CN112863174B - 交通流信息获取的方法、装置和计算机设备 - Google Patents

交通流信息获取的方法、装置和计算机设备 Download PDF

Info

Publication number
CN112863174B
CN112863174B CN202011622750.4A CN202011622750A CN112863174B CN 112863174 B CN112863174 B CN 112863174B CN 202011622750 A CN202011622750 A CN 202011622750A CN 112863174 B CN112863174 B CN 112863174B
Authority
CN
China
Prior art keywords
road
traffic flow
parameter
parameter values
time period
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
Application number
CN202011622750.4A
Other languages
English (en)
Other versions
CN112863174A (zh
Inventor
王萌
陈喜群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202011622750.4A priority Critical patent/CN112863174B/zh
Publication of CN112863174A publication Critical patent/CN112863174A/zh
Application granted granted Critical
Publication of CN112863174B publication Critical patent/CN112863174B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例公开了一种交通流信息获取的方法、装置和计算机设备，属于智能交通技术领域，可以用于智能交通系统(ITS，Intelligent Traffic System)。所述方法包括：对于目标区域的多个路段，先根据采集的在多个时间段内这些路段的交通流参数的参数值，确定每两个路段的相关系数。然后，在建立交通流参数对应的缺失矩阵时，对于各路段对在缺失矩阵中的顺序按照上述计算出的相关系数进行排序。最后，基于缺失参数值和多个路段在多个时间段内采集的交通流参数的参数值，确定目标区域的交通流信息。可见，本申请按照相关性对路段进行排序，而非是随机排序，使得本申请的交通流信息获取的方法稳定性更好。

Description

交通流信息获取的方法、装置和计算机设备
技术领域
本申请涉及智能交通技术领域，特别涉及一种交通流信息获取的方法、装置和计算机设备。
背景技术
随着城市中汽车数量的增加，各种交通问题也在不断产生。为了能够有效的对交通问题进行分析，在城市的各路段正在逐步设置各种交通流参数获取装置，如感应线圈检测器、微波传感器、视频检测器等。交通流参数获取装置用于采集路网中各路段的交通流参数的参数值，其中，交通流参数可以包括行车速度、交通流量和车流密度等。相关机构可以根据采集的交通流参数的参数值，得到路网中各路段的交通流信息并进行分析处理，以实现路网交通状态可视化、事故预测等应用。交通流信息由采集的交通流参数的参数值组成，在对某路段的交通流参数的参数值进行采集的过程中，可能由于该路段设置的交通流参数获取装置的硬件故障、通信故障等，造成该路段的交通流参数的参数值缺失，那么，得到的交通流信息就会有缺失。这样，对于参数值缺失的路段也就无法进行后续的分析处理，进而无法实现该路段的交通状态可视化，甚至会对路网的事故预测等应用造成影响。
目前，对于为了获取到完整的交通流信息，通常采用如下方法：
首先，建立目标区域路网的目标交通流参数对应的缺失矩阵。该缺失矩阵中的每个元素为该路网中的一个路段在一个时间段内的目标交通流参数的参数值，目标交通流参数为缺失至少一个参数值的交通流参数。该缺失矩阵中同一行的元素为相同路段在不同时间段内的目标交通流参数的参数值，且同一行的元素按照对应的时间段先后进行排序。该目标参数矩阵中同一列的元素为不同路段在相同时段内的目标交通流参数的参数值，且不同路段对应的行在缺失矩阵中的顺序是随机排列的。此外，如果某路段在某时间段的目标交通流参数的参数值缺失的话，则该路段和该时间段在缺失矩阵中共同对应的位置为空。
然后，采用矩阵分解算法对上述缺失矩阵进行矩阵分解。再将分解得到的两个矩阵相乘，得到近似矩阵。该近似矩阵的尺寸与缺失数矩阵的尺寸相同。最后，确定缺失矩阵中为空的目标位置，将近似矩阵中与目标位置相同的位置处的元素，作为该目标位置对应的缺失参数值。例如，缺失矩阵中第三行第三列相交的位置为空，则获取近似矩阵中第三行第三列相交位置处的元素，填充到缺失矩阵中第三行第三列相交的位置，作为该位置对应的缺失参数值。最后，将缺失参数值和采集的参数值共同作为该目标区域的交通流信息。
在实现本申请的过程中，发明人发现相关技术至少存在以下问题：
上述方法中，缺失矩阵中不同路段对应的行的顺序是随机排列，而采用矩阵分解算法求解出的缺失矩阵中空位置对应的缺失参数值，与该空位置周围的位置处的元素有关，因此，在缺失矩阵中不同路段对应的行的顺序随机排列的情况下，虽然得到的完整的交通流信息，但是该交通流信息中的缺失参数值可能会比较准确也可能会不准确，也即是，该相关技术提出的方法稳定性较差。
发明内容
本申请实施例提供了一种交通流信息获取的方法、装置和计算机设备，可以解决相关技术中获取交通流信息的方法稳定性差的问题。所述技术方案如下：
第一方面，提供了一种交通流信息获取的方法，该方法包括：获取目标区域的多个路段在多个时间段内采集的交通流参数的参数值，其中，交通流参数可以为行车速度、交通流量、车流密度中的任一参数。对于该目标区域的多个路段中的每两个路段，基于这两个路段在多个时间段内采集的交通流参数的参数值，确定这两个路段的相关系数，这样，可以得到目标区域内任意两条路段的相关系数。然后，基于每两个路段的相关系数，确定每个路段在交通流参数对应的缺失矩阵中对应的位置，并基于每个路段在交通流参数对应的缺失矩阵中对应的位置和每个路段在多个时间段内采集的交通流参数的参数值，建立交通流参数对应的缺失矩阵。再最后，基于矩阵分解算法，确定缺失矩阵中的缺失参数值。最后，基于缺失参数值和多个路段在多个时间段内采集的交通流参数的参数值，确定目标区域的交通流信息。
可见，在本申请中，在建立交通流参数对应的缺失矩阵时，对于各路段在缺失矩阵中的顺序按照相关系数进行排序。也即是，本申请中各路段在缺失矩阵中的顺序是按照一定规则排序而非随机排序，使得本申请的方法稳定性更好。并且由于缺失矩阵中路段是按照相关系数排序的，使得相邻两路段之间具有一定相关性，这样，通过矩阵分解得到的路段的缺失参数值的准确度更高。
在一种可能的实现方式中，可以对目标区域内的各路段进行聚类，得到多个路段组，并对每个路段组建立对应的缺失矩阵。相应的，处理可以如下：
