CN113380029B - 数据验证方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了一种数据验证方法、装置、设备及存储介质，涉及人工智能技术领域，进一步涉及智能交通技术。具体实现方案为：确定绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值；评估指标包括路口停车率指标、路段速度指标、干线速度指标和干线停车次数指标中的至少一种；根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在绿波协调干线上行驶车辆的轨迹数据，确定评估指标的理论值；根据评估指标的理论值和实际值，对绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。通过本公开的技术，为验证配时协调数据的合理性提供了一种完善的新思路。

Description

数据验证方法、装置、设备及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及智能交通等人工智能技术，具体涉及一种数据验证方法、装置、设备及存储介质。

背景技术

随着智能交通技术的发展，干线绿波协调技术被运用和推广到各个城市和地区，以此来解决道路交通拥堵问题。其中，干线绿波协调技术中信号灯转换时间是动态变化的。

如何评价信号灯的动态时间是否合理，是否能真正解决拥堵问题，至关重要。

发明内容

本公开提供了一种数据验证方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种数据验证方法，该方法包括：

确定绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值；其中，所述评估指标包括路口停车率指标、路段速度指标、干线速度指标和干线停车次数指标中的至少一种；

根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在所述绿波协调干线上行驶车辆的轨迹数据，确定所述评估指标的理论值；

根据所述评估指标的理论值和实际值，对所述绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。

根据本公开的另一方面，提供了一种数据验证装置，该装置包括：

实际值确定模块，用于确定绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值；其中，所述评估指标包括路口停车率指标、路段速度指标、干线速度指标和干线停车次数指标中的至少一种；

理论值确定模块，用于根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在所述绿波协调干线上行驶车辆的轨迹数据，确定所述评估指标的理论值；

验证模块，用于根据所述评估指标的理论值和实际值，对所述绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。

根据本公开的另一方面，提供了一种电子设备，该电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开任一实施例所述的数据验证方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行本公开任一实施例所述的数据验证方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开任一实施例所述的数据验证方法。

根据本公开的技术，为验证配时协调数据的合理性提供了一种完善的新思路。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1A是根据本公开实施例提供的一种数据验证方法的流程图；

图1B是根据本公开实施例提供的一种干线绿波图的示意图；

图1C是根据本公开实施例提供的一种轨迹-绿波图的示意图；

图2是根据本公开实施例提供的另一种数据验证方法的流程图；

图3A是根据本公开实施例提供的又一种数据验证方法的流程图；

图3B-3D是根据本公开实施例提供的路口场景示意图；

图4A是根据本公开实施例提供的再一种数据验证方法的流程图；

图4B是根据本公开实施例提供的干线路口场景示意图；

图5是根据本公开实施例提供的一种数据验证装置的结构示意图；

图6是用来实现本公开实施例的数据验证方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1A是根据本公开实施例提供的一种数据验证方法的流程图。本公开实施例适用于如何对绿波协调干线上路口信号的配时协调数据的合理性进行验证，即对绿波协调干线所设置的绿波带的合理性进行验证；其中，所谓绿波协调干线即为实际场景中的任一道路，该道路采用了干线绿波协调技术对该道路上的所有路口信号灯进行统一管控；所谓绿波带即路段之间路口信号灯呈现绿灯时间的交集。该方法可以由数据验证装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于承载数据验证功能的计算设备中。如图1A所示，本实施例提供的数据验证方法可以包括：

S101，确定绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值。

本实施例中，所谓路口信号灯即为位于路口(比如十字路口)的信号灯(也可称为红绿灯)。配时协调数据即为对路口信号灯进行统一管控的数据，可以包括绿波协调干线上任一路口信号灯的周期和呈现绿波的时长，还可以包括绿波协调干线上相邻两个路口信号灯之间的相位差等。

可选的，评估指标用于对绿波协调干线上路口信号灯的配时协调数据的合理性进行验证(或者说评估或评价)的指标；进一步的，本实施例中评估指标可以包括路口停车率指标、路口排队数指标、路段速度指标、干线速度指标、干线停车次数指标和重合度指标等中的至少一种。

其中，路口停车率指标是一种用于统计路口停车概率的手段；所谓路口停车率为相邻路口中上游路口的车辆在通过下游路口时，需要停车的车辆占总车辆(即从上游路口驶向下游路口的车辆)的比例。上游路口和下游路由是相对于车辆行驶方向而言的，车辆先通过的路口即为上游路由，后通过的路口即为下游路由。路口排队数即为在路口排队等待通行的车辆的数量。对应地，干线停车次数指标为从干线维度统计车辆停车概率的一种手段，所谓干线停车次数为干线起始路口的车辆通过干线末尾路口时平均停车次数。

路段速度指标为从路段维度统计车辆通行速度的一种手段，所谓路段速度为上游路口的车辆通过下游路口时行驶的平均速度。对应地，干线速度指标为从干线维度统计车辆通行速度的一种手段，所谓干线速度为干线起始路口的车辆通过干线末尾路口时平均行驶速度。进一步的，重合度指标是一种用于表征绿波协调干线上的绿波带与车辆轨迹之间的重合程度的指标。

示例性的，本实施例中在具有对任一绿波协调干线上路口信号灯的配时协调数据进行验证的需求时，可以从地图应用的后台服务器获取该绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值。还可以通过其他方式获取评估指标的实际值，比如可以通过配置于路口的采集设备所采集的场景图像确定路口排队数指标的实际值；或者可以从地图应用中获取在绿波协调干线上行驶车辆的轨迹数据，并根据所获取的轨迹数据和路口的位置数据等确定路口停车率指标的实际值等。具体的可以所获取的轨迹数据绘制出车辆的轨迹，结合所绘制的轨迹和路口的位置数据等，确定路口停车率指标的实际值。或者可以从地图应用获取在绿波协调干线上行驶车辆在任一路段的行驶时长，以及该路段的长度，进而可确定路段速度指标的实际值。例如可以采用该路段的长度除以在该路段行驶的每一车辆的行驶时长，可得到每一车辆的速度，对所有车辆的速度作平均，即可得到路段速度指标的实际值。

