CN114973741A - 异常数据的处理方法、装置、存储介质及电子装置 - Google Patents

异常数据的处理方法、装置、存储介质及电子装置 Download PDF

Info

Publication number
CN114973741A
CN114973741A CN202210688841.0A CN202210688841A CN114973741A CN 114973741 A CN114973741 A CN 114973741A CN 202210688841 A CN202210688841 A CN 202210688841A CN 114973741 A CN114973741 A CN 114973741A
Authority
CN
China
Prior art keywords
target
abnormal
phase
detection data
lane
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
Application number
CN202210688841.0A
Other languages
English (en)
Other versions
CN114973741B (zh
Inventor
张玫
卓瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202210688841.0A priority Critical patent/CN114973741B/zh
Publication of CN114973741A publication Critical patent/CN114973741A/zh
Application granted granted Critical
Publication of CN114973741B publication Critical patent/CN114973741B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
    • 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
    • G08G1/07—Controlling traffic signals

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供了一种异常数据的处理方法、装置、存储介质及电子装置，其中，该方法包括：获取目标车道在目标周期内的检测数据，得到检测数据集合；对检测数据集合中的数据进行异常检测，得到目标检测结果；在目标检测结果表示检测数据集合中存在异常检测数据的情况下，根据目标检测结果对目标信号灯的显示时长进行处理，得到目标信号灯的目标显示时长，通过本发明，解决了交通自适应控制系统稳定性较低的问题，进而达到了提高交通自适应控制系统稳定性的效果。