以相关系数为参数距离，对目标区域内的多个路段进行聚类处理，得到多个路段组以及每个路段组中作为聚类中心的目标路段。对于每个路段组，基于该路段组中除目标路段以外的路段与目标路段的相关系数，确定该路段组中各路段在路段组对应的缺失矩阵中对应的位置，其中，每一种交通流参数对应一个或多个缺失矩阵，缺失矩阵由对应的交通流参数在不同路段、不同时间段的参数值和空位置组成。然后，根据该路段组中各路段在路段组对应的缺失矩阵中对应的位置和各路段在多个时间段内采集的交通流参数的参数值，建立该路段组对应的缺失矩阵。
通过以上处理，使得本申请实施例提供的方案可以适用于大规模路网的交通流参数补全。即，在大规模路网中有大量路段存在缺失参数值的情况下，通过上述处理，可以对大规模路网中的路段进行聚类，然后针对聚类得到的每个路段组建立缺失矩阵。这样，建立的每个缺失矩阵数据量都会较小，多个缺失矩阵可以并行进行矩阵分解补全，使得即使在大规模路网场景下，也可以高效的实现对路段的缺失参数值进行补全。
在一种可能的实现方式中，在计算路段的相关性之前，可以先对路段的缺失的参数值进行初始预估，然后，再根据初始预估的参数值以及采集的参数值，计算路段的相关性。相应的，处理可以如下：
如果第一路段在第一时间段内未采集到交通流参数的参数值，则获取第一路段在第一时间段之前采集的至少一个交通流参数的参数值以及在第一时间段之后采集的至少一个交通流参数的参数值。计算在第一时间段之前采集的交通流参数的至少一个参数值以及在第一时间段之后采集的交通流参数的至少一个参数值的平均值，作为第一路段在第一时间段的交通流参数的预估参数值。对于目标区域的多个路段中的每两个路段，基于这两个路段在多个时间段内采集的交通流参数的参数值和计算得到的交通流参数的预估参数值，确定两个路段的相关系数。
通过上述处理，在计算相关系数之前，先对路段缺失的参数值进行初始预估，然后，根据预估参数值和采集的参数值一起计算路段的相关系数，这样，在计算相关系数时，每个路段的数据量更大，使得相关系数计算更加准确，可以更好的表现出两路段的相关度。
在一种可能的实现方式中，对第一路段缺失的参数值进行初始预估，还可以采用如下方法：
如果第一路段在第一时间段内未采集到所述交通流参数的参数值，则获取第一路段的多个相邻路段在第一时间段采集的交通流参数的参数值。计算多个相邻路段在第一时间段采集的所述交通流参数的参数值的平均值，作为第一路段在第一时间段的交通流参数的预估参数值。
在一种可能的实现方式中，上述相关系数可以为皮尔逊相关系数，或者斯皮尔曼相关系数。
第二方面，提供了一种交通流信息获取装置，其特征在于，所述装置包括：
获取模块，用于获取目标区域的多个路段在多个时间段内采集的交通流参数的参数值；
计算模块，用于对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的所述交通流参数的参数值，确定所述两个路段的相关系数；
确定模块，用于基于每两个路段的相关系数，确定每个路段在所述交通流参数对应的缺失矩阵中对应的位置；
建立模块，用于基于每个路段在所述交通流参数对应的缺失矩阵中对应的位置和每个路段在所述多个时间段内采集的所述交通流参数的参数值，建立所述交通流参数对应的缺失矩阵；
分解模块，用于基于矩阵分解算法，确定所述缺失矩阵中的缺失参数值；
组合模块，用于基于所述缺失参数值和所述多个路段在多个时间段内采集的交通流参数的参数值，确定所述目标区域的交通流信息。
在一种可能的实现方式中，所述确定模块，用于：
以所述相关系数为参数距离，对所述多个路段进行聚类处理，得到多个路段组以及每个路段组中作为聚类中心的目标路段；
对于每个路段组，基于所述路段组中除目标路段以外的路段与所述目标路段的相关系数，确定所述路段组中各路段在所述路段组对应的缺失矩阵中对应的位置，其中，所述缺失矩阵由所述交通流参数在不同路段、不同时间段的参数值和空位置组成；
所述建立模块，用于：
对于每个路段组，基于所述路段组中各路段在所述路段组对应的缺失矩阵中对应的位置和各路段在所述多个时间段内采集的所述交通流参数的参数值，建立所述路段组对应的缺失矩阵；
所述分解模块，用于：
基于矩阵分解算法，分别确定每个路段组对应的缺失矩阵中的缺失参数值。
在一种可能的实现方式中，所述计算模块，还用于：
如果第一路段在第一时间段内未采集到所述交通流参数的参数值，则获取所述第一路段在所述第一时间段之前采集的至少一个所述交通流参数的参数值以及在所述第一时间段之后采集的至少一个所述交通流参数的参数值；
计算在所述第一时间段之前采集的所述交通流参数的至少一个参数值以及在所述第一时间段之后采集的所述交通流参数的至少一个参数值的平均值，作为所述第一路段在第一时间段的交通流参数的预估参数值，其中，所述多个路段包括所述第一路段，所述多个时间段包括所述第一时间段；
所述计算模块，用于：
对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值和计算得到的所述交通流参数的预估参数值，确定所述两个路段的相关系数。
在一种可能的实现方式中，所述计算模块，还用于：
如果第一路段在第一时间段内未采集到所述交通流参数的参数值，则获取所述第一路段的多个相邻路段在所述第一时间段采集的所述交通流参数的参数值；
计算所述多个相邻路段在所述第一时间段采集的所述交通流参数的参数值的平均值，作为所述第一路段在第一时间段的交通流参数的预估参数值，其中，所述多个路段包括所述第一路段，所述多个时间段包括所述第一时间段；
所述计算模块，用于：
对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值和计算得到的所述交通流参数的预估参数值，确定所述两个路段的相关系数。
在一种可能的实现方式中，所述相关系数为皮尔逊相关系数，或者斯皮尔曼相关系数。
第三方面，提供了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上的计算机程序或指令，所述处理器执行所述计算机程序或指令时，使得所述计算机设备实现上述第一方面所述的方法。
第四方面，提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序或指令所述计算机程序或指令被处理器执行时，以实现如上第一方面所述的方法。
第五方面，提供了一种计算机程序产品，所述计算机程序产品被处理器执行时，以实现如上第一方面所述的方法。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例中，对于目标区域的多个路段，先根据采集的在多个时间段内这些路段的交通流参数的参数值，来确定每两个路段的相关系数。然后，在建立交通流参数对应的缺失矩阵时，对于各路段在缺失矩阵中的顺序按照上述计算的相关系数进行排序。可见，本申请中各路段在缺失矩阵中的顺序是按照一定规则排序而非随机排序，使得本申请的方法稳定性更好。
附图说明
图1是本申请实施例提供的一种智能交通场景示意图；
图2是本申请实施例提供的一种交通流信息获取方法流程图；
图3是本申请实施例提供的一种路网示意图；
图4是本申请实施例提供的一种矩阵分解示意图；
图5是本申请实施例提供的一种交通流信息获取装置结构示意图；
图6是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
本申请实施例提供了一种交通流信息获取的方法，该方法可以应用于如图1所示的智能交通场景下。该方法可以由计算机设备实现，其中，计算机设备可以为智能交通场景下的交通中心服务器。
