CN115240440B - 道路拥堵管控系统、方法、设备及存储介质 - Google Patents
道路拥堵管控系统、方法、设备及存储介质 Download PDFInfo
- Publication number
- CN115240440B CN115240440B CN202210903087.8A CN202210903087A CN115240440B CN 115240440 B CN115240440 B CN 115240440B CN 202210903087 A CN202210903087 A CN 202210903087A CN 115240440 B CN115240440 B CN 115240440B
- Authority
- CN
- China
- Prior art keywords
- road
- traffic flow
- flow data
- road section
- outlet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013507 mapping Methods 0.000 claims description 92
- 238000007726 management method Methods 0.000 claims description 33
- 230000001276 controlling effect Effects 0.000 claims description 24
- 238000012360 testing method Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种道路拥堵管控系统、方法、设备及存储介质,属于智能交通技术领域。其包括:部署于预设路段的传感器组和输出控制设备;预设路段包括主干道、分叉路口、第一分支干道和第二分支干道,主干道经分叉路口分为第一分支干道和第二分支干道;传感器组用于采集部署路段处的车流数据,包括部署于主干道的第一传感器和第二传感器,部署于第一分支干道的第三传感器和第四传感器,部署于第二分支干道的第五传感器和第六传感器;输出控制设备包括部署于第一分支干道的第一出口处的至少一个第一输出控制设备,和部署于第二分支干道的第二出口处的至少一个第二输出控制设备。可以解决道路拥堵管控困难的问题。可以提高道路拥堵管控的效果。
Description
技术领域
本申请属于智能交通技术领域,具体涉及道路拥堵管控系统、方法、设备及存储介质。
背景技术
近年来,随着道路行驶车辆的增多,道路拥堵的情况也在增多,尤其是高速公路出口处,拥堵情况愈加增多。无论是从高速收费效益、用户的燃油经济性和时间厌恶造成的损失,还是社会效益等方面,都应尽力避免拥堵。
传统的道路拥堵管控方法,包括:在当前道路中发生拥堵后,对拥堵中的车量进行诱导通行。
然而,在道路拥堵发生后再进行管控,需要耗费大量的时间和资源,存在道路拥堵管控困难的问题。
发明内容
本申请提供了道路拥堵管控系统、方法、设备及存储介质,可以解决道路拥堵管控困难的问题。本申请提供如下技术方案:
第一方面,提供了一种道路拥堵管控系统,包括:部署于预设路段的传感器组和输出控制设备;所述预设路段包括主干道、分叉路口、第一分支干道和第二分支干道,所述主干道经所述分叉路口分为所述第一分支干道和所述第二分支干道;所述传感器组用于采集部署路段处的车流数据,包括:部署于所述主干道的第一传感器和第二传感器,部署于所述第一分支干道的第三传感器和第四传感器,部署于所述第二分支干道的第五传感器和第六传感器;所述输出控制设备包括部署于所述第一分支干道的第一出口处的至少一个第一输出控制设备,和部署于所述第二分支干道的第二出口处的至少一个第二输出控制设备。
可选地,所述第一传感器部署于所述主干道的第一路段;所述第二传感器部署于所述主干道的第二路段;所述第二路段位于所述第一路段与所述分叉路口之间;所述第三传感器部署于所述第一分支干道的第三路段;所述第四传感器部署于所述第一分支干道的第四路段;所述第三路段位于所述第四路段与所述分叉路口之间;所述第五传感器部署于所述第二分支干道的第五路段;所述第六传感器部署于所述第二分支干道的第六路段;所述第五路段位于所述第六路段与所述分叉路口之间。
可选地,所述系统还包括预测设备;所述预测设备分别与所述传感器组和所述输出控制设备建立有通信连接;所述预测设备,用于基于接收到的所述传感器组和所述输出控制设备采集的样本车流数据集合,构建至少6个映射关系;基于所述至少6个映射关系和所述传感器组采集的所述主干道的输入车流数据,预测得到所述第一出口处的出口车流数据和所述第二出口处的出口车流数据。