Description

异常数据的处理方法、装置、存储介质及电子装置
技术领域
本发明实施例涉及通信领域，具体而言，涉及一种异常数据的处理方法、装置、存储介质及电子装置。
背景技术
相关领域中，交通自适应控制系统可以通过检测器检测的数据，生成实时响应交通流状况的信号配时方案，来满足不断变化的交通流需求，是一种先进的信号控制系统。交通自适应控制系统通常需要大量的检测器以提供实时数据，控制系统的有效性严重依赖于检测器的数据质量。
现有技术中，交通自适应控制系统在工程实践中，由于检测器设备故障、通信故障、软件故障、数据库故障等突发事件，所采集的交通数据通常包含一些错误、丢失的异常数据，这些异常数据会使交通自适应控制系统失效，切换至备用交通配时方案，在异常数据过多时会出现交通自适应控制系统和备用交通配时方案的控制权频繁切换，导致交通自适应控制系统稳定性较低。
针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种异常数据的处理方法、装置、存储介质及电子装置，以至少解决相关技术中交通自适应控制系统稳定性较低的问题。
根据本发明的一个实施例，提供了一种异常数据的处理方法，包括：获取目标车道在目标周期内的检测数据，得到检测数据集合，其中，所述检测数据集合中包括目标检测器每隔预设时长对所述目标车道进行检测的数据，所述目标周期大于所述预设时长；对所述检测数据集合中的数据进行异常检测，得到目标检测结果；在所述目标检测结果表示所述检测数据集合中存在异常检测数据的情况下，根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，目标信号灯是所述目标车道上的信号灯。
可选地，所述对所述检测数据集合中的数据进行异常检测，得到目标检测结果，包括：对所述检测数据集合中的第一组特征数据进行第一级异常检测，得到第一异常检测结果；根据所述目标周期对所述检测数据集合进行求和或者求最大值处理，得到第二组特征数据，并对所述第二组特征数据进行第二级异常检测，得到第二异常检测结果；将所述第一异常结果和/或所述第二异常检测结果，确定为所述目标检测结果。
可选地，对所述检测数据集合中的第一组特征数据进行第一级异常检测，得到第一异常检测结果，包括以下至少之一：在所述检测数据集合中的异常流量的数量大于或等于第一阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常流量包括取值小于0的流量，以及相邻流量之和大于预设流量阈值的流量，所述相邻流量的检测时间间隔所述预设时长；在所述检测数据集合中的异常空间占有率的数量大于或等于第二阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常空间占有率包括取值小于0的空间占有率，以及取值大于或等于预设占有率阈值的空间占有率，所述空间占有率等于所述目标车道上车辆的总长度与所述目标车道的总长度的比值；在所述检测数据集合中的异常数据组合的数量大于或等于第三阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常数据组合包括满足预设异常关系的检测数据的组合，所述检测数据的组合包括：交通量、速度、空间占有率。
可选地，所述对所述第二组特征数据进行第二级异常检测，得到第二异常检测结果，包括以下至少之一：在所述目标车道上包括多个同方向的车道的情况下，若所述多个同方向的车道中存在流量分布异常的车道的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述流量分布异常的车道在目标周期内的第一总流量值与所述多个同方向的车道在目标周期内的总流量值的比值小于或等于第一预设比值，或者，大于或等于第二预设比值；在所述目标车道上在目标周期内存在第二总流量异常的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述第二总流量的取值大于或等于预设流量阈值；在所述目标车道上包括多个同方向的车道的情况下，若所述多个同方向的车道中存在车道排队长度分布异常的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述排队长度分布异常是任意同方向的两个车道之间的最大排队长度的差值大于或等于预设排队长度。
可选地，所述根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：在所述目标检测结果表示所述目标周期为异常周期的情况下，根据连续异常周期的数量，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，所述连续异常周期中包括所述目标周期。
可选地，所述根据连续异常周期的数量，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：在所述连续异常周期的数量大于M，小于N的情况下，使用所述目标车道的同方向车道的检测数据中与所述异常检测数据对应的数据，或者，使用所述目标车道的历史检测数据集合中与所述异常检测数据对应的数据，对所述检测数据集合中的所述异常检测数据进行修复，得到更新后的检测数据集合，其中，所述历史检测数据集合中包括在历史周期内对所述目标车道的检测数据，所述历史周期是所述目标周期之前的周期，M和N是整数，N大于M；根据所述更新后的检测数据集合，确定所述目标信号灯的目标显示时长。
可选地，所述根据连续异常周期的数量，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：在所述连续异常周期的数量大于N的情况下，根据备用交通配时方案中第一相位和第二相位之间的相位饱和度关系，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，所述第一相位包含释放所述目标车道上车流的相位，所述第一相位和所述第二相位位于同一相位阶段。
可选地，所述根据备用交通配时方案中第一相位和第二相位之间的相位饱和度关系，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：根据所述第一相位和第二相位之间的相位饱和度的最小差值与预设差值之间的关系，确定所述相位阶段中的关键相位，其中，所述相位阶段包括多个相位，所述多个相位中包括所述第一相位和所述第二相位；根据所述关键相位的预设显示时长，确定所述目标信号灯的目标显示时长。
可选地，所述根据所述第一相位和第二相位之间的相位饱和度的最小差值与预设差值之间的关系，确定所述相位阶段中的关键相位，包括：在所述第一相位的饱和度和所述第二相位的最小饱和度差值，大于预设阈值的情况下，将所述相位阶段中相位饱和度最大的相位确定为所述关键相位；在所述第一相位的饱和度和所述第二相位的最小饱和度差值，小于或等于所述预设阈值的情况下，将所述第一相位和所述第二相位确定为所述关键相位。
根据本发明的另一个实施例，提供了一种异常数据的处理装置，包括：第一获取模块，用于获取目标车道在目标周期内的检测数据，得到检测数据集合，其中，所述检测数据集合中包括目标检测器每隔预设时长对所述目标车道进行检测的数据，所述目标周期大于所述预设时长；第二获取模块，用于对所述检测数据集合中的数据进行异常检测，得到目标检测结果；处理模块，用于在所述目标检测结果表示所述检测数据集合中存在异常检测数据的情况下，根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，目标信号灯是所述目标车道上的信号灯。
根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，通过获取交通交叉口中的检测器，在目标周期内检测到的数据得到检测数据集合，对检测数据集合中的数据进行检测得到目标检测结果，在检测数据集合中存在异常检测数据的情况下，根据目标检测结果对目标信号灯的显示时长进行处理，得到目标信号灯的目标显示时长，因此，可以解决交通自适应控制系统稳定性较低问题，达到提高交通自适应控制系统稳定性的效果。
附图说明
图1是根据本发明实施例的一种异常数据的处理方法的移动终端硬件结构框图；
图2是根据本发明实施例的异常数据的处理方法流程图；
图3是根据本发明实施例的可选的相位阶段和相位的对应关系示意图；
图4是根据本发明实施例的可选的异常数据的处理方法整体算法流程图；
图5是根据本发明实施例的异常数据的处理装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种异常数据的处理方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的异常数据的处理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端的地面点云的确定方法，图2是根据本发明实施例的异常数据的处理方法流程图，如图2所示，该流程包括如下步骤：
