CN115019525A - 行程时间数据的筛选方法和交通信号控制方法 - Google Patents
行程时间数据的筛选方法和交通信号控制方法 Download PDFInfo
- Publication number
- CN115019525A CN115019525A CN202210699911.2A CN202210699911A CN115019525A CN 115019525 A CN115019525 A CN 115019525A CN 202210699911 A CN202210699911 A CN 202210699911A CN 115019525 A CN115019525 A CN 115019525A
- Authority
- CN
- China
- Prior art keywords
- travel time
- unit time
- time data
- item
- time window
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000012216 screening Methods 0.000 title claims abstract description 43
- 238000005070 sampling Methods 0.000 claims abstract description 107
- 238000012545 processing Methods 0.000 claims description 34
- 238000011144 upstream manufacturing Methods 0.000 claims description 33
- 230000000903 blocking effect Effects 0.000 claims description 19
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000011664 signaling Effects 0.000 claims description 7
- 229920006395 saturated elastomer Polymers 0.000 claims description 4
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 claims description 3
- 239000005445 natural material Substances 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 38
- 238000012544 monitoring process Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 206010021033 Hypomenorrhoea Diseases 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000007473 univariate analysis Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
- G08G1/083—Controlling the allocation of time between phases of a cycle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种行程时间数据的筛选方法和交通信号控制方法，涉及智能交通领域。该行程时间数据的筛选方法包括：获取原始行程时间数据集；根据原始行程时间数据集，确定自由时间项和延误项；自由时间项为车辆不受交通信号的影响的情况下通过采样路段的时长；延误项用于表征车辆在采样路段的机动车道中受减速的影响而产生的延误时长；根据自由时间项和延误项选取原始行程时间数据集中的噪声数据，以确定原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据。该方法适用于行程时间数据的获取过程中，用于优化行程时间数据的筛选效果。
Description
技术领域
本申请涉及智能交通领域，尤其涉及一种行程时间数据的筛选方法和交通信号控制方法。
背景技术
城市交通的管控和交通参与者的动态决策可以通过对在城市道路上行驶的车辆的行程时间数据进行分析决定。但是，原始的行程时间数据中可能包括噪声数据，噪声数据会影响城市交通管控和交通参与者的动态决策的准确性。
在相关技术中，研究者大多以高速公路等连续交通流为观察对象，因此，大多行程时间噪声数据过滤技术均基于数据服从单峰正态分布的假设设计。例如，三倍标准差法。
但是，由于信号控制等因素的影响，城市道路上行驶的车辆的行程时间数据在大多数情况下均不满足单峰正态分布条件，因此以往的行程时间噪声数据过滤技术无法取得良好的过滤效果。
发明内容
基于上述技术问题，本申请提供一种行程时间数据的筛选方法和交通信号控制方法，该行程时间数据的筛选方法可以结合城市道路的周期信控放行的特点，筛选出能够描述城市道路行程时间的波动性和稳定性的行程时间数据，并且不会过度剔除。
第一方面，本申请提供一种行程时间数据的筛选方法，该方法包括：获取原始行程时间数据集，原始行程时间数据集包括多个原始时间行程数据，原始行程时间数据包括车辆通过采样路段的时长；根据原始行程时间数据集，确定自由时间项和延误项；自由时间项为车辆不受交通信号的影响的情况下通过采样路段的时长；延误项用于表征车辆在采样路段的机动车道中受减速的影响而产生的延误时长；根据自由时间项和延误项选取原始行程时间数据集中的噪声数据，以确定原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据。
应理解，当城市道路中存在中途停车等异常驾驶行为时，该异常驾驶行为产生的行程时间数据较大。本申请实施例提供的行程时间数据的筛选方法，可以将原始行程时间数据分为自由时间项和延误项，与相关技术的单峰分布的假设相比，更加符合城市道路的真实情况，筛选效果更好。
另外，相关技术中的噪声处理算法多为统计概率，噪声数据的解释性较差，本申请实施例提供的行程时间数据筛选方法中，根据自由时间项和延误项选取出来的噪声数据可以明确解释为中途停车的异常驾驶行为，可解释性更强。
可选地，获取原始行程时间数据集，包括：以采样路段的下游交叉口的交通信号周期为单元时间窗获取原始行程时间数据集。
应理解，以交叉口的交通信号周期为时间窗获取原始行程时间数据集，相邻的时间窗内的原始行程时间数据集更能体现城市道路周期信控放行的特点，利用该原始行程时间数据集筛选出来的有效行程时间数据，更能体现出城市道路行程时间的波动性和稳定性。
一种可能的实现方式中，延误项包括信控延误项和超车延误项；根据原始行程时间数据集，确定自由时间项和延误项，包括：根据原始行程时间数据集，确定自由时间项、信控延误项以及超车延误项；信控延误项为车辆受交通信号的影响而产生的延误时长；超车延误项为车辆受其他车辆超车的影响而产生的延误时长。
应理解，如果数据集中存在分类数据，则要采用多变量的分析方法，而不能单纯利用单变量的分析方法。本申请实施例提供的行程时间数据的筛选方法根据信控延误项和超车延误项得到表征车辆在采样路段的机动车道中受减速的影响而产生的延误时长，信控延误项反映车辆受红绿灯信号的影响而产生的延误时长，超车延误项反映车辆受其他车辆超车的影响而产生的延误时长，与以相关技术中的单变量的分析方法相比，进一步贴合城市道路的交通状况，提高了原始行程时间数据的筛选的准确性。
可选地，采样路段为两个相邻的交叉口之间的路段。
应理解，当采样路段设置为两个不相邻的交叉口之间的路段时，可能存在车辆从该两个不相邻的交叉口之间的其他交叉口驶出或驶入采样路段，干扰原始行程时间数据集的采集。将采样路段设置为两个相邻的交叉口之间的路段，可以自动排除前述的异常驾驶行为，获得的原始行程时间数据有效性较高。
一种可能的实现方式中，根据原始行程时间数据集，确定自由时间项、信控延误项以及超车延误项，包括：根据车辆通过采样路段的上游交叉口的交通信号周期的次序，将车辆划分为多个车辆组；每个车辆组包括一辆或多辆车辆；根据车辆组对原始行程时间数据集分组，得到参考行程时间数据集；参考行程时间数据集包括与多个车辆组一一对应的参考行程时间数据子集；每个参考行程时间数据子集包括一个或多个原始行程时间数据；根据参考行程时间数据集，计算自由时间项、信控延误以及超车延误项。
可选地，原始行程时间数据集是以采样路段的下游交叉口的交通信号周期为单元时间窗采集的；原始行程时间数据集包括第n个单元时间窗的原始行程时间数据集和第n个单元时间窗之前的单元时间窗的原始行程时间数据集；n为正整数；根据参考行程时间数据集，确定自由时间项、信控延误项以及超车延误项，包括：根据第n-1个单元时间窗的参考行程时间数据集，确定第n个单元时间窗的自由时间项和超车延误项；根据第n个单元时间窗之前与第n个单元时间窗相邻的，或者第n个单元时间窗之前的与第n个单元时间窗不相邻的单元时间窗的参考行程时间数据集，确定第n个单元时间窗的信控延误项。
可选地，根据第n-1个单元时间窗的参考行程时间数据集，确定第n个单元时间窗的自由时间项，包括：若第n-1个单元时间窗内存在车辆组对应的参考行程时间数据集子集，且最后一个车辆组对应的参考行程时间数据子集中的原始行程时间数据的数量大于U，则将最后一个车辆组对应的参考行程时间数据子集的上限值作为第n个单元时间窗的自由时间项；U为正整数；若第n-1个单元时间窗内存在车辆组对应的参考行程时间数据集子集，但是最后一个车辆组对应的参考行程时间数据子集中的原始行程时间数据的数量小于或等于U，则将自由项估计系数和第n个单元时间窗的红灯时长的积与最后一个车辆组对应的参考行程时间数据子集的中位值的和，作为第n个单元时间窗的自由时间项；若第n-1个单元时间窗内不存在车辆组对应的参考行程时间数据集子集，则将自由项估计系数和第n个单元时间窗的红灯时长的积与第n-1个单元时间窗的自由时间项之间的最大值作为第n个单元时间窗的自由时间项。
可选地，参考行程时间数据集、以及所述自由时间项满足如下表达式：
其中，Fn表示第n个单元时间窗的自由时间项；
表示第n-1个单元时间窗的参考行程时间数据集中最后一个车辆组对应的参考行程时间数据子集；
表示按照箱型图算子计算
的箱型图上限值；Ntail表示
中原始行程时间数据的个数；
表示
的中位值；α表示自由项估计系数；Rn表示第n个单元时间窗的阻拦时长；Fn-1表示第n-1个单元时间窗的自由时间项；ftt表示预设的车辆通过采样路段的自由流行程时间。
可选地，根据第n个单元时间窗之前与第n个单元时间窗相邻的，或者第n个单元时间窗之前的与第n个单元时间窗不相邻的单元时间窗的参考行程时间数据集，确定第n个单元时间窗的信控延误项，包括：若第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数为0，则将信控延误项估计系数与第n个单元时间窗的阻拦时长的积作为第n个单元时间窗的信控延误项；当第n个单元时间窗的参考行程时间数据集中的最大值大于第n个单元时间窗的自由时间项时，信控延误项估计系数取1；当第n个单元时间窗的参考行程时间数据集中的最大值小于第n个单元时间窗的自由时间项时，信控延误项估计系数取0；若第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数不为0，且第n个单元时间窗的滞留车辆估计值小于滞留车辆阈值，则将第n个单元时间窗的阻拦时长作为第n个单元时间窗的信控延误项；若第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数不为0，且第n个单元时间窗的滞留车辆估计值大于或等于滞留车辆阈值，则将第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的时长总和与第n个单元时间窗的阻拦时长的和作为第n个单元时间窗的信控延误项；第n个单元时间窗的滞留车辆估计值为第n个单元时间窗内的第一原始行程时间数据的个数，第一原始行程时间数据大于第n个单元时间窗之前第一个存在原始行程时间数据的单元时间窗的自由时间项与信控延误项的和；滞留车辆阈值为，第n个单元时间窗的通行能力与在第n个单元时间窗之前第一个存在原始行程时间数据的单元时间窗的通行能力之间的最小值。
