CN112907939B - 交通控制子区划分方法及装置 - Google Patents
交通控制子区划分方法及装置 Download PDFInfo
- Publication number
- CN112907939B CN112907939B CN201911228514.1A CN201911228514A CN112907939B CN 112907939 B CN112907939 B CN 112907939B CN 201911228514 A CN201911228514 A CN 201911228514A CN 112907939 B CN112907939 B CN 112907939B
- Authority
- CN
- China
- Prior art keywords
- division
- determining
- intersections
- matrix
- intersection
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种交通控制子区划分方法及装置,属于数据处理领域。在本申请中,终端可以获取待划分路网内的多个交叉口的数量和多个交叉口的关联数据,并根据多个交叉口的数量,确定多个划分数目,根据多个交叉口的关联数据和多个划分数目,确定与多个划分数目一一对应的多个划分结果,之后,从多个划分结果中选择一个划分结果作为待划分路网的交通控制子区的划分结果。这样,交通控制子区的划分结果不会受到划分数目的约束,避免了相关技术中由于指定的划分数目不合理所导致的划分结果不合理的问题,有利于合理的进行交通控制优化。
Description
技术领域
本申请涉及数据处理领域,特别涉及一种交通控制子区划分方法及装置。
背景技术
一个城市道路路网中包含着数十个甚至上千个交叉口,为了便于对城市道路路网进行控制,通常会将城市道路路网划分成若干个相互独立的交通控制子区,每个交通控制子区包含相邻或不相邻的多个关联度较强的交叉口。这样,可以通过对交通控制子区进行控制,来实现对城市道路路网的控制。
相关技术中,用户需要根据经验针对待划分的城市道路路网预先设定交通控制子区的划分数目。之后,终端可以根据用户预先设定的划分数目,将城市道路路网划分为相应数目的交通控制子区。
由于需要人为指定划分数目,因此,不利于自动化且动态化的进行交通控制子区的划分。另外,根据经验人为指定的划分数目对于待划分的城市道路路网来说不一定是合理的,在这种情况下,根据该划分数目得到的划分结果也不一定是合理的,这样,不利于合理的进行交通控制优化。
发明内容
本申请实施例提供了一种交通控制子区划分方法、装置及存储介质,解决了根据人为指定的划分数目对待划分的城市道路路网进行划分时,得到的划分结果不一定合理的问题。所述技术方案如下:
一方面,提供了一种交通控制子区划分方法,所述方法包括:
获取待划分路网内的多个交叉口的数量和所述多个交叉口的关联数据;
根据所述多个交叉口的数量,确定多个划分数目;
根据所述多个交叉口的关联数据和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果;
从所述多个划分结果中选择一个划分结果作为所述待划分路网的交通控制子区的划分结果。
可选地,所述根据所述多个交叉口的数量,确定多个划分数目,包括:
确定所述多个交叉口的数量与交叉口数因子之间的比值,将所述比值作为最大划分数目;
将大于参考阈值且不大于所述最大划分数目的全部整数作为所述多个划分数目,所述参考阈值小于所述最大划分数目。
可选地,所述多个交叉口的关联数据包括所述多个交叉口中每个交叉口的交通数据和所述多个交叉口中每两个交叉口之间的连接关系数据。
可选地,所述根据所述多个交叉口的关联数据和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果,包括:
根据所述多个交叉口中每个交叉口的交通数据和所述多个交叉口中每两个交叉口之间的连接关系数据,确定交叉口关联度矩阵,所述交叉口关联度矩阵用于表示每两个交叉口之间的相关度;
根据所述交叉口关联度矩阵,确定度矩阵;
根据所述交叉口关联度矩阵、所述度矩阵和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果。
可选地,所述根据所述交叉口关联度矩阵、所述度矩阵和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果,包括:
根据所述交叉口关联度矩阵和所述度矩阵,确定拉普拉斯矩阵;
根据所述拉普拉斯矩阵和所述多个划分数目,确定与所述多个划分数目一一对应的多个特征矩阵,每个特征矩阵中的每个行向量用于表征一个交叉口的特征;
对所述多个特征矩阵中同一特征矩阵包括的多个行向量进行聚类,得到每个特征矩阵中每个行向量所属的簇;
根据每个特征矩阵中每个行向量所属的簇,确定相应划分数目对应的划分结果。
可选地,所述从所述多个划分结果中选择一个划分结果作为所述待划分路网的交通控制子区的划分结果,包括:
确定每个划分结果对应的失真函数值;
根据每个划分结果对应的失真函数值,确定相应划分结果对应的失真变形函数值;
按照所述多个划分结果对应的划分数目从小到大的顺序,对所述多个划分结果对应的失真变形函数值进行排序;
确定排序结果中每相邻的两个失真变形函数值中后一个失真变形函数值与前一个失真变形函数值之间的突变差值,得到多个突变差值;
从所述多个突变差值中确定最大突变差值,将用于确定所述最大突变差值的两个失真变形函数值中后一个失真变形函数值对应的划分结果,作为所述待划分路网的交通控制子区的划分结果。
另一方面,提供了一种交通控制子区划分装置,所述装置包括:
获取模块,用于获取待划分路网内的多个交叉口的数量和所述多个交叉口的关联数据;
第一确定模块,用于根据所述多个交叉口的数量,确定多个划分数目;
第二确定模块,用于根据所述多个交叉口的关联数据和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果;
第三确定模块,用于从所述多个划分结果中选择一个划分结果作为所述待划分路网的交通控制子区的划分结果。
可选地,所述第一确定模块具体用于:
确定所述多个交叉口的数量与交叉口数因子之间的比值,将所述比值作为最大划分数目;
将大于参考阈值且不大于所述最大划分数目的全部整数作为所述多个划分数目,所述参考阈值小于所述最大划分数目。
可选地,所述多个交叉口的关联数据包括所述多个交叉口中每个交叉口的交通数据和所述多个交叉口中每两个交叉口之间的连接关系数据。
可选地,所述第二确定模块,包括:
第一确定子模块,用于根据所述多个交叉口中每个交叉口的交通数据和所述多个交叉口中每两个交叉口之间的连接关系数据,确定交叉口关联度矩阵,所述交叉口关联度矩阵用于表示每两个交叉口之间的相关度;
第二确定子模块,用于根据所述交叉口关联度矩阵,确定度矩阵;
第三确定子模块,用于根据所述交叉口关联度矩阵、所述度矩阵和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果。
可选地,所述第三确定子模块具体用于:
