摸显示屏等。输入装置1160例如可以包括触摸屏、键盘等。
在该实施例中,服务器1100的存储器1120用于存储指令,该指令用于控制处理器1110进行操作以至少执行根据本发明任意实施例的车流路径分布信息的处理方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
尽管在图1中示出了服务器1100的多个装置,但是,本发明可以仅涉及其中的部分装置,例如,服务器1100只涉及存储器1120和处理器1110。
在一个实施例中,电子设备1000可以是操作人员使用的PC机、笔记本电脑等终端设备1200,在此不做限定。
本实施例中,参照图2所示,终端设备1200可以包括处理器1210、存储器1220、接口装置1230、通信装置1240、显示装置1250、输入装置1260、扬声器1270、麦克风1280等等。
处理器1210可以是移动版处理器。存储器1220例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1230例如包括USB接口、耳机接口等。通信装置1240例如能够进行有线或无线通信,通信装置1240可以包括短距离通信装置,例如是基于Hilink协议、WiFi(IEEE 802.11协议)、Mesh、蓝牙、ZigBee、Thread、Z-Wave、NFC、UWB、LiFi等短距离无线通信协议进行短距离无线通信的任意装置,通信装置1240也可以包括远程通信装置,例如是进行WLAN、GPRS、2G/3G/4G/5G远程通信的任意装置。显示装置1250例如是液晶显示屏、触摸显示屏等。输入装置1260例如可以包括触摸屏、键盘等。用户可以通过扬声器1270和麦克风1280输入/输出语音信息。
在该实施例中,终端设备1200的存储器1220用于存储指令,该指令用于控制处理器1210进行操作以至少执行根据本发明任意实施例的车流路径分布信息的处理方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
尽管在图2中示出了终端设备1200的多个装置,但是,本发明可以仅涉及其中的部分装置,例如,终端设备1200只涉及存储器1220和处理器1210和显示装置1250。
<方法实施例>
在本实施例中,提供一种车流路径分布信息的处理方法。该处理方法可以是由电子设备实施。该电子设备可以是如图1所示的服务器1100,或者是如图2所示终端设备1200。
根据图3所示,本实施例的车流路径分布信息的处理方法可以包括如下步骤S1000~S4000:
步骤S1000,获取预设区域在多个历史统计时段内的车流路径分布信息。
其中,本实施例中的车流路径分布信息可以是包括预设区域中的路径、及在对应统计时段内经过每条路径的车流量值。
对于不同的车流路径分布信息,其中包含的路径可以相同。
本实施例中的预设区域可以是根据应用场景或者具体需求在城市中选定的交通区域。例如,该预设区域可以是如图4~图6所示。
本实施例中的路径可以是路网上的一个路段序列,路段可以是指交通网络上相邻两个路口之间在一个行驶方向上的交通线路。具体的,在如图4~图6中所示的实施例中,通过步骤S1000所获取的预设区域中的路径可以包括:路径A、路径B、路径C、路径D、路径E和路径F。
例如,图4a可以为第一历史统计时段内的车流路径分布信息,图4b可以为第二历史统计时段内的车流路径分布信息,图4c可以为第三历史统计时段内的车流路径分布信息。
在图4a所示的第一历史统计时段内的车流路径分布信息中,可以得到在第一历史统计时段内经过路径A、路径B、路径C、路径D、路径E和路径F的车流量值分别为300、168、270、156、0、0。在图4b所示的第二历史统计时段内的车流路径分布信息中,可以得到在第二历史统计时段内经过路径A、路径B、路径C、路径D、路径E和路径F的车流量值分别为340、168、270、0、227、0。在图4c所示的第三历史统计时段内的车流路径分布信息中,可以得到在第三历史统计时段内经过路径A、路径B、路径C、路径D、路径E和路径F的车流量值分别为0、168、270、0、227、100。
在本发明的一个实施例中,获取预设区域在多个历史统计时段内的车流路径分布信息的步骤可以包括:
获取预设区域在多个历史统计时段内的历史车流轨迹;分别根据每个历史时段内的历史车流轨迹,获得每个历史统计时段内的车流路径分布信息。
对于每个历史时段,根据获取的历史车流轨迹,可以统计得到经过每条路径的车流量值。
在一个例子中,可以是通过轨迹监测设备来获取历史车流轨迹。其中,轨迹监测设备至少包括以下任意一项或多项:摄像头、线圈、地磁、雷达、定位模块。其中,定位模块可以是用户使用的终端设备、车辆中所设置的定位模块。
在另一个例子中,还可以是通过地图厂商处获取历史车流轨迹。
在本发明的一个实施例中,在获得每个历史统计时段内的车流路径分布信息之后,可以存储该车流路径分布信息,以供后续执行本发明的方法时可以直接调用。
在本发明的一个实施例中,车流路径分布信息中所包含的路径的获取方式可以包括以下任意一项:
穷举预设区域中的所有路段,并将其中任意一个或多个具有连接关系的路段进行连接,得到路径;
选取预设区域中的多个出行地点,并将任意两个出行地点分别作为出发地点和到达地点,确定每组出发地点和到达地点之间的距离最短的N条路径,其中,N为根据应用场景或具体需求所设定的正整数;
根据历史车流轨迹,选取预设区域中车流量符合预设条件的路径,其中预设条件可以是根据应用场景或具体需求设定的数值范围。
步骤S2000,构建多个包含设定数量个车流路径分布信息的分布信息序列。
设定数量可以是预先根据应用场景或者是具体需求设定、大于等于2且小于等于车流路径分布信息的数量的整数值。例如,设定数量可以是100,那么,每个分布信息序列中可以均包括100个车流路径分布信息。
例如,构建得到的分布信息序列可以是如图4d中的A1~An所示。在一个例子中,每个分布信息序列可以是由设定数量个车流路径分布信息按照时间顺序构成的序列,也可以是由设定数量个车流路径分布信息按照选取顺序构成的序列。
在一个实施例中,构建多个包含设定数量个车流路径分布信息的分布信息序列的步骤可以包括如下所示的步骤S2100~S2400:
步骤S2100,确定每条路径所包含的路段数。
本实施例中的路段是对应路径中相邻两个路口之间的交通线路,路段数是对应路径中所包含的路段的数量。
例如,在如图4a~图4c所示的预设区域中,路径A、路径B和路径F所包含的路段数均为5,路径C、路径D和路径E所包含的路段数均为3。
步骤S2200,根据每个车流路径分布信息,确定对应历史统计时段内经过每条路径的车流量值。
步骤S2300,根据每条路径所包含的路段数、及每个历史统计时段内经过对应路径的车流量值,确定每两个车流路径分布信息之间的分布距离。
每两个车流路径分布信息之间的分布距离可以用于表征对应两个车流路径分布信息之间的差异程度。
在一个例子中,根据每条路径所包含的路段数、及每个历史统计时段内经过对应路径的车流量值,确定每两个车流路径分布信息之间的分布距离可以包括如下步骤S2310~S2330:
步骤S2310,根据每条路径所包含的路段数、及每个历史统计时段内经过对应路径的车流量值,确定每个车流路径分布信息对应的路段流量和。
其中,路段流量和为在对应统计时段内经过每个路段的车流量值的总和。
在图4a所示的第一历史统计时段内的车流路径分布信息中,根据每条路径所包含的路段数、及第一历史统计时段内经过对应路径的车流量值,可以得到第一历史统计时段内的车流路径分布信息对应的路段流量和为f1,其中,f1=300*5+168*5+270*3+156*3+0*5+0*5=3618。
在图4b所示的第二历史统计时段内的车流路径分布信息中,根据每条路径所包含的路段数、及第二历史统计时段内经过对应路径的车流量值,可以得到第二历史统计时段内的车流路径分布信息对应的路段流量和为f2,其中,f2=340*5+168*5+270*3+0*3+227*5+0*5=4031。
在图4c所示的第三历史统计时段内的车流路径分布信息中,根据每条路径所包含的路段数、及第三历史统计时段内经过对应路径的车流量值,可以得到第三历史统计时段内的车流路径分布信息对应的路段流量和为f3,其中,f3=0*5+168*5+270*3+0*3+227*5+100*5=3285。
步骤S2320,根据每条路径所包含的路段数、及每个历史统计时段内经过对应路径的车流量值,确定每两个车流路径分布信息对应的路段流量差。
其中,路段流量差为对应两个统计时段内经过每个路段的车流量值的差值的总和。
具体的,可以是分别确定对应两个统计时段内经过每条路径中的所有路段的车流量值的差值的总和,再根据每条路径对应的车流量值的差值的总和求和,得到对应两个统计时段内经过每个路段的车流量值的差值的总和。其中,对应两个统计时段内经过其中一条路径中的所有路段的车流量值的差值的总和,可以是先确定对应两个统计时段内经过该路径的车流量值的差值,再通过该路径所包含的路段数乘以该差值得到。
对于图4a所示的第一历史统计时段内的车流路径分布信息、及图4b所示的第二历史统计时段内的车流路径分布信息而言,根据每条路径所包含的路段数、第一历史统计时段内经过对应路径的车流量值、及第二历史统计时段内经过对应路径的车流量值,可以确定第一历史统计时段内的车流路径分布信息与第二历史统计时段内的车流路径分布信息对应的路段流量差。
具体的,可以是确定第一历史统计时段内和第二历史统计时段内经过路径A中每个路段的历史车流量的差值的和为(340-300)*5,第一历史统计时段内和第二历史统计时段内经过路径B中每个路段的历史车流量的差值的和为(168-168)*5,第一历史统计时段内和第二历史统计时段内经过路径C中每个路段的历史车流量的差值的和为(270-270)*3,第一历史统计时段内和第二历史统计时段内经过路径D中每个路段的历史车流量的差值的和为(156-0)*3,第一历史统计时段内和第二历史统计时段内经过路径E中每个路段的历史车流量的差值的和为(227-0)*3,第一历史统计时段内和第二历史统计时段内经过路径F中每个路段的历史车流量的差值的和为(0-0)*5。那么,第一历史统计时段内的车流路径分布信息与第二历史统计时段内的车流路径分布信息对应的路段流量差可以为Δf12,Δf12=(340-300)*5+(168-168)*5+(270-270)*3+(156-0)*3+(227-0)*3+(0-0)*5=1349。
对于图4a所示的第一历史统计时段内的车流路径分布信息、及图4c所示的第三历史统计时段内的车流路径分布信息而言,根据每条路径所包含的路段数、第一历史统计时段内经过对应路径的车流量值、及第三历史统计时段内经过对应路径的车流量值,可以确定第一历史统计时段内的车流路径分布信息与第三历史统计时段内的车流路径分布信息对应的路段流量差。
具体的,可以是确定第一历史统计时段内和第三历史统计时段内经过路径A中每个路段的历史车流量的差值的和为(340-0)*5,第一历史统计时段内和第三历史统计时段内经过路径B中每个路段的历史车流量的差值的和为(168-168)*5,第一历史统计时段内和第三历史统计时段内经过路径C中每个路段的历史车流量的差值的和为(270-270)*3,第一历史统计时段内和第三历史统计时段内经过路径D中每个路段的历史车流量的差值的和为(156-0)*3,第一历史统计时段内和第三历史统计时段内经过路径E中每个路段的历史车流量的差值的和为(227-0)*3,第一历史统计时段内和第三历史统计时段内经过路径F中每个路段的历史车流量的差值的和为(100-0)*5。那么,第一历史统计时段内的车流路径分布信息与第三历史统计时段内的车流路径分布信息对应的路段流量差可以为Δf13,Δf13=(340-0)*5+(168-168)*5+(270-270)*3+(156-0)*3+(227-0)*3+(100-0)*5=3349。
对于图4b所示的第二历史统计时段内的车流路径分布信息、及图4c所示的第三历史统计时段内的车流路径分布信息而言,根据每条路径所包含的路段数、第二历史统计时段内经过对应路径的车流量值、及第三历史统计时段内经过对应路径的车流量值,可以确定第二历史统计时段内的车流路径分布信息与第三历史统计时段内的车流路径分布信息对应的路段流量差。
具体的,可以是确定第二历史统计时段内和第三历史统计时段内经过路径A中每个路段的历史车流量的差值的和为(340-0)*5,第二历史统计时段内和第三历史统计时段内经过路径B中每个路段的历史车流量的差值的和为(168-168)*5,第二历史统计时段内和第三历史统计时段内经过路径C中每个路段的历史车流量的差值的和为(270-270)*3,第二历史统计时段内和第三历史统计时段内经过路径D中每个路段的历史车流量的差值的和为(0-0)*3,第二历史统计时段内和第三历史统计时段内经过路径E中每个路段的历史车流量的差值的和为(227-227)*3,第二历史统计时段内和第三历史统计时段内经过路径F中每个路段的历史车流量的差值的和为(100-0)*5。那么,第二历史统计时段内的车流路径分布信息与第三历史统计时段内的车流路径分布信息对应的路段流量差可以为Δf23,Δf23=(340-0)*5+(168-168)*5+(270-270)*3+(0-0)*3+(227-227)*3+(100-0)*5=2200。
步骤S2330,根据每个车流路径分布信息对应的路段流量和、及每两个车流路径分布信息对应的路段流量差,确定每两个车流路径分布信息之间的分布距离。
其中,分布距离可以是用于表征对应两个车流路径分布信息之间的差异程度。
在一个例子中,确定每两个车流路径分布信息之间的分布距离的方式可以为:确定对应两个车流路径分布信息对应的路段流量和的几何平均值,再计算对应两个车流路径分布信息对应的路段流量差与该几何平均值之间的比值,作为对应两个车流路径分布信息之间的分布距离。
对于图4a所示的第一历史统计时段内的车流路径分布信息、及图4b所示的第二历史统计时段内的车流路径分布信息而言,可以先确定第一历史统计时段内的车流路径分布信息和第二历史统计时段内的车流路径分布信息对应的路段流量和的几何平均值为再计算第一历史统计时段内的车流路径分布信息和第二历史统计时段内的车流路径分布信息对应的路段流量差Δf12与该几何平均值之间的比值,得到第一历史统计时段内的车流路径分布信息和第二历史统计时段内的车流路径分布信息之间的分布距离d12,