可选地，参考行程时间数据集、以及信控延误项满足如下表达式：
其中，Dn表示第n个单元时间窗的信控延误项；θ表示信控延误项估计系数；wn表示第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数；sn表示滞留车辆估计值，sn等于第n个单元时间窗内大于
的原始行程时间数据的个数；
表示第n-wn个单元时间窗的自由时间项；
表示第n-wn个单元时间窗的信控延误项；snlimit表示滞留车辆阈值；cn-1表示第n-1个单元时间窗的时长；ttn,max表示第n个单元时间窗的参考行程时间数据集中的最大值；
表示第n-wn个单元时间窗的放行时长；Gn表示第n个单元时间窗的放行时长；h表示路段饱和车头时距。
可选地，原始行程时间数据还包括车辆穿过采样路段的下游交叉口的停车线的时刻；根据第n-1个单元时间窗的参考行程时间数据集，确定第n个单元时间窗的超车延误项，包括：根据第一绝对值和车辆启动停车损失时间之间的最大值，确定尾部偏差项；第一绝对值为第一值和第二值之差的绝对值；第一值为第n个单元时间窗的红灯启亮时刻；第二值为第n-1个单元时间窗的最后一个车辆组中，第一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；根据第二绝对值和车辆启动停车损失时间之间的最大值，确定头部偏差项；第二绝对值为第三值和第四值之差的绝对值；第三值为第n个单元时间窗的第一个车辆组中，最后一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；第四值为第n个单元时间窗的绿灯启亮时刻；根据偏差项阈值和尾部偏差项与头部偏差项之和之间最小值，确定超车延误项。
可选地，参考行程时间数据集、以及超车延误项满足如下表达式：
Bn＝min(△t1+△t2,△tlimit)
其中，Bn表示第n个单元时间窗的超车延误项；△t1表示尾部偏差项；△t2表示头部偏差项；△tlimit表示偏差项阈值；tloss表示车辆启动停车损失时间；rstn表示第n个单元时间窗的阻拦时长的起始时刻；
表示第n-1个单元时间窗的最后一个车辆组中第一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；
表示第n个单元时间窗的第一个车辆组中最后一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；gstn表示第n个单元时间窗的放行时长的起始时刻。
可选地，在根据自由时间项和延误项选取原始行程时间数据集中的噪声数据之前，方法还包括：根据采样路段的长度和最高限速确定最小行程时长阈值；根据自由时间项和延误项选取原始行程时间数据集中的噪声数据，以确定原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据，包括：根据自由时间项和延误项确定最大行程时长阈值；根据最大行程时长阈值和最小行程时长阈值选取原始行程时间数据集中的噪声数据，以确定原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据。
第二方面，本申请提供一种行程时间数据的筛选装置，该行程时间数据筛选装置包括用于之上第一方面所述的方法的各个模块。
第三方面，本申请提供一种交通信号控制方法，该方法包括：获取待调整的红绿灯所在的采样路段的有效行程时间数据集；有效行程时间数据集是利用自由时间项和延误项，选取出原始行程时间数据集中的噪声数据之后得到的；原始行程时间数据包括多个原始行程时间数据；原始行程时间数据包括车辆通过采样路段的时长；自由时间项和延误项均是根据原始行程时间数据集确定的，自由时间项为车辆不受红绿灯信号的影响的情况下通过采样路段的时长；延误项用于表征车辆在采样路段的机动车道中受减速的影响而产生的延误时长；根据有效行程时间数据集调整待调整的红绿灯的信号周期。
第四方面，本申请提供一种交通信号控制装置，该交通信号控制装置包括用于之上第三方面所述的方法的各个模块。
第五方面，本申请提供一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述第一方面或第三方面所述相关方法的步骤，以实现上述第一方面或第三方面所述的方法。
第六方面，本申请提供一种电子设备，该电子设备包括：处理器和存储器；存储器存储有处理器可执行的指令；处理器被配置为执行指令时，使得电子设备实现上述第一方面或第三方面所述的方法。
第七方面，本申请提供一种可读存储介质，该可读存储介质包括：软件指令；当软件指令在电子设备中运行时，使得电子设备实现上述第一方面或第三方面所述的方法。
上述第二方面至第七方面的有益效果可以参考第一方面所述，不再赘述。
附图说明
图1为本申请实施例提供的行程时间数据的筛选方法的场景示意图；
图2为本申实施例提供的行程时间数据筛选系统的组成示意图；
图3为本申实施例提供的电子设备的组成示意图；
图4为本申请实施例提供的行程时间数据的筛选方法的流程示意图；
图5为本申请实施例提供的采样路段的上游交叉口和下游交叉口的放行示意图；
图6为本申请实施例提供的行程时间数据的筛选方法的另一种流程示意图；
图7(a)为本申请实施例提供的车辆组的放行示意图；
图7(b)为本申请实施例提供的以下游交叉口的时间线为参考的行程时间数据集的示意图；
图7(c)为本申请实施例提供的以上游交叉口的时间线为参考的行程时间数据的示意图；
图7(d)为本申请实施例提供的车辆组的简化放行示意图；
图8(a)为本申请实施例提供的原始行程时间数据集的示意图；
图8(b)为本申请实施例提供的对原始行程时间数据集拉长时间线的放大显示示意图；
图8(c)为本申请实施例提供的按照车辆组对原始行程时间数据集的划分示意图；
图8(d)为本申请实施例提供的参考行程时间数据集的示意图；
图9为本申请实施例提供的信控延误项示意图；
图10为本申请实施例提供的极端交通事件情况下的信控延误项示意图；
图11为本申请实施例提供的剔除噪声数据示意图；
图12为本申请实施例提供的限幅滤波器原理示意图；
图13为本申请实施例提供的理想状态下的采样路段的延误示意图；
图14为本申实施例提供的筛选效果示意图；
图15为本申请实施例提供的另一种筛选效果示意图；
图16为本申请实施例提供的交通信号控制方法的流程示意图；
图17为本申请实施例提供的行程时间数据的筛选装置的组成示意图；
图18为本申请实施例提供的交通信号控制装置的组成示意图。
具体实施方式
以下，术语“第一”、“第二”和“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”或“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。
现有的行程时间噪声数据过滤技术通常采用基于数据服从单峰的正态分布的假设设计。例如，三倍标准差法。三倍标准差法首先根据行程时间数据(也即车辆通过一段路程所用的时长)计算平均值，然后根据行程时间数据和该平均值计算标准差。以标准差的三倍与该平均值的和作为最大时长阈值，剔除行程时间数据中大于该最大时长阈值的数据。
但是，在城市道路上行驶的车辆的行程时间数据在大多数情况下均不满足单峰的正态分布条件，利用基于数据服从单峰的正态分布的假设设计的三倍标准差过滤行程时间数据无法取得良好的过滤效果。
在此基础上，本申请实施例提供一种行程时间数据筛选方法，该方法可以结合城市道路的周期信控放行的特点，筛选出能够描述城市道路行程时间的波动性和稳定性的行程时间数据，并且不会过度剔除。
图1为本申请实施例提供的行程时间数据的筛选方法的场景示意图。如图1所示，以箭头所示的方向为车流的行驶方向为例，该场景中的上游交叉口的停止线和下游交叉口的停止线之间的路段可以称为采样路段。每个交叉口可以设置有红绿灯和监控摄像头。可选地，监控摄像头可以设置于交叉口的停止线之前，或者停止线之后(图1中以设置于停止线之后的监控摄像头为虚线为例示出)。
需要说明的是，图1中以相邻的两个交叉口(该相邻的两个交叉口分别称作上游交叉口和下游交叉口)之间的路段为采样路段为例进行了举例，该采样路段还可以是两个不相邻的交叉口之间的路段，该两个不相邻的交叉口之间可以相隔多个交叉口。
同样需要说明的是，图1中以交叉口为十字路口为例对本申请实施例提供的行程时间数据筛选方法的场景进行了举例说明，该交叉口还可以是T形交叉口(又可以称作丁字路口)、X形交叉口、Y形交叉口、错位交叉口、环形交叉口等。本申请实施例对交叉口的具体类型不作限制。
同样需要说明的是，图1中以采样路段为一个车道的单行道路段为例进行了举例。该采样路段还可以是包括多个车道的单行道路段、或者包括多个车道的双向通行路段等。本申请下面介绍的行程时间数据筛选方法可以适用于单行道路段的一个车道、包括多个车道的单行道路段中的一个或多个车道、多个车道的双向通行路段中的一个或多个车道等。本申请实施例对此不作限制。
图2为本申实施例提供的行程时间数据筛选系统的组成示意图。如图2所示，该系统可以包括图像采集装置100和计算处理装置200。图像采集装置100和计算处理装置200之间可以通过有线网络或者无线网络连接。
图像采集装置100可以是上述图1中的监控摄像头或者单独设置的其他摄像机等。
图像采集装置100可以采集在采样路段上行驶的车辆的图像信息。可选地，图像采集装置100还可以记录采集到的车辆的图像信息对应的时间。
计算处理装置200可以是计算机或服务器等具有计算处理功能的电子设备。其中，服务器可以是单独的一个服务器，或者，也可以是由多个服务器构成的服务器集群。部分实施方式中，服务器集群还可以是分布式集群。计算处理装置200还可以在云平台上实现，例如，云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)以及多云(multi-cloud)等，或者它们的任意组合。可选地，计算处理装置200还可以是上述电子设备中安装的提供行程时间数据筛选功能的应用程序(application，APP)；或者，计算处理装置200又可以是上述电子设备中的中央处理器(central processing unit，CPU)；又或者，计算处理装置200又可以是上述电子设备中的用于执行行程时间数据筛选方法的功能模块。本申请实施例对此不作限制。
计算处理装置200可以根据图像采集装置100采集到的在采样路段上行驶的车辆的图像信息，确定多个车辆的原始行程时间数据集，根据该原始行程时间数据集，计算自由时间项、信控延误项以及超车延误项等，并根据计算得到的自由时间项、信控延误项以及超车延误项等剔除该原始行程时间数据集中的噪声数据。具体过程可以参照下述S101至S104所述，此处不再赘述。
为了描述简单，以下统一以计算处理装置200为上述的电子设备为例进行介绍。
图3为本申实施例提供的电子设备的组成示意图。如图3所示，该电子设备可以包括处理器10、存储器20、通信线路30以及通信接口40。
其中，处理器10、存储器20以及通信接口40之间可以通过通信线路30连接。
处理器10，用于执行存储器20中存储的指令，以实现本申请下述实施例提供的行程时间数据筛选方法。处理器10可以是中央处理器(central processing unit，CPU)、通用处理器网络处理器(network processor，NP)、数字信号处理器(digital signalprocessing，DSP)、微处理器、微控制器、可编程逻辑器件(programmable logic device，PLD)或它们的任意组合。处理器10还可以是其它任意具有处理功能的装置，例如电路、器件或软件模块，本申请实施例对此不作限制。在一种示例中，处理器10可以包括一个或多个CPU，例如图3中的CPU0和CPU1。作为一种可选的实现方式，第一电子设备可以包括多个处理器，例如，除处理器10之外，还可以包括处理器50。
