CN114863676B - 一种拥堵识别方法及装置 - Google Patents
一种拥堵识别方法及装置 Download PDFInfo
- Publication number
- CN114863676B CN114863676B CN202210397471.5A CN202210397471A CN114863676B CN 114863676 B CN114863676 B CN 114863676B CN 202210397471 A CN202210397471 A CN 202210397471A CN 114863676 B CN114863676 B CN 114863676B
- Authority
- CN
- China
- Prior art keywords
- congestion
- traffic
- road section
- identified
- frequently
- 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
- 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
- G08G1/0125—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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种拥堵识别方法及装置,该方法包括根据识别区域内任一待识别交通路段所属的路段类型以及该待识别交通路段对应的行车速度记录,确定待识别交通路段的拥堵状况,将拥堵状况符合常发拥堵条件的待识别交通路段确定为常发性拥堵路段,从而得到n个常发性拥堵路段,从n个常发性拥堵路段中确定出具有非单点拥堵路段属性的i个常发性拥堵路段,并根据i个常发性拥堵路段,即可准确地确定p个常发性拥堵干线。如此,由于常发性拥堵干线中包括满足空间相邻条件的常发性拥堵路段,因此能够针对常发性拥堵干线中各常发性拥堵路段进行统一控制,以此便于交通管理部门针对交通拥堵有针对性的进行疏导分流,从而有效地缓解交通拥堵。
Description
技术领域
本申请涉及智能交通控制技术领域,尤其涉及一种拥堵识别方法及装置。
背景技术
近年来,城市车辆保有量一直处于增长态势,交通拥堵问题在大城市已成为常态的同时,中小城市的拥堵分布也愈加明显,其中,城市主要干道的交通需求与周围路网的承担能力分布不均衡,将导致瓶颈点形成,较长时间的瓶颈流量累积会扩散至通道性质的拥堵,也即是会形成拥堵干线性质的交通堵塞,针对于此,如何有效地识别交通拥堵干线,并基于拥堵干线进行交通疏导成为急需解决的问题。
然而,现有技术在识别交通拥堵干线时,采用断面数据源作为拥堵点的判断依据,并根据各拥堵点之间的空间关联关系形成交通拥堵干线。但是,由于断面数据源所包含的交通信息远小于线性或区域性数据源所包含的交通信息,因此会导致交通拥堵干线的识别准确性低。
综上,目前亟需一种拥堵识别方法,用以便于交通管理部门针对交通拥堵进行针对性的疏导,以此实现有效地缓解交通拥堵。
发明内容
本申请示例性的实施方式中提供了一种拥堵识别方法及装置,用以便于交通管理部门针对交通拥堵进行针对性的疏导,以此实现有效地缓解交通拥堵。
第一方面,本申请示例性的实施方式中提供了一种拥堵识别方法,包括:
获取识别区域内各待识别交通路段各自对应的行车速度记录;每个待识别交通路段对应的行车速度记录用于指示在设定m天内,该待识别交通路段在每天中按照各设定时间粒度记录的各行车速度数据;
针对每个待识别交通路段,根据所述待识别交通路段所属的路段类型以及所述待识别交通路段对应的行车速度记录,确定所述待识别交通路段的拥堵状况,并在确定所述待识别交通路段的拥堵状况符合常发拥堵条件时,将所述待识别交通路段确定为常发性拥堵路段,从而得到n个常发性拥堵路段;
从所述n个常发性拥堵路段中确定出具有非单点拥堵路段属性的i个常发性拥堵路段,并根据i个常发性拥堵路段,确定p个常发性拥堵干线;其中,每个常发性拥堵干线中满足空间相邻条件的至少两个常发性拥堵路段具有的拥堵时段满足时间相邻条件。
上述技术方案中,本申请中的技术方案通过对各待识别交通路段各自对应的历史行车速度进行时间和空间上的数据挖掘与统计分析,即可确定出各常发性拥堵干线,以此可以用于为交通管理部门进行拥堵治理提供决策依据,并可以便于交通管理部门能够针对交通拥堵有针对性的进行疏导分流,从而能够有效地缓解交通拥堵。具体来说,针对每个待识别交通路段,通过该待识别交通路段所属的路段类型以及该待识别交通路段对应的行车速度记录,即可准确地确定该待识别交通路段的拥堵状况,也即是判断该待识别交通路段的拥堵程度,并在确定该待识别交通路段的拥堵状况符合常发拥堵条件时,即可准确地将该待识别交通路段确定为常发性拥堵路段,从而可以根据所确定出的各常发性拥堵路段进行常发性拥堵干线的识别(即将多个常发性拥堵路段形成为一个常发性拥堵干线),以此可以确定出p个常发性拥堵干线,那么由于每个常发性拥堵干线中都是包括满足空间相邻条件的常发性拥堵路段,因此如果需要针对常发性拥堵干线进行交通疏导就会更加有效便捷且省时省力。如此,该方案针对常发性拥堵干线的判断准确度高,可靠性高,能够有效地为交通管理部门进行拥堵治理提供决策依据。
在一些示例性的实施方式中,根据所述待识别交通路段所属的路段类型以及所述待识别交通路段对应的行车速度记录,确定所述待识别交通路段的拥堵状况,包括:
针对设定m天内任一天,通过所述待识别交通路段在该天中任一设定时间粒度下的行车速度数据以及所述待识别交通路段所属的路段类型,确定所述待识别交通路段在该天中所述设定时间粒度对应的第一交通指数值;
根据所述第一交通指数值,确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况。
上述技术方案中,由于交通指数值可以作为综合反映道路网畅通或拥堵的指标,数值越高表明交通拥堵状况越严重,因此本申请通过综合考虑待识别交通路段的路段类型(比如高速路、快速路、主次干路等)以及待识别交通路段上某一设定时间粒度下的行车速度,即可更为准确地计算出待识别交通路段在该设定时间粒度下的交通指数值,以便通过交通指数值能够准确地识别出待识别交通路段在该设定时间粒度下的拥堵状况。
在一些示例性的实施方式中,所述拥堵状况包括畅通状态、缓行状态、拥堵状态以及严重拥堵状态;
通过所述待识别交通路段在该天中任一设定时间粒度下的行车速度数据以及所述待识别交通路段所属的路段类型,确定所述待识别交通路段在该天中所述设定时间粒度对应的第一交通指数值,包括:
根据所述待识别交通路段所属的路段类型,确定与所述路段类型匹配的行车速度范围;
通过所述行车速度范围以及所述待识别交通路段在该天中所述设定时间粒度下的行车速度数据,确定所述第一交通指数值;
根据所述第一交通指数值,确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况,包括:
若所述第一交通指数值位于第一交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为畅通状态;若所述第一交通指数值位于第二交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为缓行状态;若所述第一交通指数值位于第三交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为拥堵状态;若所述第一交通指数值位于第四交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为严重拥堵状态。
上述技术方案中,通过设置四个等级的拥堵状况,即畅通状态、缓行状态、拥堵状态以及严重拥堵状态,并针对每个等级的拥堵状况设置一个交通指数值范围,只要计算出的某一待识别交通路段在某一设定时间粒度下的交通指数值位于该交通指数值范围内,即可确定待识别交通路段在该设定时间粒度下的拥堵状况为该交通指数值范围对应的等级状态,如此可以实现准确地识别出任一待识别交通路段在任一设定时间粒度下的拥堵状况。
在一些示例性的实施方式中,在确定所述待识别交通路段的拥堵状况符合常发拥堵条件时,将所述待识别交通路段确定为常发性拥堵路段,包括:
在任一设定时间粒度下,确定在设定m天内,所述待识别交通路段在所述设定时间粒度下的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的第一数量,并确定在所述设定m天内,所述待识别交通路段在所述设定时间粒度下的拥堵状况为拥堵状态或严重拥堵状态的第二数量;
若所述第一数量与m的比值大于等于第一设定阈值且所述第二数量与所述第一数量的比值大于等于第二设定阈值,则确定所述待识别交通路段在所述设定时间粒度下处于常发性拥堵状态,并确定所述待识别交通路段为常发性拥堵路段;所述第一设定阈值大于所述第二设定阈值。
上述技术方案中,针对任一待识别交通路段对应的任一设定时间粒度,如果该待识别交通路段在该设定时间粒度下的拥堵状况满足常发拥堵条件,即可准确地确定该待识别交通路段在该设定时间粒度下处于常发性拥堵状态,也即是,在设定m天内,有多少天该待识别交通路段在该设定时间粒度下为缓行状态、拥堵状态或严重拥堵状态(即统计出第一数量),有多少天该待识别交通路段在该设定时间粒度下为拥堵状态或严重拥堵状态(即统计出第二数量),那么在第一数量与m的比值大于等于第一设定阈值且第二数量与第一数量的比值大于等于第二设定阈值,即可确定该待识别交通路段在该时间粒度下处于常发性拥堵状态,并可以确定该待识别交通路段为常发性拥堵路段。
在一些示例性的实施方式中,在确定所述待识别交通路段为常发性拥堵路段之后,还包括:
针对任一天内的各设定时间粒度,从该天内的各设定时间粒度中确定出所述待识别交通路段处于常发性拥堵状态的至少两个设定时间粒度,并按照时序,将所述至少两个设定时间粒度进行排序,得到排序后的至少两个设定时间粒度;
若排序后的第j个设定时间粒度与第j+1个设定时间粒度之间的时间间隔小于等于第一时间阈值,则将排序后的第j个设定时间粒度与第j+1个设定时间粒度进行合并处理,从而得到所述待识别交通路段在该天内的至少一个拥堵时段;
将所述待识别交通路段在设定m天中各天具有的至少一个拥堵时段按照拥堵时段的时段类型进行整合,确定所述待识别交通路段具有的至少一个拥堵时段。
上述技术方案中,通过基于拥堵形成的过程性及受信号控制而具有的短时间断性进行识别常发性拥堵路段的拥堵时段(即拥堵路段具有时间连续性,也即是拥堵路段的拥堵具有一定持续性),那么,在针对某一待识别交通路段在设定m天内各天具有的各时间粒度下的常发性拥堵状态进行识别后,即可针对任一天内的各设定时间粒度,从该天内的各设定时间粒度中确定出属于常发性拥堵状态的至少两个设定时间粒度,并按照时序针对至少两个设定时间粒度进行排序,得到排序后的至少两个设定时间粒度,如果排序后的某一个设定时间粒度与排序后的另一个设定时间粒度之间的时间间隔小于等于第一时间阈值(即两个设定时间粒度各自对应的时刻范围存在重合,或者时序上位于前面的一个设定时间粒度对应的时刻范围的结束时刻与时序上位于后面的设定时间粒度对应的时刻范围的起始时刻之间的时间差值不大于第一时间阈值),即可将该两个时间粒度进行合并,以此类推,即可准确地确定出待识别交通路段在该天内的至少一个拥堵时段,然后,基于拥堵时段的时段类型(比如拥堵时段在一天中属于早高峰拥堵类型还是晚高峰拥堵类型),那么就可以将待识别交通路段的各天中属于早高峰拥堵类型的拥堵时段进行整合(即将各天中属于早高峰拥堵类型的拥堵时段进行取并集),并将各天中属于晚高峰拥堵类型的拥堵时段进行整合(即将各天中属于晚高峰拥堵类型的拥堵时段进行取并集),从而可以确定出待识别交通路段具有的至少一个拥堵时段(比如早高峰拥堵类型的拥堵时段和/或晚高峰拥堵类型的拥堵时段),从而可以为后续准确地识别常发性拥堵干线提供有力的支持。
