CN114155703A - 交通管控方法及装置 - Google Patents
交通管控方法及装置 Download PDFInfo
- Publication number
- CN114155703A CN114155703A CN202111109874.7A CN202111109874A CN114155703A CN 114155703 A CN114155703 A CN 114155703A CN 202111109874 A CN202111109874 A CN 202111109874A CN 114155703 A CN114155703 A CN 114155703A
- Authority
- CN
- China
- Prior art keywords
- traffic
- road section
- target road
- state index
- traffic state
- 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.)
- Granted
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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
公开了一种交通管控方法及装置。基于目标路段或与目标路段相似的路段在预定时间段内的交通流量数据,获取目标路段的交通状态指标的临界值,交通状态指标用于表征目标路段的交通状态,临界值用于判断目标路段的交通状态是否出现异常;基于目标路段当前时间区间的交通流量数据,计算目标路段当前的交通状态指标;基于当前的交通状态指标和临界值,确定是否需要对目标路段进行交通管控。由此,对目标路段的主动交通管控不依赖历史管控数据,而是依赖于交通流数据,适合任何场景,不存在冷启动问题,且规避了仿真的效果问题,更加实用。
Description
技术领域
本公开涉及交通领域,特别是涉及一种交通管控方法及装置。
背景技术
据统计高速公路车流量每年增加约2%,随之而来的交通拥堵、交通事故压力越来越大,使得需要对道路(特别是高速公路)进行交通管控。
现有的交通管控方案主要包括两种。一种是依据专家经验,预先设定针对不同原因的管控策略,这种方案的管控策略比较单一,没有关注道路的全局交通数据。另一种是基于历史的管控数据构造仿真案例,对仿真案例进行推演得到优选的管控策略,这种方案依赖历史管控数据,无法做到冷启动,且仿真案例与真实环境存在很大差异。
因此,仍然需要一种改进的交通管控方案。
发明内容
本公开要解决的一个技术问题是提供一种新的交通管控方案,以解决上述问题。
根据本公开的第一个方面,提供了一种交通管控方法,包括:基于目标路段或与目标路段相似的路段在预定时间段内的交通流量数据,获取目标路段的交通状态指标的临界值,交通状态指标用于表征目标路段的交通状态,临界值用于判断目标路段的交通状态是否出现异常;基于目标路段当前时间区间的交通流量数据,计算目标路段当前的交通状态指标;基于当前的交通状态指标和临界值,确定是否需要对目标路段进行交通管控。
可选地,通管控方法还可以包括:若确定需要对所述目标路段进行交通管控,则对所述目标路段的交通异常原因进行分析,得到异常原因分析结果;基于所述异常原因分析结果对所述目标路段进行交通管控。
可选地,基于所述异常原因分析结果对所述目标路段进行交通管控的步骤可以包括:将所述异常原因分析结果作为决策树模型的输入,得到所述决策树模型输出的交通管控策略;实施或指令实施所述交通管控策略。
可选地,所述确定是否需要对所述目标路段进行交通管控的步骤可以包括:判断所述当前的交通状态指标是否大于或等于所述临界值;若所述当前的交通状态指标大于或等于所述临界值,则判断所述当前的交通状态指标的变化趋势是否上升趋势;若所述当前的交通状态指标的变化趋势不是上升趋势,则确定不需要对所述目标路段进行交通管控。
可选地,所述交通状态指标为临界交通密度和/或临界交通量。
可选地,所述获取目标路段的交通状态指标的临界值的步骤可以包括:基于所述目标路段或与目标路段相似的路段在预定时间段内的交通流量数据,构建交通流模型,所述交通流模型包括所述目标路段在一个或多个时间区间内的平均交通量、路段平均车速以及平均交通密度;基于所述交通流模型,计算临界交通密度和/或临界交通量。
可选地,获取目标路段的交通状态指标的临界值的步骤是在离线建模阶段执行的,并且/或者计算目标路段当前的交通状态指标的步骤以及确定是否需要对目标路段进行交通管控的步骤是在在线管控阶段执行的。
可选地,交通管控方法还可以包括:获取外部输入;基于所述外部输入对所述临界值和/或确定的交通管控策略进行调整。
根据本公开的第二个方面,提供了一种交通管控装置,包括:获取模块,用于基于目标路段或与目标路段相似的路段在预定时间段内的交通流量数据,获取目标路段的交通状态指标的临界值,所述交通状态指标用于表征所述目标路段的交通状态,所述临界值用于判断所述目标路段的交通状态是否出现异常;计算模块,用于基于所述目标路段当前时间区间的交通流量数据,计算所述目标路段当前的交通状态指标;确定模块,用于基于所述当前的交通状态指标和所述临界值,确定是否需要对所述目标路段进行交通管控。
根据本公开的第三个方面,提供了一种计算设备,包括:处理器;以及存储器,其上存储有可执行代码,当可执行代码被处理器执行时,使处理器执行如上述第一方面所述的方法。
根据本公开的第四个方面,提供了一种非暂时性机器可读存储介质,其上存储有可执行代码,当可执行代码被电子设备的处理器执行时,使处理器执行如上述第一方面所述的方法。
由此,本公开通过基于过去一段时间内的交通流量数据获取目标路段的交通状态指标的临界值,基于当前时间区间的交通流量数据计算目标路段当前的交通状态指标,并基于当前的交通状态指标和临界值,确定是否需要对目标路段进行主动交通管控。本公开不依赖历史管控数据,而是依赖于交通流数据,适合任何场景,不存在冷启动问题,且规避了仿真的效果问题,更加实用。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了根据本公开一个实施例的交通管控方法的示意性流程图。
图2A示出了离线建模过程的示意图;
图2B示出了在线管控过程的示意图。
图3示出了根据本公开一个实施例的交通管控装置的结构示意图。
图4示出了根据本公开一个实施例的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本公开提出,可以基于交通流量数据确定是否需要对目标道路进行交通管控,即可以基于交通流量数据确定对目标道路进行主动交通管控的时机。
道路的交通流量数据是可以通过采集得到的真实数据,能够表征道路的真实交通情况,因此不存在数据(历史管控数据)冷启动问题,也不存在模拟仿真与真实环境的误差问题。
图1示出了根据本公开一个实施例的交通管控方法的示意性流程图。下面结合图1就基于交通流量数据确定是否需要对目标道路进行交通管控的过程进行说明。
参见图1,在步骤S110,基于目标路段或与目标路段相似的路段在预定时间段内的交通流量数据,获取目标路段的交通状态指标的临界值。
目标路段是指要观测的路段,如可以是某段高速公路。与目标路段相似的路段,可以是指路况与目标路段相似的路段。
预定时间段内的交通流量数据,是指过去一段时间段内的交通流量数据,如可以是距离当前比较接近的预定时间段内的交通流量数据。其中,预定时间段的时长可以根据实际情况设定,如可以是一周、一个月等等。
交通状态指标用于表征目标路段的交通状态,临界值用于判断目标路段的交通状态是否出现异常。临界值可以视为目标路段的交通状态出现异常时交通状态指标的边界值,即阈值。可以通过将目标路段当前的交通状态指标与临界值进行比较,确定是否存在异常。
交通状态指标可以是但不限于交通密度、交通量、路段平均车速等一种或多种。交通密度用于表征目标路段上参与交通的参与者(车辆)的疏密程度。路段平均车速用于表征目标路段上参与交通的参与者(车辆)的平均车速。交通量用于表征单位时间内通过目标路段上的某一地点或某一断面的实际参与交通的参与者(车辆)的数量。交通密度、交通量、路段平均车速之间的关系可以表示为,K=Q/V。其中,K为交通密度,单位可以是辆/km;V为路段平均车速,单位可以是km/h;Q为交通量,单位可以是辆/h;。
以交通状态指标为交通密度为例,可以通过如下方式获取目标路段的交通密度的临界值,即临界交通密度。
基于目标路段或与目标路段相似的路段在预定时间段内的交通流量数据,构建交通流模型,交通流模型包括目标路段在一个或多个时间区间内的平均交通量Q、路段平均车速V以及平均交通密度K。
交通流量数据可以包括目标路段的基础路网数据、流量数据、速度数据。可以将交通流量数据中的流量数据和速度数据在时间上进行对齐,然后根据交通密度计算公式K=Q/V,得到预定时间段内不同时间区间下的交通密度。
可以将预设时间段划分为多个时间区间,每个时间区间可以视为一个时间片,时间区间的长度可以灵活设定。
例如,时间区间可以是一个较短的时间,此时不同时间区间可以视为不同时刻,可以构建用于表征目标路段在预设时间段内不同时刻的平均交通量Q、路段平均车速V以及平均交通密度K的交通流模型。
再例如,可以将一天划分为多个时间区间,每个时间区间可以对应一天内的某个固定时间段,如可以将一天划分为凌晨(0点到5点)、早上(5点到8点)、上午(8点到12点)、下午(12点到18点)、晚上(18点到24点)等多个时间区间。可以基于目标路段或与目标路段相似的路段在多天内的交通流量数据,构建用于表征目标路段在每天内不同时间区间的平均交通量Q、路段平均车速V以及平均交通密度K的交通流模型。
在构建好交通流模型后,可以基于交通流模型计算临界交通密度和/或临界交通量。
临界交通密度用于表征目标路段的交通状态出现异常时交通密度的边界值,即最小阈值。可以通过对交通流模型进行分析来计算临界交通密度。
举例来说,交通密度过小时路段平均车速虽然大但交通量达不到最大值,交通密度过大,速度会降低,交通量也达不到最大值,交通量最大时的交通密度可以视为目标路段的交通流刚开始受阻时的交通密度,因此可以基于交通流模型所表征的交通密度、交通量、路段平均车速这三者间的关系,将交通量最大时的交通密度作为临界交通密度。
交通密度趋于零时,路段平均车速可以达到最大值,当交通密度逐渐增大时,路段平均车速也随之减小,当交通密度达到最大值时,交通完全受阻,交通量为零。交通量为零时的交通密度可以视为目标路段的交通流完全受阻时的交通密度,因此,也可以将交通完全受阻(即交通量为零)时的交通密度作为临界交通密度。
可选地,也可以在交通量最大时的交通密度、路段平均车速为零时的交通密度这两个密度数值之间选择一个数值作为临界交通密度。
可以将临界交通密度时的交通量和路段平均车速分别作为临界交通量、临界车速。另外,也可以通过其他方式计算临界交通量或临界车速,如可以将交通量最大时的车速作为临界车速。考虑到单独基于交通流、路段平均车速不能较好地反映目标路段的交通情况。因此可以仅计算临界交通密度作为用于判断目标路段的交通状态是否出现异常的临界值。
可以不区分时间区间针对目标路段计算得到一个临界值(如临界交通密度),也可以以天为单位将一天划分为多个时间区间,针对不同时间区间计算一个用于判断该时间区间内目标路段的交通状态是否出现异常的临界值(如临界交通密度)。由此,针对目标路段获取的临界值可以是一个,也可以是多个。
在步骤S120,基于目标路段当前时间区间的交通流量数据,计算目标路段当前的交通状态指标。
所计算的当前的交通状态指标与临界值对应的交通状态指标对应于同一指标。以临界值为临界交通密度为例,可以基于目标路段当前时间区间的交通流量数据,计算目标路段当前的交通密度。其中,可以根据交通密度计算公式K=Q/V来计算当前的交通密度。
需要说明的是,步骤S110可以是离线进行,即可以在执行步骤S120之前,根据历史交通流量数据预先计算临界值。计算得到的临界值可以是可长期使用不随时间变化的数值,也可以是不断更新的数值。例如,可以随着时间不断基于新的历史交通流量数据(即距离当前时间最近一段时间内的交通流量数据),获取新的临界值。
在步骤S130,基于当前的交通状态指标和临界值,确定是否需要对目标路段进行交通管控。
可以通过判断当前的交通状态指标是否超过临界值,确定是否需要对目标路段进行交通管控。以临界值为临界交通密度为例,可以判断当前的交通密度是否大于临界交通密度,来确定是否需要对目标路段进行交通管控。在步骤S110获取的临界值为多个对应预定周期内(如一天)不同时间区间的临界值时,可以基于当前时间所属的时间区间,判断当前的交通状态指标是否超过与当前时间所属时间区间对应的临界值。
考虑到目标路段的交通本身存在自我修复的可能,在当前的交通状态指标(如交通密度)超过临界值(如临界交通密度)时,如果目标路段的交通正朝着好的方向发展,此时虽然当前的交通状态指标超过临界值,也仍然不需要对目标路段进行主动交通管控。
有鉴于此,本公开提出,若当前的交通状态指标大于或等于临界值,还可以进一步判断当前的交通状态指标的变化趋势是否上升趋势。其中,可以根据当前时间之前一段时间内的交通流量数据,计算目标路段在最近一段时间内不同时刻下的交通状态指标,并据此判断当前交通状态指标总体上是出于上升趋势,还下降趋势。
若当前的交通状态指标的变化趋势不是上升趋势(即下降趋势),则确定不需要对目标路段进行交通管控。即,只在当前的交通状态指标大于或等于临界值,且当前的交通状态指标的变化趋势是上升趋势的情况下,才确定需要对目标路段进行主动交通管控。由此,可以提高主动交通管控的准确性。
在确定需要对目标路段进行主动交通管控时,可以对目标路段的交通异常原因进行分析,得到异常原因分析结果,并基于异常原因分析结果对目标路段进行交通管控。其中,可以基于与目标路段相关的路况数据(如道路图像)进行异常原因分析,分析操作可以由人工执行,也可以由机器自动执行。如可以利用预先训练好的机器学习模型对目标路段的路况数据进行处理,自动得到异常原因分析结果。
在得到异常原因分析结果后,可以基于异常原因分析结果确定针对目标路段的交通管控策略。其中,可以将异常原因分析结果作为预先训练好的决策树模型的输入,得到决策树模型输出的交通管控策略,然后可以实施交通管控策略或指令实施交通管控策略。指令实施交通管控策略,是指可以将交通管控策略发送给交通管理人员使用的终端,由交通管理人员实施交通管控策略。
本公开还可以获取外部输入,基于外部输入对临界值和/或确定的交通管控策略进行调。其中,外部输入可以是人工输入,由此本公开的主动交通管控方法中的部分步骤还可以人工干预,以提高交通管控效率。
可以利用本公开的交通管控方法对高速公路进行主动交通管控,即上文述及的目标路段可以是指高速公路路段。
下面结合应用例就本公开的交通管控方法的具体实现流程做进一步示例性说明。
在本实施例中,交通管控方法总体上可以分为离线建模过程(上述步骤S110可以归于离线建模过程)和在线管控过程(上述步骤S120、S130可以归于在线管控过程)两部分。图2A示出了离线建模过程的示意图;图2B示出了在线管控过程的示意图。
1、离线建模过程
步骤A1、融合数据。
融合高速公路基础路网数据、流量数据、速度数据,并按照时间将流量数据和速度数据进行对齐,得到针对观测区间(要观测的目标路段)同一时间片下的流量和速度信息。
步骤A2、生成交通流统计模型。
交通流统计模型也即上文述及的交通流模型。可以按照交通流计算公式K=Q/V,计算观测区间某时间片的密度,得到观测区域某时间片下的交通流模型。
步骤A3、生成临界密度。
临界密度,也即上文述及的临界交通密度。可以基于步骤A2得到的交通流模型,计算临界密度Kc和临界流量Qc。临界流量Qc可以是指临界密度下的交通量。
观测区间内的交通流模型和临界密度Kc、临界流量Qc生成最终的模型保存。
2、在线管控过程
步骤B1、加载离线建模得到的交通流模型。
步骤B2、融合实时数据流。
可以融合高速公路基础路网数据、流量数据、速度数据,并按照时间将流量数据和速度数据进行对齐,计算观测区间当前时间片下的流量和速度信息。
步骤B3、计算交通流参数。
可以基于当前时间片下的流量和速度信息,计算当前时间片下的交通密度。
步骤B4、判断是否触发临界密度。
可以将当前时间片下的交通密度与之前计算得到的临界密度进行比较,判断是否触发临界密度,即判断当前时间片下的交通密度是否大于临界密度。
如果没有跳转步骤B2,如果触发继续执行步骤B5。
步骤B5、拟合该观察区间过去一段时间内的交通密度增长曲线,判断增长趋势,如果处于下降趋势跳转到步骤B2,如果上升则趋势则触发预警跳转到步骤B6。
步骤B6、交通原因分析。
分析是否是因为恶劣天气、施工管控、交通事故、大流量拥堵、交通管制等原因导致密度达到临界密度。
步骤B7、原因触发交通管控决策树模型。
根据原因分析结果,使用交通管控决策树模型得到交通管控策略。交通管控决策树模型可以针对不同原因提供相应的交通管控策略,比如恶劣天气触发动态速度限制,大流量拥堵触发动态速度限制、动态闸道关闭、动态开放硬路肩
步骤B8:主动交通管控策略实施。
可以将交通管控策略发送给相关工作人员,由相关工作人员主动实施交通管控策略。
综上,本公开可基于交通流量数据实现对高速公路的主动交通管控。方案以真实数据作为建模基础,规避了仿真的效果问题,更加实用性;并且方案不依赖于历史管控数据,而是依赖于交通流数据,适合任何场景;方案以全局交通流数据作为基础,支持多策略的动态决策,部分功能可以人工干预,效率很高。
本公开的交通管控方法还可以实现为一种交通管控装置,可以由交通管控装置执行交通管控方法。交通管控装置可以部署在服务器端,用于对预定地理范围内一条或多条道路进行主动交通管控。
图3示出了根据本公开一个实施例的交通管控装置的结构示意图。其中,交通管控装置的功能单元可以由实现本公开原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是,图3所描述的功能单元可以组合起来或者划分成子单元,从而实现上述发明的原理。因此,本文的描述可以支持对本文描述的功能单元的任何可能的组合、或者划分、或者更进一步的限定。
下面就交通管控装置可以具有的功能单元以及各功能单元可以执行的操作做简要说明,对于其中涉及的细节部分可以参见上文相关描述,这里不再赘述。
参见图3,交通管控装置300包括获取模块310、计算模块320以及确定模块330。
获取模块310用于基于目标路段或与目标路段相似的路段在预定时间段内的交通流量数据,获取目标路段的交通状态指标的临界值。关于交通状态指标、临界值的含义,以及临界值的计算方式均可以参见上文相关描述。
计算模块320用于基于目标路段当前时间区间的交通流量数据,计算目标路段当前的交通状态指标。确定模块330用于基于当前的交通状态指标和临界值,确定是否需要对目标路段进行交通管控。
交通管控装置300还可以包括分析模块和管控模块。分析模块用于若确定需要对所述目标路段进行交通管控,则对所述目标路段的交通异常原因进行分析,得到异常原因分析结果;管控模块用于基于所述异常原因分析结果对所述目标路段进行交通管控。
管控模块可以将所述异常原因分析结果作为决策树模型的输入,得到所述决策树模型输出的交通管控策略,并实施或指令实施所述交通管控策略。
获取模块310还可以获取外部输入,计算模块320还可以包括调整模块,用于基于所述外部输入对所述临界值和/或确定的交通管控策略进行调整。
图4示出了根据本公开一实施例可用于实现上述交通管控方法的计算设备的结构示意图。
参见图4,计算设备400包括存储器410和处理器420。
处理器420可以是一个多核的处理器,也可以包含多个处理器。在一些实施例中,处理器420可以包含一个通用的主处理器以及一个或多个特殊的协处理器,例如图形处理器(GPU)、数字信号处理器(DSP)等等。在一些实施例中,处理器420可以使用定制的电路实现,例如特定用途集成电路(ASIC,Application Specific Integrated Circuit)或者现场可编程逻辑门阵列(FPGA,Field Programmable Gate Arrays)。
存储器410可以包括各种类型的存储单元,例如系统内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器420或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器410可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器410可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器410上存储有可执行代码,当可执行代码被处理器420处理时,可以使处理器420执行上文述及的交通管控方法。
上文中已经参考附图详细描述了根据本公开的交通管控方法、装置及设备。
此外,根据本公开的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本公开的上述方法中限定的上述各步骤的计算机程序代码指令。
或者,本公开还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时,使所述处理器执行根据本公开的上述方法的各个步骤。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本公开的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种交通管控方法,包括:
基于目标路段或与目标路段相似的路段在预定时间段内的交通流量数据,获取目标路段的交通状态指标的临界值,所述交通状态指标用于表征所述目标路段的交通状态,所述临界值用于判断所述目标路段的交通状态是否出现异常;
基于所述目标路段当前时间区间的交通流量数据,计算所述目标路段当前的交通状态指标;
基于所述当前的交通状态指标和所述临界值,确定是否需要对所述目标路段进行交通管控。
2.根据权利要求1所述的交通管控方法,还包括:
若确定需要对所述目标路段进行交通管控,则对所述目标路段的交通异常原因进行分析,得到异常原因分析结果;
基于所述异常原因分析结果对所述目标路段进行交通管控。
3.根据权利要求2所述的交通管控方法,其中,基于所述异常原因分析结果对所述目标路段进行交通管控的步骤包括:
将所述异常原因分析结果作为决策树模型的输入,得到所述决策树模型输出的交通管控策略;
实施或指令实施所述交通管控策略。
4.根据权利要求1所述的交通管控方法,其中,所述确定是否需要对所述目标路段进行交通管控的步骤包括:
判断所述当前的交通状态指标是否大于或等于所述临界值;
若所述当前的交通状态指标大于或等于所述临界值,则判断所述当前的交通状态指标的变化趋势是否上升趋势;
若所述当前的交通状态指标的变化趋势不是上升趋势,则确定不需要对所述目标路段进行交通管控。
5.根据权利要求1所述的交通管控方法,其中,
所述交通状态指标为临界交通密度。
6.根据权利要求5所述的交通管控方法,其中,所述获取目标路段的交通状态指标的临界值的步骤包括:
基于所述目标路段或与目标路段相似的路段在预定时间段内的交通流量数据,构建交通流模型,所述交通流模型包括所述目标路段在一个或多个时间区间内的平均交通量、路段平均车速以及平均交通密度;
基于所述交通流模型,计算临界交通密度。
7.根据权利要求1所述的交通管控方法,其中,
获取目标路段的交通状态指标的临界值的步骤是在离线建模阶段执行的,并且/或者计算所述目标路段当前的交通状态指标的步骤以及确定是否需要对所述目标路段进行交通管控的步骤是在在线管控阶段执行的。
8.根据权利要求1至7所述的交通管控方法,还包括:
获取外部输入;
基于所述外部输入对所述临界值和/或确定的交通管控策略进行调整。
9.一种交通管控装置,包括:
获取模块,用于基于目标路段或与目标路段相似的路段在预定时间段内的交通流量数据,获取目标路段的交通状态指标的临界值,所述交通状态指标用于表征所述目标路段的交通状态,所述临界值用于判断所述目标路段的交通状态是否出现异常;
计算模块,用于基于所述目标路段当前时间区间的交通流量数据,计算所述目标路段当前的交通状态指标;
确定模块,用于基于所述当前的交通状态指标和所述临界值,确定是否需要对所述目标路段进行交通管控。
10.一种计算设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1至8中任何一项所述的方法。
11.一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至8中任何一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109874.7A CN114155703B (zh) | 2021-09-18 | 2021-09-18 | 交通管控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109874.7A CN114155703B (zh) | 2021-09-18 | 2021-09-18 | 交通管控方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114155703A true CN114155703A (zh) | 2022-03-08 |
CN114155703B CN114155703B (zh) | 2023-10-20 |
Family
ID=80462715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111109874.7A Active CN114155703B (zh) | 2021-09-18 | 2021-09-18 | 交通管控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114155703B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035741A (zh) * | 2022-04-29 | 2022-09-09 | 阿里云计算有限公司 | 判别泊位停车的方法、装置、存储介质及系统 |
CN115188186A (zh) * | 2022-06-28 | 2022-10-14 | 公安部交通管理科学研究所 | 一种区域内交通流量监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574968A (zh) * | 2015-01-19 | 2015-04-29 | 浙江大学 | 一种临界交通状态参数的确定方法 |
CN106652450A (zh) * | 2016-12-16 | 2017-05-10 | 东南大学 | 一种高速公路交通指数数值确定方法 |
CN107578624A (zh) * | 2017-09-15 | 2018-01-12 | 杭州分数科技有限公司 | 城市交通管控方法、装置及系统 |
CN110751841A (zh) * | 2018-07-24 | 2020-02-04 | 阿里巴巴集团控股有限公司 | 区域交通控制方法、设备、系统及存储介质 |
CN111341099A (zh) * | 2020-02-27 | 2020-06-26 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置及电子设备 |
CN112785849A (zh) * | 2021-02-24 | 2021-05-11 | 山东科技大学 | 一种高速公路拥堵状态判别和交通流管控系统及方法 |
WO2021115320A1 (zh) * | 2019-12-11 | 2021-06-17 | 北京嘀嘀无限科技发展有限公司 | 交通评估方法和系统 |
-
2021
- 2021-09-18 CN CN202111109874.7A patent/CN114155703B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574968A (zh) * | 2015-01-19 | 2015-04-29 | 浙江大学 | 一种临界交通状态参数的确定方法 |
CN106652450A (zh) * | 2016-12-16 | 2017-05-10 | 东南大学 | 一种高速公路交通指数数值确定方法 |
CN107578624A (zh) * | 2017-09-15 | 2018-01-12 | 杭州分数科技有限公司 | 城市交通管控方法、装置及系统 |
CN110751841A (zh) * | 2018-07-24 | 2020-02-04 | 阿里巴巴集团控股有限公司 | 区域交通控制方法、设备、系统及存储介质 |
WO2021115320A1 (zh) * | 2019-12-11 | 2021-06-17 | 北京嘀嘀无限科技发展有限公司 | 交通评估方法和系统 |
CN111341099A (zh) * | 2020-02-27 | 2020-06-26 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置及电子设备 |
CN112785849A (zh) * | 2021-02-24 | 2021-05-11 | 山东科技大学 | 一种高速公路拥堵状态判别和交通流管控系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115035741A (zh) * | 2022-04-29 | 2022-09-09 | 阿里云计算有限公司 | 判别泊位停车的方法、装置、存储介质及系统 |
CN115035741B (zh) * | 2022-04-29 | 2024-03-22 | 阿里云计算有限公司 | 判别泊位停车的方法、装置、存储介质及系统 |
CN115188186A (zh) * | 2022-06-28 | 2022-10-14 | 公安部交通管理科学研究所 | 一种区域内交通流量监测方法 |
CN115188186B (zh) * | 2022-06-28 | 2024-02-20 | 公安部交通管理科学研究所 | 一种区域内交通流量监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114155703B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114155703B (zh) | 交通管控方法及装置 | |
Muñoz et al. | Methodological calibration of the cell transmission model | |
Dong et al. | Flow breakdown and travel time reliability | |
US11727796B2 (en) | System and method for determining vehicle speed | |
CN111765903B (zh) | 自动驾驶车辆的测试方法、装置、电子设备和介质 | |
CN110733507B (zh) | 车道变换及道路隔离方法、装置、设备及存储介质 | |
CN114454878B (zh) | 车速控制模型训练样本的确定方法及装置 | |
CN114354106B (zh) | 基于risc-v桥梁智能监测预警分析系统 | |
CN112950937A (zh) | 基于车辆轨迹预测道路限速值的方法、装置、设备及介质 | |
CN109003442A (zh) | 一种道路延误时间计算及交通拥堵情况确定方法、系统 | |
US10706720B2 (en) | Predicting vehicle travel times by modeling heterogeneous influences between arterial roads | |
CN114492935A (zh) | 一种排污数据预测方法、装置、设备及介质 | |
CN113032239A (zh) | 风险提示方法、装置、电子设备及存储介质 | |
CN114842648B (zh) | 一种基于交通流的隧道运行状态预警方法、设备及介质 | |
CN115440063A (zh) | 交通信号灯的控制方法、装置、计算机设备和存储介质 | |
CN111612140B (zh) | 基于路侧单元的自动驾驶安全判别方法、设备、存储介质 | |
CN114627642A (zh) | 一种交通拥堵识别方法及装置 | |
CN113611106A (zh) | 基于智慧城市的道路交通状况预测方法、装置、设备 | |
CN110473398A (zh) | 一种城市道路拥堵分析方法及装置 | |
CN115457766B (zh) | 一种用于预测道路拥堵状态的方法及系统 | |
JP3901685B2 (ja) | リンク旅行時間予測方法および装置並びにリンク旅行時間予測プログラムとその記録媒体 | |
CN114135794B (zh) | 一种水网漏损的检测方法及装置 | |
CN114826951B (zh) | 服务自动降级方法、装置、计算机设备和存储介质 | |
US11170645B2 (en) | Systems and methods for detecting the location of debris and unexpected objects on roads | |
KR20240050821A (ko) | 신규 도로의 교통상황 예측 장치 및 그 방법 |
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 |