CN114973674A - 交通拥堵的治理方法、装置、设备和存储介质 - Google Patents
交通拥堵的治理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114973674A CN114973674A CN202210573385.5A CN202210573385A CN114973674A CN 114973674 A CN114973674 A CN 114973674A CN 202210573385 A CN202210573385 A CN 202210573385A CN 114973674 A CN114973674 A CN 114973674A
- Authority
- CN
- China
- Prior art keywords
- traffic
- sub
- areas
- determining
- supply
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000010586 diagram Methods 0.000 claims description 21
- 238000010801 machine learning Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 20
- 238000005457 optimization Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005465 channeling Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G08G1/0137—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
Abstract
本申请提供一种交通拥堵的治理方法、装置、设备和存储介质，该方法包括：确定路网地图上的目标区域对应的连续且不重叠的多个子区域；获取多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量；根据多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定多个子区域各自对应的交通拥堵数据；基于多个子区域各自对应的交通拥堵数据，生成与目标区域对应的拥堵治理执行建议。以实现从全局的角度分析目标区域的交通拥堵问题，并给出对应的拥堵治理执行建议。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种交通拥堵的治理方法、装置、设备和存储介质。
背景技术
随着经济和社会的快速发展，城市的面积逐渐扩大，道路建设不断增多，出行车辆不断增加，城市交通已进入一个高速发展阶段，很多城市交通开始出现交通拥堵问题。
目前，在交通拥堵的治理过程中，现有的治理拥堵的解决途经往往将拥堵优化对象局限于城市的某一局部区域，如：单一的路口和路段；但是局部区域的优化提升，可能只是将该局部区域的拥堵压力转移到了局部区域的优化地点之外，难以从全局的角度治理城市的交通拥堵问题。
发明内容
本发明实施例提供一种交通拥堵的治理方法、装置、设备和存储介质，从全局的角度分析目标区域的交通拥堵问题，并给出对应的拥堵治理执行建议。
第一方面，本发明实施例提供一种交通拥堵的治理方法，所述方法包括：
确定路网地图上的目标区域对应的连续且不重叠的多个子区域；
获取所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量；
根据所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定所述多个子区域各自对应的交通拥堵数据；
基于所述多个子区域各自对应的所述交通拥堵数据，生成与所述目标区域对应的拥堵治理执行建议。
第二方面，本发明实施例提供一种交通拥堵的治理装置，所述装置包括：
第一确定模块，用于确定路网地图上的目标区域对应的连续且不重叠的多个子区域；
获取模块，用于获取所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量；
第二确定模块，用于根据所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定所述多个子区域各自对应的交通拥堵数据；
生成模块，用于基于所述多个子区域各自对应的所述交通拥堵数据，生成与所述目标区域对应的拥堵治理执行建议。
第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器、通信接口；其中，所述存储器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，使所述处理器至少可以实现如第一方面所述的交通拥堵的治理方法。
第四方面，本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质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，使所述处理器至少可以实现如第一方面所述的交通拥堵的治理方法。
