CN112652164B - 一种交通时段划分方法、装置及设备 - Google Patents
一种交通时段划分方法、装置及设备 Download PDFInfo
- Publication number
- CN112652164B CN112652164B CN202011391225.6A CN202011391225A CN112652164B CN 112652164 B CN112652164 B CN 112652164B CN 202011391225 A CN202011391225 A CN 202011391225A CN 112652164 B CN112652164 B CN 112652164B
- Authority
- CN
- China
- Prior art keywords
- traffic
- time interval
- ordered
- period
- division result
- 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.)
- Active
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
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种交通时段划分方法,方法包括:获取已采集的指定交叉口的各个进口道连续的历史车流量;根据连续的历史车流量构造时间跨度为一天的有序样本序列;对有序样本序列进行有序聚类以获得交通时段划分结果;将交通时段划分结果中的最后一个交通时段包含的样本合并到第一个交通时段中;将交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中。通过使用实际车流量构造出一天的有序样本,并通过对有序样本进行有序聚类得到科学合理的交通时段划分结果,进一步地,结合专家经验对交通时段划分结果的若干时段进行合并,以提高交通时段划分的精准度,进而满足信号交叉口的精细化治理,提高信号交叉口通行效率。
Description
技术领域
本发明涉及智能交通技术领域,具体涉及一种交通时段划分方法、装置及设备。
背景技术
现有交通信号时段多由交通工程人员结合自身经验划分,对工作人员专业经验要求较高;同时,交叉口交通流在不同季节、节假日或者本地的交通流发生改变时,需要重新进行信号时段划分,以满足交叉口信号的精细化治理,耗费了大量的人力、物力。通常面对单一的配时方案,一些依据交通流量变化人工设置的配时方案也忽略了高峰前后的小高峰时段,对交通流变化较大的交叉口缺乏适用性。
发明内容
本发明的目的是针对上述现有技术的不足提出的一种交通时段划分方法、装置及设备,该目的是通过以下技术方案实现的。
本发明的第一方面提出了一种交通时段划分方法,所述方法包括:
获取已采集的指定交叉口的各个进口道连续的历史车流量;
根据所述连续的历史车流量构造时间跨度为一天的有序样本序列,所述有序样本序列中相邻样本之间的时间间隔均为预设间隔;
对所述有序样本序列进行有序聚类,以获得交通时段划分结果;
将所述交通时段划分结果中的最后一个交通时段包含的样本合并到第一个交通时段中;
将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中,得到合并后的交通时段划分结果。
可选的,所述根据所述连续的历史车流量构造时间跨度为一天的有序样本序列,可包括:将所述一天的时间跨度按照所述预设间隔划分出n个有序时间点;针对每个时间点,根据所述历史车流量中属于该时间点的历史车流量计算该时间点的样本值;将所述n个有序时间点中各个时间点的样本值确定为所述有序样本序列。
可选的,所述对所述有序样本序列进行有序聚类,以获得交通时段划分结果,可包括:获取所述有序样本序列中的最大样本值和最小样本值;根据所述最大样本值和所述最小样本值对所述有序样本序列中的每个时间点的样本值进行归一化处理;采用预设的有序聚类算法对归一化处理后的有序样本序列进行有序聚类,以获得交通时段划分结果。
可选的,所述将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中,可包括:从所述交通时段划分结果中获取时段跨度小于预设跨度的交通时段;若获取的交通时段为所述交通时段划分结果中的第一个交通时段,则计算该交通时段与第二交通时段之间的车流量差,以及该交通时段与最后一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中;若获取的交通时段为所述交通时段划分结果中的最后一个交通时段,则计算该交通时段与其前一个交通时段之间的车流量差,以及该交通时段与第一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中;若获取的交通时段为所述交通时段划分结果中的中间交通时段,则计算该交通时段与其前一个交通时段之间的车流量差,以及该交通时段与其后一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中。
可选的,将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中之后,所述方法还可包括:统计合并后的交通时段划分结果中每个交通时段的平均车流量,并针对每个交通时段,根据该交通时段的平均车流量、开始时间和结束时间为该交通时段备注类型;获取所述指定交叉口的标准交通时段划分方案,所述标准交通时段划分方案中的每个交通时段均对应有备注类型;计算备注类型后的交通时段划分结果与所述标准交通时段划分方案之间的匹配度并作为合并后的交通时段划分结果的划分精准度。
