CN112991729B - 时段划分方法、装置以及计算机存储介质 - Google Patents

Abstract

本申请实施例公开了一种时段划分方法、装置以及计算机存储介质，属于交通技术领域。所述方法包括：基于路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，进而从多个粗粒度划分模式中确定第一划分模式。本申请实施例通过获取第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，来从多个粗粒度划分模式中确定第一划分模式。这样可以精确的划分出各个时段，保证划分的不同时间段的过车流量的集中程度小，有效地解决不同时间段内出现的拥堵等问题。

Description

时段划分方法、装置以及计算机存储介质

技术领域

本申请实施例涉及交通技术领域，特别涉及一种时段划分方法、装置以及计算机存储介质。

背景技术

在交通领域中，道路交叉口的交通流量随时间不断变化，并且交通流量呈现高峰、平峰、低峰等变化规律性。在高峰时，容易出现堵车等交通问题。为了解决交通问题，可以将一天24小时进行时段划分，针对不同的时段分别采取不同的控制方案来控制交叉口的交通流量，进而缓解交通问题。时段划分的结果直接影响交叉口交通流量的控制效果，因此如何科学和合理地进行时段划分一直是国内外学者研究的重点之一。

在相关技术中，时段划分的方法为基于专家经验的人工划分方法。具体地，根据人的经验来对24小时进行时段划分。比如将24小时划分成5个时段，分别为0：00-7：00，7：00-9：00，9：00-17：00，17：00-19：00，19：00-24：00。其中，7：00-9：00为人工经验的早高峰，17：00-19：00为人工经验的晚高峰。

在上述技术中，由于人工主观因素较强，导致不能根据实际情况灵活地划分时段，这样制定控制方案时，出现有的时间段所采取的控制方案效果差的现象。

发明内容

本申请实施例提供了一种时段划分方法、装置以及计算机存储介质，可以灵活的对时段进行划分。所述技术方案如下：

第一方面，提供了一种时段划分方法，所述方法包括：

获取路口过车数据，所述路口过车数据包括任一车辆在经过目标路口时的时间点；

基于所述路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，所述多个粗粒度划分模式中每个粗粒度划分模式指示一种将参考周期划分为所述第一数量个时间段的方式，所述流量集中程度指示按照相应粗粒度划分模式划分后的第一数量个时间段内各个时间段的过车流量的波动程度；

基于所述多个粗粒度划分模式各自的流量集中程度，从所述多个粗粒度划分模式中确定第一划分模式，得到和所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点。

可选地，所述基于所述路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度之前，所述方法还包括：

响应于针对时间段数量配置控件的选择操作，获取所述第一数量；或者，

获取多个备选数量，基于所述多个备选数量中每个备选数量对应的流量集中程度，从所述多个备选数量中选择一个备选数量作为所述第一数量，每个备选数量对应的流量集中程度是基于每个备选数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度确定的。

可选地，所述获取多个备选数量，包括：

响应于针对所述时间段数量配置控件的选择操作，获取最大数量和最小数量；

基于所述最大数量和所述最小数量，确定所述多个备选数量，所述多个备选数量位于所述最大数量和最小数量之间。

可选地，所述基于所述多个粗粒度划分模式各自的流量集中程度，从所述多个粗粒度划分模式中确定第一划分模式之后，所述方法还包括：

从按照所述第一划分模式划分后的所述第一数量个时间段中确定高峰时间段；

基于所述高峰时间段内的路口过车数据，获取和第二数量对应的多个细粒度划分模式中各个细粒度划分模式的流量集中程度；

基于所述多个细粒度划分模式各自的流量集中程度，从所述多个细粒度划分模式中确定第二划分模式，得到和所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点；

合并所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点、以及所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点，得到所述参考周期的划分方式。

可选地，所述合并所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点、以及所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点，包括：

如果所述高峰时间段的起始时间点和所述第二数量个时间段中第一个时间段的结束时间点之间的时长小于或等于参考时长，则将所述第一个时间段合并至所述第一数量个时间段中位于所述高峰时间段前的一个时间段内、或者合并至所述第二数量个时间段中第二个时间段内。

可选地，所述合并所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点、以及所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点，包括：

如果所述高峰时间段的结束时间点和所述第二数量个时间段中最后一个时间段的起始时间点之间的时长小于或等于所述参考时长，则将所述最后一个时间段合并至所述第二数量个时间段中倒数第二个时间段内、或者合并至所述第一数量个时间段中位于所述高峰时间段后的一个时间段内。

可选地，所述从按照所述第一划分模式划分后的所述第一数量个时间段中确定高峰时间段，包括：

响应于针对高峰时间段配置控件的选择操作，获取备选高峰时间段；

从按照所述第一划分模式划分后的所述第一数量个时间段中获取和备选高峰时间段存在交集的时间段；

基于所述存在交集的时间段，确定所述高峰时间段。

可选地，所述第一数量个时间段中每个时间段的起始时间点和终止时间点之间的长度大于或等于第一最小时间长度，所述第二数量个时间段中每个时间段的起始时间点和终止时间点之间的长度大于或等于第二最小时间长度，所述第一最小时间长度大于所述第二最小时间长度。

第二方面，提供了一种时段划分装置，所述装置包括：

获取模块，用于获取路口过车数据，所述路口过车数据包括任一车辆在经过目标路口时的时间点；

所述获取模块，还用于基于所述路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，所述多个粗粒度划分模式中每个粗粒度划分模式指示一种将参考周期划分为所述第一数量个时间段的方式，所述流量集中程度指示按照相应粗粒度划分模式划分后的第一数量个时间段内各个时间段的过车流量的波动程度；

确定模块，用于基于所述多个粗粒度划分模式各自的流量集中程度，从所述多个粗粒度划分模式中确定第一划分模式，得到和所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点。

可选地，所述获取模块，包括：

获取单元，用于响应于针对时间段数量配置控件的选择操作，获取所述第一数量；或者，获取多个备选数量，基于所述多个备选数量中每个备选数量对应的流量集中程度，从所述多个备选数量中选择一个备选数量作为所述第一数量，每个备选数量对应的流量集中程度是基于每个备选数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度确定的。

可选地，所述获取单元，用于响应于针对所述时间段数量配置控件的选择操作，获取最大数量和最小数量；

基于所述最大数量和所述最小数量，确定所述多个备选数量，所述多个备选数量位于所述最大数量和最小数量之间。

可选地，所述装置还包括：

所述确定模块，还用于从按照所述第一划分模式划分后的所述第一数量个时间段中确定高峰时间段；

所述获取模块，还用于基于所述高峰时间段内的路口过车数据，获取和第二数量对应的多个细粒度划分模式中各个细粒度划分模式的流量集中程度；

所述确定模块，还用于基于所述多个细粒度划分模式各自的流量集中程度，从所述多个细粒度划分模式中确定第二划分模式，得到和所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点；