根据所述交叉口关联度矩阵和所述度矩阵,确定拉普拉斯矩阵;
根据所述拉普拉斯矩阵和所述多个划分数目,确定与所述多个划分数目一一对应的多个特征矩阵,每个特征矩阵中的每个行向量用于表征一个交叉口的特征;
对所述多个特征矩阵中同一特征矩阵包括的多个行向量进行聚类,得到每个特征矩阵中每个行向量所属的簇;
根据每个特征矩阵中每个行向量所属的簇,确定相应划分数目对应的划分结果。
可选地,所述第三确定模块,包括:
第四确定子模块,用于确定每个划分结果对应的失真函数值;
第五确定子模块,用于根据每个划分结果对应的失真函数值,确定相应划分结果对应的失真变形函数值;
排序子模块,用于按照所述多个划分结果对应的划分数目从小到大的顺序,对所述多个划分结果对应的失真变形函数值进行排序;
第六确定子模块,用于确定排序结果中每相邻的两个失真变形函数值中后一个失真变形函数值与前一个失真变形函数值之间的突变差值,得到多个突变差值;
第七确定子模块,用于从所述多个突变差值中确定最大突变差值,将用于确定所述最大突变差值的两个失真变形函数值中后一个失真变形函数值对应的划分结果,作为所述待划分路网的交通控制子区的划分结果。
另一方面,提供了一种交通控制子区划分装置,所述装置包括处理器、通信接口、存储器和通信总线;
其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信;
所述存储器用于存放计算机程序;
所述处理器用于执行所述存储器上所存放的程序,以实现前述提供交通控制子区划分方法。
另一方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现前述提供的交通控制子区划分方法的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括:
在本申请实施例中,无需指定交通控制子区的划分数目,而是可以根据多个交叉口的数量,确定多个划分数目,进而确定出多个划分数目一一对应的多个划分结果,之后,再从多个划分结果中选择一个划分结果作为交通控制子区的划分结果。这样,交通控制子区的划分结果不会受到划分数目的约束,避免了相关技术中由于指定的划分数目不合理所导致的划分结果不合理的问题,有利于合理的进行交通控制优化。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种交通控制子区划分系统架构图;
图2是本申请实施例提供的一种交通控制子区划分方法流程图;
图3是本申请实施例提供的一种交通控制子区划分装置的结构示意图;
图4是本申请实施例提供的一种交通控制子区划分终端的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例进行详细的解释说明之前,先对本申请实施例涉及的应用场景予以介绍。
随着交通的发达,一个城市道路路网中可能包括数十个甚至上千个交叉口,为了便于对庞大的城市道路路网进行控制,可以将城市道路路网划分为多个交通控制子区,之后,通过对多个交通控制子区的控制,来实现对城市道路路网的控制。本申请实施例提供的交通控制子区划分方法,即可以用于上述场景中,将城市道路路网合理的划分为多个交通控制子区,并通过控制多个交通控制子区,实现对城市道路路网的控制。
接下来对本申请实施例提供的交通控制子区划分方法所涉及的系统架构进行介绍。
图1是本申请实施例提供的一种交通控制子区划分方法所涉及的系统架构图。如图1所示,该系统100包括终端101,以及多个检测器102。终端101和多个检测器102之间通过无线或有线方式连接以进行通信。
其中,终端101存储有多个城市道路路网的交叉口的数量,根据待划分城市道路路网的交叉口数量,可以确定多个划分数目,进一步地,终端101可以接收多个检测器102发送城市道路路网内的多个交叉口的关联数据,并通过本申请实施例提供的方法对关联数据进行处理,从而得到该城市道路路网的交通控制子区的划分结果。
多个检测器102可以分别设置在多个交叉口处,用于采集相应交叉口的关联数据,并将该关联数据发送给终端101。
在本申请实施例中,终端101可以为电脑等设备,图1中仅仅是以电脑举例进行说明,并不构成对本申请实施例的限定。检测器102可以是用于为检测交叉口关联数据的交通监控设备。
接下来对本申请实施例提供的交通控制子区划分方法进行介绍。
图2是本申请实施例提供的一种交通控制子区划分方法的流程图,该方法可以应用于终端中,该终端可以是指图1中的终端101。如图2所示,该方法包括以下步骤:
步骤201:获取待划分路网内的多个交叉口的数量和多个交叉口的关联数据。
在确定待划分路网后,终端可以获取待划分路网内的多个交叉口的数量。
在一种可能的情况下,终端中存储有多个路网的编号与多个路网中每个路网内的多个交叉口的数量的对应关系。当终端确定待划分路网后,可以根据待划分路网的编号从存储的对应关系中获取待划分路网内的多个交叉口的数量。
在另一种可能的情况下,终端确定待划分路网后,可以显示一个配置窗口,该配置窗口中包括路网的多个交叉口的数量配置项,用户可以在数量配置项中输入待划分路网的多个交叉口的数量,然后,终端通过获取配置项中的数值,从而获取待划分路网内的多个交叉口的数量。
在获取多个交叉口的数量的同时,终端还可以获取待划分路网内的多个交叉口的关联数据。
在一种可能的情况中,多个交叉口的关联数据可以为多个交叉口中每个交叉口的交通数据以及多个交叉口中每两个交叉口之间的连接关系数据。在这种情况下,终端可以通过检测器来获取该关联数据,也即,终端可以接收检测器发送的该关联数据。
其中,每个交叉口的交通数据是指每个交叉口在一个时间周期内,每隔预设时间段通过该交叉口的车辆的数目,该时间周期大于预设时间段,且一个时间周期内包括多个预设时间段,这样,可以得到一个时间周期内的多个预设时间段通过交叉口的车辆的数目。基于此,每个交叉口的交通数据可以通过一个向量来表示,该向量中的每个元素值等于一个预设时间段内通过该交叉口的车辆的数目。
需要说明的是,每两个交叉口之间的连接关系数据用于表示该两个交叉口的连接关系,每两个交叉口之间的连接关系数据可以通过连接关系矩阵中的各个元素值来表示,连接关系矩阵中的每个元素值用于指示两个交叉口的连接关系。例如,连接关系矩阵中第i行、第j列处的元素值用于指示交叉口i和交叉口j之间的连接关系。并且,每个元素值的取值大小可以根据相应元素值所指示的两个交叉口之间的路径确定。
示例性地,终端中预先存储有一个参考数值,当两个交叉口之间的路径是通过小于或等于该参考数值个路段连接而成的,则可以确定这两个交叉口是相连的,此时,这两交叉口的连接关系可以通过第一数据来指示,也即是,在连接关系矩阵中这两个交叉口对应的元素值可以为第一数据,该第一数据用于表示两个交叉口是相连的。当两个交叉口之间的路径是通过大于该参考数值个路段连接而成的,则可以确定这两个交叉口是不相连的,此时,这两个交叉口的连接关系可以通过第二数据来指示,也即是,在连接关系矩阵中这两个交叉口对应的元素值可以为第二数据,该第二数据用于表示对应的两个交叉口是不相连的。其中,第一数据和第二数据不同,例如,第一数据可以为1,第二数据可以为0。