可选的,所述计算备注类型后的交通时段划分结果与所述标准交通时段划分方案之间的匹配度,可包括:将所述有序样本序列中的每个样本所属的交通时段的备注类型与标准交通时段划分方案中所属的交通时段的备注类型进行比较;如果比较相同,则标记为第一数值;否则,标记为第二数值;根据标记为第一数值的样本的数量与有序样本序列的总样本数量计算匹配度。
本发明的第二方面提出了一种交通时段划分装置,所述装置包括:
获取模块,用于获取已采集的指定交叉口的各个进口道连续的历史车流量;
样本构造模块,用于根据所述连续的历史车流量构造时间跨度为一天的有序样本序列,所述有序样本序列中相邻样本之间的时间间隔均为预设间隔;
聚类模块,用于对所述有序样本序列进行有序聚类,以获得交通时段划分结果;
第一合并模块,用于将所述交通时段划分结果中的最后一个交通时段包含的样本合并到第一个交通时段中;
第二合并模块,用于将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中,得到合并后的交通时段划分结果。
可选的,所述样本构造模块,具体用于将所述一天的时间跨度按照所述预设间隔划分出n个有序时间点;针对每个时间点,根据所述历史车流量中属于该时间点的历史车流量计算该时间点的样本值;将所述n个有序时间点中各个时间点的样本值确定为所述有序样本序列。
可选的,所述聚类模块,具体用于获取所述有序样本序列中的最大样本值和最小样本值;根据所述最大样本值和所述最小样本值对所述有序样本序列中的每个时间点的样本值进行归一化处理;采用预设的有序聚类算法对归一化处理后的有序样本序列进行有序聚类,以获得交通时段划分结果。
可选的,所述第二合并模块,具体用于从所述交通时段划分结果中获取时段跨度小于预设跨度的交通时段;若获取的交通时段为所述交通时段划分结果中的第一个交通时段,则计算该交通时段与第二交通时段之间的车流量差,以及该交通时段与最后一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中;若获取的交通时段为所述交通时段划分结果中的最后一个交通时段,则计算该交通时段与其前一个交通时段之间的车流量差,以及该交通时段与第一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中;若获取的交通时段为所述交通时段划分结果中的中间交通时段,则计算该交通时段与其前一个交通时段之间的车流量差,以及该交通时段与其后一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中。
可选的,所述装置还可包括:
精度计算模块,用于在所述第二合并模块将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中之后,统计合并后的交通时段划分结果中每个交通时段的平均车流量,并针对每个交通时段,根据该交通时段的平均车流量、开始时间和结束时间为该交通时段备注类型;获取所述指定交叉口的标准交通时段划分方案,所述标准交通时段划分方案中的每个交通时段均对应有备注类型;计算备注类型后的交通时段划分结果与所述标准交通时段划分方案之间的匹配度并作为合并后的交通时段划分结果的划分精准度。
可选的,所述精度计算模块,具体用于在计算备注类型后的交通时段划分结果与所述标准交通时段划分方案之间的匹配度过程中,将所述有序样本序列中的每个样本所属的交通时段的备注类型与标准交通时段划分方案中所属的交通时段的备注类型进行比较;如果比较相同,则标记为第一数值;否则,标记为第二数值;根据标记为第一数值的样本的数量与有序样本序列的总样本数量计算匹配度。
本发明的第三方面提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述第一方面所述方法的步骤。
基于上述第一方面和第二方面所述的交通时段划分方法及装置,本发明具有如下有益效果:
通过使用实际车流量构造出一天的有序样本,并通过对有序样本进行有序聚类得到科学合理的交通时段划分结果,进一步地,结合专家经验对交通时段划分结果的若干时段进行合并,以提高交通时段划分的精准度,进而满足信号交叉口的精细化治理,提高信号交叉口通行效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明根据一示例性实施例示出的一种交通时段划分方法的实施例流程图;
图2为本发明根据一示例性实施例示出的一种交通时段划分结果示意图;
图3为本发明根据一示例性实施例示出的一种标准交通时段划分结果示意图;
图4为本发明根据一示例性实施例示出的一种电子设备的硬件结构图;
图5为本发明根据一示例性实施例示出的一种交通时段划分装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
现有交通信号时段多由交通工程人员结合自身经验划分,对工作人员专业经验要求较高;同时,交叉口交通流在不同季节、节假日或者本地的交通流发生改变时,需要重新进行信号时段划分,以满足交叉口信号的精细化治理,耗费了大量的人力、物力;通常面对单一的配时方案,一些依据交通流量变化设置的配时方案也忽略了高峰前后的小高峰时段,对交通流变化较大的交叉口缺乏适用性;而且没有科学合理的处置时段跨度短的信号配时方案,相对不够精确。