所述确定模块，还用于合并所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点、以及所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点，得到所述参考周期的划分方式。

可选地，所述确定模块，还用于如果所述高峰时间段的起始时间点和所述第二数量个时间段中第一个时间段的结束时间点之间的时长小于或等于参考时长，则将所述第一个时间段合并至所述第一数量个时间段中位于所述高峰时间段前的一个时间段内、或者合并至所述第二数量个时间段中第二个时间段内。

可选地，所述确定模块，还用于如果所述高峰时间段的结束时间点和所述第二数量个时间段中最后一个时间段的起始时间点之间的时长小于或等于所述参考时长，则将所述最后一个时间段合并至所述第二数量个时间段中倒数第二个时间段内、或者合并至所述第一数量个时间段中位于所述高峰时间段后的一个时间段内。

可选地，所述确定模块，包括：

获取单元，用于用于响应于针对高峰时间段配置控件的选择操作，获取备选高峰时间段；

所述获取单元，还用于从按照所述第一划分模式划分后的所述第一数量个时间段中获取和备选高峰时间段存在交集的时间段；

确定单元，用于基于所述存在交集的时间段，确定所述高峰时间段。

可选地，所述第一数量个时间段中每个时间段的起始时间点和终止时间点之间的长度大于或等于第一最小时间长度，所述第二数量个时间段中每个时间段的起始时间点和终止时间点之间的长度大于或等于第二最小时间长度，所述第一最小时间长度大于所述第二最小时间长度。

第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述第一方面所述的一种时段划分方法。

第四方面，提供了一种计算机装置，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述第一方面所述的一种时段划分方法。

第五方面，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第一方面所述的时段划分方法。

本申请实施例提供的技术方案带来的有益效果至少包括：

通过获取第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，来从多个粗粒度划分模式中确定第一划分模式。由于流动集中程度表示不同时间段的过车流量的集中程度，因此，利用不同时间段的过车流量的集中程度从多个粗粒度划分模式中确定第一划分模式，这样可以精确的划分出各个时段，保证划分的不同时间段的过车流量的集中程度小，这样在制定控制方案时，不需要针对每个时间段制定不同的控制方案，可以针对多个时间段制定一个控制方案，减少制定控制方案的个数，便于对控制方案进行实施。其次，由于控制方案个数减少了，在实施的过程中，技术人员不会因为控制方案多，而造成控制方案混乱的问题，进而导致多个控制方案随意分配，没有针对性。因此，控制方案个数减少可以有效的解决不同时间段内出现的拥堵等问题。

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时段划分系统的架构示意图。

图2是本申请实施例提供的一种时段划分方法流程图。

图3是本申请实施例提供的另一种时间段划分方法流程图。

图4是本申请实施例提供的一种时间段划分结果示意图。

图5是本申请实施例提供的一种精细化时间段划分结果示意图。

图6是本申请实施例提供的一种时段划分方法流程图。

图7是本申请实施例提供的一种时段划分装置的结构示意图。

图8时本申请实施例提供的一种终端的结构框图。

图9是本申请实施例提供的一种服务器结构示意图。

具体实施方式

为使本申请实施例的目的、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。

为了后续便于说明，在此先对本申请实施例的应用场景进行介绍说明。

随着国民经济的高速发展以及城市化进程的加快推进，人们出行频繁，致使车辆大幅度增加。在路口处，机动车、非机动车和行人之间会相互干扰，因此，容易出现交通阻滞、车速降低、交通事故等问题。为了解决这些问题，需要对道路交通进行管理。道路上的路口交通是道路交通管理的关键，对路口进行时段划分是道路交通管理中最为有效的手段。具体地，可以把一天划分为多个时间段，用不同的控制方案来控制不同的时段，进而有针对性的解决交通阻滞、车速降低、交通事故等问题。

本申请实施例提供的方法就应用于对路口进行时段划分的场景中。

为了能够实现一种时段划分方法，本申请实施例提供了一种时段划分系统。为了便于后续说明，在此先对该时段划分系统进行详细解释说明。

图1是本申请实施例提供的一种时段划分系统的架构示意图。如图1所示，该时段划分系统100包括数据处理模块101，控制时段划分模块102，精细化划分模块103，可视化交互模块104。

其中，数据处理模块用于将获取的路口过车数据进行汇聚与处理，得到时空序列数据，并将时空序列数据发送给控制时段划分模块和精细化划分模块。时空序列数据指示时间维度和空间维度上的路口过车数据。时间维度指示不同时间段，空间维度指示路口的不同方向。

控制时段划分模块用于接收数据处理模块发送的时空序列数据，并从可视化交互模块中获取配置参数，基于配置参数进行时间段划分，得到第一数量个时间段，该第一数量个时间段为控制时段划分模块的时段划分结果。若不需要进行精细化划分，控制时段划分模块将时段划分结果直接传入到可视化交互界面，若需要进行精细化划分，将时段划分结果发送到精细化划分模块。

精细化划分模块用于接收数据处理模块发送的时空序列数据和控制时段划分模块发送的时段划分结果，并根据可视化交互模块的配置参数进行时间段划分，得到第二数量个时间段，该第二数量个时间段为精细化划分模块的时段划分结果。然后将时段划分结果直接传入到可视化交互模块。

可视化交互模块用于接收控制时段划分模块的时段划分结果和精细化划分模块的时段划分结果，并显示在可视化交互界面上。其次，可视化交互模块还用于参数配置。参数配置包括选择时间段数目的确定方式，选择是否需要精细化划分等参数。控制可视化交互模块包括结果输出模块，该结果输出模块指使时段划分结果显示在可视化交互界面上。其中，时间段数目的确定方式分为人工输入还是终端确定。

此外，图1还包括数据库。其中，数据处理模块从数据库中获取路口过车数据。

图1所示的时段划分系统可以将参考周期灵活地进行划分，进而有效地针对不同时间段采取不同的交通管理措施。

图1所示的时段划分系统，该时段划分系统的各个模块可以部署在任一硬件设备中。比如该时段划分系统可以部署在终端上，此时则由终端来实现本申请实施例提供的检测方法。或者，该时段划分系统也可以部署在服务器上，此时则由服务器来实现本申请实施例提供的时段划分方法。

需要说明的是，图1所示的时段划分系统中的各个模块可以集中式地部署在一个终端中，也可以集中式地部署在一个服务器中，可选地，该时段划分系统中的各个模块还可以分布式部署在不同的设备上，本申请实施例对此不做限定。

此外，图1中时段划分系统各个模块为软件模块，各个模块的命名是基于软件模块的功能命名的。在应用本申请实施例时，可以基于需求进行不同的命名，本申请实施例并不限定上述各个模块的命名。

基于图1所示的时段划分系统，下面对本申请实施例提供的方法进一步展开说明。基于图1所示的图像处理系统可知，该时段划分方法的执行主体并不限定。为了便于后续说明，下述实施例以时段划分系统集中式地部署在终端上为例进行说明。