值得注意的是,连接关系矩阵中的对角线处的元素值用于表示一个交叉口与自身之间的连接关系,由于一个交叉口与自身之间的连接关系没有实际物理意义,因此,对应的元素值可以为第二数据,也即是,连接关系矩阵中的对角线处的元素可以为第二数据。
例如,假设终端中存储的参考数值为2,交叉口1和交叉口2之间通过2个路段连接而成,则可以确定交叉口1和交叉口2是相连的,交叉口1和交叉口3之间通过1个路段连接而成,则可以确定交叉口1和交叉口3是相连的,交叉口2和交叉口3之间通过3个路段连接而成,则可以确定交叉口2和交叉口3是不相连的。此时,假设第一数据为1,第二数据为0,则根据上述各个交叉口之间的连接关系可以得到用于表征多个交叉口的连接关系的连接关系矩阵H如下:
在另一种可能的情况下,多个交叉口的关联数据也可以为交叉口关联度矩阵。在这种情况下,该交叉口关联度矩阵可以是其他设备根据多个交叉口中每个交叉口的交通数据以及多个交叉口中每两个交叉口之间的连接关系数据,通过后续步骤203中介绍的确定交叉口关联度矩阵的方式确定得到。其中,该交叉口关联度矩阵用于表示每两个交叉口之间的相关度。
步骤202:根据多个交叉口的数量,确定多个划分数目。
得到多个交叉口的数量后,终端可以确定多个交叉口的数量与交叉口数因子之间的比值,将该比值作为最大划分数目。将大于参考阈值且不大于最大划分数目的全部整数作为多个划分数目,该参考阈值小于最大划分数目。
其中,交叉口数因子为预先存储的常数,表示一个交通控制子区内所包含的多个交叉口数的期望值,参考阈值也为预先存储的常数,该参考阈值即为最小划分数目。
终端可以根据多个交叉口的数量与交叉口数因子,通过下述公式(2)得到最大划分数目。
其中,Imax为最大划分数目,n为多个交叉口的数量,Ithrethold为交叉口数因子。
需要说明的是,由于待划分路网内的多个交叉口的数量与交叉口数因子的比值存在是整数和不是整数这两种情况。对于这两种不同的情况,可以通过下述的两种方法确定最大划分数目。
当待划分路网内的多个交叉口的数量与交叉口数因子的比值是整数时,可以直接将该比值的数值作为最大划分数目。
当待划分路网内的多个交叉口的数量与交叉口数因子的比值不是整数时,可以将该比值的数值向上取整,并将向上取整后的得到的数值作为最大划分数目。
示例性地,待划分路网的多个交叉口的数量为26,交叉口数因子为10,可以根据上述公式得到多个交叉口的数量与交叉口数因子的比值为26/10=2.6,由于该比值不是整数,因此,需要对该比值的数值2.6进行向上取整,可以得到向上取整后的数值3,并将3作为最大划分数目。
进一步地,终端可以获取存储的参考阈值,并将得到的参考阈值作为最小划分数目。之后,终端可以将最小划分数目作为下限,将最大划分数目作为上限,得到一个划分数目范围。将该划分数目范围内包括的全部整数均作为划分数目,可以得到多个划分数目。
示例性地,继续以前述得到最大划分数目3为例,终端获取到参考阈值为1,也即是最小划分数目1。之后,终端将最小划分数目1作为下限,将最大划分数目3作为上限,得到一个划分数目范围[1,3],并将划分数目范围[1,3]内包括的全部整数均作为划分数目,得到多个划分数目1、2和3。
步骤203:根据多个交叉口的关联数据和多个划分数目,确定与多个划分数目一一对应的多个划分结果。
在获取到多个交叉口的关联数据不同的情况下,终端可以根据关联数据通过下述两种不同的方法对关联数据进行处理。
在一种可能的情况下,当获取到每个交叉口的交通数据和每两个交叉口之间的连接关系数据之后,终端可以根据多个交叉口中每个交叉口的交通数据和多个交叉口中每两个交叉口之间的连接关系数据,确定交叉口关联度矩阵,交叉口关联度矩阵用于表示每两个交叉口之间的相关度;根据交叉口关联度矩阵,确定度矩阵;根据交叉口关联度矩阵、度矩阵和多个划分数目,确定与多个划分数目一一对应的多个划分结果。
由前述介绍可知,多个交叉口中每个交叉口的交通数据可以通过一个向量来表示,基于此,终端可以对每个向量中的元素值进行归一化处理,得到归一化交通数据。其中,对交通数据进行归一化的方法可以为线性归一化、标准正态分布归一化等,本申请实施例在此不做限定。
之后,终端可以根据归一化的交通数据和连接关系数据得到交叉口关联度矩阵。
在一些实施例中,终端可以根据归一化的交通数据和连接关系数据通过下述公式(3),确定交叉口关联度矩阵W中每一个元素值,进而得到交叉口关联度矩阵。
其中,wij为关联度矩阵中第i行、第j列的元素值,为第i个交叉口的归一化的交通数据,为第j个交叉口经过归一化的交通数据,σ为邻域宽度系数,该系数可以根据第i个交叉口和第j个交叉口的归一化后的交通数据取任一正数,当这两个交叉口归一化后的交通数据的欧式距离一定时,该系数越大,这两个交叉口间的相似度越高,hij为连接关系矩阵中第i行、第j列的元素值。
在另一些实施例中,终端可以根据归一化的交通数据和连接关系数据通过下述公式(4),确定交叉口关联度矩阵W中每一个元素值,进而得到交叉口关联度矩阵。
需要说明的是,上述仅是本申请实施例提供的确定交叉口关联度矩阵W中每一个元素值的几种示例性的方法,在另外一些可能的情况下,还可以通过其他的方法确定交叉口关联度矩阵W中每一个元素值,本申请实施例对此不做限定。
在根据前述两种方法中的任一方法得到交叉口关联度矩阵后,终端可以根据交叉口关联度矩阵通过下述公式(5)确定度矩阵D中的每一个元素值,进而得到度矩阵。
其中,dij为度矩阵中第i行、第j列的元素值,wij为关联度矩阵中第i行、第j列的元素值。
需要说明的是,上述仅是本申请提供的确定度矩阵D中的每一个元素值的示例性的方法,在另外一些可能的情况下,还可以通过其他的方法确定度矩阵D中的每一个元素值,本申请实施例对此不做限定。
示例性地,交叉口关联度矩阵W为下述矩阵(6),则度矩阵D中对角线上的任一元素值为该元素值所在行在关联度矩阵中对应行的元素值之和,例如,度矩阵中第1行、第1列的元素值等于交叉口关联度矩阵中第1行元素值之和为0+3+6=9,度矩阵中第2行、第2列的元素值是交叉口关联度矩阵中第2行元素值之和为3+0+2=5,度矩阵中第3行、第3列的元素等于交叉口关联度矩阵中第3行元素之和为6+2+0=8,度矩阵中的其余元素值则均为0,由此可以得到上述交叉口关联度矩阵对应的度矩阵为下述矩阵(7)。
在得到交叉口关联度矩阵和度矩阵之后,终端可以根据交叉口关联度矩阵和度矩阵,确定拉普拉斯矩阵;根据拉普拉斯矩阵和多个划分数目,确定与多个划分数目一一对应的多个特征矩阵,每个特征矩阵中的每个行向量用于表征一个交叉口的特征;对多个特征矩阵中同一特征矩阵包括的多个行向量进行聚类,得到每个特征矩阵中每个行向量所属的簇;根据每个特征矩阵中每个行向量所属的簇,确定相应划分数目对应的划分结果。
需要说明的是,由于交叉口关联度矩阵用于表示每两个交叉口之间的关联度,因此,关联度矩阵是一个方阵,而度矩阵是通过关联度矩阵得到的,故度矩阵是一个与关联度矩阵同阶的方阵。基于此,可以通过关联度矩阵和度矩阵计算得到拉普拉斯矩阵,并且拉普拉斯矩阵、关联度矩阵和度矩阵均为同阶的方阵。
在一种可能的情况下,终端中可以存储有多个拉普拉斯矩阵的类型,以及每个类型对应的计算模型,并且,该多个拉普拉斯矩阵的类型中包括一个默认类型。终端可以显示存储的多个拉普拉斯矩阵的类型,供用户进行选择,之后,终端可以根据用户选择的拉普拉斯矩阵的类型,从多个拉普拉斯矩阵的计算模型中获取相应类型的拉普拉斯矩阵的计算模型,并通过获取的计算模型确定拉普拉斯矩阵。如果未获取到用户选择的拉普拉斯矩阵的类型,终端则可以使用默认类型的拉普拉斯矩阵的计算模型来确定拉普拉斯矩阵。