为解决上述技术问题,本发明提出一种自动的交通时段划分方法,以替代人工划分,通过获取已采集的指定交叉口的各个进口道连续的历史车流量,并根据连续的历史车流量构造时间跨度为一天的有序样本序列,并对有序样本序列进行有序聚类,以获得交通时段划分结果,然后再将交通时段划分结果中的最后一个交通时段包含的样本合并到第一个交通时段中,以及将交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中。
基于上述描述可知,通过使用实际车流量构造出一天的有序样本,并通过对有序样本进行有序聚类得到科学合理的交通时段划分结果,进一步地,结合专家经验对交通时段划分结果的若干时段进行合并,以提高交通时段划分的精准度,进而满足信号交叉口的精细化治理,提高信号交叉口通行效率。
下面以具体实施例对本发明提出的交通时段划分方法进行详细阐述。
图1为本发明根据一示例性实施例示出的一种交通时段划分方法的实施例流程图,该交通时段划分方法可以应用于计算机设备(如终端、服务器等设备)上,如图1所示,该交通时段划分方法包括如下步骤:
步骤101:获取已采集的指定交叉口的各个进口道连续的历史车流量。
在执行步骤101之前,使用数据采集设备对指定交叉口的各个进口道的车流量进行采集。
其中,数据采集设备可以包括超声波设备、电子警察、雷达、地磁设备等。
进口道的车流量指的是一定时间间隔内进入交叉口车道的车辆数,例如,对于交叉口的由东向西车道,采集在一定时间间隔内进入该车道的车辆数。该时间间隔由数据采集设备的采集频率决定。
可以理解的是,指定交叉口可以是十字型交叉口,也可以是丁字形交叉口,本发明对此不进行限定。
需要说明的是,为了减少特异性的交通流量影响,可以获取一段时间T′的历史车流量(以天为单位)。例如T′可以是一周、一月等。
需要说明的是,获取到已采集的指定交叉口的各个进口道连续的历史车流量之后,可以先将同一时刻采集的各个进口道的历史车流量累加起来作为指定交叉口在该时刻的历史车流量。
步骤102:根据连续的历史车流量构造时间跨度为一天的有序样本序列。
在一些实施例中,可以先将一天的时间跨度按照预设间隔划分出n个有序时间点,然后针对每个时间点,根据历史车流量中属于该时间点与前一个时间点范围内的历史车流量计算该时间点的样本值,然后将n个有序时间点中各个时间点的样本值确定为有序样本序列。
基于上述描述,有序样本序列的构造流程如下:
①假设预设间隔为T(以分钟为单位),一天的时间跨度可以划分出n个有序时间点数:
n=1440/T
②计算每个时间点的样本值xi(i=1,2,…,n):
其中,j为获取的指定交叉口历史车流量的天数,xij为第j天第i个时间点的历史车流量。
值得注意的是,通过求平均值的方式计算样本值,可以减少特异性的交通流的影响。
举例来说,以预设间隔T=10min为例,可以将一天24小时划分出144个有序时间点,即0点9分、0点19分……23点59分,从而样本值x1对应0点9分、样本值x2对应0点19分……样本值x144对应23点59分。
由此可见,有序样本序列中相邻样本之间的时间间隔均为预设间隔T。
步骤103:对有序样本序列进行有序聚类,以获得交通时段划分结果。
在一些实施例中,为了将有序样本序列中的每一样本值归一化到一定的范围内,提升聚类准确度,通过获取有序样本序列中的最大样本值和最小样本值,并根据最大样本值和最小样本值对有序样本序列中的每个时间点的样本值进行归一化处理,然后采用预设的有序聚类算法对归一化处理后的有序样本序列进行有序聚类,以获得交通时段划分结果。
其中,划分为同一交通时段的样本均是互相邻接的有序样本,因此在进行交通时段划分时需要采用有序聚类算法进行划分。
示例性的,预设的有序聚类算法为费希尔有序聚类算法。
本领域技术人员可以理解的是,对于采用有序聚类算法对有序样本序列进行有序聚类的具体实现流程可以根据有序聚类算法的聚类原理获得,本申请在此不再详述。
步骤104:将交通时段划分结果中的最后一个交通时段包含的样本合并到第一个交通时段中。
其中,在交通信号控制领域,对于一天24小时的交通流量,通常夜间的车流量与凌晨的车流量相差很小,对于构造的有序样本序列,夜间的车流量位于有序样本序列中最后的几个样本,凌晨的车流量位于有序样本序列中最开始的几个样本,有序聚类算法的聚类原理是将相互邻接的几个样本聚为一个交通时段,而对于有序样本序列中位于最后的几个样本和位于最开始的几个样本,有序聚类算法不会将有序样本序列中最后的样本和最开始的样本判定为相互邻接的样本而聚为一个类中,因此需要将交通时段划分结果中的最后一个交通时段包含的样本合并到第一个交通时段中,以实现将夜间和凌晨的车流量划分到一个交通时段。
步骤105:将交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中,得到合并后的交通时段划分结果。
在一些实施例中,为了调整各个交通时段的时段跨度,可以将时段跨度比较小的交通时段进行合并,因此步骤105的具体合并流程包括:
步骤1051:从交通时段划分结果中获取时段跨度小于预设跨度的交通时段。
其中,预设跨度可以取1小时。
需要说明的是,在执行步骤1052之前,可以先计算每个交通时段中的平均车流量,即属于该交通时段的各个有序样本的均值,以用于后续判定与哪个交通时段合并。