可选地,所述样本车流数据集合包括所述传感器组采集的所述第一路段的样本车流数据集合、所述第二路段的样本车流数据集合、所述第三路段的样本车流数据集合、所述第四路段的样本车流数据集合、所述第五路段的样本车流数据集合、所述第六路段的样本车流数据集合、所述输出控制设备采集的所述第一出口处的样本车流数据集合和所述第二出口处的样本车流数据集合;
相应地,所述构建至少6个映射关系,包括:
基于所述第一路段的样本车流数据集合和所述第二路段的样本车流数据集合,构建得到第一映射关系;
基于所述第二路段的样本车流数据集合、所述第三路段的样本车流数据集合和所述第五路段的样本车流数据集合,构建得到第二映射关系;
基于所述第三路段的样本车流数据集合和所述第四路段的样本车流数据集合,构建得到第三映射关系;
基于所述第五路段的样本车流数据集合和所述第六路段的样本车流数据集合,构建得到第四映射关系;
基于所述第四路段的样本车流数据集合和所述第一出口处的样本车流数据集合,构建得到第五映射关系;
基于所述第六路段的样本车流数据集合和所述第二出口处的样本车流数据集合,构建得到第六映射关系。
可选地,所述构建至少6个映射关系之后,还包括:获取车流测试数据,所述车流测试数据包括所述主干道的测试输入车流数据、所述第一出口处的测试出口车流数据和所述第二出口处的测试出口车流数据;基于所述至少6个映射关系和所述测试输入车流数据,得到预测出口数据,所述预测出口数据包括所述第一出口处的预测出口车流数据和所述第二出口处的预测出口车流数据;将所述测试出口车流数据与所述预测出口车流数据进行对比,得到对比结果;在所述对比结果大于或等于预设误差阈值的情况下,调整所述至少6个映射关系。
第二方面,提供一种道路拥堵管控方法,包括:所述方法用于上述的系统中,包括:获取预设路段的当前输入车流数据;所述预设路段包括主干道、分叉路口、第一分支干道和第二分支干道,所述主干道经所述分叉路口分为所述第一分支干道和所述第二分支干道;基于所述当前输入车流数据和预先构建的至少6个映射关系,依次预测得到出口车流数据,所述出口车流数据包括所述第一分支干道的第一出口处的出口车流数据,和所述第二分支干道的第二出口处的出口车流数据;基于所述出口车流数据和管控期望,控制所述预设路段的输出车流数据。
可选地,所述管控期望包括所述预设路段的期望车流量和/或期望平均车速;所述基于所述出口车流数据和管控期望,控制所述预设路段的输出车流数据,包括:在所述出口车流数据大于或者等于预设的车流数据阈值的情况下,获取预设路段中的当前车流量;在所述当前车流量大于所述期望车流量的情况下,通过输出控制设备增加所述输出车流数据;和/或,在所述出口车流数据大于或者等于预设的车流数据阈值的情况下,获取预设路段中的当前平均车速;在所述当前平均车速小于所述期望平均车速的情况下,通过输出控制设备增加所述输出车流数据。
可选地,所述基于所述出口车流数据和管控期望,控制所述预设路段的输出车流数据之后,还包括:获取所述预设路段的实际车流数据;基于所述实际车流数据调整所述至少6个映射关系。
第三方面,提供一种电子设备,包括存储器、控制器以及存储在存储器上并可在控制器上运行的计算机程序,所述控制器执行所述计算机程序时实现上述道路拥堵管控方法的步骤。
第四方面,提供一种计算机可读存储介质,所述存储介质中存储有程序,所述程序被处理器执行时用于实现上述道路拥堵管控方法的步骤。
本申请的有益效果至少包括:通过获取预设路段的当前输入车流数据;基于当前输入车流数据和预先构建的至少6个映射关系,依次预测得到出口车流数据;基于出口车流数据和管控期望,控制预设路段的输出车流数据。可以解决道路拥堵管控困难的问题。通过预先构建的至少6个映射关系,预测得到第一出口处的车流数据和第二出口出处的出口车流数据,根据出口车流数据提前控制输出控制设备开启的数量,可以避免因可通行的出口数量较少而导致预设路段中的车辆拥堵,因此,可以提高道路拥堵的管控效果。
另外,通过将每个映射关系预测得到的车流数据与传感器采集的实际车流数据进行对比,根据对比结果,调整每个映射关系,可以提高至少6个映射关系的准确性。
另外,在预设路段中,按照部署传感器的路段依次预测下一路段中的车流数据,而不是直接预测预设路段出口处的车流数据,可以在预测结果不准确的情况下,快速确定预测出错的路段,对出错的映射关系进行调整,无需调整预设路段中全部的映射关系,可以提高调整效率。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见,下面描述中的附图是本申请的一些实施方式,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是本申请一个实施例提供的用于道路拥堵管控系统的结构示意图;
图2是本申请一个实施例提供的一个道路结构示意图;
图3是本申请一个实施例提供的一个传感器部署示意图;
图4是本申请一个实施例提供的另一个道路结构示意图;
