CN113256973B - 一种高峰开始时间预测方法、装置、设备及介质 - Google Patents
一种高峰开始时间预测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113256973B CN113256973B CN202110510296.1A CN202110510296A CN113256973B CN 113256973 B CN113256973 B CN 113256973B CN 202110510296 A CN202110510296 A CN 202110510296A CN 113256973 B CN113256973 B CN 113256973B
- Authority
- CN
- China
- Prior art keywords
- sub
- time period
- partition
- determining
- point location
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种高峰开始时间预测方法、装置、设备及介质，由于本发明实施例中，可以根据每个电子点位在预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区中，再根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，根据每个第二子时间段对应的平均梯度值与对应的平均梯度阈值，确定每个分区进入车流高峰的开始时间，因为针对每个分区进行判断，从而提高了高峰开始时间的预测的准确性，为交通管理部门制定有效的拥堵预案制定和拥堵治理开展提供有效帮助。
Description
技术领域
本发明涉及智能交通技术领域，尤其涉及一种高峰开始时间预测方法、装置、设备及介质。
背景技术
伴随着交通的快速发展，越来越多的人们采用乘坐自家轿车、地铁、公交等方式出行。若大量的车辆在较为集中的时间段涌入城市道路网络中，则会导致车辆的出行需求超过路网的承载能力，从而引起单点、路段甚至是路网的拥堵。比如，由于每天早上居民因上班、上学、商务活动等需求出门，则会引起早高峰拥堵。因此，若能够准确的预测高峰开始时间，并在高峰开始时间开始之前或开始之初，交通管理部门采取有效的应对预案，可以推迟高峰开始时间或缓解高峰拥堵程度，因此，如何准确的预测高峰开始时间至关重要。
现有技术中，只能够针对整个城市的早晚高峰开始时间进行统一的判断，但是由于城市大规模路网覆盖范围广且分布结构复杂，导致并非全城区同一时间段进入高峰，可能是分区域陆续进入高峰，如果笼统开展全城区高峰预警，则会导致高峰开始时间的预测不准确，无法为交通管理部门制定有效的拥堵预案制定和无法为拥堵治理开展提供有效帮助。
发明内容
本发明提供了一种高峰开始时间预测方法、装置、设备及介质，用以解决现有技术中高峰开始时间的预测不准确，无法为交通管理部门制定有效的拥堵预案制定和拥堵治理开展提供有效帮助的问题。
本发明提供了一种高峰开始时间预测方法，所述方法包括：
针对设定的第一数量的电子点位，根据该电子点位在设定时间长度内的车流量数据，确定该电子点位在预设的每个第一子时间段内的车流量数量；针对该电子点位在预设的每个第一子时间段内中的每两个相邻的第一子时间段的车流量数量，确定每个第二子时间段对应的梯度值；
根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区；
根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值；
针对每个分区，按照设定的时间顺序，在进行高峰开始时间检测的时间段内，根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间。
进一步地，所述根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区包括：
根据电子点位预设的每个第一子时间段内的车流量数量，确定平均车流量，并根据所述电子点位预设的每个第一子时间段内的车流量数量与所述平均车流量中每个第一子时间段内的车流量平均值，确定电子点位与平均车流量的第一欧式距离；
根据电子点位的位置及基于每个电子点位确定的平均位置，确定电子点位与平均位置的第二欧式距离；
根据电子点位的所述第一欧式距离以及所述第二欧式距离，将电子点位划分到不同的分区。
进一步地，所述根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值包括：
针对每个分区，根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位；根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位，并根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位；
针对每个分区，根据该分区中包含的第二边缘电子点位的每个第二子时间段对应的梯度值，确定该分区的第二边缘电子点位的每个第二子时间段对应的第一平均梯度值；根据该分区中包含的第二内部电子点位的每个第二子时间段对应的梯度值，确定该分区的第二内部电子点位的每个第二子时间段对应的第二平均梯度值。
进一步地，所述根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位包括：
按照第三欧式距离从大到小的顺序，对该分区中的每个电子点位进行排序，将排序在前的设定的第二数量的电子点位确定为该分区的第一边缘电子点位，将该分区中除所述第一边缘电子点位外的其他电子点位确定为该分区的第一内部电子点位。
进一步地，所述根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位包括：
按照第一和值从大到小的顺序，对该分区的第一边缘电子点位进行排序，将排序在前的设定的第三数量的第一边缘电子点位确定为第二边缘电子点位，其中所述第三数量小于第二数量。
进一步地，所述根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位包括：
按照第二和值从大到小的顺序，对该分区的第一内部电子点位进行排序，将排序在前的设定的第四数量的第一内部电子点位确定为第二内部电子点位。
进一步地，所述若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间包括：
若该分区的第二边缘电子点位的该第二子时间段对应的第一平均梯度值大于对应的平均梯度阈值，或者该分区的第二内部电子点位的该第二子时间段对应的第二平均梯度值大于对应的平均梯度阈值，则将该第二子时间段确定该分区进入车流高峰的开始时间。
进一步地，所述根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值包括：
确定进行比较的第二子时间段对应的设定的第五数量的第二子时间段；
将所述设定的第五数量的第二子时间段的平均梯度值的平均值，确定为进行比较的第二子时间段对应的平均梯度阈值。
本发明提供了一种高峰开始时间预测装置，该装置包括：
确定模块，用于针对设定的第一数量的电子点位，根据该电子点位在设定时间长度内的车流量数据，确定该电子点位在预设的每个第一子时间段内的车流量数量；针对该电子点位在预设的每个第一子时间段内中的每两个相邻的第一子时间段的车流量数量，确定每个第二子时间段对应的梯度值；
划分模块，用于根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区；
所述确定模块，还用于根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值；针对每个分区，按照设定的时间顺序，在进行高峰开始时间检测的时间段内，根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间。