基于图1所示的时段划分系统，下面对本申请实施例提供的方法进一步展开说明。

图2是本申请实施例提供的一种时段划分方法流程图，该时段划分方法可以包括如下几个步骤：

步骤201：终端获取路口过车数据，路口过车数据包括任一车辆在经过目标路口时的时间点。

由于路口处产生的各种问题主要是车流量导致的，因此，为了对路口制定更有效的控制方案，需要基于路口过车数据来对路口进行时间段划分，进而针对不同时间段中的路口过车数据制定不同的控制方案。

上述路口过车数据包括任一车辆在经过目标路口时的时间点，目标路口为待进行时间段划分的一个或多个路口。

由于在一个路口上可能包括一个或多个分叉路口，比如十字路口或者丁字路口等。因此，在获取路口过车数据时，需要考虑到目标路口在不同方向上的交通流量。其次，目标路口经过的任一车辆的时间点不同，因此，在获取路口过车数据时，需要考虑到目标路口经过的任一车辆的时间点。

需要说明的是，路口的不同方向中的每个方向包括进口车道和出口车道。由于一个方向的进口车道的交通流量为其它路口的出口车道的交通流量。因此，在获取路口过车数据时，只需要考虑目标路口不同方向的进口车道的交通流量、或者路口不同方向的出口车道的交通流量。为了便于说明，下述均以目标路口不同方向的进口方向的交通流量进行说明。

上述获取路口过车数据的实现方式为：利用目标路口处的一个或多个交通监控摄像机拍摄该路口在不同方向上进口车道经过的所有车辆，并记录每个车辆经过的时间点，得到路口过车数据。

此外，由于路口过车数据包括多个车辆。为了防止在后续使用路口过车数据时遗漏掉任何一个车辆，因此，在获取路口过车数据之后，需要对路口过车数据进行汇聚，得到时空序列数据，使零散、无序的路口过车数据变得有序。

由于路口过车数据包括任一车辆经过目标路口的时间点，而目标路口包括很多个方向。因此，把路口过车数据汇聚得到的时空序列数据指示时间维度和空间维度上的路口过车数据。

比如，时间维度上可以为5min、15min、或者1h等时间间隔，也即是，在目标路口处，每隔5min、15min、或者1h等时间间隔来记录不同时间段的路口过车数据。参考周期可以为24小时或者1周等。其中，时间维度上的路口过车数据可以表示为X＝[S₀,S₁,S₂,S₃,…S_t]，S_t为第t时间段路口过车数据。t的时间段间隔为5min、15min、或者1h等时间间隔。空间维度上的路口过车数据可以表示为

为在第t个时间段n维度路口过车数据，由于空间维度指示路口在不同方向的进口车道的路口过车数据，因此n代表方向编号。比如，目标路口为十字路口，则n＝1代表北，n＝2代表西，n＝3代表南，n＝4代表东。此时，将时间维度上的路口过车数据，和空间维度上的路口过车数据进行整合，得到时空序列数据，将时空序列数据表示为

需要说明的是，上述时间维度的时间间隔需要小于参考周期。上述参考周期为24小时最佳，经过前期试验数据，在参考周期内，时间维度的时间间隔为15min最佳，最好不要超过1小时。

此外，由于得到的时空序列数据可能存在异常的状态，该异常状态包括时空序列数据中数据突变，或者数据缺失。因此，终端还需要对时空序列数据进行处理，该处理指示将时空序列数据中出现不符合正常规律的数据进行削减、或者填补时空序列数据缺失的数据。比如，在一个路口，以时间维度为1h为例，时空序列数据一直保持在每小时200辆，但突然在某个小时，时空序列数据达到了每小时1000辆，在实际情况中，就算在高峰时间段时空序列数据也不可能达到每小时1000辆，因此，当时空序列数据出现突变的情况，就将这个突变的时空序列数据认为是异常时空序列数据，将这个异常时空序列数据进行削减，削减到与正常时空序列数据相同的水平，得到正常的时空序列数据。

步骤202：终端基于路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度。

为了解决出现堵车等交通问题，对参考周期进行划分，得到不同的时间段。然后针对不同的时间段的交通流量的特点分别采取不同的控制方案来控制交叉口的交通流量，进而缓解交通问题。因此，终端基于路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，其中，多个粗粒度划分模式中每个粗粒度划分模式指示一种将参考周期划分为第一数量个时间段的方式，流量集中程度指示按照相应粗粒度划分模式划分后的第一数量个时间段内各个时间段的过车流量的波动程度。

在一种可能实现的方式中，上述获取第一数量的方式为：终端响应于针对时间段数量配置控件的选择操作，获取第一数量。具体地，图1所示的可视化交互模块的显示界面上显示有时间段数量配置控件，用户通过预设操作对时间段数量配置控件进行选择操作，终端响应于针对时间段数量配置控件的选择操作，并在可视化显示界面显示时间段数量输入窗口，用户基于时间段数量输入窗口输入第一数量。

上述第一数量为人为经验所得，在前期，用户经过大量的试验，利用不同的时间段数量对参考周期进行划分，然后对不同时间段数划分的结果分别制定控制方案。实施控制方案，将效果最好的控制方案对应的时间段数量作为第一数量。通过用户输入第一数量，此时，不需要终端去确定第一数量，减少了终端运算过程，加快终端的处理速度。

在另一种可能实现的方式中，上述获取第一数量的方式为：终端获取多个备选数量，基于多个备选数量中每个备选数量对应的流量集中程度，从多个备选数量中选择一个备选数量作为第一数量，每个备选数量对应的流量集中程度是基于每个备选数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度确定的。终端基于多个备选数量中每个备选数量对应的流量集中程度获取第一数量，这样获取的第一数量为最适合当前路口过车数据的时间段数量，从而根据第一数量划分出来的时间段制定的控制方案是最有针对性的。

在一种可能实现的方式中，上述获取多个备选数量的实现方式为：终端响应于针对时间段数量配置控件的选择操作，获取最大数量和最小数量，基于最大数量和最小数量，确定多个备选数量，多个备选数量位于最大数量和最小数量之间。

具体地，图1所示的可视化交互界面上显示有时间段数量配置控件，用户通过预设操作对时间段数量配置控件进行选择操作，终端响应于针对时间段数量配置控件的选择操作，并在可视化显示界面显示时间段数量输入窗口，用户基于时间段数量输入窗口输入最大数量和最小数量，终端基于最大数量和最小数量，确定多个备选数量，多个备选数量位于最大数量和最小数量之间。比如，用户输入的最大数量为8，最小数量为12，则多个备选数量为8、9、10、11、12。