对于图4a所示的第一历史统计时段内的车流路径分布信息、及图4c所示的第三历史统计时段内的车流路径分布信息而言,可以先确定第一历史统计时段内的车流路径分布信息和第三历史统计时段内的车流路径分布信息对应的路段流量和的几何平均值为再计算第一历史统计时段内的车流路径分布信息和第三历史统计时段内的车流路径分布信息对应的路段流量差Δf13与该几何平均值之间的比值,得到第一历史统计时段内的车流路径分布信息和第三历史统计时段内的车流路径分布信息之间的分布距离d13,
对于图4b所示的第二历史统计时段内的车流路径分布信息、及图4c所示的第三历史统计时段内的车流路径分布信息而言,可以先确定第二历史统计时段内的车流路径分布信息和第三历史统计时段内的车流路径分布信息对应的路段流量和的几何平均值为再计算第二历史统计时段内的车流路径分布信息和第三历史统计时段内的车流路径分布信息对应的路段流量差Δf23与该几何平均值之间的比值,得到第二历史统计时段内的车流路径分布信息和第三历史统计时段内的车流路径分布信息之间的分布距离d23,
步骤S2400,根据每两个车流路径分布信息之间的分布距离选取设定数量个车流路径分布信息,构建分布信息序列。
本实施例中的分布信息序列中至少包含两个车流路径分布信息,且分布信息序列中的每个车流路径分布信息具有各自的排序值。其中,该排序值可以是根据对应车流路径分布信息所对应的历史统计时段的先后顺序确定,也可以是根据分布信息序列中对应车流路径分布信息的选取顺序确定,本实施例中不对此进行限定。
在一个实施例中,根据每两个车流路径分布信息之间的分布距离选取设定数量个车流路径分布信息,构建分布信息序列的步骤可以包括如下所示的步骤S2410~S2420:
步骤S2410,根据每两个车流路径分布信息之间的分布距离,确定每两个车流路径分布信息位于同一分布信息序列的概率。
如果两个车流路径分布信息之间的分布距离越大,那么,这两个车流路径分布信息位于同一分布信息序列的概率就越小。
在本实施例中,可以是将每个车流路径分布信息轮流作为目标车流路径分布信息,并确定目标车流路径分布信息与每个其他车流路径分布信息(除目标车流路径分布信息以外的车流路径分布信息)位于同一分布信息序列的概率。
具体的,可以是确定目标车流路径分布信息与每个其他车流路径分布信息之间的分布距离的总和,那么,每个其他车流路径分布信息与目标车流路径分布信息位于同一分布信息序列的概率的步骤可以为:
确定设定整数2与每个其他车流路径分布信息的数量的第一比值;确定对应其他车流路径分布信息与目标车流路径分布信息之间的分布距离与上述总和的比值的第二比值;确定第一比值和第二比值的差,作为对应其他车流路径分布信息与目标车流路径分布信息位于同一分布信息序列的概率。
步骤S2420,根据该概率选取设定数量个车流路径分布信息,构建分布信息序列。
例如,可以是先随机选取一个车流路径分布信息,作为分布信息序列中的第一个车流路径分布信息;再根据第n个车流路径分布信息与其他车流路径分布信息位于同一分布信息序列的概率随机选取第n+1个车流路径分布信息,其中,n为正整数,且n大于等于1、n+1小于等于对应的设定数量。
在选取好分布信息序列中的设定数量个车流路径分布信息之后,可以根据每个车流路径分布信息的选取顺序进行排序;也可以是根据每个车流路径分布信息对应的历史统计时段的先后顺序进行排序。
进一步地,可以是根据每两个车流路径分布信息位于同一分布信息序列的概率,构建多个分布信息序列。
在另一个实施例中,还可以是将每个车流路径分布信息作为一个节点构建信息关系图,将每两个车流路径分布信息之间的分布距离作为对应两个节点的边的权重;采用边随机游走采样的方式,获取设定数量个连接的节点,根据采样得到的节点所对应的车流路径分布信息,构建分布信息序列。
其中,可以是将两个节点之间边的权重,确定对应边的选择概率,权重越大,对应边的选择概率越小。根据权重确定选择概率的方式可以参考前述步骤S2410,在此不再赘述。
具体的,可以是随机选取一个节点作为初始节点,并根据该初始节点连接每个边的选择概率,通过边随机游走的方式选取下一个节点,作为目标节点;再根据该目标节点连接的每个边的选择概率,通过边随机游走的方式选取目标节点的下一个节点,直至选取设定数量个连接的节点为止。根据采样得到的节点所对应的车流路径分布信息,构建分布信息序列。
步骤S3000,对多个分布信息序列进行聚类,得到至少一个分布信息序列类。
如图4d所示,对分布信息序列A1~An进行聚类,可以得到分布信息序列类C1~Cm,其中,m<n。例如,分布信息序列A1、A2、A5可以属于同一分布信息序列类C1,分布信息序列A8、A12、A15、An可以属于同一分布信息序列类Cm。
在一个实施例中,对多个分布信息序列进行聚类,得到至少一个分布信息序列类的步骤可以包括如下所示的步骤S3100~S3300:
步骤S3100,确定每个车流路径分布信息在欧氏空间的向量值。
在一个例子中,确定每个车流路径分布信息在欧氏空间的向量值的步骤可以包括:将每个车流路径分布信息作为一个节点,并将每两个车流路径分布信息之间的距离作为对应两个节点之间连接的权重,构建信息关系图;根据该信息关系图,确定每个车流路径分布信息在欧氏空间的向量值。
在一个例子中,可以是将每个车流路径分布信息作为一个节点,将每两个节点连接,得到该信息关系图。
在另一个例子中,可以是将每个车流路径分布信息作为一个节点,分别将每个节点、及与自身之间的距离最近的另一设定数量K1个节点连接,得到该信息关系图。
在本例中,另一设定数量K1可以是预先根据应用场景或具体需求来设定,例如,另一设定数量K1可以设定为5,那么,可以是将每个节点、及与自身之间的距离最近的5个节点连接,得到该信息关系图。
根据该信息关系图,采用图嵌入的方法,可以获得每个车流路径分布信息在欧氏空间的向量值。
步骤S3200,根据每个车流路径分布信息在欧氏空间的向量值,确定每两个分布信息序列之间的序列距离。
其中,序列距离用于表征对应两个分布信息序列之间的差异程度。
在一个实施例中,根据每个车流路径分布信息在欧氏空间的向量值,确定每两个分布信息序列之间的序列距离的步骤包括如下所示的步骤S3210~S3220:
步骤S3210,分别确定每两个分布信息序列中排序值相同的车流路径分布信息在欧式空间中的向量值的内积。
例如,第一个分布信息序列中车流路径分布信息在欧式空间中的向量值分别为第二个分布信息序列中车流路径分布信息在欧式空间中的向量值分别为其中,每个向量值的下角标表示对应的车流路径分布信息在相应的分布信息序列中的排序值。那么,第一个分布信息序列和第二个分布信息序列中排序值为n的车流路径分布信息在欧式空间的内积可以为其中,n∈[1,N]。
步骤S3220,分别确定每两个分布信息序列对应的内积的平均值,作为对应两个分布信息序列之间的序列距离。
在本实施例中的平均值可以是几何平均值,也可以是算数平均值。