在一些示例性的实施方式中,在确定所述待识别交通路段具有的至少一个拥堵时段之后,还包括:
确定在所述至少一个拥堵时段中包括的至少一个设定时间粒度下的交通指数值;
统计所述至少一个拥堵时段中包括的至少一个设定时间粒度的数量,并统计所述待识别交通路段在设定m天内的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的天数;
根据所述至少一个设定时间粒度下的交通指数值、所述至少一个设定时间粒度的数量以及所述待识别交通路段在设定m天内的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的天数,确定所述待识别交通路段作为常发性拥堵路段的第二交通指数值;所述第二交通指数值用于表征所述待识别交通路段的拥堵程度。
上述技术方案中,通过计算常发性拥堵路段的第二交通指数值,以便后续针对任一常发性拥堵干线,通过将该常发性拥堵干线中各常发性拥堵路段的第二交通指数值进行排序分级,以此实现准确地定位常发性拥堵干线的关键拥堵源。
在一些示例性的实施方式中,从所述n个常发性拥堵路段中确定出具有非单点拥堵路段属性的i个常发性拥堵路段,包括:
针对所述n个常发性拥堵路段中每个常发性拥堵路段,若所述常发性拥堵路段满足单点拥堵路段判定条件,则将所述常发性拥堵路段确定为用于作为独立控制子区的单点拥堵路段,从而得到n-i个单点拥堵路段;
将所述n个常发性拥堵路段中除所述n-i个单点拥堵路段以外的i个常发性拥堵路段,确定为具有非单点拥堵路段属性的i个常发性拥堵路段。
上述技术方案中,交通信号控制从空间维度上分为单点控制、干线控制和区域控制3类。其中,单点控制也即是交通路段是作为独立控制子区的单点拥堵路段,比如某一待识别交通路段被确定为单点拥堵路段后,即可作为独立控制子区进行采取相应的控制措施实现拥堵的缓解控制,而干线控制则是将多个交通控制路口进行联合统一控制,也即是,将多个非单点拥堵路段进行时间维度上和空间维度上的关联,从而形成拥堵干线,以此实现针对拥堵干线上的各非单点拥堵路段进行统一控制。如此,该方案通过设置的单点拥堵路段判定条件从各常发性拥堵路段中筛选出具有单点拥堵路段属性的至少一个常发性拥堵路段,那么各常发性拥堵路段中除该至少一个常发性拥堵路段以外的其它常发性拥堵路段即可作为非单点拥堵路段,以此即可基于该其它具有非单点拥堵路段属性的常发性拥堵路段进行常发性拥堵干线的构建。
在一些示例性的实施方式中,常发性拥堵干线包括单向常发性拥堵干线;
根据i个常发性拥堵路段,确定p个常发性拥堵干线,包括:
针对i个常发性拥堵路段中任一第一常发性拥堵路段,从属于所述第一常发性拥堵路段的交通流方向上的各第二常发性拥堵路段中确定出与所述第一常发性拥堵路段的空间关系满足空间相邻条件且拥堵时段关系满足时间相邻条件的第二常发性拥堵路段,并将所述第一常发性拥堵路段与所述第二常发性拥堵路段进行关联,从而确定出至少一个单向常发性拥堵干线,并确定所述至少一个单向常发性拥堵干线各自具有的拥堵时段;所述第二常发性拥堵路段为位于所述i个常发性拥堵路段中与所述第一常发性拥堵路段不同的常发性拥堵路段。
上述技术方案中,通过根据空间交通流量关联性及时间交通状态关联性,即可进行单向常发性拥堵干线的识别。也即是,如果确定出的具有非单点拥堵路段属性的各常发性拥堵路段的交通流方向相同,则针对交通流方向上的第一个常发性拥堵路段,沿着交通流方向,依次遍历交通流方向上除第一个常发性拥堵路段以外的其它常发性拥堵路段,并将遍历到的常发性拥堵路段与第一个常发性拥堵路段进行是否满足空间相邻条件且满足时间相邻条件的判断,如果满足,则将两个常发性拥堵路段进行依序关联,然后,针对交通流方向上的第二个常发性拥堵路段,沿着交通流方向,依次遍历交通流方向上除第一个常发性拥堵路段和第二个常发性拥堵路段以外的其它常发性拥堵路段,并将遍历到的常发性拥堵路段与第二个常发性拥堵路段进行是否满足空间相邻条件且满足时间相邻条件的判断,如果满足,则将两个常发性拥堵路段进行依序关联,以此类推,从而可以确定出p个常发性拥堵干线,并将每个常发性拥堵干线中关联在一起的各常发性拥堵路段各自具有的拥堵时段进行取并集,即可确定该常发性拥堵干线所具有的拥堵时段。如果确定出的具有非单点拥堵路段属性的各常发性拥堵路段中一些常发性拥堵路段属于一个交通流方向,一些常发性拥堵路段属于另一个交通流方向,其它一些常发性拥堵路段属于其它交通流方向,那么针对属于同一交通流方向的多个常发性拥堵路段,即可针对交通流方向上的第一个常发性拥堵路段,沿着交通流方向,依次遍历交通流方向上除第一个常发性拥堵路段以外的其它常发性拥堵路段,并将遍历到的常发性拥堵路段与第一个常发性拥堵路段进行是否满足空间相邻条件且满足时间相邻条件的判断,如果满足,则将两个常发性拥堵路段进行依序关联,从而可以确定出p个常发性拥堵干线,并将每个常发性拥堵干线中关联在一起的各常发性拥堵路段各自具有的拥堵时段进行取并集,即可确定该常发性拥堵干线所具有的拥堵时段。
在一些示例性的实施方式中,常发性拥堵干线还包括双向常发性拥堵干线;
在确定出至少一个单向常发性拥堵干线之后,还包括:
针对所述至少一个单向常发性拥堵干线中任一第一单向常发性拥堵干线,若所述至少一个单向常发性拥堵干线中除所述第一单向常发性拥堵干线以外的其它单向常发性拥堵干线中存在与所述第一单向常发性拥堵干线的空间关系满足空间相邻条件且拥堵时段满足时间相邻条件的第二单向常发性拥堵干线,则将所述第一单向常发性拥堵干线与所述第二单向常发性拥堵干线进行关联,从而确定出至少一个双向常发性拥堵干线,并确定所述至少一个双向常发性拥堵干线各自具有的拥堵时段;所述第一单向常发性拥堵干线的交通流方向与所述第二单向常发性拥堵干线的交通流方向是相反的。
上述技术方案中,由于道路双向空间具有对称性,双向空间承载能力基本一致,比如道路上双向各自形成的常发性拥堵干线之间满足空间相邻条件和时间相邻条件,那么该两个常发性拥堵干线可以一起控制,而无需分别单独控制。如此,为了能够更加有效地且更加便捷地进行交通拥堵的控制,因此可以将满足空间相邻条件和时间相邻条件的两个交通流方向相反的常发性拥堵干线进行关联,以此形成双向常发性拥堵干线,同时可以将该两个常发性拥堵干线各自具有的拥堵时段进行关联(比如将两个常发性拥堵干线各自具有的拥堵时段进行取并集),以此计算出该双向常发性拥堵干线所具有的拥堵时段,那么通过针对双向常发性拥堵干线上各常发性拥堵路段进行统一控制,不但避免交通拥堵转移或蔓延,还能够有针对性地对各常发性拥堵路段的交通拥堵进行精准疏导。
在一些示例性的实施方式中,满足时间相邻条件为需要判断的两个常发性拥堵路段各自具有的拥堵时段的时间差值小于等于第二时间阈值;
满足空间相邻条件包括以下内容:
需要判断的两个常发性拥堵路段具有直接上下游关系;
需要判断的两个常发性拥堵路段中属于上游的常发性拥堵路段中驶入属于下游的常发性拥堵路段中的车辆数量与所述属于下游的常发性拥堵路段的驶入总车辆数量的比值满足流量阈值;
需要判断的两个常发性拥堵路段之间存在的信号控制路口的数量小于等于数量阈值。
上述技术方案中,在进行常发性拥堵干线的识别时,如果判断的两个常发性拥堵路段空间条件的任一项,即可确定该两个常发性拥堵路段在空间维度上具有关联性,然后,确定该两个常发性拥堵路段各自具有的拥堵时段的时间差值是否小于等于第二时间阈值(即两个常发性拥堵路段各自具有的拥堵时段各自对应的时刻范围存在重合,或者时序上位于前面的一个拥堵时段对应的时刻范围的结束时刻与时序上位于后面的拥堵时段对应的时刻范围的起始时刻之间的时间差值不大于第二时间阈值),如果是,则确定该两个常发性拥堵路段在时间维度上具有关联性,那么就可以将该两个常发性拥堵路段进行关联,并按照交通流方向的顺序依序将该两个常发性拥堵路段进行连接起来。
在一些示例性的实施方式中,在确定p个常发性拥堵干线之后,还包括:
针对任一常发性拥堵干线,若确定所述常发性拥堵干线中存在信号控制路口,则将所述常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值中确定出最大的第二交通指数值,并确定所述最大的第二交通指数值对应的常发性拥堵路段对应的下游信号控制路口,将所述下游信号控制路口作为针对所述常发性拥堵干线的交通拥堵进行控制的关键信号控制源。
若确定所述常发性拥堵干线中不存在信号控制路口,则将所述常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值中确定出最大的第二交通指数值,并确定出距离所述最大的第二交通指数值对应的常发性拥堵路段满足距离阈值的兴趣点POI,将所述POI作为针对所述常发性拥堵干线的交通拥堵进行控制的关键交通拥堵源。
上述技术方案中,针对任一常发性拥堵干线,确定该常发性拥堵干线中第二交通指数值最大的常发性拥堵路段,并通过该常发性拥堵路段进行关联下游信号控制路口或关联距离值满足距离阈值的兴趣点POI,也即是,结合周围交通控制点、出发吸引点分布,准确地判断出关键拥堵源(比如下游信号控制路口或兴趣点POI),从而为针对常发性拥堵干线的合理有效管控提供有力的支持,进而能够有效地缓解交通拥堵。
第二方面,本申请示例性的实施方式中提供了一种拥堵识别装置,包括:
获取单元,用于获取识别区域内各待识别交通路段各自对应的行车速度记录;每个待识别交通路段对应的行车速度记录用于指示在设定m天内,该待识别交通路段在每天中按照各设定时间粒度记录的各行车速度数据;
处理单元,用于针对每个待识别交通路段,根据所述待识别交通路段所属的路段类型以及所述待识别交通路段对应的行车速度记录,确定所述待识别交通路段的拥堵状况,并在确定所述待识别交通路段的拥堵状况符合常发拥堵条件时,将所述待识别交通路段确定为常发性拥堵路段,从而得到n个常发性拥堵路段;从所述n个常发性拥堵路段中确定出具有非单点拥堵路段属性的i个常发性拥堵路段,并根据i个常发性拥堵路段,确定p个常发性拥堵干线;其中,每个常发性拥堵干线中满足空间相邻条件的至少两个常发性拥堵路段具有的拥堵时段满足时间相邻条件。
在一些示例性的实施方式中,所述处理单元具体用于:
针对设定m天内任一天,通过所述待识别交通路段在该天中任一设定时间粒度下的行车速度数据以及所述待识别交通路段所属的路段类型,确定所述待识别交通路段在该天中所述设定时间粒度对应的第一交通指数值;
根据所述第一交通指数值,确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况。
在一些示例性的实施方式中,所述拥堵状况包括畅通状态、缓行状态、拥堵状态以及严重拥堵状态;
所述处理单元具体用于:
根据所述待识别交通路段所属的路段类型,确定与所述路段类型匹配的行车速度范围;
通过所述行车速度范围以及所述待识别交通路段在该天中所述设定时间粒度下的行车速度数据,确定所述第一交通指数值;
所述处理单元具体用于:
若所述第一交通指数值位于第一交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为畅通状态;若所述第一交通指数值位于第二交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为缓行状态;若所述第一交通指数值位于第三交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为拥堵状态;若所述第一交通指数值位于第四交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为严重拥堵状态。