步骤1052:若获取的交通时段为所述交通时段划分结果中的第一个交通时段,则计算该交通时段与第二交通时段之间的车流量差,以及该交通时段与最后一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中。
步骤1053:若获取的交通时段为所述交通时段划分结果中的最后一个交通时段,则计算该交通时段与其前一个交通时段之间的车流量差,以及该交通时段与第一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中。
步骤1054:若获取的交通时段为所述交通时段划分结果中的中间交通时段,则计算该交通时段与其前一个交通时段之间的车流量差,以及该交通时段与其后一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中。
针对上述步骤1052至步骤1054的三种情况:
假设从k个交通时段中获取到第k′个交通时段的时段跨度小于预设跨度(当然也可以是获取到多个时段跨度小于预设跨度交通时段);
步骤1052的情况为k′=1,将第k′个交通时段分别与第k个交通时段、第k′+1个交通时段比较,公式如下:
Diff(k′,k)=|Q(k′)-Q(k)|
Diff(k′,k′+1)=|Q(k′)-Q(k'+1)|
其中,Q(k′)为第k′个交通时段的平均车流量,Q(k)为第k个交通时段的平均车流量,Q(k'+1)为第k′+1个交通时段的平均车流量。
若Diff(k′,k)>Diff(k′,k′+1),则将第k′个交通时段与第k′+1个交通时段合并;若Diff(k′,k)<Diff(k′,k′+1),则将第k′个交通时段与第k个交通时段合并。
步骤1053的情况为k′=k,将第k′个交通时段分别与第一个交通时段、第k′-1个交通时段比较,公式如下:
Diff(k′,k′-1)=|Q(k′)-Q(k′-1)|
Diff(k′,1)=|Q(k′)-Q(1)|
其中,Q(k′)为第k′个交通时段的平均车流量,Q(k′-1)为第k′-1个交通时段的平均车流量,Q(1)为第一个交通时段的平均车流量。
若Diff(k′,k′-1)>Diff(k′,1),则将第k′个交通时段与第一个交通时段合并;若Diff(k′,k′-1)<Diff(k′,1),则将第k′个交通时段与第k′-1个交通时段合并。
步骤1054的情况为k′≠k且k′≠1,将第k′个交通时段分别与第k′-1个交通时段、第k′+1个交通时段比较,公式如下:
Diff(k′,k′-1)=|Q(k′)-Q(k′-1)|
Diff(k′,k′+1)=|Q(k′)-Q(k′+1)|
其中,Q(k′)为第k′个交通时段的平均车流量,Q(k′-1)为第k′-1个交通时段的平均车流量,Q(k′+1)为第k′+1个交通时段的平均车流量。
若Diff(k′,k′-1)>Diff(k′,k′+1),则将第k′个交通时段与第k′+1个交通时段合并;若Diff(k′,k′-1)<Diff(k′,k′+1),则将第k′个交通时段与第k′-1个交通时段合并。
需要说明的是,为了验证步骤105获得的合并后的交通时段划分结果的准确度,可以统计合并后的交通时段划分结果中每个交通时段的平均车流量,并针对每个交通时段,根据该交通时段的平均车流量、开始时间和结束时间为该交通时段备注类型,并获取指定交叉口的标准交通时段划分方案,从而通过计算备注类型后的交通时段划分结果与标准交通时段划分方案之间的匹配度作为交通时段划分结果的划分精准度。
其中,如表1所示,为备注类型后的交通时段划分结果,对于交通时段的平峰或高峰的识别,可以将各个交通时段的平均车流量按降序进行排序,将最前面两个平均车流量的交通时段分别识别为早高峰和晚高峰,然后将剩余的交通时段均识别为平峰,并根据开始时间和结束时间识别其属于上午、下午还是夜间,从而完成各个交通时段的类型备注。如图2所示,为表1中各个交通时段的划分示意图。
时段序号 | 开始时间 | 结束时间 | 平均车流 | 备注类型 |
1 | 23:00 | 6:40 | 42 | 夜间平峰 |
2 | 6:40 | 8:40 | 114 | 上午平峰 |
3 | 8:40 | 10:20 | 174 | 早高峰 |
4 | 10:20 | 16:20 | 109 | 下午平峰 |
5 | 16:20 | 19:00 | 135 | 晚高峰 |
6 | 19:00 | 23:00 | 95 | 晚上平峰 |
表1
标准交通时段划分方案为交通工程人员根据经验划分的交通时段并备注的类型,如表2所示,为交通工程人员根据上述表1中用到的有序样本序列划分的交通时段和备注的类型。如图3所示,为表2中各个交通时段的划分示意图。
表2
在一些实施例中,在计算匹配度时,可以通过将有序样本序列中的每个样本所属的交通时段的备注类型与标准交通时段划分方案中所属的交通时段的备注类型进行比较,如果比较相同,则标记为第一数值,如果比较不相同,则标记为第二数值,然后根据标记为第一数值的样本的数量与有序样本序列的总样本数量计算匹配度。
其中,第一数值和第二数值指的是两个不同的数值,例如,第一数值为1,第二数值为0。
经实验验证,由本专利方案得到的交通时段划分结果与标准交通时段划分方案的匹配度为85%。
至此,完成上述图1所示划分流程,通过使用实际车流量构造出一天的有序样本,并通过对有序样本进行有序聚类得到科学合理的交通时段划分结果,进一步地,结合专家经验对交通时段划分结果的若干时段进行合并,以提高交通时段划分的精准度,进而满足信号交叉口的精细化治理,提高信号交叉口通行效率。