步骤S3300,根据每两个分布信息序列之间的序列距离,对多个分布信息序列进行聚类,得到至少一个分布信息序列类。
本实施例中采用的聚类方式可以是系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、和图论聚类法中的任意一种或多种,在此不对具体聚类方式做限定。
通过对多个分布信息序列进行聚类,可以使得属于同一分布信息序列类中的分布信息序列之间的距离较小,而属于不同分布信息序列类中的分布信息序列之间的距离较远。
在一个例子中,根据每两个分布信息序列之间的序列距离,对多个分布信息序列进行聚类,得到至少一个分布信息序列类的步骤可以包括如下所示的步骤S3310~S3330:
步骤S3310,将每个分布信息序列作为一个节点,根据每两个节点之间的距离构建序列关系图。
在一个例子中,可以是将每个分布信息序列作为一个节点,将每两个节点连接,得到该序列关系图。
在另一个例子中,可以是将每个分布信息序列作为一个节点,分别将每个节点、及与自身之间的距离最近的另一设定数量K2个节点连接,得到该序列关系图。
在本例中,另一设定数量K2可以是预先根据应用场景或具体需求来设定,例如,另一设定数量K2可以设定为5,那么,可以是将每个节点、及与自身之间的距离最近的5个节点连接,得到该序列关系图。
步骤S3320,根据每两个节点之间的距离,将该序列关系图拆分为至少一个序列子图。
在一个例子中,可以是截断距离超过预设的距离阈值的两个节点之间的连接,以将该序列关系图拆分为至少一个序列子图。
在另一个例子中,应用图分割方法,将该序列关系图拆分为至少一个序列子图,使得位于同一序列子图内每两个节点之间的距离的总和最小、且位于不同序列子图内的每两个节点之间的距离的总和最大。
本例中采用的图分割方法可以是最小分割法、或者是Normal ized Cut等,在此不做限定。
步骤S3330,获得与每个序列子图一一对应的分布信息序列类,并将每个序列子图中包含的节点所对应的分布信息序列划分至对应序列信息分布类中。
例如,在节点1和节点2位于序列子图1中,节点3和节点4位于序列子图2中的情况下,可以是获得与序列子图1一一对应的分布信息序列类1、及与序列子图2一一对应的分布信息序列类2,并将节点1和节点2所对应的分布信息序列划分至分布信息序列类1中,将节点3和节点4所对应的分布信息序列划分至分布信息序列类2中。
在一个实施例中,该处理方法还可以包括:获取包含至少两个设定数量的数量集合,遍历该数量集合中的设定数量,执行构建包含多个对应设定数量个车流路径分布信息的分布信息序列;并对多个分布信息序列进行聚类,得到至少一个分布信息序列类的步骤。
具体的,该数量集合中包含的设定数量可以均不相同。对于数量集合中的每个设定数量,分别执行步骤S2000~S3000。步骤S4000,根据分布信息序列类对预设区域进行交通控制。
具体的,对预设区域进行交通控制的具体方式可以包括:对预设区域内至少一个路口的信号灯的信号周期时长、至少一个路口的信号灯在至少一个相位的绿信比、及多个路口的信号灯在至少一个相位的相位差中的至少一项进行相应的控制。
本实施例中的相位取业内公知的含义。例如,其可以包括,在一个信号周期内,具有相同的信号灯色显示的一股或几股交通流的信号状态序列称为一个相位。相位是按车流获得信号显示的时序来划分的,有多少种不同的时序排列,就有多少个相位。每一个控制状态,对应一组不同的灯色组合,称为一个相位。简而言之,一个相位也被称作一个控制状态。再例如,对于一组互不冲突的交通流同时获得通行权所对应的信号显示状态,可以将其称为相位。由此可见,相位是根据路口通行权在一个信号周期内的更迭来划分的。
信号周期时长,包括信号灯发生变化,信号运行一个循环所需的时间,等于绿、黄、红灯时间之和;也等于全部相位所需的绿灯时间和黄灯时间(一般是固定的)的总和。
绿信比是指信号灯一个周期内可用于车辆通行的比例时间。即某相位绿灯时间和周期时长的比值。其中,绿灯时间可以是实际绿灯时间,也可以是有效绿灯时间。
实际绿灯时间可以为绿灯开启至绿灯关闭所用的时间。有效绿灯时间:包括被有效利用的实际车辆通行时间,等于绿灯时间与黄灯时间之和减去损失时间。损失时间包括两部分,一是绿灯信号开启时,车辆启动时的时间;还有绿灯关闭、黄灯开启时,只有越过停止线的车辆才能继续通行,所以也有一部分损失时间,即为实际绿灯时间减去启动时间加速结束滞后时间。结束滞后时间是黄灯时间中有效利用的部分。每一相位的损失时间为启动延迟时间和结束滞后时间之差。
相位差:针对两个信号交叉路口而言,是指两个相邻交叉路口它们同一相位绿灯(或红灯)开始时间之差。
上述定义仅用于示例性描述本发明的具体实施方式,并不对发明保护范围进行限制性解释。
在本发明的一个实施例中,可以是对属于相同分布信息序列类的多个分布信息序列所对应的统计时段,执行相同的控制策略。
例如,8:00-9:00中的所有车流路径分布信息构成第一分布信息序列,17:00-18:00中的所有车流路径分布信息构成第二分布信息序列,如果第一分布信息序列和第二分布信息序列属于同一分布信息序列类,则可以在8:00-9:00和17:00-18:00中针对预设区域执行相同的交通控制策略。
在本发明的一个实施例中,对预设区域进行交通控制的具体方式还可以包括:对预设区域进行资源保障分配。
例如,该预设区域可以是景区或者是园区,那么,对预设区域进行资源保障分配可以是对预设区域的保安人力进行控制。
在本发明的实施例中,通过根据多个历史统计时段的车流路径分布信息,构建多个分布信息序列,并对多个分布信息序列进行聚类,得到至少一个分布信息序列类,根据分布信息序列类对预设区域进行交通控制。由于得到的分布信息序列类可以表达出预设区域的交通变化情况,因此,可以便于交通管理者根据分布信息序列类制定交通管理方案,可以提高制定交通管理方案的效率。而且,本实施例中通过根据车流路径分布信息构建得到的分布信息序列进行聚类,可以提高聚类的准确性,进而可以提高根据分布信息序列类针对预设区域制定的交通管理方案的准确性。
在本发明的一个实施例中,在得到对多个分布信息序列进行聚类之后,该方法还可以包括:存储多个分布信息序列的聚类结果,以供后续可以直接根据该聚类结果对预设区域进行交通控制。
<例子>
图5为一个例子的车流路径分布信息的处理方法。该处理方法可以包括如下步骤S5001~S5011:
步骤S5001,获取预设区域在多个历史统计时段内的车流路径分布信息。
步骤S5002,确定每条路径所包含的路段数。
步骤S5003,根据每个车流路径分布信息,确定对应历史统计时段内经过每条路径的车流量值。
步骤S5004,根据每条路径所包含的路段数、及每个历史统计时段内经过对应路径的车流量值,确定每个车流路径分布信息对应的路段流量和。
步骤S5005,根据每条路径所包含的路段数、及每个历史统计时段内经过对应路径的车流量值,确定每两个车流路径分布信息对应的路段流量差。
步骤S5006,根据每个车流路径分布信息对应的路段流量和、及每两个车流路径分布信息对应的路段流量差,确定每两个车流路径分布信息之间的分布距离。