可选地，多个备选数量还可以为终端中时段划分系统内默认的数量。

上述获取多个备选数量中每个备选数量对应的流量集中程度的实现方式为：由于每个备选数量中存在多个粗粒度划分模式，因此，确定每个备选数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度。比如，将24小时划分为3个时间段，则粗粒度划分模式可能为0:00-7:00、7:00-17:00、17:00-24:00，也可能为0:00-5:00、5:00-12:00、12:00-24:00，因此，每个备选数量对应有多个粗粒度划分模式。

在此可以根据欧式距离的平方确定每个备选数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度。如公式1所示，cost_i为第i个时间段的流量集中程度，t为路口过车数据中的时间编号，(u,v)表示时间段i的起止时间编号和终止时间编号。X_t为时间段i中的样本，

为时间段i的样本均值。其中，样本为上述时间维度上的路口过车数量，比如，时间维度取15min，若第i个时间段为6:00-7:00，6:00-7:00有4个15min，因此第i个时间段有4个样本，将这四个样本分别表号为1、2、3、4。

公式1：

需要说明的是，确定多个备选数量中每个备选数量对应的流量集中程度的方法不仅限于欧式距离的平方，在此不进行一一距离说明。其次，欧式距离的平方也可称为成本函数，也即是，流量集中程度可以用成本函数来描述。

在上述获取第一数量的实现方式中，从多个备选数量中选择一个备选数量作为第一数量的实现方式为：用户在终端上设置第一最小时间长度，第一最小时间长度为时间段中的最小长度，也即是，第一数量个时间段中每个时间段的起始时间点和终止时间点之间的长度大于或等于第一最小时间长度。然后基于第一最小时间长度确定每个备选数量中对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度中，最小的流量集中程度作为每个备选数量对应的目标函数值。基于多个备选数量中每个备选数量的目标函数值，确定第一数量。

比如，将24小时划分为3个时间段，一种粗粒度划分模式0:00-7:00、7:00-17:00、17:00-24:00的流量集中程度为2，另一种粗粒度划分模式0:00-5:00、5:00-12:00、12:00-24:00的流量集中程度为3，则将粗粒度划分模式0:00-5:00、5:00-12:00、12:00-24:00的流量集中程度2作为目标函数值。

需要说明的是，在步骤202中第一最小时间长度最好不低于1小时，时段划分系统内默认的第一最小时间长度为1小时。

上述基于多个备选数量中每个备选数量的目标函数值，确定第一数量的实现方式为：为了便于描述，在此将上述确定的多个备选数量中每个备选数量对应的目标函数值称为W_k，将第一数量称为K_best。根据多个备选数量中每个备选数量对应的W_k与多个备选数量形成的曲线的拐点作为第一数量K_best，也即是，将曲线中，最大曲率对应的点作为第一数量K_best。如何基于多个备选数量中每个备选数量的目标函数值，确定第一数量，具体如下述公式所示，d_k为相邻备选数量之间的目标函数值之间差值，

为任一备选数量所对应的曲率值。在此多个备选数量为k个，因此，d_k为相邻备选数量K+1与K之间的目标函数值之间差值，

为第k个备选数量所对应的曲率值。

d_k＝W_k+1-W_k

在确定出第一数量之后，在步骤202中，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度的实现方式为：基于第一最小时间长度和第一数量确定第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度。在此可以根据欧式距离的平方来确定第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，具体方法如上述所示，在此不再赘述。

步骤203：终端基于多个粗粒度划分模式各自的流量集中程度，从多个粗粒度划分模式中确定第一划分模式，得到和第一划分模式对应的第一数量个时间段中每个时间段的起始时间点和终止时间点。

由于第一数量中包括多个粗粒度划分模式，且多个粗粒度划分模式中每个粗粒度划分模式对应有流量集中程度。因此，终端基于多个粗粒度划分模式各自的流量集中程度，从多个粗粒度划分模式中确定第一划分模式，得到和第一划分模式对应的第一数量个时间段中每个时间段的起始时间点和终止时间点。

上述从多个粗粒度划分模式中确定第一划分模式的实现方式为：构建基于动态规划算法的优化函数，在确定的第一数量中，在时间长度不小于第一最小时间长度的情况下，确定第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度中，最小的流量集中程度对应的粗粒度划分模式作为第一划分模式。

如何从多个粗粒度划分模式中确定第一划分模式，具体如公式2所示，T_K表示第一数量对应的多个粗粒度划分模式中流量集中程度最小的粗粒度划分模式划分点集合，T为样本数，样本数中的时间段间隔小于第一最小时间长度。W(T_K)表示在T_K划分点的集合下获取的最小的流量集中程度，i表示时间段编号。其中，划分点集合为所有第一数量划分的每个时间段的开始时间点和结束时间点的集合。

公式2：

T_K＝arg W(T_K)

此外，为了更精确的对时间段进行划分，还可以对一些过车流量大的时间段再次进行划分。因此，在图2的基础上，本申请实施例还包括图3所示的步骤，下面对本申请实施例提供的方法在图2的基础上进一步展开说明。

图3是本申请实施例提供的另一种时间段划分方法流程图，该时间段划分方法可以包括如下几个步骤：

步骤204：终端从按照第一划分模式划分后的第一数量个时间段中确定高峰时间段。

上述高峰时间段可以为早高峰时间段，也可以为晚高峰时间段。

上述终端从按照第一划分模式划分后的第一数量个时间段中确定高峰时间段的实现方式为：在终端按照第一划分模式划分时间段后，可视化显示界面上显示有高峰时间段配置控件，用户通过预设操作对高峰时间段配置控件进行选择操作，终端响应于针对高峰时间段配置控件的选择操作，并在可视化显示界面显示高峰时间段输入窗口，用户基于高峰时间段输入窗口输入备选高峰时间段，从按照第一划分模式划分后的第一数量个时间段中获取和备选高峰时间段存在交集的时间段，基于存在交集的时间段，确定高峰时间段。

上述从按照第一划分模式划分后的第一数量个时间段中获取和备选高峰时间段存在交集的时间段的实现方式为：将第一划分模式划分后的第一数量个时间段与备选高峰时间段进行比较，确定备选高峰时间段占第一数量个时间段中的哪些时间段。比如，用户输入的早高峰时间段为7:00-9:00，第一数量个时间段为0:00-6:15，6:15-7:15，7:15-9:00，9:00-12:00，12:00-13:45，13:45-17:00，17:00-19:00，19:00-22:00，22:00-24:00，此时，早高峰时间段和第一数量个时间段的交集时间段为6:15-7:15和7:15-9:00。

在一种可能的实现方式中，上述基于存在交集的时间段，确定高峰时间段的实现方式为：将早高峰时间段和第一数量个时间段的交集时间段中路口过车流量最多的时间段确定为高峰时间段。比如，6:15-7:15的路口过车数据为190辆，7:15-9:00的路口过车数据为200辆，则将7:15-9:00作为早高峰时间段。