参见图1，智能交通场景可以包括数据采集侧和交通中心侧。其中，数据采集侧可以部署有车辆传感器、道路传感器等，交通中心侧可以部署有交通中心服务器。数据采集侧用于通过各传感器采集路段的在各时间段的交通流参数的参数值，例如，行车速度、交通流量和车流密度等，其中，时间段的划分可以根据实际需求进行设置，例如，10分钟为一个时间段。传感器侧还可以将采集的参数值上报至交通中心侧。交通中心侧根据传感器侧上报的实时参数值，得到交通流信息，并对交通流信息计算分析，以实现各种交通应用，例如，交通信号控制、路网状态可视交通事故分析预测等。由于数据采集侧的传感器故障，可能会导致相应路段的交通流参数的参数值缺失，那么，直接将获取到的交通流参数的参数值作为交通流信息进行分析的话，交通流信息也是不完整的。在此情况下，可以采用本申请实施例提供的交通流信息获取的方法，对缺失的参数值进行补齐，进而获取完整的交通流信息。
此外，在如图1所示的智能交通场景中还可以包括有边缘侧，边缘侧可以部署有边缘服务器。在包括有边缘侧的情况下，数据采集侧采集的参数值可以先发送至边缘侧，由边缘侧对这些参数值转发至交通中心侧，这样，交通中心侧无需和每个数据采集侧的设备建立通信连接只需和边缘侧的设备建立通信连接即可。
下面结合图2，对本申请提供的一种交通流信息获取的方法进行说明。
参见图2，本申请实施例提供了一种交通流信息获取的方法，该方法的处理流程可以包括如下步骤：
步骤201、获取目标区域的多个路段在多个时间段内采集的交通流参数的参数值。
其中，交通流参数可以为行车速度、交通流量和车流密度中任一。
在实施中，技术人员可以每过一段时间对路网中各路段的缺失参数值进行补全，具体的，在对缺失参数值进行补全时，技术人员可以指定对目标区域的多个路段在一定时间范围内的多个时间段缺失的交通流参数的参数值进行补全。其中，目标区域所包括的范围可以由技术人员根据实际需求进行设置。
除此之外，对于缺失参数值的补全，还可以由交通中心服务器在实现智能交通应用时，自动对路段的交通流参数的缺失参数值进行补全。下面针对几种智能交通应用场景进行说明。
一、交通信号控制场景
在此场景下，交通流参数可以主要为交通流量。
交通中心服务器需要预先计算未来的某一时间段交通信号灯的显示时长，则可以获取该交通信号灯所指示的各路段在今天之前的指定自然日内的该时间段采集的交通流参数的参数值。其中，今天之前的指定自然日可以为昨天，也可以为今天的一周以前。如果未获取到该交通信号灯所指示的某路段在该时间段的交通流参数的参数值，则说明该路段在该时间段的交通流参数的参数值缺失。进而，可以获取该路段所在的目标区域内的各路段在上述指定自然日的该时间段及该时间段前和/后的多个时间段内采集的交通流参数的参数值。此处具体需要获取该时间段之前采集的交通流参数的参数值，还是该时间段之后采集的交通流参数的参数值，还是之前和之后采集的交通流参数的参数值，可以根据实际需求进行设置，本申请实施例对此不做限定。需要说明的是，此处获取指定自然日的该时间段及该时间段前和/后的多个时间段内采集的交通流参数的参数值时，仍然可能会出现某一个或多个路段在一个或多个时间段存在交通流参数的参数值缺失的情况。之后，可以通过执行以下各步骤实现对各路段的交通流参数的缺失参数值的补全。
例如，当前为2020年1月9日10：00，交通中心服务器需要计算2020年1月9日10：00-10:10某交通信号灯的各色交通信号灯的显示时长，则可以获取2020年1月2日(1月9日的一周前)10：00-10:10该交通信号灯所指示的各路段在2020年1月2日10：00-10:10采集的交通流量的参数值。如果未获取到某路段(上述交通信号灯所指示的各路段中的路段)在2020年1月2日10：00-10:10采集的交通流量的参数值，则说明该路段在2020年1月2日10：00-10:10的交通流参数的参数值缺失。进而，可以获取该路段所在的目标区域内的各路段在2020年1月2日10：00-10:10、9:50-10:00和10:10-10：20采集的交通流参数的参数值。
二、路网状态可视化场景
交通中心服务器可以按照预设周期对路网状态进行更新。那么，交通中心服务器可以在每个周期结束时，获取该周期内采集的路网中各路段的交通流参数的参数值。其中，交通流参数可以主要为行车速度。如果未获取到某路段在该周期内的某时间段采集的交通流参数的参数值，则说明该路段在该时间段的交通流参数的参数值缺失。进而，可以获取该路段所在目标区域内各路段在该时间段前和/或后的多个时间段内采集的交通流参数的参数值。此处具体需要获取该时间段之前采集的交通流参数的参数值，还是该时间段之后采集的交通流参数的参数值，还是之前和之后采集的交通流参数的参数值，可以根据实际需求进行设置，本申请实施例对此不做限定。需要说明的是，此处获取目标区域内各路段在该时间段前和/或后的多个时间段内采集的交通流参数的参数值时，仍然可能会出现某一个或多个路段在一个或多个时间段存在交通流参数的参数值缺失的情况。之后，可以通过执行以下各步骤实现对各路段的交通流参数的缺失参数值的补全。
例如，交通中心服务器可以每过10分钟对路网状态进行更新，且每个时间段也为10分钟。在2020年1月9日10：10一个周期结束，则交通中心服务器可以获取在该周期内(2020年1月9日10：00-10:10)采集的路网中各路段的交通流参数的参数值。如果未获取到某路段在2020年1月9日10：00-10:10采集的交通流参数的参数值，则说明该路段在2020年1月9日10：00-10:10的交通流参数的参数值缺失。进而，可以获取该路段所在目标区域内各路段在2020年1月9日9:50-10:00、9:40-9：50、9:30-9:40和9:20-9:30内采集的交通流参数的参数值。
步骤202、对于上述多个路段中的每两个路段，基于两个路段在多个时间段内采集的交通流参数的参数值，确定两个路段的相关系数。
在实施中，在计算路段的相关系数之前，如果第一路段在第一时间段内未采集到交通流参数的参数值，则可以先对第一路段在第一时间段的交通流参数的参数值进行初始预估，得到第一路段在第一时间段的交通流参数的预估参数值。
例如，在如下表1中所示，为目标区域内的多个路段在多个时间段内采集的交通流参数的参数值，其中，第一行为时间段信息，第一列为路段信息，其余为交通流参数的参数值，除左上角空白格以外的空白格表示对应的路段在对应的时间段内未采集到交通流参数的参数值，也即是对应的路段在对应的时间段的交通流参数的参数值缺失。
表1
7:00-7:10 7:10-7:20 7:20-7:30 7:30-7:40 7:40-7:50 7:50-8:00
路段1 25 22 25
路段2 30 38 38 30 38
路段3 33 32 40 33
路段4 33 33 33
路段5 45 23 41 29
路段6
路段7 33 33 33
路段8 23 24 29 30 30
路段9 30
路段10 29 29 29
路段11 30 31
路段12 35 34 40 42 35 38
在表1所示的情况下，除路段12外，其余路段均存在参数值缺失，那么，可以将除路段12外的其余参数值作为第一路段，并对交通流参数的参数值进行初始预估。
对于得到第一路段在第一时间段的交通流参数的预估参数值的方法可以有多种，下面列举其中几种进行说明。
方法一、获取第一路段在第一时间段之前采集的至少一个交通流参数的参数值以及在第一时间段之后采集的至少一个交通流参数的参数值。计算在第一时间段之前采集的至少一个交通流参数的参数值以及在第一时间段之后采集的至少一个交通流参数的参数值的平均值，作为第一路段在第一时间段的交通流参数的预估参数值。