步骤S5007,根据每两个车流路径分布信息之间的分布距离,确定每两个车流路径分布信息位于同一分布信息序列的概率。
步骤S5008,根据该概率选取设定数量个车流路径分布信息,构建分布信息序列。
步骤S5009,将每个车流路径分布信息作为一个节点,并将每两个车流路径分布信息之间的距离作为对应两个节点之间连接的权重,构建信息关系图。
步骤S5010,根据该信息关系图,确定每个车流路径分布信息在欧氏空间的向量值。
步骤S5011,分别确定每两个分布信息序列中排序值相同的车流路径分布信息在欧式空间中的向量值的内积。
步骤S5012,分别确定每两个分布信息序列对应的内积的平均值,作为对应两个分布信息序列之间的序列距离。
步骤S5013,将每个分布信息序列作为一个节点,根据每两个节点之间的距离构建序列关系图。
步骤S5014,根据每两个节点之间的距离,将该序列关系图拆分为至少一个序列子图。
步骤S5015,获得与每个序列子图一一对应的分布信息序列类,并将每个序列子图中包含的节点所对应的分布信息序列划分至对应序列信息分布类中。
步骤S5016,根据分布信息序列类对预设区域进行交通控制。
<装置实施例>
在本实施例中,提供一种车流路径分布信息的处理装置6000,如图6所示,包括信息获取模块5100、序列构建模块5200、序列聚类模块5300和交通控制模块5400。该信息获取模块5100用于获取预设区域在多个历史统计时段内的车流路径分布信息;其中,车流路径分布信息包括预设区域中路径、及在对应统计时段内经过每条路径的车流量值;该序列构建模块5200用于构建多个包含设定数量个车流路径分布信息的分布信息序列;该序列聚类模块5300用于对多个分布信息序列进行聚类,得到至少一个分布信息序列类;该交通控制模块5400用于根据分布信息序列类对预设区域进行交通控制。
在一个实施例中,该信息获取模块5100还可以用于:
获取预设区域在多个历史统计时段内的历史车流轨迹;
分别根据每个历史时段内的历史车流轨迹,获得每个历史统计时段内的车流路径分布信息。
在一个实施例中,该序列构建模块5200还可以用于:
确定每条路径所包含的路段数;
根据每个车流路径分布信息,确定对应历史统计时段经过每条路径的车流量值;
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的分布距离;其中,分布距离用于表征对应两个车流路径分布信息之间的差异程度;
根据每两个车流路径分布信息之间的分布距离选取设定数量个车流路径分布信息,构建分布信息序列。
在一个实施例中,根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的分布距离的包括:
根据每条路径所包含的路段数、及每个历史统计时段经过对应路径的车流量值,确定每个车流路径分布信息对应的路段流量和;其中,路段流量和为在对应统计时段内经过预设区域中每条路段的车流量值的和;
根据每条路径所包含的路段数、及每个历史统计时段经过对应路径的车流量值,确定每两个车流路径分布信息对应的路段流量差;其中,路段流量差为对应两个统计时段内经过预设区域中每条路径的车流量值的差异和总和;
根据每个车流路径分布信息对应的路段流量和、及每两个车流路径分布信息对应的路段流量差,确定每两个车流路径分布信息之间的分布距离。
在一个实施例中,根据每两个车流路径分布信息之间的分布距离选取设定数量个车流路径分布信息,构建分布信息序列包括:
根据每两个车流路径分布信息之间的分布距离,确定每两个车流路径分布信息位于同一分布信息序列的概率;
根据概率选取设定数量个车流路径分布信息,构建分布信息序列。
在一个实施例中,该处理装置6000还可以包括:
用于获取包含至少两个设定数量的数量集合,遍历所述数量集合中的设定数量,构建多个包含对应设定数量个车流路径分布信息的分布信息序列;对多个分布信息序列进行聚类,得到至少一个分布信息序列类的模块。
在一个实施例中,序列聚类模块6300还可以用于:
确定每个车流路径分布信息在欧氏空间中的向量值;
根据每个分布信息序列中包含的车流路径分布信息在欧氏空间中的向量值,确定每两个分布信息序列之间的序列距离,其中,序列距离用于表征对应两个分布信息序列之间的差异程度;
根据每两个分布信息序列之间的序列距离,对多个分布信息序列进行聚类,得到至少一个分布信息序列类。
在一个实施例中,确定每个车流路径分布信息在欧氏空间中的向量值包括:
将每个车流路径分布信息作为一个节点,并将每两个车流路径分布信息之间的距离作为对应两个节点之间连接的权重,构建信息关系图;
根据信息关系图,确定每个车流路径分布信息在欧氏空间中的向量值。
在一个实施例中,根据每个分布信息序列中包含的车流路径分布信息在欧氏空间中的向量值,确定每两个分布信息序列之间的序列距离包括:
分别确定每两个分布信息序列中排序值相同的车流路径分布信息在欧氏空间中的向量值之间的内积;
分别确定每两个分布信息序列对应的内积的平均值,作为对应两个分布信息序列之间的序列距离。
在一个实施例中,根据每两个分布信息序列之间的序列距离,对多个分布信息序列进行聚类,得到至少一个分布信息序列类包括:
将每个分布信息序列作为一个节点,根据每两个分布信息序列之间的序列距离构建序列关系图;
将根据每两个节点之间的序列距离,将序列关系图拆分为多个序列子图;
将每个序列子图中包含的节点所对应的分布信息序列划分为同一分布信息序列类。
在一个实施例中,将根据每两个节点之间的序列距离,将序列关系图拆分为多个序列子图包括:
截断序列距离超过预设的距离阈值的两个节点之间的连接,以将序列关系图拆分为多个序列子图。
在一个实施例中,获取所述预设区域在多个历史统计时段内的历史车流轨迹包括:
通过轨迹监测设备获取所述预设区域在多个历史统计时段内的历史车流轨迹,其中,所述轨迹监测设备至少包括以下任意一项或多项:摄像头、线圈、地磁、雷达、定位模块。
在一个实施例中,该车流路径分布信息的处理装置6000还可以包括:
用于存储每个历史统计时段内的车流路径分布信息,以供直接获取的模块。
在一个实施例中,该车流路径分布信息的处理装置6000还可以包括:
用于存储多个分布信息序列的聚类结果的模块。
在一个实施例中,所述预设区域进行交通控制的方式包括以下任意一项或多项:
对所述预设区域内至少一个路口的信号灯的信号周期时长进行控制;
对所述预设区域内至少一个路口的信号灯在至少一个相位的绿信比进行控制;
对所述预设区域内的多个路口的信号灯在至少一个相位的相位差进行控制;
对所述预设区域进行资源保障分配。
本领域技术人员应当明白,可以通过各种方式来实现车流路径分布信息的处理装置6000。例如,可以通过指令配置处理器来实现车流路径分布信息的处理装置6000。例如,可以将指令存储在ROM中,并且当启动设备时,将指令从ROM读取到可编程器件中来实现车流路径分布信息的处理装置6000。例如,可以将车流路径分布信息的处理装置6000固化到专用器件(例如ASIC)中。可以将车流路径分布信息的处理装置6000分成相互独立的单元,或者可以将它们合并在一起实现。车流路径分布信息的处理装置6000可以通过上述各种实现方式中的一种来实现,或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