步骤S202，获取目标车道在目标周期内的检测数据，得到检测数据集合，其中，所述检测数据集合中包括目标检测器每隔预设时长对所述目标车道进行检测的数据，所述目标周期大于所述预设时长；
其中，目标车道可以是交通路口中的任意一个车道，目标周期为交通自适应控制系统中信号灯循环一周的周期，比如将信号灯从绿变黄再变红作为一个周期。预设时长可以是1秒，可以通过安装在每个交叉口的检测器，每隔1S获取每个车道的在目标周期的检测数据，检测数据可以是车流量、空间占有率或者是车辆排队长度等，此处对检测数据不作限制。
步骤S204，对所述检测数据集合中的数据进行异常检测，得到目标检测结果；
其中，在得到检测数据集合之后，对检测数据集合中的数据进行异常检测，得到目标检测结果，目标检测结果可以是存在异常检测数据，也可以是不存在异常检测数据，假设检测数据集合中包括四个车道在目标周期内的车流量，车流量表示在单位时间内通过目标车道上点位的车辆数，计算单位为通过车辆数/单位时间。其中四个车道包括车道A、车道B、车道C和车道D，假设检测数据集合中存在小于0的车流量为50个，四个车道总的车流量值为200个，即异常数据流量的比例为50/200，即为25％，此时若设置的异常检测数据判定阈值为10％，则可以确定检测数据集合中存在异常检测数据，即，目标检测结果为检测数据集合中存在异常检测数据。
步骤S206，在所述目标检测结果表示所述检测数据集合中存在异常检测数据的情况下，根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，目标信号灯是所述目标车道上的信号灯。
其中，在检测数据集合中存在异常检测数据的情况下，可以根据异常检测数据对目标信号灯的显示时长进行处理，显示时长可以是显示绿灯时长，或者是显示红灯的时长。假设检测数据集合中包括四个车道的车流量，其中四个车道包括车道A、车道B、车道C和车道D，车道A和车道B是同为自南至北方向上的车道，假设检测数据集合中存在的异常检测数据为车道A的车流量，则可以通过车道B的车流量值对车道A的目标信号灯的显示绿灯时长进行处理，比如此时车道B的车流量值比较大，因此应该将车道B对应的信号灯的时长加长，车道A对应的目标信号灯的显示绿灯时长和车道B保持一致，以此确定车道A的目标信号灯显示绿灯的时长。
可选地，所述对所述检测数据集合中的数据进行异常检测，得到目标检测结果，包括：对所述检测数据集合中的第一组特征数据进行第一级异常检测，得到第一异常检测结果；根据所述目标周期对所述检测数据集合进行求和或者求最大值处理，得到第二组特征数据，并对所述第二组特征数据进行第二级异常检测，得到第二异常检测结果；将所述第一异常结果和/或所述第二异常检测结果，确定为所述目标检测结果。
作为一个可选的实施方式，检测数据集合中的第一组特征数据可以是秒级检测数据，第二组特征数据可以是周期级检测数据，第一级异常检测可以是对秒级检测数据进行检测，第二级异常检测可以是对周期级检测数据进行检测。假设目标周期为60S，检测数据可以是每个车道每隔1S检测到的车流量数据，假设总共有4个车道，每个车道在目标周期内检测到的车流量数据为60个，4个车道每个周期检测的车流量数据即为240个，可以将240个车流量数据作为第一组特征数据，对上述240个车流量数据中的每个流量数据进行检测作为第一级异常检测，比如可以将流量数据小于0的作为异常数据，确定车流量异常的数据量为60个，则数据异常比值为60/240，即25％，可以设置一个异常数据判定阈值为10％，计算得到的异常数据比例25％大于10％，则判定第一级异常检测检测结果为异常，即第一异常检测结果为异常。
假设目标周期为60S，检测数据可以是每个车道60S内检测到的车流量数据，假设共计有四个车道，可以将四个车道在目标周期内的车流量分别求和得到的四个总流量作为第二组特征数据，假设车道A在目标周期内检测到的总流量为10辆/分钟，车道B在目标周期内检测到的总流量为20辆/分钟，车道C在目标周期内检测到的总流量为30辆/分钟，车道D在目标周期内检测到的总流量为40辆/分钟，则第二组特征数据可以是{10,20,30,40}，对第二组特征数据进行第二级异常检测，可以进一步计算每个车道的总流量与通行能力的比值，即计算车道A的车流量与车道A的通行能力的比值、车道B的车流量与车道B的通行能力的比值、车道C的车流量与车道C的通行能力的比值，以及车道D的车流量与车道D的通行能力的比值，其中，每个车道的通行能力是单位时间内车道中可通行的最大车流量，假设得到的四个比值为{0.8，0.3，1.2，0.5}，可以设置一个异常数据判定阈值为1.1，计算得到的每个车道中存在车流量与通行能力比值大于1.1即为检测结果异常，即车道C对应的车流量为异常检测数据，判定第二级异常检测检测结果为异常，即第二异常检测结果为异常。
假设目标周期为60S，检测数据可以是每个车道60S内检测到的排队长度数据，假设共计有三个同方向的车道，可以将三个车道在目标周期内的排队长度分别求最大值得到的三个最大排队长度值，作为第二组特征数据，假设车道A在目标周期内检测到的最大排队长度为10米，车道B在目标周期内检测到的排队长度最大值为20米，车道C在目标周期内检测到的最大排队长度为30米，则第二组特征数据可以是{10,20,30}，对第二组特征数据进行第二级异常检测，可以进一步计算每个车道的最大排队长度之间的差值是否异常，即计算车道A的最大排队长度与车道B的最大排队长度的差值、车道B的最大排队长度与车道C的最大排队长度的差值、车道A的最大排队长度与车道C的最大排队长度的差值，可以得到三个差值为{10，10，20}，可以设置一个异常数据判定阈值为15，存在差值大于15即为检测结果异常，在三个差值中存在差值20大于15，则判定第二级异常检测检测结果为异常，即第二异常检测结果为异常。
在确定目标检测结果时，假设将第一异常检测结果和第二异常检测结果，确定为目标检测结果的情况下，则可以在第一异常检测结果和第二异常检测结果中任意一个检测结果中出现异常的情况下，确定目标检测结果为异常，在第一异常检测结果和第二异常检测结果均正常的情况下，确定目标检测结果为正常；
假设将第一异常检测结果，确定为所述目标检测结果的情况下，则可以在第一异常检测结果为正常的情况下，确定目标检测结果为正常，在第一异常检测结果为异常的情况下，确定目标检测结果为异常；
假设将第二异常检测结果，确定为所述目标检测结果的情况下，则可以在第二异常检测结果为正常的情况下，确定目标检测结果为正常，在第二异常检测结果为异常的情况下，确定目标检测结果为异常。
可选地，对所述检测数据集合中的第一组特征数据进行第一级异常检测，得到第一异常检测结果，包括以下至少之一：在所述检测数据集合中的异常流量的数量大于或等于第一阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常流量包括取值小于0的流量，以及相邻流量取值之和大于预设流量阈值的流量，所述相邻流量的检测时间间隔所述预设时长；在所述检测数据集合中的异常空间占有率的数量大于或等于第二阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常空间占有率包括取值小于0的空间占有率，以及取值大于或等于预设占有率阈值的空间占有率，所述空间占有率等于所述目标车道上车辆的总长度与所述目标车道的总长度的比值；在所述检测数据集合中的异常数据组合的数量大于或等于第三阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常数据组合包括满足预设异常关系的检测数据的组合，所述检测数据的组合包括：交通量、速度、空间占有率。
作为一个可选的实施方式，检测数据集合中的第一组特征数据可以是秒级检测数据，假设检测数据集合中是每隔1S检测到的每个车道的流量数据，假设目标周期为60S，检测数据可以是每个车道每隔1S检测到流量数据，假设总共有4个车道，每个车道在目标周期内检测到的流量数据为60个，4个车道每个周期检测的车流量数据即为240个，可以将240个车流量数据作为第一组特征数据，对上述240个车流量数据中的每个流量数据进行检测作为第一级异常检测，比如可以将流量值小于0的作为异常数据，或者将每个车道中相邻时间间隔的流量取值之和大于预设流量阈值的数据作为异常数据，假设时间间隔为2S，预设流量阈值为1，相邻两秒对应的两个流量值之和为2，即相邻流量取值之和大于预设流量阈值1，则表示存在异常流量。假设车流量异常的数据量为60个，可以设置第一阈值为总数量的10％，即为24个，则检测数据集合中的异常流量的数量60大于第一阈值24，则判定检测数据集合为异常检测数据集合，并将上述60S的目标周期确定为异常周期。