其中，第一路段在第一时间段之前采集的交通流参数的至少一个参数值可以为在第一时间段之前，距离该第一时间段最近的至少一个时间段内采集的第一路段的交通流参数的参数值。相应的，第一路段在第一时间段之后采集的交通流参数的至少一个参数值可以为在第一时间段之后，距离该第一时间段最近的至少一个时间段内采集的第一路段的交通流参数的参数值。例如，一个时间段预设为10分钟，第一时间段为7:10到7:20，则在第一时间段之前，距离该第一时间段最近的一个时间段为6:50到7:00，多个时间段为6:50到7:00、6:40到6:50等等。同理，一个时间段预设为10分钟，第一时间段为7:10到7:20，则在第一时间段之后，距离该第一时间段最近的一个时间段为7:20到7:30，多个时间段为7:20到7:30、7:30到7:40等等。
此处需要说明的是，具体需要获取几个时间段的参数值可以根据实际需求设置。另外，在第一时间段之前获取的参数值数量与在第一时间段之前获取的参数值数量可以相同，也可以不同。例如，可以在第一时间段之前和之后同样获取两个时间段内采集的参数值，还可以在第一时间段时间获取两个时间段的参数值，而在第一时间段之后获取一个时间段的参数值。
下面通过一示例对该方法一进行说明：
例如，获取第一路段在第一时间段之前距离第一时间段最近的两个时间段采集的交通流参数的参数值分别为40和38.5，获取第一路段在第一时间段之后距离第一时间段最近的两个时间段采集的交通流参数的参数值分别为35.6和36。然后，计算上述获取的四个参数值的平均值为37.525。对于得到的平均值可以按照预设规则取小数点后预设位数。如，对于37.525可以按照四舍五入取小数点后一位，得到37.5作为上述四个参数值的平均值。该平均值即可以作为第一路段在第一时间段的交通流参数的预估参数值。
对于方法一来说，在一种可能的实施方式中，还可以仅获取第一时间段时间之前采集的至少一个交通流参数的参数值，或者，仅获取在第一时间段之后采集的至少一个交通流参数的参数值。在仅获取一个时间段采集的交通流参数的参数值的情况下，可以直接将获取的这一个时间段采集的交通流参数的参数值作为第一路段在第一时间段的交通流参数的预估参数值。
方法二、获取第一路段的每个相邻路段在第一时间段之前采集的至少一个交通流参数的参数值以及在第一时间段之后采集的至少一个交通流参数的参数值。计算各相邻路段采集的参数值的平均值，作为第一路段在第一时间段的交通流参数的预估参数值。
其中，一个路段的相邻路段即为与该路段直接连通的路段。例如，在图3所示的路网中，路段A的相邻路段为路段C、路段D和路段F。
下面通过一示例对该方法二进行说明：
例如，第一路段的相邻路段包括第二路段、第三路段和第四路段。获取第二路段在第一时间段之前距离第一时间段最近的一个时间段采集的交通流参数的参数值为40，获取第二路段在第一时间段之后距离第一时间段最近的一个时间段采集的交通流参数的参数值为41。获取第三路段在第一时间段之前距离第一时间段最近的一个时间段采集的交通流参数的参数值为38.2，获取第三路段在第一时间段之后距离第一时间段最近的一个时间段采集的交通流参数的参数值为40。获取第四路段在第一时间段之前距离第一时间段最近的一个时间段采集的交通流参数的参数值为35，获取第四路段在第一时间段之后距离第一时间段最近的一个时间段采集的交通流参数的参数值为37.8。然后，计算上述获取的六个参数值的平均值为38.666。对于得到的平均值按照预设规则取小数点后预设位数。如，对于38.666可以按照四舍五入取小数点后一位，得到38.7作为上述六个参数值的平均值。该平均值即可以作为第一路段在第一时间段的交通流参数的预估参数值。
方法三、获取第一路段的多个相邻路段在第一时间段采集的交通流参数的参数值。计算多个相邻路段在第一时间段采集的交通流参数的参数值的平均值，作为第一路段在第一时间段的交通流参数的预估参数值。
下面通过一示例对该方法三进行说明：
例如，第一路段的相邻路段包括第二路段、第三路段和第四路段。获取第二路段在第一时间段采集的交通流参数的参数值为40。获取第三路段在第一时间段采集的交通流参数的参数值为38.2。获取第四路段在第一时间段采集的交通流参数的参数值为35。然后，计算上述获取的三个参数值的平均值为37.7333。对于得到的平均值按照预设规则取小数点后预设位数。如，对于37.7333可以按照四舍五入取小数点后一位，得到37.7作为上述三个参数值的平均值。该平均值即可以作为第一路段在第一时间段的交通流参数的预估参数值。
此外，在一种可能的实现方式中，上述示出的三个方法中的任一两个或三个可以进行组合使用。例如，方法一和方法二可以组合使用。又例如，方法二和方法三可以组合使用。再例如，方法一和方法三可以组合使用。还例如，方法一、方法二和方法三可以组合使用。下面仅针对方法一和方法二可以组合使用的情况进行说明，其他组合使用的情况与此类似，在此不做赘述。
方法一和方法二组合使用：
获取第一路段在第一时间段之前采集的至少一个交通流参数的参数值以及在第一时间段之后采集的至少一个交通流参数的参数值。获取第一路段的每个相邻路段在第一时间段之前采集的至少一个交通流参数的参数值以及在第一时间段之后采集的至少一个交通流参数的参数值。计算获取的各参数值的平均值，作为第一路段在第一时间段的交通流参数的预估参数值。
在又一种可能的实现方式中，上述示出的三个方法可以将其中一个作为主选方案，其余两个作为备选方案，且备选方案也可以设置对应的优先级。在确定第一路段的交通流的预估参数值时，按照主选方案、优先级较高的备选方案、优先级较低的备选方案的顺序选择执行。
例如，可以将第一个方法作为主选方案，将第二个方法和第三个方法作为备选方案，其中，第二个方法的优先级可以高于第三个方法的优先级。那么，在确定第一路段的交通流的预估参数值时，可以先执行主选方案(方法一)，如果该主选方案无法确定出第一路段的交通流的预估参数值，则执行优先级较高的备选方案(方法二)，如果仍无法确定出第一路段的交通流的预估参数值，则执行优先级较低的备选方案(方法三)。
参见表2，为对表1中缺失的参数值进行初始预估之后的一种可能结果。
表2
7:00-7:10 7:10-7:20 7:20-7:30 7:30-7:40 7:40-7:50 7:50-8:00
路段1 25 24 22 24 25 24
路段2 30 38 34 38 30 38
路段3 33 34 32 40 33 34
路段4 33 33 34 33 34 33
路段5 45 23 41 29 34 34
路段6 32 32 31 35 32 32
路段7 33 34 35 34 34 34
路段8 23 24 27 29 30 30
路段9 30 30 30 30 30 30
路段10 33 31 33 29 33 39
路段11 30 31 31 31 31 31
路段12 35 34 40 42 35 38
在对各路段未采集到的交通流参数的参数值进行初始预估后，可以基于每两个路段在多个时间段内采集的交通流参数的参数值和初始预估得到的交通流参数的预估参数值，确定这两个路段的相关系数。
其中，相关系数可以为皮尔逊(Pearson)相关系数、斯皮尔曼(spearman)相关系数等。下面分别对皮尔逊相关系数和斯皮尔曼相关系数的计算方法进行说明。
一、皮尔逊相关系数计算公式如下：
Figure GDA0003504035990000101
