CN113140107B - 交通信息处理方法、装置、电子设备及计算机存储介质 - Google Patents
交通信息处理方法、装置、电子设备及计算机存储介质 Download PDFInfo
- Publication number
- CN113140107B CN113140107B CN202010238776.2A CN202010238776A CN113140107B CN 113140107 B CN113140107 B CN 113140107B CN 202010238776 A CN202010238776 A CN 202010238776A CN 113140107 B CN113140107 B CN 113140107B
- Authority
- CN
- China
- Prior art keywords
- data
- traffic
- information
- index
- road
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Abstract
本发明实施例提供了一种交通信息处理方法、装置、电子设备及计算机存储介质。其中,所述交通信息处理方法包括:获取交通数据应用场景的信息;根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理,其中,获取的所述交通数据包括:用于表征交通状态的第一类数据和/或用于评价交通状态的第二类数据;根据所述聚合处理的结果,获得与所述交通数据应用场景的信息相匹配的应用场景数据。通过本发明实施例,既满足了不同交通数据应用场景的需求,又能够对不同交通数据应用场景下的交通运行状态进行较为精准和全面的评估。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种交通信息处理方法、装置、电子设备及计算机存储介质。
背景技术
智能交通是一种将先进的科学技术有效地综合运用于交通运输中,加强车辆、道路、使用者三者之间的联系,从而形成一种保障安全、提高效率、改善环境、节约能源的综合系统。
近年来,随着智能交通的发展和全社会信息化、智能化终端设备的应用,实现了通过大数据了解城市交通情况、对城市交通运行情况进行评估等多种应用。但是,不管是哪种应用,都存在着发布对象偏向社会公众、评估角度较为单一的问题。其虽能满足普通公众的一般需求,却较难满足不同交通数据应用场景需求,例如,一些专业部门如交管部门掌握城市交通运行发展态势的专业性需求,无法实现不同交通数据应用场景下对城市交通运行状态的判断和评估。
发明内容
有鉴于此,本发明实施例提供一种交通信息处理方案,以至少部分解决上述问题。
根据本发明实施例的第一方面,提供了一种交通信息处理方法,包括:获取交通数据应用场景的信息;根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理,其中,获取的所述交通数据包括:用于表征交通状态的第一类数据和/或用于评价交通状态的第二类数据;根据所述聚合处理的结果,获得与所述交通数据应用场景的信息相匹配的应用场景数据。
根据本发明实施例的第二方面,提供了一种交通信息处理装置,包括:获取模块,用于获取交通数据应用场景的信息;聚合模块,用于根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理,其中,获取的所述交通数据包括:用于表征交通状态的第一类数据和/或用于评价交通状态的第二类数据;结果模块,用于根据所述聚合处理的结果,获得与所述交通数据应用场景的信息相匹配的应用场景数据。
根据本发明实施例的第三方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口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至少一可执行指令,所述可执行指令使所述处理器执行如第一方面所述的交通信息处理方法对应的操作。
根据本发明实施例的第四方面,提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的交通信息处理方法。
根据本发明实施例提供的交通信息处理方案,针对具体的交通数据应用场景,根据其相应的信息即交通数据应用场景的信息和预设的聚合规则,来确定所需的交通数据,进而进行相应的聚合处理,以获得与交通数据应用场景相适配的应用场景数据。其中,聚合规则可以预先设定,可以为不同交通数据应用场景设定不同的聚合规则,也即,通过设定不同的交通数据聚合的方式,来满足不同的交通数据应用场景需求。其中,所述交通数据可能包括第一类数据和第二类数据中的部分或全部。第一类数据用于表征交通状态,是当前交通状态的数据反映;第二类数据用于评价交通状态,是当前交通状态的一种评估和判断。通过第一类数据和/或第二类数据,可以了解交通数据应用场景下的交通状态,也能够给出该交通状态的客观评估结果。由此,既满足了不同交通数据应用场景的需求,又能够对不同交通数据应用场景下的交通运行状态进行较为精准和全面的评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1a为根据本发明实施例一的一种交通信息处理方法的步骤流程图;
图1b为图1a所示交通信息处理方法的一种使用场景的示意图;
图2a为根据本发明实施例二的一种交通信息处理方法的步骤流程图;
图2b为图2a所示交通信息处理方法的一种使用场景的示意图;
图2c为图2a所示交通信息处理方法的另一种使用场景的示意图;
图3为根据本发明实施例三的一种交通信息处理方法的过程示意图;
图4为根据本发明实施例四的一种交通信息处理装置的结构框图;
图5为根据本发明实施例五的一种交通信息处理装置的结构框图;