进一步地，所述划分模块，具体用于根据电子点位预设的每个第一子时间段内的车流量数量，确定平均车流量，并根据所述电子点位预设的每个第一子时间段内的车流量数量与所述平均车流量中每个第一子时间段内的车流量平均值，确定电子点位与平均车流量的第一欧式距离；根据电子点位的位置及基于每个电子点位确定的平均位置，确定电子点位与平均位置的第二欧式距离；根据电子点位的所述第一欧式距离以及所述第二欧式距离，将电子点位划分到不同的分区。
进一步地，所述确定模块，具体用于针对每个分区，根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位；根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位，并根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位；针对每个分区，根据该分区中包含的第二边缘电子点位的每个第二子时间段对应的梯度值，确定该分区的第二边缘电子点位的每个第二子时间段对应的第一平均梯度值；根据该分区中包含的第二内部电子点位的每个第二子时间段对应的梯度值，确定该分区的第二内部电子点位的每个第二子时间段对应的第二平均梯度值。
进一步地，所述确定模块，具体用于按照第三欧式距离从大到小的顺序，对该分区中的每个电子点位进行排序，将排序在前的设定的第二数量的电子点位确定为该分区的第一边缘电子点位，将该分区中除所述第一边缘电子点位外的其他电子点位确定为该分区的第一内部电子点位。
进一步地，所述确定模块，具体用于按照第一和值从大到小的顺序，对该分区的第一边缘电子点位进行排序，将排序在前的设定的第三数量的第一边缘电子点位确定为第二边缘电子点位，其中所述第三数量小于第二数量。
进一步地，所述确定模块，具体用于按照第二和值从大到小的顺序，对该分区的第一内部电子点位进行排序，将排序在前的设定的第四数量的第一内部电子点位确定为第二内部电子点位。
进一步地，所述确定模块，具体用于若该分区的第二边缘电子点位的该第二子时间段对应的第一平均梯度值大于对应的平均梯度阈值，或者该分区的第二内部电子点位的该第二子时间段对应的第二平均梯度值大于对应的平均梯度阈值，则将该第二子时间段确定该分区进入车流高峰的开始时间。
进一步地，所述确定模块，具体用于确定进行比较的第二子时间段对应的设定的第五数量的第二子时间段；将所述设定的第五数量的第二子时间段的平均梯度值的平均值，确定为进行比较的第二子时间段对应的平均梯度阈值。
本发明提供了一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任一所述高峰开始时间预测方法的步骤。
本发明提供了一种计算机可读存储介质，其存储有可由终端执行的计算机程序，当所述程序在所述终端上运行时，使得所述终端执行上述任一项所述高峰开始时间预测方法的步骤。
由于本发明实施例中，可以根据每个电子点位在预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区中，再根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，根据每个第二子时间段对应的平均梯度值与对应的平均梯度阈值，确定每个分区进入车流高峰的开始时间，因为针对每个分区进行判断，从而提高了高峰开始时间的预测的准确性，为交通管理部门制定有效的拥堵预案制定和拥堵治理开展提供有效帮助。
附图说明
为了更清楚地说明本发明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要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种高峰开始时间预测方法的过程示意图；
图2为本发明一些实施例提供的一种预测高峰开始时间的体系结构图；
图3为本发明一些实施例提供的一种高峰开始时间预测装置结构示意图；
图4为本发明一些实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
为了针对每个分区进行判断，提高高峰开始时间的预测的准确性，为交通管理部门制定有效的拥堵预案制定和为拥堵治理开展提供有效帮助，本发明实施例提供了一种高峰开始时间预测方法、装置、设备及介质。
实施例1：
图1为本发明实施例提供的一种高峰开始时间预测方法的过程示意图，该过程包括以下步骤：
S101：针对设定的第一数量的电子点位，根据该电子点位在设定时间长度内的车流量数据，确定该电子点位在预设的每个第一子时间段内的车流量数量；针对该电子点位在预设的每个第一子时间段内中的每两个相邻的第一子时间段的车流量数量，确定每个第二子时间段对应的梯度值。
本发明实施例提供的高峰开始时间预测方法应用于电子设备，该电子设备可以是PC或者服务器等设备。
在本发明实施例中，为了对高峰开始时间进行预测，针对设定的第一数量的电子点位，获得该电子点位在设定时间长度内的车流量数据。其中，该电子点位也可以为车牌识别设备的点位或者卡口点位，也就是说电子点位的安装位置为车牌识别设备的安装位置或者卡口的位置。
其中，该设定时间长度可以为1天，也可以为7小时等任意小于24小时的时间长度。在获得设定时间长度内的车流量数据后，确定该电子点位在预设的每个第一子时间段内的车流量数量，具体的该车流量数据为统计的每个时间点的车流量的信息，为了细粒度的统计车流量信息，可以将该设定时间长度划分为多个第一子时间段，根据每个时间统计的车流量的信息，确定每个第一子时间段内的车流量数量。
例如该设定时间长度为1天，可以将设定时间长度划分为144个第一子时间段，也就是说将每个第一子时间段的时长设置为10分钟，因此可以获得144个第一子时间段内的车流量数量，也就是获得0:00-0:10、0:10-0:20、0:20-0:30……23:40-23:50、23:50-0:00中每个第一子时间段内的车流量数量。
确定电子点位在预设的每个第一子时间段内的车流量数量之后，根据电子点位在预设的每个第一子时间段内中的每两个相邻的第一子时间段的车流量数量，确定每个第二子时间段对应的梯度值，其中每个第二子时间段为两个相邻的第一子时间段中时间靠后的子时间段，因此，该第二子时间段的数量与该第一子时间段的数量相差1个，且第二子时间段与第一子时间段相差的子时间段为第一子时间段中时间最早的子时间段。也就是说，若第一子时间段分别为0:00-0:10、0:10-0:20、0:20-0:30……23:40-23:50、23:50-0:00，则该第二子时间段为0:10-0:20、0:20-0:30……23:40-23:50、23:50-0:00。
具体的，在确定每个第二子时间段对应的梯度值的过程中，由于第一子时间段中可能会存在车流量数量为0的情况，因此，可以确定预设的每个第一子时间段内中的每两个相邻的第一子时间段的车流量数量中的前面的第一子时间段的车流量数量与预设的第一数量的和值后，确定该后面的第一子时间段的车流量数量与该和值的比值，将该比值确定为第二子时间段的梯度值。其中，该预设的第一数量为1。假如第一子时间段0:00-0:10的车流量数量为a，第一子时间段0:10-0:20的车流量数量为b，则确定该第二子时间段0:10-0:20对应的梯度值为
S102：根据每个电子点位在预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区。
在本发明实施例中，为了对每个分区的高峰开始时间进行预测，预先进行分区的划分，也就是说，将电子点位划分到不同的分区中，其中，该分区的数量是预先设置完成的，该分区的数量可以为3个、4个或5个等等，具体的，分区的数量可以根据需求进行设置。
在本发明实施例中，根据每个电子点位在预设的每个第一子时间段内的车流量数量，确定每个第一子时间段内的车流量平均值，也就是说，针对每个第一子时间段，根据所有电子点位在该第一子时间段的车流量数量，确定该第一子时间段的车流量数量的平均值。
为了将电子点位划分到不同的分区，可以针对每个电子点位的每个第一子时间段，构建一个能够表征该电子点位的向量，由于电子点位之间存在一定的地理位置联系，且各个电子点位的过道车辆之间存在很复杂的内在联系，因此，该向量可以包含电子点位的位置特征，也可以包含该电子点位的车流量特征。