存储器20，用于存储指令，指令可以是计算机程序。可选地，存储器20可以是只读存储器(read-only memory，ROM)或可存储静态信息和/或指令的其他类型的静态存储设备，也可以是存取存储器(random access memory，RAM)或者可存储信息和/或指令的其他类型的动态存储设备，还可以是电可擦可编程只读存储器(electrically erasableprogrammable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备等，本申请实施例对此不作限制。
需要说明的是，存储器20可以独立于处理器10存在，也可以和处理器10集成在一起。存储器20可以位于电子设备内，也可以位于电子设备外，本申请实施例对此不作限制。
通信线路30，用于在电子设备所包括的各部件之间传送信息。
通信接口40，用于与其他设备(例如上述监控摄像头)或其它通信网络进行通信。该其它通信网络可以为以太网，无线接入网(radio access network，RAN)，无线局域网(wireless local area networks，WLAN)等。通信接口40可以是模块、电路、收发器或者任何能够实现通信的装置。
需要说明的是，图3中示出的结构并不构成对电子设备的限定，除图3所示部件之外，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合附图对本申请实施例提供的方法进行介绍。
图4为本申请实施例提供的行程时间数据的筛选方法的流程示意图。可选地，该方法可以由具有上述图3所示的硬件结构的电子设备执行。如图4所示，该方法可以包括S101至S103。
S101、电子设备获取原始行程时间数据集。
其中，原始行程时间数据集可以包括多个原始行程时间数据。每个原始行程时间数据包括车辆通过采样路段的时长。
一种可能的实现方式中，对于某一辆通过采样路段的车辆来说，设置于采样路段入口交叉口的监控摄像头可以采集该车辆穿过入口交叉口的停止线的时刻的入口监控图像，并记录该入口监控图像对应的时刻。设置于采样路段出口交叉口的监控摄像头可以采集该车辆穿过出口交叉口的停止线的时刻的出口监控图像，并记录该出口监控图像对应的时刻。电子设备可以获取入口监控图像以及出口监控图像，识别图像中的车牌号，并分别根据入口监控图像以及出口监控图像分别对应的时刻确定该车辆通过采样路段的时长。
可选地，如上所述，采样路段可以是两个不相邻的交叉口之间的路段。在这种情况下，电子设备在获取原始行程时间数据集时，可以首先剔除除从入口交叉口以外的交叉口进入采样路段的车辆的原始行程时间数据。
例如，电子设备根据监控摄像头采集的入口监控图像以及出口监控图像分别对应的时刻确定车辆通过采样路段的时长之后，可以接收管理人员的删除操作，删除除入口交叉口以外的交叉口进入采样路段的车辆通过采样路段的时长。
再例如，电子设备中可以预设有筛选算法，该筛选算法检测到从入口交叉口以外的交叉口进入采样路段的车辆时，可以指示电子设备不计算该车辆通过采样路段的时长。
可选地，如上所述，采样路段可以是两个相邻的交叉口(上游交叉口和下游交叉口)之间的路段。在这种情况下，上游交叉口可以理解为上述入口交叉口，下游交叉口可以理解为上述出口交叉口。
应理解，当采样路段设置为两个不相邻的交叉口之间的路段时，可能存在车辆从该两个不相邻的交叉口之间的其他交叉口驶出或驶入采样路段，干扰原始行程时间数据集的采集。将采样路段设置为两个相邻的交叉口之间的路段，可以自动排除前述的异常驾驶行为，获得的原始行程时间数据有效性较高。
可选地，电子设备可以按照(以)采样路段的下游交叉口的交通信号周期为单元时间窗，获取原始行程时间数据集。
其中，每一个单元时间窗可以包括一个交通信号周期，一个交通信号周期可以包括一个指示车辆通行的放行时长和一个指示车辆停车的阻拦时长。
可选地，交通信号可以包括红绿灯信号，和/或，交警的手势信号等。
例如，当交通信号为红绿灯信号时，放行时长也即绿灯时长，阻拦时长也即红灯时长。
再例如，当交通信号为交警的手势信号时，电子设备可以获取管理人员输入的交通信号周期，或者，利用手势识别算法识别交警的手势获取交通信号周期。手势识别算法可以参照相关技术中所述，此处不再赘述。
示例性地，电子设备可以利用手势识别算法识别到交警的用于指示车辆放行的第一手势、以及用于指示车辆停车的第二手势；电子设备可以将交警做出第一手势的时刻到做出第二手势的时刻之间的时长作为放行时长；电子设备还可以将交警做出第二手势的时刻到做出第一手势的时刻之间的时长作为阻拦时长。
基于这样的理解，下述实施例中的红绿灯信号周期也可以理解为交通信号周期，下述实施例中的绿灯时长也可以理解为放行时长，下述实施例中的红灯时长也可以理解为阻拦时长。
示例性地，图5为本申请实施例提供的采样路段的上游交叉口和下游交叉口的放行示意图。如图5所示，以采样路段的下游交叉口的红绿灯信号周期为单元时间窗，则第n-1个单元时间窗可以包括红灯时长Rn-1(图5中以黑色填充的长矩形为例示出)和绿灯时长Gn-1(图5中以无填充的长矩形为例示出)，第n个单元时间窗可以包括红灯时长Rn和绿灯时长Gn。车辆a-e可以在不同的上游交叉口的绿灯时长(图5中以无填充的短矩形为例示出)内从上游交叉口的停止线向下游交叉口的停止线行驶，n为正整数。
示例性地，结合图5，若将第n-1个单元时间窗称为单元时间窗1，将第n个单元时间窗称为单元时间窗2，则原始行程时间数据集可以如下述表1所示。
表1
如表1所示，在时间窗1内通过下游交叉口的停止线的车牌号为a的车辆穿过上游交叉口的停止线的时刻为时刻1，穿过下游交叉口的停止线的时刻为时刻2，该车辆通过采样路段的时长为时刻2减去时刻1得到的时长1。在时间窗1内通过下游交叉口的停止线的车牌号为b的车辆穿过上游交叉口的停止线的时刻为时刻3，穿过下游交叉口的停止线的时刻为时刻4，该车辆通过采样路段的时长为时刻4减去时刻3得到的时长2。类似地，牌号为c的车辆通过采样路段的时长为时长3，牌号为d的车辆通过采样路段的时长为时长4，牌号为e的车辆通过采样路段的时长为时长5。
应理解，以交叉口的红绿灯信号周期为时间窗采集原始行程时间数据集，相邻的时间窗内的原始行程时间数据集更能体现城市道路周期信控放行的特点，利用该原始行程时间数据集筛选出来的有效行程时间数据，更能体现出城市道路行程时间的波动性和稳定性。
S102、电子设备根据原始行程时间数据集，确定自由时间项和延误项。
其中，自由时间项为车辆在不受交通信号的影响的情况下通过采样路段的时长。采样路段可以参照上述图1所示，此处不再赘述。延误项用于表征车辆在采样路段的机动车道中受减速的影响而产生的延误时长。
可选地，如上所述，延误项为车辆在采样路段的机动车道中受减速的影响而产生的延误时长。当车辆在等红灯时可以理解为在机动车道减速到0，在这种情况下，延误项可以包括信控延误项，信控延误项为车辆受红绿灯信号的影响而产生的延误时长。
可选地，当车辆被其他车辆超车时，该其他车辆在超车后可能切换至被超车的车辆所在的机动车道，被超车的车辆也可能因此而在机动车道减速，在这种情况下，除了信控延误项之外，延误项还可以包括超车延误项，超车延误项为车辆受其他车辆超车的影响而产生的延误时长。则上述S102可以具体包括：根据原始行程时间数据集，确定自由时间项、信控延误项以及超车延误项。
应理解，如果数据集中存在分类数据，则要采用多变量的分析方法，而不能单纯利用单变量的分析方法。本申请实施例提供的行程时间数据的筛选方法根据信控延误项和超车延误项得到表征车辆在采样路段的机动车道中受减速的影响而产生的延误时长，信控延误项反映车辆受红绿灯信号的影响而产生的延误时长，超车延误项反映车辆受其他车辆超车的影响而产生的延误时长，与以相关技术中的单变量的分析方法相比，更贴合城市道路的交通状况，对原始行程时间数据的筛选更加准确。
一种可能的实现方式中，电子设备可以将多个车辆划分为不同的车辆组，根据车辆组的原始行程时间数据进行计算，得到自由时间项、信控延误项以及超车延误项。在这种情况下，图6为本申请实施例提供的行程时间数据的筛选方法的另一种流程示意图。如图6所示，当延误项包括信控延误项和超车延误项时，上述S102可以具体包括S201至S203。
S201、电子设备根据车辆通过采样路段的上游交叉口的红绿灯信号周期的次序，将车辆划分为多个车辆组。
其中，每个车辆组可以包括一辆或多辆车辆。
可选地，电子设备可以将在同一个采样路段的上游交叉口的红绿灯信号周期穿过采样路段的上游交叉口的停止线，且在同一个采样路段的下游交叉口的红绿灯信号周期穿过采样路段的下游交叉口的停止线的一辆或多辆车辆划分为一个车辆组。
S202、电子设备根据车辆组对原始行程时间数据分组，得到参考行程时间数据集。
其中，参考行程时间数据集包括与多个车辆组一一对应的参考行程时间数据子集，每个参考行程时间数据子集包括一个或多个原始行程时间数据。
示例性地，第n个单元时间窗(内)的参考行程时间数据集可以表示为VGn＝
其中，
表示第n个单元时间窗内的第一个(或者可以称作头部)车辆组对应的参考行程时间数据子集，
表示第n个单元时间窗内的第二个车辆组对应的参考行程时间数据子集，假设参考行程时间数据集总共包括m个车辆组的参考行程时间数据，则
表示第n个单元时间窗内的最后一个(或者可以称作尾部)车辆组对应的参考行程时间数据子集。每个参考行程时间数据子集可以包括一辆或多辆车辆的原始行程时间数据。以
为例，例如，假设
中包括k辆车辆的原始行程时间数据
则tt1表示第一个车辆组对应的参考行程时间数据子集中的第一个原始行程时间数据(也即第一个车辆组中第一辆通过采样路段的车辆通过采样路段所用的时长)，tt2表示第一个车辆组对应的参考行程时间数据子集中第二个原始行程时间数据(也即第一个车辆组中第二辆通过采样路段的车辆通过采样路段所用的时长)，ttk表示第一个车辆组对应的参考行程时间数据子集中最后一个原始行程时间数据(也即第一个车辆组中最后一辆通过采样路段的车辆通过采样路段所用的时长)。
示例性地，图7(a)为本申请实施例提供的车辆组的放行示意图。如图7(a)所示，同样以上述图5所示的单元时间窗为例，则在第一个上游交叉口的绿灯时长内穿过上游交叉口的停止线进入采样路段，并在第n-1个单元时间窗的绿灯时长Gn-1第一个穿过下游交叉口的停车线离开采样路段的车辆组的参考行程时间数据子集可以记作
在第二个上游交叉口的绿灯时长内穿过上游交叉口的停止线进入采样路段，并在第n-1个单元时间窗的绿灯时长Gn-1第二个穿过下游交叉口的停车线离开采样路段的车辆组的参考行程时间数据子集可以记作
同样在上游交叉口的第一个绿灯时长内穿过上游交叉口的停止线进入采样路段，但是在第n个单元时间窗的绿灯时长Gn第一个穿过下游交叉口的停车线离开采样路段的车辆组的参考行程时间数据子集可以记作
仅包括一辆异常行驶(行程时长过长，本应该在第n-1个单元时间窗的绿灯时长Gn-1离开采样路段，但是一直延误到第n个单元时间窗的绿灯时长Gn才离开采样路段)的车辆的原始行程时间数据，图7(a)的放行示意图中以黑色细实线表示该车辆的行驶轨迹。
在上游交叉口的第二个绿灯时长内穿过上游交叉口的停止线进入采样路段，并在第n个单元时间窗的绿灯时长Gn第二个穿过下游交叉口的停车线离开采样路段的车辆组的参考行程时间数据可以记作
在上游交叉口的第三个绿灯时长内穿过上游交叉口的停止线进入采样路段，并在第n个单元时间窗的绿灯时长Gn第三个穿过下游交叉口的停车线离开采样路段的车辆组的参考行程时间数据子集可以记作
在上游交叉口的第四个绿灯时长内穿过上游交叉口的停止线进入采样路段，并在第n个单元时间窗的绿灯时长Gn第四个穿过下游交叉口的停车线离开采样路段的车辆组的参考行程时间数据子集可以记作
图7(b)为本申请实施例提供的以下游交叉口的时间线为参考的行程时间数据集的示意图。如图7(b)所示，
可以包括多个150秒至200秒左右的原始行程时间数据。
可以包括多个100秒至150秒左右的原始行程时间数据。
仅包括一个接近350秒的原始行程时间数据，该原始行程时间数据较大。
包括一个接近300秒的较大的原始行程时间数据和多个200秒至250秒左右的原始行程时间数据。