图6为根据本发明实施例六的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本发明实施例中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明实施例一部分实施例,而不是全部的实施例。基于本发明实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本发明实施例保护的范围。
下面结合本发明实施例附图进一步说明本发明实施例具体实现。
实施例一
参照图1a,示出了根据本发明实施例一的一种交通信息处理方法的步骤流程图。
本实施例的交通信息处理方法包括以下步骤:
步骤S102:获取交通数据应用场景的信息。
其中,所述交通数据应用场景的信息用于指示使用交通数据以查看和/或评价交通状态的不同场景。
在一种可行方式中,所述交通数据应用场景的信息包括但不限于以下至少之一:地理区域交通场景的信息、城市道路场景的信息、交警支队辖区场景的信息、医院周边场景的信息、学校周边场景的信息。上述交通数据应用场景通常为专业部门较为关注,且对人们出行、生活影响较大的场景,通过设定上述交通数据应用场景的信息,既可满足大部分专业部门的实际需求,又能够为人们出行、生活提供实际的帮助。
步骤S104:根据交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理。
其中,所述聚合规则用于指示交通数据应用场景所需的交通数据以及对这些交通数据进行的聚合处理。聚合处理可以将分散的数据聚合到一起,以形成各种数据的集合。聚合规则和交通数据应用场景的信息的对应关系可以预先设定,并存储在数据库、或数据表、或文件等中。根据该对应关系,即可确定与交通数据应用场景的信息相匹配的聚合规则。
本步骤中,获取的所述交通数据包括:用于表征交通状态的第一类数据和/或用于评价交通状态的第二类数据。第一类数据用于表征交通状态,是当前交通状态的数据反映;第二类数据用于评价交通状态,是当前交通状态的一种评估和判断。通过第一类数据和第二类数据,可以了解交通数据应用场景下的交通状态,也能够给出该交通状态的客观评估结果。
步骤S106:根据聚合处理的结果,获得与交通数据应用场景的信息相匹配的应用场景数据。
例如,假设交通数据应用场景为地理区域交通场景,其对应的聚合规则指示需要获取第二类数据中的面域评价指标数据和路段评价指标数据,并对这些数据进行聚合处理。则,根据该聚合处理,获得的与交通数据应用场景的信息相匹配的应用场景数据即为面域评价指标数据和路段评价指标数据的聚合结果。
基于上述过程的一种使用场景如图1b所示,其中,终端设备A向云端(或服务器端)发送交通信息请求,其中携带有相应的交通数据应用场景的信息,如地理区域交通场景的信息;云端(或服务器端)接收到该交通信息请求后,从中获取交通数据应用场景的信息,基于该信息匹配相应的聚合规则,进而,基于该聚合规则,从本地生成的第一类数据和/或第二类数据中确定所需的交通数据,如,第二类数据中的面域评价指标数据和路段评价指标数据,并且进行聚合处理;然后,将聚合处理的结果反馈给终端设备A;终端设备A即可在相应的显示设备上进行显示及处理。在一种简单示例中,终端设备A分类显示面域评价指标数据和路段评价指标数据即可。
通过本实施例,针对具体的交通数据应用场景,根据其相应的信息即交通数据应用场景的信息和预设的聚合规则,来确定所需的交通数据,进而进行相应的聚合处理,以获得与交通数据应用场景相适配的应用场景数据。其中,聚合规则可以预先设定,可以为不同交通数据应用场景设定不同的聚合规则,也即,通过设定不同的交通数据聚合的方式,来满足不同的交通数据应用场景需求。其中,所述交通数据可能包括第一类数据和第二类数据中的部分或全部。第一类数据用于表征交通状态,是当前交通状态的数据反映;第二类数据用于评价交通状态,是当前交通状态的一种评估和判断。通过第一类数据和/或第二类数据,可以了解交通数据应用场景下的交通状态,也能够给出该交通状态的客观评估结果。由此,既满足了不同交通数据应用场景的需求,又能够对不同交通数据应用场景下的交通运行状态进行较为精准和全面的评估。
本实施例的交通信息处理方法可以由任意适当的具有数据处理能力的电子设备执行,包括但不限于:服务器、PC机等。
实施例二
参照图2a,示出了根据本发明实施例二的一种交通信息处理方法的步骤流程图。
步骤S202:获取多种实时交通数据;根据多种实时交通数据,生成第一类数据和第二类数据。
其中,所述第一类数据用于表征交通状态,所述第二类数据用于评价交通状态。
具体实现时,在一种可行方式中,多种实时交通数据包括:车辆轨迹数据、出行交通数据、行程旅行时间数据、行程延误时间数据、路段平均速度数据、路段自由流数据中的至少两种数据。本实施例中,以包括全部数据为例。
上述多种实时交通数据中,车辆轨迹数据用于指示车辆的行驶轨迹;出行交通数据用于指示出行的数量、出发地、目的地等信息;行程旅行时间数据用于指示车辆从出发地至目的地的行驶时长;行程延误时间数据用于指示基于当前交通状态的旅行时间与自由流通过的旅行时间的时间差;路段平均速度数据用于指示某一路段中所有车辆的平均速度;路段自由流数据用于指示某一路段的不受上下游条件影响的交通流运行数据。通过上述实时交通数据,可以有效表征当前的交通状态,并且为后续数据生成和计算提供全面、准确的计算依据。
根据上述实时交通数据,按照相应的常规计算公式,即可获得相应的第一类数据和第二类数据。
在一种可行方式中,所述第一类数据包括以下至少之一:空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据;所述第二类数据包括以下至少之一:面域评价指标数据、路段评价指标数据、路口评价指标数据。第一类数据从时空维度表征了交通状态,而第二类数据则从场景角度给出的评估指标。两者单独使用可以满足不同需求,结合使用则可给出全面评价和分析。本实施例中,第一类数据和第二类数据均以包含全部数据为例。
可选地,所述空间维度交通指标数据包括以下至少之一:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、城市道路总里程。