因此，可以根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，确定电子点位对应的向量中的一个分量，根据每个电子点位的位置，确定该电子点位对应的向量的另外一个分量，然后根据每个电子点位对应的向量，确定各个电子点位与每个预先设置的分区的中心点位的距离，进而将电子点位划分到不同的分区，其中，该预先设置的分区的中心点位根据需求进行设置，且该分区的中心点位对应的向量也包含中心点位的位置特征以及该中心点位的车流量特征。
S103：根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值。
在将设定的第一数量的电子点位划分到不同的分区后，每个分区包含至少两个电子点位，且因为已经确定了该分区中包含的每个电子点位的每个第二子时间段对应的梯度值，因此可以根据该分区中包含的每个电子点位的每个第二子时间段对应的梯度值，确定该分区的电子点位的每个第二子时间段对应的平均梯度值。例如一个分区中包含四个电子点位，且第二子时间段为0:10-0:20时，该四个电子点位的该第二子时间段的梯度值为2、3、4以及5，则该分区的电子点位的在0:10-0:20的第二子时间段对应的平均梯度值为
S104：针对每个分区，按照设定的时间顺序，在进行高峰开始时间检测的时间段内，根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间。
由于高峰开始时间一般发生在一个时间段内，因此，可以预先设置进行高峰开始时间检测的时间段，并确定位于该高峰开始时间检测的时间段内的每个第二子时间段，为了方便描述，可以将位于该时间段内的每个第二子时间段作为目标第二子时间段。其中，若为了预测早高峰开始的时间，进行高峰开始时间检测的时间段可以为6:00-10:00，则目标第二子时间段可以为6:00-6:10、6:10-6:20……9:50-10:00。
针对每个目标第二子时间段，按照时间顺序，依次确定进行比较的目标第二子时间段对应的平均梯度阈值，并判断该当前进行判断的目标第二子时间段对应的平均梯度值是否大于对应的平均梯度阈值。
若按照设定的时间顺序，确定当前进行判断的目标第二子时间段对应的平均梯度值大于对应的平均梯度阈值时，则说明该目标第二子时间段为该分区进入车流高峰的开始时间，也就是按照时间顺序，首个平均梯度值大于对应的平均梯度阈值的目标第二子时间段，为该分区进入车流高峰的开始时间；若当前进行判断的目标第二子时间段对应的平均梯度值不大于对应的平均梯度阈值时，则说明该目标第二子时间段不是该分区进入车流高峰的开始时间，因此，按照设定的时间顺序，确定下一个目标第二子时间段对应的平均梯度值是否大于对应的平均梯度阈值。
由于本发明实施例中，可以根据每个电子点位在预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区中，再根据该分区每个第二子时间段对应的平均梯度值，依次确定该分区中包含的电子点位对应的进行比较的第二子时间段对应的平均梯度阈值，根据每个第二子时间段对应的平均梯度值与对应的平均梯度阈值。确定每个分区进入车流高峰的开始时间，因此，可以确定每个分区对应的车流高峰的开始时间，提高了高峰开始时间的预测的准确性，为交通管理部门制定有效的拥堵预案制定和拥堵治理开展提供有效帮助。
实施例2：
为了将电子点位划分到不同的分区中，在上述实施例的基础上，在本发明实施例中，所述根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区包括：
根据电子点位预设的每个第一子时间段内的车流量数量，确定平均车流量，并根据所述电子点位预设的每个第一子时间段内的车流量数量与所述平均车流量中每个第一子时间段内的车流量平均值，确定电子点位与平均车流量的第一欧式距离；
根据电子点位的位置及基于每个电子点位确定的平均位置，确定电子点位与平均位置的第二欧式距离；
根据电子点位的所述第一欧式距离以及所述第二欧式距离，将电子点位划分到不同的分区。
在本发明实施例中，为了将设定的第一数量的电子点位划分到不同的分区中，可以根据该设定的第一数量的电子点位预设的每个第一子时间段内的车流量数量，确定平均车流量，假如包含n个电子点位，分别为I1、I2…Ii…In，电子点位Ii的每个第一子时间段内的车流量数量可以为
其中，
为第k个第一子时间段对应的车流量数量，m为包含的第一子时间段的总数量。
根据
确定每个第一子时间段对应的平均车流量，其中，该
为第k个第一子时间段对应的平均车流量。在本发明实施例中，还可以用向量进行表示每个电子点位对应的车流量数据，具体的，第i个电子点位Ii对应的车流量数据向量为
其中，该
为电子点位Ii对应的向量，
为第k个第一子时间段对应的车流量数量。
在确定平均车流量后，针对每个电子点位，根据该电子点位在预设的每个第一子时间段内的车流量数量，以及该平均车流量中每个第一子时间段对应的车流量平均值，确定该电子点位与平均车流量的第一欧式距离，具体的，根据
确定该第一欧式距离；其中，EQ_Ii为第i个电子点位Ii与平均车流量的第一欧式距离，
为电子点位Ii的第l个第一子时间段的车流量数量，
为第k个第一子时间段内的车流量平均值。
在本发明实施例中，为了提高预测的车流高峰的开始时间的准确性，可以获取较长时间长度内的车流量数据，在本发明实施例中，可以将该设定时间长度设置为1周，且该1周中的每1天都包含对应的第一子时间段，比如，若将每个第一子时间段的时长设置为10分钟，则该1周中的每1天都会包含获得第一子时间段0:00-0:10、第一子时间段0:10-0:20、第一子时间段0:20-0:30……第一子时间段23:40-23:50以及第一子时间段23:50-0:00，此时，每天包含的第一子时间段为144个。因此，在本发明实施例中，针对该1周中的每天，可以根据该天中每个第一子时间段的车流量数量，确定该天电子点位与平均车流量的第一欧式距离，为了进行统一，可以在确定七天中每天对应的每个第一欧式距离后，确定该七个第一欧式距离的平均值，将该平均值确定为目标第一欧式距离。
在本发明实施例中，每个电子点位的位置是预先设置好的，其中，该电子点位的位置可以为电子点位的经纬度信息来表示，由于每个电子点位的经纬度信息是已知的，因此，针对每个电子点位，可以根据电子点位的位置及基于每个电子点位确定的平均位置，确定电子点位与平均位置的第二欧式距离。
具体的，假如第i个电子点位的经纬度信息为
在确定每个电子点位的平均位置时，根据
确定每个电子点位的纬度平均值，
确定每个电子点位的经度平均值，其中，n为电子点位的设定的第一数量。
在确定每个电子点位的平均位置之后，针对每个电子点位，根据该电子点位的位置及基于每个电子点位确定的平均位置，确定该电子点位与平均位置的第二欧式距离时，根据
确定每个电子点位的第二欧式距离，其中，ES_Ii为第i个电子点位的第二欧式距离，LngIi为第i个电子点位的纬度值，LatIi为第i个电子点位的经度值，
为每个电子点位的纬度平均值，
为每个电子点位的经度平均值。
针对每个电子点位，确定该电子点位的第一欧式距离以及第二欧式距离后，根据DIi＝[EQ_Ii,ES_Ii]，确定每个电子点位对应的向量，其中，DIi为第i个电子点位对应的向量，EQIi为第i个电子点位的第一欧式距离，ES_Ii为第i个电子点位的第二欧式距离，第一数量的电子点位对应的混合向量为[DI1,DIi,……,DIn]。
在确定混合向量后，计算电子点位与预先设置的分区的中心点位的距离，具体的，确定每个电子点位与预先设置的分区的中心点位之间的距离，其中，
为第i个电子点位与第q个分区的中心点位之间的距离，∑为混合向量[DI1,DI2,…DIi…DIn]的协方差矩阵，n为电子点位的设定的第一数量，DIi为第i个电子点位对应的向量,
为第q个分区的中心点位对应的向量，
为第i个电子点位对应的向量和第q个分区的中心点位对应的向量的差值的转置矩阵。
在确定设定的第一数量的电子点位中每个电子点位与每个分区的中心点位之间的距离后，在本发明实施例中，根据每个电子点位与每个分区的中心点位之间的距离以及Kmeans算法，对各个电子点位进行聚类，也就是说，将电子点位划分到不同的分区，其中，根据每个电子点位与每个分区的中心点位之间的距离以及Kmeans算法，将电子点位划分到不同的分区的技术为现有技术，在此不做赘述。