图5是本申请一个实施例提供的用于道路拥堵管控方法的流程图;
图6是本申请一个实施例提供的道路拥堵管控装置的框图;
图7是本申请一个实施例提供的电子设备的框图。
具体实施方式
下面将结合附图对本申请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申请一部分实施例,而不是全部的实施例。下文中将参考附图并结合实施例来详细说明本申请。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本申请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。
在本申请中,在未作相反说明的情况下,使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的,或者是针对部件本身在竖直、垂直或重力方向上而言的;同样地,为便于理解和描述,“内、外”是指相对于各部件本身的轮廓的内、外,但上述方位词并不用于限制本申请。
本实施例提供的道路拥堵管控系统的结构示意图,如图1所示。该系统包括:传感器组110、预测设备120和输出控制设备130。
传感器组110是指部署于预设路段的一组传感器,可以为微波感应器、视频摄像机、电磁检测器或者毫米波雷达等,用于采集部署路段处的车流数据。
其中,车流数据包括车流密度和车流密度对应的平均车速等,本实施例不对车流数据的实现方式作限定。
如图2所示,预设路段包括主干道、分叉路口、第一分支干道和第二分支干道,主干道经分叉路口分为第一分支干道和第二分支干道。
图2中以第一分支干道和第二分支干道为例进行说明,在实际实现时,预设路段中的分支干道的数量为一个或至少两个,本实施不对分支干道的数量作限定。
相应地,传感器组110包括部署于主干道的第一传感器310和第二传感器320、部署于第一分支干道的第三传感器330和第四传感器340、部署于第二分支干道的第五传感器350和第六传感器360。
具体地,参考图3,第一传感器310部署于主干道的第一路段,第二传感器320部署于主干道的第二路段。
其中,第二路段位于第一路段与分叉路口之间。
第三传感器330部署于第一分支干道的第三路段;第四传感器340部署于第一分支干道的第四路段。
其中,第三路段位于第四路段与分叉路口之间。
第五传感器350部署于第二分支干道的第五路段;第六传感器360部署于第二分支干道的第六路段。
其中,第三路段位于第四路段与分叉路口之间。
本实施例中,预测设备120分别与传感器组110和输出控制设备130建立有通信连接,基于此通信连接,传感器组110和输出控制设备130可以将采集到的车流数据发送给预测设备120。
预测设备120用于基于接收到的传感器组110和输出控制设备130采集的样本车流数据集合,构建至少6个映射关系。
其中,样本车流数据集合包括传感器组110采集的第一路段的样本车流数据集合、第二路段的样本车流数据集合、第三路段的样本车流数据集合、第四路段的样本车流数据集合、第五路段的样本车流数据集合、第六路段的样本车流数据集合、输出控制设备130采集的第一出口处的样本车流数据集合和第二出口处的样本车流数据集合。
相应地,构建至少6个映射关系,包括:基于第一路段的样本车流数据集合和第二路段的样本车流数据集合,构建得到第一映射关系;基于第二路段的样本车流数据集合、第三路段的样本车流数据集合和第五路段的样本车流数据集合,构建得到第二映射关系;基于第三路段的样本车流数据集合和第四路段的样本车流数据集合,构建得到第三映射关系;基于第五路段的样本车流数据集合和第六路段的样本车流数据集合,构建得到第四映射关系;基于第四路段的样本车流数据集合和第一出口处的样本车流数据集合,构建得到第五映射关系;基于第六路段的样本车流数据集合和第二出口处的样本车流数据集合,构建得到第六映射关系。
其中,映射关系是指两个不同路段中的车流数据集合之间的车流数据的相互对应关系。
比如:车流数据集包括第一车流数据集合和第二车流数据集合,第一车流数据集合中包括车流数据A1、车流数据A2和车流数据A3,第二车流数据集合中包括车流数据B1、车流数据B2和车流数据B3,其中,车流数据A1与车流数据B1为相互对应关系,车流数据A2与车流数据B2为相互对应关系,车流数据A3与车流数据B3为相互对应关系。
实际实现时,构建至少6个映射关系,还可以包括:基于第一路段的样本车流数据集合和第二路段的样本车流数据集合,构建得到第一映射关系;基于第二路段的样本车流数据集合和第三路段的样本车流数据集合,构建得到第二映射关系;基于第三路段的样本车流数据集合和第四路段的样本车流数据集合,构建得到第三映射关系;基于第二路段的样本车流数据集合和第五路段的样本车流数据集合,构建得到第四映射关系;基于第五路段的样本车流数据集合和第六路段的样本车流数据集合,构建得到第五映射关系;基于第四路段的样本车流数据集合和第一出口处的样本车流数据集合,构建得到第六映射关系;基于第六路段的样本车流数据集合和第二出口处的样本车流数据集合,构建得到第七映射关系。