图7(c)为本申请实施例提供的以上游交叉口的时间线为参考的行程时间数据的示意图。图7(c)可以参照上述图7(b)中所述，此处不再赘述。
图7(d)为本申请实施例提供的车辆组的简化放行示意图。如图7(d)所示，图7(d)中以箭头表示各个车辆组的行驶轨迹。其中，
包括的一辆异常行驶的车辆的行驶轨迹和
包括的一辆异常行驶的车辆的行驶轨迹在图7(d)中以虚线箭头为例示出。该两个虚线箭头与其他代表正常行驶的车辆组的实线箭头相交。
示例性地，图8(a)为本申请实施例提供的原始行程时间数据集的示意图。如图8(a)所示，电子设备可以首先获取以采样路段的下游交叉口的红绿灯信号周期为单元时间窗的原始行程时间数据集，此时的原始行程时间数据集是以下游交叉口的时间线为参考，图8(a)以下游交叉口的时间线为例示出，该原始行程时间数据集可以包括第n-1个时间窗内的原始行程时间数据和第n个时间窗内的原始行程时间数据。
将第n个单元时间窗(也即图8(a)中的7:37:12至7:38:38)的原始行程时间数据集拉长时间线放大显示为图8(b)。
对图8(b)中的每个原始行程时间数据，根据该原始行程时间数据对应的车辆通过采样路段的上游交叉口的红绿灯信号周期的次序，将第n个单元时间窗的原始行程时间数据重组为以上游交叉口的时间线为横坐标、以行程时长为纵坐标的坐标系下的行程时间数据(也即图8(c))。根据图8(c)可以看出，图8(c)中的所有行程时间数据均为在第n个单元时间窗通过下游交叉口的车辆的行程时间数据，以上游交叉口的时间线来看，在7:30:43至7:32:10这一个上游交叉口的红绿灯周期内通过上游交叉口的车辆可以记为第n个时间窗的第一个车辆组，依次类推可以得到第n个时间窗内的第二个车辆组、第三个车辆组以及第四个车辆组。
最后根据第n个单元时间窗内的各个车辆组的划分情况，将第n个单元时间窗的原始行程时间数据集划分为多个参考行程时间数据子集(例如电子设备可以根据车辆组确定车辆组标签，并对车辆组对应的原始行程时间数据标记车辆组标签，多个带有相同车辆组标签的原始行程时间数据可以组成一个参考行程时间数据子集)，也即图8(d)中的
以及
该多个参考行程时间数据子集可以组成参考行程时间数据集。第n个单元时间窗的参考行程时间数据子集
和
可以参照第n个单元时间窗所述，此处不再赘述。
S203、电子设备根据参考行程时间数据集，确定自由时间项、信控延误项以及超车延误项。
一些可能的实施例中，如上所述，原始行程时间数据集可以是以采样路段的下游交叉口的红绿灯信号周期为单元时间窗采集的。以第n(n为正整数)个单元时间窗和第n个单元时间窗之前的单元时间窗为例，也即原始行程时间数据集包括第n个单元时间窗的原始行程时间数据集和第n个单元时间窗之前的单元时间窗的原始行程时间数据集。在这种情况下，上述S203可以具体包括：电子设备根据第n-1个单元时间窗的参考行程时间数据集，确定所述第n个单元时间窗的自由时间项和超车延误项；电子设备根据所述第n个单元时间窗之前与所述第n个单元时间窗相邻的，或者所述第n个单元时间窗之前的与所述第n个单元时间窗不相邻的单元时间窗的参考行程时间数据集，确定所述第n个单元时间窗的信控延误项。
一种可能的实现方式中，上述电子设备根据第n-1个单元时间窗的参考行程时间数据集，确定所述第n个单元时间窗的自由时间项，可以具体包括：
若第n-1个单元时间窗内存在车辆组对应的参考行程时间数据集子集，且最后一个车辆组对应的参考行程时间数据子集中的原始行程时间数据的数量大于U，则电子设备将最后一个车辆组对应的参考行程时间数据子集的上限值作为第n个单元时间窗的自由时间项；n为大于或等于1的整数；U为正整数；U可以由管理人员预设，例如，U可以取3或5等，本申请实施例对U的具体取值不作限制。
若第n-1个单元时间窗内存在车辆组对应的参考行程时间数据集子集，但是最后一个车辆组对应的参考行程时间数据子集中的原始行程时间数据的数量小于或等于U，则电子设备将自由项估计系数和第n个单元时间窗的红灯时长的积与最后一个车辆组对应的参考行程时间数据子集的中位值的和，作为第n个单元时间窗的自由时间项；
若第n-1个单元时间窗内不存在车辆组对应的参考行程时间数据集子集，则电子设备将自由项估计系数和第n个单元时间窗的红灯时长的积与第n-1个单元时间窗的自由时间项之间的最大值作为第n个单元时间窗的自由时间项。
应理解，本申请实施例提供的行程时间数据筛选方法，还考虑到相邻单元时间窗之间的行程时间数据的波动来源，并对合理的波动来源进行了量化估计，与相关技术的概率统计相比，利用城市道路行程时间数据的波动性筛选原始行程时间数据集更有理论支撑。
可选地，所述参考行程时间数据集、以及所述自由时间项满足下述公式(1)：
公式(1)中，Fn表示第n个单元时间窗的自由时间项。
表示第n-1个单元时间窗的参考行程时间数据集中最后一个(尾部)车辆组对应的参考行程时间数据子集。
表示按照箱型图算子计算
的箱型图上限值。Ntail表示
中原始行程时间数据的个数。
表示
的中位值。α表示自由项估计系数，取0.5。Rn表示第n个单元时间窗的红灯时长。Fn-1表示第n-1个单元时间窗的自由时间项。ftt表示预设的车辆通过采样路段的自由流行程时间，该值可以由管理人员根据历史数据预设。
另一种可能的实现方式中，上述电子设备根据第n个单元时间窗之前与第n个单元时间窗相邻的，或者第n个单元时间窗之前的与第n个单元时间窗不相邻的单元时间窗的参考行程时间数据集，确定第n个单元时间窗的信控延误项，可以具体包括：若第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数为0，则电子设备将信控延误项估计系数与第n个单元时间窗的红灯时长的积作为第n个单元时间窗的信控延误项；当第n个单元时间窗的参考行程时间数据集中的最大值大于第n个单元时间窗的自由时间项时，信控延误项估计系数取1；当第n个单元时间窗的参考行程时间数据集中的最大值小于第n个单元时间窗的自由时间项时，信控延误项估计系数取0。若第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数不为0，且第n个单元时间窗的滞留车辆估计值小于第n个单元时间窗的最大通行能力，则电子设备将第n个单元时间窗的红灯时长作为第n个单元时间窗的信控延误项；若第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数不为0，且第n个单元时间窗的滞留车辆估计值大于或等于第n个单元时间窗的最大通行能力，则电子设备将第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的时长总和与第n个单元时间窗的红灯时长的和作为第n个单元时间窗的信控延误项。第n个单元时间窗的滞留车辆估计值为第n个单元时间窗内的第一原始行程时间数据的个数，第一原始行程时间数据大于第n个单元时间窗之前第一个存在原始行程时间数据的单元时间窗的自由时间项与信控延误项的和。滞留车辆阈值为，第n个单元时间窗的通行能力与在第n个单元时间窗之前第一个存在原始行程时间数据的单元时间窗的通行能力之间的最小值。
可选地，参考行程时间数据集、以及所述信控延误项满足下述公式(2)至公式(4)：
公式(2)中，Dn表示第n个单元时间窗的信控延误项。θ表示信控延误项估计系数，θ取0或1，θ可以按照下述公式(3)进行取值。wn表示第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数。sn表示滞留车辆估计值，sn等于第n个单元时间窗内大于
的原始行程时间数据(也即上述第n个单元时间窗内的第一原始行程时间数据)的个数。
表示第n-wn个单元时间窗的自由时间项。
表示第n-wn个单元时间窗的信控延误项。snlimit表示滞留车辆阈值，snlimit可以代表第n个单元时间窗的最大通行能力，可以通过下述公式(4)计算得到。cn-1表示第n-1个单元时间窗的时长。
公式(3)中，ttn,max表示第n个单元时间窗的参考行程时间数据集中的最大值。
公式(4)中，
表示第n-wn个单元时间窗的绿灯时长。Gn表示第n个单元时间窗的绿灯时长。h表示路段饱和车头时距，h可以由管理人员预设。绿灯时长和路段饱和车头时距的商可以用于表征通行能力。也即一个单元时间窗的通行能力为该单元时间窗的绿灯时长与饱和车头时距的商。
以下结合附图对本申请实施例提供的公式(2)进行解释。
图9为本申请实施例提供的信控延误项示意图。
如图9中的(a)所示，第n-1个单元时间窗内的尾部车辆组中的车辆a在第n-1个单元时间窗内的绿灯时长Gn-1内通过下游交叉口的停止线，车辆a的信控延误项即为0。第n个单元时间窗内的头部车辆组中的第一个车辆b在第n个单元时间窗的红灯时长Rn内达到下游交叉口的停止线，并在下游交叉口的停止线处等待红绿灯，第n个单元时间窗内的头部车辆组之后的车辆(例如图9中的车辆c)依次在车辆b之后排队等待，当排队等待的车辆小于第n个单元时间窗的最大通行能力时，排队等待红绿灯的车辆的最大等待时间为Rn。该等待过程可以表示为集散三角形(图9中以黑色粗线为例示出)。该集散三角形左侧的斜边可以称为排队集结波，该集散三角形左侧的斜边的斜率即为排队集结波速；该集散三角形右侧的斜边可以成为排队消散波；该集散三角形右侧的斜边的斜率即为排队消散波速。车辆d在排队集结波转换为排队消散波的交点处开始排队通过下游交叉口，此时车辆d的信控延误项为0。
如图9中的(b)所示，第n-1个单元时间窗内的尾部车辆组中的车辆a在第n-1个单元时间窗内的绿灯时长Gn-1内通过下游交叉口的停止线，车辆a的信控延误项即为0。第n个单元时间窗内的头部车辆组中的第一个车辆b在第n个单元时间窗的绿灯时长Gn内达到下游交叉口的停止线，并直接通过该停止线，该头部车辆组的其他车辆与车辆b类似，也即该头部车辆组的信控延误项为0。
图10为本申请实施例提供的极端交通事件情况下的信控延误项示意图。如图10所示，在第n-wn个单元时间窗的红灯时长Rn-wn内到达下游交叉口的停止线的车辆，原本应该在第n-wn个单元时间窗的绿灯时长Gn-wn内被释放，因为发生了极端拥堵的情况，直至拥堵到第n个单元时间窗的绿灯时长Gn内才被释放，此时的信控延误项即为从第n-wn单元时间窗到第n个单元时间窗之间的n-wn-1个单元时间窗(不包括第n个单元时间窗)的时长总和与第n个单元时间窗的红灯时长Rn的和。
又一种可能的实现方式中，如上述表1所示，原始行程数据还可以包括车辆穿过采样路段的下游交叉口的停车线的时刻。在这种情况下，上述电子设备根据第n-1个单元时间窗的参考行程时间数据集，确定所述第n个单元时间窗的超车延误项，可以具体包括：电子设备根据第一绝对值和车辆启动停车损失时间之间的最大值，确定尾部偏差项；第一绝对值为第一值和第二值之差的绝对值；第一值为第n个单元时间窗的红灯启亮时刻；第二值为第n-1个单元时间窗的最后一个车辆组中，第一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；电子设备根据第二绝对值和车辆启动停车损失时间之间的最大值，确定头部偏差项；第二绝对值为第三值和第四值之差的绝对值；第三值为第n个单元时间窗的第一个车辆组中，最后一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；第四值为第n个单元时间窗的绿灯启亮时刻；电子设备根据偏差项阈值和尾部偏差项与头部偏差项之和之间最大值，确定超车延误项。
可选地，参考行程时间数据集、以及超车延误项满足下述公式(5)至公式(7)：
Bn＝min(△t1+△t2,△tlimit) 公式(5)
公式(5)中，Bn表示第n个单元时间窗的超车延误项。△t1表示尾部偏差项，具体可以由下述公式(6)计算得到。△t2表示头部偏差项，具体可以由下述公式(7)计算得到。△tlimit表示偏差项阈值，该阈值可以由管理人员预设，例如该阈值可以设置为20秒。
公式(6)中，rstn表示第n个单元时间窗的红灯启亮时刻(或者说阻拦时长的起始时刻)，也可以理解为上述第一值。
表示第n-1个单元时间窗的最后一个(尾部)车辆组中第一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻，也可以理解为上述第二值。