进一步的，实际场景中，通常采用分时段方式对干线进行绿波调控，比如早晚高峰期对干线上的路口信号灯进行调控，其他时段则不对路口信号灯进行管控；进而还可以从对该绿波协调干线上路口信号灯进行管控的时段中选择任一时段，获取该时段绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值。可选的，为了保证准确度，所选择的时段时长应在设定取值范围内，设定取值范围可以是预先根据实际场景中绿波协调干线的长度、单双道等确定的。

此外，可以理解的是，本实施例中可以获取历史记录的评估指标的实际值，也可以实时获取当前时刻的评估指标的实际值等。

S102，根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在绿波协调干线上行驶车辆的轨迹数据，确定评估指标的理论值。

可选的，本实施例中可以从地图应用中获取绿波协调干线上所有路口的位置数据；进一步的，任一路口的位置数据可以包括该路口的坐标。同时，还可以从地图应用中获取在绿波协调干线上行驶车辆的轨迹数据；本实施例中在绿波协调干线上行驶车辆优选为在绿波协调干线上行驶的所有车辆。

示例性的，确定评估指标的理论值的一种可选实施方式是，根据绿波协调干线上路口信号灯的配时协调数据和路口的位置数据，绘制干线绿波图，比如图1B所示，其中带有黑色填充的表示路口信号灯呈现红色，未填充的标识路口信号灯呈现绿色，路段之间路口信号灯呈现绿灯时间的交集构成绿波带，并且图1B展示了单行道的干线绿波图，本实施例还有同时展示双向道的干线绿波图；对所获取的轨迹数据进行处理，以将轨迹点的经纬度坐标转换为随时间变化的位移数据；将处理后的数据绘制到干线绿波图中，以得到轨迹-绿波图，比如图1C所示，本实施例中在绿波协调干线上的车辆为多个，进而所涉及的轨迹为多个，图1C仅以一个车辆的轨迹进行示例，并非对此进行限定；根据路口相邻关系，对所得到的轨迹-绿波图进行划分(比如将相邻的两个路口之间的图作为一个子图)，可得到多个子图；对于每一子图，从预先设定的相邻路口行驶场景图中选择出与该子图相匹配的场景图，并将所选择出的场景图的路口停车率指标的数值，作为该子图所对应的路口停车率指标的理论值，同时将所选择出的场景图的路段速度指标的数值，作为该子图所对应的路段速度指标的理论值。其中，基于绿波协调干线上路口信号灯的配时协调数据、路口的位置数据、以及假设每秒都有车辆行驶等数据绘制多种相邻路口行驶场景图。

进一步的，还可以将所绘制的轨迹-绿波图，与预先设定的该绿波协调干线相关的轨迹-绿波图进行匹配，并将所匹配的轨迹-绿波图的相关评估指标的数值，比如干线停车次数指标的数值作为干线停车次数指标的理论值，重合度指标的数值作为重合度指标的理论值等。

示例性的，还可以采用其他方式确定评估指标的理论值，具体可以详细下述实施例。

S103，根据评估指标的理论值和实际值，对绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。

可选的，在确定评估指标的理论值和实际值之后，可以将评估指标的理论值与实际值进行比较，若任一评估指标的实际值与评估指标的理论值之间的差值在设定范围内，则确定绿波协调干线上路口信号灯的配时协调数据的合理。反之，若存在任一评估指标的理论值与实际值之间的差值不在设定范围内，则确定绿波协调干线上路口信号灯的配时协调数据不合理，即绿波协调干线所设置的绿波带不合理。

进一步的，为便于直观判断路口信号灯的配时协调数据是否合理，本实施例中所绘制的轨迹-绿波图中，采用绿色呈现车辆的轨迹和绿波重合，采用红色呈现车辆在路口等待绿灯；同时，各个评估指标的理论值和实际值将与轨迹-绿波图一并呈现给用户。此外，若评估指标的实际值与理论值之间不在设定范围内，还可以将该评估指标的实际值以高亮的形式呈现出来，便于用户直观定位。

示例性的，若确定绿波协调干线上路口信号灯的配时协调数据不合理，还可以提供相关调整建议。比如，若某一路口停车率指标的实际值远大于理论值，此时可以建议延长该路口信号灯呈现绿灯的时长，即扩宽路口之间的绿波带。

本公开实施例提供的技术方案，通过基于绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在绿波协调干线上行驶车辆的轨迹数据可以确定评估指标的理论值，并根据评估指标的理论值和所获取的评估指标的实际值，对绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。上述方案通过从路口、路段以及干线三个维度，对配时协调数据进行全面评价，能够直观、真实且精准地确定路口信号灯的配时协调数据的合理性；同时，本方案基于绿波协调干线上行驶的所有车辆的轨迹数据，即丰富的数据量，极大了提高了确定路口信号灯的配时协调数据的合理性的准确度，为验证配时协调数据的合理性提供了一种完善的新思路。

图2是根据本公开实施例提供的另一种数据验证方法的流程图。本公开实施例在上述实施例的基础上，进一步对如何确定评估指标的理论值进行解释说明。如图2所示，本实施例提供的数据验证方法可以包括：

S201，确定绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值。

其中，评估指标包括路口停车率指标、路段速度指标、干线速度指标和干线停车次数指标中的至少一种。

S202，根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在绿波协调干线上行驶车辆的轨迹数据，确定绿波协调干线上相邻路口中下游路口的车辆通行情况，和/或绿波协调干线上干线的车辆通行情况。