通过构建的至少6个映射关系,可以在采集到预设路段的当前输入车流据后,预测得到第一分支干道的第一出口处的出口车流数据和第二分支干道的第二出口处的出口车流数据。
具体地,预测设备120还用于:基于至少6个映射关系和传感器组110采集的主干道的输入车流数据,预测得到第一出口处的出口车流数据和第二出口处的出口车流数据。
本实施例中,每个映射关系对应一个预设时长,不同映射关系对应的预设时长可以相同或不同,相应地,每个映射关系预测得到的预测车流数据,为对应的预设时长后下一路段中的车流数据。
其中,预设时长是基于根据传感器组110安装路段之间的间隔路段的长度确定的;即,预设时长与间隔路段的长度呈正相关。如果需要调整预设时长,可以通过调整两个相邻传感器110的部署位置之间的距离来实现。
在构建至少6个映射关系之后,为了保证至少6个映射关系的准确性,还需要对至少6个映射关系进行测试,在测试结果大于或等于预设误差阈值的情况下,调整至少6个映射关系。
具体地,构建至少6个映射关系之后,还包括:获取车流测试数据,车流测试数据包括主干道的测试输入车流数据、第一出口处的测试出口车流数据和第二出口处的测试出口车流数据;基于至少6个映射关系和测试输入车流数据,得到预测出口数据,预测出口数据包括第一出口处的预测出口车流数据和第二出口处的预测出口车流数据;将测试出口车流数据与预测出口车流数据进行对比,得到对比结果;在对比结果大于或等于预设误差阈值的情况下,调整至少6个映射关系。
实际实施时,存在管控道路为多个预设路段拼接而成的可能,即,存在至少一个不同预设路段与主干道、第一分支干道或者第二分支干道拼接。
比如:参考图4,以另一个不同的预设路段与第二分支干道的第二出口路段拼接为例,第二出口路段可视为该不同的预设路段的主干道。
另外,预测设备120还用于控制输出控制设备130的开启数量。其中,输出控制设备130用于控制预设路段的输出车流数据。
具体地,输出控制设备130用于控制第一分支干道出口处的输出车流数据和第二分支干道出口处的输出车流数据。
可选地,输出控制设备130包括部署于第一分支干道出口处的至少一个第一输出控制设备,和部署于第二分支干道出口处的至少一个第二输出控制设备。第一输出控制设备和第二输出控制设备可以相同或者不同。
如图3所示,输出控制设备130包括部署于第一分支干道的第一出口处的第一输出控制设备370,和部署于第二分支干道的第二出口处的第二输出控制设备380。
可选地,输出控制设备130可以是与预测设备120建立有通信连接的高速出口收费设备,道闸或者拦路器等,本实施例不对输出控制设备130的实现方式作限定。
另外,实际实现时,本实施例提供的道路拥堵管控系统也可以应用于出口位于主干道的管控路段中,此时,输出控制设备130包括至少一个第三输出控制设备,部署于主干道的第三出口处。
本实施例中,在预设路段中部署传感器组,通过传感器实时采集的预设路段中主干道、第一分支干道和第二分支干道中的车流数据,预测得到第一出口处的出口车流数据和第二出口处的出口车流数据;根据预测的出口车流数据,提前增加/减少开启的控制设备的数量,提高交通通行效率,能够优化道路的拥堵状况和节约管理成本。
下面对本申请提供的道路拥堵管控方法进行详细介绍。
如图5所示,本申请的实施例提供一种道路拥堵管控方法,本实施例以该方法用于图1所示的道路拥堵管控系统中为例进行说明。该方法至少包括以下几个步骤:
步骤501,获取预设路段的当前输入车流数据。
其中,预设路段包括主干道、分叉路口、第一分支干道和第二分支干道,主干道经分叉路口分为第一分支干道和第二分支干道。
本实施例中,当前输入车流数据是指部署在主干道的第一传感器采集到的当前时段的输入车流数据。
本实施例中,当前时段可以是预先设置的时段。
比如:预先设置的时段为上午8点整至8点01分对应的时段,在当前时段位于上午8点整至8点01分对应的时段内时,通过第一传感器获取主干道的当前输入车流量;或者,预先设置的时段包括上午8点整至8点01分对应的时段和下午5点30分至5点31分对应的时段,在当前时段位于上午8点整至8点01分对应的时段内,或者位于下午5点30分至5点31分对应的时段内时,通过第一传感器获取主干道的当前输入车流量。
在另一个示例中,当前时段可以是传感器采集到输入车流数据对应的时段。
比如:传感器在7点16分至7点20分采集到输入车流数据,则当前时段为7点16分至7点20分对应的时段。
步骤502,基于当前输入车流数据和预先构建的至少6个映射关系,依次预测得到出口车流数据。