在另一种可能实现的方式中，上述基于存在交集的时间段，确定高峰时间段的实现方式为：将早高峰时间段和第一数量个时间段的交集时间段均确定为高峰时间段。比如，将6:15-7:15和7:15-9:00作为早高峰时间段。

可选地，上述高峰时间段也可以是时段划分系统的默认的。此时，终端将时段划分系统默认的高峰时间段作为需要划分的时间段。

步骤205：终端基于高峰时间段内的路口过车数据，获取和第二数量对应的多个细粒度划分模式中各个细粒度划分模式的流量集中程度。

步骤205中终端基于高峰时间段内的路口过车数据，获取和第二数量对应的多个细粒度划分模式中各个细粒度划分模式的流量集中程度的实现方式与上述步骤202中终端基于路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度的实现方式相同，详情可参照步骤202，在此不再对步骤205进行赘述。

需要说明的是，在步骤205中，用户在终端上设置第二最小时间段，此时，第二数量个时间段中每个时间段的起始时间点和终止时间点之间的长度大于或等于第二最小时间长度，第一最小时间长度大于第二最小时间长度。第二最小时间长度可以为5min，10min，15min等，在实际操作中，第二最小时间长度最好不低于15min，时段划分系统内默认的第二最小时间长度为15min。

步骤206：终端基于多个细粒度划分模式各自的流量集中程度，从多个细粒度划分模式中确定第二划分模式，得到和第二划分模式对应的第二数量个时间段中每个时间段的起始时间点和终止时间点。

步骤206中终端基于多个细粒度划分模式各自的流量集中程度，从多个细粒度划分模式中确定第二划分模式，得到和第二划分模式对应的第二数量个时间段中每个时间段的起始时间点和终止时间点的实现方式与上述步骤203中终端基于多个粗粒度划分模式各自的流量集中程度，从多个粗粒度划分模式中确定第一划分模式，得到和第一划分模式对应的第一数量个时间段中每个时间段的起始时间点和终止时间点的实现方式相同，详情可参照步骤203，在此不再对步骤206进行赘述。

步骤207：终端合并第一划分模式对应的第一数量个时间段中每个时间段的起始时间点和终止时间点、以及第二划分模式对应的第二数量个时间段中每个时间段的起始时间点和终止时间点，得到参考周期的划分方式。

基于第二划分模式将高峰时间段划分完成后，终端将第一划分模式对应的第一数量个时间段中每个时间段的起始时间点和终止时间点、以及第二划分模式对应的第二数量个时间段中每个时间段的起始时间点和终止时间点进行合并，得到参考周期的划分方式。这样就不用针对第一数量划分的时间段和第二数量划分的时间段分别制定控制方案，只需要针对合并后划分的时间段制定控制方案，减少了指定控制方案的数量。

在一种可能实现的方式中，上述终端将第一划分模式对应的第一数量个时间段中每个时间段的起始时间点和终止时间点、以及第二划分模式对应的第二数量个时间段中每个时间段的起始时间点和终止时间点进行合并的实现方式为：如果高峰时间段的起始时间点和第二数量个时间段中第一个时间段的结束时间点之间的时长小于或等于参考时长，则将第一个时间段合并至第一数量个时间段中位于高峰时间段前的一个时间段内、或者合并至第二数量个时间段中第二个时间段内。其中，参考长度为高峰时间段对应的第二最小时间长度，在此为15分钟。

比如，7:15-9:00作为早高峰时间段，第二划分模式对应的第二数量个时间段为7:15-7:20，7:20-8:00，8:00-8:30，8:30-9:00，7:15-9:00前一个时间段为6:15-7:15。此时，7:15-7:20之间的时长小于15分钟，则将7:15-7:20合并到前一个时间段6:15-7:15或者后一个时间段7:20-8:00。若合并到前一个时间段，则得到的划分结果为6:15-7:20，7:20-8:00，8:00-8:30，8:30-9:00。若合并到后一个时间段，则得到的划分结果为7:15-8:00，8:00-8:30，8:30-9:00。

上述如何选择将第一个时间段合并至第一数量个时间段中位于高峰时间段前的一个时间段内，还是合并至第二数量个时间段中第二个时间段内的实现方式为：将第一个时间段合并至第一数量个时间段中位于高峰时间段前的一个时间段内对应一种合并结果，将第一个时间段合并至第二数量个时间段中第二个时间段内对应一种合并结果。分别获取两种合并结果的细粒度划分模式的流量集中程度，对比两个合并结果的细粒度划分模式的流量集中程度，将具有最小流量集中程度的细粒度划分模式作为合并方式。比如，若将第一个时间段合并至第一数量个时间段中位于高峰时间段前的一个时间段内的细粒度划分模式的流量集中程度，小于将第一个时间段合并至第二数量个时间段中第二个时间段内的细粒度划分模式的流量集中程度，则最终将第一个时间段合并至第一数量个时间段中位于高峰时间段前的一个时间段内。

具体地，若第二数量个时间段中第一个时间段为K，终端确定K合并至K-1后，K-1与K合并后的流量集中程度和K+1的流量集中程度的总和。其中，K-1为与第一划分模式中高峰时间段前一个时间段，K+1为第二数量个时间段中第二个时间段，K-1与K合并后的流量集中程度为K-1时间段和K时间段合并之后的时间段的流量集中程度。在终端确定K合并至K+1后，K+1与K的流量集中程度和K-1的流量集中程度的总和，其中，K+1与K合并后的流量集中程度为K+1时间段和K时间段合并之后的时间段的流量集中程度，比较二者的流量集中程度，选择最小的流量集中程度对应的合并方式作为参考周期的划分方式。如公式3所示，在公式3中，K-1，K，K+1为相邻的三个时间段，且第二数量个时间段中第一个时间段为K，其中，K的时间段长度小于或等于15min，通常情况下，时段划分系统内默认为15min。

公式3：

在另一种可能实现的方式中，上述终端将第一划分模式对应的第一数量个时间段中每个时间段的起始时间点和终止时间点、以及第二划分模式对应的第二数量个时间段中每个时间段的起始时间点和终止时间点进行合并的实现方式为：如果高峰时间段的结束时间点和第二数量个时间段中最后一个时间段的起始时间点之间的时长小于或等于所述参考时长，则将最后一个时间段合并至第二数量个时间段中倒数第二个时间段内、或者合并至第一数量个时间段中位于高峰时间段后的一个时间段内。

比如，7:15-9:00作为早高峰时间段，第二划分模式对应的第二数量个时间段为7:15--8:00，8:00-8:20，8:20-8:50，8:50-9:00，8:50-9:00后一个时间段为9:00-12:00。此时，8:50-9:00之间的时长小于15分钟，则将8:50-9:00合并到前一个时间段8:20-8:50或者后一个时间段9:00-12:00。若合并到前一个时间段，则得到的划分结果为7:15--8:00，8:00-8:20，8:20-9:00。若合并到后一个时间段，则得到的划分结果为7:15--8:00，8:00-8:20，8:20-8:50，8:50-12:00。