在一些示例性的实施方式中,所述处理单元具体用于:
在任一设定时间粒度下,确定在设定m天内,所述待识别交通路段在所述设定时间粒度下的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的第一数量,并确定在所述设定m天内,所述待识别交通路段在所述设定时间粒度下的拥堵状况为拥堵状态或严重拥堵状态的第二数量;
若所述第一数量与m的比值大于等于第一设定阈值且所述第二数量与所述第一数量的比值大于等于第二设定阈值,则确定所述待识别交通路段在所述设定时间粒度下处于常发性拥堵状态,并确定所述待识别交通路段为常发性拥堵路段;所述第一设定阈值大于所述第二设定阈值。
在一些示例性的实施方式中,所述处理单元还用于:
在确定所述待识别交通路段为常发性拥堵路段之后,针对任一天内的各设定时间粒度,从该天内的各设定时间粒度中确定出所述待识别交通路段处于常发性拥堵状态的至少两个设定时间粒度,并按照时序,将所述至少两个设定时间粒度进行排序,得到排序后的至少两个设定时间粒度;
若排序后的第j个设定时间粒度与第j+1个设定时间粒度之间的时间间隔小于等于第一时间阈值,则将排序后的第j个设定时间粒度与第j+1个设定时间粒度进行合并处理,从而得到所述待识别交通路段在该天内的至少一个拥堵时段;
将所述待识别交通路段在设定m天中各天具有的至少一个拥堵时段按照拥堵时段的时段类型进行整合,确定所述待识别交通路段具有的至少一个拥堵时段。
在一些示例性的实施方式中,所述处理单元还用于:
在确定所述待识别交通路段具有的至少一个拥堵时段之后,确定在所述至少一个拥堵时段中包括的至少一个设定时间粒度下的交通指数值;
统计所述至少一个拥堵时段中包括的至少一个设定时间粒度的数量,并统计所述待识别交通路段在设定m天内的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的天数;
根据所述至少一个设定时间粒度下的交通指数值、所述至少一个设定时间粒度的数量以及所述待识别交通路段在设定m天内的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的天数,确定所述待识别交通路段作为常发性拥堵路段的第二交通指数值;所述第二交通指数值用于表征所述待识别交通路段的拥堵程度。
在一些示例性的实施方式中,所述处理单元具体用于:
针对所述n个常发性拥堵路段中每个常发性拥堵路段,若所述常发性拥堵路段满足单点拥堵路段判定条件,则将所述常发性拥堵路段确定为用于作为独立控制子区的单点拥堵路段,从而得到n-i个单点拥堵路段;
将所述n个常发性拥堵路段中除所述n-i个单点拥堵路段以外的i个常发性拥堵路段,确定为具有非单点拥堵路段属性的i个常发性拥堵路段。
在一些示例性的实施方式中,常发性拥堵干线包括单向常发性拥堵干线;
所述处理单元具体用于:
针对i个常发性拥堵路段中任一第一常发性拥堵路段,从属于所述第一常发性拥堵路段的交通流方向上的各第二常发性拥堵路段中确定出与所述第一常发性拥堵路段的空间关系满足空间相邻条件且拥堵时段关系满足时间相邻条件的第二常发性拥堵路段,并将所述第一常发性拥堵路段与所述第二常发性拥堵路段进行关联,从而确定出至少一个单向常发性拥堵干线,并确定所述至少一个单向常发性拥堵干线各自具有的拥堵时段;所述第二常发性拥堵路段为位于所述i个常发性拥堵路段中与所述第一常发性拥堵路段不同的常发性拥堵路段。
在一些示例性的实施方式中,常发性拥堵干线还包括双向常发性拥堵干线;
所述处理单元还用于:
在确定出至少一个单向常发性拥堵干线之后,针对所述至少一个单向常发性拥堵干线中任一第一单向常发性拥堵干线,若所述至少一个单向常发性拥堵干线中除所述第一单向常发性拥堵干线以外的其它单向常发性拥堵干线中存在与所述第一单向常发性拥堵干线的空间关系满足空间相邻条件且拥堵时段满足时间相邻条件的第二单向常发性拥堵干线,则将所述第一单向常发性拥堵干线与所述第二单向常发性拥堵干线进行关联,从而确定出至少一个双向常发性拥堵干线,并确定所述至少一个双向常发性拥堵干线各自具有的拥堵时段;所述第一单向常发性拥堵干线的交通流方向与所述第二单向常发性拥堵干线的交通流方向是相反的。
在一些示例性的实施方式中,满足时间相邻条件为需要判断的两个常发性拥堵路段各自具有的拥堵时段的时间差值小于等于第二时间阈值;
满足空间相邻条件包括以下内容:
需要判断的两个常发性拥堵路段具有直接上下游关系;
需要判断的两个常发性拥堵路段中属于上游的常发性拥堵路段中驶入属于下游的常发性拥堵路段中的车辆数量与所述属于下游的常发性拥堵路段的驶入总车辆数量的比值满足流量阈值;
需要判断的两个常发性拥堵路段之间存在的信号控制路口的数量小于等于数量阈值。
在一些示例性的实施方式中,所述处理单元还用于:
在确定p个常发性拥堵干线之后,针对任一常发性拥堵干线,若确定所述常发性拥堵干线中存在信号控制路口,则将所述常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值中确定出最大的第二交通指数值,并确定所述最大的第二交通指数值对应的常发性拥堵路段对应的下游信号控制路口,将所述下游信号控制路口作为针对所述常发性拥堵干线的交通拥堵进行控制的关键信号控制源。
若确定所述常发性拥堵干线中不存在信号控制路口,则将所述常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值中确定出最大的第二交通指数值,并确定出距离所述最大的第二交通指数值对应的常发性拥堵路段满足距离阈值的兴趣点POI,将所述POI作为针对所述常发性拥堵干线的交通拥堵进行控制的关键交通拥堵源。
第三方面,本申请实施例提供一种计算设备,包括至少一个处理器以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行上述第一方面任意所述的拥堵识别方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行上述第一方面任意所述的拥堵识别方法。
附图说明
为了更清楚地说明本申请的技术方案,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申请的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一些实施例提供的一种拥堵识别方法的流程示意图;
图2为本申请一些实施例提供的一种历史行车数据获取的示意图;
图3为本申请一些实施例提供的一种拥堵识别装置的结构示意图;
图4为本申请一些实施例提供的一种计算设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
图1示例性的示出了本申请实施例提供的一种拥堵识别方法的流程,该流程可以由拥堵识别装置执行。其中,该拥堵识别装置可以是服务器或者也可以是能够支持服务器实现该方法所需的功能的部件(比如芯片或集成电路)等,当然也可以是其它具有实现该方法所需的功能的电子设备。
如图1所示,该流程具体包括:
步骤101,获取识别区域内各待识别交通路段各自对应的行车速度记录。
本申请实施例中,每个待识别交通路段对应的行车速度记录用于指示在设定m天内,该待识别交通路段在每天中按照各设定时间粒度记录的各行车速度数据。具体地,针对任一识别区域(比如某一城市或某一城市的某一县区等),通过在该识别区域内各交通路段布设的各数据采集设备进行采集各交通路段的行车速度数据。比如,针对某一交通路段,该交通路段对应的数据采集设备可以实时采集该交通路段上的过车数据(比如车辆速度数据或车辆流量数据等),或者,可以按照每天中各设定时间粒度(比如3分钟或5分钟等)进行采集该交通路段上的过车数据。如此,即可获得识别区域内各待识别交通路段各自对应的行车速度记录。
需要说明的是,本申请中基于历史交通运行数据(即历史日期内各交通路段上的车辆行车速度)进行交通拥堵干线的识别,该历史交通运行数据属于线性数据,反映的交通运行状态更加全面,而且本申请所研究的最基本单元为交通路段,结合交通路网拓扑的方向性信息,能够有效地挖掘带有方向性的线性拥堵。如此,通过交通阻抗的趋势动态进行判断交通路段的拥堵和非拥堵状态,并根据交通路段的拥堵状态在历史时间序列上的分布,识别历史日期下的常发拥堵,然后,根据时空拥堵关联性的定义,关联合并多个常发性拥堵路段以此形成拥堵干线,并分析时空范围下扩大或消散规律,从而能够挖掘出线性构成的干线通拥堵状态。
示例性地,一天的时间是从零点到二十四点,可以按照每间隔3分钟为一个时间粒度,可以将一天的时间划分为480个时间粒度。或者,可以按照每间隔5分钟为一个时间粒度,将一天的时间划分为288个时间粒度等。具体的时间粒度划分可以根据实际应用场景进行设定时段的设置,本申请实施例对此并不作限定。如此,可以将各交通路段对应的交通数据采集设备在一天内所实时采集的各过车数据按照所划分出的各时间粒度进行统计处理,从而各交通路段分别在各设定时间粒度下的各行车速度数据。例如,某一交通路段对应的交通数据采集设备每1秒、5秒或每10秒等进行采集所在交通路段的过车数据,假设按照每间隔3分钟为一个设定时间粒度针对该交通路段对应的交通数据采集设备在一天内采集的所在交通路段的过车数据进行统计处理,那么就可以将该交通路段对应的交通数据采集设备从零点开始的3分钟内的过车数据(即0:00-0:03区间内的过车数据)进行统计处理,以此类推(即0:03-0:06、0:06-0:09、…),直至到24:00为止。比如将该3分钟内每5秒采集的各车辆速度进行加和,加和后的各车辆速度进行平均计算后即可作为该3分钟对应的行车速度数据,从而可得到该交通路段在一天内各设定时间粒度下的行车速度数据,如此可以减少后续的数据处理量,并且能够减少数据误差。此外,本领域技术人员应当理解,任一交通路段对应的交通数据采集设备也可以按照预先设置的设定时间粒度(比如设定时间粒度为3分钟、5分钟、10分钟或10分钟以上等)进行采集所在交通路段的过车数据,比如,某一交通路段对应的交通数据采集设备可以按照每间隔3分钟、每间隔5分钟或每间隔10分钟等进行采集所在交通路段的车辆行驶速度。其中,本申请基于最近历史日期的数据,分析调查时期(日、周或月)下,周期性交通拥堵事件的重复性和频繁性。也即是,在拥堵干线识别系统刚布设时,无历史数据,因此需要考虑历史行车数据累积天数。那么基于周循环,历史行车数据获取机制可以分为无数据可用、有数据可用数据量不足、有数据可用数据量足够这3个阶段。第一阶段,系统上线(1,7]天,系统刚布设时,通常认为无历史数据可用,那么就可以通过一天天的行车数据累积来形成多天的历史行车数据,也即是,随着累积数据量的增加,选取周维度下的行车数据,比如,如图2所示,累积了7天(即一周)的行车数据,则现有1周数据可用,累积了14天(即两周)的行车数据,则现有2周数据可用;如果存在历史互联网存储行车数据,则可将最近设定时间内(比如28天等)历史行车数据作为月度拥堵的分析数据,同时可以分析日维度下的常发性拥堵。其中,在该阶段存在节假日时,系统上线统计时间剔除节假日(历史行车数据向前推算,补充周同期值)。即,需要满足工作日累积周一、周二、周三、周四、周五,5天的行车数据;非工作日累积周六到周日,2天的行车数据。第二阶段,系统上线(8-28]天,随着时间上线时间的积累,将最近1、2、3或4周的历史行车数据作为分析数据,此阶段可分析周维度下的常发性拥堵。第三阶段,系统上线28天后,将最近设定时间内(比如28天等)历史行车数据作为分析数据,在此阶段可分析月维度下的常发性拥堵。需要说明的是,28天为4周历史行车数据,该数值28可以进行动态调整,比如可以设置为周的天数的整数倍,比如35天历史行车数据(即5周历史行车数据)。同样,第二阶段或第三阶段如果存在节假日,系统上线时间也需要剔除节假日。