其中,出口车流数据包括第一分支干道的第一出口处的出口车流数据,和第二分支干道的第二出口处的出口车流数据。
本实施例中,由于预先构建的映射关系的数量为至少6个,因此,需要依次经过至少6次预测后,得到出口车流数据。
比如:参考图2和图3,第一传感器在采集到主干道的当前输入车流数据后,通过第一映射关系预测得到主干道的第二路段中的车流数据;再通过第二路段中的车流数据和第二映射关系,预测得到第三路段中的车流数据和第五路段中的车流数据;再通过第三路段中的车流数据和第三映射关系,预测得到第四路段中的车流数据;再通过第四映射关系和第五路段中的车流数据,预测得到第六路段中的车流数据;再通过第五映射关系和第四路段中的车流数据,预测第一出口处的出口车流数据;再通过第六映射关系和第六路段中的车流数据,预测第二出口处的出口车流数据。
步骤503,基于出口车流数据和管控期望,控制预设路段的输出车流数据。
其中,管控期望包括预设路段的期望车流量和/或期望平均车速。
具体地,基于出口车流数据和管控期望,控制预设路段的输出车流数据,包括:在出口车流数据大于或者等于预设的车流数据阈值的情况下,获取预设路段中的当前车流量;在当前车流量大于期望车流量的情况下,通过输出控制设备增加输出车流数据;和/或,在出口车流数据大于或者等于预设的车流数据阈值的情况下,获取预设路段中的当前平均车速;在当前平均车速小于期望平均车速的情况下,通过输出控制设备增加输出车流数据。
比如:以车流数据阈值为车流密度阈值、管控期望为平均车速为例,在出口车流数据指示的车流密度大于车流密度阈值的情况下,采集预设路段中的当前平均车速,若预设路段中的当前平均车速小于管控期望指示的期望平均车速,则通过输出控制设备控制预设路段出口处的道闸或者拦路器开启的数量,以增加预设路段的输出车流数据。
实际实现时,由于至少6个映射关系会存在误差,因此,还需要将每个映射关系预测得到的车流数据与传感器采集到的实际车流数据进行对比,基于对比结果对每个映射关系进行调整。
具体地,基于出口车流数据和管控期望,控制预设路段的输出车流数据之后,还包括:获取预设路段的实际车流数据;基于实际车流数据调整至少6个映射关系。
其中,基于实际车流数据调整至少6个映射关系至少包括以下几种方式:
第一种,以实际车流数据替换至少6个映射关系中的映射数据。
比如:以第一映射关系为例,如果基于第一映射关系和当前输入车流数据预测得到的第一路段的车流数据与实际采集得到的第一路段的实际车流数据的差值较大,则将实际车流数据替换掉第一映射关系中的当前输入车流数据对应的映射数据。
第二种,重新获取样本车流数据集合,以重新构建至少6个映射关系。
综上所述,本实施例提供的道路拥堵管控方法,通过获取预设路段的当前输入车流数据;基于当前输入车流数据和预先构建的至少6个映射关系,依次预测得到出口车流数据;基于出口车流数据和管控期望,控制预设路段的输出车流数据。可以解决道路拥堵管控困难的问题。通过预先构建的至少6个映射关系,预测得到第一出口处的出口车流数据和第二出口处的出口车流数据,根据出口车流数据提前控制输出控制设备开启的数量,可以避免因可通行的出口数量较少而导致预设路段中的车辆拥堵,因此,可以提高道路拥堵的管控效果。
另外,通过将每个映射关系预测得到的车流数据与传感器采集的实际车流数据进行对比,根据对比结果,调整每个映射关系,可以提高至少6个映射关系的准确性。
另外,在预设路段中,按照部署传感器的路段依次预测下一路段中的车流数据,而不是直接预测预设路段出口处的车流数据,可以在预测结果不准确的情况下,快速确定预测出错的路段,对出错的映射关系进行调整,无需调整预设路段中全部的映射关系,可以提高调整效率。
本实施例提供一种道路拥堵管控装置,如图6所示。该装置包括至少以下几个模块:数据获取模块610、数据预测模块620和出口控制模块630;
数据获取模块610,用于获取预设路段的当前输入车流数据;预设路段包括主干道、分叉路口、第一分支干道和第二分支干道,主干道经分叉路口分为第一分支干道和第二分支干道;
数据预测模块620,用于基于当前输入车流数据和预先构建的至少6个映射关系,依次预测得到出口车流数据,出口车流数据包括第一分支干道的第一出口处的出口车流数据,和第二分支干道的第二出口处的出口车流数据;
出口控制模块630,用于基于出口车流数据和管控期望,控制预设路段的输出车流数据。
相关细节参考上述方法和系统实施例。
需要说明的是:上述实施例中提供的道路拥堵管控装置在进行道路拥堵管控时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将道路拥堵管控装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的道路拥堵管控装置与道路拥堵管控方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本实施例提供一种电子设备,如图7所示。该电子设备至少包括处理器701和存储器702。