也可以理解为上述第一绝对值。tloss表示车辆启动停车损失时间，tloss可以由管理人员预设，例如，tloss可以取3-6秒，本申请实施例对tloss的具体数值不作限制。
公式(7)中，
表示第n个单元时间窗的第一个车辆组中最后一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻，也可以理解为上述第三值。gstn表示第n个单元时间窗的绿灯启亮时刻(或者说放行时长的起始时刻)，也可以理解为上述第四值。
也可以理解为上述第二绝对值。
S103、电子设备根据自由时间项和延误项选取原始行程时间数据集中的噪声数据，以确定原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据。
一种可能的实现方式中，电子设备可以根据自由时间项和延误项确定最大行程时长阈值，并根据最大行程时长阈值选取原始行程时间数据集中的噪声数据。
例如，对原始行程时间数据集中的每一个原始行程时间数据，电子设备可以判断该原始行程时间数据是否大于最大行程时长阈值，当大于最大行程时长阈值时，电子设备选取该原始行程时间数据作为噪声数据并剔除。可选地，如上所述，延误项可以包括信控延误项和超车延误项。电子设备可以将信控延误项与超车延误项的和作为延误项。
可选地，延误项、信控延误项、以及超车延误项之间的关系可以满足下述公式(8)：
An＝Dn+Bn 公式(8)
公式(8)中，An表示第n个单元时间窗的延误项。
示例性地，图11为本申请实施例提供的剔除噪声数据示意图，如图11所示，第n-1个单元时间窗的尾部车辆组对应的参考行程时间子集
的上限值可以作为第n个单元时间窗的自由时间项。然后将信控延误项与超车延误项的和作为最大偏差值，根据第n个单元时间窗的自由时间项和第n个单元时间窗的最大偏差值得到第n个单元时间窗的最大行程时长阈值(图11中以粗实线为例示出)，原始行程时间数据集中第n个单元时间窗内大于该最大行程时长阈值的原始行程时间数据可以作为剔除的噪声数据，小于该最大行程时长阈值的原始行程时间数据可以作为保留的有效行程时间数据。
可选地，当原始行程时间数据大于最大行程时长阈值时，电子设备可以利用限幅滤波器选取(剔除)该原始行程时间数据(也即噪声数据)。
示例性地，图12为本申请实施例提供的限幅滤波器原理示意图。如图12所示，输入限幅滤波器的输入电压的最大值为6伏特(V)，将限幅滤波器输出的最大电压限制为3V，则限幅滤波器仅输出小于或等于3V的电压。类似地，对一个单元时间窗来说，假设根据该单元时间窗的最大行程时长阈值为时长1，则可以将该单元时间窗的原始行程时间数据的最大输出值限制为时长1，则电子设备可以输出原始行程时间数据集中小于或等于最大行程时长阈值的原始行程时间数据，从而实现对大于最大行程时长阈值的原始行程时间数据的剔除。
示例性地，以采样路段的车辆均为匀速行驶、无超车现象等理想状态为例，对本申请实施例提供的行程时间筛选方法的原理进行介绍。图13为本申请实施例提供的理想状态下的采样路段的延误示意图。如图13所示，车辆通过采样路段可以包括自由通过，等待红灯，等待排队集结波变为排队消散波和红灯三种延误模式。车辆a在时间窗1的红灯时长r1开始时刻达到下游交叉口的停止线处，则车辆a就会在红灯时长r1之后的绿灯时长g1才被释放，也即车辆a的延误时长为r1。车辆b在集散三角形的顶点处(由排队集结波转化为排队消散波时)开始排队通过下游交叉口，此时车辆b的延误时长为0。车辆c未排队，并在绿灯时长g1内直接通过下游交叉口的停止线，也即车辆c的延误时长为0。车辆d在时间窗2内遭遇排队集结波，在排队集结波处延误的时长即为集结三角形内，车辆d的轨迹线(图13中以字母d旁边的虚线为例示出)与排队集结波的交点所在的，与集结三角形的底边平行的线段的长度Dd，此外，车辆d在时间窗3也等待了红灯时长r3并在绿灯时长g3内被释放，因此车辆d的总延误时长为r3+Dd。车辆e与车辆d类似，总延误时长为r3+De，且车辆e在时间窗3的绿灯时长g3内被释放。车辆f与车辆a类似，延误时长为r4，且车辆f在时间窗3的绿灯时长g3内被释放。车辆g与车辆d类似，总延误时长为r4+Dg，且车辆g在时间窗4的绿灯时长g4内被释放。车辆h与车辆d类似，总延误时长为r4+Dh，且车辆h在时间窗4的绿灯时长g4内被释放。车辆i与车辆a类似，延误时长为r4，且车辆I在时间窗4的绿灯时长g4内被释放。车辆j与车辆c类似，延误时长为0，且车辆j在时间窗4的绿灯时长g4内被释放。
需要说明的是，图13中以理想状态为例进行了说明，实际道路中可能存在车辆超车、车辆加减速等因素，因此在最大偏差值中加入了超车延误项来评估这部分因素。
示例性地，图14为本申实施例提供的筛选效果示意图，如图14所示，根据原始行程时间数据集可以得到不同的单元时间窗的最大行程时长阈值(图14中以不同的时间段中的粗实线为例示出)，每个单元时间窗的原始行程时间数据中，大于该单元时间窗的最大行程时长阈值的原始行程时间数据可以作为噪声数据剔除，小于或等于该单元时间窗的最大行程时长阈值的原始行程时间数据可以作为有效数据保留。
应理解，当城市道路中存在中途停车等异常驾驶行为时，该异常驾驶行为产生的行程时间数据较大。本申请实施例提供的行程时间数据的筛选方法，可以将原始行程时间数据分为自由时间项和延误项，与相关技术的单峰分布的假设相比，更加符合城市道路的真实情况。
另外，相关技术中的噪声处理算法多为统计概率，噪声数据的解释性较差，本申请实施例提供的行程时间数据筛选方法中，根据自由时间项和延误项选取出来的噪声数据可以明确解释为中途停车的异常驾驶行为，可解释性更强。
一些实施例中，现实道路中，还可能存在部分超速的车辆，该超速的车辆的原始行程时间数据较小，也会影响行程时间数据的有效性。在这种情况下，上述S103之前，该方法还可以包括：电子设备根据采样路段的长度和最高限速确定最小行程时长阈值。上述S103可以具体包括：电子设备根据自由时间项和延误项确定最大行程时长阈值；电子设备根据最大行程时长阈值和最小行程时长阈值选取原始行程时间数据集中的噪声数据。
可选地，电子设备可以根据采样路段的长度和最高限速，按照下述公式(9)计算最小时长阈值。
t_minn＝l/Vlimit 公式(9)
公式(9)中，t_minn表示最小行程时长阈值。l表示采样路段的长度，l可以由管理人员预设，或者电子设备根据监控图像计算得到，本申请实施例对l的具体获取方式不作限制。Vlimit表示采样路段的最高限速。
可选地，电子设备可以按照下述公式(10)和公式(11)选取(剔除)原始行程时间数据集中的噪声数据。
t_maxn＝Fn+An 公式(10)
公式(10)中，t_maxn表示最大行程时长阈值。
Tn＝{TTji|t_minn<TTji<t_maxn} 公式(11)
公式(11)中，Tn表示第n个单元时间窗的有效行程时间数据集。TTji表示第n个单元时间窗的有效行程时间数据。公式(10)和公式(11)的含义为：电子设备可以剔除第n个单元时间窗的原始行程时间数据集中，小于最小行程时长阈值或者大于最大行程时长阈值的原始行程时间数据(噪声数据)，得到第n个单元时间窗的有效行程时间数据集。
示例性地，图15为本申请实施例提供的另一种筛选效果示意图。如图15所示，在上述图14中示出的多个单元时间窗的最大行程时长阈值的基础上，还可以得到多个单元时间窗的最小行程时长阈值(图15中以行程时长为0秒-50秒之间的粗实线为例示出)，每个单元时间窗的原始行程时间数据集中，小于该最小行程时长阈值的原始行程时间数据也可以被视为噪声数据删除。
以上为本申请实施例提供的行程时间数据的筛选方法的介绍。基于上述行程时间数据的筛选方法，本申请实施例还提供一种交通信号控制方法，可以利用上述行程时间数据的筛选方法筛选出来的有效行程时间数据控制红绿灯的周期，以实现信控优化和灵活调整交通流状态。可选地，该交通信号控制方法的执行主体可以是上述电子设备。图16为本申请实施例提供的交通信号控制方法的流程示意图。如图16所示，该方法可以包括S301和S302。
S301、电子设备获取待调整的红绿灯所在的采样路段的有效行程时间数据集。
其中，有效行程时间数据集是利用自由时间项和延误项，选取出原始行程时间数据集中的噪声数据之后得到的；原始行程时间数据包括多个原始行程时间数据；原始行程时间数据包括车辆通过采样路段的时长；自由时间项和延误项均是根据原始行程时间数据集确定的，自由时间项为车辆不受红绿灯信号的影响的情况下通过采样路段的时长；延误项用于表征车辆在采样路段的机动车道中受减速的影响而产生的延误时长。具体描述可以参照上述行程时间数据的筛选方法中所述，此处不再赘述。
S302、电子设备根据有效行程时间数据集调整待调整的红绿灯的信号周期。
其中，有效行程时间数据集可以包括一个或多个有效行程时间数据。
一种可能的实现方式中，电子设备可以首先根据有效行程时间数据集确定平均有效行程时长，并根据平均有效行程时长调整待调整的红绿灯的信号周期。
其中，平均有效行程时长为有效行程时间数据集中的一个或多个有效行程时间数据的平均值。
例如，平均有效行程时长越长，电子设备可以将待调整的红绿灯的红灯时长缩减，绿灯时长延长，平均有效行程时长越短，电子设备可以将待调整的红绿灯的红灯时长延长，绿灯时长缩短。
可选地，电子设备中可以预设有行程时长和红绿灯信号周期的对应关系。电子设备可以将平均有效行程时长作为索引，遍历行程时长和红绿灯信号周期的对应关系，确定目标信号周期，将待调整的红绿灯的信号周期调整为目标信号周期。
示例性地，电子设备中预设的行程时长和信号周期的对应关系可以如下述表2所示。
表2
如表1所示，电子设备中预设的行程时长和信号周期的对应关系可以包括行程时长项、信号周期项、红灯时长项、以及绿灯时长项。其中，行程时长项可以包括行程时长1、行程时长2、以及行程时长3。信号周期项可以包括周期1、周期2、以及周期3。红灯时长项可以包括红灯时长1、红灯时长2、以及红灯时长3。绿灯时长项可以包括绿灯时长1、绿灯时长2、以及绿灯时长3。行程时长1、周期1、红灯时长1、以及绿灯时长1之间具有对应关系。行程时长2、周期2、红灯时长2、以及绿灯时长2之间具有对应关系。行程时长3、周期3、红灯时长3、以及绿灯时长3之间具有对应关系。
另一种可能的实现方式中，电子设备可以确定有效行程时间数据集中数值最大的有效行程时间数据，并根据该数值最大的有效行程时间数据调整待调整的红绿灯的信号周期。具体调整过程可以参照上述平均有效行程时长所述，此处不再赘述。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术目标应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术目标可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在示例性的实施例中，本申请实施例还提供一种行程时间数据筛选装置，该装置可以应用于上述图3所示的电子设备。图17为本申请实施例提供的行程时间数据筛选装置的组成示意图。如图17所示，该装置可以包括获取模块1701和处理模块1702。获取模块1701和处理模块1702连接。
获取模块1701，用于获取原始行程时间数据集，原始行程时间数据集包括多个原始时间行程数据，原始行程时间数据包括车辆通过采样路段的时长。
处理模块1702，用于根据原始行程时间数据集，确定自由时间项和延误项；自由时间项为车辆不受交通信号的影响的情况下通过采样路段的时长；延误项用于表征车辆在采样路段的机动车道中受减速的影响而产生的延误时长；根据自由时间项和延误项选取原始行程时间数据集中的噪声数据，以确定原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据。
可选地，获取模块1701，具体用于以采样路段的下游交叉口的交通信号周期为单元时间窗获取原始行程时间数据集。
一种可能的实现方式中，延误项包括信控延误项和超车延误项。处理模块1702，具体用于根据原始行程时间数据集，确定自由时间项、信控延误项以及超车延误项；信控延误项为车辆受交通信号的影响而产生的延误时长；超车延误项为车辆受其他车辆超车的影响而产生的延误时长。