在本实施例中,车流路径分布信息的处理装置6000可以具有多种实现形式,例如,车流路径分布信息的处理装置6000可以是任何的提供车流路径分布信息的处理服务的软件产品或者应用程序中运行的功能模块,或者是这些软件产品或者应用程序的外设嵌入件、插件、补丁件等,还可以是这些软件产品或者应用程序本身。
<电子设备>
在本实施例中,还提供一种电子设备7000。该电子设备7000可以是图1所示的服务器1100,也可以是如图2所示的终端设备1200。
在一方面,如图7所示,该电子设备7000可以包括前述的车流路径分布信息的处理装置6000,用于实施本发明任意实施例的车流路径分布信息的处理方法。
在另一方面,如图8所示,电子设备7000还可以包括处理器7100和存储器7200,该存储器7200用于存储可执行的指令;该处理器7100用于根据指令的控制运行电子设备7000执行根据本发明任意实施例的车流路径分布信息的处理方法。
<计算机可读存储介质>
在本实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序在被处理器执行时实现如本发明任意实施例的车流路径分布信息的处理方法。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (18)
1.一种车流路径分布信息的处理方法,其中,包括:
获取预设区域在多个历史统计时段内的车流路径分布信息;其中,所述车流路径分布信息包括所述预设区域中路径、及在对应统计时段内经过每条路径的车流量值;
构建多个包含设定数量个车流路径分布信息的分布信息序列;
对多个分布信息序列进行聚类,得到至少一个分布信息序列类;
根据所述分布信息序列类对所述预设区域进行交通控制。
2.根据权利要求1所述的处理方法,其中,所述获取预设区域在多个历史统计时段内的车流路径分布信息的步骤包括:
获取所述预设区域在多个历史统计时段内的历史车流轨迹;
分别根据每个历史时段内的历史车流轨迹,获得每个历史统计时段内的车流路径分布信息。
3.根据权利要求1所述的处理方法,其中,所述根据设定数量,构建多个包含设定数量个车流路径分布信息的分布信息序列的步骤包括:
确定每条路径所包含的路段数;
根据每个车流路径分布信息,确定对应历史统计时段经过每条路径的车流量值;
根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的分布距离;其中,所述分布距离用于表征对应两个车流路径分布信息之间的差异程度;
根据每两个车流路径分布信息之间的分布距离选取设定数量个车流路径分布信息,构建所述分布信息序列。
4.根据权利要求3所述的处理方法,其中,所述根据每条路径所包含的路段数、及每个统计时段经过对应路径的车流量值,确定每两个车流路径分布信息之间的分布距离的步骤包括:
根据每条路径所包含的路段数、及每个历史统计时段经过对应路径的车流量值,确定每个车流路径分布信息对应的路段流量和;其中,所述路段流量和为在对应统计时段内经过所述预设区域中每条路段的车流量值的和;
根据每条路径所包含的路段数、及每个历史统计时段经过对应路径的车流量值,确定每两个车流路径分布信息对应的路段流量差;其中,所述路段流量差为对应两个统计时段内经过所述预设区域中每条路径的车流量值的差异和总和;
根据每个车流路径分布信息对应的路段流量和、及每两个车流路径分布信息对应的路段流量差,确定每两个车流路径分布信息之间的分布距离。
5.根据权利要求3所述的处理方法,其中,所述根据每两个车流路径分布信息之间的分布距离选取设定数量个车流路径分布信息,构建所述分布信息序列的步骤包括:
根据每两个车流路径分布信息之间的分布距离,确定每两个车流路径分布信息位于同一分布信息序列的概率;
根据所述概率选取设定数量个车流路径分布信息,构建所述分布信息序列。
6.根据权利要求1所述的处理方法,其中,所述构建多个包含设定数量个车流路径分布信息的分布信息序列的步骤包括:
获取包含至少两个设定数量的数量集合;
遍历所述数量集合中的设定数量,执行构建多个包含对应设定数量个车流路径分布信息的分布信息序列;并对多个分布信息序列进行聚类,得到至少一个分布信息序列类的步骤。
7.根据权利要求1所述的处理方法,其中,所述对多个分布信息序列进行聚类,得到至少一个分布信息序列类的步骤包括:
将每个车流路径分布信息作为一个节点,并将每两个车流路径分布信息之间的距离作为对应两个节点之间连接的权重,构建信息关系图;
根据所述信息关系图,确定每个车流路径分布信息在欧氏空间中的向量值;
根据每个分布信息序列中包含的车流路径分布信息在欧氏空间中的向量值,确定每两个分布信息序列之间的序列距离,其中,所述序列距离用于表征对应两个分布信息序列之间的差异程度;
根据每两个分布信息序列之间的序列距离,对多个分布信息序列进行聚类,得到至少一个分布信息序列类。
8.根据权利要求7所述的处理方法,其中,所述确定每个车流路径分布信息在欧氏空间中的向量值的步骤包括:
将每个车流路径分布信息作为一个节点,并将每两个车流路径分布信息之间的距离作为对应两个节点之间连接的权重,构建信息关系图;
根据所述信息关系图,确定每个车流路径分布信息在欧氏空间中的向量值。
9.根据权利要求7所述的处理方法,其中,所述根据每个分布信息序列中包含的车流路径分布信息在欧氏空间中的向量值,确定每两个分布信息序列之间的序列距离的步骤包括:
分别确定每两个分布信息序列中排序值相同的车流路径分布信息在欧氏空间中的向量值之间的内积;
分别确定每两个分布信息序列对应的内积的平均值,作为对应两个分布信息序列之间的序列距离。
10.根据权利要求7所述的处理方法,其中,所述根据每两个分布信息序列之间的序列距离,对多个分布信息序列进行聚类,得到至少一个分布信息序列类的步骤包括:
将每个分布信息序列作为一个节点,根据每两个分布信息序列之间的序列距离构建序列关系图;
将根据每两个节点之间的序列距离,将所述序列关系图拆分为多个序列子图;
将每个序列子图中包含的节点所对应的分布信息序列划分为同一分布信息序列类。
11.根据权利要求10所述的处理方法,其中,所述将根据每两个节点之间的序列距离,将所述序列关系图拆分为多个序列子图的步骤包括:
截断序列距离超过预设的距离阈值的两个节点之间的连接,以将所述序列关系图拆分为多个序列子图。
12.根据权利要求2所述的处理方法,其中,所述获取所述预设区域在多个历史统计时段内的历史车流轨迹包括:
通过轨迹监测设备获取所述预设区域在多个历史统计时段内的历史车流轨迹,其中,所述轨迹监测设备至少包括以下任意一项或多项:摄像头、线圈、地磁、雷达、定位模块。
13.根据权利要求2所述的处理方法,还包括:
存储每个历史统计时段内的车流路径分布信息,以供直接获取。
14.根据权利要求1所述的处理方法,还包括:
存储多个分布信息序列的聚类结果。
15.根据权利要求1至14中任一项所述的处理方法,对所述预设区域进行交通控制的方式包括以下任意一项或多项:
对所述预设区域内至少一个路口的信号灯的信号周期时长进行控制;
对所述预设区域内至少一个路口的信号灯在至少一个相位的绿信比进行控制;
对所述预设区域内的多个路口的信号灯在至少一个相位的相位差进行控制;
对所述预设区域进行资源保障分配。
16.一种车流路径分布信息的处理装置,其中,包括:
信息获取模块,用于获取预设区域在多个历史统计时段内的车流路径分布信息;其中,所述车流路径分布信息包括所述预设区域中路径、及在对应统计时段内经过每条路径的车流量值;
序列构建模块,用于构建多个包含设定数量个车流路径分布信息的分布信息序列;
序列聚类模块,用于对多个分布信息序列进行聚类,得到至少一个分布信息序列类;
交通控制模块,用于根据所述分布信息序列类对所述预设区域进行交通控制。
17.一种电子设备,其中,包括根据权利要求16所述的处理装置;或者,包括处理器和存储器,所述存储器用于存储可执行的指令,所述指令用于控制所述处理器执行根据权利要求1至15中任一项所述的处理方法。
18.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现如权利要求1至15中任一项所述的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910969176.0A CN112652161B (zh) | 2019-10-12 | 2019-10-12 | 一种车流路径分布信息的处理方法、装置、及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910969176.0A CN112652161B (zh) | 2019-10-12 | 2019-10-12 | 一种车流路径分布信息的处理方法、装置、及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112652161A true CN112652161A (zh) | 2021-04-13 |
CN112652161B CN112652161B (zh) | 2023-01-06 |
Family
ID=75342975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910969176.0A Active CN112652161B (zh) | 2019-10-12 | 2019-10-12 | 一种车流路径分布信息的处理方法、装置、及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112652161B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103309964A (zh) * | 2013-06-03 | 2013-09-18 | 广州市香港科大霍英东研究院 | 一种针对大规模交通数据的高效可视监测分析系统 |
CN104952248A (zh) * | 2015-06-08 | 2015-09-30 | 浙江大学 | 一种基于欧氏空间的车辆汇聚预测方法 |
CN105869417A (zh) * | 2016-06-16 | 2016-08-17 | 兰州理工大学 | 一种基于组合控制的交通信号控制方法及系统 |
CN106408939A (zh) * | 2016-10-29 | 2017-02-15 | 浙江大学 | 基于密度峰值聚类的交通流量序列划分方法 |
CN106485924A (zh) * | 2016-12-22 | 2017-03-08 | 东软集团股份有限公司 | 动态交通路网图的获取方法及装置 |
CN106683450A (zh) * | 2017-01-25 | 2017-05-17 | 东南大学 | 一种城市信号控制交叉口群关键路径识别方法 |
CN106920402A (zh) * | 2016-11-21 | 2017-07-04 | 中兴软创科技股份有限公司 | 一种基于交通流量的时间序列划分方法与系统 |
TWI596579B (zh) * | 2016-05-18 | 2017-08-21 | Chunghwa Telecom Co Ltd | Urban traffic simulation analysis system and method |
CN107610464A (zh) * | 2017-08-11 | 2018-01-19 | 河海大学 | 一种基于高斯混合时间序列模型的轨迹预测方法 |
WO2018070050A1 (ja) * | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 道路データ分析プログラム、道路データ分析方法及び道路データ分析装置 |
US20180124319A1 (en) * | 2016-10-28 | 2018-05-03 | Samsung Sds Co., Ltd. | Method and apparatus for real-time traffic information provision |
CN108898829A (zh) * | 2018-06-07 | 2018-11-27 | 重庆邮电大学 | 针对无差异性划分和数据稀疏的动态短时交通流预测系统 |
CN108932843A (zh) * | 2018-08-06 | 2018-12-04 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN109584558A (zh) * | 2018-12-17 | 2019-04-05 | 长安大学 | 一种面向城市交通信号配时的交通流统计方法 |
CN109871876A (zh) * | 2019-01-22 | 2019-06-11 | 东南大学 | 一种基于浮动车数据的高速公路路况识别与预测方法 |
CN109919347A (zh) * | 2017-12-13 | 2019-06-21 | 腾讯科技(深圳)有限公司 | 路况生成方法、相关装置和设备 |
CN110232398A (zh) * | 2019-04-24 | 2019-09-13 | 广东交通职业技术学院 | 一种基于Canopy+Kmeans聚类的路网子区划分及其评估方法 |
-
2019
- 2019-10-12 CN CN201910969176.0A patent/CN112652161B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103309964A (zh) * | 2013-06-03 | 2013-09-18 | 广州市香港科大霍英东研究院 | 一种针对大规模交通数据的高效可视监测分析系统 |
CN104952248A (zh) * | 2015-06-08 | 2015-09-30 | 浙江大学 | 一种基于欧氏空间的车辆汇聚预测方法 |