示例性地,假设用户当前选择使用的拉普拉斯矩阵的类型为标准化拉普拉斯矩阵,则终端可以根据关联度矩阵和度矩阵通过下述公式(8),计算得到标准化拉普拉斯矩阵L。
其中,W为交叉口关联度矩阵,D为度矩阵,I为单位矩阵。
在得到拉普拉斯矩阵后,终端可以根据拉普拉斯矩阵的多个特征值、每个特征值对应的特征向量和多个划分数目,得到与多个划分数目一一对应的多个特征矩阵。
在本申请实施例中,终端可以计算拉普拉斯矩阵对应的多个特征值,将得到的多个特征值按照从小到大顺序进行排列,之后,终端可以从排列后的多个特征值中按照排列的顺序依次选择最大划分数目个特征值。之后,可以分别根据选择的多个特征值和拉普拉斯矩阵,确定选择的多个特征值中每个特征值对应的特征向量,并按照选择的多个特征值的排列顺序对与多个特征值一一对应的多个特征向量进行排列。
之后,对于多个划分数数目中的任一划分数目,为了便于说明,将其称为第一划分数目。终端可以从排序后的多个特征向量中按顺序选择与第一划分数目相同数目的特征向量,并选择的特征向量按顺序进行组合,从而得到与第一划分数目对应的特征矩阵。对于多个划分数目中的每个划分数目,终端均可以采用上述方法确定得到与每个划分数目对应的特征向量。
示例性地,假设多个划分数目为1和2,拉普拉斯矩阵为下述矩阵(9),计算得到该拉普拉斯矩阵的3个特征值按照从小到大排序后为λ1=-1、λ2=2、λ3=2,则可以从这3个特征值中选择特征值λ1和λ2,分别计算特征值λ1和λ2对应的特征向量,λ1=-1对应的特征向量为u1={1,0,1},λ2=2对应的特征向量为u2={0,1,-1},这两个特征向量可以按照对应的特征值的排列顺序进行排列。对于划分数目等于1的情况,终端可以从排序后的多个特征向量中选择第一个特征向量u1,将第一个特征向量u1作为划分数目等于1时所对应的特征矩阵下述矩阵(10)。之后,对于划分数目等于2的情况,终端可以从排序后的多个特征向量中选择前2个特征向量,也即是,特征向量u1和u2,将这两个向量按顺序组合,得到划分数目等于2时的特征矩阵下述矩阵(11)。
在得到与多个划分数目一一对应的多个特征矩阵后,终端可以对同一个特征矩阵包括的多个行向量进行聚类,得到该特征矩阵中的每个行向量所属的类。
在本申请实施例中,终端对每个划分数目对应的特征矩阵中的多个行向量进行聚类时,可以将该划分数目作为聚类的类数,之后,随机生成每个类的聚类中心,并将与同一个聚类中心距离较近的行向量分为该类中,根据分好后的每个类中的全部行向量,重新计算每个类的聚类中心,重复前述的方法,直到聚类中心不再变化。这样,可以将多个行向量划分到为多个类。
示例性地,假设多个交叉口的数量为5,划分数目为2,特征矩阵为下述矩阵(12),可以得到4个行向量y1={1 2}、y2={1 1}、y3={3 4}、y4={2 6},且可知聚类的类数为2,对该4个行向量进行聚类后可以将4个行向量分为A和B两类,其中,行向量y1和y2属于类别A,行向量y3和y4属于类别B。
可选地,在对聚类数据进行聚类时,为了减少计算量和花费的时间,可以事先设定更新聚类中心的次数,当更新聚类中心的次数满足预先设定的次数时,则停止更新聚类中心,将此时每个类中的聚类数据作为最终的聚类结果。
将每个划分数目对应的特征矩阵中的多个行向量划分为该划分数目个类后,可在属于同一个类的行向量的末尾添加同一个类标识,得到多个簇,该类标识用于指示该行向量属于哪一个类。
示例性地,继续以前述得到聚类结果为例,可以在属于同一个类的聚类数据对应的行向量的末尾标识同一个类标识,假设类别A对应的类标识为1,类别B的类标识为2。在行向量y1的末尾添加类标识1后,可以得到行向量y1所属的簇c1={1 2 1},在行向量y2的末尾添加类标识1后,可以得到行向量y2所属的簇c2={1 1 1},在行向量y3的末尾添加类标识2后,可以得到行向量y3所属的簇c3={3 4 2},在行向量y4的末尾添加类标识2后,可以得到行向量y4所属的簇c4={2 6 2}。
进一步地,终端可以根据每个特征矩阵中每个行向量所属的簇的末尾的类标识,将多个行向量所表征的多个交叉口进行划分。在这种情况下,可以将所属簇的末尾的类标识相同的行向量划分在同一个类中,之后,可以将同一个类中的多个行向量所表征的多个交叉口划分在同一个交通控制子区中。基于此,可以得到每个划分数目对应的划分结果。
示例性地,以前述得到行向量所属的簇为例,行向量y1表示交叉口1,行向量y2表示交叉口2,行向量y3表示交叉口3,行向量y4表示交叉口4,得到划分数目为2时的划分结果:交通控制子区1包括交叉口1和交叉口2,交通控制子区2包括交叉口3和交叉口4。
在另一种可能的情况下,当获取到的关联数据为交叉口关联度矩阵时,终端可以直接通过前述方法交叉口关联度矩阵,确定度矩阵。之后,根据交叉口关联度矩阵、度矩阵和多个划分数目,确定与多个划分数目一一对应的多个划分结果。
步骤204:从多个划分结果中选择一个划分结果作为待划分路网的交通控制子区的划分结果。
在得到多个划分结果后,终端可以确定每个划分结果对应的失真函数值;根据每个划分结果对应的失真函数值,确定相应划分结果对应的失真变形函数值;按照多个划分结果对应的划分数目从小到大的顺序,对多个划分结果对应的失真变形函数值进行排序;确定排序结果中每相邻的两个失真变形函数值中后一个失真变形函数值与前一个失真变形函数值之间的突变差值,得到多个突变差值;从多个突变差值中确定最大突变差值,将用于确定所述最大突变差值的两个失真变形函数值中后一个失真变形函数值对应的划分结果,作为待划分路网的交通控制子区的划分结果。
接下来,以多个划分结果中第一划分结果为例来对确定失真变形函数值的实现过程进行说明,其中,该第一划分结果可以多个划分结果中的任一划分结果。
终端可以根据第一划分结果对应的划分数目所对应的特征矩阵中的每个行向量,以及每个行向量对应的类的聚类中心,通过下述公式(13)确定第一划分结果对应的失真函数值。
其中,k为第一划分结果对应的划分数目,dsk为第一划分结果对应的失真函数值,yi为划分数目等于k对应的特征矩阵中的第i行行向量,μci为第i行行向量所对应的类的聚类中心。
接下来,终端可以根据第一划分结果对应的失真函数值,通过下述公式(14),计算得到第一划分结果对应的失真变形函数值。
tdsk=dsk -Y (14)
需要说明的是,在计算每个划分结果对应的失真变形函数值之前,终端还可以确定初始失真变形函数值。示例性地,初始失真变形函数值可以为0。
对于多个划分结果中的每个划分结果,终端均可以参照对第一划分结果的处理方式进行处理,从而得到每个划分结果对应的失真变形函数值。
在得到了每个划分结果对应的失真变形函数值后,终端可以按照多个划分结果对应的多个划分数目从小到大的顺序,对多个失真变形函数值进行排序,之后,可以将排序结果中每相邻的两个失真变形函数值中,后一个失真变形函数值与前一个失真变形函数值之间的差值作为突变差值,也即是,可以通过下述公式(15),计算得到每相邻的两个失真变形函数值之间的突变差值。