假设检测数据集合中为每隔1S检测到的每个车道的空间占有率数据，其中，空间占有率表示目标车道上车辆的总长度与所述目标车道的总长度的比值。假设目标周期为60S，检测数据可以是每个车道每隔1S检测到空间占有率数据，假设总共有4个车道，每个车道在目标周期内检测到的空间占有率数据为60个，4个车道每个周期检测的车空间占有率数据即为240个，可以将240个车空间占有率数据作为第一组特征数据，对上述240个车空间占有率数据中的每个空间占有率数据进行检测作为第一级异常检测，比如可以将空间占有率值小于0的作为异常数据，或者将空间占有率值大于或等于第二阈值的作为异常数据，第二阈值可以通过以下公式计算得到：
Figure BDA0003700784060000111
其中，lmin为最小车长，xmin为最小车间距，假设异常空间占有率的数量为60，可以设置第二阈值为总数量的10％，即为24个，则检测数据集合中的异常空间占有率的数量60大于第一阈值24，则判定检测数据集合为异常检测数据集合，并将上述60S的目标周期确定为异常周期。
假设异常数据组合为每个车道的流量、空间占有率、速度和排队长度的组合，其中，流量表示单位时间内通过目标车道上点位的车辆数，计算单位为通过车辆数/单位时间，空间占有率表示目标车道上车辆的总长度与所述目标车道的总长度的比值，速度表示车辆通过目标车道上某一点的瞬时速度，排队长度为车辆在目标车道上排队的长度。检测数据集合中为每隔1S检测到的每个车道的流量、空间占有率、速度和排队长度，假设目标周期为60S，检测数据可以是每隔1S检测到的每个车道的流量、空间占有率、速度和排队长度，假设总共有4个车道，每个车道在目标周期内检测到的每个车道的流量、空间占有率、速度和排队长度组合为60个，4个车道每个周期检测的每个车道的流量、空间占有率、速度和排队长度组合的总数据即为240个，可以将240个组合数据作为第一组特征数据，对上述240个组合数据中的每组数据组合进行检测作为第一级异常检测，具体检测规则如下表1所示，其中，q为流量，o为空间占有率，v为速度：
表1
Figure BDA0003700784060000121
上表中列出了基于雷达视频一体机检测数据中几种不同情况下的取值组合，Y表示异常，N表示符合客观规律(检测器类型不同，判断逻辑有所区别)。可以将异常判断列为Y的数据组合确定为异常数据组合，假设异常数据组合的数量为60个，设置的第三阈值为组合总数量的10％，即为24个，则检测数据集合中的异常数据组合数量60大于第三阈值24，则判定检测数据集合为异常检测数据集合，并将上述60S的目标周期确定为异常周期。
可选地，所述对所述第二组特征数据进行第二级异常检测，得到第二异常检测结果，包括以下至少之一：在所述目标车道上包括多个同方向的车道的情况下，若所述多个同方向的车道中存在流量分布异常的车道的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述流量分布异常的车道在目标周期内的第一总流量值与所述多个同方向的车道在目标周期内的总流量值的比值小于或等于第一预设比值，或者，大于或等于第二预设比值；在所述目标车道上存在第二总流量异常的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述第二总流量的取值大于或等于预设流量阈值；在所述目标车道上包括多个同方向的车道的情况下，若所述多个同方向的车道中存在车道排队长度分布异常的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述排队长度分布异常是任意同方向的两个车道之间的最大排队长度的差值大于或等于预设排队长度。
作为一个可选的实施方式，第二组特征数据可以是周期级检测数据，假设检测数据集合中的数据，是在目标周期内检测到的每个车道的流量数据，假设目标周期为60S，检测数据集合中的数据可以是每个车道60S内检测到的车流量数据，假设共计有四个车道，其中车道A和车道B为同方向的车道，可以将车道A和车道B在目标周期内的总流量作为第二组特征数据，假设车道A在目标周期内检测到的总流量为10辆/分钟，车道B在目标周期内检测到的总流量为20辆/分钟，则第二组特征数据可以是{10,20}，对第二组特征数据进行第二级异常检测，可以进一步计算每个车道的车流量与同方向所有流量总和的比值与第一预设比值的关系，确定流量分布异常的车道，比如第一预设比值可以是{0.4,0.8}和{0.2,0.6}，表示在车道A的流量值与车道A和B的总流量值之间的比值在小于0.4，或大于0.8的情况下，将车道A确定为流量分布异常的车道，在车道B的流量值与车道A和B的总流量值之间的比值在小于0.2，或大于0.7的情况下，将车道B确定为流量分布异常的车道。此时车道A和车道B的总流量值为30，则车道A的流量值与车道A和B的总流量值之间的比值为1/3，而1/3小于0.4，则可以确定车道A是流量分布异常的车道，即，车道A对应的流量值10辆/分钟为第一总流量。车道B的流量值与车道A和B的总流量值之间的比值为2/3，而2/3大于0.2且小于0.7，则可以确定车道B是流量正常的车道。在将车道A确定为流量分布异常的车道的同时，将检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期。
假设目标周期为60S，检测数据可以是每个车道60S内检测到的车流量数据，假设共计有四个车道，可以将四个车道在目标周期内的车流量作为第二组特征数据，假设车道A在目标周期内检测到的车流量数据为10辆/分钟，车道B在目标周期内检测到的车流量数据为20辆/分钟，车道C在目标周期内检测到的车流量数据为30辆/分钟，车道D在目标周期内检测到的车流量数据为40辆/分钟，则第二组特征数据可以是{10,20,30,40}，对第二组特征数据进行第二级异常检测，可以进一步计算每个车道的车流量与通行能力的大小关系，假设车道A、B、C和D对应的通行能力分别为{15，40，20，50}，可以设置一个预设流量阈值判为{15*1.1，40*1.1，20*1.1，50*1.1}，即每个车道中的车流量大于对应的通行能力预设流量阈值的车道，即为第二总流量异常的车道，可以得出车道C的预设流量阈值为22，而实际流量为30，30大于22，即判定车道C为存在第二总流量异常的目标车道，其中，第二总流量为30，同时将检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期。
假设目标周期为60S，车道排队长度可以是每个车道60S内检测到的车辆的最大排队长度，其中，每个车道的最大排队长度，可以是每个车道在目标周期60S内检测到的排队长度的最大值，假设共计有四个车道，其中，车道C和车道D为同方向的车道，可以将车道C和车道D在目标周期内的最大排队长度作为第二组特征数据，假设车道C在目标周期内检测到的车辆最大排队长度数据为70米，车道D在目标周期内检测到的车辆最大排队长度为100米，则第二组特征数据可以是{70,100}，对第二组特征数据进行第二级异常检测，可以进一步计算车道C和车道D的最大排队长度的差值，可以设置一个预设排队长度为20米，即同方向的车道C和车道D的最大排队长度的差值大于或等于20米时，将检测数据集合确定为异常检测数据集合，在本实施例中，车道C和车道D的最大排队长度的差值为30米，大于20米，此时可以确定在两个同方向的车道中存在车道排队长度异常，将检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期。
可选地，所述根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：在所述目标检测结果表示所述目标周期为异常周期的情况下，根据连续异常周期的数量，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，所述连续异常周期中包括所述目标周期。
作为一个可选的实施方式，目标检测结果可以是正常的也可以是异常的，在目标检测结果异常时，表示目标检测结果所在的目标周期为异常周期，可以根据连续异常周期的数量，对目标信号灯的显示时长进行处理，得到目标信号灯的目标显示时长，比如可以是对目标信号灯的显示绿灯时长进行处理，可以设置一个连续异常周期的预设周期数量阈值，在连续异常周期的数量大于预设周期数量阈值时，通过异常周期中正常的数据，对目标信号灯的显示绿灯时长进行处理，假设异常周期中车道A的流量值异常，车道B、车道C和车道D的流量值正常，此时，若车道A和车道B为同方向的车道，则可以使用流量值正常的车道B的流量值，得到流量值异常的车道A对应的时长。
可选地，所述根据连续异常周期的数量，对目标信号灯的进行处理，得到所述目标信号灯的目标，包括：在所述连续异常周期的数量大于M且小于N的情况下，使用所述目标车道的同方向车道的检测数据中与所述异常检测数据对应的数据，或者，使用所述目标车道的历史检测数据集合中与所述异常检测数据对应的数据，对所述检测数据集合中的所述异常检测数据进行修复，得到更新后的检测数据集合，其中，所述历史检测数据集合中包括在历史周期内对所述目标车道的检测数据，所述历史周期是所述目标周期之前的周期，M和N是整数，N大于M；根据所述更新后的检测数据集合，确定所述目标信号灯的目标显示时长。