可选地，采样路段为两个相邻的交叉口之间的路段。
一种可能的实现方式中，处理模块1702，具体用于根据车辆通过采样路段的上游交叉口的交通信号周期的次序，将车辆划分为多个车辆组；每个车辆组包括一辆或多辆车辆；根据车辆组对原始行程时间数据集分组，得到参考行程时间数据集；参考行程时间数据集包括与多个车辆组一一对应的参考行程时间数据子集；每个参考行程时间数据子集包括一个或多个原始行程时间数据；根据参考行程时间数据集，计算自由时间项、信控延误以及超车延误项。
可选地，原始行程时间数据集是以采样路段的下游交叉口的交通信号周期为单元时间窗采集的；原始行程时间数据集包括第n个单元时间窗的原始行程时间数据集和第n个单元时间窗之前的单元时间窗的原始行程时间数据集；n为正整数。处理模块1702，具体用于根据第n-1个单元时间窗的参考行程时间数据集，确定第n个单元时间窗的自由时间项和超车延误项；根据第n个单元时间窗之前与第n个单元时间窗相邻的，或者第n个单元时间窗之前的与第n个单元时间窗不相邻的单元时间窗的参考行程时间数据集，确定第n个单元时间窗的信控延误项。
可选地，处理模块1702，具体用于若第n-1个单元时间窗内存在车辆组对应的参考行程时间数据集子集，且最后一个车辆组对应的参考行程时间数据子集中的原始行程时间数据的数量大于U，则将最后一个车辆组对应的参考行程时间数据子集的上限值作为第n个单元时间窗的自由时间项；U为正整数；若第n-1个单元时间窗内存在车辆组对应的参考行程时间数据集子集，但是最后一个车辆组对应的参考行程时间数据子集中的原始行程时间数据的数量小于或等于U，则将自由项估计系数和第n个单元时间窗的红灯时长的积与最后一个车辆组对应的参考行程时间数据子集的中位值的和，作为第n个单元时间窗的自由时间项；若第n-1个单元时间窗内不存在车辆组对应的参考行程时间数据集子集，则将自由项估计系数和第n个单元时间窗的红灯时长的积与第n-1个单元时间窗的自由时间项之间的最大值作为第n个单元时间窗的自由时间项。
可选地，参考行程时间数据集、以及所述自由时间项满足如下表达式：
其中，Fn表示第n个单元时间窗的自由时间项；
表示第n-1个单元时间窗的参考行程时间数据集中最后一个车辆组对应的参考行程时间数据子集；
表示按照箱型图算子计算
的箱型图上限值；Ntail表示
中原始行程时间数据的个数；
表示
的中位值；α表示自由项估计系数；Rn表示第n个单元时间窗的阻拦时长；Fn-1表示第n-1个单元时间窗的自由时间项；ftt表示预设的车辆通过采样路段的自由流行程时间。
可选地，处理模块1702，具体用于若第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数为0，则将信控延误项估计系数与第n个单元时间窗的阻拦时长的积作为第n个单元时间窗的信控延误项；当第n个单元时间窗的参考行程时间数据集中的最大值大于第n个单元时间窗的自由时间项时，信控延误项估计系数取1；当第n个单元时间窗的参考行程时间数据集中的最大值小于第n个单元时间窗的自由时间项时，信控延误项估计系数取0；若第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数不为0，且第n个单元时间窗的滞留车辆估计值小于滞留车辆阈值，则将第n个单元时间窗的阻拦时长作为第n个单元时间窗的信控延误项；若第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数不为0，且第n个单元时间窗的滞留车辆估计值大于或等于滞留车辆阈值，则将第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的时长总和与第n个单元时间窗的阻拦时长的和作为第n个单元时间窗的信控延误项；第n个单元时间窗的滞留车辆估计值为第n个单元时间窗内的第一原始行程时间数据的个数，第一原始行程时间数据大于第n个单元时间窗之前第一个存在原始行程时间数据的单元时间窗的自由时间项与信控延误项的和；滞留车辆阈值为，第n个单元时间窗的通行能力与在第n个单元时间窗之前第一个存在原始行程时间数据的单元时间窗的通行能力之间的最小值。
可选地，参考行程时间数据集、以及信控延误项满足如下表达式：
其中，Dn表示第n个单元时间窗的信控延误项；θ表示信控延误项估计系数；wn表示第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数；sn表示滞留车辆估计值，sn等于第n个单元时间窗内大于
的原始行程时间数据的个数；
表示第n-wn个单元时间窗的自由时间项；
表示第n-wn个单元时间窗的信控延误项；snlimit表示滞留车辆阈值；cn-1表示第n-1个单元时间窗的时长；ttn,max表示第n个单元时间窗的参考行程时间数据集中的最大值；
表示第n-wn个单元时间窗的放行时长；Gn表示第n个单元时间窗的放行时长；h表示路段饱和车头时距。
可选地，处理模块1702，具体用于根据第一绝对值和车辆启动停车损失时间之间的最大值，确定尾部偏差项；第一绝对值为第一值和第二值之差的绝对值；第一值为第n个单元时间窗的红灯启亮时刻；第二值为第n-1个单元时间窗的最后一个车辆组中，第一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；根据第二绝对值和车辆启动停车损失时间之间的最大值，确定头部偏差项；第二绝对值为第三值和第四值之差的绝对值；第三值为第n个单元时间窗的第一个车辆组中，最后一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；第四值为第n个单元时间窗的绿灯启亮时刻；根据偏差项阈值和尾部偏差项与头部偏差项之和之间最小值，确定超车延误项。
可选地，参考行程时间数据集、以及超车延误项满足如下表达式：
Bn＝min(△t1+△t2,△tlimit)
其中，Bn表示第n个单元时间窗的超车延误项；△t1表示尾部偏差项；△t2表示头部偏差项；△tlimit表示偏差项阈值；tloss表示车辆启动停车损失时间；rstn表示第n个单元时间窗的阻拦时长的起始时刻；
表示第n-1个单元时间窗的最后一个车辆组中第一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；
表示第n个单元时间窗的第一个车辆组中最后一辆穿过采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；gstn表示第n个单元时间窗的放行时长的起始时刻。
可选地，处理模块1702，还用于在根据自由时间项和延误项选取原始行程时间数据集中的噪声数据之前，根据采样路段的长度和最高限速确定最小行程时长阈值。处理模块1702，具体用于根据自由时间项和延误项确定最大行程时长阈值；根据最大行程时长阈值和最小行程时长阈值选取原始行程时间数据集中的噪声数据，以确定原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据。
在示例性的实施例中，本申请实施例还提供一种交通信号控制装置，该装置可以应用于上述电子设备，图18为本申请实施例提供的交通信号控制装置的组成示意图。如图18所示，该装置可以包括获取模块1801和处理模块1802。获取模块1801和处理模块1802连接。
获取模块1801，用于获取待调整的红绿灯所在的采样路段的有效行程时间数据集；有效行程时间数据集是利用自由时间项和延误项，选取出原始行程时间数据集中的噪声数据之后得到的；原始行程时间数据包括多个原始行程时间数据；原始行程时间数据包括车辆通过采样路段的时长；自由时间项和延误项均是根据原始行程时间数据集确定的，自由时间项为车辆不受红绿灯信号的影响的情况下通过采样路段的时长；延误项用于表征车辆在采样路段的机动车道中受减速的影响而产生的延误时长。
处理模块1802，用于根据有效行程时间数据集调整待调整的红绿灯的信号周期。
需要说明的是，图17和图18中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如，还可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
在示例性的实施例中，本申请实施例还提供了一种可读存储介质，包括软件指令，当其在电子设备上运行时，使得电子设备执行上述实施例提供的任意一种方法。
在示例性的实施例中，本申请实施例还提供了一种包含计算机执行指令的计算机程序产品，当其在电子设备上运行时，使得电子设备执行上述实施例提供的任意一种方法。
在示例性的实施例中，本申请实施例还提供了一种芯片，包括：处理器和接口，处理器通过接口与存储器耦合，当处理器执行存储器中的计算机程序或电子设备执行指令时，使得上述实施例提供的任意一种方法被执行。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机执行指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机执行指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机执行指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(Comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。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。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (17)
1.一种行程时间数据的筛选方法，其特征在于，所述方法包括：
获取原始行程时间数据集，所述原始行程时间数据集包括多个原始时间行程数据，所述原始行程时间数据包括车辆通过采样路段的时长；
根据所述原始行程时间数据集，确定自由时间项和延误项；所述自由时间项为所述车辆不受交通信号的影响的情况下通过所述采样路段的时长；所述延误项用于表征所述车辆在所述采样路段的机动车道中受减速的影响而产生的延误时长；
根据所述自由时间项和所述延误项选取所述原始行程时间数据集中的噪声数据，以确定所述原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据。
2.根据权利要求1所述的方法，其特征在于，所述延误项包括信控延误项和超车延误项；所述根据所述原始行程时间数据集，确定自由时间项和延误项，包括：
根据所述原始行程时间数据集，确定自由时间项、信控延误项以及超车延误项；所述信控延误项为所述车辆受交通信号的影响而产生的延误时长；所述超车延误项为所述车辆受其他车辆超车的影响而产生的延误时长。
3.根据权利要求2所述的方法，其特征在于，所述采样路段为两个相邻的交叉口之间的路段。
4.根据权利要求3所述的方法，其特征在于，所述根据所述原始行程时间数据集，确定自由时间项、信控延误项以及超车延误项，包括：
根据所述车辆通过所述采样路段的上游交叉口的交通信号周期的次序，将所述车辆划分为多个车辆组；每个所述车辆组包括一辆或多辆所述车辆；
根据所述车辆组对所述原始行程时间数据集分组，得到参考行程时间数据集；所述参考行程时间数据集包括与所述多个车辆组一一对应的参考行程时间数据子集；每个所述参考行程时间数据子集包括一个或多个原始行程时间数据；
根据所述参考行程时间数据集，计算所述自由时间项、所述信控延误以及所述超车延误项。
5.根据权利要求4所述的方法，其特征在于，所述原始行程时间数据集是以所述采样路段的下游交叉口的交通信号周期为单元时间窗采集的；所述原始行程时间数据集包括第n个单元时间窗的原始行程时间数据集和所述第n个单元时间窗之前的单元时间窗的原始行程时间数据集；n为正整数；
所述根据所述参考行程时间数据集，确定所述自由时间项、所述信控延误项以及所述超车延误项，包括：
根据第n-1个单元时间窗的参考行程时间数据集，确定所述第n个单元时间窗的自由时间项和超车延误项；