Jk=tdsk-tdsk-1 (15)
其中,Jk为突变差值,tdsk为划分数目等于k时的划分结果所对应的失真变形函数值,tdsk-1为划分数目等于k-1时的划分结果所对应的失真变形函数值。
在通过上述方法得到多个突变差值后,终端可以从多个突变差值中确定最大突变差值。
在一种可能的情况下,终端可以从多个突变差值中任意选择一个突变差值,之后,再从多个突变差值中选择除已选的突变差值外的任意一个突变差值,将这两个突变差值进行比较,保留较大的一个突变差值,接下来,从多个突变差值中选择除已选的突变差值外的任意一个突变差值,将这两个突变差值进行比较,保留较大的一个突变差值,继续前述的步骤,直到多个突变差值均已经被选择过,此时,保留的突变差值,则为最大突变差值。
在另一种可能的情况下,终端可以将多个突变差值按从大到小的顺序进行排列,将排序结果中位于第一个的突变差值则为最大突变差值。
在确定最大突变差值之后,可以将用于确定该最大突变差值的两个失真变形函数值中后一个失真变形函数值对应的划分结果作为最优划分结果。
需要说明的是,上述步骤204提供的确定第一划分结果对应的失真函数值、失真变形函数值以及相邻的两个失真变形函数值之间的突变差值的方法,仅是一种可能的示例方法。在另外一些可能的情况下,还可以通过其他的方法来实现,本申请实施例对此不做限定。
在本申请实施例中,无需指定交通控制子区的划分数目,而是可以根据多个交叉口的数量,确定多个划分数目,进而确定出多个划分数目一一对应的多个划分结果,之后,再从多个划分结果中选择一个划分结果作为交通控制子区的划分结果。这样,交通控制子区的划分结果不会受到划分数目的约束,避免了相关技术中由于指定的划分数目不合理所导致的划分结果不合理的问题,有利于合理的进行交通控制优化。并且,通过每相邻两个划分结果的突变差值中的最大突变差值确定的划分结果,是多个划分结果中的最优划分结果,这样,可以得到最优的交通控制子区划分结果,有利于高效的进行交通控制优化。
参见图3,本申请实施例提供了一种交通控制子区划分装置300,该交通控制子区划分装置可以应用于终端中,该装置300包括:
获取模块301,用于获取待划分路网内的多个交叉口的数量和多个交叉口的关联数据;
第一确定模块302,用于根据多个交叉口的数量,确定多个划分数目;
第二确定模块303,用于根据多个交叉口的关联数据和多个划分数目,确定与多个划分数目一一对应的多个划分结果;
第三确定模块304,用于从多个划分结果中选择一个划分结果作为待划分路网的交通控制子区的划分结果。
可选地,第一确定模块具体用于:
确定多个交叉口的数量与交叉口数因子之间的比值,将比值作为最大划分数目;
将大于参考阈值且不大于最大划分数目的全部整数作为多个划分数目,参考阈值小于最大划分数目。
可选地,多个交叉口的关联数据包括多个交叉口中每个交叉口的交通数据和多个交叉口中每两个交叉口之间的连接关系数据。
可选地,第二确定模块,包括:
第一确定子模块,用于根据多个交叉口中每个交叉口的交通数据和多个交叉口中每两个交叉口之间的连接关系数据,确定交叉口关联度矩阵,交叉口关联度矩阵用于表示每两个交叉口之间的相关度;
第二确定子模块,用于根据交叉口关联度矩阵,确定度矩阵;
第三确定子模块,用于根据交叉口关联度矩阵、度矩阵和多个划分数目,确定与多个划分数目一一对应的多个划分结果。
可选地,第三确定子模块具体用于:
根据交叉口关联度矩阵和度矩阵,确定拉普拉斯矩阵;
根据拉普拉斯矩阵和多个划分数目,确定与多个划分数目一一对应的多个特征矩阵,每个特征矩阵中的每个行向量用于表征一个交叉口的特征;
对多个特征矩阵中同一特征矩阵包括的多个行向量进行聚类,得到每个特征矩阵中每个行向量所属的簇;
根据每个特征矩阵中每个行向量所属的簇,确定相应划分数目对应的划分结果。
可选地,第三确定模块,包括:
第四确定子模块,用于确定每个划分结果对应的失真函数值;
第五确定子模块,用于根据每个划分结果对应的失真函数值,确定相应划分结果对应的失真变形函数值;
排序子模块,用于按照多个划分结果对应的划分数目从小到大的顺序,对多个划分结果对应的失真变形函数值进行排序;
第六确定子模块,用于确定排序结果中每相邻的两个失真变形函数值中后一个失真变形函数值与前一个失真变形函数值之间的突变差值,得到多个突变差值;
第七确定子模块,用于从多个突变差值中确定最大突变差值,将用于确定最大突变差值的两个失真变形函数值中后一个失真变形函数值对应的划分结果,作为待划分路网的交通控制子区的划分结果。
综上所述,在本申请实施例中,无需指定交通控制子区的划分数目,而是可以根据多个交叉口的数量,确定多个划分数目,进而确定出多个划分数目一一对应的多个划分结果,之后,再从多个划分结果中选择一个划分结果作为交通控制子区的划分结果。这样,交通控制子区的划分结果不会受到划分数目的约束,避免了相关技术中由于指定的划分数目不合理所导致的划分结果不合理的问题,有利于合理的进行交通控制优化。并且,通过每相邻两个划分结果的突变差值中的最大突变差值确定的划分结果,是多个划分结果中的最优划分结果,这样,可以得到最优的交通控制子区划分结果,有利于高效的进行交通控制优化。
需要说明的是:上述实施例提供的交通控制子区划分装置在进行交通控制子区划分时,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控制子区划分方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图4是根据一示例性实施例示出的一种交通控制子区划分终端400的结构框图。其中,该终端400可以是笔记本电脑、台式电脑等。
通常,终端400包括有:处理器401和存储器402。
处理器401可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器401可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器401也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器401可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器401还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器402可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器402还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器402中的非暂态的计算机可读存储介质用于存储至少一个指令,其中,该至少一个指令用于被处理器401所执行以实现本申请中方法实施例提供的交通控制子区划分方法。
在一些实施例中,终端400还可选包括有:外围设备接口403和至少一个外围设备。处理器401、存储器402和外围设备接口403之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口403相连。具体地,外围设备包括:射频电路404、显示屏405、摄像头组件406、音频电路407、定位组件408和电源409中的至少一种。