上述如何选择将最后一个时间段合并至第二数量个时间段中倒数第二个时间段内，还是将最后一个时间段合并至第一数量个时间段中位于高峰时间段后的一个时间段内的实现方式为：将最后一个时间段合并至第二数量个时间段中倒数第二个时间段内对应一种合并结果，将最后一个时间段合并至第一数量个时间段中位于高峰时间段后的一个时间段内对应一种合并结果。分别获取两种合并结果的细粒度划分模式的流量集中程度，对比两个合并结果的细粒度划分模式的流量集中程度，将具有最小的流量集中程度的细粒度划分模式作为合并方式。比如，若将最后一个时间段合并至第二数量个时间段中倒数第二个时间段内的细粒度划分模式的流量集中程度，小于将最后一个时间段合并至第一数量个时间段中位于高峰时间段后的一个时间段内的细粒度划分模式的流量集中程度，则将最后一个时间段合并至第二数量个时间段中倒数第二个时间段内。

此外，步骤207还包括终端将第一划分模式对应的第一数量个时间段中每个时间段的起始时间点和终止时间点、以及第二划分模式对应的第二数量个时间段中每个时间段的起始时间点和终止时间点重合的部分进行去重处理。比如，确定的路口过车流量最多的早高峰时间段为7:15-9:00，则第一划分模式对应的第一数量个时间段中7:15和9:00，与早高峰时间段中的7:15和9:00重合，此时将一个7:15和9:00去除。

如图4所示，图4是本申请实施例提供的一种时间段划分结果示意图。在图4中，横坐标为时间0:00-24:00，纵坐标为路口过车数据的过车流量，为0-600。该交叉口为十字口，因此基于0:00-24:00有东西南北四个路口过车数据曲线。在图4中将一天24小时划分成了9个时间段，分别为0:00-6:15，6:15-7:15，7:15-9:00，9:00-12:00，12:00-13:45，13:45-17:00，17:00-19:00，19:00-22:00，22:00-24:00。

如图5所示，图5是本申请实施例提供的一种精细化时间段划分结果示意图。图5是基于图4的划分结果将7:15-9:00确定为早高峰时间段，将17:00-19:00确定为晚高峰。分别划分早高峰时间段和晚高峰时间段，将早高峰7:15-9:00划分成了7:15-7:45、7:45-8:30以及8:30-9:00。将晚高峰17:00-19:00划分成了17:00-17:30以及17:30-19:00。

综上所述，在本申请实施例中，通过获取第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，来从多个粗粒度划分模式中确定第一划分模式。由于流动集中程度表示不同时间段的过车流量的集中程度，因此，利用不同时间段的过车流量的集中程度从多个粗粒度划分模式中确定第一划分模式，这样可以精确的划分出各个时段，保证划分的不同时间段的过车流量的集中程度小，这样采取在制定控制方案时，不需要针对每个时间段制定不同的控制方案，可以针对多个时间段制定一个控制方案，减少制定控制方案的个数，便于对控制方案进行实施。其次，由于控制方案个数减少了，在实施的过程中，技术人员不会因为控制方案多，而造成控制方案混乱的问题，进而导致多个控制方案随意分配，没有针对性。因此，控制方案个数减少可以有效的解决不同时间段内出现的拥堵等问题。

图6是本申请实施例提供的一种时段划分方法流程图，本实施例以该时段划分方法应用于中进行举例说明，该时段划分方法可以包括如下几个步骤：

1、在数据处理模块中，获取交叉口的路口过车数据，对路口过车数据进行汇聚与处理，得到时空序列数据。

2、在控制时段划分模块中，判读是否选择人工输入控制时段数目。若是，则人工输入第一数量，也即是，输入控制时段数目。若否，则终端根据算法自动选择控制时段数目，具体地，终端根据备选数量对应的W_k与多个备选数量的拐点确定控制时段数目。确定完第一数量，然后根据优化函数确定第一数量对应的时段划分结果。优化函数具体可以为前述步骤203中确定第一划分模式的优化函数。

3、判断是否需要进行精细化划分，若不需要，直接输出第一数量对应的时段划分结果，若需要，则选择是否对早高峰和晚高峰进行精细化划分。

4、若需要对早高峰和晚高峰进行划分，确定早高峰和晚高峰时段是否需要人工输入控制时段数目，若需要人工输入，则根据人工输入的控制时段数目对早高峰和晚高峰时段进行划分。若不需要，则终端根据算法自动选择早高峰和晚高峰的控制时段数目，然后根据终端计算的控制时段数目对早高峰和晚高峰时段进行划分。其中，控制时段数目为本申请实施例中的第二数量。

5、将划分完成的早高峰和晚高峰分别与第一数量划分的时段进行合并，也即是，合并和整合早高峰和晚高峰时段与其他时段，最后输出控制时段的划分结果。

综上所示，在本申请实施例中，通过获取第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，来从多个粗粒度划分模式中确定第一划分模式。由于流动集中程度表示不同时间段的过车流量的集中程度，因此，利用不同时间段的过车流量的集中程度从多个粗粒度划分模式中确定第一划分模式，这样可以精确的划分出各个时段，保证划分的不同时间段的过车流量的集中程度小，这样采取在制定控制方案时，不需要针对每个时间段制定不同的控制方案，可以针对多个时间段制定一个控制方案，减少制定控制方案的个数，便于对控制方案进行实施。其次，由于控制方案个数减少了，在实施的过程中，技术人员不会因为控制方案多，而造成控制方案混乱的问题，进而导致多个控制方案随意分配，没有针对性。因此，控制方案个数减少可以有效的解决不同时间段内出现的拥堵等问题。

上述所有可选技术方案，均可按照任意结合形成本申请的可选实施例，本申请实施例对此不再一一赘述。

图7是本申请实施例提供的一种时段划分装置的结构示意图，该时段划分装置可以由软件、硬件或者两者的结合实现。该时段划分装置700可以包括：获取模块701，确定模块702。

获取模块，用于获取路口过车数据，路口过车数据包括任一车辆在经过目标路口时的时间点；

获取模块，用于基于路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，多个粗粒度划分模式中每个粗粒度划分模式指示一种将参考周期划分为第一数量个时间段的方式，流量集中程度指示按照相应粗粒度划分模式划分后的第一数量个时间段内各个时间段的过车流量的波动程度；

确定模块，用于基于多个粗粒度划分模式各自的流量集中程度，从多个粗粒度划分模式中确定第一划分模式，得到和第一划分模式对应的第一数量个时间段中每个时间段的起始时间点和终止时间点。