步骤102,针对每个待识别交通路段,根据所述待识别交通路段所属的路段类型以及所述待识别交通路段对应的行车速度记录,确定所述待识别交通路段的拥堵状况,并在确定所述待识别交通路段的拥堵状况符合常发拥堵条件时,将所述待识别交通路段确定为常发性拥堵路段,从而得到n个常发性拥堵路段。
本申请实施例中,本申请中的技术方案通过结合历史日期数据,进行针对某一待识别交通路段在某一设定时间粒度下的拥堵状况识别,从而识别该待识别交通路段在该设定时间粒度下的常发性拥堵状态,以此判断待识别交通路段是否为常发性拥堵路段以及常发性拥堵路段具有的拥堵时段。具体地,针对某一待识别交通路段,并针对设定m天内(比如5天内、7天内、10天内或10天以上等)任一天,通过该待识别交通路段在该天中任一设定时间粒度下的行车速度数据以及该待识别交通路段所属的路段类型,即可准确地确定该待识别交通路段在该天中该设定时间粒度对应的第一交通指数值,并根据该第一交通指数值,即可准确地确定该待识别交通路段在该天中该设定时间粒度下的拥堵状况。其中,拥堵状况包括畅通状态、缓行状态、拥堵状态以及严重拥堵状态。进一步地,可以根据该待识别交通路段所属的路段类型,即可确定与路段类型匹配的行车速度范围,并通过行车速度范围以及该待识别交通路段在该天中该设定时间粒度下的行车速度数据,即可准确地确定第一交通指数值,如果第一交通指数值位于第一交通指数范围内(比如[0,4]),则可以确定该待识别交通路段在该天中该设定时间粒度下的拥堵状况为畅通状态;如果第一交通指数值位于第二交通指数范围内(比如(4,6]),则可以确定该待识别交通路段在该天中该设定时间粒度下的拥堵状况为缓行状态;如果第一交通指数值位于第三交通指数范围内(比如(6,8]),则可以确定该待识别交通路段在该天中该设定时间粒度下的拥堵状况为拥堵状态;如果第一交通指数值位于第四交通指数范围内(比如(8,10]),则可以确定该待识别交通路段在该天中该设定时间粒度下的拥堵状况为严重拥堵状态,如此可以实现准确地识别出任一待识别交通路段在任一设定时间粒度下的拥堵状况。
再者,针对任一待识别交通路段对应的任一设定时间粒度,如果该待识别交通路段在该设定时间粒度下的拥堵状况满足常发拥堵条件,即可准确地确定该待识别交通路段在该设定时间粒度下处于常发性拥堵状态。也即是,在设定m天内,有多少天该待识别交通路段在该设定时间粒度下为缓行状态、拥堵状态或严重拥堵状态(即统计出在设定m天内,该待识别交通路段在该设定时间粒度下的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的第一数量),有多少天该待识别交通路段在该设定时间粒度下为拥堵状态或严重拥堵状态(即统计出在设定m天内,该待识别交通路段在该设定时间粒度下的拥堵状况为拥堵状态或严重拥堵状态的第二数量),那么在第一数量与m的比值大于等于第一设定阈值且第二数量与第一数量的比值大于等于第二设定阈值,即可确定该待识别交通路段在该时间粒度下处于常发性拥堵状态,并可以确定该待识别交通路段为常发性拥堵路段,从而可以确定出多个常发性拥堵路段。
此外,在确定出多个常发性拥堵路段(即多个具有常发性拥堵属性的待识别交通路段)之后,基于拥堵形成的过程性及受信号控制而具有的短时间断性进行识别常发性拥堵路段的拥堵时段(即拥堵路段具有时间连续性,也即是拥堵路段的拥堵具有一定持续性),那么,在针对某一待识别交通路段(即具有常发性拥堵属性的待识别交通路段)在设定m天内各天具有的各时间粒度下的常发性拥堵状态进行识别后,即可针对任一天内的各设定时间粒度,从该天内的各设定时间粒度中确定出属于常发性拥堵状态的至少两个设定时间粒度,如果排序后的第j个设定时间粒度与第j+1个设定时间粒度之间的时间间隔小于等于第一时间阈值,则可以将排序后的第j个设定时间粒度与第j+1个设定时间粒度进行合并处理,比如,如果排序后的某一个设定时间粒度与排序后的另一个设定时间粒度之间的时间间隔小于等于第一时间阈值(即两个设定时间粒度各自对应的时刻范围存在重合,或者时序上位于前面的一个设定时间粒度对应的时刻范围的结束时刻与时序上位于后面的设定时间粒度对应的时刻范围的起始时刻之间的时间差值不大于第一时间阈值),即可将该两个时间粒度进行合并,以此类推,即可准确地确定出该待识别交通路段在该天内的至少一个拥堵时段,以此能够得到该待识别交通路段在设定m天中各天具有的至少一个拥堵时段。之后,将该待识别交通路段在设定m天中各天具有的至少一个拥堵时段按照拥堵时段的时段类型进行整合,也即是,基于拥堵时段的时段类型(比如拥堵时段在一天中属于早高峰拥堵类型还是晚高峰拥堵类型),那么就可以将待识别交通路段的各天中属于早高峰拥堵类型的拥堵时段进行整合(即将各天中属于早高峰拥堵类型的拥堵时段进行取并集),并将各天中属于晚高峰拥堵类型的拥堵时段进行整合(即将各天中属于晚高峰拥堵类型的拥堵时段进行取并集),从而可以确定出待识别交通路段具有的至少一个拥堵时段(比如早高峰拥堵类型的拥堵时段和/或晚高峰拥堵类型的拥堵时段),从而可以为后续准确地识别常发性拥堵干线提供有力的支持。其中,第一时间阈值可以根据本领域技术人员的经验或可以根据多次实验所得结果或可以根据实际应用场景进行设置,本申请实施例对此并不作限定。
另外,针对具有常发性拥堵属性的待识别交通路段,在确定出该待识别交通路段具有的至少一个拥堵时段之后,计算出该待识别交通路段具有的至少一个拥堵时段中包括的至少一个设定时间粒度下的交通指数值,也即是,根据该待识别交通路段所属的路段类型,确定与路段类型匹配的行车速度范围,并通过行车速度范围以及该待识别交通路段在至少一个设定时间粒度中每个设定时间粒度下的行车速度数据,确定每个设定时间粒度下的交通指数值,并统计至少一个拥堵时段中包括的至少一个设定时间粒度的数量,以及统计该待识别交通路段在设定m天内的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的天数。然后,通过根据至少一个设定时间粒度下的交通指数值、至少一个设定时间粒度的数量以及该待识别交通路段在设定m天内的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的天数,即可准确地确定该待识别交通路段作为常发性拥堵路段的第二交通指数值;其中,第二交通指数值用于表征该待识别交通路段的拥堵程度。如此,可以通过第二交通指数值实现准确地定位常发性拥堵干线的关键拥堵源。
示例性地,通过统计不同路段类型下行车速度与交通运行状态(即拥堵状况)的分布关系,即可根据车辆在交通路段(即两道路交叉口之间的有向路段)上的平均速度分布情况识别交通路段的交通运行状态(即拥堵状况),比如,可以将拥堵状况设定为畅通、缓行、拥堵和严重拥堵四个等级。其中,由于交通特征的多样性,不同城市判断交通状态速度分布区间的范围可能不一致,路段行车平均速度与交通运行状态(即拥堵状况)及交通指数之间的对应关系如表1所示,其中,每个路段类型下对应的每个交通运行状态下的行车平均速度位于最小值和最大值的行车平均速度分布范围内。需要说明的是,表1仅是一种简单的示例,是为了便于说明本申请实施例中的技术方案,并不构成对本申请实施例中的技术方案的限定。
表1
其中,需要说明的是,路段行车平均速度与交通指数值TPI(Traffic PerformanceIndex)存在线性相关关系,即:
TPI=Ai*speed+Bi
其中,TPI用于表示任一路段类型的交通路段在某一设定时间粒度下的交通指数值,[Xi+1,Xi]用于表示该路段类型下的行车平均速度范围,[Yi,Yi+1]用于表示该路段类型下的交通指数值范围,速度speed用于表示行驶在该路段类型的交通路段上的各车辆的行车平均速度,比如,在某一设定时间粒度下,行驶在该路段类型的交通路段上的各车辆的行车平均速度(即该路段类型的交通路段在该设定时间粒度下的行车速度数据)。需要说明的是,之所以需要区分道路等级(也即是基于路段类型进行确定交通指数值),是因为在不同道路等级下车辆的运行状态是不一致的。比如,高速路、快速路为全封闭或半封闭状态,车辆速度高;主干路较宽,基本无行人干扰,车辆速度相对顺畅;次干路较主干路长度短,为主干路的分支,多分布有生活服务点,行人干扰多,车速较低;支路上人流车流交织,车辆走走停停,车速很低。
此外,在基于历史行车速度数据进行交通路段的常发性拥堵判别时,比如可以通过获取某一历史日期内的历史行车速度记录(比如7天、14天、21天或28天内的历史行车速度记录,每一天包括该天内各设定时间粒度下的行车速度数据)进行判别交通路段的常发性拥堵,或者可以基于交通运行的周期循环性及拥堵传播连续性,区分工作日和非工作日针对交通路段进行常发性拥堵的判别,也即是,针对工作日,可以获取一定时间内(比如工作日5天或工作日10天等)的行车速度记录,针对非工作日,可以获取一定时间内(比如非工作日2天或非工作日4天等)的行车速度记录。需要说明的是,交通运行具有周期性,对于整个城市交通,工作日和非工作日交通运行状态周期循环;部分主要干道,早晚高峰交通拥堵状态周期循环;学校、医院等交通吸引出发点周边道路,依据特征点的设定时段表,形成车流短时集聚效应周期循环(比如学校早上8点上学17点放学,7:30-8:00、17:00-17:30等时段易形成大量车流,并造成学校周边短时拥堵)。如此,本申请可以根据具体需要设定某一交通路段在某一设定时间粒度下的常发拥堵频率(即常发拥堵天数/历史分析数据总天数)作为常发性置信度,从而通过常发性置信度进行常发性拥堵路段的判别,比如以某一交通路段(比如交通路段1)的某一设定时间粒度5分钟(比如7:00-7:05)为例,获取该交通路段1在20天内的历史行车数据,假设该交通路段1在该设定时间粒度下的交通运行状态有12天为拥堵状态或严重拥堵状态,那么剩下8天为非拥堵状态,如此可以确定该交通路段1在该设定时间粒度下的常发拥堵天数为12天。也即是,通过结合某一交通路段的历史行车数据,即可判断该交通路段在每个设定时间粒度(比如3分钟或5分钟等)下的常发拥堵状态,那么如果该交通路段在某一设定时间粒度下的交通运行状态为严重拥堵、拥堵或缓行状态的天数A与历史行车数据的获取天数C的比值大于等于第一设定阈值(比如第一设定阈值设置为0.5),且该交通路段在该设定时间粒度下的交通运行状态为严重拥堵或拥堵的天数B与该交通路段在该时间粒度下的交通运行状态为严重拥堵、拥堵或缓行状态的天数A的比值大于等于第二设定阈值(比如第二设定阈值设置为0.3),则就会判断该交通路段在该设定时间粒度下处于常发性拥堵状态,也即是可以判断该交通路段为常发性拥堵路段。其中,第一设定阈值或第二设定阈值可以根据本领域技术人员的经验或可以根据多次实验所得结果或可以根据实际应用场景进行设置,本申请实施例对此并不作限定。