实施例3：
为了确定每个分区的电子点位的每个第二子时间段对应的平均梯度值，在上述各实施例的基础上，在本发明实施例中，所述根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值包括：
针对每个分区，根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位；根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位，并根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位；
针对每个分区，根据该分区中包含的第二边缘电子点位的每个第二子时间段对应的梯度值，确定该分区的第二边缘电子点位的每个第二子时间段对应的第一平均梯度值；根据该分区中包含的第二内部电子点位的每个第二子时间段对应的梯度值，确定该分区的第二内部电子点位的每个第二子时间段对应的第二平均梯度值。
在本发明实施例中，可以根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值确定该平均梯度值。具体的，针对一个分区，该分区中包含至少一个电子点位，根据电子点位位于分区中的不同位置，可以将电子点位划分为位于分区边缘的电子点位以及位于分区内部的电子点位。
另外，因为分区内部的交通指标和分区边缘的交通指标存在一定的内在联系，因此为了提高高峰时间预测的准确性，可以考虑先将该设定的第一数量的电子点位划分为分区边缘点位以及分区内部点位，也就是说，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位。
具体的，根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位。其中，根据该分区包含的所有的电子点位的位置确定该分区的质心的位置，也就是说，根据该区域包含的所有电子点位的经纬度信息确定该分区中所有电子点位的质心的经纬度信息，假如该分区中包含I1、I3、I5以及I6四个电子点位，则根据
确定该分区的质心的纬度值，根据
确定该分区的质心的经度值，其中，该[Lngo,Lato]为该分区的质心的经纬度信息。在确定该分区的质心的经纬度信息后，确定该分区中各个电子点位与该分区的质心的第三欧式距离，具体的，该分区的电子点位与该分区的质心的第三欧式距离为：
其中，该LngIq为该分区中的电子点位Iq的纬度值，该LatIq该分区中的电子点位Iq的经度值，该Lngo为该分区的质心的纬度值，该Lato为该分区的质心的经度值。
针对每个分区，在确定该分区中各个电子点位与该分区的质心的第三欧式距离后，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位。
在本发明实施例中，可以预先设定了距离阈值，将第三欧式距离小于该距离阈值的电子点位确定为第一内部点位，将除该第一内部点位外的其他电子点位确定为第一边缘电子点位，其中，该距离阈值根据需求进行设置。
为了针对每个分区，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位，在上述各实施例的基础上，在本发明实施例中，所述根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位包括：
按照第三欧式距离从大到小的顺序，对该分区中的每个电子点位进行排序，将排序在前的设定的第二数量的电子点位确定为该分区的第一边缘电子点位，将该分区中除所述第一边缘电子点位外的其他电子点位确定为该分区的第一内部电子点位。
在本发明实施例中，针对每个分区，确定该分区的每个电子点位与该分区的质心的第三欧式距离之后，由于该第三欧式距离越大，该第三欧式距离对应的电子点位与该分区的质心的距离越远，该电子点位越处于该分区的边缘位置
，该第三欧式距离越小，该第三欧式距离对应的电子点位与该分区的质心的距离越近，该电子点位越处于该分区的内部位置。因此为了确定该分区的第一边缘电子点位以及该分区的第一内部电子点位，按照第三欧式距离从大到小的顺序，对该分区中的每个电子点位进行排序，将排序在前的设定的第二数量的电子点位确定为该分区的第一边缘电子点位，将该分区中除该第一边缘电子点位外的其他电子点位确定为该分区的第一内部电子点位。
针对每个分区，在确定该分区的第一边缘电子点位以及该分区的第一内部电子点位之后，为了提高高峰预测开始时间的准确性，可以在该第一边缘电子点位中筛选出比较关键的第二边缘电子点位，在该第一内部电子点位中筛选出比较关键的第二内部电子点位。具体的，根据该分区的第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位，并根据该分区的第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位。
针对每个分区，在确定该分区中包含的第二内部点位和第二边缘点位后，根据该分区中包含的第二边缘电子点位的每个第二子时间段对应的梯度值，确定该分区的第二边缘电子点位的每个第二子时间段对应的第一平均梯度值，根据该分区中包含的第二内部电子点位的每个第二子时间段对应的梯度值，确定该分区的第二内部电子点位的每个第二子时间段对应的第二平均梯度值。
为了针对每个分区，确定该分区的第二边缘电子点位，在上述各实施例的基础上，在本发明实施例中，所述根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位包括：
按照第一和值从大到小的顺序，对该分区的第一边缘电子点位进行排序，将排序在前的设定的第三数量的第一边缘电子点位确定为第二边缘电子点位，其中所述第三数量小于第二数量。
针对每个分区，在确定该分区的第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值后，由于该第一和值越大，该第一和值对应的电子点位在每个第二子时间段内的车流量变化的程度越大，该第一和值对应的第一边缘电子点位也就越关键。因此为了确定第二边缘电子点位，按照第一和值从大到小的顺序，对该分区的第一边缘电子点位进行排序，将排序在前的设定的第三数量的第一边缘电子点位确定为第二边缘电子点位，其中，由于是从第二数量中的第一边缘电子点位中筛选出比较关键的第三数量的第二边缘电子点位，因此该第三数量小于第二数量。
为了针对每个分区，确定该分区的第二边缘电子点位，在上述各实施例的基础上，在本发明实施例中，所述根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位包括：
按照第二和值从大到小的顺序，对该分区的第一内部电子点位进行排序，将排序在前的设定的第四数量的第一内部电子点位确定为第二内部电子点位。
针对每个分区，在确定该分区的第一内部电子点位的每个第二子时间段对应的第一梯度值的绝对值的第二和值后，由于该第二和值越大，该第二和值对应的电子点在每个第二子时间段内的车流量变化的程度越大，该第二和值对应的第一内部电子点位也就越关键，因此为了确定第二内部电子点位，按照第二和值从大到小的顺序，对该分区的第一内部电子点位进行排序，将排序在前的设定的第四数量的第一内部电子点位确定为第二内部电子点位。其中，针对每个分区，该分区中第二内部电子点位的数量小于该分区中第一内部电子点位的数量。
实施例4：
为了针对每个分区，准确的确定该分区进入车流高峰的开始时间，在上述各实施例的基础上，在本发明实施例中，所述若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间包括：
若该分区的第二边缘电子点位的该第二子时间段对应的第一平均梯度值大于对应的平均梯度阈值，或者该分区的第二内部电子点位的该第二子时间段对应的第二平均梯度值大于对应的平均梯度阈值，则将该第二子时间段确定该分区进入车流高峰的开始时间。