根据所述第n个单元时间窗之前与所述第n个单元时间窗相邻的，或者所述第n个单元时间窗之前的与所述第n个单元时间窗不相邻的单元时间窗的参考行程时间数据集，确定所述第n个单元时间窗的信控延误项。
6.根据权利要求5所述的方法，其特征在于，所述根据第n-1个单元时间窗的参考行程时间数据集，确定所述第n个单元时间窗的自由时间项，包括：
若第n-1个单元时间窗内存在所述车辆组对应的参考行程时间数据集子集，且最后一个所述车辆组对应的参考行程时间数据子集中的原始行程时间数据的数量大于U，则将最后一个所述车辆组对应的参考行程时间数据子集的上限值作为第n个单元时间窗的自由时间项；U为正整数；
若所述第n-1个单元时间窗内存在所述车辆组对应的参考行程时间数据集子集，但是最后一个所述车辆组对应的参考行程时间数据子集中的原始行程时间数据的数量小于或等于U，则将自由项估计系数和所述第n个单元时间窗的红灯时长的积与最后一个所述车辆组对应的参考行程时间数据子集的中位值的和，作为所述第n个单元时间窗的自由时间项；
若所述第n-1个单元时间窗内不存在所述车辆组对应的参考行程时间数据集子集，则将所述自由项估计系数和所述第n个单元时间窗的红灯时长的积与所述第n-1个单元时间窗的自由时间项之间的最大值作为所述第n个单元时间窗的自由时间项。
7.根据权利要求6所述的方法，其特征在于，所述参考行程时间数据集、以及所述自由时间项满足如下表达式：
其中，Fn表示所述第n个单元时间窗的自由时间项；
表示所述第n-1个单元时间窗的参考行程时间数据集中最后一个所述车辆组对应的参考行程时间数据子集；
表示按照箱型图算子计算
的箱型图上限值；Ntail表示
中原始行程时间数据的个数；
表示
的中位值；α表示所述自由项估计系数；Rn表示所述第n个单元时间窗的阻拦时长；Fn-1表示所述第n-1个单元时间窗的自由时间项；ftt表示预设的车辆通过所述采样路段的自由流行程时间。
8.根据权利要求5所述的方法，其特征在于，所述根据所述第n个单元时间窗之前与所述第n个单元时间窗相邻的，或者所述第n个单元时间窗之前的与所述第n个单元时间窗不相邻的单元时间窗的参考行程时间数据集，确定所述第n个单元时间窗的信控延误项，包括：
若第n个单元时间窗之前不存在所述原始行程时间数据的单元时间窗的个数为0，则将信控延误项估计系数与所述第n个单元时间窗的阻拦时长的积作为所述第n个单元时间窗的信控延误项；
当所述第n个单元时间窗的参考行程时间数据集中的最大值大于所述第n个单元时间窗的自由时间项时，所述信控延误项估计系数取1；
当所述第n个单元时间窗的参考行程时间数据集中的最大值小于所述第n个单元时间窗的自由时间项时，所述信控延误项估计系数取0；
若第n个单元时间窗之前不存在所述原始行程时间数据的单元时间窗的个数不为0，且所述第n个单元时间窗的滞留车辆估计值小于滞留车辆阈值，则将所述第n个单元时间窗的阻拦时长作为所述第n个单元时间窗的信控延误项；
若第n个单元时间窗之前不存在所述原始行程时间数据的单元时间窗的个数不为0，且所述第n个单元时间窗的滞留车辆估计值大于或等于所述滞留车辆阈值，则将所述第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的时长总和与所述第n个单元时间窗的阻拦时长的和作为所述第n个单元时间窗的信控延误项；
所述第n个单元时间窗的滞留车辆估计值为所述第n个单元时间窗内的第一原始行程时间数据的个数，所述第一原始行程时间数据大于所述第n个单元时间窗之前第一个存在原始行程时间数据的单元时间窗的自由时间项与信控延误项的和；
所述滞留车辆阈值为，所述第n个单元时间窗的通行能力与在所述第n个单元时间窗之前第一个存在原始行程时间数据的单元时间窗的通行能力之间的最小值。
9.根据权利要求8所述的方法，其特征在于，所述参考行程时间数据集、以及所述信控延误项满足如下表达式：
其中，Dn表示所述第n个单元时间窗的信控延误项；θ表示所述信控延误项估计系数；wn表示所述第n个单元时间窗之前不存在原始行程时间数据的单元时间窗的个数；sn表示所述滞留车辆估计值，sn等于第n个单元时间窗内大于
的原始行程时间数据的个数；
表示第n-wn个单元时间窗的自由时间项；
表示第n-wn个单元时间窗的信控延误项；snlimit表示所述滞留车辆阈值；cn-1表示第n-1个单元时间窗的时长；ttn,max表示所述第n个单元时间窗的参考行程时间数据集中的最大值；
表示所述第n-wn个单元时间窗的放行时长；Gn表示所述第n个单元时间窗的放行时长；h表示所述路段饱和车头时距。
10.根据权利要求5所述的方法，其特征在于，所述原始行程时间数据还包括车辆穿过所述采样路段的下游交叉口的停车线的时刻；所述根据第n-1个单元时间窗的参考行程时间数据集，确定所述第n个单元时间窗的超车延误项，包括：
根据第一绝对值和车辆启动停车损失时间之间的最大值，确定尾部偏差项；所述第一绝对值为第一值和第二值之差的绝对值；所述第一值为第n个单元时间窗的红灯启亮时刻；所述第二值为第n-1个单元时间窗的最后一个所述车辆组中，第一辆穿过所述采样路段的下游交叉口的停止线的车辆穿过所述采样路段的下游交叉口的停止线的时刻；
根据第二绝对值和所述车辆启动停车损失时间之间的最大值，确定头部偏差项；所述第二绝对值为第三值和第四值之差的绝对值；所述第三值为所述第n个单元时间窗的第一个车辆组中，最后一辆穿过所述采样路段的下游交叉口的停止线的车辆穿过所述采样路段的下游交叉口的停止线的时刻；所述第四值为所述第n个单元时间窗的绿灯启亮时刻；
根据偏差项阈值和所述尾部偏差项与头部偏差项之和之间最小值，确定所述超车延误项。
11.根据权利要求10所述的方法，其特征在于，所述参考行程时间数据集、以及所述超车延误项满足如下表达式：
Bn＝min(△t1+△t2,△tlimit)
其中，Bn表示第n个单元时间窗的超车延误项；△t1表示尾部偏差项；△t2表示头部偏差项；△tlimit表示偏差项阈值；tloss表示车辆启动停车损失时间；rstn表示第n个单元时间窗的阻拦时长的起始时刻；
表示第n-1个单元时间窗的最后一个所述车辆组中第一辆穿过所述采样路段的下游交叉口的停止线的车辆穿过所述采样路段的下游交叉口的停止线的时刻；
表示第n个单元时间窗的第一个所述车辆组中最后一辆穿过所述采样路段的下游交叉口的停止线的车辆穿过采样路段的下游交叉口的停止线的时刻；gstn表示第n个单元时间窗的放行时长的起始时刻。
12.根据权利要求1所述的方法，其特征在于，在所述根据所述自由时间项和所述延误项选取所述原始行程时间数据集中的噪声数据之前，所述方法还包括：根据所述采样路段的长度和最高限速确定最小行程时长阈值；
所述根据所述自由时间项和所述延误项选取所述原始行程时间数据集中的噪声数据，以确定所述原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据，包括：根据所述自由时间项和所述延误项确定最大行程时长阈值；
根据所述最大行程时长阈值和所述最小行程时长阈值选取所述原始行程时间数据集中的噪声数据，以确定所述原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据。
13.一种交通信号控制方法，其特征在于，所述方法包括：
获取待调整的红绿灯所在的采样路段的有效行程时间数据集；所述有效行程时间数据集是利用自由时间项和延误项，选取出原始行程时间数据集中的噪声数据之后得到的；所述原始行程时间数据包括多个原始行程时间数据；所述原始行程时间数据包括车辆通过所述采样路段的时长；所述自由时间项和所述延误项均是根据所述原始行程时间数据集确定的，所述自由时间项为所述车辆不受红绿灯信号的影响的情况下通过所述采样路段的时长；所述延误项用于表征所述车辆在所述采样路段的机动车道中受减速的影响而产生的延误时长；
根据所述有效行程时间数据集调整所述待调整的红绿灯的信号周期。
14.一种行程时间数据的筛选装置，其特征在于，所述装置包括：获取模块和处理模块；
所述获取模块，用于获取原始行程时间数据集，所述原始行程时间数据集包括多个原始时间行程数据，所述原始行程时间数据包括车辆通过采样路段的时长；
所述处理模块，用于根据所述原始行程时间数据集，确定自由时间项和延误项；所述自由时间项为所述车辆不受交通信号的影响的情况下通过所述采样路段的时长；所述延误项用于表征所述车辆在所述采样路段的机动车道中受减速的影响而产生的延误时长；根据所述自由时间项和所述延误项选取所述原始行程时间数据集中的噪声数据，以确定所述原始行程时间数据集中噪声数据之外的原始行程时间数据为有效行程时间数据。
15.一种交通信号控制装置，其特征在于，所述装置包括：获取模块和处理模块；
所述获取模块，用于获取待调整的红绿灯所在的采样路段的有效行程时间数据集；所述有效行程时间数据集是利用自由时间项和延误项，选取出原始行程时间数据集中的噪声数据之后得到的；所述原始行程时间数据包括多个原始行程时间数据；所述原始行程时间数据包括车辆通过所述采样路段的时长；所述自由时间项和所述延误项均是根据所述原始行程时间数据集确定的，所述自由时间项为所述车辆不受红绿灯信号的影响的情况下通过所述采样路段的时长；所述延误项用于表征所述车辆在所述采样路段的机动车道中受减速的影响而产生的延误时长；
所述处理模块，用于根据所述有效行程时间数据集调整所述待调整的红绿灯的信号周期。
16.一种电子设备，其特征在于，所述电子设备包括处理器和存储器；
所述存储器存储有所述处理器可执行的指令；
所述处理器被配置为执行所述指令时，使得所述电子设备实现如权利要求1-13任一项所述的方法。
17.一种可读存储介质，其特征在于，所述可读存储介质包括：软件指令；
当所述软件指令在电子设备中运行时，使得所述电子设备实现如权利要求1-13任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210699911.2A CN115019525B (zh) | 2022-06-20 | 2022-06-20 | 行程时间数据的筛选方法和交通信号控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210699911.2A CN115019525B (zh) | 2022-06-20 | 2022-06-20 | 行程时间数据的筛选方法和交通信号控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115019525A true CN115019525A (zh) | 2022-09-06 |
| CN115019525B CN115019525B (zh) | 2024-06-11 |
Family
ID=83077206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210699911.2A Active CN115019525B (zh) | 2022-06-20 | 2022-06-20 | 行程时间数据的筛选方法和交通信号控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115019525B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116842018A (zh) * | 2023-07-06 | 2023-10-03 | 江西桔贝科技有限公司 | 一种大数据的筛选方法和系统 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002342893A (ja) * | 2001-05-17 | 2002-11-29 | Natl Inst For Land & Infrastructure Management Mlit | 交通情報処理方法及び交通情報処理システム |
| KR20040060624A (ko) * | 2002-12-30 | 2004-07-06 | 에스케이 주식회사 | 교통정보 제공장치에서의 원시자료 수집 제공 장치 |
| CN101727746A (zh) * | 2009-09-18 | 2010-06-09 | 苏州大学 | 信号灯控制的城市道路机动车动态行程时间估计方法 |