处理器701可以包括一个或多个处理核心,比如:4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器701可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器701还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器701所执行以实现本申请中方法实施例提供的道路拥堵管控方法。
在一些实施例中,电子设备还可选包括有:外围设备接口和至少一个外围设备。处理器701、存储器702和外围设备接口之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口相连。示意性地,外围设备包括但不限于:射频电路、触摸显示屏、音频电路、和电源等。
当然,电子设备还可以包括更少或更多的组件,本实施例对此不作限定。
可选地,本申请还提供有一种计算机可读存储介质,计算机可读存储介质中存储有程序,程序由处理器加载并执行以实现上述方法实施例的道路拥堵管控方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
显然,上述所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,可以做出其它不同形式的变化或变动,都应当属于本申请保护的范围。
Claims (6)
1.一种道路拥堵管控系统,其特征在于,所述系统包括:部署于预设路段的传感器组和输出控制设备;所述预设路段包括主干道、分叉路口、第一分支干道和第二分支干道,所述主干道经所述分叉路口分为所述第一分支干道和所述第二分支干道;
所述传感器组用于采集部署路段处的车流数据,包括部署于所述主干道的第一传感器和第二传感器,部署于所述第一分支干道的第三传感器和第四传感器,部署于所述第二分支干道的第五传感器和第六传感器;
所述输出控制设备包括部署于所述第一分支干道的第一出口处的至少一个第一输出控制设备,和部署于所述第二分支干道的第二出口处的至少一个第二输出控制设备;
所述第一传感器部署于所述主干道的第一路段;所述第二传感器部署于所述主干道的第二路段;
所述第二路段位于所述第一路段与所述分叉路口之间;
所述第三传感器部署于所述第一分支干道的第三路段;所述第四传感器部署于所述第一分支干道的第四路段;
所述第三路段位于所述第四路段与所述分叉路口之间;
所述第五传感器部署于所述第二分支干道的第五路段;所述第六传感器部署于所述第二分支干道的第六路段;
所述第五路段位于所述第六路段与所述分叉路口之间;
所述系统还包括预测设备;所述预测设备分别与所述传感器组和所述输出控制设备建立有通信连接;
所述预测设备,用于基于接收到的所述传感器组和所述输出控制设备采集的样本车流数据集合,构建至少6个映射关系;基于所述至少6个映射关系和所述传感器组采集的所述主干道的输入车流数据,预测得到所述第一出口处的出口车流数据和所述第二出口处的出口车流数据;
所述样本车流数据集合包括所述传感器组采集的所述第一路段的样本车流数据集合、所述第二路段的样本车流数据集合、所述第三路段的样本车流数据集合、所述第四路段的样本车流数据集合、所述第五路段的样本车流数据集合、所述第六路段的样本车流数据集合、所述输出控制设备采集的所述第一出口处的样本车流数据集合和所述第二出口处的样本车流数据集合;
相应地,所述构建至少6个映射关系,包括:
基于所述第一路段的样本车流数据集合和所述第二路段的样本车流数据集合,构建得到第一映射关系;
基于所述第二路段的样本车流数据集合、所述第三路段的样本车流数据集合和所述第五路段的样本车流数据集合,构建得到第二映射关系;
基于所述第三路段的样本车流数据集合和所述第四路段的样本车流数据集合,构建得到第三映射关系;
基于所述第五路段的样本车流数据集合和所述第六路段的样本车流数据集合,构建得到第四映射关系;
基于所述第四路段的样本车流数据集合和所述第一出口处的样本车流数据集合,构建得到第五映射关系;
基于所述第六路段的样本车流数据集合和所述第二出口处的样本车流数据集合,构建得到第六映射关系;
所述构建至少6个映射关系之后,还包括:
获取车流测试数据,所述车流测试数据包括所述主干道的测试输入车流数据、所述第一出口处的测试出口车流数据和所述第二出口处的测试出口车流数据;
基于所述至少6个映射关系和所述测试输入车流数据,得到预测出口数据,所述预测出口数据包括所述第一出口处的预测出口车流数据和所述第二出口处的预测出口车流数据;
将所述测试出口车流数据与所述预测出口车流数据进行对比,得到对比结果;