在判断某一交通路段为常发性拥堵路段后,就可以进行确定该交通路段的拥堵时段。也即是,针对任一天,首先从该天内的各设定时间粒度中确定出处于常发性拥堵状态的至少一个设定时间粒度,并将该至少一个设定时间粒度按照时序进行排序,即可得到排序后的至少两个设定时间粒度。那么,就可以按照排序位于起始位置的设定时间粒度进行依次遍历判断,判断任意相邻的两个设定时间粒度之间的时间差值是否小于等于第一时间阈值(比如5分钟或10分钟等),如果是,则将该两个设定时间粒度进行合并处理,比如假设某一交通路段在某一天(比如日期1)内有三个处于常发性拥堵状态的时间粒度,即时间粒度A为7:00-7:05,时间粒度B为7:10-7:15,时间粒度C为7:30-7:35,且假设第一时间阈值为10分钟,那么可以确定时间粒度A与时间粒度B之间的时间差值小于10分钟,时间粒度A与时间粒度C之间的时间差值大于10分钟,时间粒度B与时间粒度C之间的时间差值大于10分钟,如此只有时间粒度A与时间粒度B之间的时间差值满足时间阈值,就可以将时间粒度A与时间粒度B进行合并,即得到7:00-7:15,从而即可得到该交通路段在该天内的一个拥堵时段为7:00-7:15。同时,假设获取的是该交通路段3天内(比如日期1、日期2和日期3)的历史行车记录,那么针对日期2,假设日期2内也有三个处于常发性拥堵状态的时间粒度,即时间粒度A为7:05-7:10,时间粒度B为7:15-7:20,时间粒度C为7:45-7:50,且假设第一时间阈值为10分钟,那么可以确定时间粒度A与时间粒度B之间的时间差值小于10分钟,时间粒度A与时间粒度C之间的时间差值大于10分钟,时间粒度B与时间粒度C之间的时间差值大于10分钟,如此只有时间粒度A与时间粒度B之间的时间差值满足时间阈值,就可以将时间粒度A与时间粒度B进行合并,即得到7:05-7:20,从而即可得到该交通路段在该天内的一个拥堵时段为7:05-7:20。针对日期3,假设日期3内也有三个处于常发性拥堵状态的时间粒度,即时间粒度A为7:00-7:05,时间粒度B为7:05-7:10,时间粒度C为7:30-7:35,且假设第一时间阈值为10分钟,那么可以确定时间粒度A与时间粒度B之间的时间差值小于10分钟,时间粒度A与时间粒度C之间的时间差值大于10分钟,时间粒度B与时间粒度C之间的时间差值大于10分钟,如此只有时间粒度A与时间粒度B之间的时间差值满足时间阈值,就可以将时间粒度A与时间粒度B进行合并,即得到7:00-7:10,从而即可得到该交通路段在该天内的一个拥堵时段为7:00-7:10。如此可以确定该交通路段的拥堵时段类型属于早高峰拥堵类型,即可将该交通路段在3天内的各拥堵时段进行取并集处理,即可得到该交通路段的拥堵时段为7:00-7:20。需要说明的是,如果某一交通路段具有的拥堵时段小于设定阈值(比如10分钟),则可以确定该交通路段不具有拥堵时段。
需要说明的是,在交通信号控制路口,拥堵状态的形成、传播和消散过程具周期连续性,在方向性交通需求较大的时段,路口进口道方向将呈现非饱和1状态(即表示拥堵形成前的畅通状态)、饱和1状态(即表示拥堵传播即将进入拥堵的缓行状态)、过饱和状态(即表示已经进入拥堵的状态)、饱和2状态(即表示拥堵消散时的缓行状态)、非饱和2状态(即表示拥堵消散后进入畅通状态)转换等阶段,随路口放行周期拥堵状态随信号控制周期间歇性或持续拥堵。拥堵持续时间分布在饱和1和非饱和2状态分布区间,一般情况下不会出现拥堵瞬间转移或消散的现象,如此拥堵的形成具有状态连续性,说明拥堵具有时段性,基本上没有短时跳变的特征。
进一步地,在确定出任一待识别交通路段具有的至少一个拥堵时段之后,即可基于拥堵时段内拥堵状态的分布,统计由速度转换形成的路段交通指数的拥堵分布值,以此识别待识别交通路段的拥堵程度。具体地,通过下述方式确定该待识别交通路段的第二交通指数值以此通过第二交通指数值进行反映待识别交通路段的拥堵程度,也即是,第二交通指数值越大,拥堵程度越严重,如此可以划分出多个拥堵程度等级,等级越高,拥堵越严重,从而实现通过第二交通指数值准确地定位常发性拥堵干线的关键拥堵源。
其中,TPIt,i用于表示待识别交通路段具有的至少一个拥堵时段中包括的至少一个设定时间粒度中第t个设定时间粒度下,第i个处于缓行状态、拥堵状态或严重拥堵状态的交通指数值,n用于表示至少一个拥堵时段中包括的至少一个设定时间粒度的个数,p用于表示该待识别交通路段在设定m天内的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的有效天数。
步骤103,从所述n个常发性拥堵路段中确定出具有非单点拥堵路段属性的i个常发性拥堵路段,并根据i个常发性拥堵路段,确定p个常发性拥堵干线。
本申请实施例中,p为大于等于0的整数,每个常发性拥堵干线中满足空间相邻条件的至少两个常发性拥堵路段具有的拥堵时段满足时间相邻条件。需要说明的是,交通信号控制从空间维度上分为单点控制、干线控制和区域控制3类。其中,单点控制也即是交通路段是作为独立控制子区的单点拥堵路段,比如某一待识别交通路段被确定为单点拥堵路段后,即可作为独立控制子区进行采取相应的控制措施实现拥堵的缓解控制,而干线控制则是将多个交通控制路口进行联合统一控制,也即是,将多个非单点拥堵路段进行时间维度上和空间维度上的关联,从而形成拥堵干线,以此实现针对拥堵干线上的各非单点拥堵路段进行统一控制。具体地,针对n个常发性拥堵路段中每个常发性拥堵路段,如果该常发性拥堵路段满足单点拥堵路段判定条件,则可以将该常发性拥堵路段确定为用于作为独立控制子区的单点拥堵路段,从而可以得到n-i个单点拥堵路段,然后,将n个常发性拥堵路段中除n-i个单点拥堵路段以外的i个常发性拥堵路段,确定为具有非单点拥堵路段属性的i个常发性拥堵路段,以此即可基于该其它具有非单点拥堵路段属性的常发性拥堵路段进行常发性拥堵干线的构建。其中,n≥i,且n和i均为整数。
例如,将多个常发性拥堵路段中识别出的至少一个单点拥堵路段作为独立控制子区,不参与拥堵干线的形成过程,除至少一个单点拥堵路段以外的其它常发性拥堵路段为非单点拥堵路段,用于常发性拥堵干线的形成。其中,两个信号路口间距离过大、两个信号路口间存在桥隧横穿或纵穿等瓶颈、两个信号路口间存在非智能单点信号机或者信号控制路口为5路或6路等复杂交叉口(比如畸形交叉口、非标准交叉口,进口道数量可能为5个或6个等,路段间的角度不接近于直角,交通流环境比较复杂)等情形下,由于不满足信号智能化联网联控条件、交通流运行特征离散、交通流向不组织等原因的影响,路网上的部分节点同其他节点协调控制无法发挥作用,更适合以单点的形式进行控制。对单点拥堵路段的判断条件及独立控制原因进行分类整理,如表2所示。需要说明的是,表2仅是一种简单的示例,是为了便于说明本申请实施例中的技术方案,并不构成对本申请实施例中的技术方案的限定。
表2
再者,针对通道性交通拥堵形成的原因主要有两个:方向通过性交通需求大于线路供给;干线周围交通出发吸引点阶段性到达量或出发量大于路口点位供给。方向通过性需求通过关键信号控制源进行拥堵处置,非信号可控的交通拥堵源则需结合拥堵源的形成原因采针对性或类场景性的管控措施。那么,第二交通指数值表示常发性拥堵路段的拥堵程度,将常发性拥堵干线下各常发性拥堵路段的拥堵程度从大到小分级显示。通过各常发性拥堵路段具有的第二交通指数值关联常发性拥堵干线中各常发性拥堵路段下游的信号控制路口或交通吸引发生兴趣点POI,进行定位导致干线拥堵的关键信号控制源或可能引发干线拥堵的关键拥堵源。因此,在确定p个常发性拥堵干线之后,针对任一常发性拥堵干线,如果确定该常发性拥堵干线中存在信号控制路口,则可以将该常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值中确定出最大的第二交通指数值,比如将该常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值进行比较,或者将该常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值按照从大到小的顺序进行排序,以此确定出最大的第二交通指数值,并将最大的第二交通指数值对应的常发性拥堵路段与最大的第二交通指数值对应的常发性拥堵路段的下游信号控制路口进行关联,那么就可以将下游信号控制路口作为针对该常发性拥堵干线的交通拥堵进行控制的关键信号控制源。比如,将该常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值按照从大到小的顺序进行排序后,即可将排序后的每个常发性拥堵路段进行关联各自的下游信号控制路口,那么也即是可以为各自关联的下游信号控制路段赋予相应的拥堵程度等级,即第二交通指数值越高,拥堵程度等级越高,拥堵越严重。比如某一常发性拥堵干线中包括3个常发性拥堵路段,即路段A、路段B和路段C,路段A具有的第二交通指数值为0.8,路段B具有的第二交通指数值为0.6,路段C具有的第二交通指数值为0.3,那么按照第二交通指数值从大到小的顺序进行排序后,排序后的路段顺序为路段A、路段B和路段C,即路段A的拥堵程度等级高于路段B的拥堵程度等级,且高于路段C的拥堵程度等级,路段B的拥堵程度等级高于路段C的拥堵程度等级,如此即可为路段A关联路段A的下游信号控制路口1,为路段B关联路段B的下游信号控制路口2,为路段C关联路段C的下游信号控制路口3,那么路段A的拥堵程度等级即为下游信号控制路口1的拥堵程度等级,路段B的拥堵程度等级即为下游信号控制路口2的拥堵程度等级,路段C的拥堵程度等级即为下游信号控制路口3的拥堵程度等级,从而可以定位出导致常发性拥堵干线拥堵的关键信号控制源,即定位下游信号控制路口1为关键信号控制源,通过针对该关键信号控制源制定合理有效地管控措施,以此实现针对常发性拥堵干线的交通拥堵进行有效地疏导控制。
如果确定该常发性拥堵干线中不存在信号控制路口,则可以将该常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值中确定出最大的第二交通指数值,比如将该常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值进行比较,或者将该常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值按照从大到小的顺序进行排序,以此确定出最大的第二交通指数值,并确定出距离最大的第二交通指数值对应的常发性拥堵路段满足距离阈值的兴趣点POI(Point of interesting),也即是距离最大的第二交通指数值对应的常发性拥堵路段的距离值满足距离阈值(比如5米、10米、20米或20米以上等)的兴趣点POI(比如小区、学校、商圈、医院、酒吧、加油站等),那么就可以将最大的第二交通指数值对应的常发性拥堵路段与满足距离阈值的兴趣点POI进行关联,如此可以将该POI作为针对该常发性拥堵干线的交通拥堵进行控制的关键交通拥堵源。比如,继续以上述3个常发性拥堵路段为例,路段A的拥堵程度等级高于路段B的拥堵程度等级,且高于路段C的拥堵程度等级,路段B的拥堵程度等级高于路段C的拥堵程度等级,如此即可为路段A关联距离路段A最近或距离值满足距离阈值的POI1,为路段B关联距离路段B最近或距离值满足距离阈值的POI2,为路段C关联距离路段C最近或距离值满足距离阈值的POI3,那么路段A的拥堵程度等级即为POI1的拥堵程度等级,路段B的拥堵程度等级即为POI2的拥堵程度等级,路段C的拥堵程度等级即为POI3的拥堵程度等级,从而可以定位出导致常发性拥堵干线拥堵的关键交通拥堵源,即定位POI1为关键交通拥堵源,通过针对该关键交通拥堵源制定合理有效地管控措施,以此实现针对常发性拥堵干线的交通拥堵进行有效地疏导控制。其中,距离阈值可以根据本领域技术人员的经验或可以根据多次实验所得结果或可以根据实际应用场景进行设置,本申请实施例对此并不作限定。