外围设备接口403可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器401和存储器402。在一些实施例中,处理器401、存储器402和外围设备接口403被集成在同一芯片或电路板上;在一些其他实施例中,处理器401、存储器402和外围设备接口403中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路404用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路404通过电磁信号与通信网络以及其他通信设备进行通信。射频电路404将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路404包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路404可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路404还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏405用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏405是触摸显示屏时,显示屏405还具有采集在显示屏405的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器401进行处理。此时,显示屏405还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏405可以为一个,设置终端400的前面板;在另一些实施例中,显示屏405可以为至少两个,分别设置在终端400的不同表面或呈折叠设计;在再一些实施例中,显示屏405可以是柔性显示屏,设置在终端400的弯曲表面上或折叠面上。甚至,显示屏405还可以设置成非矩形的不规则图形,也即异形屏。显示屏405可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。需要说明的是,在本申请实施例中,当该终端400为横屏终端时,该终端400的显示屏的宽高比大于1,例如,该终端400的显示屏的宽高比可以为16:9或4:3。当该终端400为竖屏终端时,则该终端400的显示屏的宽高比小于1,例如,该终端400的显示屏的宽高比可以为9:18或3:4等。
摄像头组件406用于采集图像或视频。可选地,摄像头组件406包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件406还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路407可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器401进行处理,或者输入至射频电路404以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端400的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器401或射频电路404的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路407还可以包括耳机插孔。
定位组件408用于定位终端400的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件408可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统或欧盟的伽利略系统的定位组件。
电源409用于为终端400中的各个组件进行供电。电源409可以是交流电、直流电、一次性电池或可充电电池。当电源409包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端400还包括有一个或多个传感器410。该一个或多个传感器410包括但不限于:加速度传感器411、陀螺仪传感器412、压力传感器413、指纹传感器414、光学传感器415以及接近传感器416。
加速度传感器411可以检测以终端400建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器411可以用于检测重力加速度在三个坐标轴上的分量。处理器401可以根据加速度传感器411采集的重力加速度信号,控制显示屏405以横向视图或纵向视图进行用户界面的显示。加速度传感器411还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器412可以检测终端400的机体方向及转动角度,陀螺仪传感器412可以与加速度传感器411协同采集用户对终端400的3D动作。处理器401根据陀螺仪传感器412采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器413可以设置在终端400的侧边框和/或显示屏405的下层。当压力传感器413设置在终端400的侧边框时,可以检测用户对终端400的握持信号,由处理器401根据压力传感器413采集的握持信号进行左右手识别或快捷操作。当压力传感器413设置在显示屏405的下层时,由处理器401根据用户对显示屏405的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器414用于采集用户的指纹,由处理器401根据指纹传感器414采集到的指纹识别用户的身份,或者,由指纹传感器414根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器401授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器414可以被设置终端400的正面、背面或侧面。当终端400上设置有物理按键或厂商Logo时,指纹传感器414可以与物理按键或厂商Logo集成在一起。
光学传感器415用于采集环境光强度。在一个实施例中,处理器401可以根据光学传感器415采集的环境光强度,控制显示屏405的显示亮度。具体地,当环境光强度较高时,调高显示屏405的显示亮度;当环境光强度较低时,调低显示屏405的显示亮度。在另一个实施例中,处理器401还可以根据光学传感器415采集的环境光强度,动态调整摄像头组件406的拍摄参数。
接近传感器416,也称距离传感器,通常设置在终端400的前面板。接近传感器416用于采集用户与终端400的正面之间的距离。在一个实施例中,当接近传感器416检测到用户与终端400的正面之间的距离逐渐变小时,由处理器401控制显示屏405从亮屏状态切换为息屏状态;当接近传感器416检测到用户与终端400的正面之间的距离逐渐变大时,由处理器401控制显示屏405从息屏状态切换为亮屏状态。