其中，Corr(X，Y)表示路段X和路段Y之间的相关系数，路段X和路段Y为目标区域内的任意两路段，Cov(X，Y)表示路段X和路段Y的交通流参数的参数值之间的协方差，Var(X)表示路段X的交通流参数的参数值的方差，Var(Y)表示路段Y的交通流参数的参数值的方差。
下面对于Cov(X，Y)的计算进行说明：
例如，路段X采集的交通流参数的参数值以及初始预估的预估参数值包括x1、x2...xn，路段Y采集的交通流参数的参数值以及初始预估的预估参数值包括y1、y2、yn，n为时间段数量。那么，Cov(X，Y)的计算公式可以如下：
Figure GDA0003504035990000102
其中，E(x)为路段X采集的交通流参数的参数值以及初始预估的预估参数值的均值。E(x)的计算公式可以如下：
Figure GDA0003504035990000103
E(y)为路段Y采集的交通流参数的参数值以及初始预估的预估参数值的均值。E(y)的计算公式可以如下：
Figure GDA0003504035990000104
Var(X)的计算公式可以如下：
Figure GDA0003504035990000105
Var(Y)的计算公式可以如下：
Figure GDA0003504035990000106
二、斯皮尔曼相关系数计算公式如下：
Figure GDA0003504035990000107
其中，p(X，Y)表示两路段的斯皮尔曼相关系数，n表示时间段数量，也即是一个路段采集的交通流参数的参数值和计算的预估参数值的数量之和，dist(X，Y)表示两路段对应的参数之间的欧式距离。
例如，路段X采集的交通流参数的参数值以及初始预估的预估参数值包括x1、x2...xn，路段Y采集的交通流参数的参数值以及初始预估的预估参数值包括y1、y2、yn。那么，dist(X，Y)的计算公式可以如下：
Figure GDA0003504035990000111
参见表3，为基于表2计算的每两个路段之间的相关系数的一种可能结果。
表3
Figure GDA0003504035990000112
步骤203、基于每两个路段的相关系数，确定每个路段在交通流参数对应的缺失矩阵中对应的位置。基于每个路段在交通流参数对应的缺失矩阵中对应的位置和每个路段在多个时间段内采集的交通流参数的参数值，建立交通流参数对应的缺失矩阵。
其中，缺失矩阵由对应的交通流参数在不同路段、不同时间段的参数值和空位置组成。
在实施中，以相关系数为参数距离，对多个路段进行聚类处理，得到多个路段组以及每个路段组中作为聚类中心的目标路段。其中，聚类处理可以采用基于密度的空间聚类(DBSCAN，Density-Based Spatial Clustering of Applications withNoise)算法、K均值聚类算法(K-meas，k-means clustering algorithm)聚类算法等。
例如，对于上述表3中的各路段进行聚类处理后，可以得到两个路段组，其中，路段1、路段2、路段3、路段4、路段5和路段6为一个路段组，路段7、路段8、路段9、路段10、路段11和路段12为另一个路段组。
对于每个路段组，可以建立对应该路段组对应的缺失矩阵。路段组中的每个路段在该路段组对应的缺失矩阵中的位置可以基于该路段与该路段组的目标路段的相关系数，确定该路段在该路段组对应的缺失矩阵中对应的位置。
具体的，对于一个路段组，该路段组的各路段与该路段组中的目标路段的相关系数越大，则表明该路段与目标路段的相关性越大，那么，该路段在该路段组中的位置则距离目标路段越近。例如，对于一个路段组来说可以以目标路段采集的交通流参数的参数值，作为该路段组对应的缺失矩阵的第一行元素，然后，按照该路段组中的其余各路段与目标路段之间的相关系数由大到小的顺序依次向下排列，即将该路段组中与该目标路段的相关系数最大的路段采集的参数值作为该路段组对应的缺失矩阵的第二行元素，以此类推。
例如，对于上述示例中的第一个路段组，其中包括路段1、路段2、路段3、路段4、路段5和路段6，该路段组中作为聚类中心的目标路段为路段3。结合表3可以得出，路段2、路段3、路段4、路段5和路段6与路段3的相关系数。其中，路段1与路段3的相关系数为0.1，路段2与路段3的相关系数为0.5，路段4与路段3的相关系数为0.9，路段5与路段3的相关系数为-0.5，路段6与路段3的相关系数为1。那么，在该路段组对应的缺失矩阵第一行元素到第六行元素可以依次为路段3的交通流参数的参数值，路段6的交通流参数的参数值，路段4的交通流参数的参数值，路段2的交通流参数的参数值，路段1的交通流参数的参数值，路段5的交通流参数的参数值。
此外，在一种可能的实现方式中，还可以将目标路段采集的交通流参数的参数值，作为该路段组对应的缺失矩阵的最后一行元素。然后，按照该路段组中的其余各路段与目标路段之间的相关系数由大到小的顺序，对其余各路段采集的交通流参数的参数值依次向上排列。
在一种可能的实现方式中，还可以将目标路段采集的交通流参数的参数值，作为该路段组对应的缺失矩阵的第一列元素。然后，按照该路段组中的其余各路段与目标路段之间的相关系数由大到小的顺序，对其余各路段采集的交通流参数的参数值依次向右排列。
在一种可能的实现方式中，还可以将目标路段采集的交通流参数的参数值，作为该路段组对应的缺失矩阵的最后一列元素。然后，按照该路段组中的其余各路段与目标路段之间的相关系数由大到小的顺序，对其余各路段采集的交通流参数的参数值依次向左排列。
在确定出各路段在对应的缺失矩阵中的位置后，对于每个路段组，可以基于该路段组中各路段在该路段组对应的缺失矩阵中对应的位置和各路段在多个时间段内采集的交通流参数的参数值，建立该路段组对应的缺失矩阵。在该缺失矩阵中，缺失的参数值的位置处可以为空。得到的各路段组对应的缺失矩阵均可以作为参数值对应的缺失矩阵。
例如，结合上述示例，路段1、路段2、路段3、路段4、路段5和路段6属于一个路段组，该路段组中作为聚类中心的目标路段为路段3。并且，根据每两个路段的相关系数，可以确定在该路段组对应的缺失矩阵第一行元素到第六行元素可以依次为路段3的交通流参数的参数值、路段6的交通流参数的参数值、路段4的交通流参数的参数值、路段2的交通流参数的参数值、路段1的交通流参数的参数值和路段5的交通流参数的参数值，再结合表1所示的数据，可以得到该路段组对应的缺失矩阵：
Figure GDA0003504035990000121
在一种可能的实现方式中，在对路段进行聚类后，还可以只建立一个缺失矩阵。具体的，可以将上述各缺失矩阵进行组合，组合后的缺失矩阵即可以作为交通流参数对应的矩阵。各路段组对应的缺失矩阵在组合后的缺失矩阵中的位置可以根据路段组的目标路段的物理位置确定。例如，可以按照目标路段的物理位置由北到南的顺序，确实各路段组对应的缺失矩阵在组合后的缺失矩阵中的位置。
步骤204、基于矩阵分解算法，确定缺失矩阵中空位置对应的缺失参数值。
其中，矩阵分解算法可以为低秩分解法、因式分解法、高斯贝叶斯优化法等。
在实施中，采用矩阵分解算法对缺失矩阵进行矩阵分解，可以得到两个子矩阵。再将分解得到的两个子矩阵相乘，得到近似矩阵。该近似矩阵的尺寸与缺失矩阵的尺寸相同。然后，对于缺失矩阵中的每个位置，将近似矩阵中与该空位置相同的位置处的元素，作为该目标位置对应的缺失参数值。
例如，对上述示例中路段1、路段2、路段3、路段4、路段5和路段6所属路段组对应的缺失矩阵，进行矩阵分解，可以得到如图4所示的两个子矩阵。然后，将这两个子矩阵相乘，得到如图4所示的相似矩阵。可见，得到的相似矩阵与缺失矩阵的尺寸相同。然后，对于缺失矩阵中的每个为空的位置，获取相似矩阵中相应位置处的元素，作为该为空的位置的缺失参数值，得到缺失矩阵对应的补全矩阵。