作为一个可选的实施方式，假设M为20，N为30，车道A和车道B为同方向的车道，检测数据集合中的异常检测数据为车道A中的流量数据，在连续异常周期的数量大于20，小于30的情况下，可以使用车道B检测到的流量对检测数据集合中的车道A中，异常流量数据进行修复，得到更新后的检测数据集合。其中，使用的修复方法可以为时空序列修复方法，具体公式如下：
Figure BDA0003700784060000161
其中，St(k)为车道k待修复的交通参数值，Si(j)为同流向的车道j在t-1至t-n历史周期采集的有效交通参数值，St(j)为同流向车道j在t周期的实测交通参数值，n为同流向可用车道数。
在另一个实施例中，假设M为20，N为30，车道A和车道B为同方向的车道，检测数据集合中的异常检测数据为车道A和车道B中的流量数据，即两个同方向的车道的流量数据均为异常。在连续异常周期的数量大于20，小于30的情况下，可以使用车道A的历史周期中检测的流量数据对检测数据集合中的，车道A中异常流量数据进行修复，得到更新后的检测数据集合。其中，使用的修复方法可以为时间序列修复方法，具体公式如下：
Figure BDA0003700784060000162
其中，St(k)为车道k待修复的交通参数值，Si(k)为车道k在t-n至t-1历史周期采集的有效交通参数值，wi是与Si对应的权重值，
Figure BDA0003700784060000163
根据更新后的检测数据集合，确定所述目标信号灯的目标显示时长，比如可以是目标信号灯的显示绿灯时长，比如车道A的异常流量数据值被修复之后，可以根据车道A的流量大小，确定信号灯的时长，可以在流量大的时候，增加车道A对应的目标信号灯的绿灯时长，同时，在流量小的时候，减少车道A对应的目标信号灯的绿灯时长。
可选地，所述根据连续异常周期的数量，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：在所述连续异常周期的数量大于N的情况下，根据备用交通配时方案中第一相位和第二相位之间的相位饱和度关系，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，所述第一相位是包含释放所述目标车道上车流的相位，所述第一相位和所述第二相位位于同一相位阶段，且所述第一相位上的信号灯与所述目标信号灯的显示时长相同。
作为一个可选的实施方式，假设N为30，第一相位是车道A所在相位，第二相位是车道B所在相位，第一相位和第二相位位于同一相位阶段，如图3所示，其中相位1、2表示第一相位，相位6表示第二相位，假设第一相位中的相位1、2在同时段默认的信号灯配时方案中对应的饱和度分别为0.6，0.65，第二相位在同时段默认的信号灯配时方案中对应的饱和度为0.8，此时可以将饱和度大的第二相位确定为目标参数所在的相位，即为关键相位，其中关键相位为相位阶段的关键相位，可以根据关键相位的预设显示绿灯时长，确定目标信号灯的目标显示绿灯时长，其中，关键相位的预设显示绿灯时长为，同时段默认的备用交通配时方案中相位阶段对应的信号灯时长，如图3所示，此时关键相位为相位6，若相位6中的车道B中的流量数据为正常，相位1中的车道A中的流量数据为异常，则可以根据相位6中的流量数据确定目标信号灯的目标显示绿灯时长，比如相位6中的一个或多个车道的流量大，则可以将对应的绿灯时长延长，同时将目标信号灯的绿灯时长与相位6保持一致，相位6中的一个或多个车道的流量小，则可以将对应的绿灯时长减少，同时将目标信号灯的显示绿灯时长与相位6保持一致。
可选地，所述根据备用交通配时方案中第一相位和第二相位之间的相位饱和度关系，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：根据所述第一相位和第二相位之间的相位饱和度的最小差值与预设差值之间的关系，确定所述相位阶段中的关键相位，其中，所述相位阶段包括多个相位，所述多个相位中包括所述第一相位和所述第二相位；根据所述关键相位的预设显示时长，确定所述目标信号灯的目标显示时长。
作为一个可选的实施方式，假设第一相位中的相位1、2的饱和度分别为0.6、0.55，第二相位中的相位6的饱和度为0.8，预设阈值为0.1，此时第一相位的饱和度和所述第二相位的饱和度的最小差值为0.2，可以根据最小差值为0.2与预设阈值0.1之间的关系确定关键相位。
可选地，所述根据所述第一相位和第二相位之间的相位饱和度的最小差值与预设差值之间的关系，确定所述相位阶段中的关键相位，包括：在所述第一相位的饱和度和所述第二相位的饱和度的最小差值，大于预设阈值的情况下，将所述相位阶段中相位饱和度最大的相位确定为所述关键相位；在所述第一相位的饱和度和所述第二相位的饱和度的最小差值，小于或等于所述预设阈值的情况下，将所述第一相位和所述第二相位同时确定为所述关键相位。
作为一个可选的实施方式，假设第一相位中的相位1、2的饱和度分别为0.6、0.55，第二相位中的相位6的饱和度为0.8，预设阈值为0.1，此时第一相位的饱和度和所述第二相位的饱和度的最小差值为0.2，大于预设阈值0.1，则将相位阶段中相位饱和度最大的相位，即第二相位确定为关键相位，如图3所示，第一相位可以是相位1和相位2，第二相位可以是相位6，则此时的关键相位为相位6，需要说明的是，图3中的相位1和相位2对应的信号灯显示绿灯时长之和等于相位6。
假设第一相位中的相位1、2的饱和度分别为0.6、0.55，第二相位中的相位6的饱和度为0.8，预设阈值为0.3，此时第一相位的饱和度和所述第二相位的饱和度最小差值为0.2，小于预设阈值0.3，则将第一相位和第二相位均确定为关键相位，如图3所示，第一相位可以是相位1和2，第二相位可以是相位6，则此时的关键相位为相位1、2和6，需要说明的是，图3中的相位1和相位2对应的信号灯显示绿灯时长之和等于相位6。
作为一个可选的实施方式，交通自适应控制系统的数据异常检测与处理的整体方法流程如图4所示，具体包括以下步骤：
步骤一，接收实时交通检测器数据，根据按交叉口编号、检测器编号、车道编号分类；读取周期内的连续异常周期数指标；
步骤二，进入秒级检测，判断是否上报流量阈值异常、空间占有率阈值异常、交通参数关系异常，若是，则进入步骤四，否则，进入步骤三，判断规则具体如下：
(1)流量阈值检测：最小流量阈值为零，且相邻两条数据不会均有非零流量上传。若存在此类异常数据，统计周期内异常数据比例，异常比例高于10％，上报流量阈值异常。
(2)空间占有率阈值检测：最小占有率阈值为零。最大空间占有率阈值以最小车长lmin，最小车间距xmin计算，为：
Figure BDA0003700784060000191
当空间占有率检测值超出阈值范围，记为异常数据，统计周期内异常数据比例，异常比例高于10％，上报空间占有率阈值异常。
(3)交通参数关系检测：将交通流三参数以及排队长度作为一个整体考虑，可以利用其内在关系对数据异常进行识别。统计异常数据比例，高于10％，上报周期数据异常。
步骤三，在每个周期末，将秒级数据在时间维度上汇集，进入周期级检测，判断是否触发车道流量分布异常、释放流量阈值异常、排队长度分布异常，若是，则进入步骤四，否则，判定通过异常检测，进入下一周期的检测。判断规则具体如下：
(1)车道流量分布：对于每个周期，统计各相位各车道的总流量，进行判定：
1.双直行/双左转车道：内侧车道交通量占总直行/左转交通量的比例小于40％、大于80％时；外侧车道检测交通量占总直行/左转交通量的比例小于20％、大于60％时，判定为异常数据。
2.三直行车道：当单车道检测交通量占总直行车道交通量的比例小于10％、大于50％时，判定为异常数据。
3.四直行车道：当单车道检测交通量占总直行车道交通量的比例小于15％、大于30％时，判定为异常数据。
(2)释放流量阈值：对于每个周期，统计各相位对应放行车道的释放流量，进行判定。各流向释放流量需小于通行能力，当超过10％时，上报异常。
(3)排队长度分布：对于每个周期，统计各相位对应放行车道的平均排队长度，进行判定。同一进口道，转向相同的车道平均排队长度应当大致相同，相差超过20m，判定为异常数据。
步骤四，将连续异常周期数加1，判断若连续异常周期数大于m，则进入步骤五，否则更新周期数据，进行下一周期的判断。
步骤五，判断若连续异常周期数小于等于n，则进入步骤六，否则进入步骤七；
步骤六，将异常值剔除，视为缺失值，判断缺失值所在车道流向相同的其他车道数据是否正常，若正常，使用时空序列修补方法；若都不正常，使用时间序列修补方法；
时间序列修复方法具体如下：
Figure BDA0003700784060000201