可选地,所述时间维度交通指标数据包括以下至少之一:拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数。
可选地,所述强度维度交通指标数据包括以下至少之一:骨干道路运行速度偏差率、高峰/平峰延时指数比、路网拥堵时空占有率、高峰/平峰拥堵路段里程比、排队长度、停车次数、失衡/溢流、路口延误指数、路口综合服务水平。
可选地,所述面域评价指标数据包括以下至少之一:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、路网拥堵时空占有率。
可选地,所述路段评价指标数据包括以下至少之一:拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数、骨干道路运行速度偏差率、高峰/平峰延时指数比、高峰/平峰拥堵路段里程比。
可选地,所述路口评价指标数据包括以下至少之一:排队长度、停车次数、失衡/溢流、路口延误指数、路口综合服务水平。
需要说明的是,上述多种数据及指标,例如,偶发、常发、缓行、高峰、平峰等等的标准可采用行业统一规范,本发明实施例对此不作限制。
此外,需要说明的是,用于路段评价的指标数据同样适用于面域评价,也即,所述面域评价指标数据除前述数据外,还可以包括以下至少之一:拥堵时长占比,通勤压力指数,缓冲指数,高峰持续时间,拥堵延时指数,计划出行时间指数,骨干道路运行速度偏差率,高峰/平峰延时指数比和高峰/平峰拥堵路段里程比。通过加入路段评价的指标数据,可以更为全面和准确地对面域的交通状态作出判断和评估。
步骤S204:获取交通数据应用场景的信息。
本实施例中,所述交通数据应用场景的信息包括以下至少之一:地理区域交通场景的信息、城市道路场景的信息、交警支队辖区场景的信息、医院周边场景的信息、学校周边场景的信息。但不限于此,在实际应用中,本领域技术人员还可以根据实际需求设定其它的交通数据应用场景及其对应的信息。
步骤S206:根据交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理。
本实施例中,设定获取的交通数据包括前述的第一类数据和第二类数据。但如前所述,实际应用中,也可以根据实际的交通数据应用场景的需求,仅使用其中的一类数据。
针对与交通数据应用场景的信息相匹配的预设的聚合规则,在一种可行方式中,可以根据交通数据应用场景的信息,从预设的配置文件中,确定与交通数据应用场景相对应的预设的聚合规则。将交通数据应用场景的信息与聚合规则的对应关系设置在配置文件中,一方面,配置文件可以由本领域技术人员根据实际需求灵活配置和更新;另一方面,占用存储空间小;再一方面,可以与其它配置信息一起设置在相同的配置文件中,便于统一维护和管理。
进一步可选地,在根据交通数据应用场景的信息,从预设的配置文件中,确定与交通数据应用场景相对应的预设的聚合规则时,可以先对交通数据应用场景的信息进行关键特征提取;再根据提取的关键特征,从预设的配置文件中,获取与交通数据应用场景相对应的预设的聚合规则。其中,关键特征提取的具体实现可以由本领域技术人员根据实际需求采用任意适当的方式提取,包括但不限于关键字提取算法、切词算法、神经网络模型提取等。通过关键特征提取的方式,可以使得本方案具有更为宽泛的应用场景。这是因为,在某些情况下,终端用户输入的交通数据应用场景的信息可能不规范或者不准确,而通过关键特征提取的方式,则可以有效解决上述问题。此外,在某些场景下,可能当前并没有与用户输入的交通数据应用场景的信息完全匹配的聚合规则,则通过特征提取的方式可以找出与关键特征相似度最高的场景的信息,进而确定相对应的聚合规则,以保证不论何种交通数据应用场景,都可以得到相应的交通数据应用场景数据。
步骤S208:根据聚合处理的结果,获得与交通数据应用场景的信息相匹配的应用场景数据。
例如,当交通数据应用场景的信息为地理区域交通场景的信息时,通过聚合处理获得的交通数据应用场景数据可以包括但不限于:所述地理区域的面域评价指标数据和路段评价指标数据。若该场景的信息还包括有时间信息,则可选地,上述交通数据应用场景数据还可以包括:与所述时间信息对应的所述地理区域的空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据中的部分或全部。
当交通数据应用场景的信息为城市道路场景的信息时,通过聚合处理获得的应用场景数据可以包括但不限于:所述城市道路的路段评价指标数据和/或路口评价指标数据。若该场景的信息还包括有时间信息,则可选地,上述应用场景数据还可以包括:与所述时间信息对应的所述城市道路的空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据中的部分或全部。
当交通数据应用场景的信息为交警支队辖区场景的信息时,通过聚合处理获得的应用场景数据可以包括但不限于:所述交警支队辖区的面域评价指标数据、路段评价指标数据、和路口评价指标数据。若该场景的信息还包括有时间信息,则可选地,上述应用场景数据还可以包括:与所述时间信息对应的所述交警支队辖区的空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据中的部分或全部。
当交通数据应用场景的信息为医院周边场景的信息时,通过聚合处理获得的应用场景数据可以包括但不限于:所述医院周边设定范围内的路段评价指标数据和路口评价指标数据。若该场景的信息还包括有时间信息,则可选地,上述应用场景数据还可以包括:与所述时间信息对应的所述医院周边设定范围内的空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据中的部分或全部。
当交通数据应用场景的信息为学校周边场景的信息时,通过聚合处理获得的应用场景数据可以包括但不限于:所述学校周边设定范围内的路段评价指标数据和路口评价指标数据。若该场景的信息还包括有时间信息,则可选地,上述应用场景数据还可以包括:与所述时间信息对应的所述学校周边设定范围内的空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据中的部分或全部。