图4为本发明根据一示例性实施例示出的一种计算机设备的硬件结构图,该计算机设备包括:通信接口401、处理器402、机器可读存储介质403和总线404;其中,通信接口401、处理器402和机器可读存储介质403通过总线404完成相互间的通信。处理器402通过读取并执行机器可读存储介质403中与交通时段划分方法的控制逻辑对应的机器可执行指令,可执行上文描述的交通时段划分方法,该方法的具体内容参见上述实施例,此处不再累述。
本发明中提到的机器可读存储介质403可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:易失存储器、非易失性存储器或者类似的存储介质。具体地,机器可读存储介质403可以是RAM(Random Access Memory,随机存取存储器)、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、DVD等),或者类似的存储介质,或者它们的组合。
与前述交通时段划分方法的实施例相对应,本发明还提供了交通时段划分装置的实施例。
图5为本发明根据一示例性实施例示出的一种交通时段划分装置的实施例流程图,该交通时段划分装置可以应用于计算机设备上,该交通时段划分装置包括:
获取模块510,用于获取已采集的指定交叉口的各个进口道连续的历史车流量;
样本构造模块520,用于根据所述连续的历史车流量构造时间跨度为一天的有序样本序列,所述有序样本序列中相邻样本之间的时间间隔均为预设间隔;
聚类模块530,用于对所述有序样本序列进行有序聚类,以获得交通时段划分结果;
第一合并模块540,用于将所述交通时段划分结果中的最后一个交通时段包含的样本合并到第一个交通时段中;
第二合并模块550,用于将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中,得到合并后的交通时段划分结果。
在一可选实现方式中,所述样本构造模块520,具体用于将所述一天的时间跨度按照所述预设间隔划分出n个有序时间点;针对每个时间点,根据所述历史车流量中属于该时间点的历史车流量计算该时间点的样本值;将所述n个有序时间点中各个时间点的样本值确定为所述有序样本序列。
在一可选实现方式中,所述聚类模块530,具体用于获取所述有序样本序列中的最大样本值和最小样本值;根据所述最大样本值和所述最小样本值对所述有序样本序列中的每个时间点的样本值进行归一化处理;采用预设的有序聚类算法对归一化处理后的有序样本序列进行有序聚类,以获得交通时段划分结果。
在一可选实现方式中,所述第二合并模块550,具体用于从所述交通时段划分结果中获取时段跨度小于预设跨度的交通时段;若获取的交通时段为所述交通时段划分结果中的第一个交通时段,则计算该交通时段与第二交通时段之间的车流量差,以及该交通时段与最后一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中;若获取的交通时段为所述交通时段划分结果中的最后一个交通时段,则计算该交通时段与其前一个交通时段之间的车流量差,以及该交通时段与第一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中;若获取的交通时段为所述交通时段划分结果中的中间交通时段,则计算该交通时段与其前一个交通时段之间的车流量差,以及该交通时段与其后一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中。
在一可选实现方式中,所述装置还包括(图5中未示出):
精度计算模块,用于在所述第二合并模块将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中之后,统计合并后的交通时段划分结果中每个交通时段的平均车流量,并针对每个交通时段,根据该交通时段的平均车流量、开始时间和结束时间为该交通时段备注类型;获取所述指定交叉口的标准交通时段划分方案,所述标准交通时段划分方案中的每个交通时段均对应有备注类型;计算备注类型后的交通时段划分结果与所述标准交通时段划分方案之间的匹配度并作为合并后的交通时段划分结果的划分精准度。
在一可选实现方式中,所述精度计算模块,具体用于在计算备注类型后的交通时段划分结果与所述标准交通时段划分方案之间的匹配度过程中,将所述有序样本序列中的每个样本所属的交通时段的备注类型与标准交通时段划分方案中所属的交通时段的备注类型进行比较;如果比较相同,则标记为第一数值;否则,标记为第二数值;根据标记为第一数值的样本的数量与有序样本序列的总样本数量计算匹配度。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (8)
1.一种交通时段划分方法,其特征在于,所述方法包括:
获取已采集的指定交叉口的各个进口道连续的历史车流量;
根据所述连续的历史车流量构造时间跨度为一天的有序样本序列,所述有序样本序列中相邻样本之间的时间间隔均为预设间隔;
对所述有序样本序列进行有序聚类,以获得交通时段划分结果;
将所述交通时段划分结果中的最后一个交通时段包含的样本合并到第一个交通时段中;
将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中,得到合并后的交通时段划分结果;