由于高峰开始时间一般发生在一个时间段内，比如早高峰在7点到9点的时间段内，晚高峰在6点到8点的时间段内，因此，可以预先设置进行高峰开始时间检测的时间段。并在进行预测高峰开始时间时，对该高峰开始时间检测的时间段内的每个第二子时间段的高峰开始进行检测，为了方便描述，可以将该位于该高峰开始时间检测的时间段内的每个第二子时间段作为目标第二子时间段。
在进行高峰开始时间的预测的过程中，按照子时间段的时间顺序，依次对该高峰开始时间检测的时间段内的每个目标第二子时间段的高峰开始时间进行预测。针对当前进行判断的第二子时间段，依次确定每个第二子时间段是否为该分区进入车流高峰的开始时间。
具体的，为了方便描述，将每次正在判断的第二子时间段称为当前第二子时间段，在确定该当前第二子时间段是否为该分区进入车流高峰的开始时间的过程中，确定该分区的第二边缘电子点位的该当前第二子时间段对应的第一平均梯度值是否大于对应的平均梯度阈值，并确定该分区的第二内部电子点位的该当前第二子时间段对应的第二平均梯度值是否大于对应的平均梯度阈值。
若该分区的第二边缘电子点位的该当前第二子时间段对应的第一平均梯度值大于对应的平均梯度阈值，或该分区的第二内部电子点位的该当前第二子时间段对应的第二平均梯度值大于对应的平均梯度阈值，则说明该当前第二子时间段为该分区进入车流高峰的开始时间；若该分区的第二边缘电子点位的该当前第二子时间段对应的第一平均梯度值不大于对应的平均梯度阈值，且该分区的第二内部电子点位的该当前第二子时间段对应的第二平均梯度值不大于对应的平均梯度阈值，则说明该当前第二子时间段不是该分区进入车流高峰的开始时间。
若当前第二子时间段不是该分区进入车流高峰的开始时间，为了确定该分区进入车流高峰的开始时间，按照设定的时间顺序，确定下一个第二子时间段为当前时间段，判断该下一个第二子时间段是否满足到达车流高峰的开始时间的条件，也就是说，确定该分区的第二边缘电子点位的下一第二子时间段对应的第一平均梯度值大于对应的平均梯度阈值，或该分区的第二内部电子点位的下一第二子时间段对应的第二平均梯度值大于对应的平均梯度阈值，直至确定出该分区进入车流高峰的开始时间。该确定车流高峰开始时间的过程与上述过程相同，在此不做赘述。
实施例5：
为了确定进行比较的第二子时间段对应的平均梯度阈值，在上述各实施例的基础上，在本发明实施例中，所述根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值包括：
确定进行比较的第二子时间段对应的设定的第五数量的第二子时间段；
将所述设定的第五数量的第二子时间段的平均梯度值的平均值，确定为进行比较的第二子时间段对应的平均梯度阈值。
在本发明实施例中，为了确定进行比较的第二子时间段对应的平均梯度阈值，可以先确定进行比较的第二子时间段对应的设定的第五数量的第二子时间段，比如该进行比较的第二子时间段的前五个第二子时间段。在确定该设定的第五数量的第二子时间段后，将设定的第五数量的第二子时间段的平均梯度值的平均值，确定为进行比较的第二子时间段对应的平均梯度阈值，由于针对每个分区，确定了第二内部电子点位以及第二边缘电子点位，因此，在确定该第二内部电子点位该第二子时间段对应平均梯度阈值时，将该第二内部电子点位进行比较的第二子时间段对应的设定的第五数量的第二子时间段对应的第一平均梯度值的平均值，确定为该第二内部电子点位对应的进行比较的第二子时间段对应的平均梯度阈值。将该第二边缘电子点位进行比较的第二子时间段对应的设定的第五数量的第二子时间段对应的第二平均梯度值的平均值，确定为该第二边缘电子点位对应的进行比较的第二子时间段对应的平均梯度阈值。
图2为本发明一些实施例提供的一种预测高峰开始时间的体系结构图，现针对图2进行说明。
该体系主要分为区域划分、关键通道识别以及高峰时间预测三部分，首先基于车牌识别设备采集到的数据，结合流量关联度以及空间关联度，确定区域划分方法，也就是基于获得的设定的第一数量的电子点位的车流量数据，并结合该设定的第一数量的电子点位的位置，将各个电子点位划分到不同的分区中。
然后进行区域关键通道识别以及区域关键点识别，获得区域边缘车牌识别设备采集到的车流量数据以及区域内部车牌识别设备采集到的车流量数据，也就是说，针对每个分区，确定该分区的第二边缘电子点位和第二内部电子点位的车流量数据，结合该区域边缘交通特征以及区域内部交通特征，进行早高峰开始时间预测，也就是说，根据确定的该分区的第二边缘电子点位和第二内部电子点位的车流量数据，确定该分区的第二边缘电子点位该第二子时间段对应的第一平均梯度值、该分区的第二内部电子点位的该第二子时间段对应的第二平均梯度值、该分区的第二边缘电子点位该第二子时间段对应的平均梯度阈值以及该分区的第二内部电子点位该第二子时间段对应的平均梯度阈值，若该分区的第二边缘电子点位的该第二子时间段对应的第一平均梯度值大于对应的平均梯度阈值，或者该分区的第二内部电子点位的该第二子时间段对应的第二平均梯度值大于对应的平均梯度阈值，则将该第二子时间段确定该分区进入车流高峰的开始时间。
实施例6：
图3为本发明一些实施例提供的一种高峰开始时间预测装置结构示意图，该装置包括：
确定模块301，用于针对设定的第一数量的电子点位，根据该电子点位在设定时间长度内的车流量数据，确定该电子点位在预设的每个第一子时间段内的车流量数量；针对该电子点位在预设的每个第一子时间段内中的每两个相邻的第一子时间段的车流量数量，确定每个第二子时间段对应的梯度值；
划分模块302，用于根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区；
所述确定模块301，还用于根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值；针对每个分区，按照设定的时间顺序，在进行高峰开始时间检测的时间段内，根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间。
在一种可能的实施方式中，所述划分模块，具体用于根据电子点位预设的每个第一子时间段内的车流量数量，确定平均车流量，并根据所述电子点位预设的每个第一子时间段内的车流量数量与所述平均车流量中每个第一子时间段内的车流量平均值，确定电子点位与平均车流量的第一欧式距离；根据电子点位的位置及基于每个电子点位确定的平均位置，确定电子点位与平均位置的第二欧式距离；
根据电子点位的所述第一欧式距离以及所述第二欧式距离，将电子点位划分到不同的分区。
在一种可能的实施方式中，所述确定模块，具体用于针对每个分区，根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位；根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位，并根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位；针对每个分区，根据该分区中包含的第二边缘电子点位的每个第二子时间段对应的梯度值，确定该分区的第二边缘电子点位的每个第二子时间段对应的第一平均梯度值；根据该分区中包含的第二内部电子点位的每个第二子时间段对应的梯度值，确定该分区的第二内部电子点位的每个第二子时间段对应的第二平均梯度值。
在一种可能的实施方式中，所述确定模块，具体用于按照第三欧式距离从大到小的顺序，对该分区中的每个电子点位进行排序，将排序在前的设定的第二数量的电子点位确定为该分区的第一边缘电子点位，将该分区中除所述第一边缘电子点位外的其他电子点位确定为该分区的第一内部电子点位。
在一种可能的实施方式中，所述确定模块，具体用于按照第一和值从大到小的顺序，对该分区的第一边缘电子点位进行排序，将排序在前的设定的第三数量的第一边缘电子点位确定为第二边缘电子点位，其中所述第三数量小于第二数量。
在一种可能的实施方式中，所述确定模块，具体用于按照第二和值从大到小的顺序，对该分区的第一内部电子点位进行排序，将排序在前的设定的第四数量的第一内部电子点位确定为第二内部电子点位。
在一种可能的实施方式中，所述确定模块，具体用于若该分区的第二边缘电子点位的该第二子时间段对应的第一平均梯度值大于对应的平均梯度阈值，或者该分区的第二内部电子点位的该第二子时间段对应的第二平均梯度值大于对应的平均梯度阈值，则将该第二子时间段确定该分区进入车流高峰的开始时间。