以下,以地理区域交通场景为北京多个地理区域场景为例,对上述过程进行示例性说明,如图2b所示。
图2b中,终端设备B向云端(或服务器端)发送交通信息请求,其中携带有北京多个地理区域场景的信息。云端(或服务器端)获取到北京多个地理区域场景的信息,确定与其相对应的聚合规则,例如,对北京各个地理区域内的面域评价指标数据和路段评价指标数据进行聚合。则,云端或服务器端获取面域评价指标数据和路段评价指标数据分别对应的具体数据,包括:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、路网拥堵时空占有率、拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数、骨干道路运行速度偏差率、高峰/平峰延时指数比、和高峰/平峰拥堵路段里程比。进而,对这些数据进行聚合处理后返回给终端设备B进行展示。
再以城市道路场景为北京市金顶街与阜石路交叉路口场景为例,对上述过程进行示例性说明,如图2c所示。
图2c中,终端设备C向云端(或服务器端)发送交通信息请求,其中携带有北京市金顶街与阜石路交叉路口场景的信息。云端(或服务器端)获取到北京市金顶街与阜石路交叉路口场景的信息,确定与其相对应的聚合规则,例如,对北京市金顶街与阜石路交叉路口对应的路口评价指标数据进行聚合。则,云端(或服务器端)获取路口评价指标数据对应的具体数据,包括:排队长度、停车次数、失衡/溢流、路口延误指数、和路口综合服务水平。进而,对这些数据进行聚合处理后返回给终端设备C进行展示。
需要说明的是,在评价路口时,基于浮动车轨迹数据实现路口停车次数和排队长度的计算。进一步基于停车次数和排队长度实现路口延误指数PI的计算,根据PI值的分布采用K-means聚类算法对路口划分为从A到F六个等级后还可以进行综合服务水平评价。由此,可以实现对路口的全方面监测和评价。
通过本实施例,针对具体的交通数据应用场景,根据其相应的信息即交通数据应用场景的信息和预设的聚合规则,来确定所需的交通数据,进而进行相应的聚合处理,以获得与交通数据应用场景相适配的应用场景数据。其中,聚合规则可以预先设定,可以为不同交通数据应用场景设定不同的聚合规则,也即,通过设定不同的交通数据聚合的方式,来满足不同的交通数据应用场景需求。其中,所述交通数据可能包括第一类数据和第二类数据中的部分或全部。第一类数据用于表征交通状态,是当前交通状态的数据反映;第二类数据用于评价交通状态,是当前交通状态的一种评估和判断。通过第一类数据和/或第二类数据,可以了解交通数据应用场景下的交通状态,也能够给出该交通状态的客观评估结果。由此,既满足了不同交通数据应用场景的需求,又能够对不同交通数据应用场景下的交通运行状态进行较为精准和全面的评估。
本实施例的交通信息处理方法可以由任意适当的具有数据处理能力的电子设备执行,包括但不限于:服务器、PC机等。
实施例三
参照图3,示出为根据本发明实施例三的一种交通信息处理方法的过程示意图。
本实施例的交通信息处理方法的过程包括以下步骤:
步骤S100:从出行过程中使用导航软件所产生数据构成的数据库中,获取交通数据,包括:车辆轨迹数据、出行OD(Origin-Destinaion,出行出发地-目的地)数据、行程旅行时间、行程延误时间、路段平均速度和路段自由流速度。
步骤S200:生成第一类数据,包括:空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据;以及,生成第二类数据,包括:面域评价指标数据、路段评价指标数据、路口评价指标数据。
其中,如图3中所示,第一类数据中,空间维度交通指标数据包括:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、城市道路总里程;时间维度交通指标数据包括:拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数;强度维度交通指标数据包括:骨干道路运行速度偏差率、高峰/平峰延时指数比、路网拥堵时空占有率、高峰/平峰拥堵路段里程比、排队长度、停车次数、失衡/溢流、路口延误指数、路口综合服务水平。
第二类数据中,面域评价指标数据包括:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、路网拥堵时空占有率;路段评价指标数据包括:拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数、骨干道路运行速度偏差率、高峰/平峰延时指数比、高峰/平峰拥堵路段里程比;路口评价指标数据包括:排队长度、停车次数、失衡/溢流、路口延误指数、路口综合服务水平。
此外,路段评价指标数据同样适用于面域评价,也即,所述面域评价指标数据除前述数据外,还可以包括:拥堵时长占比,通勤压力指数,缓冲指数,高峰持续时间,拥堵延时指数,计划出行时间指数,骨干道路运行速度偏差率,高峰/平峰延时指数比和高峰/平峰拥堵路段里程比。
步骤S300:设定用于城市交通精细化管理的区域聚合规则。
其中,聚合规则可以由本领域技术人员根据实际需求适当设置,如,根据不同交通数据应用场景对第二类数据中的面域评价指标数据和路段评价指标数据进行聚合,等等。
上述数据和聚合规则生成之后可长期供多各交通数据应用场景使用,无需每次使用均生成。
步骤S400:输出与用户输入的交通数据应用场景的信息相匹配的各项评价指标。
用户输入交通数据应用场景的信息后,可确定对应的聚合规则,进而基于第一类数据和/或第二类数据,以及确定的聚合规则,输出所需的各项评价指示。
例如,图3中所示的地理区域各项评价指标、城市街道各项评价指标、交警支队辖区各项评价指标、医院周边区域各项评价指标、学校周边区域各项评价指标等。
根据本实施例,生成第一类数据和第二类数据,并可根据需求设定多种聚合规则,以满足不同交通数据应用场景的需求,对不同交通数据应用场景下的交通运行状态进行较为精准和全面的评估。