| CN101777259A (zh) * | 2010-01-22 | 2010-07-14 | 同济大学 | 城市道路交叉路口平均延误获取方法 |
| CN104123837A (zh) * | 2013-04-28 | 2014-10-29 | 上海济祥智能交通科技有限公司 | 基于微波和视频数据融合的间断流行程时间估计方法 |
| CN106530695A (zh) * | 2016-11-09 | 2017-03-22 | 宁波大学 | 基于车联网的城市干道车辆行程时间实时预测方法 |
| CN107945511A (zh) * | 2017-11-20 | 2018-04-20 | 中兴软创科技股份有限公司 | 一种交叉口延误时间的计算方法 |
| CN108335485A (zh) * | 2018-01-31 | 2018-07-27 | 夏莹杰 | 基于车牌识别数据的大事件交通动态仿真拥堵预测的方法 |
| KR20180121821A (ko) * | 2017-05-01 | 2018-11-09 | 목원대학교 산학협력단 | 구간통행시간 및 신호지체 추정방법 |
| CN108898831A (zh) * | 2018-06-25 | 2018-11-27 | 广州市市政工程设计研究总院有限公司 | 基于道路高清卡口数据的路段状况评估方法及系统 |
| CN109472985A (zh) * | 2017-09-07 | 2019-03-15 | 济南全通信息科技有限公司 | 基于路段旅行时间的实际交通需求流量估计方法 |
| US20190122546A1 (en) * | 2017-06-12 | 2019-04-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for analyzing and adjusting road conditions |
| US20200043254A1 (en) * | 2017-04-11 | 2020-02-06 | Denso Corporation | Data storage device of vehicle |
| KR20200053316A (ko) * | 2018-11-08 | 2020-05-18 | 주식회사 데이터위즈 | 구간통행시간 및 신호지체 추정방법 |
| CN111754771A (zh) * | 2020-06-22 | 2020-10-09 | 中山大学 | 一种基于交通信号和密度延误的个体行程时间预测方法 |
| CN111882859A (zh) * | 2020-06-04 | 2020-11-03 | 北京百度网讯科技有限公司 | 交通车道的通行调整方法和装置 |
| CN112053558A (zh) * | 2020-08-25 | 2020-12-08 | 青岛海信网络科技股份有限公司 | 一种交通拥堵状态识别方法及装置和设备 |
| CN114023065A (zh) * | 2021-11-03 | 2022-02-08 | 沈阳世纪高通科技有限公司 | 一种利用视频解析数据智能诊断路口服务等级的算法 |
-
2022
- 2022-06-20 CN CN202210699911.2A patent/CN115019525B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002342893A (ja) * | 2001-05-17 | 2002-11-29 | Natl Inst For Land & Infrastructure Management Mlit | 交通情報処理方法及び交通情報処理システム |
| KR20040060624A (ko) * | 2002-12-30 | 2004-07-06 | 에스케이 주식회사 | 교통정보 제공장치에서의 원시자료 수집 제공 장치 |
| CN101727746A (zh) * | 2009-09-18 | 2010-06-09 | 苏州大学 | 信号灯控制的城市道路机动车动态行程时间估计方法 |
| CN101777259A (zh) * | 2010-01-22 | 2010-07-14 | 同济大学 | 城市道路交叉路口平均延误获取方法 |
| CN104123837A (zh) * | 2013-04-28 | 2014-10-29 | 上海济祥智能交通科技有限公司 | 基于微波和视频数据融合的间断流行程时间估计方法 |
| CN106530695A (zh) * | 2016-11-09 | 2017-03-22 | 宁波大学 | 基于车联网的城市干道车辆行程时间实时预测方法 |
| US20200043254A1 (en) * | 2017-04-11 | 2020-02-06 | Denso Corporation | Data storage device of vehicle |
| KR20180121821A (ko) * | 2017-05-01 | 2018-11-09 | 목원대학교 산학협력단 | 구간통행시간 및 신호지체 추정방법 |
| US20190122546A1 (en) * | 2017-06-12 | 2019-04-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for analyzing and adjusting road conditions |
| CN109472985A (zh) * | 2017-09-07 | 2019-03-15 | 济南全通信息科技有限公司 | 基于路段旅行时间的实际交通需求流量估计方法 |
| CN107945511A (zh) * | 2017-11-20 | 2018-04-20 | 中兴软创科技股份有限公司 | 一种交叉口延误时间的计算方法 |
| CN108335485A (zh) * | 2018-01-31 | 2018-07-27 | 夏莹杰 | 基于车牌识别数据的大事件交通动态仿真拥堵预测的方法 |
| CN108898831A (zh) * | 2018-06-25 | 2018-11-27 | 广州市市政工程设计研究总院有限公司 | 基于道路高清卡口数据的路段状况评估方法及系统 |
| KR20200053316A (ko) * | 2018-11-08 | 2020-05-18 | 주식회사 데이터위즈 | 구간통행시간 및 신호지체 추정방법 |
| CN111882859A (zh) * | 2020-06-04 | 2020-11-03 | 北京百度网讯科技有限公司 | 交通车道的通行调整方法和装置 |
| CN111754771A (zh) * | 2020-06-22 | 2020-10-09 | 中山大学 | 一种基于交通信号和密度延误的个体行程时间预测方法 |
| CN112053558A (zh) * | 2020-08-25 | 2020-12-08 | 青岛海信网络科技股份有限公司 | 一种交通拥堵状态识别方法及装置和设备 |
| CN114023065A (zh) * | 2021-11-03 | 2022-02-08 | 沈阳世纪高通科技有限公司 | 一种利用视频解析数据智能诊断路口服务等级的算法 |
Non-Patent Citations (1)
| Title |
|---|
| 智路平 等: "考虑服务水平的路段随机动态行程时间可靠性", 中山大学学报, vol. 56, no. 4, pages 51 - 57 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116842018A (zh) * | 2023-07-06 | 2023-10-03 | 江西桔贝科技有限公司 | 一种大数据的筛选方法和系统 |
| CN116842018B (zh) * | 2023-07-06 | 2024-02-23 | 上海比滋特信息技术有限公司 | 一种大数据的筛选方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115019525B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108417057B (zh) | 一种智能信号灯配时系统 | |
| US20130093895A1 (en) | System for collision prediction and traffic violation detection | |
| CN106355885A (zh) | 基于大数据分析平台的交通信号动态控制方法及系统 | |
| Marczak et al. | Key variables of merging behaviour: empirical comparison between two sites and assessment of gap acceptance theory | |
| CN108615378A (zh) | 一种双向多车道斑马线路口的红绿灯时间调控方法 | |
| CN109754598B (zh) | 一种拥堵组团识别方法及系统 | |
| CN112712712B (zh) | 确定车辆排队信息的方法、装置、路侧设备和云控平台 | |
| CN109661692B (zh) | 交通事件预测方法、装置及终端设备 | |
| Yao et al. | The smart black box: A value-driven high-bandwidth automotive event data recorder | |
| CN115019525A (zh) | 行程时间数据的筛选方法和交通信号控制方法 | |
| CN113870564A (zh) | 一种封闭路段交通拥堵分类方法、系统、电子设备及存储介质 | |
| CN113276874A (zh) | 一种车辆行驶轨迹处理方法及相关装置 | |
| CN115601983A (zh) | 交通信号灯的周期时长确定方法、装置、设备和存储介质 | |
| CN115188189A (zh) | 支撑自动驾驶货车车辆队列运行的专用车道动态设置方法 | |
| Lakouari et al. | Velocity correlations in the Nagel–Schreckenberg model | |
| CN112133116B (zh) | 一种基于交通预测的车道管控系统 | |
| CN111047880A (zh) | 路网的交通控制方法、装置、存储介质和管理设备 | |
| CN112598900A (zh) | 实现城市干线道路交通协调优化控制的评价处理系统、方法、装置、处理器及其存储介质 | |
| CN116311913B (zh) | 一种基于ai视频智能分析的高速路段拥堵分析方法及系统 | |
| CN112037541A (zh) | 一种交通灯的控制方法、装置及计算机设备 | |
| CN115273468B (zh) | 一种交通拥堵控制策略生成方法及装置 | |
| CN115100847A (zh) | 面向低渗透率网联车轨迹数据的排队服务时间估计方法 | |
| Khajeh-Hosseini et al. | A novel clustering approach to identify vehicles equipped with adaptive cruise control in a vehicle trajectory data | |
| CN112837529B (zh) | 数据处理方法及系统、采集装置、处理器以及存储介质 | |
| CN113112824A (zh) | 一种道路调控方法、装置、智能终端及存储介质 |
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 |