此外,常发性拥堵干线可以包括单向常发性拥堵干线和双向常发性拥堵干线。其中,满足时间相邻条件为需要判断的两个常发性拥堵路段各自具有的拥堵时段的时间差值小于等于第二时间阈值(比如两个常发性拥堵路段各自具有的拥堵时段存在交叉,或者时序上位于前面的一个拥堵时段对应的时刻范围的结束时刻与时序上位于后面的拥堵时段对应的时刻范围的起始时刻之间的时间差值不大于第二时间阈值);满足空间相邻条件包括以下内容:需要判断的两个常发性拥堵路段具有直接上下游关系(比如两路段具有直接上下游关系,上游路段的转向车流到达下游路段);需要判断的两个常发性拥堵路段中属于上游的常发性拥堵路段中驶入属于下游的常发性拥堵路段中的车辆数量与所述属于下游的常发性拥堵路段的驶入总车辆数量的比值满足流量阈值(比如上游路段驶入下游的流量占进口道流量的50%或50%以上等);需要判断的两个常发性拥堵路段之间存在的信号控制路口的数量小于等于数量阈值(比如两路段间的非拥堵范围存在小于等于1个信号控制路口)。也即是,在进行常发性拥堵干线的识别时,如果判断的两个常发性拥堵路段空间条件的任一项,即可确定该两个常发性拥堵路段在空间维度上具有关联性,然后,确定该两个常发性拥堵路段各自具有的拥堵时段的时间差值是否小于等于第二时间阈值(即两个常发性拥堵路段各自具有的拥堵时段各自对应的时刻范围存在重合,或者时序上位于前面的一个拥堵时段对应的时刻范围的结束时刻与时序上位于后面的拥堵时段对应的时刻范围的起始时刻之间的时间差值不大于第二时间阈值(比如5分钟、10分钟或10分钟以上等)),如果是,则确定该两个常发性拥堵路段在时间维度上具有关联性,那么就可以将该两个常发性拥堵路段进行关联,并按照交通流方向的顺序依序将该两个常发性拥堵路段进行连接起来。其中,第二时间阈值、流量阈值或数量阈值可以根据本领域技术人员的经验或可以根据多次实验所得结果或可以根据实际应用场景进行设置,本申请实施例对此并不作限定。
其中,通过根据空间交通流量关联性及时间交通状态关联性,即可进行单向常发性拥堵干线的识别。具体地,针对i个常发性拥堵路段中任一第一常发性拥堵路段,可以从属于该第一常发性拥堵路段的交通流方向上的各第二常发性拥堵路段中确定出与该第一常发性拥堵路段的空间关系满足空间相邻条件且拥堵时段关系满足时间相邻条件的第二常发性拥堵路段,并将该第一常发性拥堵路段与该第二常发性拥堵路段进行关联,从而确定出至少一个单向常发性拥堵干线,并确定该至少一个单向常发性拥堵干线各自具有的拥堵时段;第二常发性拥堵路段为位于i个常发性拥堵路段中与第一常发性拥堵路段不同的常发性拥堵路段,即i个常发性拥堵路段中除第一常发性拥堵路段以外的其它常发性拥堵路段中任一常发性拥堵路段。也即是,如果确定出的具有非单点拥堵路段属性的各常发性拥堵路段的交通流方向相同,则针对交通流方向上的第一个常发性拥堵路段,沿着交通流方向,依次遍历交通流方向上除第一个常发性拥堵路段以外的其它常发性拥堵路段,并将遍历到的常发性拥堵路段与第一个常发性拥堵路段进行是否满足空间相邻条件且满足时间相邻条件的判断,如果满足,则将两个常发性拥堵路段进行依序关联,然后,针对交通流方向上的第二个常发性拥堵路段,沿着交通流方向,依次遍历交通流方向上除第一个常发性拥堵路段和第二个常发性拥堵路段以外的其它常发性拥堵路段,并将遍历到的常发性拥堵路段与第二个常发性拥堵路段进行是否满足空间相邻条件且满足时间相邻条件的判断,如果满足,则将两个常发性拥堵路段进行依序关联,以此类推,从而可以确定出至少一个单向常发性拥堵干线,并将每个单向常发性拥堵干线中关联在一起的各常发性拥堵路段各自具有的拥堵时段进行取并集,即可确定该单向常发性拥堵干线所具有的拥堵时段。如果确定出的具有非单点拥堵路段属性的各常发性拥堵路段中一些常发性拥堵路段属于一个交通流方向,一些常发性拥堵路段属于另一个交通流方向,其它一些常发性拥堵路段属于其它交通流方向,那么针对属于同一交通流方向的多个常发性拥堵路段,即可针对交通流方向上的第一个常发性拥堵路段,沿着交通流方向,依次遍历交通流方向上除第一个常发性拥堵路段以外的其它常发性拥堵路段,并将遍历到的常发性拥堵路段与第一个常发性拥堵路段进行是否满足空间相邻条件且满足时间相邻条件的判断,如果满足,则将两个常发性拥堵路段进行依序关联,从而可以确定出至少一个单向常发性拥堵干线,并将每个单向常发性拥堵干线中关联在一起的各常发性拥堵路段各自具有的拥堵时段进行取并集,即可确定该单向常发性拥堵干线所具有的拥堵时段。
此外,在确定出至少一个单向常发性拥堵干线之后,针对至少一个单向常发性拥堵干线中任一第一单向常发性拥堵干线,如果该至少一个单向常发性拥堵干线中除该第一单向常发性拥堵干线以外的其它单向常发性拥堵干线中存在与该第一单向常发性拥堵干线的空间关系满足空间相邻条件且拥堵时段满足时间相邻条件的第二单向常发性拥堵干线,则可以将第一单向常发性拥堵干线与第二单向常发性拥堵干线进行关联,其中,第一单向常发性拥堵干线的交通流方向与第二单向常发性拥堵干线的交通流方向是相反的,也即是,如果某一单向常发性拥堵干线(比如单向常发性拥堵干线A)与另一单向常发性拥堵干线(即单向常发性拥堵干线B)符合道路双向特性(即单向常发性拥堵干线A的交通流方向与单向常发性拥堵干线B的交通流方向是相反的),那么,如果单向常发性拥堵干线A与单向常发性拥堵干线B之间的空间关系满足空间相邻条件(比如单向常发性拥堵干线A与单向常发性拥堵干线B的空间位置相邻或单向常发性拥堵干线A中的某一常发性拥堵路段(比如常发性拥堵路段A)与单向常发性拥堵干线B中的某一常发性拥堵路段(比如常发性拥堵路段B)的空间位置相邻),然后,如果确定单向常发性拥堵干线A与单向常发性拥堵干线B之间的拥堵时段关系满足时间相邻条件,比如单向常发性拥堵干线A与单向常发性拥堵干线B各自具有的拥堵时段存在交叉,或者时序上位于前面的单向常发性拥堵干线具有的一个拥堵时段对应的时刻范围的结束时刻与时序上位于后面的单向常发性拥堵干线具有的拥堵时段对应的时刻范围的起始时刻之间的时间差值不大于第二时间阈值(比如5分钟、10分钟或10分钟以上等),或者常发性拥堵路段A具有的拥堵时段与常发性拥堵路段B具有的拥堵时段存在交叉,或者时序上位于前面的常发性拥堵路段具有的一个拥堵时段对应的时刻范围的结束时刻与时序上位于后面的常发性拥堵路段具有的拥堵时段对应的时刻范围的起始时刻之间的时间差值不大于第二时间阈值(比如5分钟、10分钟或10分钟以上等),如此就可以将单向常发性拥堵干线A与单向常发性拥堵干线B进行关联,从而可以确定出至少一个双向常发性拥堵干线,并能够确定至少一个双向常发性拥堵干线各自具有的拥堵时段。也即是,由于道路双向空间具有对称性,双向空间承载能力基本一致,比如道路上双向各自形成的常发性拥堵干线之间满足空间相邻条件和时间相邻条件,那么该两个常发性拥堵干线可以一起控制,而无需分别单独控制。如此,为了能够更加有效地且更加便捷地进行交通拥堵的控制,因此可以将满足空间相邻条件和时间相邻条件的两个交通流方向相反的常发性拥堵干线进行关联,以此形成双向常发性拥堵干线,同时可以将该两个常发性拥堵干线各自具有的拥堵时段进行关联(比如将两个常发性拥堵干线各自具有的拥堵时段进行取并集),以此计算出该双向常发性拥堵干线所具有的拥堵时段,那么通过针对双向常发性拥堵干线上各常发性拥堵路段进行统一控制,不但避免交通拥堵转移或蔓延,还能够有针对性地对各常发性拥堵路段的交通拥堵进行精准疏导。
需要说明的是,一般常发拥堵干线的形成过程较拥堵路段的形成与消散过程更加复杂,涉及的空间及时间范围更广泛,因此在常发拥堵干线形成的过程中可以给出最低限制条件的判定,即,最低限制条件为:常发性拥堵干线具有的拥堵时段大于等于设定阈值(比如10分钟、20分钟、30分钟或30分钟以上等),且常发性拥堵干线中存在的信号控制路口的数量大于等于设定阈值(比如2个或2个以上等)。此外,也可以在常发拥堵干线形成的过程中不给出最低限制条件。
上述实施例表明,本申请中的技术方案通过对各待识别交通路段各自对应的历史行车速度进行时间和空间上的数据挖掘与统计分析,即可确定出各常发性拥堵干线,以此可以用于为交通管理部门进行拥堵治理提供决策依据,并可以便于交通管理部门能够针对交通拥堵有针对性的进行疏导分流,从而能够有效地缓解交通拥堵。具体来说,针对每个待识别交通路段,通过该待识别交通路段所属的路段类型以及该待识别交通路段对应的行车速度记录,即可准确地确定该待识别交通路段的拥堵状况,也即是判断该待识别交通路段的拥堵程度,并在确定该待识别交通路段的拥堵状况符合常发拥堵条件时,即可准确地将该待识别交通路段确定为常发性拥堵路段,从而可以根据所确定出的各常发性拥堵路段进行常发性拥堵干线的识别(即将多个常发性拥堵路段形成为一个常发性拥堵干线),以此可以确定出p个常发性拥堵干线,那么由于每个常发性拥堵干线中都是包括满足空间相邻条件的常发性拥堵路段,因此如果需要针对常发性拥堵干线进行交通疏导就会更加有效便捷且省时省力。如此,该方案针对常发性拥堵干线的判断准确度高,可靠性高,能够有效地为交通管理部门进行拥堵治理提供决策依据。
基于相同的技术构思,图3示例性的示出了本申请实施例提供的一种拥堵识别装置,该装置可以执行拥堵识别方法的流程。其中,该拥堵识别装置可以是服务器或者也可以是能够支持服务器实现该方法所需的功能的部件(比如芯片或集成电路)等,当然也可以是其它具有实现该方法所需的功能的电子设备。
如图3所示,该装置包括:
获取单元301,用于获取识别区域内各待识别交通路段各自对应的行车速度记录;每个待识别交通路段对应的行车速度记录用于指示在设定m天内,该待识别交通路段在每天中按照各设定时间粒度记录的各行车速度数据;
处理单元302,用于针对每个待识别交通路段,根据所述待识别交通路段所属的路段类型以及所述待识别交通路段对应的行车速度记录,确定所述待识别交通路段的拥堵状况,并在确定所述待识别交通路段的拥堵状况符合常发拥堵条件时,将所述待识别交通路段确定为常发性拥堵路段,从而得到n个常发性拥堵路段;从所述n个常发性拥堵路段中确定出具有非单点拥堵路段属性的i个常发性拥堵路段,并根据i个常发性拥堵路段,确定p个常发性拥堵干线;其中,每个常发性拥堵干线中满足空间相邻条件的至少两个常发性拥堵路段具有的拥堵时段满足时间相邻条件。
在一些示例性的实施方式中,所述处理单元302具体用于:
针对设定m天内任一天,通过所述待识别交通路段在该天中任一设定时间粒度下的行车速度数据以及所述待识别交通路段所属的路段类型,确定所述待识别交通路段在该天中所述设定时间粒度对应的第一交通指数值;
根据所述第一交通指数值,确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况。
在一些示例性的实施方式中,所述拥堵状况包括畅通状态、缓行状态、拥堵状态以及严重拥堵状态;
所述处理单元302具体用于:
根据所述待识别交通路段所属的路段类型,确定与所述路段类型匹配的行车速度范围;
通过所述行车速度范围以及所述待识别交通路段在该天中所述设定时间粒度下的行车速度数据,确定所述第一交通指数值;
所述处理单元302具体用于:
若所述第一交通指数值位于第一交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为畅通状态;若所述第一交通指数值位于第二交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为缓行状态;若所述第一交通指数值位于第三交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为拥堵状态;若所述第一交通指数值位于第四交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为严重拥堵状态。
在一些示例性的实施方式中,所述处理单元302具体用于:
在任一设定时间粒度下,确定在设定m天内,所述待识别交通路段在所述设定时间粒度下的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的第一数量,并确定在所述设定m天内,所述待识别交通路段在所述设定时间粒度下的拥堵状况为拥堵状态或严重拥堵状态的第二数量;
若所述第一数量与m的比值大于等于第一设定阈值且所述第二数量与所述第一数量的比值大于等于第二设定阈值,则确定所述待识别交通路段在所述设定时间粒度下处于常发性拥堵状态,并确定所述待识别交通路段为常发性拥堵路段;所述第一设定阈值大于所述第二设定阈值。
在一些示例性的实施方式中,所述处理单元302还用于:
在确定所述待识别交通路段为常发性拥堵路段之后,针对任一天内的各设定时间粒度,从该天内的各设定时间粒度中确定出所述待识别交通路段处于常发性拥堵状态的至少两个设定时间粒度,并按照时序,将所述至少两个设定时间粒度进行排序,得到排序后的至少两个设定时间粒度;