也即是,本申请实施例不仅提供了一种终端,包括处理器和用于存储处理器可执行指令的存储器,其中,处理器被配置为执行图2所示的交通控制子区划分方法,而且,本申请实施例还提供了一种计算机可读存储介质,该存储介质内存储有计算机程序,该计算机程序被处理器执行时可以实现图2所示的交通控制子区划分方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述图2所示实施例提供的交通控制子区划分方法。
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的可选实施例,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 (12)
1.一种交通控制子区划分方法,其特征在于,所述方法包括:
获取待划分路网内的多个交叉口的数量和所述多个交叉口的关联数据;根据所述多个交叉口的数量,确定多个划分数目;
根据所述多个交叉口的关联数据和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果;从所述多个划分结果中选择一个划分结果作为所述待划分路网的交通控制子区的划分结果;
所述从所述多个划分结果中选择一个划分结果作为所述待划分路网的交通控制子区的划分结果,包括:
确定每个划分结果对应的失真函数值;根据每个划分结果对应的失真函数值,确定相应划分结果对应的失真变形函数值;按照所述多个划分结果对应的划分数目从小到大的顺序,对所述多个划分结果对应的失真变形函数值进行排序;
确定排序结果中每相邻的两个失真变形函数值中后一个失真变形函数值与前一个失真变形函数值之间的突变差值,得到多个突变差值;从所述多个突变差值中确定最大突变差值,将用于确定所述最大突变差值的两个失真变形函数值中后一个失真变形函数值对应的划分结果,作为所述待划分路网的交通控制子区的划分结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个交叉口的数量,确定多个划分数目,包括:
确定所述多个交叉口的数量与交叉口数因子之间的比值,将所述比值作为最大划分数目;
将大于参考阈值且不大于所述最大划分数目的全部整数作为所述多个划分数目,所述参考阈值小于所述最大划分数目。
3.根据权利要求1所述的方法,其特征在于,所述多个交叉口的关联数据包括所述多个交叉口中每个交叉口的交通数据和所述多个交叉口中每两个交叉口之间的连接关系数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述多个交叉口的关联数据和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果,包括:
根据所述多个交叉口中每个交叉口的交通数据和所述多个交叉口中每两个交叉口之间的连接关系数据,确定交叉口关联度矩阵,所述交叉口关联度矩阵用于表示每两个交叉口之间的相关度;
根据所述交叉口关联度矩阵,确定度矩阵;
根据所述交叉口关联度矩阵、所述度矩阵和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果。
5.根据权利要求4所述的方法,其特征在于,所述根据所述交叉口关联度矩阵、所述度矩阵和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果,包括:
根据所述交叉口关联度矩阵和所述度矩阵,确定拉普拉斯矩阵;
根据所述拉普拉斯矩阵和所述多个划分数目,确定与所述多个划分数目一一对应的多个特征矩阵,每个特征矩阵中的每个行向量用于表征一个交叉口的特征;
对所述多个特征矩阵中同一特征矩阵包括的多个行向量进行聚类,得到每个特征矩阵中每个行向量所属的簇;
根据每个特征矩阵中每个行向量所属的簇,确定相应划分数目对应的划分结果。
6.一种交通控制子区划分装置,其特征在于,所述装置包括:
获取模块,用于获取待划分路网内的多个交叉口的数量和所述多个交叉口的关联数据;
第一确定模块,用于根据所述多个交叉口的数量,确定多个划分数目;
第二确定模块,用于根据所述多个交叉口的关联数据和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果;
第三确定模块,用于从所述多个划分结果中选择一个划分结果作为所述待划分路网的交通控制子区的划分结果;
所述第三确定模块,包括:
第四确定子模块,用于确定每个划分结果对应的失真函数值;
第五确定子模块,用于根据每个划分结果对应的失真函数值,确定相应划分结果对应的失真变形函数值;
排序子模块,用于按照所述多个划分结果对应的划分数目从小到大的顺序,对所述多个划分结果对应的失真变形函数值进行排序;
第六确定子模块,用于确定排序结果中每相邻的两个失真变形函数值中后一个失真变形函数值与前一个失真变形函数值之间的突变差值,得到多个突变差值;
第七确定子模块,用于从所述多个突变差值中确定最大突变差值,将用于确定所述最大突变差值的两个失真变形函数值中后一个失真变形函数值对应的划分结果,作为所述待划分路网的交通控制子区的划分结果。
7.根据权利要求6所述的装置,其特征在于,所述第一确定模块具体用于:
确定所述多个交叉口的数量与交叉口数因子之间的比值,将所述比值作为最大划分数目;
将大于参考阈值且不大于所述最大划分数目的全部整数作为所述多个划分数目,所述参考阈值小于所述最大划分数目。
8.根据权利要求6所述的装置,其特征在于,所述多个交叉口的关联数据包括所述多个交叉口中每个交叉口的交通数据和所述多个交叉口中每两个交叉口之间的连接关系数据。
9.根据权利要求8所述的装置,其特征在于,所述第二确定模块,包括:
第一确定子模块,用于根据所述多个交叉口中每个交叉口的交通数据和所述多个交叉口中每两个交叉口之间的连接关系数据,确定交叉口关联度矩阵,所述交叉口关联度矩阵用于表示每两个交叉口之间的相关度;
第二确定子模块,用于根据所述交叉口关联度矩阵,确定度矩阵;
第三确定子模块,用于根据所述交叉口关联度矩阵、所述度矩阵和所述多个划分数目,确定与所述多个划分数目一一对应的多个划分结果。
10.根据权利要求9所述的装置,其特征在于,所述第三确定子模块具体用于:
根据所述交叉口关联度矩阵和所述度矩阵,确定拉普拉斯矩阵;
根据所述拉普拉斯矩阵和所述多个划分数目,确定与所述多个划分数目一一对应的多个特征矩阵,每个特征矩阵中的每个行向量用于表征一个交叉口的特征;
对所述多个特征矩阵中同一特征矩阵包括的多个行向量进行聚类,得到每个特征矩阵中每个行向量所属的簇;
根据每个特征矩阵中每个行向量所属的簇,确定相应划分数目对应的划分结果。
11.一种交通控制子区划分装置,其特征在于,所述装置包括处理器、通信接口、存储器和通信总线;
其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信;
所述存储器用于存放计算机程序;
所述处理器用于执行所述存储器上所存放的程序,以实现如权利要求1-5任一项所述的交通控制子区划分方法。