将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中之后,统计合并后的交通时段划分结果中每个交通时段的平均车流量,并针对每个交通时段,根据该交通时段的平均车流量、开始时间和结束时间为该交通时段备注类型;获取所述指定交叉口的标准交通时段划分方案,所述标准交通时段划分方案中的每个交通时段均对应有备注类型;计算备注类型后的交通时段划分结果与所述标准交通时段划分方案之间的匹配度并作为合并后的交通时段划分结果的划分精准度;
其中,所述计算备注类型后的交通时段划分结果与所述标准交通时段划分方案之间的匹配度,包括:
将所述有序样本序列中的每个样本所属的交通时段的备注类型与标准交通时段划分方案中所属的交通时段的备注类型进行比较;如果比较相同,则标记为第一数值;否则,标记为第二数值;根据标记为第一数值的样本的数量与有序样本序列的总样本数量计算匹配度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述连续的历史车流量构造时间跨度为一天的有序样本序列,包括:
将所述一天的时间跨度按照所述预设间隔划分出n个有序时间点;
针对每个时间点,根据所述历史车流量中属于该时间点的历史车流量计算该时间点的样本值;
将所述n个有序时间点中各个时间点的样本值确定为所述有序样本序列。
3.根据权利要求1所述的方法,其特征在于,所述对所述有序样本序列进行有序聚类,以获得交通时段划分结果,包括:
获取所述有序样本序列中的最大样本值和最小样本值;
根据所述最大样本值和所述最小样本值对所述有序样本序列中的每个时间点的样本值进行归一化处理;
采用预设的有序聚类算法对归一化处理后的有序样本序列进行有序聚类,以获得交通时段划分结果。
4.根据权利要求1所述的方法,其特征在于,所述将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中,包括:
从所述交通时段划分结果中获取时段跨度小于预设跨度的交通时段;
若获取的交通时段为所述交通时段划分结果中的第一个交通时段,则计算该交通时段与第二交通时段之间的车流量差,以及该交通时段与最后一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中;
若获取的交通时段为所述交通时段划分结果中的最后一个交通时段,则计算该交通时段与其前一个交通时段之间的车流量差,以及该交通时段与第一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中;
若获取的交通时段为所述交通时段划分结果中的中间交通时段,则计算该交通时段与其前一个交通时段之间的车流量差,以及该交通时段与其后一个交通时段之间的车流量差,将获取的交通时段合并到车流量差最小的交通时段中。
5.一种交通时段划分装置,其特征在于,所述装置包括:
获取模块,用于获取已采集的指定交叉口的各个进口道连续的历史车流量;
样本构造模块,用于根据所述连续的历史车流量构造时间跨度为一天的有序样本序列,所述有序样本序列中相邻样本之间的时间间隔均为预设间隔;
聚类模块,用于对所述有序样本序列进行有序聚类,以获得交通时段划分结果;
第一合并模块,用于将所述交通时段划分结果中的最后一个交通时段包含的样本合并到第一个交通时段中;
第二合并模块,用于将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中,得到合并后的交通时段划分结果;
所述装置还包括:精度计算模块,用于在所述第二合并模块将所述交通时段划分结果中时段跨度小于预设跨度的交通时段合并到与其相邻的交通时段中之后,统计合并后的交通时段划分结果中每个交通时段的平均车流量,并针对每个交通时段,根据该交通时段的平均车流量、开始时间和结束时间为该交通时段备注类型;获取所述指定交叉口的标准交通时段划分方案,所述标准交通时段划分方案中的每个交通时段均对应有备注类型;计算备注类型后的交通时段划分结果与所述标准交通时段划分方案之间的匹配度并作为合并后的交通时段划分结果的划分精准度;
其中,所述精度计算模块,具体用于在计算备注类型后的交通时段划分结果与所述标准交通时段划分方案之间的匹配度过程中,将所述有序样本序列中的每个样本所属的交通时段的备注类型与标准交通时段划分方案中所属的交通时段的备注类型进行比较;如果比较相同,则标记为第一数值;否则,标记为第二数值;根据标记为第一数值的样本的数量与有序样本序列的总样本数量计算匹配度。
6.根据权利要求5所述的装置,其特征在于,所述样本构造模块,具体用于将所述一天的时间跨度按照所述预设间隔划分出n个有序时间点;针对每个时间点,根据所述历史车流量中属于该时间点的历史车流量计算该时间点的样本值;将所述n个有序时间点中各个时间点的样本值确定为所述有序样本序列。
7.根据权利要求5所述的装置,其特征在于,所述聚类模块,具体用于获取所述有序样本序列中的最大样本值和最小样本值;根据所述最大样本值和所述最小样本值对所述有序样本序列中的每个时间点的样本值进行归一化处理;采用预设的有序聚类算法对归一化处理后的有序样本序列进行有序聚类,以获得交通时段划分结果。
8.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1-4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011391225.6A CN112652164B (zh) | 2020-12-02 | 2020-12-02 | 一种交通时段划分方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011391225.6A CN112652164B (zh) | 2020-12-02 | 2020-12-02 | 一种交通时段划分方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112652164A CN112652164A (zh) | 2021-04-13 |