本发明实施例中，在确定路网地图上待分析交通拥堵问题的目标区域之后，先确定目标区域对应的连续且不重叠的多个子区域，以对目标区域进行区域分级更便于分析交通需求量和交通供给量。由于车辆、行人等会从多个不同的行进方向进入每个子区域，即每个子区域在每个行进方向上均存在交通需求和交通供给，因此，通过获取多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，再根据多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，可以确定多个子区域各自对应的交通拥堵数据；最终基于多个子区域各自对应的交通拥堵数据，生成与目标区域对应的拥堵治理执行建议。
在上述方案中，为生成目标区域对应的拥堵治理执行建议，先确定目标区域对应的连续且不重叠的多个子区域，可以确保最终分析得到的交通拥堵数据更加精确，且不会将拥堵优化对象局限于某一子区域，也不会将该子区域的拥堵压力转移到其他子区域。再根据多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，分析得到多个子区域各自对应的交通拥堵数据，以生成目标区域对应的拥堵治理执行建议，可以实现从全局的角度分析目标区域的交通拥堵问题，并给出目标区域对应的拥堵治理执行建议。
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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，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为本发明实施例提供的一种交通拥堵的治理方法的流程图；
图2为本发明实施例提供的一种目标区域对应的多个子区域的示意图；
图3为本发明实施例提供的一种行进路线的示意图；
图4为本发明实施例提供的一种多个不同的行进方向的示意图；
图5为本发明实施例提供的一种交通拥堵的治理装置的结构示意图；
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。
先对本发明实施例中涉及到的术语或概念进行解释说明：
路网：是指在一定区域内，由主路、辅路、支路、岔路等等很多条道路构成的相互联络、交织成网格分布的道路系统。
路网地图：是指重点反映各地交通状况的交通路线图，例如，可以显示有铁路、公路、大道、内河航线、海洋航线、航空线等。
交通起止点调查OD：也称为OD交通量调查，OD交通量即指起点和终点之间的交通出行量，“O”来源于英语Origin，是指出行的出发地点，“D”来源于英语Destination，是指出行的目的地。
目前，产生交通拥堵的主要原因包括：1、机动车的数量快速增长，并呈现越来越大的增长趋势，导致道路车流量日益增大。2、道路建设在结构和功能上无法满足交通需求，例如，缺少高速、快捷的环城高速线路，使得很多往来各个城区的机动车被迫需要经过城市中心区；一些交通道路功能不清，路网结构欠合理。
可见，产生交通拥堵的本质是供需关系失衡产生的，即交通需求超过了交通供给。交通拥堵分析往往会把分析对象放在局部区域(如路段和路口)，而局部区域的优化提升难以解决了整体的交通拥堵，可能只是把拥堵压力转移到了局部的优化地点之外。
由于缺乏全局和定量的分析，导致对拥堵治理的手段局限在人工分析案例、指标并提出方案；这种做法缺乏导致交通优化方案缺少拥堵治理上的闭环：观测拥堵-分析拥堵-需求供给分析-提出全局优化方案并量化支撑。
为了解决上述技术问题，本发明实施例提供了一种交通拥堵的治理方法，本发明实施例提供的交通拥堵的治理方法可以由一电子设备来执行，实际应用中，该电子设备可以是服务器，也可以是诸如PC机等用户终端，该服务器可以是云端的物理服务器或虚拟服务器(虚拟机)。
图1为本发明实施例提供的一种交通拥堵的治理方法的流程图，如图1所示，该方法包括如下步骤：
101、确定路网地图上的目标区域对应的连续且不重叠的多个子区域。
102、获取多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量。
103、根据多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定多个子区域各自对应的交通拥堵数据。
104、基于多个子区域各自对应的交通拥堵数据，生成与目标区域对应的拥堵治理执行建议。
可选地，本发明实施例中，路网地图是指一种用于重点反映各地交通状况的交通路线图，例如，路网地图中可以显示有铁路、公路、大道等线路。
可选地，目标区域可以为一个城市的全局区域，即整个城市；也可以为一个城市的局部区域，例如，城市中心城区、高新产业园区域、交通枢纽区域、交通事故频发区域等。在本发明实施例中，可以根据具体的交通分析需求确定该目标区域。
可选地，对交通拥堵的治理建立在对交通拥堵进行分析的基础上，交通拥堵分析大致可以分解为对交通需求量的分析、对交通供给量的分析、对交通拥堵表现的分析三个方面；而交通拥堵本身是由交通需求和交通供给之间的矛盾产生的，即如果某一区域在一定时间段内的交通需求大于交通供给，则会导致这个时间段内出现交通拥堵现象。