可选地，获取模块，包括：

获取单元，用于响应于针对时间段数量配置控件的选择操作，获取第一数量；或者，获取多个备选数量，基于多个备选数量中每个备选数量对应的流量集中程度，从多个备选数量中选择一个备选数量作为第一数量，每个备选数量对应的流量集中程度是基于每个备选数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度确定的。

可选地，获取单元，用于响应于针对时间段数量配置控件的选择操作，获取最大数量和最小数量；

基于最大数量和最小数量，确定多个备选数量，多个备选数量位于最大数量和最小数量之间。

可选地，确定模块包括：

第一确定单元，用于从按照第一划分模式划分后的第一数量个时间段中确定高峰时间段；

获取单元，用于基于高峰时间段内的路口过车数据，获取和第二数量对应的多个细粒度划分模式中各个细粒度划分模式的流量集中程度；

第二确定单元，用于基于多个细粒度划分模式各自的流量集中程度，从多个细粒度划分模式中确定第二划分模式，得到和第二划分模式对应的第二数量个时间段中每个时间段的起始时间点和终止时间点；

第三确定单元，用于合并第一划分模式对应的第一数量个时间段中每个时间段的起始时间点和终止时间点、以及第二划分模式对应的第二数量个时间段中每个时间段的起始时间点和终止时间点，得到参考周期的划分方式。

可选地，第三确定单元，用于如果高峰时间段的起始时间点和第二数量个时间段中第一个时间段的结束时间点之间的时长小于或等于参考时长，则将第一个时间段合并至第一数量个时间段中位于高峰时间段前的一个时间段内、或者合并至第二数量个时间段中第二个时间段内。

可选地，第三确定单元，用于如果高峰时间段的结束时间点和第二数量个时间段中最后一个时间段的起始时间点之间的时长小于或等于参考时长，则将最后一个时间段合并至第二数量个时间段中倒数第二个时间段内、或者合并至第一数量个时间段中位于高峰时间段后的一个时间段内。

可选地，第一确定单元，用于响应于针对高峰时间段配置控件的选择操作，获取备选高峰时间段；

从按照第一划分模式划分后的第一数量个时间段中获取和备选高峰时间段存在交集的时间段；

基于存在交集的时间段，确定高峰时间段。

可选地，第一数量个时间段中每个时间段的起始时间点和终止时间点之间的长度大于或等于第一最小时间长度，第二数量个时间段中每个时间段的起始时间点和终止时间点之间的长度大于或等于第二最小时间长度，第一最小时间长度大于第二最小时间长度。

综上所述，在本申请实施例中，通过获取第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，来从多个粗粒度划分模式中确定第一划分模式。由于流动集中程度表示不同时间段的过车流量的集中程度，因此，利用不同时间段的过车流量的集中程度从多个粗粒度划分模式中确定第一划分模式，这样可以精确的划分出各个时段，保证划分的不同时间段的过车流量的集中程度小，这样在制定控制方案时，不需要针对每个时间段制定不同的控制方案，可以针对多个时间段制定一个控制方案，减少制定控制方案的个数，便于对控制方案进行实施。其次，由于控制方案个数减少了，在实施的过程中，技术人员不会因为控制方案多，而造成控制方案混乱的问题，进而导致多个控制方案随意分配，没有针对性。因此，控制方案个数减少可以有效的解决不同时间段内出现的拥堵等问题。

需要说明的是：上述实施例提供的时段划分装置在进行时段划分时，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，即将装置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，上述实施例提供的时段划分装置与时段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8时本申请实施例提供的一种终端800的结构框图。该终端800可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端800还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端800包括有：处理器801和存储器802。

处理器801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801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801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801可以集成有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801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802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802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802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，该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的时段划分方法。

在一些实施例中，终端800还可选包括有：外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803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803相连。具体地，外围设备包括：射频电路804、显示屏805、摄像头组件806、音频电路807、定位组件808和电源809中的至少一种。

外围设备接口803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801和存储器802。在一些实施例中，处理器801、存储器802和外围设备接口803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801、存储器802和外围设备接口803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804用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路804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804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804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804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：城域网、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804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805用于显示UI(UserInterface，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805是触摸显示屏时，显示屏805还具有采集在显示屏805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801进行处理。此时，显示屏805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805可以为一个，设置终端800的前面板；在另一些实施例中，显示屏805可以为至少两个，分别设置在终端800的不同表面或呈折叠设计；在另一些实施例中，显示屏805可以是柔性显示屏，设置在终端800的弯曲表面上或折叠面上。甚至，显示屏805还可以设置成非矩形的不规则图形，也即异形屏。显示屏805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。

摄像头组件806用于采集图像或视频。可选地，摄像头组件806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806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807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801进行处理，或者输入至射频电路804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800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801或射频电路804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807还可以包括耳机插孔。

定位组件808用于定位终端800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808可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。

电源809用于为终端800中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809包括可充电电池时，该可充电电池可以支持有线充电或无线充电。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800还包括有一个或多个传感器810。该一个或多个传感器810包括但不限于：加速度传感器811、陀螺仪传感器812、压力传感器813、指纹传感器814、光学传感器815以及接近传感器816。

加速度传感器811可以检测以终端800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811可以用于检测重力加速度在三个坐标轴上的分量。处理器801可以根据加速度传感器811采集的重力加速度信号，控制显示屏805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811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812可以检测终端800的机体方向及转动角度，陀螺仪传感器812可以与加速度传感器811协同采集用户对终端800的3D动作。处理器801根据陀螺仪传感器812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813可以设置在终端800的侧边框和/或显示屏805的下层。当压力传感器813设置在终端800的侧边框时，可以检测用户对终端800的握持信号，由处理器801根据压力传感器813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813设置在显示屏805的下层时，由处理器801根据用户对显示屏805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814用于采集用户的指纹，由处理器801根据指纹传感器814采集到的指纹识别用户的身份，或者，由指纹传感器814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801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814可以被设置终端800的正面、背面或侧面。当终端800上设置有物理按键或厂商Logo时，指纹传感器814可以与物理按键或厂商Logo集成在一起。

光学传感器815用于采集环境光强度。在一个实施例中，处理器801可以根据光学传感器815采集的环境光强度，控制显示屏805的显示亮度。具体地，当环境光强度较高时，调高显示屏805的显示亮度；当环境光强度较低时，调低显示屏805的显示亮度。在另一个实施例中，处理器801还可以根据光学传感器815采集的环境光强度，动态调整摄像头组件806的拍摄参数。

接近传感器816，也称距离传感器，通常设置在终端800的前面板。接近传感器816用于采集用户与终端800的正面之间的距离。在一个实施例中，当接近传感器816检测到用户与终端800的正面之间的距离逐渐变小时，由处理器801控制显示屏805从亮屏状态切换为息屏状态；当接近传感器816检测到用户与终端800的正面之间的距离逐渐变大时，由处理器801控制显示屏805从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图8中示出的结构并不构成对终端800的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行上实施例提供的时段划分方法。