其中，St(k)为车道k待修复的交通参数值，Si(k)为车道k在t-n至t-1历史周期采集的有效交通参数值，wi是与Si对应的权重值，
Figure BDA0003700784060000211
时空序列修复方法具体如下：
Figure BDA0003700784060000212
其中，Si(j)为同流向车道j在t-1至t-n历史周期采集的有效交通参数值，St(j)为同流向车道j在t周期的实测交通参数值，n为同流向可用车道数。
步骤七，调用对应时段默认背景方案(信号配时)中的相位饱和度数据，判断关键参数，进入步骤八。判断方法如下：
(1)寻找与缺失数据的车道所在相位同时释放的相位，也就是同在一个相位阶段，且信号灯显示绿灯时长相同的相位；
(2)计算相位间最小饱和度差值，与θ比较；
(3)若最小饱和度差值大于θ，则较大饱和度相位释放流向的交通参数为关键参数；若最小饱和度差值小于θ，则所有释放车流对应的多组参数被视作多组关键参数。
步骤八，判断若有一组关键参数能被检测，则可去除缺失数据对应的约束条件，仍然采用原有算法，继续进行自适应信号控制求解；若所有关键参数都缺失，则调用同时段默认背景方案，固定该相位信号配时，再进行自适应信号控制求解。不同相位阶段不同相位之间的关系如图3所示，处理方法如下表2：
表2
Figure BDA0003700784060000213
Figure BDA0003700784060000221
本申请中异常数据的检测方法在两个时间粒度上针对于流量、空间占有率、速度以及排队长度进行。周期级与及秒级两种时间粒度的结合检测，既对检测器原始数据进行检测，又对汇集的周期级数据进行检测，大幅提高了数据质量检测的准确性；本申请针对长时间数据异常提出的关键车流判定及算法降级方法，使得算法可以在部分数据的长时间缺失情况下保持原有逻辑运行，使自适应信号控制系统免受传输故障、数据丢包等因素影响，避免信号控制权的频繁切换，提高系统的稳定性与鲁棒性。
可选地，上述步骤的执行主体可以是后台处理器，或者其他的具备类似处理能力的设备，还可以是至少集成有图像获取设备以及数据处理设备的机器，其中，图像获取设备可以包括摄像头等图形采集模块，数据处理设备可以包括计算机、手机等终端，但不限于此。
通过上述步骤，通过获取交通交叉口中的检测器，在目标周期内检测到的数据得到检测数据集合，对检测数据集合中的数据进行检测得到目标检测结果，在检测数据集合中存在异常检测数据的情况下，根据目标检测结果对目标信号灯的显示时长进行处理，得到目标信号灯的目标显示时长，因此，可以解决交通自适应控制系统稳定性较低问题，达到提高交通自适应控制系统稳定性的效果。
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根据上述实施例的方法可借助软件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，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的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软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种异常数据的处理装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的异常数据的处理装置的结构框图，如图5所示，该装置包括第一获取模块52，用于获取目标车道在目标周期内的检测数据，得到检测数据集合，其中，所述检测数据集合中包括目标检测器每隔预设时长对所述目标车道进行检测的数据，所述目标周期大于所述预设时长；第二获取模块54，用于对所述检测数据集合中的数据进行异常检测，得到目标检测结果；处理模块56，用于在所述目标检测结果表示所述检测数据集合中存在异常检测数据的情况下，根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，目标信号灯是所述目标车道上的信号灯。
可选地，上述装置还用于对所述检测数据集合中的第一组特征数据进行第一级异常检测，得到第一异常检测结果；根据所述目标周期对所述检测数据集合进行求和或者求最大值处理，得到第二组特征数据，并对所述第二组特征数据进行第二级异常检测，得到第二异常检测结果；将所述第一异常检测结果和/或所述第二异常检测结果，确定为所述目标检测结果。
可选地，上述装置还用于在所述检测数据集合中的异常流量的数量大于或等于第一阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常流量包括取值小于0的流量，以及相邻流量取值之和大于预设流量阈值的流量，所述相邻流量的检测时间间隔所述预设时长；在所述检测数据集合中的异常空间占有率的数量大于或等于第二阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常空间占有率包括取值小于0的空间占有率，以及取值大于或等于预设占有率阈值的空间占有率，所述空间占有率等于所述目标车道上车辆的总长度与所述目标车道的总长度的比值；在所述检测数据集合中的异常数据组合的数量大于或等于第三阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常数据组合包括满足预设异常关系的检测数据的组合，所述检测数据的组合包括：交通量、速度、空间占有率。
可选地，上述装置还用于在所述目标车道上包括多个同方向的车道的情况下，若所述多个同方向的车道中存在流量分布异常的车道的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述流量分布异常的车道在目标周期内的第一总流量值与所述多个同方向的车道在目标周期内的总流量值的比值小于或等于第一预设比值，或者，大于或等于第二预设比值；在所述目标车道存在第二总流量异常的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述第二总流量的取值大于或等于预设流量阈值；在所述目标车道上包括多个同方向的车道的情况下，若所述多个同方向的车道中存在车道排队长度分布异常的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述排队长度分布异常是任意同方向的两个车道之间的最大排队长度的差值大于或等于预设排队长度。
可选地，上述装置还用于在所述目标检测结果表示所述目标周期为异常周期的情况下，根据连续异常周期的数量，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，所述连续异常周期中包括所述目标周期。
可选地，上述装置还用于在所述连续异常周期的数量大于M，小于N的情况下，使用所述目标车道的同方向车道的检测数据中与所述异常检测数据对应的数据，或者，使用所述目标车道的历史检测数据集合中与所述异常检测数据对应的数据，对所述检测数据集合中的所述异常检测数据进行修复，得到更新后的检测数据集合，其中，所述历史检测数据集合中包括在历史周期内对所述目标车道的检测数据，所述历史周期是所述目标周期之前的周期，M和N是整数，N大于M；根据所述更新后的检测数据集合，确定所述目标信号灯的目标显示时长。
可选地，上述装置还用于在所述连续异常周期的数量大于N的情况下，根据第一相位和第二相位之间的相位饱和度关系，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，所述第一相位包含释放所述目标车道上车流的相位，所述第一相位和所述第二相位位于同一相位阶段。
可选地，上述装置还用于根据所述第一相位和第二相位之间的相位饱和度的最小差值与预设差值之间的关系，确定所述相位阶段中的关键相位，其中，所述相位阶段包括多个相位，所述多个相位中包括所述第一相位和所述第二相位；根据所述关键相位的预设显示时长，确定所述目标信号灯的目标显示时长。
可选地，上述装置还用于在所述第一相位的饱和度和所述第二相位的最小饱和度差值，大于预设阈值的情况下，将所述相位阶段中相位饱和度最大的相位确定为所述关键相位；在所述第一相位的饱和度和所述第二相位的最小饱和度差值，小于或等于所述预设阈值的情况下，将所述第一相位和所述第二相位确定为所述关键相位。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取目标车道在目标周期内的检测数据，得到检测数据集合，其中，所述检测数据集合中包括目标检测器每隔预设时长对所述目标车道进行检测的数据，所述目标周期大于所述预设时长；
S2，对所述检测数据集合中的数据进行异常检测，得到目标检测结果；