可选地，对于交通需求，可以但不限于采用交通起止点调查OD的方式，获取一个某一区域在一定时间段内的交通需求量。比如，在道路交通场景中，路边部署有大量采集设备，例如：单目相机，用以实现对道路交通环境的监测。但是由于交通起止点调查受限于采集设备覆盖地点的限制，在相对准确的前提下，交通起止点调查的分析对象只能限于某一区域。再由于交通起止点调查受限于采集设备的采集精度的限制，无法得到目标区域中的每个路口和路段精细的交通需求量和交通供给量，因此，在本发明实施例中，通过确定路网地图上的目标区域对应的连续且不重叠的多个子区域，以分割的子区域为分析粒度使得得到的交通需求量和交通供给量相对更加准确。
容易理解的是，在本发明实施例中，子区域只是指分析粒度的大小，因此，可以根据目标区域的面积大小或者其他具体的分析需求，确定子区域的数量和每个子区域的网格大小。例如，如果要分析某个城市的全局区域内的交通需求量和交通供给量；则子区域的数量可以控制在每个城市几百个。而如果要分析某个城市的局部区域内的交通需求量和交通供给量，则每个子区域的网格大小可以设置的更小一些。
通过确定路网地图上的目标区域对应的连续且不重叠的多个子区域，可以将对目标区域的交通需求量和交通供给量的分析粒度设置为一致，可以基于同一个子区域关联分析对应的交通需求量和交通供给量。而且由于分析粒度定位到了子区域，可以使得获取到的交通需求量和交通供给量更加准确。
在分割目标区域得到多个子区域之后，分别单独分析每个子区域的交通需求量和交通供给量，由于分析粒度定位到了子区域，并且具体在分析时行人、车辆、人行道和十字路口等均是交通拥堵的影响因素，在人行道和十字路口已经固定的情况下，本发明实施例以行人和车辆为主要考虑因素，对交通拥堵进行分析。例如，在具体实现过程中，行人和各种类型的车辆均是由多个不同的行进方向分别走入或者驶入一个子区域的，因此，需要先获取多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量。这样，通过分析每个子区域在多个不同的行进方向上的交通需求量和交通供给量，即精确到作为分析粒度的子区域的每个行进方向上，使得从每个子区域获取得到的交通需求量和交通供给量也更加精确。
在本发明实施例中，行进方向可以为车辆驶入方向，行人行走方向等等。不同的行进方向上的交通供给量和交通需求量都用于表示的是子区域在不同的行进方向上的通行能力：辆/每小时、人/每小时。
例如，每个子区域在多个不同的行进方向上的交通需求量，可以理解为是这个子区域在每个行进方向上的行进路线数量。而每个子区域在多个不同的行进方向上的交通需求量，可以理解为是这个子区域在每个行进方向上的允许通行数量。
在本发明实施例中，根据多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，可以实现将每个子区域在每个行进方向上的交通需求量和交通供给量结合起来，量化得到每个子区域在每个行进方向上的交通供给量的缺口，以确定多个子区域各自对应的交通拥堵数据。
而且，由于确定了多个子区域各自对应的交通拥堵数据，可以基于多个子区域各自对应的交通拥堵数据，进一步分析得到多个子区域各自产生交通拥堵的原因，以在宏观上提出针对目标区域的拥堵治理执行建议，即给出对目标区域进行交通拥堵治理的解决办法。
概括来说，在本发明实施例中，通过确定目标区域对应的连续且不重叠的多个子区域，以及分析每个子区域在不同的行进方向的交通需求量和交通供给量，使得最终对目标区域的交通拥堵的宏观治理建议更具操作性。
在本发明方案中，为生成目标区域对应的拥堵治理执行建议，先确定目标区域对应的连续且不重叠的多个子区域，可以确保最终分析得到的交通拥堵数据更加精确，且不会将拥堵优化对象局限于某一子区域，也不会将该子区域的拥堵压力转移到其他子区域。再根据多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，分析得到多个子区域各自对应的交通拥堵数据，以生成目标区域对应的拥堵治理执行建议，可以实现从全局的角度分析目标区域的交通拥堵问题，并给出目标区域对应的拥堵治理执行建议。
为理解本发明实施例中的多个子区域，如下结合图2进行解释，如何确定路网地图上的目标区域对应的连续且不重叠的多个子区域，具体地，可以先获取目标区域的区域面积；再基于目标区域的区域面积确定对应的分割尺寸；最后根据分割尺寸确定与目标区域对应的多个子区域。
在本发明实施例中，确定路网地图上的目标区域对应的连续且不重叠的多个子区域，可以理解为是一种区域分级处理，首先以分析的目标区域的区域面积的大小，确定对应的分割尺寸n的大小，以分割目标区域得到用于分析交通拥堵的多个子区域。
需要说明的是，每个子区域均是一个用于分析交通拥堵的分析粒度，即在路网地图上以分割尺寸n分割目标区域，得到n x n大小的多个网格，如图2所示的每个网格就是一个本发明实施例中的一个子区域。
可选地，交通需求量包括行进路线数量，作为一种可选地实施例，上述获取多个子区域各自在多个不同的行进方向上的交通需求量，可以采用如下实现方式：
获取多个子区域各自对应的交通卡口数据和交通起止点调查数据。
基于多个子区域各自对应的交通卡口数据和交通起止点调查数据，确定多个子区域各自在多个不同的行进方向上的行进路线数量。
例如，在本发明实施例中，交通卡口是指为交通检查而设置的出入口，通过在出入口合理设置通道和分流路线，对出入口通行的车辆进行检查和记录，例如，采用架设在固定位置的摄像机专门拍摄通过此位置的车辆车牌号，以得到交通卡口数据，该交通卡口数据可以真实的提供交通卡口所在处通过的不同的行进方向上的行进路线数量。
再例如，上述交通起止点调查数据是为采用交通起止点调查OD的方式，获取多个子区域各自对应的交通起止点调查数据，该交通起止点调查数据可以真实的提供交通卡口所在处通过的不同的行进方向上的行进路线数量。