本申请实施例还提供了一种包含指令的计算机程序产品，当其在终端上运行时，使得终端执行上述实施例提供的时段划分方法。

图9是本申请实施例提供的一种服务器结构示意图。该服务器可以是后台服务器集群中的服务器。具体来讲：

服务器900包括中央处理单元(CPU)901、包括随机存取存储器(RAM)902和只读存储器(ROM)903的系统存储器904，以及连接系统存储器904和中央处理单元901的系统总线905。服务器900还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)906，和用于存储操作系统913、应用程序914和其他程序模块915的大容量存储设备907。

基本输入/输出系统906包括有用于显示信息的显示器908和用于用户输入信息的诸如鼠标、键盘之类的输入设备909。其中显示器908和输入设备909都通过连接到系统总线905的输入输出控制器910连接到中央处理单元901。基本输入/输出系统906还可以包括输入输出控制器910以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器910还提供输出到显示屏、打印机或其他类型的输出设备。

大容量存储设备907通过连接到系统总线905的大容量存储控制器(未示出)连接到中央处理单元901。大容量存储设备907及其相关联的计算机可读介质为服务器900提供非易失性存储。也就是说，大容量存储设备907可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。

不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器904和大容量存储设备907可以统称为存储器。

根据本申请的各种实施例，服务器900还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器900可以通过连接在系统总线905上的网络接口单元911连接到网络912，或者说，也可以使用网络接口单元911来连接到其他类型的网络或远程计算机系统(未示出)。

上述存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，被配置由CPU执行。所述一个或者一个以上程序包含用于进行本申请实施例提供的时段划分方法的指令。

本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行上述实施例提供的时段划分方法。

本申请实施例还提供了一种包含指令的计算机程序产品，当其在服务器上运行时，使得服务器执行上述实施例提供的时段划分方法。

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实施例的较佳实施例，并不用以限制本申请实施例，凡在本申请实施例的精神和原则之内，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)

1.一种时段划分方法，其特征在于，所述方法包括：

获取路口过车数据，所述路口过车数据包括任一车辆在经过目标路口时的时间点；

基于所述路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，所述多个粗粒度划分模式中每个粗粒度划分模式指示一种将参考周期划分为所述第一数量个时间段的方式，所述流量集中程度指示按照相应粗粒度划分模式划分后的第一数量个时间段内各个时间段的过车流量的波动程度；

基于所述多个粗粒度划分模式各自的流量集中程度，从所述多个粗粒度划分模式中确定第一划分模式，得到和所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点；

从按照所述第一划分模式划分后的所述第一数量个时间段中确定高峰时间段；

基于所述高峰时间段内的路口过车数据，获取和第二数量对应的多个细粒度划分模式中各个细粒度划分模式的流量集中程度；

基于所述多个细粒度划分模式各自的流量集中程度，从所述多个细粒度划分模式中确定第二划分模式，得到和所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点；

合并所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点、以及所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点，得到所述参考周期的划分方式。

2.如权利要求1所述的方法，其特征在于，所述基于所述路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度之前，所述方法还包括：

响应于针对时间段数量配置控件的选择操作，获取所述第一数量；或者，

获取多个备选数量，基于所述多个备选数量中每个备选数量对应的流量集中程度，从所述多个备选数量中选择一个备选数量作为所述第一数量，每个备选数量对应的流量集中程度是基于每个备选数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度确定的。

3.如权利要求2所述的方法，其特征在于，所述获取多个备选数量，包括：

响应于针对所述时间段数量配置控件的选择操作，获取最大数量和最小数量；

基于所述最大数量和所述最小数量，确定所述多个备选数量，所述多个备选数量位于所述最大数量和最小数量之间。

4.如权利要求1所述的方法，其特征在于，所述合并所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点、以及所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点，包括：

如果所述高峰时间段的起始时间点和所述第二数量个时间段中第一个时间段的结束时间点之间的时长小于或等于参考时长，则将所述第一个时间段合并至所述第一数量个时间段中位于所述高峰时间段前的一个时间段内、或者合并至所述第二数量个时间段中第二个时间段内。

5.如权利要求1所述的方法，其特征在于，所述合并所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点、以及所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点，包括：

如果所述高峰时间段的结束时间点和所述第二数量个时间段中最后一个时间段的起始时间点之间的时长小于或等于参考时长，则将所述最后一个时间段合并至所述第二数量个时间段中倒数第二个时间段内、或者合并至所述第一数量个时间段中位于所述高峰时间段后的一个时间段内。

6.如权利要求1所述的方法，其特征在于，所述从按照所述第一划分模式划分后的所述第一数量个时间段中确定高峰时间段，包括：

响应于针对高峰时间段配置控件的选择操作，获取备选高峰时间段；

从按照所述第一划分模式划分后的所述第一数量个时间段中获取和备选高峰时间段存在交集的时间段；

基于所述存在交集的时间段，确定所述高峰时间段。

7.如权利要求1所述的方法，其特征在于，所述第一数量个时间段中每个时间段的起始时间点和终止时间点之间的长度大于或等于第一最小时间长度，所述第二数量个时间段中每个时间段的起始时间点和终止时间点之间的长度大于或等于第二最小时间长度，所述第一最小时间长度大于所述第二最小时间长度。

8.一种时段划分装置，其特征在于，所述装置包括：

获取模块，用于获取路口过车数据，所述路口过车数据包括任一车辆在经过目标路口时的时间点；

所述获取模块，还用于基于所述路口过车数据，获取和第一数量对应的多个粗粒度划分模式中各个粗粒度划分模式的流量集中程度，所述多个粗粒度划分模式中每个粗粒度划分模式指示一种将参考周期划分为所述第一数量个时间段的方式，所述流量集中程度指示按照相应粗粒度划分模式划分后的第一数量个时间段内各个时间段的过车流量的波动程度；

确定模块，用于基于所述多个粗粒度划分模式各自的流量集中程度，从所述多个粗粒度划分模式中确定第一划分模式，得到和所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点；

所述确定模块，还用于从按照所述第一划分模式划分后的所述第一数量个时间段中确定高峰时间段；

所述获取模块，还用于基于所述高峰时间段内的路口过车数据，获取和第二数量对应的多个细粒度划分模式中各个细粒度划分模式的流量集中程度；

所述确定模块，还用于基于所述多个细粒度划分模式各自的流量集中程度，从所述多个细粒度划分模式中确定第二划分模式，得到和所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点；

所述确定模块，还用于合并所述第一划分模式对应的所述第一数量个时间段中每个时间段的起始时间点和终止时间点、以及所述第二划分模式对应的所述第二数量个时间段中每个时间段的起始时间点和终止时间点，得到所述参考周期的划分方式。

9.一种计算机装置，其特征在于，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述权利要求1至权利要求7中的任一项权利要求所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述权利要求1至权利要求7中的任一项权利要求所述的方法的步骤。

Images