CN112652164B true CN112652164B (zh) | 2022-12-30 |
Family
ID=75350035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011391225.6A Active CN112652164B (zh) | 2020-12-02 | 2020-12-02 | 一种交通时段划分方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112652164B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113870591B (zh) * | 2021-10-22 | 2023-08-01 | 上海应用技术大学 | 基于交通量预测的信号控制时段的划分方法、装置及设备 |
CN114999184A (zh) * | 2022-04-21 | 2022-09-02 | 上海商汤智能科技有限公司 | 信号时段的更新方法、装置、设备、存储介质及程序产品 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007111512A1 (en) * | 2006-03-29 | 2007-10-04 | Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno | Sensor for a traffic response system and traffic control system using a sensor |
CN104036646A (zh) * | 2014-06-26 | 2014-09-10 | 公安部交通管理科学研究所 | 交叉口信号配时时段的划分方法 |
KR101638368B1 (ko) * | 2015-01-02 | 2016-07-11 | 경희대학교 산학협력단 | 다변수 패턴 인식모델을 이용한 도시 교통 예측 시스템 및 그 방법 |
CN107610469A (zh) * | 2017-10-13 | 2018-01-19 | 北京工业大学 | 一种考虑多因素影响的日维度区域交通指数预测方法 |
CN108597239A (zh) * | 2018-04-28 | 2018-09-28 | 重庆大学 | 一种基于马尔科夫决策的交通灯控制系统及方法 |
CN109887294A (zh) * | 2019-04-08 | 2019-06-14 | 东南大学 | 一种多源数据融合的道路平面交叉口交通量分析方法 |
CN109887297A (zh) * | 2019-04-23 | 2019-06-14 | 太原理工大学 | 基于快速全局K-means谱聚类的城市交通控制子区的划分方法 |
CN110276966A (zh) * | 2019-07-25 | 2019-09-24 | 上海应用技术大学 | 交叉口信号控制时段划分方法 |
CN111798678A (zh) * | 2020-07-21 | 2020-10-20 | 霍祥明 | 一种基于大数据的城市交通智能监控协调管理系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9495868B2 (en) * | 2013-11-01 | 2016-11-15 | Here Global B.V. | Traffic data simulator |
CN106097733B (zh) * | 2016-08-22 | 2018-12-07 | 青岛大学 | 一种基于策略迭代和聚类的交通信号优化控制方法 |
CN106408939B (zh) * | 2016-10-29 | 2019-05-31 | 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 |
CN106910340A (zh) * | 2017-04-13 | 2017-06-30 | 东南大学 | 一种实现自动检测道路交通量的方法 |
CN108389406B (zh) * | 2018-04-26 | 2020-12-04 | 苏州城方信息技术有限公司 | 信号控制时段自动划分方法 |
CN110288826B (zh) * | 2019-05-24 | 2020-11-13 | 浙江工业大学 | 基于多源数据融合和milp的交通控制子区聚类划分方法 |
CN110379184A (zh) * | 2019-07-25 | 2019-10-25 | 上海应用技术大学 | 交叉口信号控制时段划分方法 |
CN110853380B (zh) * | 2019-10-15 | 2021-09-03 | 同济大学 | 一种基于轨迹数据的信号控制时段划分方法 |
CN111985619B (zh) * | 2020-08-18 | 2024-03-08 | 中冶南方城市建设工程技术有限公司 | 一种基于短时交通流预测的城市单交叉口控制方法 |