可选地，行进路线可以但不限于如图3所示，包括：左转、右转、直行、进入区域后消失等。如图4所示，多个不同的行进方向包括：从正北方向行进、从正南方向行进、从正西方向行进、从正东方向行进、从西北方向行进、从东北方向行进，等等。
仍如图4所示，在获取多个子区域各自在多个不同的行进方向上的交通需求量之后，还可以动态可视化展示多个子区域各自在多个不同的行进方向上的交通需求量，例如，从正北方向行进的行进路线数量为252，从正南方向行进的行进路线数量为175，等等。
在本发明实施例中，综合多个子区域各自对应的交通卡口数据和交通起止点调查数据，根据两者数据，确定多个子区域各自在多个不同的行进方向上的行进路线数量，可以使得确定的行进路线数量更加精准。
可选地，交通供给数量包括允许通行数量，作为一种可选地实施例，获取多个子区域各自在多个不同的行进方向上的交通供给量，可以采用如下实现方式：
获取多个子区域各自对应的路网；基于多个子区域内各自对应的路网，确定多个子区域各自对应的电路图；基于电路图确定多个子区域各自在多个不同的行进方向上的允许通行数量。
通过本发明实施例，通过在交通供给过程中将多个子区域各自对应的路网抽象为电路图，根据电路图的串并联，进而可以更方便计算多个子区域各自在多个不同的行进方向上的允许通行数量，以及便于理解对每个行进方向上的允许通行数量的物理意义。
可选地，对于交通供给量，可以但不限于以车道数(路段)、渠化图(路口)的形式表达静态的交通供给量，或以交通基本图的形式表达动态的交通供给量。
如上文所述，每个子区域对应的路网内包括通行路段和通行路口，可以将路网内的通行路段作为电路图中的导线，并以通行路段的通行时间和通行路口的入口数量作为电路图中的电阻，基于电路图确定多个子区域各自在多个不同的行进方向上的允许通行数量，例如，可以采用最大流算法基于电路图计算多个子区域各自在多个不同的行进方向上的允许通行数量。
作为一种可选地实施例，根据多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定多个子区域各自对应的交通拥堵数据，包括：
将多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量分别输入到用于进行交通拥堵识别的机器学习模型中，以通过机器学习模型确定多个子区域各自对应的交通拥堵数据；其中，机器学习模型基于多对训练样本训练得到，每对训练样本由交通拥堵特征以及对应的交通拥堵数据组成。
本发明实施例中的用于进行交通拥堵识别的机器学习模型可以采用带有标签的训练样本进行训练即可，不受限于特定的应用场景，具有良好的通用性。该机器学习模型可以采用监督学习模型，例如，采用线性分类器、线性回归器等模型结构。
在一可选实施例中，由于交通需求量和交通供给量的量纲不同，无法直接比较，因此，可以预先训练一个机器学习模型，该机器学习模型以拥堵表现为样本，并以拥堵需求量和拥堵供给量作为交通特征，计算基于该拥堵需求量和拥堵供给量发生交通拥堵的规律，来训练该机器学习模型。
在训练得到的机器学习模型之后，将多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量分别输入到用于进行交通拥堵识别的机器学习模型中，以通过机器学习模型确定多个子区域各自对应的交通拥堵数据。
例如，如果根据多个子区域各自对应的交通拥堵数据，确定交通拥堵产生的原因是交通道路两旁的人行道、自行车道被占用，挤压了行人和非机动车的通行空间，导致行人和非机动车占用机动车道，则对应的交通拥堵治理建议可以但不限于为：在一些人流量较大的路段架设人行天桥或者地下通道，减少行人穿越或者占用机动车道给地面道路上的机动车带来的交通拥堵压力。
例如，如果根据多个子区域各自对应的交通拥堵数据，确定交通拥堵产生的原因是交通道路上的机动车道上停靠了很多车辆，即停靠车辆占用机动车道，则对应的交通拥堵治理建议可以但不限于为：加快建设目标区域内的停车场的相关设施建设，以尽量减少机动车道被占道，进而减少目标区域的交通拥堵现象。
再例如，如果根据多个子区域各自对应的交通拥堵数据，确定交通拥堵产生的原因是交通道路上的机动车道上的车辆随意掉头或左转，则对应的交通拥堵治理建议可以但不限于为：在一些交叉、转弯路口比较多的路段设立单行线，以采用对局部的限制来保障全局的畅通，进而减少目标区域的交通拥堵现象。
作为一种可选地实施例，在根据多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定多个子区域各自对应的交通拥堵数据之后，方法还包括：动态可视化展示多个子区域各自对应的交通拥堵数据。这样，可以方便用户从部分上了解对每个子区域对应的交通拥堵数据，以及从整体上了解多个子区域各自对应的交通拥堵数据，进而可以参考后续根据该交通拥堵数据确定的拥堵产生的原因是否合理，以及是否可以采用最终确定的交通拥堵治理建议。
可见，本发明实施例，通过将交通需求量和交通供给量结合起来确定多个子区域各自对应的交通拥堵数据，再进而量化分析交通拥堵产生的原因，并量化度量出每个子区域的交通供给量缺口，同时根据拥堵产生的原因，对应提出宏观上的交通拥堵治理建议，例如：提供备选道路，新建道路或增加特定路线上的交通供给量，以使得交通拥堵分析流程形成闭环：观测拥堵-分析拥堵-需求供给分析-提出全局优化方案并量化支撑。