在所述对比结果大于或等于预设误差阈值的情况下,调整所述至少6个映射关系。
2.一种道路拥堵管控方法,其特征在于,所述方法用于如权利要求1所述的系统中,包括:
获取预设路段的当前输入车流数据;所述预设路段包括主干道、分叉路口、第一分支干道和第二分支干道,所述主干道经所述分叉路口分为所述第一分支干道和所述第二分支干道;
基于所述当前输入车流数据和预先构建的至少6个映射关系,依次预测得到出口车流数据,所述出口车流数据包括所述第一分支干道的第一出口处的出口车流数据,和所述第二分支干道的第二出口处的出口车流数据;
基于所述出口车流数据和管控期望,控制所述预设路段的输出车流数据。
3.根据权利要求2所述的方法,其特征在于,所述管控期望包括所述预设路段的期望车流量或期望平均车速;所述基于所述出口车流数据和管控期望,控制所述预设路段的输出车流数据,包括:
在所述出口车流数据大于或者等于预设的车流数据阈值的情况下,获取预设路段中的当前车流量;在所述当前车流量大于所述期望车流量的情况下,通过输出控制设备增加所述输出车流数据;
或,
在所述出口车流数据大于或者等于预设的车流数据阈值的情况下,获取预设路段中的当前平均车速;在所述当前平均车速小于所述期望平均车速的情况下,通过输出控制设备增加所述输出车流数据。
4.根据权利要求2所述的方法,其特征在于,所述基于所述出口车流数据和管控期望,控制所述预设路段的输出车流数据之后,还包括:
获取所述预设路段的实际车流数据;
基于所述实际车流数据调整所述至少6个映射关系。
5.一种电子设备,其特征在于,所述设备包括管理器和存储器;所述存储器中存储有程序,所述程序由所述管理器加载并执行以实现如权利要求2至4任一项所述的道路拥堵管控方法。
6.一种计算机可读存储介质,其特征在于,所述存储介质中存储有程序,所述程序被管理器执行时用于实现如权利要求2至4任一项所述的道路拥堵管控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210903087.8A CN115240440B (zh) | 2022-07-29 | 2022-07-29 | 道路拥堵管控系统、方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210903087.8A CN115240440B (zh) | 2022-07-29 | 2022-07-29 | 道路拥堵管控系统、方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115240440A CN115240440A (zh) | 2022-10-25 |
CN115240440B true CN115240440B (zh) | 2023-10-24 |
Family
ID=83677224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210903087.8A Active CN115240440B (zh) | 2022-07-29 | 2022-07-29 | 道路拥堵管控系统、方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115240440B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118791A (zh) * | 2017-06-26 | 2019-01-01 | 青岛海信网络科技股份有限公司 | 一种快速路匝道的交通控制方法及装置 |
CN110276965A (zh) * | 2019-06-28 | 2019-09-24 | 陈硕坚 | 基于照片识别调整信号转换时间的交通灯控制方法和装置 |
JP2021157239A (ja) * | 2020-03-25 | 2021-10-07 | 三菱重工機械システム株式会社 | 交通流制御装置、交通流制御方法、及びプログラム |
CN114120655A (zh) * | 2022-01-26 | 2022-03-01 | 苏州映赛智能科技有限公司 | 道路状态预测方法、系统、设备及存储介质 |
-
2022
- 2022-07-29 CN CN202210903087.8A patent/CN115240440B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118791A (zh) * | 2017-06-26 | 2019-01-01 | 青岛海信网络科技股份有限公司 | 一种快速路匝道的交通控制方法及装置 |
CN110276965A (zh) * | 2019-06-28 | 2019-09-24 | 陈硕坚 | 基于照片识别调整信号转换时间的交通灯控制方法和装置 |