在一种可能的实施方式中，所述确定模块，具体用于确定进行比较的第二子时间段对应的设定的第五数量的第二子时间段；将所述设定的第五数量的第二子时间段的平均梯度值的平均值，确定为进行比较的第二子时间段对应的平均梯度阈值。
实施例7：
在上述各实施例的基础上，本发明一些实施例还提供了一种电子设备，如图4所示，包括：处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信。
所述存储器403中存储有计算机程序，当所述程序被所述处理器401执行时，使得所述处理器401执行如下步骤：
针对设定的第一数量的电子点位，根据该电子点位在设定时间长度内的车流量数据，确定该电子点位在预设的每个第一子时间段内的车流量数量；针对该电子点位在预设的每个第一子时间段内中的每两个相邻的第一子时间段的车流量数量，确定每个第二子时间段对应的梯度值；
根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区；
根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值；
针对每个分区，按照设定的时间顺序，在进行高峰开始时间检测的时间段内，根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间。
进一步地，所述处理器401，还用于根据电子点位预设的每个第一子时间段内的车流量数量，确定平均车流量，并根据所述电子点位预设的每个第一子时间段内的车流量数量与所述平均车流量中每个第一子时间段内的车流量平均值，确定电子点位与平均车流量的第一欧式距离；根据电子点位的位置及基于每个电子点位确定的平均位置，确定电子点位与平均位置的第二欧式距离；
根据电子点位的所述第一欧式距离以及所述第二欧式距离，将电子点位划分到不同的分区。
进一步地，所述处理器401，还用于针对每个分区，根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位；根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位，并根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位；针对每个分区，根据该分区中包含的第二边缘电子点位的每个第二子时间段对应的梯度值，确定该分区的第二边缘电子点位的每个第二子时间段对应的第一平均梯度值；根据该分区中包含的第二内部电子点位的每个第二子时间段对应的梯度值，确定该分区的第二内部电子点位的每个第二子时间段对应的第二平均梯度值。
进一步地，所述处理器401，还用于按照第三欧式距离从大到小的顺序，对该分区中的每个电子点位进行排序，将排序在前的设定的第二数量的电子点位确定为该分区的第一边缘电子点位，将该分区中除所述第一边缘电子点位外的其他电子点位确定为该分区的第一内部电子点位。
进一步地，所述处理器401，还用于按照第一和值从大到小的顺序，对该分区的第一边缘电子点位进行排序，将排序在前的设定的第三数量的第一边缘电子点位确定为第二边缘电子点位，其中所述第三数量小于第二数量。
进一步地，所述处理器401，还用于按照第二和值从大到小的顺序，对该分区的第一内部电子点位进行排序，将排序在前的设定的第四数量的第一内部电子点位确定为第二内部电子点位。
进一步地，所述处理器401，还用于若该分区的第二边缘电子点位的该第二子时间段对应的第一平均梯度值大于对应的平均梯度阈值，或者该分区的第二内部电子点位的该第二子时间段对应的第二平均梯度值大于对应的平均梯度阈值，则将该第二子时间段确定该分区进入车流高峰的开始时间。
进一步地，所述处理器401，还用于确定进行比较的第二子时间段对应的设定的第五数量的第二子时间段；将所述设定的第五数量的第二子时间段的平均梯度值的平均值，确定为进行比较的第二子时间段对应的平均梯度阈值。
上述服务器提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口402用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字指令处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
实施例8：
在上述各实施例的基础上，本发明实施例还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内存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行时实现如下步骤：
针对设定的第一数量的电子点位，根据该电子点位在设定时间长度内的车流量数据，确定该电子点位在预设的每个第一子时间段内的车流量数量；针对该电子点位在预设的每个第一子时间段内中的每两个相邻的第一子时间段的车流量数量，确定每个第二子时间段对应的梯度值；
根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区；
根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值；
针对每个分区，按照设定的时间顺序，在进行高峰开始时间检测的时间段内，根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间。
进一步地，所述根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区包括：
根据电子点位预设的每个第一子时间段内的车流量数量，确定平均车流量，并根据所述电子点位预设的每个第一子时间段内的车流量数量与所述平均车流量中每个第一子时间段内的车流量平均值，确定电子点位与平均车流量的第一欧式距离；
根据电子点位的位置及基于每个电子点位确定的平均位置，确定电子点位与平均位置的第二欧式距离；
根据电子点位的所述第一欧式距离以及所述第二欧式距离，将电子点位划分到不同的分区。
进一步地，所述根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值包括：
针对每个分区，根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位；根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位，并根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位；
针对每个分区，根据该分区中包含的第二边缘电子点位的每个第二子时间段对应的梯度值，确定该分区的第二边缘电子点位的每个第二子时间段对应的第一平均梯度值；根据该分区中包含的第二内部电子点位的每个第二子时间段对应的梯度值，确定该分区的第二内部电子点位的每个第二子时间段对应的第二平均梯度值。
进一步地，所述根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位包括：
按照第三欧式距离从大到小的顺序，对该分区中的每个电子点位进行排序，将排序在前的设定的第二数量的电子点位确定为该分区的第一边缘电子点位，将该分区中除所述第一边缘电子点位外的其他电子点位确定为该分区的第一内部电子点位。
进一步地，所述根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位包括：
按照第一和值从大到小的顺序，对该分区的第一边缘电子点位进行排序，将排序在前的设定的第三数量的第一边缘电子点位确定为第二边缘电子点位，其中所述第三数量小于第二数量。
进一步地，所述根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位包括：
按照第二和值从大到小的顺序，对该分区的第一内部电子点位进行排序，将排序在前的设定的第四数量的第一内部电子点位确定为第二内部电子点位。
进一步地，所述若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间包括：