以下将详细描述本发明的一个或多个实施例的交通拥堵的治理装置。本领域技术人员可以理解，这些装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
图5为本发明实施例提供的一种交通拥堵的治理装置的结构示意图，如图5所示，该装置包括：第一确定模块11、获取模块12、第二确定模块13、生成模块14。
第一确定模块11，用于确定路网地图上的目标区域对应的连续且不重叠的多个子区域。
获取模块12，用于获取所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量。
第二确定模块13，用于根据所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定所述多个子区域各自对应的交通拥堵数据。
生成模块14，用于基于所述多个子区域各自对应的所述交通拥堵数据，生成与所述目标区域对应的拥堵治理执行建议。
可选地，所述交通需求量包括行进路线数量，所述获取模块包括：第一获取单元，用于获取所述多个子区域各自对应的交通卡口数据和交通起止点调查数据；第一确定单元，用于基于所述多个子区域各自对应的交通卡口数据和交通起止点调查数据，确定所述多个子区域各自在多个不同的行进方向上的所述行进路线数量。
可选地，所述交通供给数量包括允许通行数量，所述获取模块还包括：第二获取单元，用于获取所述多个子区域各自对应的路网，其中，所述路网内包括通行路段和通行路口；第二确定单元，用于基于所述多个子区域内各自对应的路网，确定所述多个子区域各自对应的电路图，以及基于所述电路图确定所述多个子区域各自在多个不同的行进方向上的允许通行数量，其中，以所述通行路段的通行时间和所述通行路口的入口数量作为所述电路图中的电阻。
可选地，所述第一确定模块具体用于：获取所述目标区域的区域面积；基于所述目标区域的区域面积确定对应的分割尺寸；根据所述分割尺寸确定与所述目标区域对应的所述多个子区域。
可选地，所述第二确定模块具体用于：将所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量分别输入到用于进行交通拥堵识别的机器学习模型中，以通过所述机器学习模型确定所述多个子区域各自对应的交通拥堵数据；其中，所述机器学习模型基于多对训练样本训练得到，每对训练样本由交通拥堵特征以及对应的交通拥堵数据组成。
可选地，所述装置具体还用于：在所述获取所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量之后，动态可视化展示所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量；以及在根据所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定所述多个子区域各自对应的交通拥堵数据之后，动态可视化展示所述多个子区域各自对应的交通拥堵数据。
在一个可能的设计中，上述图5所示交通拥堵的治理装置的结构可实现为一电子设备。如图6所示，该电子设备可以包括：处理器21、存储器22、通信接口23。其中，存储器22上存储有可执行代码，当所述可执行代码被处理器21执行时，使处理器21至少可以实现如前述实施例中提供的交通拥堵的治理方法。
另外，本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质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，使所述处理器至少可以实现如前述实施例中提供的交通拥堵的治理方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的网元可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，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。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种交通拥堵的治理方法，其特征在于，包括：
确定路网地图上的目标区域对应的连续且不重叠的多个子区域；
获取所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量；
根据所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定所述多个子区域各自对应的交通拥堵数据；
基于所述多个子区域各自对应的所述交通拥堵数据，生成与所述目标区域对应的拥堵治理执行建议。
2.根据权利要求1所述的方法，其特征在于，所述交通需求量包括行进路线数量，所述获取所述多个子区域各自在多个不同的行进方向上的交通需求量，包括：
获取所述多个子区域各自对应的交通卡口数据和交通起止点调查数据；
基于所述多个子区域各自对应的交通卡口数据和交通起止点调查数据，确定所述多个子区域各自在多个不同的行进方向上的所述行进路线数量。
3.根据权利要求1所述的方法，其特征在于，所述交通供给数量包括允许通行数量，所述获取所述多个子区域各自在多个不同的行进方向上的交通供给量，包括：
获取所述多个子区域各自对应的路网，其中，所述路网内包括通行路段和通行路口；
基于所述多个子区域内各自对应的路网，确定所述多个子区域各自对应的电路图，其中，以所述通行路段的通行时间和所述通行路口的入口数量作为所述电路图中的电阻；