S3，在所述目标检测结果表示所述检测数据集合中存在异常检测数据的情况下，根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，目标信号灯是所述目标车道上的信号灯。
在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取目标车道在目标周期内的检测数据，得到检测数据集合，其中，所述检测数据集合中包括目标检测器每隔预设时长对所述目标车道进行检测的数据，所述目标周期大于所述预设时长；
S2，对所述检测数据集合中的数据进行异常检测，得到目标检测结果；
S3，在所述目标检测结果表示所述检测数据集合中存在异常检测数据的情况下，根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，目标信号灯是所述目标车道上的信号灯。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种异常数据的处理方法，其特征在于，包括：
获取目标车道在目标周期内的检测数据，得到检测数据集合，其中，所述检测数据集合中包括目标检测器每隔预设时长对所述目标车道进行检测的数据，所述目标周期大于所述预设时长；
对所述检测数据集合中的数据进行异常检测，得到目标检测结果；
在所述目标检测结果表示所述检测数据集合中存在异常检测数据的情况下，根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，目标信号灯是所述目标车道上的信号灯。
2.根据权利要求1所述的方法，其特征在于，所述对所述检测数据集合中的数据进行异常检测，得到目标检测结果，包括：
对所述检测数据集合中的第一组特征数据进行第一级异常检测，得到第一异常检测结果；
根据所述目标周期对所述检测数据集合进行求和或者求最大值处理，得到第二组特征数据，并对所述第二组特征数据进行第二级异常检测，得到第二异常检测结果；
将所述第一异常检测结果和/或所述第二异常检测结果，确定为所述目标检测结果。
3.根据权利要求2所述的方法，其特征在于，对所述检测数据集合中的第一组特征数据进行第一级异常检测，得到第一异常检测结果，包括以下至少之一：
在所述检测数据集合中的异常流量的数量大于或等于第一阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常流量包括取值小于0的流量，以及相邻流量取值之和大于预设流量阈值的流量，所述相邻流量的检测时间间隔所述预设时长；
在所述检测数据集合中的异常空间占有率的数量大于或等于第二阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常空间占有率包括取值小于0的空间占有率，以及取值大于或等于预设占有率阈值的空间占有率，所述空间占有率等于所述目标车道上车辆的总长度与所述目标车道的总长度的比值；
在所述检测数据集合中的异常数据组合的数量大于或等于第三阈值的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述异常数据组合包括满足预设异常关系的检测数据的组合，所述检测数据的组合包括：交通量、速度、空间占有率。
4.根据权利要求2所述的方法，其特征在于，所述对所述第二组特征数据进行第二级异常检测，得到第二异常检测结果，包括以下至少之一：
在所述目标车道上包括多个同方向的车道的情况下，若所述多个同方向的车道中存在流量分布异常的车道的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述流量分布异常的车道在目标周期内的第一总流量值与所述多个同方向的车道在目标周期内的总流量值的比值小于或等于第一预设比值，或者，大于或等于第二预设比值；
在所述目标车道在目标周期内存在第二总流量异常的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述第二总流量的取值大于或等于预设流量阈值；
在所述目标车道上包括多个同方向的车道的情况下，若所述多个同方向的车道中存在车道排队长度分布异常的情况下，将所述检测数据集合确定为异常检测数据集合，并将所述目标周期确定为异常周期，其中，所述排队长度分布异常是任意同方向的两个车道之间的最大排队长度的差值大于或等于预设排队长度。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：
在所述目标检测结果表示所述目标周期为异常周期的情况下，根据连续异常周期的数量，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，所述连续异常周期中包括所述目标周期。
6.根据权利要求5所述的方法，其特征在于，所述根据连续异常周期的数量，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：
在所述连续异常周期的数量大于M且小于N的情况下，使用所述目标车道的同方向车道的检测数据中与所述异常检测数据对应的数据，或者，使用所述目标车道的历史检测数据集合中与所述异常检测数据对应的数据，对所述检测数据集合中的所述异常检测数据进行修复，得到更新后的检测数据集合，其中，所述历史检测数据集合中包括在历史周期内对所述目标车道的检测数据，所述历史周期是所述目标周期之前的周期，M和N是整数，N大于M；
根据所述更新后的检测数据集合，确定所述目标信号灯的目标显示时长。
7.根据权利要求5所述的方法，其特征在于，所述根据连续异常周期的数量，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：
在所述连续异常周期的数量大于N的情况下，根据备用交通配时方案中第一相位和第二相位之间的相位饱和度关系，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，所述第一相位是包含释放所述目标车道上车流对应的相位，所述第一相位和所述第二相位位于同一相位阶段，且所述第一相位上的信号灯与所述目标信号灯的显示时长相同。
8.根据权利要求7所述的方法，其特征在于，所述根据备用交通配时方案中第一相位和第二相位之间的相位饱和度关系，对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，包括：
根据所述第一相位和第二相位之间的相位饱和度的最小差值与预设差值之间的关系，确定所述相位阶段中的关键相位，其中，所述相位阶段包括多个相位，所述多个相位中包括所述第一相位和所述第二相位；
根据所述关键相位的预设显示时长，确定所述目标信号灯的目标显示时长。
9.根据权利要求7所述的方法，其特征在于，所述根据所述第一相位和第二相位之间的相位饱和度的最小差值与预设差值之间的关系，确定所述相位阶段中的关键相位，包括：
在所述第一相位的饱和度和所述第二相位的最小饱和度差值，大于预设阈值的情况下，将所述相位阶段中相位饱和度最大的相位确定为所述关键相位；
在所述第一相位的饱和度和所述第二相位的最小饱和度差值，小于或等于所述预设阈值的情况下，将所述第一相位和所述第二相位同时确定为所述关键相位。
10.一种异常数据的处理装置，其特征在于，包括：
第一获取模块，用于获取目标车道在目标周期内的检测数据，得到检测数据集合，其中，所述检测数据集合中包括目标检测器每隔预设时长对所述目标车道进行检测的数据，所述目标周期大于所述预设时长；
第二获取模块，用于对所述检测数据集合中的数据进行异常检测，得到目标检测结果；
处理模块，用于在所述目标检测结果表示所述检测数据集合中存在异常检测数据的情况下，根据所述目标检测结果对目标信号灯的显示时长进行处理，得到所述目标信号灯的目标显示时长，其中，目标信号灯是所述目标车道上的信号灯。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被处理器执行时实现所述权利要求1至9任一项中所述的方法的步骤。
12.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至9任一项中所述的方法。
CN202210688841.0A 2022-06-17 2022-06-17 异常数据的处理方法、装置、存储介质及电子装置 Active CN114973741B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210688841.0A CN114973741B (zh) 2022-06-17 2022-06-17 异常数据的处理方法、装置、存储介质及电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210688841.0A CN114973741B (zh) 2022-06-17 2022-06-17 异常数据的处理方法、装置、存储介质及电子装置