需要说明的是,本实施例以一个具体实例的形式,对本发明实施例提供的交通信息处理方法进行了说明,描述相对简要,其中各个步骤的具体实现可参照前述实施例一或二中的相关描述。
实施例四
参照图4,示出了根据本发明实施例四的一种交通信息处理装置的结构框图。
本实施例的交通信息处理装置包括:获取模块302,用于获取交通数据应用场景的信息;聚合模块304,用于根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理,其中,获取的所述交通数据包括:用于表征交通状态的第一类数据和/或用于评价交通状态的第二类数据;结果模块306,用于根据所述聚合处理的结果,获得与所述交通数据应用场景的信息相匹配的应用场景数据。
本实施例的交通信息处理装置用于实现前述多个方法实施例中相应的交通信息处理方法,并具有相应的方法实施例的有益效果,在此不再赘述。此外,本实施例的交通信息处理装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述,在此亦不再赘述。
实施例五
参照图5,示出了根据本发明实施例五的一种交通信息处理装置的结构框图。
本实施例的交通信息处理装置包括:获取模块402,用于获取交通数据应用场景的信息;聚合模块404,用于根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理,其中,获取的所述交通数据包括:用于表征交通状态的第一类数据和/或用于评价交通状态的第二类数据;结果模块406,用于根据所述聚合处理的结果,获得与所述交通数据应用场景的信息相匹配的应用场景数据。
可选地,本实施例的交通信息处理装置还包括:生成模块408,用于在所述获取模块402获取交通数据应用场景的信息之前,获取多种实时交通数据;根据所述多种实时交通数据,生成所述第一类数据和所述第二类数据。
可选地,所述第一类数据包括以下至少之一:空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据;所述第二类数据包括以下至少之一:面域评价指标数据、路段评价指标数据、路口评价指标数据。
可选地,所述空间维度交通指标数据包括以下至少之一:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、城市道路总里程;所述时间维度交通指标数据包括以下至少之一:拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数;所述强度维度交通指标数据包括以下至少之一:骨干道路运行速度偏差率、高峰/平峰延时指数比、路网拥堵时空占有率、高峰/平峰拥堵路段里程比、排队长度、停车次数、失衡/溢流、路口延误指数、路口综合服务水平;所述面域评价指标数据包括以下至少之一:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、路网拥堵时空占有率;所述路段评价指标数据包括以下至少之一:拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数、骨干道路运行速度偏差率、高峰/平峰延时指数比、高峰/平峰拥堵路段里程比;所述路口评价指标数据包括以下至少之一:排队长度、停车次数、失衡/溢流、路口延误指数、路口综合服务水平。
可选地,所述面域评价指标数据还包括以下至少之一:拥堵时长占比,通勤压力指数,缓冲指数,高峰持续时间,拥堵延时指数,计划出行时间指数,骨干道路运行速度偏差率,高峰/平峰延时指数比和高峰/平峰拥堵路段里程比。
可选地,本实施例的交通信息处理装置还包括:规则确定模块410,用于在所述聚合模块404根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理之前,根据所述交通数据应用场景的信息,从预设的配置文件中,确定与所述交通数据应用场景相对应的所述预设的聚合规则。
可选地,规则确定模块410,用于对所述交通数据应用场景的信息进行关键特征提取;根据提取的关键特征,从预设的配置文件中,获取与所述交通数据应用场景相对应的所述预设的聚合规则。
可选地,所述交通数据应用场景的信息包括以下至少之一:地理区域交通场景的信息、城市道路场景的信息、交警支队辖区场景的信息、医院周边场景的信息、学校周边场景的信息。
可选地,所述多种实时交通数据包括:车辆轨迹数据、出行交通数据、行程旅行时间数据、行程延误时间数据、路段平均速度数据、路段自由流数据中的至少两种数据。
本实施例的交通信息处理装置用于实现前述多个方法实施例中相应的交通信息处理方法,并具有相应的方法实施例的有益效果,在此不再赘述。此外,本实施例的交通信息处理装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述,在此亦不再赘述。
实施例六
参照图6,示出了根据本发明实施例六的一种电子设备的结构示意图,本发明具体实施例并不对电子设备的具体实现做限定。
如图6所示,该电子设备可以包括:处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、以及通信总线508。
其中:
处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504,用于与其它电子设备或服务器进行通信。
处理器502,用于执行程序510,具体可以执行上述交通信息处理方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。智能设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作:获取交通数据应用场景的信息;根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理,其中,获取的所述交通数据包括:用于表征交通状态的第一类数据和/或用于评价交通状态的第二类数据;根据所述聚合处理的结果,获得与所述交通数据应用场景的信息相匹配的应用场景数据。