JP2021157239A (ja) * | 2020-03-25 | 2021-10-07 | 三菱重工機械システム株式会社 | 交通流制御装置、交通流制御方法、及びプログラム |
CN114120655A (zh) * | 2022-01-26 | 2022-03-01 | 苏州映赛智能科技有限公司 | 道路状态预测方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115240440A (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106484540A (zh) | 一种资源配置方法及装置 | |
CN109360416A (zh) | 道路交通预测方法及服务器 | |
CN114529081B (zh) | 一种时空联合的交通流量预测方法及装置 | |
CN113947905A (zh) | 一种交通运行态势感知方法、模块及系统 | |
CN110232820A (zh) | 一种路况预测模型的建立方法及装置 | |
Zhang et al. | Traffic signal optimization for partially observable traffic system and low penetration rate of connected vehicles | |
Polus et al. | Evaluation of the waiting-time effect on critical gaps at roundabouts by a logit model | |
Rao et al. | Interval data‐based k‐means clustering method for traffic state identification at urban intersections | |
Gu et al. | Maximizing bus discharge flows from multi-berth stops by regulating exit maneuvers | |
CN115240440B (zh) | 道路拥堵管控系统、方法、设备及存储介质 | |
CN114120655B (zh) | 道路状态预测方法、系统、设备及存储介质 | |
CN112565715A (zh) | 一种景点客流量监控方法、装置、电子设备及存储介质 | |
Chen et al. | Lane group–based traffic model for assessing on-ramp traffic impact | |
Shen et al. | Efficient heuristic methods for berth allocation at multi-line, multi-berth curbside bus stops | |
CN109992408A (zh) | 一种资源分配方法、装置、电子设备和存储介质 | |
CN111127892A (zh) | 交叉口配时参数优化模型构建、交叉口信号优化方法 | |
CN110136437A (zh) | 一种交叉口进口道左直干扰问题的确定方法及装置 | |
Geroliminis et al. | Development of the Next Generation Stratified Ramp Metering Algorithm Based on Freeway Density | |
CN111599178B (zh) | 路口识别方法、装置及存储介质 | |
CN109615187B (zh) | 一种od矩阵的评估方法、公交负载模拟方法及装置 | |
Xie et al. | A collaborative method on reversible lane clearance and signal coordination control in associated intersection | |
CN110660216A (zh) | 行程时间阈值确定方法、系统及智能设备 | |
Zhang et al. | Dynamic pricing strategy for high occupancy toll lanes based on random forest and nested model | |
CN215987584U (zh) | 停车场车辆出入信息统计装置 | |
CN113706863B (zh) | 一种道路交通状态预测方法 |
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 |