本实施例中，相邻路口中下游路口的车辆通行情况为从路口维度统计的车辆的通行情况，即从上游路口驶向下游路口的车辆的通行情况，具体可以为从上游路口驶向下游路口的车辆中存在需要在下游路口等待通行的车辆，或者可以为从上游路口驶向下游路口的车辆无需在下游路口等待通行。相应地，干线的车辆通行情况为从干线维度统计的车辆的通行情况，即从绿波协调干线的起始路口驶向末尾路口的车辆的通行情况，具体可以为在绿波协调干线上行驶车辆中存在等待通行的车辆，或者可以为在绿波协调干线上行驶车辆中不存在等待通行的车辆。

可选的，根据绿波协调干线上路口信号灯的配时协调数据和路口的位置数据，绘制干线绿波图；对所获取的轨迹数据进行处理，以将轨迹点的经纬度坐标转换为随时间变化的位移数据；将处理后的数据绘制到干线绿波图中，以得到轨迹-绿波图；对所得到的轨迹-绿波图进行分析，可得到绿波协调干线上任一相邻路口中下游路口的车辆通行情况，和/或绿波协调干线上干线的车辆通行情况。

S203，根据下游路口的车辆通行情况和/或干线的车辆通行情况，绿波协调速度，配时协调数据，以及相邻路口之间的距离，确定评估指标的理论值。

本实施例中，所谓绿波协调速度即为绿波协调干线的设计速度，也可称为理想速度，即在理想情况下，若用户以绿波协调速度在绿波协调干线上行驶可以一路绿灯通行；所谓相邻路口之间的距离即为即相邻两个路口中上游路口与下游路口之间的距离，相邻路口之间的距离可以直接从地图应用中获取，也可以通过路口的位置数据确定，本实施例对此不做限定。

可选的，可以根据下游路口的车辆通行情况、绿波协调速度、绿波协调干线上路口信号灯的配时协调数据、以及相邻路口之间的距离，确定路口停车率指标的理论值、路口排队数指标的理论值和路段速度指标的理论值。例如，若下游路口的车辆通行情况为从上游路口驶向下游路口的车辆中存在需要在下游路口等待通行的车辆，则可以根据配时协调数据中上游路口和下游路口的相关数据、相邻路口之间的距离和绿波协调速度，确定车辆从上游路口行驶至下游路口所需的平均行驶时长；采用相邻路口之间的距离除以所确定的平均行驶时长，即可得到路段速度指标的理论值。

进一步的，可以根据干线的车辆通行情况、绿波协调速度、绿波协调干线上路口信号灯的配时协调数据、以及相邻路口之间的距离，确定干线速度指标的理论值、干线停车次数指标的理论值和重合度指标的理论值等。例如，可以根据绿波协调干线上任一相邻路口之间的距离，可以确定绿波协调干线上起始路口与末尾路口之间的距离；进而可以根据干线的车辆通行情况、绿波协调速度、绿波协调干线上路口信号灯的配时协调数据、以及绿波协调干线上起始路口与末尾路口之间的距离，确定干线速度指标的理论值。

进一步的，根据下游路口的车辆通行情况和干线的车辆通行情况、绿波协调速度、绿波协调干线上路口信号灯的配时协调数据、以及相邻路口之间的距离，可以确定任一评估指标的理论值。

S204，根据评估指标的理论值和实际值，对绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。

本公开实施例提供的技术方案，通过引入绿波协调干线上路口信号灯的配时协调数据、路口的位置数据、在绿波协调干线上行驶车辆的轨迹数据、以及绿波协调速度等多维度数据进行全面分析，可准确确定路口、路段和干线等不同维度评估指标的理论值，为后续进行配时协调数据的合理性验证提供了数据支撑；之后基于评估指标的理论值和所获取的评估指标的实际值，可实现对绿波协调干线上路口信号灯的配时协调数据的合理性的验证。

图3A是根据本公开实施例提供的又一种数据验证方法的流程图。本公开实施例在上述实施例的基础上，进一步对如何确定评估指标的理论值进行解释说明。如图3A所示，本实施例提供的数据验证方法可以包括：

S301，确定绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值；其中，评估指标包括路口停车率指标、路段速度指标、干线速度指标和干线停车次数指标中的至少一种。

S302，根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在绿波协调干线上行驶车辆的轨迹数据，确定绿波协调干线上相邻路口中下游路口的车辆通行情况。

S303，若下游路口的车辆通行情况为从上游路口驶向下游路口的车辆中存在需要在下游路口等待通行的车辆，则根据相邻路口之间的距离、绿波协调速度、以及配时协调数据中相邻路口信号灯数据，确定路口停车率指标的理论值和/或路段速度指标的理论值。

其中，相邻路口信号灯数据包括相邻路口中上游路口信号灯呈现绿灯的第一时长、相邻路口中下游路口信号灯呈现绿灯的第二时长、相邻路口信号灯之间的相位差和下游路口信号灯的周期。本实施例中，第一时长和第二时长可以相同，也可以不同。

可选的，从上游路口驶向下游路口的车辆中所存在的需要在下游路口等待通行的车辆，通过上游路口的时间(或者可以说顺序)不同，则在下游路口等待通行的时间不同，确定路口停车率指标的理论值和/或路段速度指标的理论值的方式也不同。

示例性的，若从上游路口驶向下游路口的车辆中所存在的需要在下游路口等待通行的车辆为上游路口信号灯呈现绿灯后前n个通过上游路口的车辆(比如图3B所示，带有黑色填充的表示路口信号灯呈现红色，未填充的标识路口信号灯呈现绿色，A和B两个路口，A路口为上游路口，B路口为下游路口，第一个通过A路口的车辆Q1需要在B路口等待通行，最后一个通过A路口的车辆Q2无需在B路口等待，车辆Q1和车辆Q2之间还有其他车辆(图3B未示出)，这些车辆到达B路口时也无需等待)，则根据相邻路口信号灯之间的相位差、相邻路口之间的距离、以及绿波协调速度，确定下游路口信号灯相对于上游路口信号灯的红灯时长；将红灯时长与第一时长的比值，作为路口停车率指标的理论值。

假设行驶在绿波协调干线上的车辆的速度为绿波协调速度V，相邻路口之间的距离用S表示，相邻路口信号灯之间的相位差用M表示，第一时长用G1表示，B路口信号灯的周期用C表示。具体的，本实施例中采用相邻路口之间的距离S除以绿波协调速度V，可得到任一车辆从A路口行驶至B路口所需要的行驶时长即S/V；由于车辆Q1需要在B路口等待通行，则说明A路口信号灯与B路口信号灯之间的相位差M大于行驶时长S/V，因此可以采用A路口信号灯与B路口信号灯之间的相位差M减去行驶时长S/V，可得到下游路口信号灯相对于上游路口信号灯的红灯时长即M-S/V；之后将所得到的红灯时长与第一时长G1的比值，即(M-S/V)/G1，作为路口停车率指标的理论值。

同时在此场景下，还可以根据相邻路口信号灯之间的相位差、相邻路口之间的距离、绿波协调速度、下游路口信号灯的周期、以及第一时长，确定从上游路口驶向下游路口的车辆通过下游路口的平均时长；根据相邻路口之间的距离和平均时长，确定路段速度指标的理论值。本实施例中，下游路口信号灯的周期可以用C表示。

本实施例中采用相邻路口之间的距离S除以绿波协调速度V，可得到任一车辆从A路口行驶至B路口所需要的行驶时长即S/V；由于车辆Q1需要在B路口等待通行，则说明A路口信号灯与B路口信号灯之间的相位差M大于行驶时长S/V，因此可以采用A路口信号灯与B路口信号灯之间的相位差M减去行驶时长S/V，可得到下游路口信号灯相对于上游路口信号灯的红灯时长即M-S/V；采用((M-S/V)/2+S/V)乘以路口停车率指标的理论值即(M-S/V)/G1，可得到红灯时长内从A路口驶向B路口的车辆通过B路口的平均时长L1；进一步的，基于上述描述可知路口停车率指标的理论值为(M-S/V)/G1，进而可知路口通行率为1-(M-S/V)/G1，因此采用(1-(M-S/V)/G1)乘以S/V，可得到B路口呈现绿灯的第二时长G2内从A路口驶向B路口的车辆通过B路口的平均时长L2；之后采用相邻路口之间的距离S除以平均时长之和(即L1加L2)，即可得到路段速度指标的理论值。

进一步的，若从上游路口驶向下游路口的车辆中所存在的需要在下游路口等待通行的车辆为上游路口信号灯呈现绿灯后后n个通过上游路口的车辆(比如图3C所示，A和B两个路口，A路口为上游路口，B路口为下游路口，通过A路口的车辆Q1、车辆Q2、以及车辆Q1和车辆Q2之间还有其他车辆(图3C未示出)可直接通过B路口，通过A路口的车辆Q3、车辆Q4、以及车辆Q3和车辆Q4之间还有其他车辆(图3C未示出)需要在B路口等待通行)，则根据第一时长、相邻路口之间的距离、以及绿波协调速度，确定通过上游路口的末尾车辆到达下游路口的时间；根据所确定的时间、第二时长、以及相邻路口信号灯之间的相位差，确定下游路口信号灯相对于上游路口信号灯的红灯时长；将红灯时长与第一时长的比值，作为路口停车率指标的理论值。

具体的，采用相邻路口之间的距离S除以绿波协调速度V，可得到任一车辆从A路口行驶至B路口所需要的行驶时长即S/V；车辆Q4(即通过上游路口的末尾车辆)到达B路口的时间为第二时长G1加上行驶时长S/V；采用所确定的时间(即G1+S/V)减去第二时长G2和A路口信号灯与B路口信号灯之间的相位差M，可得到下游路口信号灯(即B路口信号灯)相对于上游路口信号灯(即A路口信号灯)的红灯时长即(G1+S/V)-G2-M；之后将所得到的红灯时长与第一时长G1的比值，即((G1+S/V)-G2-M)/G1，作为路口停车率指标的理论值。

同时在此场景下，还可以根据相邻路口信号灯之间的相位差M、相邻路口之间的距离S、绿波协调速度V、下游路口信号灯的周期C、以及第一时长G1，确定从上游路口驶向下游路口的车辆通过下游路口的平均时长；根据相邻路口之间的距离S和平均时长，确定路段速度指标的理论值。

具体可以是，采用相邻路口之间的距离S除以绿波协调速度V，可得到任一车辆从A路口行驶至B路口所需要的行驶时长即S/V，由于车辆Q1无需在B路口等待通行，则说明A路口信号灯与B路口信号灯之间的相位差M小于行驶时长S/V，即车辆Q1从A路口行驶至B路口所需要的行驶时长即为车辆Q1到达B路口的时间；采用车辆Q1的行驶时长S/V-M，可得到B路口呈现绿灯后可能出现的没有车辆通行的时长，并采用下游路口信号灯的周期C减去所计算的时长(即S/V-M)，可得到从A路口到达B路口的所有车辆全部在B路口通行所需的时长，即C-(S/V-M)；进一步的，采用从A路口到达B路口的所有车辆全部在B路口通行所需的时长C-(S/V-M)加上第一时长G1，并取平均值，可得到从上游路口驶向下游路口的车辆通过下游路口的平均时长，即(C-(S/V-M)+G1)/2；进而采用相邻路口之间的距离S除以平均时长(C-(S/V-M)+G1)/2，即可得到路段速度指标的理论值，即S/((C-(S/V-M)+G1)/2)。

示例性的，若从上游路口驶向下游路口的车辆中所存在的需要在下游路口等待通行的车辆为上游路口信号灯呈现绿灯后前n个和后n个通过上游路口的车辆(比如图3D所示，A和B两个路口，A路口为上游路口，B路口为下游路口，第一个通过A路口的车辆Q1需要在B路口等待通行，通过A路口的车辆Q3、车辆Q4、以及车辆Q3和车辆Q4之间还有其他车辆(图3D未示出)也需要在B路口等待通行，通过A路口的车辆Q2、车辆Q1和车辆Q2之间的其他车辆(图3D未示出)、以及车辆Q2和车辆Q3之间的其他车辆(图3D未示出)可直接通过B路口)，则可以直接采用第二时长G2除以第一时长G1，可得到路口绿灯通过率即G2/G1，进而采用1减去G2/G1，可得到路口停车率指标的理论值。

同时在此场景下，还可以根据相邻路口信号灯之间的相位差、相邻路口之间的距离、绿波协调速度、下游路口信号灯的周期、以及第一时长，确定从上游路口驶向下游路口的车辆通过下游路口的平均时长；根据相邻路口之间的距离和平均时长，确定路段速度指标的理论值。

具体可以是，采用相邻路口之间的距离S除以绿波协调速度V，可得到任一车辆从A路口行驶至B路口所需要的行驶时长即S/V；由于车辆Q1需要在B路口等待通行，则说明A路口信号灯与B路口信号灯之间的相位差M大于行驶时长S/V，因此可以采用A路口信号灯与B路口信号灯之间的相位差M减去行驶时长S/V，可得到下游路口信号灯相对于上游路口信号灯的红灯时长即M-S/V；采用采用下游路口信号灯的周期C加上红灯时长M-S/V，可得到从A路口到达B路口的所有车辆全部在B路口通行所需的时长C+(M-S/V)；进一步的，采用从A路口到达B路口的所有车辆全部在B路口通行所需的时长C+(M-S/V)加上第一时长G1，并取平均值，可得到从上游路口驶向下游路口的车辆通过下游路口的平均时长，即(C+(M-S/V)+G1)/2；进而采用相邻路口之间的距离S除以平均时长(C+(M-S/V)+G1)/2，即可得到路段速度指标的理论值，即S/((C+(M-S/V)+G1)/2)。

需要说明的是，对于绿波协调干线上的每一路口，可根据该路口的车辆通行情况，选择相应的方式来确定该路口的路口停车率指标的理论值。进一步的，由于路口停车率是基于车辆从上游路口行驶至下游路口的通行情况所确定的，进而在绿波协调干线为单行道的情况下，绿波协调干线的起始路口的路口停车率指标可以忽略。此外，由于绿波协调速度是一种理想速度，若直接采用绿波协调速度与实际速度(即路段速度指标的实际值)进行比较，来确定配时协调数据的合理性的准确度较低；而本公开结合实际场景中可能存在的多个场景，基于绿波协调数据、相邻路口之间的距离以及配时协调数据等多维度数据，确定路段速度指标的理论值，并基于所确定的理论值与所获取的实际值进行比较，可从速度维度真实且精准地确定配时协调数据的合理性。此外，本实施例结合实际场景中可能存在的多个场景，提供了多种路口停车率指标的理论值的计算方式，极大地扩宽了方案的使用场景，同时可从路口维度全面分析配时协调数据的合理性。

S304，根据路口停车率指标的理论值和实际值，和/或，路段速度指标的理论值和实际值，对绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。

本公开实施例提供的技术方案，通过引入下游路口的车辆通行情况，基于绿波协调数据、相邻路口之间的距离以及配时协调数据等多维度数据，确定路口停车率指标的理论值和路段速度指标的理论值，为路口停车率指标的理论值和路段速度指标的理论值提供了一种可选方式，进而为后续进行配时协调数据的合理性验证提供了数据支撑。同时，从路口维度对配时协调数据进行分析，可以直接定位到具体某一路口指标存在不合理现象，便于进行针对性调整，节省调整效率。

图4A是根据本公开实施例提供的再一种数据验证方法的流程图。本公开实施例在上述实施例的基础上，进一步对如何确定评估指标的理论值进行解释说明。如图4A所示，本实施例提供的数据验证方法可以包括：

S401，确定绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值；其中，评估指标包括路口停车率指标、路段速度指标、干线速度指标和干线停车次数指标中的至少一种。

S402，根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在绿波协调干线上行驶车辆的轨迹数据，确定绿波协调干线上干线的车辆通行情况。

S403，若干线的车辆通行情况为在绿波协调干线上行驶车辆中存在等待通行的车辆，则根据配时数据中相邻路口信号灯之间的相位差、路口信号灯的周期和路口信号灯呈现绿灯的时长，相邻路口之间的距离，以及绿波协调速度，确定车辆从绿波协调干线上起始路口行驶通过末尾路口的行驶时长，和/或干线停车次数指标的理论值。

具体的，对于从绿波协调干线上的起始路口行驶通过末尾路口的每一车辆，可以根据配时数据中相邻路口信号灯之间的相位差M、路口信号灯的周期C和路口信号灯呈现绿灯的时长L、相邻路口之间的距离S、以及绿波协调速度V，确定该车辆从绿波协调干线上起始路口行驶通过末尾路口的行驶时长。

比如图4B所示，绿波协调干线上总共有四个路口，起始路口为A路口，末尾路口为D路口，A路口信号灯与B路口信号灯之间的相位差为M1，B路口信号灯与E路口信号灯之间的相位差为M2，E路口信号灯与D路口信号灯之间的相位差为M3，A路口信号灯呈现绿灯的时长为G1，B路口信号灯呈现绿灯的时长为G2，E路口信号灯呈现绿灯的时长为G3，D路口信号灯呈现绿灯的时长为G4，A路口信号灯的周期C1，B路口信号灯的周期C2，E路口信号灯的周期C3，D路口信号灯的周期C4，A路口与B路口之间的距离为S1，B路口与E路口之间的距离为S2，E路口与D路口之间的距离为S3。

对于车辆Q1，采用S1除以绿波协调速度V，可得到该车辆Q1从A路口通过B路口所用的时长L1；采用S2除以绿波协调速度V，可得到该车辆Q1从B路口通过E路口所用的时长L2；采用S3除以绿波协调速度V，可得到该车辆Q1从E路口到达D路口所用的时长L3，并结合D路口信号灯的周期C4、D路口信号灯呈现绿灯的时长为G4、以及该车辆Q1从A路口到达B路口所用的时长L3等，确定该车辆Q1从E路口通过D路口所用的时长L4，进而将L1、L2和L4相加，可得到车辆Q1从A路口行驶通过D路口的行驶时长。

对于车辆Q2，采用S1除以绿波协调速度V，可得到该车辆Q2从A路口通过B路口所用的时长L5；采用S2除以绿波协调速度V，可得到该车辆Q2从B路口通过E路口所用的时长L6；采用S3除以绿波协调速度V，可得到该车辆Q2从E路口通过D路口所用的时长L7，进而将L5、L6和L7相加，可得到车辆Q2从A路口行驶通过D路口的行驶时长。

进一步的，对于车辆Q3，可以结合绿波协调速度V、A路口信号灯与B路口信号灯之间的相位差为M1、B路口信号灯与E路口信号灯之间的相位差为M2、E路口信号灯与D路口信号灯之间的相位差为M3、B路口信号灯呈现绿灯的时长为G2、E路口信号灯呈现绿灯的时长为G3、D路口信号灯呈现绿灯的时长为G4、B路口信号灯的周期C2、E路口信号灯的周期C3、D路口信号灯的周期C4、A路口与B路口之间的距离为S1、B路口与E路口之间的距离为S2、以及E路口与D路口之间的距离为S3等，确定车辆Q3从A路口行驶通过D路口的行驶时长。

示例性的，一种可选实时方式，对于从绿波协调干线上的起始路口行驶通过末尾路口的每一车辆，还可以根据配时数据中相邻路口信号灯之间的相位差M、路口信号灯的周期C和路口信号灯呈现绿灯的时长L、相邻路口之间的距离S、以及绿波协调速度V，确定该车辆从绿波协调干线上起始路口行驶通过末尾路口的停车次数。比如，基于绿波协调速度和相邻路口之间的距离，可以确定该车辆从相邻路口中的上游路口行驶至下游路口所需的行驶时长；之后，基于所确定的行驶时长、上游路口信号灯呈现绿灯的时长、下游路口信号灯呈现绿灯的时长、以及相邻路口信号灯之间的相位差等，可以确定该车辆到达下游路口时下游路口信号灯是否呈现绿灯，若不呈现绿灯，则确定该车辆需要在下游路口停车等待，此时该车辆的停车次数加1；重复上述过程，直至统计出该车辆从绿波协调干线上起始路口行驶通过末尾路口的停车次数。

进而，在得到每一车辆从绿波协调干线上起始路口行驶通过末尾路口的停车次数之后，可以对所有车辆的停车次数作平均，并将平均值作为干线停车次数指标的理论值。

S404，根据绿波协调干线上起始路口与末尾路口之间的距离，以及行驶时长，确定干线速度指标的理论值。

本实施例中，起始路口与末尾路口之间的距离可以采用起始路口的位置数据和末尾路口的位置数据确定，还可以直接从地图应用中获取，本实施例对此不做限定。

具体的，对于从绿波协调干线上的起始路口行驶通过末尾路口的每一车辆，在确定该车辆的行驶时长之后，可以采用绿波协调干线上起始路口与末尾路口之间的距离，除以该车辆的行驶时长，可得到该车辆在绿波协调干线上的行驶速度。

进一步的，在得到每一车辆在绿波协调干线上的行驶速度之后，可以对所有车辆的行驶速度作平均，并将平均值作为干线速度指标的理论值。

S405，根据干线速度指标的理论值和实际值，和/或，干线停车次数指标的理论值和实际值，对绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。

本公开实施例提供的技术方案，通过引入干线的车辆通行情况，基于绿波协调数据、相邻路口之间的距离以及配时协调数据等多维度数据，确定干线停车次数指标的理论值和干线速度指标的理论值，为干线停车次数指标的理论值和干线速度指标的理论值提供了一种可选方式，进而为后续进行配时协调数据的合理性验证提供了数据支撑。

图5是根据本公开实施例提供的一种数据验证装置的结构示意图。该装置可实现本公开实施例所述的数据验证方法。该装置可集成于承载数据验证功能的计算设备中。该数据验证装置500具体包括：

实际值确定模块501，用于确定绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值；其中，评估指标包括路口停车率指标、路段速度指标、干线速度指标和干线停车次数指标中的至少一种；

理论值确定模块502，用于根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在绿波协调干线上行驶车辆的轨迹数据，确定所述评估指标的理论值；

验证模块503，用于根据评估指标的理论值和实际值，对绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。

本公开实施例提供的技术方案，通过基于绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在绿波协调干线上行驶车辆的轨迹数据可以确定评估指标的理论值，并根据评估指标的理论值和所获取的评估指标的实际值，对绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。上述方案通过从路口、路段以及干线三个维度，对配时协调数据进行全面评价，能够直观、真实且精准地确定路口信号灯的配时协调数据的合理性；同时，本方案基于绿波协调干线上行驶的所有车辆的轨迹数据，即丰富的数据量，极大了提高了确定路口信号灯的配时协调数据的合理性的准确度，为验证配时协调数据的合理性提供了一种完善的新思路。

示例性的，理论值确定模块502包括：

通行情况确定单元，用于根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在绿波协调干线上行驶车辆的轨迹数据，确定绿波协调干线上相邻路口中下游路口的车辆通行情况，和/或绿波协调干线上干线的车辆通行情况；

理论值确定单元，用于根据下游路口的车辆通行情况和/或干线的车辆通行情况，绿波协调速度，配时协调数据，以及相邻路口之间的距离，确定评估指标的理论值。

示例性的，理论值确定单元具体用于：

若下游路口的车辆通行情况为从上游路口驶向下游路口的车辆中存在需要在下游路口等待通行的车辆，则根据相邻路口之间的距离、绿波协调速度、以及配时协调数据中相邻路口信号灯数据，确定路口停车率指标的理论值和/或路段速度指标的理论值；

其中，相邻路口信号灯数据包括相邻路口中上游路口信号灯呈现绿灯的第一时长、相邻路口中下游路口信号灯呈现绿灯的第二时长、相邻路口信号灯之间的相位差和下游路口信号灯的周期。

示例性的，理论值确定单元具体用于：

根据第一时长、相邻路口之间的距离、以及绿波协调速度，确定通过上游路口的末尾车辆到达下游路口的时间；

根据所确定的时间、第二时长、以及相邻路口信号灯之间的相位差，确定下游路口信号灯相对于上游路口信号灯的红灯时长；

将红灯时长与第一时长的比值，作为路口停车率指标的理论值。

示例性的，理论值确定单元具体用于：

根据相邻路口信号灯之间的相位差、相邻路口之间的距离、以及绿波协调速度，确定下游路口信号灯相对于上游路口信号灯的红灯时长；

将红灯时长与第一时长的比值，作为路口停车率指标的理论值。

示例性的，理论值确定单元具体用于：

根据相邻路口信号灯之间的相位差、相邻路口之间的距离、绿波协调速度、下游路口信号灯的周期、以及第一时长，确定从上游路口驶向下游路口的车辆通过下游路口的平均时长；

根据相邻路口之间的距离和平均时长，确定路段速度指标的理论值。

示例性的，理论值确定单元具体用于：

若干线的车辆通行情况为在绿波协调干线上行驶车辆中存在等待通行的车辆，则根据配时数据中相邻路口信号灯之间的相位差、路口信号灯的周期和路口信号灯呈现绿灯的时长，相邻路口之间的距离，以及绿波协调速度，确定车辆从绿波协调干线上起始路口行驶通过末尾路口的行驶时长，和/或干线停车次数指标的理论值；

根据绿波协调干线上起始路口与末尾路口之间的距离，以及行驶时长，确定干线速度指标的理论值。

需要说明的是，本实施例中，数据验证方法的执行主体可以通过各种公开、合法合规的方式获取本公开实施例中进行数据验证所使用的数据(比如车辆的轨迹数据)，例如可以是从公开数据集处获取，或者是经过用户的授权从用户处获取等。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

电子设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如数据验证方法。例如，在一些实施例中，数据验证方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的数据验证方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据验证方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种数据验证方法，包括：

确定绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值；其中，所述评估指标包括路口停车率指标、路段速度指标、干线速度指标和干线停车次数指标中的至少一种；

根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在所述绿波协调干线上行驶车辆的轨迹数据，确定绿波协调干线上相邻路口中下游路口的车辆通行情况，和/或绿波协调干线上干线的车辆通行情况，包括：根据绿波协调干线上路口信号灯的配时协调数据和路口的位置数据，绘制干线绿波图；对在所述绿波协调干线上行驶车辆的轨迹数据进行处理，将轨迹点的经纬度坐标转换为随时间变化的位移数据；将处理后的数据绘制到所述干线绿波图中，得到轨迹绿波图；对所述轨迹绿波图进行分析，得到绿波协调干线上任一相邻路口中下游路口的车辆通行情况，和/或绿波协调干线上干线的车辆通行情况；

根据所述下游路口的车辆通行情况和/或干线的车辆通行情况，绿波协调速度，所述配时协调数据，以及相邻路口之间的距离，确定所述评估指标的理论值；

根据所述评估指标的理论值和实际值，对所述绿波协调干线上路口信号灯的配时协调数据的合理性进行验证。

2.根据权利要求1所述的方法，其中，所述根据所述下游路口的车辆通行情况，绿波协调速度，所述配时协调数据，以及相邻路口之间的距离，确定所述评估指标的理论值，包括：

若所述下游路口的车辆通行情况为从上游路口驶向下游路口的车辆中存在需要在下游路口等待通行的车辆，则根据相邻路口之间的距离、绿波协调速度、以及所述配时协调数据中相邻路口信号灯数据，确定路口停车率指标的理论值和/或路段速度指标的理论值；

其中，所述相邻路口信号灯数据包括相邻路口中上游路口信号灯呈现绿灯的第一时长、相邻路口中下游路口信号灯呈现绿灯的第二时长、相邻路口信号灯之间的相位差和下游路口信号灯的周期。

3.根据权利要求2所述的方法，其中，所述根据相邻路口之间的距离、绿波协调速度、以及所述配时协调数据中相邻路口信号灯数据，确定路口停车率指标的理论值，包括：

根据所述第一时长、相邻路口之间的距离、以及绿波协调速度，确定通过上游路口的末尾车辆到达下游路口的时间；

根据所确定的时间、所述第二时长、以及相邻路口信号灯之间的相位差，确定下游路口信号灯相对于上游路口信号灯的红灯时长；

将所述红灯时长与所述第一时长的比值，作为路口停车率指标的理论值。

4.根据权利要求2所述的方法，其中，所述根据相邻路口之间的距离、绿波协调速度、以及所述配时协调数据中相邻路口信号灯数据，确定路口停车率指标的理论值，包括：

根据相邻路口信号灯之间的相位差、相邻路口之间的距离、以及绿波协调速度，确定下游路口信号灯相对于上游路口信号灯的红灯时长；

将所述红灯时长与所述第一时长的比值，作为路口停车率指标的理论值。

5.根据权利要求2所述的方法，其中，所述根据相邻路口之间的距离、绿波协调速度、以及所述配时协调数据中相邻路口信号灯数据，确定路段速度指标的理论值，包括：

根据相邻路口信号灯之间的相位差、相邻路口之间的距离、绿波协调速度、下游路口信号灯的周期、以及所述第一时长，确定从上游路口驶向下游路口的车辆通过下游路口的平均时长；

根据相邻路口之间的距离和所述平均时长，确定路段速度指标的理论值。

6.根据权利要求1所述的方法，其中，所述根据所述干线的车辆通行情况，绿波协调速度，所述配时协调数据，以及相邻路口之间的距离，确定评估指标的理论值，包括：

若所述干线的车辆通行情况为在所述绿波协调干线上行驶车辆中存在等待通行的车辆，则根据所述配时协调数据中相邻路口信号灯之间的相位差、路口信号灯的周期和路口信号灯呈现绿灯的时长，相邻路口之间的距离，以及绿波协调速度，确定车辆从绿波协调干线上起始路口行驶通过末尾路口的行驶时长，和/或干线停车次数指标的理论值；

根据绿波协调干线上起始路口与末尾路口之间的距离，以及所述行驶时长，确定干线速度指标的理论值。

7.一种数据验证装置，包括：

实际值确定模块，用于确定绿波协调干线上路口信号灯的配时协调数据的评估指标的实际值；其中，所述评估指标包括路口停车率指标、路段速度指标、干线速度指标和干线停车次数指标中的至少一种；

理论值确定模块，用于根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在所述绿波协调干线上行驶车辆的轨迹数据，确定所述评估指标的理论值；

验证模块，用于根据所述评估指标的理论值和实际值，对所述绿波协调干线上路口信号灯的配时协调数据的合理性进行验证；

其中，所述理论值确定模块包括：

通行情况确定单元，用于根据绿波协调干线上路口信号灯的配时协调数据、路口的位置数据和在所述绿波协调干线上行驶车辆的轨迹数据，确定绿波协调干线上相邻路口中下游路口的车辆通行情况，和/或绿波协调干线上干线的车辆通行情况；

理论值确定单元，用于根据所述下游路口的车辆通行情况和/或干线的车辆通行情况，绿波协调速度，所述配时协调数据，以及相邻路口之间的距离，确定所述评估指标的理论值；

所述通行情况确定单元，具体用于根据绿波协调干线上路口信号灯的配时协调数据和路口的位置数据，绘制干线绿波图；对在所述绿波协调干线上行驶车辆的轨迹数据进行处理，将轨迹点的经纬度坐标转换为随时间变化的位移数据；将处理后的数据绘制到所述干线绿波图中，得到轨迹绿波图；对所述轨迹绿波图进行分析，得到绿波协调干线上任一相邻路口中下游路口的车辆通行情况，和/或绿波协调干线上干线的车辆通行情况。

8.根据权利要求7所述的装置，其中，所述理论值确定单元具体用于：

若所述下游路口的车辆通行情况为从上游路口驶向下游路口的车辆中存在需要在下游路口等待通行的车辆，则根据相邻路口之间的距离、绿波协调速度、以及所述配时协调数据中相邻路口信号灯数据，确定路口停车率指标的理论值和/或路段速度指标的理论值；

其中，所述相邻路口信号灯数据包括相邻路口中上游路口信号灯呈现绿灯的第一时长、相邻路口中下游路口信号灯呈现绿灯的第二时长、相邻路口信号灯之间的相位差和下游路口信号灯的周期。

9.根据权利要求8所述的装置，其中，所述理论值确定单元具体用于：

根据所述第一时长、相邻路口之间的距离、以及绿波协调速度，确定通过上游路口的末尾车辆到达下游路口的时间；

根据所确定的时间、所述第二时长、以及相邻路口信号灯之间的相位差，确定下游路口信号灯相对于上游路口信号灯的红灯时长；

将所述红灯时长与所述第一时长的比值，作为路口停车率指标的理论值。

10.根据权利要求8所述的装置，其中，所述理论值确定单元具体用于：

根据相邻路口信号灯之间的相位差、相邻路口之间的距离、以及绿波协调速度，确定下游路口信号灯相对于上游路口信号灯的红灯时长；

将所述红灯时长与所述第一时长的比值，作为路口停车率指标的理论值。

11.根据权利要求8所述的装置，其中，所述理论值确定单元具体用于：

根据相邻路口信号灯之间的相位差、相邻路口之间的距离、绿波协调速度、下游路口信号灯的周期、以及所述第一时长，确定从上游路口驶向下游路口的车辆通过下游路口的平均时长；

根据相邻路口之间的距离和所述平均时长，确定路段速度指标的理论值。

12.根据权利要求7所述的装置，其中，所述理论值确定单元具体用于：

若所述干线的车辆通行情况为在所述绿波协调干线上行驶车辆中存在等待通行的车辆，则根据所述配时协调数据中相邻路口信号灯之间的相位差、路口信号灯的周期和路口信号灯呈现绿灯的时长，相邻路口之间的距离，以及绿波协调速度，确定车辆从绿波协调干线上起始路口行驶通过末尾路口的行驶时长，和/或干线停车次数指标的理论值；

根据绿波协调干线上起始路口与末尾路口之间的距离，以及所述行驶时长，确定干线速度指标的理论值。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的数据验证方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的数据验证方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的数据验证方法。

Images