步骤205、基于缺失参数值和上述多个路段在多个时间段内采集的交通流参数的参数值，确定目标区域的交通流信息。
在实施中，通过上述各步骤可以对目标区域内各路段的一种或多种交通流参数的缺失参数值进行补全。需要说明的是，在对多种交通流参数的缺失参数值进行补全时，可以分别通过上述步骤对每种交通流参数的缺失参数值进行补全，当然，在补全这多种交通流参数的缺失参数值时，可以并行执行也可以依次执行。
然后，可以将该目标区域内各路段在多个时间段采集的一种或多种交通流参数的参数值以及上述确定出的一种或多种交通流参数的缺失参数值，共同作为目标区域的交通流信息。
在本申请实施例中，对于目标区域的多个路段，先根据采集的在多个时间段内这些路段的交通流参数的参数值，来确定每两个路段的相关系数。然后，在建立交通流参数对应的缺失矩阵时，对于各路段在缺失矩阵中的顺序按照上述计算的相关系数进行排序。可见，本申请中各路段在缺失矩阵中的顺序是按照一定规则排序而非随机排序，使得本申请的方法稳定性更好。
基于相同的技术构思，本申请实施例还提供了一种交通流参数补全的装置，该装置可以为上述计算机设备，如图5所示，该装置包括：
获取模块510，用于获取目标区域的多个路段在多个时间段内采集的交通流参数的参数值；具体实现方式请参考图2所示的实施例中步骤201的详细描述，这里不再赘述。
计算模块520，用于对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的所述交通流参数的参数值，确定所述两个路段的相关系数；具体实现方式请参考图2所示的实施例中步骤202的详细描述，这里不再赘述。
确定模块530，用于基于每两个路段的相关系数，确定每个路段在所述交通流参数对应的缺失矩阵中对应的位置，其中，所述缺失矩阵由所述交通流参数在不同路段、不同时间段的参数值和空位置组成；具体实现方式请参考图2所示的实施例中步骤203的详细描述，这里不再赘述。
建立模块540，用于基于每个路段在所述交通流参数对应的缺失矩阵中对应的位置和每个路段在所述多个时间段内采集的所述交通流参数的参数值，建立所述交通流参数对应的缺失矩阵；具体实现方式请参考图2所示的实施例中步骤203的详细描述，这里不再赘述。
分解模块550，用于基于矩阵分解算法，确定所述缺失矩阵中的缺失参数值；具体实现方式请参考图2所示的实施例中步骤204的详细描述，这里不再赘述。
组合模块560，用于基于所述缺失参数值和所述多个路段在多个时间段内采集的交通流参数的参数值，确定所述目标区域的交通流信息。具体实现方式请参考图2所示的实施例中步骤205的详细描述，这里不再赘述。
在一种可能的实现方式中，所述确定模块530，用于：
以所述相关系数为参数距离，对所述多个路段进行聚类处理，得到多个路段组以及每个路段组中作为聚类中心的目标路段；
对于每个路段组，基于所述路段组中除目标路段以外的路段与所述目标路段的相关系数，确定所述路段组中各路段在所述路段组对应的缺失矩阵中对应的位置；
所述建立模块540，用于：
对于每个路段组，基于所述路段组中各路段在所述路段组对应的缺失矩阵中对应的位置和各路段在所述多个时间段内采集的所述交通流参数的参数值，建立所述路段组对应的缺失矩阵；
所述分解模块550，用于：
基于矩阵分解算法，分别确定每个路段组对应的缺失矩阵中的缺失参数值。
在一种可能的实现方式中，所述计算模块520，还用于：
如果第一路段在第一时间段内未采集到所述交通流参数的参数值，则获取所述第一路段在所述第一时间段之前采集的至少一个所述交通流参数的参数值以及在所述第一时间段之后采集的至少一个所述交通流参数的参数值；
计算在所述第一时间段之前采集的所述交通流参数的至少一个参数值以及在所述第一时间段之后采集的所述交通流参数的至少一个参数值的平均值，作为所述第一路段在第一时间段的交通流参数的预估参数值，其中，所述多个路段包括所述第一路段，所述多个时间段包括所述第一时间段；
所述计算模块520，用于：
对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值和计算得到的所述交通流参数的预估参数值，确定所述两个路段的相关系数。
在一种可能的实现方式中，所述计算模块520，还用于：
如果第一路段在第一时间段内未采集到所述交通流参数的参数值，则获取所述第一路段的多个相邻路段在所述第一时间段采集的所述交通流参数的参数值；
计算所述多个相邻路段在所述第一时间段采集的所述交通流参数的参数值的平均值，作为所述第一路段在第一时间段的交通流参数的预估参数值，其中，所述多个路段包括所述第一路段，所述多个时间段包括所述第一时间段；
所述计算模块520，用于：
对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值和计算得到的所述交通流参数的预估参数值，确定所述两个路段的相关系数。
在一种可能的实现方式中，所述相关系数为皮尔逊相关系数，或者斯皮尔曼相关系数。
需要说明的是，上述实施例提供的交通流参数补全的装置在执行交通流参数补全时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将计算机设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的交通流参数补全的装置与交通流参数补全方法实施例属于同一构思，其具体实现过程详见图2所示方法实施例，为了简洁，在此不再赘述。
参见图6，本申请实施例提供了一种计算机设备600。该计算机设备600包括至少一个处理器601，总线系统602，存储器603，通信接口604和内存单元605。
上述处理器601可以是一个通用中央处理器(central processing unit，CPU)，网络处理器(network processor，NP)，图形处理器(graphics processing unit)微处理器，特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制本申请方案程序执行的集成电路。
上述总线系统602可包括一通路，在上述组件之间传送信息。
上述存储器603可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，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。
内存单元605用于存储执行本申请方案的应用程序代码，并由处理器601来控制执行。处理器601用于执行内存单元605中存储的应用程序代码，从而实现本申请提出的交通流信息获取的方法。
在具体实现中，作为一种实施例，处理器601可以包括一个或多个处理器601。
通信接口604用于实现计算机设备600与外部设备的连接和通信。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现，当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令，在设备上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴光缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是设备能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(如软盘、硬盘和磁带等)，也可以是光介质(如数字视盘(Digital Video Disk，DVD)等)，或者半导体介质(如固态硬盘等)。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请一个实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种交通流信息获取的方法，其特征在于，所述方法包括：