-
2020
- 2020-12-02 CN CN202011391225.6A patent/CN112652164B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007111512A1 (en) * | 2006-03-29 | 2007-10-04 | Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno | Sensor for a traffic response system and traffic control system using a sensor |
CN104036646A (zh) * | 2014-06-26 | 2014-09-10 | 公安部交通管理科学研究所 | 交叉口信号配时时段的划分方法 |
KR101638368B1 (ko) * | 2015-01-02 | 2016-07-11 | 경희대학교 산학협력단 | 다변수 패턴 인식모델을 이용한 도시 교통 예측 시스템 및 그 방법 |
CN107610469A (zh) * | 2017-10-13 | 2018-01-19 | 北京工业大学 | 一种考虑多因素影响的日维度区域交通指数预测方法 |
CN108597239A (zh) * | 2018-04-28 | 2018-09-28 | 重庆大学 | 一种基于马尔科夫决策的交通灯控制系统及方法 |
CN109887294A (zh) * | 2019-04-08 | 2019-06-14 | 东南大学 | 一种多源数据融合的道路平面交叉口交通量分析方法 |
CN109887297A (zh) * | 2019-04-23 | 2019-06-14 | 太原理工大学 | 基于快速全局K-means谱聚类的城市交通控制子区的划分方法 |
CN110276966A (zh) * | 2019-07-25 | 2019-09-24 | 上海应用技术大学 | 交叉口信号控制时段划分方法 |
CN111798678A (zh) * | 2020-07-21 | 2020-10-20 | 霍祥明 | 一种基于大数据的城市交通智能监控协调管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112652164A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111966729B (zh) | 一种车辆轨迹数据处理方法、装置、设备及存储介质 | |
CN108550261B (zh) | 基于rfid电子车牌的城市交通od计算方法 | |
CN108346292B (zh) | 基于卡口数据的城市快速路实时交通指数计算方法 | |
CN112652164B (zh) | 一种交通时段划分方法、装置及设备 | |
CN106779256B (zh) | 一种基于事件驱动的停车空余泊位数实时预测方法及系统 | |
CN110276977B (zh) | 一种公交站点匹配方法、装置、设备及可读存储介质 | |
CN110223502B (zh) | 一种交叉口进口道数据渠化的方法及装置 | |
CN106503840A (zh) | 停车场可用车位预测方法及系统 | |
CN108665096B (zh) | 人流量告警方法及装置 | |
CN110598775B (zh) | 基于模糊聚类和bp神经网络的预测方法、系统及存储介质 | |
CN108734972A (zh) | 一种大数据环境下停车场占有率的预测方法 | |
US11250031B2 (en) | Method of predicting a traffic behaviour in a road system | |
CN107749164B (zh) | 一种车辆聚集分析方法及装置 | |
CN110223533B (zh) | 一种基于生存分析的夜间驻留停车需求预测方法 | |
CN111881243B (zh) | 一种出租车轨迹热点区域分析方法及系统 | |
CN108281033A (zh) | 一种停车诱导系统及方法 | |
CN111815973B (zh) | 信号交叉口分析方法及相关设备 | |
US11670163B2 (en) | Method of predicting a traffic behaviour in a road system | |
CN113821547B (zh) | 快速高效的停车场占有率短时预测方法、系统及存储介质 | |
CN112150045B (zh) | 基于车辆位置统计判断城市共享车辆供需关系的方法及其监测系统 | |
CN114627642B (zh) | 一种交通拥堵识别方法及装置 | |
CN115099672A (zh) | 一种基于景区实时客流的引流疏导方法及系统 | |
CN113066286A (zh) | 一种车路协同路网车辆运行风险路段判定方法和装置 | |
CN110059839A (zh) | 一种基于需求的提取未满足需求的方法 | |
CN108074301B (zh) | 一种交通卡的实名制方法及装置 |
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 |