在一种可选的实施方式中,程序510还用于使得处理器502在获取交通数据应用场景的信息之前,获取多种实时交通数据;根据所述多种实时交通数据,生成所述第一类数据和所述第二类数据。
在一种可选的实施方式中,所述第一类数据包括以下至少之一:空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据;所述第二类数据包括以下至少之一:面域评价指标数据、路段评价指标数据、路口评价指标数据。
在一种可选的实施方式中,所述空间维度交通指标数据包括以下至少之一:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、城市道路总里程;所述时间维度交通指标数据包括以下至少之一:拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数;所述强度维度交通指标数据包括以下至少之一:骨干道路运行速度偏差率、高峰/平峰延时指数比、路网拥堵时空占有率、高峰/平峰拥堵路段里程比、排队长度、停车次数、失衡/溢流、路口延误指数、路口综合服务水平;所述面域评价指标数据包括以下至少之一:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、路网拥堵时空占有率;所述路段评价指标数据包括以下至少之一:拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数、骨干道路运行速度偏差率、高峰/平峰延时指数比、高峰/平峰拥堵路段里程比;所述路口评价指标数据包括以下至少之一:排队长度、停车次数、失衡/溢流、路口延误指数、路口综合服务水平。
在一种可选的实施方式中,所述面域评价指标数据还包括以下至少之一:拥堵时长占比,通勤压力指数,缓冲指数,高峰持续时间,拥堵延时指数,计划出行时间指数,骨干道路运行速度偏差率,高峰/平峰延时指数比和高峰/平峰拥堵路段里程比。
在一种可选的实施方式中,程序510还用于使得处理器502在根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理之前,根据所述交通数据应用场景的信息,从预设的配置文件中,确定与所述交通数据应用场景相对应的所述预设的聚合规则。
在一种可选的实施方式中,程序510还用于使得处理器502在根据所述交通数据应用场景的信息,从预设的配置文件中,确定与所述交通数据应用场景相对应的所述预设的聚合规则时:对所述交通数据应用场景的信息进行关键特征提取;根据提取的关键特征,从预设的配置文件中,获取与所述交通数据应用场景相对应的所述预设的聚合规则。
在一种可选的实施方式中,所述交通数据应用场景的信息包括以下至少之一:地理区域交通场景的信息、城市道路场景的信息、交警支队辖区场景的信息、医院周边场景的信息、学校周边场景的信息。
在一种可选的实施方式中,所述多种实时交通数据包括:车辆轨迹数据、出行交通数据、行程旅行时间数据、行程延误时间数据、路段平均速度数据、路段自由流数据中的至少两种数据。
程序510中各步骤的具体实现可以参见上述交通信息处理方法实施例中的相应步骤和单元中对应的描述,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
通过本实施例的电子设备,针对具体的交通数据应用场景,根据其相应的信息即交通数据应用场景的信息和预设的聚合规则,来确定所需的交通数据,进而进行相应的聚合处理,以获得与交通数据应用场景相适配的应用场景数据。其中,聚合规则可以预先设定,可以为不同交通数据应用场景设定不同的聚合规则,也即,通过设定不同的交通数据聚合的方式,来满足不同的交通数据应用场景需求。其中,所述交通数据可能包括第一类数据和第二类数据中的部分或全部。第一类数据用于表征交通状态,是当前交通状态的数据反映;第二类数据用于评价交通状态,是当前交通状态的一种评估和判断。通过第一类数据和/或第二类数据,可以了解交通数据应用场景下的交通状态,也能够给出该交通状态的客观评估结果。由此,既满足了不同交通数据应用场景的需求,又能够对不同交通数据应用场景下的交通运行状态进行较为精准和全面的评估。
需要指出,根据实施的需要,可将本发明实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本发明实施例的目的。
上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的交通信息处理方法。此外,当通用计算机访问用于实现在此示出的交通信息处理方法的代码时,代码的执行将通用计算机转换为用于执行在此示出的交通信息处理方法的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明实施例的范围。
以上实施方式仅用于说明本发明实施例,而并非对本发明实施例的限制,有关技术领域的普通技术人员,在不脱离本发明实施例的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明实施例的范畴,本发明实施例的专利保护范围应由权利要求限定。
Claims (10)
1.一种交通信息处理方法,包括:
获取交通数据应用场景的信息;所述交通数据应用场景的信息包括以下至少之一:地理区域交通场景的信息、城市道路场景的信息、交警支队辖区场景的信息、医院周边场景的信息、学校周边场景的信息;
根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理,其中,获取的所述交通数据包括:用于表征交通状态的第一类数据和/或用于评价交通状态的第二类数据;所述第一类数据包括以下至少之一:空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据;所述第二类数据包括以下至少之一:面域评价指标数据、路段评价指标数据、路口评价指标数据;