获取目标区域的多个路段在多个时间段内采集的交通流参数的参数值；
对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的所述交通流参数的参数值，确定所述两个路段的相关系数；
以所述相关系数为参数距离，对所述多个路段进行聚类处理，得到多个路段组以及每个路段组中作为聚类中心的目标路段，对于每个路段组，基于所述路段组中除目标路段以外的路段与所述目标路段的相关系数，确定所述路段组中各路段在所述路段组对应的缺失矩阵中对应的位置，其中，所述缺失矩阵由所述交通流参数在所述路段组的不同路段、不同时间段的参数值和空位置组成；
对于每个路段组，基于所述路段组中各路段在所述路段组对应的缺失矩阵中对应的位置和各路段在所述多个时间段内采集的所述交通流参数的参数值，建立所述路段组对应的缺失矩阵；
基于矩阵分解算法，分别确定每个路段组对应的缺失矩阵中的缺失参数值；
基于所述缺失参数值和所述多个路段在多个时间段内采集的交通流参数的参数值，确定所述目标区域的交通流信息。
2.根据权利要求1所述的方法，其特征在于，所述对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的所述交通流参数的参数值，确定所述两个路段的相关系数之前，所述方法还包括：
如果第一路段在第一时间段内未采集到所述交通流参数的参数值，则获取所述第一路段在所述第一时间段之前采集的至少一个所述交通流参数的参数值以及在所述第一时间段之后采集的至少一个所述交通流参数的参数值；
计算在所述第一时间段之前采集的所述交通流参数的至少一个参数值以及在所述第一时间段之后采集的所述交通流参数的至少一个参数值的平均值，作为所述第一路段在第一时间段的交通流参数的预估参数值，其中，所述多个路段包括所述第一路段，所述多个时间段包括所述第一时间段；
所述对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值，确定所述两个路段的相关系数，包括：
对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值和计算得到的所述交通流参数的预估参数值，确定所述两个路段的相关系数。
3.根据权利要求1所述的方法，其特征在于，所述对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值，确定所述两个路段的相关系数之前，所述方法还包括：
如果第一路段在第一时间段内未采集到所述交通流参数的参数值，则获取所述第一路段的多个相邻路段在所述第一时间段采集的所述交通流参数的参数值；
计算所述多个相邻路段在所述第一时间段采集的所述交通流参数的参数值的平均值，作为所述第一路段在第一时间段的交通流参数的预估参数值，其中，所述多个路段包括所述第一路段，所述多个时间段包括所述第一时间段；
所述对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值，确定所述两个路段的相关系数，包括：
对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值和计算得到的所述交通流参数的预估参数值，确定所述两个路段的相关系数。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述相关系数为皮尔逊相关系数，或者斯皮尔曼相关系数。
5.一种交通流信息获取的装置，其特征在于，所述装置包括：
获取模块，用于获取目标区域的多个路段在多个时间段内采集的交通流参数的参数值；
计算模块，用于对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的所述交通流参数的参数值，确定所述两个路段的相关系数；
确定模块，用于以所述相关系数为参数距离，对所述多个路段进行聚类处理，得到多个路段组以及每个路段组中作为聚类中心的目标路段，对于每个路段组，基于所述路段组中除目标路段以外的路段与所述目标路段的相关系数，确定所述路段组中各路段在所述路段组对应的缺失矩阵中对应的位置，其中，所述缺失矩阵由所述交通流参数在所述路段组的不同路段、不同时间段的参数值和空位置组成；
建立模块，用于对于每个路段组，基于所述路段组中各路段在所述路段组对应的缺失矩阵中对应的位置和各路段在所述多个时间段内采集的所述交通流参数的参数值，建立所述路段组对应的缺失矩阵；
分解模块，用于基于矩阵分解算法，分别确定每个路段组对应的缺失矩阵中的缺失参数值。
6.根据权利要求5所述的装置，其特征在于，所述计算模块，还用于：
如果第一路段在第一时间段内未采集到所述交通流参数的参数值，则获取所述第一路段在所述第一时间段之前采集的至少一个所述交通流参数的参数值以及在所述第一时间段之后采集的至少一个所述交通流参数的参数值；
计算在所述第一时间段之前采集的所述交通流参数的至少一个参数值以及在所述第一时间段之后采集的所述交通流参数的至少一个参数值的平均值，作为所述第一路段在第一时间段的交通流参数的预估参数值，其中，所述多个路段包括所述第一路段，所述多个时间段包括所述第一时间段；
所述计算模块，用于：
对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值和计算得到的所述交通流参数的预估参数值，确定所述两个路段的相关系数。
7.根据权利要求5所述的装置，其特征在于，所述计算模块，还用于：
如果第一路段在第一时间段内未采集到所述交通流参数的参数值，则获取所述第一路段的多个相邻路段在所述第一时间段采集的所述交通流参数的参数值；
计算所述多个相邻路段在所述第一时间段采集的所述交通流参数的参数值的平均值，作为所述第一路段在第一时间段的交通流参数的预估参数值，其中，所述多个路段包括所述第一路段，所述多个时间段包括所述第一时间段；
所述计算模块，用于：
对于所述多个路段中的每两个路段，基于所述两个路段在多个时间段内采集的交通流参数的参数值和计算得到的所述交通流参数的预估参数值，确定所述两个路段的相关系数。
8.根据权利要求5-7中任一项所述的装置，其特征在于，所述相关系数为皮尔逊相关系数，或者斯皮尔曼相关系数。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器及存储在所述存储器上的计算机程序或指令，所述处理器执行所述计算机程序或指令时，使得所述计算机设备实现权利要求1-4中任一项所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序或指令所述计算机程序或指令被处理器执行时，以实现权利要求1-4中任一项所述的方法。