基于所述电路图确定所述多个子区域各自在多个不同的行进方向上的允许通行数量。
4.根据权利要求1所述的方法，其特征在于，所述确定路网地图上的目标区域对应的连续且不重叠的多个子区域，包括：
获取所述目标区域的区域面积；
基于所述目标区域的区域面积确定对应的分割尺寸；
根据所述分割尺寸确定与所述目标区域对应的所述多个子区域。
5.根据权利要求1所述的方法，其特征在于，所述根据所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定所述多个子区域各自对应的交通拥堵数据，包括：
将所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量分别输入到用于进行交通拥堵识别的机器学习模型中，以通过所述机器学习模型确定所述多个子区域各自对应的交通拥堵数据；其中，所述机器学习模型基于多对训练样本训练得到，每对训练样本由交通拥堵特征以及对应的交通拥堵数据组成。
6.根据权利要求1所述的方法，其特征在于，
在所述获取所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量之后，所述方法还包括：动态可视化展示所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量；
在根据所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定所述多个子区域各自对应的交通拥堵数据之后，所述方法还包括：动态可视化展示所述多个子区域各自对应的交通拥堵数据。
7.一种交通拥堵的治理装置，其特征在于，包括：
第一确定模块，用于确定路网地图上的目标区域对应的连续且不重叠的多个子区域；
获取模块，用于获取所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量；
第二确定模块，用于根据所述多个子区域各自在多个不同的行进方向上的交通需求量和交通供给量，确定所述多个子区域各自对应的交通拥堵数据；
生成模块，用于基于所述多个子区域各自对应的所述交通拥堵数据，生成与所述目标区域对应的拥堵治理执行建议。
8.根据权利要求7所述的装置，其特征在于，所述交通需求量包括行进路线数量，所述获取模块包括：
第一获取单元，用于获取所述多个子区域各自对应的交通卡口数据和交通起止点调查数据；
第一确定单元，用于基于所述多个子区域各自对应的交通卡口数据和交通起止点调查数据，确定所述多个子区域各自在多个不同的行进方向上的所述行进路线数量。
9.根据权利要求7所述的装置，其特征在于，所述交通供给数量包括允许通行数量，所述获取模块还包括：
第二获取单元，用于获取所述多个子区域各自对应的路网，其中，所述路网内包括通行路段和通行路口；
第二确定单元，用于基于所述多个子区域内各自对应的路网，确定所述多个子区域各自对应的电路图，以及基于所述电路图确定所述多个子区域各自在多个不同的行进方向上的允许通行数量，其中，以所述通行路段的通行时间和所述通行路口的入口数量作为所述电路图中的电阻。
10.一种电子设备，其特征在于，包括：存储器、处理器、通信接口；其中，所述存储器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6中任一项所述的交通拥堵的治理方法。
11.一种非暂时性机器可读存储介质，其特征在于，所述非暂时性机器可读存储介质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6中任一项所述的交通拥堵的治理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210573385.5A CN114973674A (zh) | 2022-05-24 | 2022-05-24 | 交通拥堵的治理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210573385.5A CN114973674A (zh) | 2022-05-24 | 2022-05-24 | 交通拥堵的治理方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114973674A true CN114973674A (zh) | 2022-08-30 |
Family
ID=82956126
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210573385.5A Pending CN114973674A (zh) | 2022-05-24 | 2022-05-24 | 交通拥堵的治理方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114973674A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095539A (zh) * | 2023-10-16 | 2023-11-21 | 江西时励朴华数字技术有限公司 | 交通拥堵处理方法、处理系统、数据处理装置、存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477746A (zh) * | 2009-01-05 | 2009-07-08 | 东南大学 | 单向路网交通配流的电路模拟装置 |
| CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及系统 |
| CN108417068A (zh) * | 2018-02-09 | 2018-08-17 | 天津超智云数据科技有限公司 | 主动式智能交通流诱导方法 |
| CN110111574A (zh) * | 2019-05-16 | 2019-08-09 | 北京航空航天大学 | 一种基于流量树分析的城市交通不平衡评价方法 |
| CN112150045A (zh) * | 2020-11-05 | 2020-12-29 | 北京阿帕科蓝科技有限公司 | 基于车辆位置统计判断城市车辆供需关系的方法及其监测系统 |
| CN112434259A (zh) * | 2020-10-15 | 2021-03-02 | 天津大学 | 一种类比电路功耗的路网交通能耗分析方法 |
| CN112712714A (zh) * | 2020-11-04 | 2021-04-27 | 东莞数汇大数据有限公司 | 一种基于卡口监控设备的红绿灯配时优化方法及仿真系统 |
| CN113284354A (zh) * | 2021-06-18 | 2021-08-20 | 北京航空航天大学 | 一种基于强化学习的交通弹性调控方法及系统 |
| CN113657235A (zh) * | 2021-08-10 | 2021-11-16 | 太原理工大学 | 一种基于图像处理的路网交通拥堵模式识别方法 |
| CN114202936A (zh) * | 2021-12-17 | 2022-03-18 | 重庆特斯联智慧科技股份有限公司 | 一种交通指挥机器人及其控制方法 |
-
2022
- 2022-05-24 CN CN202210573385.5A patent/CN114973674A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477746A (zh) * | 2009-01-05 | 2009-07-08 | 东南大学 | 单向路网交通配流的电路模拟装置 |
| CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及系统 |
| CN108417068A (zh) * | 2018-02-09 | 2018-08-17 | 天津超智云数据科技有限公司 | 主动式智能交通流诱导方法 |
| CN110111574A (zh) * | 2019-05-16 | 2019-08-09 | 北京航空航天大学 | 一种基于流量树分析的城市交通不平衡评价方法 |
| CN112434259A (zh) * | 2020-10-15 | 2021-03-02 | 天津大学 | 一种类比电路功耗的路网交通能耗分析方法 |
| CN112712714A (zh) * | 2020-11-04 | 2021-04-27 | 东莞数汇大数据有限公司 | 一种基于卡口监控设备的红绿灯配时优化方法及仿真系统 |
| CN112150045A (zh) * | 2020-11-05 | 2020-12-29 | 北京阿帕科蓝科技有限公司 | 基于车辆位置统计判断城市车辆供需关系的方法及其监测系统 |
| CN113284354A (zh) * | 2021-06-18 | 2021-08-20 | 北京航空航天大学 | 一种基于强化学习的交通弹性调控方法及系统 |
| CN113657235A (zh) * | 2021-08-10 | 2021-11-16 | 太原理工大学 | 一种基于图像处理的路网交通拥堵模式识别方法 |
| CN114202936A (zh) * | 2021-12-17 | 2022-03-18 | 重庆特斯联智慧科技股份有限公司 | 一种交通指挥机器人及其控制方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117095539A (zh) * | 2023-10-16 | 2023-11-21 | 江西时励朴华数字技术有限公司 | 交通拥堵处理方法、处理系统、数据处理装置、存储介质 |
| CN117095539B (zh) * | 2023-10-16 | 2024-01-09 | 江西时励朴华数字技术有限公司 | 交通拥堵处理方法、处理系统、数据处理装置、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110298500B (zh) | 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法 | |
| Cameron et al. | PARAMICS—Parallel microscopic simulation of road traffic | |
| CN110779535B (zh) | 一种获得地图数据及地图的方法、装置和存储介质 | |
| Parthasarathi et al. | Network structure and spatial separation | |