根据所述聚合处理的结果,获得与所述交通数据应用场景的信息相匹配的应用场景数据。
2.根据权利要求1所述的方法,其中,在所述获取交通数据应用场景的信息之前,所述方法还包括:
获取多种实时交通数据;
根据所述多种实时交通数据,生成所述第一类数据和所述第二类数据。
3.根据权利要求1所述的方法,其中,
所述空间维度交通指标数据包括以下至少之一:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、城市道路总里程;
所述时间维度交通指标数据包括以下至少之一:拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数;
所述强度维度交通指标数据包括以下至少之一:骨干道路运行速度偏差率、高峰/平峰延时指数比、路网拥堵时空占有率、高峰/平峰拥堵路段里程比、排队长度、停车次数、失衡/溢流、路口延误指数、路口综合服务水平;
所述面域评价指标数据包括以下至少之一:路网偶发拥堵路段里程比、路网常发拥堵路段里程比、路网拥堵路段里程比、路网缓行里程比、路网拥堵时空占有率;
所述路段评价指标数据包括以下至少之一:拥堵时长占比、通勤压力指数、缓冲指数、高峰持续时间、拥堵延时指数、计划出行时间指数、骨干道路运行速度偏差率、高峰/平峰延时指数比、高峰/平峰拥堵路段里程比;
所述路口评价指标数据包括以下至少之一:排队长度、停车次数、失衡/溢流、路口延误指数、路口综合服务水平。
4.根据权利要求3所述的方法,其中,
所述面域评价指标数据还包括以下至少之一:拥堵时长占比,通勤压力指数,缓冲指数,高峰持续时间,拥堵延时指数,计划出行时间指数,骨干道路运行速度偏差率,高峰/平峰延时指数比和高峰/平峰拥堵路段里程比。
5.根据权利要求1所述的方法,其中,在所述根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理之前,所述方法还包括:
根据所述交通数据应用场景的信息,从预设的配置文件中,确定与所述交通数据应用场景相对应的所述预设的聚合规则。
6.根据权利要求5所述的方法,其中,所述根据所述交通数据应用场景的信息,从预设的配置文件中,确定与所述交通数据应用场景相对应的所述预设的聚合规则,包括:
对所述交通数据应用场景的信息进行关键特征提取;
根据提取的关键特征,从预设的配置文件中,获取与所述交通数据应用场景相对应的所述预设的聚合规则。
7.根据权利要求2所述的方法,其中,
所述多种实时交通数据包括:车辆轨迹数据、出行交通数据、行程旅行时间数据、行程延误时间数据、路段平均速度数据、路段自由流数据中的至少两种数据。
8.一种交通信息处理装置,包括:
获取模块,用于获取交通数据应用场景的信息;所述交通数据应用场景的信息包括以下至少之一:地理区域交通场景的信息、城市道路场景的信息、交警支队辖区场景的信息、医院周边场景的信息、学校周边场景的信息;
聚合模块,用于根据所述交通数据应用场景的信息,按照预设的聚合规则,对获取的交通数据进行聚合处理,其中,获取的所述交通数据包括:用于表征交通状态的第一类数据和/或用于评价交通状态的第二类数据;所述第一类数据包括以下至少之一:空间维度交通指标数据、时间维度交通指标数据、强度维度交通指标数据;所述第二类数据包括以下至少之一:面域评价指标数据、路段评价指标数据、路口评价指标数据;
结果模块,用于根据所述聚合处理的结果,获得与所述交通数据应用场景的信息相匹配的应用场景数据。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口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至少一可执行指示,所述可执行指示使所述处理器执行如权利要求1-7中任一项所述的交通信息处理方法对应的操作。
10.一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-7中任一所述的交通信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238776.2A CN113140107B (zh) | 2020-03-30 | 2020-03-30 | 交通信息处理方法、装置、电子设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010238776.2A CN113140107B (zh) | 2020-03-30 | 2020-03-30 | 交通信息处理方法、装置、电子设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113140107A CN113140107A (zh) | 2021-07-20 |
CN113140107B true CN113140107B (zh) | 2022-09-16 |
Family
ID=76809495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010238776.2A Active CN113140107B (zh) | 2020-03-30 | 2020-03-30 | 交通信息处理方法、装置、电子设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113140107B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279769A (zh) * | 2013-06-13 | 2013-09-04 | 江苏大学 | 一种适用于不同场景的多运动对象特征表达方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013168065A (ja) * | 2012-02-16 | 2013-08-29 | Sony Corp | 情報処理装置、端末装置、情報処理方法、及び状況表示方法 |