若排序后的第j个设定时间粒度与第j+1个设定时间粒度之间的时间间隔小于等于第一时间阈值,则将排序后的第j个设定时间粒度与第j+1个设定时间粒度进行合并处理,从而得到所述待识别交通路段在该天内的至少一个拥堵时段;
将所述待识别交通路段在设定m天中各天具有的至少一个拥堵时段按照拥堵时段的时段类型进行整合,确定所述待识别交通路段具有的至少一个拥堵时段。
在一些示例性的实施方式中,所述处理单元302还用于:
在确定所述待识别交通路段具有的至少一个拥堵时段之后,确定在所述至少一个拥堵时段中包括的至少一个设定时间粒度下的交通指数值;
统计所述至少一个拥堵时段中包括的至少一个设定时间粒度的数量,并统计所述待识别交通路段在设定m天内的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的天数;
根据所述至少一个设定时间粒度下的交通指数值、所述至少一个设定时间粒度的数量以及所述待识别交通路段在设定m天内的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的天数,确定所述待识别交通路段作为常发性拥堵路段的第二交通指数值;所述第二交通指数值用于表征所述待识别交通路段的拥堵程度。
在一些示例性的实施方式中,所述处理单元302具体用于:
针对所述n个常发性拥堵路段中每个常发性拥堵路段,若所述常发性拥堵路段满足单点拥堵路段判定条件,则将所述常发性拥堵路段确定为用于作为独立控制子区的单点拥堵路段,从而得到n-i个单点拥堵路段;
将所述n个常发性拥堵路段中除所述n-i个单点拥堵路段以外的i个常发性拥堵路段,确定为具有非单点拥堵路段属性的i个常发性拥堵路段。
在一些示例性的实施方式中,常发性拥堵干线包括单向常发性拥堵干线;
所述处理单元302具体用于:
针对i个常发性拥堵路段中任一第一常发性拥堵路段,从属于所述第一常发性拥堵路段的交通流方向上的各第二常发性拥堵路段中确定出与所述第一常发性拥堵路段的空间关系满足空间相邻条件且拥堵时段关系满足时间相邻条件的第二常发性拥堵路段,并将所述第一常发性拥堵路段与所述第二常发性拥堵路段进行关联,从而确定出至少一个单向常发性拥堵干线,并确定所述至少一个单向常发性拥堵干线各自具有的拥堵时段;所述第二常发性拥堵路段为位于所述i个常发性拥堵路段中与所述第一常发性拥堵路段不同的常发性拥堵路段。
在一些示例性的实施方式中,常发性拥堵干线还包括双向常发性拥堵干线;
所述处理单元302还用于:
在确定出至少一个单向常发性拥堵干线之后,针对所述至少一个单向常发性拥堵干线中任一第一单向常发性拥堵干线,若所述至少一个单向常发性拥堵干线中除所述第一单向常发性拥堵干线以外的其它单向常发性拥堵干线中存在与所述第一单向常发性拥堵干线的空间关系满足空间相邻条件且拥堵时段满足时间相邻条件的第二单向常发性拥堵干线,则将所述第一单向常发性拥堵干线与所述第二单向常发性拥堵干线进行关联,从而确定出至少一个双向常发性拥堵干线,并确定所述至少一个双向常发性拥堵干线各自具有的拥堵时段;所述第一单向常发性拥堵干线的交通流方向与所述第二单向常发性拥堵干线的交通流方向是相反的。
在一些示例性的实施方式中,满足时间相邻条件为需要判断的两个常发性拥堵路段各自具有的拥堵时段的时间差值小于等于第二时间阈值;
满足空间相邻条件包括以下内容:
需要判断的两个常发性拥堵路段具有直接上下游关系;
需要判断的两个常发性拥堵路段中属于上游的常发性拥堵路段中驶入属于下游的常发性拥堵路段中的车辆数量与所述属于下游的常发性拥堵路段的驶入总车辆数量的比值满足流量阈值;
需要判断的两个常发性拥堵路段之间存在的信号控制路口的数量小于等于数量阈值。
在一些示例性的实施方式中,所述处理单元302还用于:
在确定p个常发性拥堵干线之后,针对任一常发性拥堵干线,若确定所述常发性拥堵干线中存在信号控制路口,则将所述常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值中确定出最大的第二交通指数值,并确定所述最大的第二交通指数值对应的常发性拥堵路段对应的下游信号控制路口,将所述下游信号控制路口作为针对所述常发性拥堵干线的交通拥堵进行控制的关键信号控制源。
若确定所述常发性拥堵干线中不存在信号控制路口,则将所述常发性拥堵干线中各常发性拥堵路段具有的第二交通指数值中确定出最大的第二交通指数值,并确定出距离所述最大的第二交通指数值对应的常发性拥堵路段满足距离阈值的兴趣点POI,将所述POI作为针对所述常发性拥堵干线的交通拥堵进行控制的关键交通拥堵源。
基于相同的技术构思,本申请实施例还提供了一种计算设备,如图4所示,包括至少一个处理器401,以及与至少一个处理器连接的存储器402,本申请实施例中不限定处理器401与存储器402之间的具体连接介质,图4中处理器401和存储器402之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本申请实施例中,存储器402存储有可被至少一个处理器401执行的指令,至少一个处理器401通过执行存储器402存储的指令,可以执行前述的拥堵识别方法中所包括的步骤。
其中,处理器401是计算设备的控制中心,可以利用各种接口和线路连接计算设备的各个部分,通过运行或执行存储在存储器402内的指令以及调用存储在存储器402内的数据,从而实现数据处理。可选的,处理器401可包括一个或多个处理单元,处理器401可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理下发指令。可以理解的是,上述调制解调处理器也可以不集成到处理器401中。在一些实施例中,处理器401和存储器402可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器401可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵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,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合拥堵识别方法实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器402作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器402可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器402是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器402还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于相同的技术构思,本申请实施例还提供了一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行上述拥堵识别方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请的方法、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。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种拥堵识别方法,其特征在于,包括:
获取识别区域内各待识别交通路段各自对应的行车速度记录;每个待识别交通路段对应的行车速度记录用于指示在设定m天内,该待识别交通路段在每天中按照各设定时间粒度记录的各行车速度数据;
针对每个待识别交通路段,根据所述待识别交通路段所属的路段类型以及所述待识别交通路段对应的行车速度记录,确定所述待识别交通路段的拥堵状况,并在确定所述待识别交通路段的拥堵状况符合常发拥堵条件时,将所述待识别交通路段确定为常发性拥堵路段,从而得到n个常发性拥堵路段;
从所述n个常发性拥堵路段中确定出具有非单点拥堵路段属性的i个常发性拥堵路段,并根据i个常发性拥堵路段,确定p个常发性拥堵干线;其中,每个常发性拥堵干线中满足空间相邻条件的至少两个常发性拥堵路段具有的拥堵时段满足时间相邻条件;
从所述n个常发性拥堵路段中确定出具有非单点拥堵路段属性的i个常发性拥堵路段,包括:
针对所述n个常发性拥堵路段中每个常发性拥堵路段,若所述常发性拥堵路段满足单点拥堵路段判定条件,则将所述常发性拥堵路段确定为用于作为独立控制子区的单点拥堵路段,从而得到n-i个单点拥堵路段;
将所述n个常发性拥堵路段中除所述n-i个单点拥堵路段以外的i个常发性拥堵路段,确定为具有非单点拥堵路段属性的i个常发性拥堵路段。
2.如权利要求1所述的方法,其特征在于,根据所述待识别交通路段所属的路段类型以及所述待识别交通路段对应的行车速度记录,确定所述待识别交通路段的拥堵状况,包括:
针对设定m天内任一天,通过所述待识别交通路段在该天中任一设定时间粒度下的行车速度数据以及所述待识别交通路段所属的路段类型,确定所述待识别交通路段在该天中所述设定时间粒度对应的第一交通指数值;
根据所述第一交通指数值,确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况。
3.如权利要求2所述的方法,其特征在于,所述拥堵状况包括畅通状态、缓行状态、拥堵状态以及严重拥堵状态;
通过所述待识别交通路段在该天中任一设定时间粒度下的行车速度数据以及所述待识别交通路段所属的路段类型,确定所述待识别交通路段在该天中所述设定时间粒度对应的第一交通指数值,包括:
根据所述待识别交通路段所属的路段类型,确定与所述路段类型匹配的行车速度范围;
通过所述行车速度范围以及所述待识别交通路段在该天中所述设定时间粒度下的行车速度数据,确定所述第一交通指数值;
根据所述第一交通指数值,确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况,包括:
若所述第一交通指数值位于第一交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为畅通状态;若所述第一交通指数值位于第二交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为缓行状态;若所述第一交通指数值位于第三交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为拥堵状态;若所述第一交通指数值位于第四交通指数范围内,则确定所述待识别交通路段在该天中所述设定时间粒度下的拥堵状况为严重拥堵状态。
4.如权利要求3所述的方法,其特征在于,在确定所述待识别交通路段的拥堵状况符合常发拥堵条件时,将所述待识别交通路段确定为常发性拥堵路段,包括:
在任一设定时间粒度下,确定在设定m天内,所述待识别交通路段在所述设定时间粒度下的拥堵状况为缓行状态、拥堵状态或严重拥堵状态的第一数量,并确定在所述设定m天内,所述待识别交通路段在所述设定时间粒度下的拥堵状况为拥堵状态或严重拥堵状态的第二数量;
若所述第一数量与m的比值大于等于第一设定阈值且所述第二数量与所述第一数量的比值大于等于第二设定阈值,则确定所述待识别交通路段在所述设定时间粒度下处于常发性拥堵状态,并确定所述待识别交通路段为常发性拥堵路段;所述第一设定阈值大于所述第二设定阈值。
5.如权利要求4所述的方法,其特征在于,在确定所述待识别交通路段为常发性拥堵路段之后,还包括:
针对任一天内的各设定时间粒度,从该天内的各设定时间粒度中确定出所述待识别交通路段处于常发性拥堵状态的至少两个设定时间粒度,并按照时序,将所述至少两个设定时间粒度进行排序,得到排序后的至少两个设定时间粒度;
若排序后的第j个设定时间粒度与第j+1个设定时间粒度之间的时间间隔小于等于第一时间阈值,则将排序后的第j个设定时间粒度与第j+1个设定时间粒度进行合并处理,从而得到所述待识别交通路段在该天内的至少一个拥堵时段;
将所述待识别交通路段在设定m天中各天具有的至少一个拥堵时段按照拥堵时段的时段类型进行整合,确定所述待识别交通路段具有的至少一个拥堵时段。
6.如权利要求1所述的方法,其特征在于,常发性拥堵干线包括单向常发性拥堵干线;
根据i个常发性拥堵路段,确定p个常发性拥堵干线,包括:
针对i个常发性拥堵路段中任一第一常发性拥堵路段,从属于所述第一常发性拥堵路段的交通流方向上的各第二常发性拥堵路段中确定出与所述第一常发性拥堵路段的空间关系满足空间相邻条件且拥堵时段关系满足时间相邻条件的第二常发性拥堵路段,并将所述第一常发性拥堵路段与所述第二常发性拥堵路段进行关联,从而确定出至少一个单向常发性拥堵干线,并确定所述至少一个单向常发性拥堵干线各自具有的拥堵时段;所述第二常发性拥堵路段为位于所述i个常发性拥堵路段中与所述第一常发性拥堵路段不同的常发性拥堵路段。
7.如权利要求6所述的方法,其特征在于,常发性拥堵干线还包括双向常发性拥堵干线;
在确定出至少一个单向常发性拥堵干线之后,还包括:
针对所述至少一个单向常发性拥堵干线中任一第一单向常发性拥堵干线,若所述至少一个单向常发性拥堵干线中除所述第一单向常发性拥堵干线以外的其它单向常发性拥堵干线中存在与所述第一单向常发性拥堵干线的空间关系满足空间相邻条件且拥堵时段满足时间相邻条件的第二单向常发性拥堵干线,则将所述第一单向常发性拥堵干线与所述第二单向常发性拥堵干线进行关联,从而确定出至少一个双向常发性拥堵干线,并确定所述至少一个双向常发性拥堵干线各自具有的拥堵时段;所述第一单向常发性拥堵干线的交通流方向与所述第二单向常发性拥堵干线的交通流方向是相反的。
8.如权利要求6至7任一项所述的方法,其特征在于,满足时间相邻条件为需要判断的两个常发性拥堵路段各自具有的拥堵时段的时间差值小于等于第二时间阈值;
满足空间相邻条件包括以下内容:
需要判断的两个常发性拥堵路段具有直接上下游关系;
需要判断的两个常发性拥堵路段中属于上游的常发性拥堵路段中驶入属于下游的常发性拥堵路段中的车辆数量与所述属于下游的常发性拥堵路段的驶入总车辆数量的比值满足流量阈值;
需要判断的两个常发性拥堵路段之间存在的信号控制路口的数量小于等于数量阈值。
9.一种拥堵识别装置,其特征在于,包括:
获取单元,用于获取识别区域内各待识别交通路段各自对应的行车速度记录;每个待识别交通路段对应的行车速度记录用于指示在设定m天内,该待识别交通路段在每天中按照各设定时间粒度记录的各行车速度数据;
处理单元,用于针对每个待识别交通路段,根据所述待识别交通路段所属的路段类型以及所述待识别交通路段对应的行车速度记录,确定所述待识别交通路段的拥堵状况,并在确定所述待识别交通路段的拥堵状况符合常发拥堵条件时,将所述待识别交通路段确定为常发性拥堵路段,从而得到n个常发性拥堵路段;从所述n个常发性拥堵路段中确定出具有非单点拥堵路段属性的i个常发性拥堵路段,并根据i个常发性拥堵路段,确定p个常发性拥堵干线;其中,每个常发性拥堵干线中满足空间相邻条件的至少两个常发性拥堵路段具有的拥堵时段满足时间相邻条件;
所述处理单元具体用于:
针对所述n个常发性拥堵路段中每个常发性拥堵路段,若所述常发性拥堵路段满足单点拥堵路段判定条件,则将所述常发性拥堵路段确定为用于作为独立控制子区的单点拥堵路段,从而得到n-i个单点拥堵路段;
将所述n个常发性拥堵路段中除所述n-i个单点拥堵路段以外的i个常发性拥堵路段,确定为具有非单点拥堵路段属性的i个常发性拥堵路段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210397471.5A CN114863676B (zh) | 2022-04-15 | 2022-04-15 | 一种拥堵识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210397471.5A CN114863676B (zh) | 2022-04-15 | 2022-04-15 | 一种拥堵识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114863676A CN114863676A (zh) | 2022-08-05 |
CN114863676B true CN114863676B (zh) | 2023-05-12 |
Family
ID=82630519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210397471.5A Active CN114863676B (zh) | 2022-04-15 | 2022-04-15 | 一种拥堵识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114863676B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116013083B (zh) * | 2023-01-10 | 2024-03-12 | 合肥工业大学 | 一种基于电子地图数据的路网常发性交通状态识别方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739815B (zh) * | 2009-11-06 | 2011-11-09 | 吉林大学 | 道路交通拥挤状态在线识别方法 |
CN103050005B (zh) * | 2012-11-16 | 2015-06-03 | 北京交通大学 | 城市道路交通状态时空分析方法与系统 |
CN102968901B (zh) * | 2012-11-30 | 2014-11-26 | 青岛海信网络科技股份有限公司 | 获取区域拥堵信息的方法及区域拥堵分析装置 |
CN104112361B (zh) * | 2014-04-25 | 2016-08-31 | 浙江大学 | 路网交通中常发瓶颈和偶发瓶颈的识别方法 |
CN106530694B (zh) * | 2016-11-07 | 2019-01-11 | 深圳大学 | 一种基于交通拥堵传播模型的交通拥堵预测方法及系统 |
CN109754598B (zh) * | 2018-08-02 | 2021-01-08 | 银江股份有限公司 | 一种拥堵组团识别方法及系统 |
CN109147330B (zh) * | 2018-09-19 | 2020-12-08 | 青岛海信网络科技股份有限公司 | 一种拥堵识别方法及装置 |
CN111815941B (zh) * | 2019-04-10 | 2021-07-23 | 青岛海信网络科技股份有限公司 | 一种基于历史路况的常发拥堵瓶颈识别方法及装置 |
CN110609853B (zh) * | 2019-09-18 | 2022-09-30 | 青岛海信网络科技股份有限公司 | 一种干线常发拥堵传播规律挖掘方法及装置 |
CN111091715A (zh) * | 2020-03-20 | 2020-05-01 | 北京交研智慧科技有限公司 | 一种基于历史重现率的道路偶发拥堵识别方法及装置 |
CN112489433B (zh) * | 2020-12-17 | 2022-11-04 | 华为技术有限公司 | 交通拥堵分析方法及装置 |
CN112735125B (zh) * | 2020-12-22 | 2022-06-21 | 北京世纪高通科技有限公司 | 一种拥堵路段的确定方法、装置、设备及存储介质 |
-
2022
- 2022-04-15 CN CN202210397471.5A patent/CN114863676B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114863676A (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
CN106960571B (zh) | 道路拥堵瓶颈点确定方法、装置、服务器及存储介质 | |
CN109118771B (zh) | 一种城市交通常发性拥堵特征确定的方法及装置 | |
DE60319993T2 (de) | Vorrichtung und verfahren zur verkehrsinformationsbereitstellung | |
CN108734955A (zh) | 预测路况状态的方法及装置 | |
US8892343B2 (en) | Determining a spatiotemporal impact of a planned event on traffic | |
CN112509318B (zh) | 一种交通控制区域划分方法及服务器 | |
CN111159247A (zh) | 一种区域交通拥堵传播轨迹挖掘方法 | |
CN109841078B (zh) | 导航数据处理方法及其装置、存储介质 | |
CN111210632B (zh) | 一种车道功能划分合理性的分析方法、装置及存储介质 | |
CN114863676B (zh) | 一种拥堵识别方法及装置 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
CN111583641A (zh) | 道路拥堵分析方法、装置、设备和存储介质 | |
Yan et al. | Performance evaluation of bus routes using automatic vehicle location data | |
CN111192457A (zh) | 一种城市级整体的交通信号控制的方法及装置 | |
CN111540204A (zh) | 一种面向交叉口问题诊断的交通运行状态评估方法及装置 | |
CN110609853B (zh) | 一种干线常发拥堵传播规律挖掘方法及装置 | |
Molina Jr | Development of passenger car equivalencies for large trucks at signalized intersections | |
Liu et al. | Popular route planning with travel cost estimation from trajectories | |
CN114023073B (zh) | 一种基于车辆行为分析的高速公路拥堵预测方法 | |
CN111369810A (zh) | 车辆出行特征获取方法、装置、电子设备及存储介质 | |
Lee et al. | Congestion pattern model for predicting short-term traffic decongestion times | |
CN110986992A (zh) | 无人售卖车辆的导航方法、装置、电子设备和存储介质 | |
CN114627642B (zh) | 一种交通拥堵识别方法及装置 | |
Stokes | Some factors affecting signalized intersection capacity |
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 |