12.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的交通控制子区划分方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911228514.1A CN112907939B (zh) | 2019-12-04 | 2019-12-04 | 交通控制子区划分方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911228514.1A CN112907939B (zh) | 2019-12-04 | 2019-12-04 | 交通控制子区划分方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112907939A CN112907939A (zh) | 2021-06-04 |
CN112907939B true CN112907939B (zh) | 2022-05-20 |
Family
ID=76111124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911228514.1A Active CN112907939B (zh) | 2019-12-04 | 2019-12-04 | 交通控制子区划分方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907939B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118015840B (zh) * | 2024-04-08 | 2024-07-30 | 杭州海康威视数字技术股份有限公司 | 宏观子区的划分方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107180541A (zh) * | 2017-06-01 | 2017-09-19 | 华南理工大学 | 一种交通控制小区的动态调整方法 |
CN107808518A (zh) * | 2017-10-26 | 2018-03-16 | 东南大学 | 一种基于多路谱聚类理论的交通小区划分方法 |
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 |
CN110322117A (zh) * | 2019-06-05 | 2019-10-11 | 海信集团有限公司 | 一种交通控制子区划分方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO321340B1 (no) * | 2003-12-30 | 2006-05-02 | Telenor Asa | Fremgangsmate for a administrere nettverk ved analyse av konnektivitet |
US10558936B2 (en) * | 2015-10-06 | 2020-02-11 | Numerica Corporation | Systems and methods for dynamically generating patrol schedules based on historic demand data |
-
2019
- 2019-12-04 CN CN201911228514.1A patent/CN112907939B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107180541A (zh) * | 2017-06-01 | 2017-09-19 | 华南理工大学 | 一种交通控制小区的动态调整方法 |
CN107808518A (zh) * | 2017-10-26 | 2018-03-16 | 东南大学 | 一种基于多路谱聚类理论的交通小区划分方法 |
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 |
CN110322117A (zh) * | 2019-06-05 | 2019-10-11 | 海信集团有限公司 | 一种交通控制子区划分方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112907939A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304265B (zh) | 内存管理方法、装置及存储介质 | |
CN110083791B (zh) | 目标群组检测方法、装置、计算机设备及存储介质 | |
CN110070143B (zh) | 获取训练数据的方法、装置、设备及存储介质 | |
CN110675412A (zh) | 图像分割方法、图像分割模型的训练方法、装置及设备 | |
CN111738365B (zh) | 图像分类模型训练方法、装置、计算机设备及存储介质 | |
CN110647881A (zh) | 确定图像对应的卡片类型的方法、装置、设备及存储介质 | |
CN110705614A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN111857793A (zh) | 网络模型的训练方法、装置、设备及存储介质 | |
CN112819103A (zh) | 基于图神经网络的特征识别方法、装置、存储介质及终端 | |
CN110728167A (zh) | 文本检测方法、装置及计算机可读存储介质 | |
CN112907939B (zh) | 交通控制子区划分方法及装置 | |
CN112381729A (zh) | 图像处理方法、装置、终端及存储介质 | |
CN113343709B (zh) | 意图识别模型的训练方法、意图识别方法、装置及设备 | |
CN112329909B (zh) | 生成神经网络模型的方法、装置及存储介质 | |
CN110555443B (zh) | 颜色分类方法、装置及存储介质 | |
CN112560903A (zh) | 图像美学信息的确定方法、装置、设备及存储介质 | |
CN112990424A (zh) | 神经网络模型训练的方法和装置 | |
CN112489006A (zh) | 图像处理方法、装置、存储介质及终端 | |
CN112287193A (zh) | 数据聚类方法、装置、计算机设备及存储介质 | |
CN112990421A (zh) | 优化深度学习网络的运行过程的方法、装置及存储介质 | |
CN111429106A (zh) | 资源转移凭证的处理方法、服务器、电子设备及存储介质 | |
CN111984738A (zh) | 数据关联方法、装置、设备及存储介质 | |
CN111258673A (zh) | 快应用显示方法及终端设备 | |
CN110458289B (zh) | 多媒体分类模型的构建方法、多媒体分类方法及装置 | |
CN112308104A (zh) | 异常识别方法、装置及计算机存储介质 |
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 |