TWI596579B (zh) * | 2016-05-18 | 2017-08-21 | Chunghwa Telecom Co Ltd | Urban traffic simulation analysis system and method |
CN105869417A (zh) * | 2016-06-16 | 2016-08-17 | 兰州理工大学 | 一种基于组合控制的交通信号控制方法及系统 |
WO2018070050A1 (ja) * | 2016-10-14 | 2018-04-19 | 富士通株式会社 | 道路データ分析プログラム、道路データ分析方法及び道路データ分析装置 |
US20180124319A1 (en) * | 2016-10-28 | 2018-05-03 | Samsung Sds Co., Ltd. | Method and apparatus for real-time traffic information provision |
CN106408939A (zh) * | 2016-10-29 | 2017-02-15 | 浙江大学 | 基于密度峰值聚类的交通流量序列划分方法 |
CN106920402A (zh) * | 2016-11-21 | 2017-07-04 | 中兴软创科技股份有限公司 | 一种基于交通流量的时间序列划分方法与系统 |
CN106485924A (zh) * | 2016-12-22 | 2017-03-08 | 东软集团股份有限公司 | 动态交通路网图的获取方法及装置 |
CN106683450A (zh) * | 2017-01-25 | 2017-05-17 | 东南大学 | 一种城市信号控制交叉口群关键路径识别方法 |
CN107610464A (zh) * | 2017-08-11 | 2018-01-19 | 河海大学 | 一种基于高斯混合时间序列模型的轨迹预测方法 |
CN109919347A (zh) * | 2017-12-13 | 2019-06-21 | 腾讯科技(深圳)有限公司 | 路况生成方法、相关装置和设备 |
CN108898829A (zh) * | 2018-06-07 | 2018-11-27 | 重庆邮电大学 | 针对无差异性划分和数据稀疏的动态短时交通流预测系统 |
CN108932843A (zh) * | 2018-08-06 | 2018-12-04 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN109584558A (zh) * | 2018-12-17 | 2019-04-05 | 长安大学 | 一种面向城市交通信号配时的交通流统计方法 |
CN109871876A (zh) * | 2019-01-22 | 2019-06-11 | 东南大学 | 一种基于浮动车数据的高速公路路况识别与预测方法 |
CN110232398A (zh) * | 2019-04-24 | 2019-09-13 | 广东交通职业技术学院 | 一种基于Canopy+Kmeans聚类的路网子区划分及其评估方法 |
Non-Patent Citations (2)
Title |
---|
徐海洋: "出租车城市交通时空特征分析 ——以成都市为例", 《工程科技Ⅱ辑》 * |
王祥雪: "城市快速路交通拥堵机理及状态判别理论与方法研究", 《工程科技Ⅱ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112652161B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111915877B (zh) | 一种车流路径分布信息的处理方法、装置及电子设备 | |
CN111721317B (zh) | 生成导航信息的方法、装置 | |
US10360800B2 (en) | Warning driver of intent of others | |
CN112683287A (zh) | 路径生成方法及装置、电子设备和存储介质 | |
CN110929179B (zh) | 一种出行数据的处理方法、装置及电子设备 | |
US20170132647A1 (en) | Event attendee origin prediction and impact analysis | |
US11348453B2 (en) | Method and apparatus for dynamic speed aggregation of probe data for high-occupancy vehicle lanes | |
JP6613475B2 (ja) | 経路照会方法、装置、デバイス及び不揮発性コンピューター記憶媒体 | |
CN111210625A (zh) | 一种交通控制方法、装置及电子设备 | |
CN111126773B (zh) | 异常车辆识别方法、装置及电子设备 | |
Rath et al. | Mobile agent-based improved traffic control system in VANET | |
US9816834B2 (en) | Generating a query index and querying on the basis of the query index | |
CN111223310B (zh) | 一种信息处理方法、装置及电子设备 | |
CN111613046A (zh) | 信息处理方法、装置和系统 | |
CN113008250A (zh) | 无人车导航方法和装置 | |
CN111292546A (zh) | 一种信息处理方法、装置、及电子设备 | |
CN111063189B (zh) | 一种车流量的处理方法、装置、及电子设备 | |
CN112652161B (zh) | 一种车流路径分布信息的处理方法、装置、及电子设备 | |
CN113705827A (zh) | 一种模型评估方法、装置及电子设备 | |
CN111815942B (zh) | 一种轨迹的处理方法、装置、及电子设备 | |
CN111915875B (zh) | 一种车流路径分布信息的处理方法、装置及电子设备 | |
CN111754770B (zh) | 一种交通控制方法、装置及电子设备 | |
CN113129614B (zh) | 一种交通控制方法、装置及电子设备 | |
US20140081952A1 (en) | Method and apparatus using item sequence of sequence table as identifier | |
CN108334639A (zh) | 基于ar视觉呈现的可视化方法、装置及ar设备 |
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 |