| Al-Dabbagh et al. | The impact of road intersection topology on traffic congestion in urban cities | |
| William et al. | Edge based Web Computing for Traffic Control Management for Distributed Environment Conditions | |
| Patkar et al. | Developing capacity reduction factors for curbside bus stops under heterogeneous traffic conditions | |
| CN114973674A (zh) | 交通拥堵的治理方法、装置、设备和存储介质 | |
| Al Ghanim et al. | Traffic performance evaluation for selected streets within the southern part of al-najaf city network | |
| Staniek | Moulding of travelling behaviour patterns entailing the condition of road infrastructure | |
| Narayanan et al. | Quantification of congestion using Fuzzy Logic and Network Analysis using GIS | |
| Datta et al. | Classification of uncontrolled intersections using hierarchical clustering | |
| Torrisi et al. | The microsimulation modeling as a tool for transport policies assessment: an application to a real case study | |
| Novikov et al. | Geographic information systems to improve road safety | |
| CN114116854A (zh) | 轨迹数据处理方法、装置、设备和存储介质 | |
| Keler et al. | Evaluating bicycle traffic efficiency using bicycle traffic counts at sparse locations in cities-comparing NYC with Munich | |
| KR102302486B1 (ko) | 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체 | |
| Ma et al. | Investigating the Affecting Factors of Speed Dispersion for Suburban Arterial Highways in Nanjing, China | |
| Singh et al. | Integrated Sensor-Based Approach for Traffic Congestion Prediction Using Probe Vehicle | |
| Golakiya et al. | Development of pedestrian crossing facility warrants for urban midblock crosswalks based on vehicular delay | |
| Ballari | Modelling of heterogeneous traffic using image processing software | |
| Treccani et al. | Accessible path finding for historic urban environments: feature extraction and vectorization from point clouds | |
| Deepthi et al. | A model for estimation of critical gap and its distribution behaviour at un signalised intersections | |
| Campisi et al. | Exploring the TTMS’s impact to the accessibility of a long distance stretch using micro-simulation approach | |
| Diaz Riveros et al. | Mobility in Smart Cities: Spatiality of the Travel Time Indicator According to Uses and Modes of Transportation |
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 |