若该分区的第二边缘电子点位的该第二子时间段对应的第一平均梯度值大于对应的平均梯度阈值，或者该分区的第二内部电子点位的该第二子时间段对应的第二平均梯度值大于对应的平均梯度阈值，则将该第二子时间段确定该分区进入车流高峰的开始时间。
进一步地，所述根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值包括：
确定进行比较的第二子时间段对应的设定的第五数量的第二子时间段；
将所述设定的第五数量的第二子时间段的平均梯度值的平均值，确定为进行比较的第二子时间段对应的平均梯度阈值。
由于本发明实施例中，可以根据每个电子点位在预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区中，再根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，根据每个第二子时间段对应的平均梯度值与对应的平均梯度阈值，确定每个分区进入车流高峰的开始时间，因为针对每个分区进行判断，从而提高了高峰开始时间的预测的准确性，为交通管理部门制定有效的拥堵预案制定和拥堵治理开展提供有效帮助。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种高峰开始时间预测方法，其特征在于，所述方法包括：
针对设定的第一数量的电子点位，根据该电子点位在设定时间长度内的车流量数据，确定该电子点位在预设的每个第一子时间段内的车流量数量；针对该电子点位在预设的每个第一子时间段内中的每两个相邻的第一子时间段的车流量数量，确定每个第二子时间段对应的梯度值；其中，每个第二子时间段为两个相邻的第一子时间段中时间靠后的子时间段；其中，针对预设的每个第一子时间段内中的每两个相邻的第一子时间段，确定该两个相邻的第一子时间段的车流量数量中的前面的第一子时间段的车流量数量与预设的第一数量的和值后，确定后面的第一子时间段的车流量数量与所述和值的比值，将所述比值确定为该两个相邻的第一子时间段中第二子时间段的梯度值；
根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区；
根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值；
针对每个分区，按照设定的时间顺序，在进行高峰开始时间检测的时间段内，根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间。
2.根据权利要求1所述的方法，其特征在于，所述根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区包括：
根据电子点位预设的每个第一子时间段内的车流量数量，确定平均车流量，并根据所述电子点位预设的每个第一子时间段内的车流量数量与所述平均车流量中每个第一子时间段内的车流量平均值，确定电子点位与平均车流量的第一欧式距离；
根据电子点位的位置及基于每个电子点位确定的平均位置，确定电子点位与平均位置的第二欧式距离；
根据电子点位的所述第一欧式距离以及所述第二欧式距离，将电子点位划分到不同的分区。
3.根据权利要求1所述的方法，其特征在于，所述根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值包括：
针对每个分区，根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位；根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位，并根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位；
针对每个分区，根据该分区中包含的第二边缘电子点位的每个第二子时间段对应的梯度值，确定该分区的第二边缘电子点位的每个第二子时间段对应的第一平均梯度值；根据该分区中包含的第二内部电子点位的每个第二子时间段对应的梯度值，确定该分区的第二内部电子点位的每个第二子时间段对应的第二平均梯度值。
4.根据权利要求3所述的方法，其特征在于，所述根据该分区的每个电子点位与该分区的质心的第三欧式距离，确定该分区的第一边缘电子点位以及该分区的第一内部电子点位包括：
按照第三欧式距离从大到小的顺序，对该分区中的每个电子点位进行排序，将排序在前的设定的第二数量的电子点位确定为该分区的第一边缘电子点位，将该分区中除所述第一边缘电子点位外的其他电子点位确定为该分区的第一内部电子点位。
5.根据权利要求3所述的方法，其特征在于，所述根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第一梯度值的绝对值的第一和值，确定该分区的第二边缘电子点位包括：
按照第一和值从大到小的顺序，对该分区的第一边缘电子点位进行排序，将排序在前的设定的第三数量的第一边缘电子点位确定为第二边缘电子点位，其中所述第三数量小于第二数量。
6.根据权利要求3所述的方法，其特征在于，所述根据该分区的所述第一边缘电子点位的每个第二子时间段对应的第二梯度值的绝对值的第二和值，确定该分区的第二内部电子点位包括：
按照第二和值从大到小的顺序，对该分区的第一内部电子点位进行排序，将排序在前的设定的第四数量的第一内部电子点位确定为第二内部电子点位。
7.根据权利要求1所述的方法，其特征在于，所述根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值包括：
确定进行比较的第二子时间段对应的设定的第五数量的第二子时间段；
将所述设定的第五数量的第二子时间段的平均梯度值的平均值，确定为进行比较的第二子时间段对应的平均梯度阈值。
8.一种高峰开始时间预测装置，其特征在于，所述装置包括：
确定模块，用于针对设定的第一数量的电子点位，根据该电子点位在设定时间长度内的车流量数据，确定该电子点位在预设的每个第一子时间段内的车流量数量；针对该电子点位在预设的每个第一子时间段内中的每两个相邻的第一子时间段的车流量数量，确定每个第二子时间段对应的梯度值；其中，每个第二子时间段为两个相邻的第一子时间段中时间靠后的子时间段；其中，针对预设的每个第一子时间段内中的每两个相邻的第一子时间段，确定该两个相邻的第一子时间段的车流量数量中的前面的第一子时间段的车流量数量与预设的第一数量的和值后，确定后面的第一子时间段的车流量数量与所述和值的比值，将所述比值确定为该两个相邻的第一子时间段中第二子时间段的梯度值；
划分模块，用于根据每个电子点位预设的每个第一子时间段内的车流量数量与每个第一子时间段内的车流量平均值，以及每个电子点位的位置，将电子点位划分到不同的分区；
所述确定模块，还用于根据每个分区中包含的电子点位的每个第二子时间段对应的梯度值，确定每个分区的电子点位的每个第二子时间段对应的平均梯度值；针对每个分区，按照设定的时间顺序，在进行高峰开始时间检测的时间段内，根据该分区每个第二子时间段对应的平均梯度值，依次确定进行比较的第二子时间段对应的平均梯度阈值，若该第二子时间段对应的平均梯度值大于对应的平均梯度阈值，则根据该第二子时间段确定该分区进入车流高峰的开始时间。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行存储器中存储的计算机程序时实现上述权利要求1-7任一所述高峰开始时间预测方法的步骤。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-7任一所述高峰开始时间预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110510296.1A CN113256973B (zh) | 2021-05-11 | 2021-05-11 | 一种高峰开始时间预测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110510296.1A CN113256973B (zh) | 2021-05-11 | 2021-05-11 | 一种高峰开始时间预测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113256973A CN113256973A (zh) | 2021-08-13 |