CN202011622750.4A 2020-12-31 2020-12-31 交通流信息获取的方法、装置和计算机设备 Active CN112863174B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011622750.4A CN112863174B (zh) 2020-12-31 2020-12-31 交通流信息获取的方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011622750.4A CN112863174B (zh) 2020-12-31 2020-12-31 交通流信息获取的方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN112863174A CN112863174A (zh) 2021-05-28
CN112863174B true CN112863174B (zh) 2022-05-17

Family

ID=75999211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011622750.4A Active CN112863174B (zh) 2020-12-31 2020-12-31 交通流信息获取的方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN112863174B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108010320A (zh) * 2017-12-21 2018-05-08 北京工业大学 一种基于自适应时空约束低秩算法的路网交通数据的补全方法
CN108961747A (zh) * 2018-07-03 2018-12-07 北京航空航天大学 一种不完备卡口数据条件下的城市道路交通状态信息提取方法
CN111311904A (zh) * 2020-01-17 2020-06-19 东南大学 一种基于浮动车数据加权张量重建的交通状态估计方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2199910T3 (es) * 2001-07-11 2004-03-01 Transver Gmbh Procedimiento para determinar un indice de atasco y para determinar longitudes de cola.
US8755991B2 (en) * 2007-01-24 2014-06-17 Tomtom Global Assets B.V. Method and structure for vehicular traffic prediction with link interactions and missing real-time data
CN102110365B (zh) * 2009-12-28 2013-11-06 日电（中国）有限公司 基于时空关系的路况预测方法和系统
US10055504B2 (en) * 2015-04-09 2018-08-21 International Business Machines Corporation Aggregation of traffic impact metrics

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108010320A (zh) * 2017-12-21 2018-05-08 北京工业大学 一种基于自适应时空约束低秩算法的路网交通数据的补全方法
CN108961747A (zh) * 2018-07-03 2018-12-07 北京航空航天大学 一种不完备卡口数据条件下的城市道路交通状态信息提取方法
CN111311904A (zh) * 2020-01-17 2020-06-19 东南大学 一种基于浮动车数据加权张量重建的交通状态估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An Improved Low Rank Matrix Completion Method for Traffic Data;Yirong Guo 等;《2018 11th International Conference on Intelligent Computation Technology and Automation》;20181029;第255-260页 *
基于低秩矩阵补全模型的路网交通流数据插补方法研究;韦中杰;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20190215(第二期);第1-55页 *

Also Published As

Publication number Publication date
CN112863174A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN109544598B (zh) 目标跟踪方法、装置及可读存储介质
CN110967028B (zh) 导航地图构建方法、装置、机器人及存储介质
WO2015154438A1 (zh) 定位方法及装置
CN109685092B (zh) 基于大数据的聚类方法、设备、存储介质及装置
CN106803197A (zh) 拼单方法和设备
CN111784699B (zh) 一种对三维点云数据进行目标分割方法、装置及终端设备
KR20210090249A (ko) 이미지 처리 방법, 장치, 차량 탑재 연산 플랫폼, 전자 디바이스 및 시스템
CN107944931A (zh) 种子用户拓展方法、电子设备及计算机可读存储介质
CN110457706B (zh) 兴趣点名称选择模型训练方法、使用方法、装置及存储介质
CN114239668A (zh) 模型更新的方法、终端和服务器
CN112863174B (zh) 交通流信息获取的方法、装置和计算机设备
CN111121803B (zh) 获取道路常用停靠点的方法及装置
CN116630367A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN116881807A (zh) 自动驾驶系统的评价方法、相关模型的训练方法和设备
CN112464970A (zh) 区域价值评估模型处理方法、装置及计算设备
CN112800351B (zh) 轨迹相似度判断方法、系统及计算机介质
CN109245948A (zh) 安全感知的虚拟网络映射方法及其装置
CN113469102B (zh) 目标对象的重识别方法及装置、存储介质、电子装置
CN115620031B (zh) 一种自然资源确权登记信息处理方法、系统及设备
CN116109145B (zh) 车辆行驶路线的风险评估方法、装置、终端及存储介质
CN112118535B (zh) 车辆漫游区域预测方法及系统
CN112435293B (zh) 一种车道线的结构化参数表示确定方法及装置
CN111243250B (zh) 一种基于报警数据的维保预警方法、装置及设备
CN115600441B (zh) 芯片电路的数据处理方法、装置、设备及存储介质
CN115965824B (zh) 点云数据标注方法、点云目标检测方法、设备及存储介质

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