Publications (2)

Publication Number Publication Date
CN114973741A true CN114973741A (zh) 2022-08-30
CN114973741B CN114973741B (zh) 2024-08-09

Family

ID=82964397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210688841.0A Active CN114973741B (zh) 2022-06-17 2022-06-17 异常数据的处理方法、装置、存储介质及电子装置

Country Status (1)

Country Link
CN (1) CN114973741B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116311930A (zh) * 2023-03-15 2023-06-23 河北省交通规划设计研究院有限公司 一种交通流状态数据时间汇集方法及系统
CN116994441A (zh) * 2023-09-26 2023-11-03 北京清创美科环境科技有限公司 一种交通流信息数据处理方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007241429A (ja) * 2006-03-06 2007-09-20 Sumitomo Electric Ind Ltd 交通流パラメータ算出システム、方法及びプログラム
KR20090132200A (ko) * 2008-06-20 2009-12-30 (주)코스텍시스템 주파수 공용 통신망을 이용한 실시간 교통신호 제어시스템, 장치 및 방법
CN107025789A (zh) * 2017-05-27 2017-08-08 青岛海信网络科技股份有限公司 一种交通事件检测方法及装置
CN107170254A (zh) * 2015-06-16 2017-09-15 青岛海信网络科技股份有限公司 一种交通信号灯自适应控制方法及装置
CN109272760A (zh) * 2018-10-18 2019-01-25 银江股份有限公司 一种scats系统检测器数据异常值的在线检测方法
WO2020132990A1 (zh) * 2018-12-25 2020-07-02 北京嘀嘀无限科技发展有限公司 一种识别交叉路口的方法和系统
CN111882910A (zh) * 2020-06-15 2020-11-03 太原市高远时代科技有限公司 一种高准确率的交通信号灯故障检测方法及系统
CN112766396A (zh) * 2021-01-27 2021-05-07 昆仑数智科技有限责任公司 一种设备异常的检测系统、方法、计算机设备和介质
CN113112812A (zh) * 2021-05-20 2021-07-13 青岛海信网络科技股份有限公司 一种交通信号自适应优化预判方法、装置、设备及介质
WO2022116361A1 (zh) * 2020-12-01 2022-06-09 山东交通学院 基于城市主干线车辆排队长度的信号灯调控方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007241429A (ja) * 2006-03-06 2007-09-20 Sumitomo Electric Ind Ltd 交通流パラメータ算出システム、方法及びプログラム
KR20090132200A (ko) * 2008-06-20 2009-12-30 (주)코스텍시스템 주파수 공용 통신망을 이용한 실시간 교통신호 제어시스템, 장치 및 방법
CN107170254A (zh) * 2015-06-16 2017-09-15 青岛海信网络科技股份有限公司 一种交通信号灯自适应控制方法及装置
CN107025789A (zh) * 2017-05-27 2017-08-08 青岛海信网络科技股份有限公司 一种交通事件检测方法及装置
CN109272760A (zh) * 2018-10-18 2019-01-25 银江股份有限公司 一种scats系统检测器数据异常值的在线检测方法
WO2020132990A1 (zh) * 2018-12-25 2020-07-02 北京嘀嘀无限科技发展有限公司 一种识别交叉路口的方法和系统
CN111882910A (zh) * 2020-06-15 2020-11-03 太原市高远时代科技有限公司 一种高准确率的交通信号灯故障检测方法及系统
WO2022116361A1 (zh) * 2020-12-01 2022-06-09 山东交通学院 基于城市主干线车辆排队长度的信号灯调控方法及系统
CN112766396A (zh) * 2021-01-27 2021-05-07 昆仑数智科技有限责任公司 一种设备异常的检测系统、方法、计算机设备和介质
CN113112812A (zh) * 2021-05-20 2021-07-13 青岛海信网络科技股份有限公司 一种交通信号自适应优化预判方法、装置、设备及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116311930A (zh) * 2023-03-15 2023-06-23 河北省交通规划设计研究院有限公司 一种交通流状态数据时间汇集方法及系统
CN116994441A (zh) * 2023-09-26 2023-11-03 北京清创美科环境科技有限公司 一种交通流信息数据处理方法及系统
CN116994441B (zh) * 2023-09-26 2023-12-12 北京清创美科环境科技有限公司 一种交通流信息数据处理方法及系统

Also Published As

Publication number Publication date
CN114973741B (zh) 2024-08-09

Similar Documents

Publication Publication Date Title
CN114973741B (zh) 异常数据的处理方法、装置、存储介质及电子装置
CN111064614B (zh) 一种故障根因定位方法、装置、设备及存储介质
CN110166264B (zh) 一种故障定位方法、装置及电子设备
CN109784254B (zh) 一种车辆违规事件检测的方法、装置和电子设备
CN112818173B (zh) 关联对象的识别方法、装置及计算机可读存储介质
CN113129596B (zh) 行驶数据处理方法、装置、设备、存储介质及程序产品
CN110322687B (zh) 确定目标交叉口运行状态信息的方法和装置
CN112712712B (zh) 确定车辆排队信息的方法、装置、路侧设备和云控平台
CN112689132B (zh) 目标对象监控方法和监控设备
CN106254137A (zh) 监管系统的告警根源分析系统及方法
CN109831744A (zh) 一种异常轨迹识别方法、装置及存储设备
CN113300918A (zh) 智慧灯杆的故障检测方法、终端设备及存储介质
CN110942019A (zh) 一种用于找出两条轨迹的最长伴随子路径的分析方法
CN115038088A (zh) 一种智能网络安全检测预警系统和方法
CN114332707A (zh) 设备有效性的确定方法及装置、存储介质、电子装置
CN111813644A (zh) 系统性能的评价方法、装置、电子设备和计算机可读介质
CN111275959B (zh) 车辆行驶状态的确定方法、装置及电子设备
CN112991735A (zh) 交通流量监测系统的测试方法、装置及设备
CN113673940A (zh) 一种车辆监控的方法、监控系统及相关设备
CN109451359B (zh) 一种关注异常的检测方法、装置、设备和存储介质
CN114116853B (zh) 基于时序关联分析的数据安全分析方法及装置
CN114022808A (zh) 一种道路标线的确定方法和设备
CN113657340A (zh) 轨迹匹配方法及相关装置
CN110807954B (zh) 异常航迹点的识别方法和设备
CN113411217A (zh) 一种通话系统监控告警的方法及装置

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