| CN113256973B true CN113256973B (zh) | 2022-03-25 |
Family
ID=77222617
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110510296.1A Active CN113256973B (zh) | 2021-05-11 | 2021-05-11 | 一种高峰开始时间预测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113256973B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114708728B (zh) * | 2022-03-23 | 2023-04-18 | 青岛海信网络科技股份有限公司 | 一种识别交通高峰期的方法、电子设备及存储介质 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8731809B2 (en) * | 2010-12-15 | 2014-05-20 | Honda Motor Co., Ltd. | Traffic congestion prediction method |
| CN104680820B (zh) * | 2015-02-12 | 2017-02-01 | 浙江大学 | 一种基于梯度场的交通流车联网系统及交通流控制方法 |
| CN105389987B (zh) * | 2015-12-03 | 2018-03-23 | 青岛海信网络科技股份有限公司 | 一种道路交通状况预测方法及装置 |
| CN106504531B (zh) * | 2016-11-09 | 2019-06-14 | 青岛海信网络科技股份有限公司 | 一种确定下游信号控制点位的方法和装置 |
| CN107730882B (zh) * | 2017-09-08 | 2021-07-27 | 上海电科市政工程有限公司 | 基于人工智能的道路拥堵预测系统及方法 |
| CN108053661B (zh) * | 2017-12-19 | 2020-02-04 | 青岛海信网络科技股份有限公司 | 一种交通控制的方法及装置 |
| JP6859374B2 (ja) * | 2019-01-11 | 2021-04-14 | 本田技研工業株式会社 | 予測装置、予測方法、およびプログラム |
| CN109871641A (zh) * | 2019-03-07 | 2019-06-11 | 浙江工业大学 | 一种基于多维传感信息时间序列的室内外场景识别的方法 |
| CN110503833B (zh) * | 2019-08-29 | 2021-06-08 | 桂林电子科技大学 | 一种基于深度残差网络模型的入口匝道联动控制方法 |
| CN110992689B (zh) * | 2019-11-28 | 2021-07-30 | 北京世纪高通科技有限公司 | 拥堵特征的确定方法及装置 |
| CN111210088B (zh) * | 2020-01-16 | 2023-06-02 | 上海理工大学 | 一种基于时空因素的交通状态指数预测方法 |
| CN111325979B (zh) * | 2020-02-28 | 2021-07-16 | 海信集团有限公司 | 一种划分交通控制多级子区的方法及装置 |
| CN111898740B (zh) * | 2020-07-31 | 2021-07-20 | 北京达佳互联信息技术有限公司 | 预测模型的模型参数更新方法及装置 |
-
2021
- 2021-05-11 CN CN202110510296.1A patent/CN113256973B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113256973A (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112700072B (zh) | 交通状况预测方法、电子设备和存储介质 | |
| CN113257002B (zh) | 一种高峰开始时间预测方法、装置、设备及介质 | |
| Nocera et al. | Assessing carbon emissions from road transport through traffic flow estimators | |
| CN109166337B (zh) | 公交到站时间生成方法、装置及公交乘客出行od获取方法 | |
| CN107025788B (zh) | 一种旅行时间预测方法及装置 | |
| Tang et al. | A mixed path size logit-based taxi customer-search model considering spatio-temporal factors in route choice | |
| Hofleitner et al. | Probability distributions of travel times on arterial networks: A traffic flow and horizontal queuing theory approach | |
| CN112598169B (zh) | 交通运行态势评估方法、系统及装置 | |
| CN110796323A (zh) | 车辆的调度方法、装置、终端及计算机可读存储介质 | |
| CN110851490B (zh) | 一种基于过车数据的车辆出行常用停留点挖掘方法及装置 | |
| Reddy et al. | Bus travel time prediction under high variability conditions | |
| CN113256973B (zh) | 一种高峰开始时间预测方法、装置、设备及介质 | |
| CN111091215A (zh) | 车辆识别方法、装置、计算机设备和存储介质 | |
| Xu et al. | A bi-level model to resolve conflicting transit priority requests at urban arterials | |
| Feng | Intelligent traffic control in a connected vehicle environment | |
| CN106940929B (zh) | 交通数据预测方法及装置 | |
| Bock et al. | What are the potentialities of crowdsourcing for dynamic maps of on-street parking spaces? | |
| CN111367906A (zh) | 异常车辆识别方法、装置、设备及计算机可读存储介质 | |
| CN112150045B (zh) | 基于车辆位置统计判断城市共享车辆供需关系的方法及其监测系统 | |
| CN114708728B (zh) | 一种识别交通高峰期的方法、电子设备及存储介质 | |
| CN114863676B (zh) | 一种拥堵识别方法及装置 | |
| CN105825675A (zh) | 一种基于大数据的路段旅行时间计算方法和装置 | |
| Shen et al. | Efficient heuristic methods for berth allocation at multi-line, multi-berth curbside bus stops | |
| CN114842659A (zh) | 一种交通拥堵疏导方法及装置 | |
| CN111968371B (zh) | 一种基于等时定位监测的道路通行时间估计系统及方法 |
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 |