CN104239465B (zh) * | 2014-09-02 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 一种基于场景信息进行搜索的方法及装置 |
CN105761500B (zh) * | 2016-05-10 | 2019-02-22 | 腾讯科技(深圳)有限公司 | 交通事故处理方法及交通事故处理装置 |
DE102017206343A1 (de) * | 2017-04-12 | 2018-10-18 | Robert Bosch Gmbh | Verfahren zum Ermitteln von Daten eines Verkehrsszenarios |
CN107564306B (zh) * | 2017-09-14 | 2021-02-26 | 华为技术有限公司 | 交通信息处理及相关设备 |
CN107943894A (zh) * | 2017-11-16 | 2018-04-20 | 百度在线网络技术(北京)有限公司 | 用于推送多媒体内容的方法和装置 |
CN110147492B (zh) * | 2019-04-12 | 2022-04-12 | 北京梧桐车联科技有限责任公司 | 一种信息处理方法、交通工具及存储介质 |
-
2020
- 2020-03-30 CN CN202010238776.2A patent/CN113140107B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279769A (zh) * | 2013-06-13 | 2013-09-04 | 江苏大学 | 一种适用于不同场景的多运动对象特征表达方法 |
Non-Patent Citations (1)
Title |
---|
城市智慧交通系统方案设计;孙天伟;《现代信息科技》;20191225(第24期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113140107A (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109493620B (zh) | 一种交通路况分析系统、方法以及装置 | |
JP7371157B2 (ja) | 車両監視方法、装置、電子機器、記憶媒体、コンピュータプログラム、クラウド制御プラットフォームおよび車路連携システム | |
CN110363985B (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
CN103295120B (zh) | 物流公司运力分析系统及其运力分析的方法 | |
CN106875675B (zh) | 一种快速识别渣土车偏离行驶的检测系统和方法 | |
CN112863172A (zh) | 高速公路交通运行状态判定方法、预警方法、装置及终端 | |
CN109859505B (zh) | 高速站点的预警处理方法、装置、服务器和介质 | |
CN107918762A (zh) | 一种公路遗撒物快速检测系统及方法 | |
CN111383444B (zh) | 预测路况状态的方法、装置、服务器及存储介质 | |
CN114443303A (zh) | 资源分配方法、装置、设备及介质 | |
CN112734242A (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
CN115083161B (zh) | 车辆停留点的评估方法、装置、电子设备及可读存储介质 | |
CN111190982A (zh) | 一种基于大数据的共享单车管理方法及系统 | |
Sharma et al. | Study on heterogeneous traffic flow characteristics of a two-lane road | |
CN114969226A (zh) | 车道线齐打断方法、装置、设备及计算机程序产品 | |
CN108447257B (zh) | 一种基于Web的交通数据分析方法及系统 | |
CN116824868B (zh) | 车辆非法停驻点识别及拥堵预测方法、装置、设备及介质 | |
CN113140107B (zh) | 交通信息处理方法、装置、电子设备及计算机存储介质 | |
CN111696347B (zh) | 一种自动化分析交通事件信息的方法和装置 | |
CN115796584A (zh) | 一种城市道路运行风险排查方法、装置及电子设备 | |
CN114202918A (zh) | 一种应对交通拥堵的交通分流方法、装置、电子设备及介质 | |
CN112541021B (zh) | 路线评估方法、风景区游览预估时长计算方法及装置 | |
CN116386316A (zh) | 交通风险的预测方法和装置、电子设备及存储介质 | |
CN114550452A (zh) | 一种道路网结构问题位置识别方法、装置和电子设备 | |
CN114564627A (zh) | 基于货车数据的企业关系分析方法、系统及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220420 Address after: Room 715, 7th floor, No. 10, Furong street, Chaoyang District, Beijing Applicant after: BEIJING AUTONAVI YUNMAP TECHNOLOGY Co.,Ltd. Address before: Box 847, four, Grand Cayman capital, Cayman Islands, UK Applicant before: ALIBABA GROUP HOLDING Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |