CN115273468A - 一种交通拥堵控制策略生成方法及装置 - Google Patents

一种交通拥堵控制策略生成方法及装置 Download PDF

Info

Publication number
CN115273468A
CN115273468A CN202210864140.8A CN202210864140A CN115273468A CN 115273468 A CN115273468 A CN 115273468A CN 202210864140 A CN202210864140 A CN 202210864140A CN 115273468 A CN115273468 A CN 115273468A
Authority
CN
China
Prior art keywords
traffic
period
time
identified
road section
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
CN202210864140.8A
Other languages
English (en)
Other versions
CN115273468B (zh
Inventor
王秀云
张天禹
李德盼
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.)
Hisense TransTech Co Ltd
Original Assignee
Hisense TransTech 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 Hisense TransTech Co Ltd filed Critical Hisense TransTech Co Ltd
Priority to CN202210864140.8A priority Critical patent/CN115273468B/zh
Publication of CN115273468A publication Critical patent/CN115273468A/zh
Application granted granted Critical
Publication of CN115273468B publication Critical patent/CN115273468B/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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Landscapes

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

Abstract

本申请提供了一种交通拥堵控制策略生成方法及装置，该方法包括识别任一交通路段在待识别时段对应的时间类型和天气类型，从拥堵指数库中匹配出符合该交通路段在待识别时段对应的时间类型和天气类型的多个拥堵指数值，若多个拥堵指数值中存在m个拥堵指数值满足拥堵阈值，则确定该交通路段在待识别时段为常发拥堵路段，基于该交通路段在m个拥堵指数值对应的m个统计时段的第一警力执勤时长，确定该交通路段在待识别时段具有的警力覆盖度估计值，并在确定该交通路段在待识别时段具有的警力覆盖度估计值不满足警力覆盖度阈值时，生成该交通路段在待识别时段对应的拥堵控制策略，如此可以实现有效配置作为常发拥堵路段的交通路段的警力资源。

Description

一种交通拥堵控制策略生成方法及装置
技术领域
本申请涉及交管智慧指挥技术领域，尤其涉及一种交通拥堵控制策略生成方法及装置。
背景技术
随着城市化进程的快速发展，城市交通问题日益受到关注，比如，城市交通拥堵问题已经影响到人们的正常出行。针对于此，为了有效地缓解城市交通拥堵，需要及时掌握路段拥堵信息，以便实现针对拥堵路段的精准干预。其中，掌握路段拥堵信息是交管中心有效预防交通安全风险、提升路面管控效能，以及提升人们出行品质的重要数据基础。
现阶段，通常依赖人工经验来实现针对拥堵路段进行相应的警力部署，也即是，通过依据人工经验识别出经常发生拥堵的路段，并在早晚高峰时段针对识别出的拥堵路段进行分派警力。但是，这种警力部署方式可能会因不同人员的经验不同导致针对拥堵路段的识别准确性不同，使得针对拥堵路段的警力部署的准确性也不同，且，依赖人工经验针对拥堵路段进行识别需要耗费较多的时间成本和人力成本，导致针对拥堵路段的识别效率低，从而会导致针对拥堵路段的警力部署效率低。
综上，目前亟需一种交通拥堵控制策略生成方法，用以实现有效配置常发拥堵路段的警力资源。
发明内容
本申请示例性的实施方式中提供了一种交通拥堵控制策略生成方法及装置，用以实现有效配置常发拥堵路段的警力资源。
第一方面，本申请示例性的实施方式中提供了一种交通拥堵控制策略生成方法，包括：
针对任一交通路段，识别所述交通路段在待识别时段对应的时间类型和天气类型；
从拥堵指数库中匹配出符合所述交通路段在待识别时段对应的时间类型和天气类型的多个拥堵指数值；所述拥堵指数库用于指示交通路段、统计时段、时间类型、天气类型与拥堵指数值的映射关系；所述多个拥堵指数值对应的多个统计时段均与所述待识别时段属于相同时段；
若所述多个拥堵指数值中存在m个拥堵指数值满足拥堵阈值，则确定所述交通路段在所述待识别时段为常发拥堵路段；
基于所述交通路段在所述m个拥堵指数值对应的m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值，并在所述警力覆盖度估计值不满足警力覆盖度阈值时，生成所述交通路段在所述待识别时段对应的拥堵控制策略。
上述技术方案中，本申请中的技术方案通过从时间特性、时段特性、天气特性等多个维度进行识别交通路段是否为常发拥堵路段，也即是，通过依据交通路段具有的实际时间特性和实际天气特性进行判断交通路段在某一待识别时段是否为常发拥堵路段，可以使得常发拥堵路段的识别更加准确，更加满足常发拥堵路段识别的实际需求，以此可以使得针对常发拥堵路段的警力部署更加科学精准，从而可以有效地缓解常发拥堵路段的拥堵状况，并可以为有效地降低常发拥堵路段的事故率提供有力地保障。具体来说，针对任一交通路段，首先识别出该交通路段在待识别时段对应的时间类型和天气类型(即该交通路段在待识别时段对应的时间特性和天气特性)，再通过时间类型和天气类型即可准确地从拥堵指数库中匹配出该交通路段在待识别时段对应的多个拥堵指数值，也即是，交通路段在待识别时段对应不同的时间类型和天气类型，因而所匹配出的多个拥堵指数值也是不相同的，那么也就可以更加精准地判断在不同的时间类型和天气类型下，交通路段在待识别时段是否为常发拥堵路段，使得常发拥堵路段的识别更加符合实际情况。然后，如果在该时间类型和该天气类型下对应的多个拥堵指数值中存在m个拥堵指数值满足拥堵阈值，那么即可准确地确定在该时间类型和该天气类型下，该交通路段在待识别时段为常发拥堵路段，以此可以有效地避免因依赖人工经验进行常发拥堵路段的识别而导致识别准确性低，从而可以确保常发拥堵时段识别的有效性、准确性，并可以更加满足在不同场景下进行有效地判断交通路段是否为常发拥堵路段。最后，针对在待识别时段作为常发拥堵路段的交通路段，在确定该交通路段在待识别时段具有的警力覆盖度估计值不满足警力覆盖度阈值时，即可生成针对该交通路段在待识别时段对应的拥堵控制策略，以此可以使用拥堵控制策略用于精准干预该交通路段在待识别时段的拥堵状况，那么可以实现有效配置作为常发拥堵路段的交通路段的警力资源，使得针对常发拥堵路段的警力资源配置更加合理，并可以有效地确保常发拥堵路段的交通流畅度。
在一些示例性的实施方式中，从拥堵指数库中匹配出符合所述交通路段在待识别时段对应的时间类型和天气类型的多个拥堵指数值，包括：
根据所述时间类型和所述天气类型，确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求；
根据所述交通路段、所述待识别时段、所述时间类型以及所述天气类型，从所述拥堵指数库中确定出符合所述拥堵指数值匹配要求的多个拥堵指数值。
上述技术方案中，针对不同的时间类型和天气类型，对应不同的拥堵指数值匹配要求，也即是可以使得拥堵指数值的选取更加符合实际需求，更加符合交通路段的实际时间特性和实际天气特性。那么，在确定交通路段在待识别时段对应的时间特征和天气特征后，即可准确地确定交通路段在待识别时段对应的拥堵指数值匹配要求，从而可以从拥堵指数库中准确地匹配出符合拥堵指数值匹配要求的多个拥堵指数值，以便为后续准确地判断在该时间类型和该天气类型下，该交通路段在待识别时段是否为常发拥堵路段提供数据支持。
在一些示例性的实施方式中，根据所述时间类型和所述天气类型，确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求，包括：
若所述时间类型为工作日且所述天气类型为正常天气，或者，若所述时间类型为休息日且所述天气类型为正常天气，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第一匹配要求；所述第一匹配要求用于指示匹配位于所述待识别时段之前的至少一月内的拥堵指数值；
若所述时间类型为工作日且所述天气类型为恶劣天气，或者，若所述时间类型为休息日且所述天气类型为恶劣天气，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第二匹配要求；所述第二匹配要求用于指示匹配位于所述待识别时段之前的至少半年内的拥堵指数值；
若所述时间类型为节假日且所述天气类型为正常天气或恶劣天气中的任一个，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第三匹配要求；所述第三匹配要求用于指示匹配位于所述待识别时段之前的至少三年内的拥堵指数值。
上述技术方案中，在基于交通路段在待识别时段对应的时间类型和天气类型，判断拥堵指数值匹配要求为第一匹配要求时，即可指示在拥堵指数库中从位于待识别时段之前的至少一个月内的各拥堵指数值中匹配出符合时间类型和天气类型的多个拥堵指数值；在基于交通路段在待识别时段对应的时间类型和天气类型，判断拥堵指数值匹配要求为第二匹配要求时，即可指示在拥堵指数库中从位于待识别时段之前的至少半年内的各拥堵指数值中匹配出符合时间类型和天气类型的多个拥堵指数值；在基于交通路段在待识别时段对应的时间类型和天气类型，判断拥堵指数值匹配要求为第三匹配要求时，即可指示在拥堵指数库中从位于待识别时段之前的至少三年内的各拥堵指数值中匹配出符合时间类型和天气类型的多个拥堵指数值。如此，针对不同的时间类型和天气类型，可以采用不同的拥堵指数值匹配要求，那么，所匹配出的多个拥堵指数值更加符合对应的时间类型和天气类型，从而能够更加准确地进行常发拥堵路段的识别。
在一些示例性的实施方式中，通过下述方式建立所述拥堵指数库：
针对任一交通路段，获取所述交通路段在任一统计时段的进出卡口过车数据，并获取所述交通路段在所述统计时段对应的时间类型和天气类型；
基于所述交通路段在所述统计时段的进出卡口过车数据，确定所述交通路段在所述统计时段对应的车辆平均速度；
基于所述交通路段的路段允许车速以及所述车辆平均速度，确定所述交通路段在所述统计时段对应的拥堵指数值；
将各交通路段在各统计时段对应的时间类型和天气类型以及所述各交通路段在所述各统计时段对应的拥堵指数值存储至所述拥堵指数库。
上述技术方案中，为了提高针对交通路段在待识别时段是否为常发拥堵路段的识别准确度，因而需要提前针对交通路段在各统计时段的拥堵状况进行分析，以此确定交通路段在各统计时段对应的拥堵指数值，并附加上交通路段在各统计时段对应的时间类型和天气类型，如此即可生成交通路段、统计时段、拥堵指数值、时间类型、天气类型的映射关系，从而可以便于后续通过时间类型、天气类型准确地匹配出交通路段在某一待识别时段对应的多个拥堵指数值，以此能够为准确地识别交通路段在该待识别时段是否为常发拥堵路段提供有效地数据支持。
在一些示例性的实施方式中，基于所述交通路段在所述统计时段的进出卡口过车数据，确定所述交通路段在所述统计时段对应的车辆平均速度，包括：
针对所述交通路段的每个车道，获取所述车道上属于所述统计时段的各车辆经过进口卡口的时间和所述各车辆经过出口卡口的时间；
针对每个车辆，根据所述车辆经过进口卡口的时间、所述车辆经过出口卡口的时间以及所述交通路段的路段长度，确定所述车辆的平均速度，并根据所述各车辆的平均速度，确定所述车道对应的车辆平均速度；
从所述交通路段的各车道对应的车辆平均速度中确定出最小的车辆平均速度，并将所述最小的车辆平均速度确定为所述交通路段在所述统计时段对应的车辆平均速度。
上述技术方案中，通过统计交通路段的各车道在某一统计时段对应的车辆平均速度，即可准确地确定交通路段在统计时段对应的车辆平均速度，也即是，将交通路段的各车道在该统计时段对应的车辆平均速度中确定出最小的车辆平均速度，并将该最小的车辆平均速度作为交通路段在统计时段对应的车辆平均速度，如此可以使得交通路段在统计时段的车辆平均速度的确定更加符合交通路段的实际车流状况，同时能够反映出交通路段在统计时段的实际拥堵状况。
在一些示例性的实施方式中，基于所述交通路段在所述m个拥堵指数值对应的m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值，包括：
根据所述交通路段在m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段对应的第二警力执勤时长；
根据所述第二警力执勤时长以及所述待识别时段具有的时段长度，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值。
上述技术方案中，该m个统计时段与待识别时段均属于相同时段，那么，通过交通路段在m个统计时段对应的第一警力执勤时长，即可准确地预测出交通路段在待识别时段对应的第二警力执勤时长，从而可以根据第二警力执勤时长以及待识别时段具有的时段长度，即可准确地计算交通路段在待识别时段具有的警力覆盖度估计值。
在一些示例性的实施方式中，通过下述方式确定所述交通路段在每个统计时段对应的第一警力执勤时长：
获取所述交通路段中第一路口的经纬度坐标和第二路口的经纬度坐标，并获取所述交通路段在m个统计时段的在线警力信息；所述在线警力信息包括至少一个警力的经纬度坐标；
基于所述第一路口的经纬度坐标、所述第二路口的经纬度坐标以及在m个统计时段下各警力的经纬度坐标，确定所述交通路段在m个统计时段对应的覆盖警力，并针对每个统计时段对应的覆盖警力，确定该统计时段对应的覆盖警力在该统计时段对应的第一警力执勤时长；所述覆盖警力用于指示所述交通路段在每个统计时段的执勤人员数量。
上述技术方案中，通过基于交通路段中第一路口的经纬度坐标、第二路口的经纬度坐标以及在m个统计时段下各警力的经纬度坐标，即可准确地计算交通路段在m个统计时段对应的覆盖警力，如此，就可以统计出每个统计时段对应的覆盖警力在该统计时段对应的第一警力时长，以便为后续准确地确定交通路段在待识别时段对应的警力时长提供有效地数据支持。
在一些示例性的实施方式中，基于所述第一路口的经纬度坐标、所述第二路口的经纬度坐标以及在m个统计时段下各警力的经纬度坐标，确定所述交通路段在m个统计时段对应的覆盖警力，包括：
针对每个统计时段，基于所述第一路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，确定所述至少一个警力分别与所述第一路口的第一距离，并基于所述第二路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，确定所述至少一个警力分别与所述第二路口的第二距离；
针对每个第一距离，若所述第一距离满足距离阈值，则将所述第一距离对应的警力确定为所述第一路口的覆盖警力，并针对每个第二距离，若所述第二距离满足所述距离阈值，则将所述第二距离对应的警力确定为所述第二路口的覆盖警力；
根据所述第一路口的各覆盖警力以及所述第二路口的各覆盖警力，确定所述交通路段在所述统计时段对应的覆盖警力。
上述技术方案中，针对每个统计时段，通过基于第一路口的经纬度坐标、第二路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，即可准确地统计出第一路口的各覆盖警力以及第二路口的各覆盖警力，从而可以基于第一路口的各覆盖警力以及第二路口的各覆盖警力，即可准确地计算交通路段在该统计时段对应的覆盖警力，以便为后续准确地统计交通路段在该统计时段对应的警力执勤时长提供数据支持。
第二方面，本申请示例性的实施方式中提供了一种交通拥堵控制策略生成装置，包括：
识别单元，用于针对任一交通路段，识别所述交通路段在待识别时段对应的时间类型和天气类型；
处理单元，用于从拥堵指数库中匹配出符合所述交通路段在待识别时段对应的时间类型和天气类型的多个拥堵指数值；所述拥堵指数库用于指示交通路段、统计时段、时间类型、天气类型与拥堵指数值的映射关系；所述多个拥堵指数值对应的多个统计时段均与所述待识别时段属于相同时段；若所述多个拥堵指数值中存在m个拥堵指数值满足拥堵阈值，则确定所述交通路段在所述待识别时段为常发拥堵路段；基于所述交通路段在所述m个拥堵指数值对应的m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值，并在所述警力覆盖度估计值不满足警力覆盖度阈值时，生成所述交通路段在所述待识别时段对应的拥堵控制策略。
在一些示例性的实施方式中，所述处理单元具体用于：
根据所述时间类型和所述天气类型，确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求；
根据所述交通路段、所述待识别时段、所述时间类型以及所述天气类型，从所述拥堵指数库中确定出符合所述拥堵指数值匹配要求的多个拥堵指数值。
在一些示例性的实施方式中，所述处理单元具体用于：
若所述时间类型为工作日且所述天气类型为正常天气，或者，若所述时间类型为休息日且所述天气类型为正常天气，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第一匹配要求；所述第一匹配要求用于指示匹配位于所述待识别时段之前的至少一月内的拥堵指数值；
若所述时间类型为工作日且所述天气类型为恶劣天气，或者，若所述时间类型为休息日且所述天气类型为恶劣天气，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第二匹配要求；所述第二匹配要求用于指示匹配位于所述待识别时段之前的至少半年内的拥堵指数值；
若所述时间类型为节假日且所述天气类型为正常天气或恶劣天气中的任一个，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第三匹配要求；所述第三匹配要求用于指示匹配位于所述待识别时段之前的至少三年内的拥堵指数值。
在一些示例性的实施方式中，所述处理单元具体用于：
针对任一交通路段，获取所述交通路段在任一统计时段的进出卡口过车数据，并获取所述交通路段在所述统计时段对应的时间类型和天气类型；
基于所述交通路段在所述统计时段的进出卡口过车数据，确定所述交通路段在所述统计时段对应的车辆平均速度；
基于所述交通路段的路段允许车速以及所述车辆平均速度，确定所述交通路段在所述统计时段对应的拥堵指数值；
将各交通路段在各统计时段对应的时间类型和天气类型以及所述各交通路段在所述各统计时段对应的拥堵指数值存储至所述拥堵指数库。
在一些示例性的实施方式中，所述处理单元具体用于：
针对所述交通路段的每个车道，获取所述车道上属于所述统计时段的各车辆经过进口卡口的时间和所述各车辆经过出口卡口的时间；
针对每个车辆，根据所述车辆经过进口卡口的时间、所述车辆经过出口卡口的时间以及所述交通路段的路段长度，确定所述车辆的平均速度，并根据所述各车辆的平均速度，确定所述车道对应的车辆平均速度；
从所述交通路段的各车道对应的车辆平均速度中确定出最小的车辆平均速度，并将所述最小的车辆平均速度确定为所述交通路段在所述统计时段对应的车辆平均速度。
在一些示例性的实施方式中，所述处理单元具体用于：
根据所述交通路段在m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段对应的第二警力执勤时长；
根据所述第二警力执勤时长以及所述待识别时段具有的时段长度，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值。
在一些示例性的实施方式中，所述处理单元具体用于：
获取所述交通路段中第一路口的经纬度坐标和第二路口的经纬度坐标，并获取所述交通路段在m个统计时段的在线警力信息；所述在线警力信息包括至少一个警力的经纬度坐标；
基于所述第一路口的经纬度坐标、所述第二路口的经纬度坐标以及在m个统计时段下各警力的经纬度坐标，确定所述交通路段在m个统计时段对应的覆盖警力，并针对每个统计时段对应的覆盖警力，确定该统计时段对应的覆盖警力在该统计时段对应的第一警力执勤时长；所述覆盖警力用于指示所述交通路段在每个统计时段的执勤人员数量。
在一些示例性的实施方式中，所述处理单元具体用于：
针对每个统计时段，基于所述第一路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，确定所述至少一个警力分别与所述第一路口的第一距离，并基于所述第二路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，确定所述至少一个警力分别与所述第二路口的第二距离；
针对每个第一距离，若所述第一距离满足距离阈值，则将所述第一距离对应的警力确定为所述第一路口的覆盖警力，并针对每个第二距离，若所述第二距离满足所述距离阈值，则将所述第二距离对应的警力确定为所述第二路口的覆盖警力；
根据所述第一路口的各覆盖警力以及所述第二路口的各覆盖警力，确定所述交通路段在所述统计时段对应的覆盖警力。
第三方面，本申请实施例提供一种计算设备，包括至少一个处理器以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行上述第一方面任意所述的交通拥堵控制策略生成方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其存储有可由计算设备执行的计算机程序，当所述程序在所述计算设备上运行时，使得所述计算设备执行上述第一方面任意所述的交通拥堵控制策略生成方法。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一些实施例提供的一种可能的系统架构示意图；
图2为本申请一些实施例提供的一种交通路段的出入口卡口设备示意图；
图3为本申请一些实施例提供的一种交通拥堵控制策略生成方法的流程示意图；
图4为本申请一些实施例提供的一种交通路段示意图；
图5为本申请一些实施例提供的一种确定交通路段在统计时段对应的车辆平均速度的流程示意图；
图6为本申请一些实施例提供的一种确定交通路段在统计时段对应的第一警力执勤时长的流程示意图；
图7为本申请一些实施例提供的一种确定交通路段在统计时段对应的覆盖警力的流程示意图；
图8为本申请一些实施例提供的一种交通路段的警力覆盖示意图；
图9为本申请一些实施例提供的一种交通拥堵控制策略生成装置的结构示意图；
图10为本申请一些实施例提供的一种计算设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
为了便于理解本申请实施例，首先以图1中示出的一种可能的系统架构为例说明适用于本申请实施例的交通拥堵控制策略生成系统架构。如图1所示，该系统架构可以包括终端设备100和服务设备200。
其中，终端设备100包括但不限于具有数据处理能力的终端，比如，包括但不限于交通监控设备(比如卡口设备、电子警察设备、摄像机监控设备、雷达检测设备等)或车载终端(比如车载行车记录仪、车载摄像机或车载雷达设备等)等终端设备。
服务设备200具有信息处理以及信息转发的功能，服务设备可以是单个服务器，也可以是服务器集群。比如，服务设备可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云计算、云函数、云存储、云通信、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。
终端设备100与服务设备200之间可以通过无线网络进行通信连接，比如无线网络可以是无线保真(WIreless-Fidelity，WIFI)网络，或者可以是移动蜂窝网络，还可以是其他可能的网络，本申请实施例对此并不作限定。
示例性地，以终端设备100为卡口设备为例，对本申请实施例的应用场景进行介绍。针对某一交通路段，该交通路段的两端路口都设置有卡口设备，卡口设备可以用于采集该交通路段的过车信息(比如车辆通过卡口设备的过车时间、行车方向以及车辆的车牌号码、车辆类型等)，比如某一车辆经过该交通路段，那么，在该车辆刚驶入该交通路段时，对应的入口卡口设备采集该车辆的驶入过车时间、驶入方向、车牌号码、车辆颜色、车辆类型等，在该车辆刚驶出该交通路段时，对应的出口卡口设备采集该车辆的驶出过车时间、驶出方向、车牌号码、车辆颜色、车辆类型等。比如，如图2所示，为本申请实施例提供的一种交通路段的出入口卡口设备示意图，基于图2，以某一车辆(比如车辆A)通过该交通路段为例，在车辆A的行驶方向上，车辆A在经过该交通路段的卡口设备1时，该卡口设备1会采集该车辆A进入该交通路段的过车时间，以及在车辆A经过该交通路段的卡口设备2时，该卡口设备2会采集该车辆A离开该交通路段的过车时间，同时会通过摄像头设备1(即入口摄像头设备)采集好在车辆A经过该交通路段的卡口设备1时该车辆A的图像信息，并通过图像信息获取该车辆A的车牌号码，以及通过摄像头设备2(即出口摄像头设备)采集好在车辆A经过该交通路段的卡口设备2时该车辆A的图像信息，并通过图像信息获取该车辆A的车牌号码，如此可以便于后续针对每辆车的过车信息进行准确地分析。如此，该交通路段的出入口交通监控设备在某一统计时段内采集好各车辆在该交通路段的过车信息(比如驶入过车时间、驶出过车时间、车牌号码、车辆颜色、车辆类型等)，将该统计时段内各车辆在该交通路段的过车信息传输至服务设备200，服务设备200针对各交通路段在各统计时段(统计时段可以携带上日期标识，比如某一天的某一统计时段)内的过车信息进行拥堵指数的计算，即可得到各交通路段在各统计时段的拥堵指数值，同时可以获取各交通路段在各统计时段对应的时间情况(比如工作日、休息日或节假日等)、天气情况(比如正常天气或恶劣天气等)。然后，在需要针对某一交通路段在某一待识别时段是否为常发拥堵路段进行识别时，即可首先识别该交通路段在该待识别时段对应的时间情况和天气情况，并可以通过时间情况和天气情况，匹配出该交通路段在该识别时段对应的多个拥堵指数值，从而可以通过多个拥堵指数值识别该交通路段在该待识别时段是否为常发拥堵路段，如果多个拥堵指数值中存在m个拥堵指数值满足拥堵阈值，则确定该交通路段在该待识别时段为常发拥堵路段。最后，在确定作为常发拥堵路段的交通路段在待识别时段具有的警力覆盖度估计值不满足警力覆盖度阈值时，即可生成针对该交通路段在待识别时段对应的拥堵控制策略，即针对该交通路段在待识别时段的拥堵状况进行相应的警力部署，以此能够有效地针对该交通路段在待识别时段的拥堵状况进行精准干预，从而可以有效地缓解该交通路段在待识别时段的交通拥堵，并可以实现警力资源的科学有效配置。
需要说明的是，上述图1所示的系统架构仅是一种示例，本申请实施例对此并不做限定。
基于上述描述，图3示例性的示出了本申请实施例提供的一种交通拥堵控制策略生成方法的流程，该流程可以由交通拥堵控制策略生成装置执行。其中，交通拥堵控制策略生成方法可以应用于图1所示的系统架构中，可以由图1中的服务设备执行交通拥堵控制策略生成方法。其中，交通拥堵控制策略生成装置可以是服务设备或者也可以是能够支持服务设备实现该方法所需的功能的部件(比如芯片或集成电路)等，当然也可以是其它具有实现该方法所需的功能的电子设备，比如交通控制设备。
如图3所示，该流程具体包括：
步骤301，针对任一交通路段，识别所述交通路段在待识别时段对应的时间类型和天气类型。
本申请实施例中，针对任一交通路段，在识别该交通路段在某一待识别时段是否为常发拥堵路段时，首先需要识别该交通路段在该待识别时段对应的时间类型和天气类型，即，根据该交通路段在该待识别时段所具有的时间属性，判断该交通路段在该待识别时段对应的时间类型是属于工作日、休息日或节假日中的哪一个，比如，假设该交通路段在该待识别时段所在日期的时间属性是周一且不属于节假日，则判断该交通路段在该待识别时段对应的时间类型是属于工作日，或者，假设该交通路段在该待识别时段所在日期的时间属性是周六且不属于节假日，则判断该交通路段在该待识别时段对应的时间类型是属于休息日(即双休日)，或者，假设该交通路段在该待识别时段所在日期的时间属性是中秋节或国庆节等，则判断该交通路段在该待识别时段对应的时间类型是属于节假日。此外，根据该交通路段在该待识别时段具有的天气属性，判断该交通路段在该待识别时段对应的天气类型是属于正常天气或恶劣天气中的哪一个。比如，假设该交通路段在该待识别时段所在日期具有的天气属性是强降雨、大雪、冰冻、大风、低温、高温炎热、大雾、暴雨、冰雹或发布的黄色预警以上的天气等，则确定该交通路段在该待识别时段对应的天气类型是属于恶劣天气，或者，假设该交通路段在该待识别时段所在日期具有的天气属性是晴天、多云、阴天、小雨或者发布的蓝色预警的天气等，则确定该交通路段在该待识别时段对应的天气类型是属于正常天气。例如，假设某一交通路段在某一待识别时段所在日期的时间属性是周一且不属于节假日，那么可以确定该交通路段在该待识别时段对应的时间类型是属于工作日，同时假设该交通路段在该待识别时段所在日期具有的天气属性是强降雨，则可以确定该交通路段在该待识别时段对应的天气类型是属于恶劣天气。
其中，可以理解的是，对于某一交通路段来说，在一天的不同时段内，该交通路段的拥堵状况也可能是不相同的，而且，这一天的天气情况也会影响该交通路段的拥堵状况，比如，如果这一天的天气情况是暴雨，那么，在暴雨的情况下，该交通路段上的车辆行驶会比较慢，车辆在该交通路段上所花费的时间比较长，车辆行驶速度比较小，比如，如果这一天的天气情况是晴天且非低温或非高温炎热等(比如温度适中)，那么，在这种情况下，该交通路段上的车辆行驶会比较快，车辆行驶速度也比较正常。如此，为了能够准确地识别交通路段在某一待识别时段是否为常发拥堵路段，需要结合该交通路段在历史时间上与该待识别时段属于相同时段且具有相同的时间类型和天气类型的多个拥堵统计数据(比如拥堵指数值)进行分析。其中，每个时段的时段长度可以根据实际需要进行设定，比如，可以将一天划分为多个时段，比如可以每间隔15分钟划分为一个时段，比如3点到3点15为一个时段，3点15到3点半为一个时段等，或者可以每间隔20分钟划分为一个时段，比如3点到3点20为一个时段，3点20到3点40为一个时段等，或者可以每间隔30分钟划分为一个时段，比如从3点到3点半为一个时段，三点半到4点为一个时段等，具体可以根据实际应用场景进行时段的设置，本申请实施例对此并不作限定。其中，需要说明的是，时段的设置太小，所获取的过车数据的数量过小，且受信号灯、礼让行人、交通事故等的影响，数据不稳定，时段的设置太大，分析出的拥堵时段过长，精度不够，在协助交通拥堵管控方面，参考值较低。其中，可以理解的是，同一交通路段在休息日、节假日和工作日的同一时段的拥堵状况也可能会有较大的差别，比如，针对某一交通路段，以早上7点半到8点的时段为例，该交通路段在休息日的早上7点半到8点的时段会比较畅通，而该交通路段在工作日的早上7点半到8点的时段会比较拥堵，同理，该交通路段在节假日的早上7点半到8点的时段可能会由于出行的车辆多会比较拥堵，也可能会由于出行的车辆少会比较畅通。因此，为了最大可能地避免针对交通路段在某一待识别时段是否为常发拥堵路段的识别出现较大的误差，也需要综合考虑该待识别时段对应的时间类型(比如工作日、休息日或节假日等)以及待识别时段进行判断交通路段在某一待识别时段是否为常发拥堵路段，也即是，通过综合考虑交通路段、待识别时段以及交通路段在待识别时段对应的时间类型和天气类型，从拥堵指数库中选取出相匹配的多个拥堵指数值，进行更为精准地判断交通路段在某一待识别时段是否为常发拥堵路段，从而可以使得针对常发拥堵路段的识别的准确性更高，更加符合交通路段所对应的实际状况。
步骤302，从拥堵指数库中匹配出符合所述交通路段在待识别时段对应的时间类型和天气类型的多个拥堵指数值。
本申请实施例中，拥堵指数库用于指示交通路段、统计时段、时间类型、天气类型与拥堵指数值的映射关系；多个拥堵指数值对应的多个统计时段均与待识别时段属于相同时段。具体地，在识别出交通路段在待识别时段对应的时间类型和天气类型后，即可准确地判断该交通路段在待识别时段对应的拥堵指数值匹配要求，并可以通过根据交通路段、待识别时段、时间类型以及天气类型，即可从拥堵指数库中确定出符合拥堵指数值匹配要求的多个拥堵指数值。其中，通过下述方式进行判断交通路段在待识别时段对应的拥堵指数值匹配要求，即：如果交通路段在待识别时段对应的时间类型为工作日且天气类型为正常天气，则可以确定交通路段在待识别时段对应的拥堵指数值匹配要求为第一匹配要求，该第一匹配要求用于指示匹配位于待识别时段之前的至少一月内的拥堵指数值，也即是，用于指示在拥堵指数库中从位于待识别时段之前的至少一个月内的各拥堵指数值中匹配出符合时间类型和天气类型的多个拥堵指数值，或者，如果交通路段在待识别时段对应的时间类型为休息日且天气类型为正常天气，则可以确定交通路段在待识别时段对应的拥堵指数值匹配要求为第一匹配要求。如果交通路段在待识别时段对应的时间类型为工作日且天气类型为恶劣天气，则可以确定交通路段在待识别时段对应的拥堵指数值匹配要求为第二匹配要求，该第二匹配要求用于指示匹配位于待识别时段之前的至少半年内的拥堵指数值，也即是，用于指示在拥堵指数库中从位于待识别时段之前的至少半年内的各拥堵指数值中匹配出符合时间类型和天气类型的多个拥堵指数值。或者，如果交通路段在待识别时段对应的时间类型为休息日且天气类型为恶劣天气，则可以确定交通路段在待识别时段对应的拥堵指数值匹配要求为第二匹配要求。如果交通路段在待识别时段对应的时间类型为节假日且天气类型为正常天气或恶劣天气中的任一个，则可以确定交通路段在待识别时段对应的拥堵指数值匹配要求为第三匹配要求，该第三匹配要求用于指示匹配位于所述待识别时段之前的至少三年内的拥堵指数值，也即是，用于指示在拥堵指数库中从位于待识别时段之前的至少三年内的各拥堵指数值中匹配出符合时间类型和天气类型的多个拥堵指数值。
示例性地，如图4所示，为本申请实施例提供的一种交通路段示意图，例如，以交通路段A为例，在判断该交通路段A在某一待识别时段(比如早上8点到8点半的一个时段)是否为常发拥堵路段时，识别该交通路段A在早上8点到8点半的时段属于周一的一个时段，该周一不属于节假日，那么可以判断该交通路段A在早上8点到8点半的时段对应的时间类型为工作日，同时识别该交通路段A在周一这一天对应的天气情况是多云，则可以判断该交通路段A在早上8点到8点半的时段对应的天气类型是正常天气，那么可以该交通路段A在早上8点到8点半的时段对应的拥堵指数值匹配要求是第一匹配要求，即可从拥堵指数库中匹配出该交通路段A对应的在周一往前推30天内属于早上8点到8点半的时段且时间类型为工作日且天气类型为正常天气的多个拥堵指数值。或者，假设该交通路段A在早上8点到8点半的时段对应的时间类型为工作日，同时识别该交通路段A在周一这一天对应的天气情况是大雾，则可以判断该交通路段A在早上8点到8点半的时段对应的天气类型是恶劣天气，那么可以该交通路段A在早上8点到8点半的时段对应的拥堵指数值匹配要求是第二匹配要求，即可从拥堵指数库中匹配出该交通路段A对应的在周一往前推180天内属于早上8点到8点半的时段且时间类型为工作日且天气类型为恶劣天气的多个拥堵指数值。
其中，通过下述方式建立拥堵指数库：针对任一交通路段，获取该交通路段在任一统计时段的进出卡口过车数据，并可以获取该交通路段在该统计时段对应的时间类型和天气类型。再基于该交通路段在该统计时段的进出卡口过车数据，可以确定该交通路段在该统计时段对应的车辆平均速度，并基于该交通路段的路段允许车速以及该车辆平均速度，可以确定该交通路段在该统计时段对应的拥堵指数值。然后，就可以将各交通路段在各统计时段对应的拥堵指数值以及各交通路段在各统计时段对应的时间类型和天气类型存储至拥堵指数库。
其中，针对交通路段在统计时段对应的车辆平均速度的计算，可以参见图5，图5为本申请实施例提供的一种确定交通路段在统计时段对应的车辆平均速度的流程示意图。如图5所示，该流程可以包括：
步骤501，针对所述交通路段的每个车道，获取所述车道上属于所述统计时段的各车辆经过进口卡口的时间和所述各车辆经过出口卡口的时间。
其中，针对交通路段的每个车道，从该交通路段的交通监控设备采集的历史过车数据中获取该车道上属于该统计时段的各车辆经过进口卡口的时间以及该各车辆经过出口卡口的时间。例如，假设统计时段为下午14点到14点半的时段，可以从该交通路段的交通监控设备采集的历史过车数据中获取在下午14点到14点半的时段内经过该车道的各车辆对应的经过进口卡口的时间以及经过出口卡口的时间。
示例性地，针对某一区域，可以获取该区域内各交通路段的基础信息(比如路段长度、路段拥堵规范、路段限速Vmax等)，并根据每个交通路段和相应的卡口设备的关联关系，获取每个交通路段对应的卡口设备数据以及相关的卡口设备采集的过车数据。其中，对于每个车道，获取该车道关联的进出卡口的过车数据。对于采集的过车数据参考表1所示的规则：同时满足条件1和条件2，进行可避免脏数据的清洗处理，清洗掉车牌号码不规范的过车数据。
表1
Figure BDA0003756477530000131
步骤502，针对每个车辆，根据所述车辆经过进口卡口的时间、所述车辆经过出口卡口的时间以及所述交通路段的路段长度，确定所述车辆的平均速度，并根据所述各车辆的平均速度，确定所述车道对应的车辆平均速度。
其中，通过根据交通路段的路段长度、该车辆经过进口卡口的时间以及该车辆经过出口卡口的时间，即可计算出该车辆通过该交通路段的平均速度。或者，也可以通过针对车辆自身配置的速度检测设备在通过该交通路段过程中所采集的各时刻下的车辆速度进行平均计算或者进行加权平均计算，即可计算出该车辆通过该交通路段的平均速度。然后，针对该车道上各车辆的平均速度进行平均计算或加权平均计算，即可计算出该车道对应的车辆平均速度。
示例性地，对于每个车道对应的清洗后的过车数据，通过下述方式计算在某一统计时段内该车道上每个车辆的平均速度：
Figure BDA0003756477530000141
其中，
Figure BDA0003756477530000142
用于表示在某一统计时段内车道i上车辆j的平均速度，t2j用于表示车辆j经过出口卡口的过车时间，t1j用于表示车辆j经过进口卡口的过车时间，L用于表示车道i所在交通路段的路段长度。
其中，需要说明的是，针对各车辆的平均速度，使用3σ定律检验进行数据清洗，以此排除交通事故、信号灯、礼让行人等因素的影响。例如，针对车道i，输入数据集
Figure BDA0003756477530000143
通过下述方式计算一元正态分布的参数μ和σ，使用常用的3σ原则进行检验，如果数据点超过范围(μ-3σ,μ+3σ)，则认定该数据点为异常值，并针对该数据点进行剔除不用。
Figure BDA0003756477530000144
Figure BDA0003756477530000145
其中，
Figure BDA0003756477530000146
用于表示车道i上各车辆的平均速度。
在针对某一车道上各车辆的平均速度进行清洗后，即可使用清洗后的多个车辆的平均速度进行计算该车道对应的车辆平均速度。其中，通过下述方式计算该车道对应的车辆平均速度：
Figure BDA0003756477530000147
其中，Vi用于表示车道i对应的车辆平均速度，n用于表示车道i上清洗后的车辆数量，也即是表示车道i上清洗后的平均速度的数量。
步骤503，从所述交通路段的各车道对应的车辆平均速度中确定出最小的车辆平均速度，并将所述最小的车辆平均速度确定为所述交通路段在所述统计时段对应的车辆平均速度。
其中，针对某一交通路段，将在某一统计时段内该交通路段中各车道对应的车辆平均速度进行比较，确定出最小的车辆平均速度，可以将该最小的车辆平均速度作为该交通路段在该统计时段对应的车辆平均速度。或者，可以将在该统计时段内该交通路段中各车道对应的车辆平均速度进行平均计算或者进行加权平均计算，并将计算出的结果值作为该交通路段在该统计时段对应的车辆平均速度。
此外，在计算出交通路段在某一统计时段对应的车辆平均速度后，即可通过下述方式确定该交通路段在该统计时段对应的拥堵指数值：
Figure BDA0003756477530000151
其中，tpi(Traffic Performance Index)用于表示交通路段在某一统计时段对应的拥堵指数值，Vmax用于表示该交通路段的路段限速，Vi用于表示该交通路段在该统计时段对应的车辆平均速度。
步骤303，若所述多个拥堵指数值中存在m个拥堵指数值满足拥堵阈值，则确定所述交通路段在所述待识别时段为常发拥堵路段。
本申请实施例中，针对某一交通路段，在通过该交通路段在某一待识别时段对应的时间类型和天气类型从拥堵指数库中匹配出对应的多个拥堵指数值后，即可判断该多个拥堵指数值中是否存在m个拥堵指数值满足拥堵阈值，如果存在，则可以确定交通路段在待识别时段为常发拥堵路段，如果不存在，则可以确定交通路段在待识别时段不为常发拥堵路段。其中，各统计时段的拥堵阈值可以设置为相同阈值，或者，为了能够准确地判断在早晚高峰时段、平峰时段，交通路段是否为常发拥堵路段，可以针对早高峰时段、晚高峰时段、平峰时段分别设置不同的拥堵阈值，那么在进行判断交通路段在待识别时段是否为常发拥堵路段时，需要判断待识别时段属于早高峰时段、晚高峰时段或平峰时段的哪一个。比如，假设该待识别时段属于早高峰时段，则需要将多个拥堵指数值与早高峰时段对应的拥堵阈值进行比对，判断多个拥堵指数值中是否存在m个拥堵指数值满足早高峰时段对应的拥堵阈值。或者，假设待识别时段属于晚高峰时段，则需要将多个拥堵指数值与晚高峰时段对应的拥堵阈值进行比对，判断多个拥堵指数值中是否存在m个拥堵指数值满足晚高峰时段对应的拥堵阈值。或者，假设待识别时段属于平峰时段，则需要将多个拥堵指数值与平峰时段对应的拥堵阈值进行比对，判断多个拥堵指数值中是否存在m个拥堵指数值满足平峰时段对应的拥堵阈值。其中，早高峰时段、晚高峰时段或平峰时段对应的拥堵阈值可以根据本领域技术人员的经验或可以根据多次实验所得结果或可以根据实际应用场景进行设置，本申请实施例对此并不作限定。
其中，为了能够更为准确地进行常发拥堵路段的识别，可以在进行判断多个拥堵指数值中是否存在m个拥堵指数值满足拥堵阈值之前，针对拥堵指数值进行清洗，也即是针对拥堵指数值不满足一定条件的进行清理掉。具体地，在从拥堵指数库中匹配出符合交通路段在待识别时段对应的时间类型和天气类型的多个拥堵指数值后，假设获取了n个拥堵指数值，通过下述方式计算n个拥堵指数值的平均值以及标准差，即：
Figure BDA0003756477530000152
其中，
Figure BDA0003756477530000153
用于表示平均值，x1,x2,…,xn用于表示n个拥堵指数值。
Figure BDA0003756477530000161
其中，S用于表示标准差，xi用于表示第i个拥堵指数值。
其中，针对n个拥堵指数值，统计拥堵指数值在
Figure BDA0003756477530000162
范围外的占比，如果占比大于设定阈值，则可以确定该交通路段的拥堵状况不稳定，针对该交通路段不进行常发拥堵路段的判断。如果占比小于等于设定阈值，则针对该交通路段进行常发拥堵路段的判断，而且，在n个拥堵指数值中有m个拥堵指数值满足拥堵阈值，即可确定该交通路段在待识别时段为常发拥堵路段。例如，假设判断待识别时段属于早高峰时段，则将n个拥堵指数值与早高峰时段对应的拥堵阈值进行比对，判断n个拥堵指数值中是否存在m个拥堵指数值满足早高峰时段对应的拥堵阈值。其中，m可以取大于等于n/2的数值，m和n均为大于0的整数；设定阈值可以根据本领域技术人员的经验或可以根据多次实验所得结果或可以根据实际应用场景进行设置，本申请实施例对此并不作限定。或者，在占比小于等于设定阈值时，将n个拥堵指数值中位于
Figure BDA0003756477530000163
范围外的拥堵指数值进行剔除，剔除后的各拥堵指数值用于进行常发拥堵路段的判断，也即是判断剔除后的各拥堵指数值中是否存在m个拥堵指数值满足拥堵阈值。例如，假设判断待识别时段属于早高峰时段，则将剔除后的各拥堵指数值与早高峰时段对应的拥堵阈值进行比对，判断剔除后的各拥堵指数值中是否存在m个拥堵指数值满足早高峰时段对应的拥堵阈值。
步骤304，基于所述交通路段在所述m个拥堵指数值对应的m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值，并在所述警力覆盖度估计值不满足警力覆盖度阈值时，生成所述交通路段在所述待识别时段对应的拥堵控制策略。
本申请实施例中，针对交通路段在每个统计时段对应的第一警力执勤时长的计算，可以参见图6，图6为本申请实施例提供的一种确定交通路段在统计时段对应的第一警力执勤时长的流程示意图。如图6所示，该流程可以包括：
步骤601，获取所述交通路段中第一路口的经纬度坐标和第二路口的经纬度坐标，并获取所述交通路段在m个统计时段的在线警力信息。
步骤602，基于所述第一路口的经纬度坐标、所述第二路口的经纬度坐标以及在m个统计时段下各警力的经纬度坐标，确定所述交通路段在m个统计时段对应的覆盖警力，并针对每个统计时段对应的覆盖警力，确定该统计时段对应的覆盖警力在该统计时段对应的第一警力执勤时长。
其中，在线警力信息可以包括至少一个警力的经纬度坐标；覆盖警力用于指示该交通路段在每个统计时段的执勤人员数量。
在确定该交通路段在m个统计时段的第一警力执勤时长后，可以根据该交通路段在m个统计时段的第一警力执勤时长，即可确定该交通路段在待识别时段对应的第二警力执勤时长，比如可以将该交通路段在m个统计时段的第一警力执勤时长进行平均计算或进行加权平均计算，即可计算出该交通路段在待识别时段对应的第二警力执勤时长，或者可以该交通路段在m个统计时段的第一警力执勤时长的中位数作为该交通路段在待识别时段对应的第二警力执勤时长，当然也可以通过其它方式进行计算，本申请实施例对此并不作限定。那么，就可以根据第二警力执勤时长以及待识别时段具有的时段长度，即可确定出该交通路段在待识别时段具有的警力覆盖度估计值。如果该警力覆盖度估计值不满足警力覆盖度阈值，则需要生成该交通路段在待识别时段对应的拥堵控制策略，也即是针对该交通路段在待识别时段对应的拥堵生成新的警力部署策略，以此可以使用拥堵控制策略用于精准干预该交通路段在待识别时段的拥堵状况，那么可以实现有效配置常发拥堵路段的警力资源，使得常发拥堵路段的警力资源配置更加合理。如果该警力覆盖度估计值满足警力覆盖度阈值，则不需要生成该交通路段在待识别时段对应的拥堵控制策略，可以按照该交通路段在与待识别时段相同的统计时段对应的拥堵控制策略针对该交通路段在待识别时段对应的拥堵进行管控疏通，也即是按照与待识别时段相同的统计时段对应的警力部署策略进行部署警力，以此来有效地缓解该交通路段在待识别时段对应的拥堵。
其中，针对交通路段在每个统计时段对应的覆盖警力的计算，可以参见图7，图7为本申请实施例提供的一种确定交通路段在统计时段对应的覆盖警力的流程示意图。如图7所示，该流程可以包括：
步骤701，针对每个统计时段，基于所述第一路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，确定所述至少一个警力分别与所述第一路口的第一距离，并基于所述第二路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，确定所述至少一个警力分别与所述第二路口的第二距离。
步骤702，针对每个第一距离，若所述第一距离满足距离阈值，则将所述第一距离对应的警力确定为所述第一路口的覆盖警力，并针对每个第二距离，若所述第二距离满足所述距离阈值，则将所述第二距离对应的警力确定为所述第二路口的覆盖警力。
步骤703，根据所述第一路口的各覆盖警力以及所述第二路口的各覆盖警力，确定所述交通路段在所述统计时段对应的覆盖警力。
示例性地，如图8所示，为本申请实施例提供的一种交通路段的警力覆盖示意图，以交通路段a为例，该交通路段a有两个路口，即路口1和路口2。假设判断该交通路段a在统计时段8点半到9点的时段为常发拥堵路段，并以路口1和路口2为定点，获取在8点半到9点的时段内且在一定距离范围内的警力信息，假设分别以路口1的经纬度坐标(Lon1,Lat1)为圆点，半径r＝6371004米的范围内以及以路口2的经纬度坐标(Lon2,Lat2)为圆点，半径r＝6371004米的范围内的警力信息，比如在8点半到9点的时段内且在一定距离范围内有5个警力，即警力1、警力2、警力3、警力4和警力5，同时可以各个警力的经纬度坐标(MLonP,MLatP)，比如警力1的经纬度坐标为(MLon1,MLat1)、警力2的经纬度坐标为(MLon2,MLat2)、警力3的经纬度坐标为(MLon3,MLat3)、警力4的经纬度坐标为(MLon4,MLat4)、警力5的经纬度坐标为(MLon5,MLat5)。
例如，可以通过下述方式计算路口1的覆盖警力：
C＝sin(Lat1)*sin(MLatP)+cos(Lat1)*cos(MLatP)*cos(Lon1-MLonP)
distance＝r*arccos(C)*Pi/180
其中，Pi即为π。对于路口1，针对每个警力，如果通过上述计算公式，以及基于路口1的经纬度坐标、该警力的经纬度坐标所计算出的距离值distance小于或等于设定的距离阈值，则可以确定该警力为路口1的覆盖警力，如果所计算出的距离值distance大于设定的距离阈值，则可以确定该警力不为路口1的覆盖警力，比如警力1与路口1所计算出的距离值distance小于设定的距离阈值，则可以确定该警力1为路口1的覆盖警力。其中，设定的距离阈值可以根据本领域技术人员的经验或可以根据多次实验所得结果或可以根据实际应用场景进行设置，本申请实施例对此并不作限定。
可以通过下述方式计算路口2的覆盖警力：
C＝sin(Lat2)*sin(MLatP)+cos(Lat2)*cos(MLatP)*cos(Lon2-MLonP)
distance＝r*arccos(C)*Pi/180
其中，对于路口2，针对每个警力，如果通过上述计算公式，以及基于路口2的经纬度坐标、该警力的经纬度坐标所计算出的距离值distance小于或等于设定的距离阈值，则可以确定该警力为路口2的覆盖警力，如果所计算出的距离值distance大于设定的距离阈值，则可以确定该警力不为路口2的覆盖警力。比如警力3与路口2所计算出的距离值distance小于设定的距离阈值，则可以确定该警力3为路口2的覆盖警力。
在计算出交通路段a在8点半到9点的时段，路口1的各覆盖警力以及路口2的各覆盖警力2后，即可计算出交通路段a在8点半到9点的时段对应的覆盖警力D，即D＝F1+F2，其中，F1用于表示路口1的各覆盖警力，F2用于表示路口2的各覆盖警力。然后，统计交通路段a在统计时段8点半到9点的时段对应的每个覆盖警力的执勤时长，比如以1分钟为粒度统计交通路段a的每个覆盖警力在8点半到9点的时段对应的执勤时长，然后每5分钟进行合计，即可获取5分钟粒度的该覆盖警力的执勤时长。其中，对于1分钟粒度的覆盖警力的执勤时长，判断开始时刻(分钟数)和结束时刻((分钟数)+1)是否有警力存在，同时存在警力的情况，则认为1分钟内警力在线，覆盖警力时长为1分钟。最后，通过下述方式即可计算交通路段在某一统计时段对应的总警力执勤时长：
Figure BDA0003756477530000181
其中，Vover用于表示交通路段在某一统计时段对应的总警力执勤时长，
Figure BDA0003756477530000182
用于表示按照5分钟粒度统计的第i个覆盖警力的执勤时长。
在计算出交通路段在某一统计时段对应的总警力执勤时长，即可通过下述方式计算该交通路段在该统计时段对应的警力覆盖度：警力覆盖度＝在该统计时段对应的总执勤时长/该统计时段的时段长度。其中，需要说明的是，统计时段的时段长度与交通路段计算拥堵指数指的时段粒度保持一致，比如，统计时段的时段长度以及交通路段计算拥堵指数指的时段粒度都为30分钟，交通路段在某一统计时段对应的总警力执勤时长为30分钟内的覆盖警力时长。
然后，在通过上述方式计算出交通路段在待识别时段对应的警力覆盖度估计值(即警力覆盖度估计值＝交通路段在待识别时段对应的第二警力执勤时长/待识别时段的时段长度)后，即可将该警力覆盖度估计值与警力覆盖度阈值进行比较，如果该警力覆盖度估计值小于警力覆盖度阈值，则可以推荐增派警力及警力数量的警力部署方案，如此可以实现实时识别出常发拥堵路段，并针对常发拥堵路段进行实时生成警力部署方案，以此可以实现针对常发拥堵路段的拥堵的精准干预，并可以实现针对常发拥堵路段进行科学合理的警力资源部署，从而可以有效地缓解常发拥堵路段的交通拥堵，并可以有效地缓解警力资源的不足以及提高警务工作效率。
上述实施例表明，本申请中的技术方案通过从时间特性、时段特性、天气特性等多个维度进行识别交通路段是否为常发拥堵路段，也即是，通过依据交通路段具有的实际时间特性和实际天气特性进行判断交通路段在某一待识别时段是否为常发拥堵路段，可以使得常发拥堵路段的识别更加准确，更加满足常发拥堵路段识别的实际需求，以此可以使得针对常发拥堵路段的警力部署更加科学精准，从而可以有效地缓解常发拥堵路段的拥堵状况，并可以为有效地降低常发拥堵路段的事故率提供有力地保障。具体来说，针对任一交通路段，首先识别出该交通路段在待识别时段对应的时间类型和天气类型(即该交通路段在待识别时段对应的时间特性和天气特性)，再通过时间类型和天气类型即可准确地从拥堵指数库中匹配出该交通路段在待识别时段对应的多个拥堵指数值，也即是，交通路段在待识别时段对应不同的时间类型和天气类型，因而所匹配出的多个拥堵指数值也是不相同的，那么也就可以更加精准地判断在不同的时间类型和天气类型下，交通路段在待识别时段是否为常发拥堵路段，使得常发拥堵路段的识别更加符合实际情况。然后，如果在该时间类型和该天气类型下对应的多个拥堵指数值中存在m个拥堵指数值满足拥堵阈值，那么即可准确地确定在该时间类型和该天气类型下，该交通路段在待识别时段为常发拥堵路段，以此可以有效地避免因依赖人工经验进行常发拥堵路段的识别而导致识别准确性低，从而可以确保常发拥堵时段识别的有效性、准确性，并可以更加满足在不同场景下进行有效地判断交通路段是否为常发拥堵路段。最后，针对在待识别时段作为常发拥堵路段的交通路段，在确定该交通路段在待识别时段具有的警力覆盖度估计值不满足警力覆盖度阈值时，即可生成针对该交通路段在待识别时段对应的拥堵控制策略，以此可以使用拥堵控制策略用于精准干预该交通路段在待识别时段的拥堵状况，那么可以实现有效配置作为常发拥堵路段的交通路段的警力资源，使得针对常发拥堵路段的警力资源配置更加合理，并可以有效地确保常发拥堵路段的交通流畅度。
基于相同的技术构思，图9示例性的示出了本申请实施例提供的一种交通拥堵控制策略生成装置，该装置可以执行交通拥堵控制策略生成方法的流程。其中，交通拥堵控制策略生成装置可以是服务设备或者也可以是能够支持服务设备实现该方法所需的功能的部件(比如芯片或集成电路)等，当然也可以是其它具有实现该方法所需的功能的电子设备，比如交通控制设备。
如图9所示，该装置包括：
识别单元901，用于针对任一交通路段，识别所述交通路段在待识别时段对应的时间类型和天气类型；
处理单元902，用于从拥堵指数库中匹配出符合所述交通路段在待识别时段对应的时间类型和天气类型的多个拥堵指数值；所述拥堵指数库用于指示交通路段、统计时段、时间类型、天气类型与拥堵指数值的映射关系；所述多个拥堵指数值对应的多个统计时段均与所述待识别时段属于相同时段；若所述多个拥堵指数值中存在m个拥堵指数值满足拥堵阈值，则确定所述交通路段在所述待识别时段为常发拥堵路段；基于所述交通路段在所述m个拥堵指数值对应的m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值，并在所述警力覆盖度估计值不满足警力覆盖度阈值时，生成所述交通路段在所述待识别时段对应的拥堵控制策略。
在一些示例性的实施方式中，所述处理单元902具体用于：
根据所述时间类型和所述天气类型，确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求；
根据所述交通路段、所述待识别时段、所述时间类型以及所述天气类型，从所述拥堵指数库中确定出符合所述拥堵指数值匹配要求的多个拥堵指数值。
在一些示例性的实施方式中，所述处理单元902具体用于：
若所述时间类型为工作日且所述天气类型为正常天气，或者，若所述时间类型为休息日且所述天气类型为正常天气，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第一匹配要求；所述第一匹配要求用于指示匹配位于所述待识别时段之前的至少一月内的拥堵指数值；
若所述时间类型为工作日且所述天气类型为恶劣天气，或者，若所述时间类型为休息日且所述天气类型为恶劣天气，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第二匹配要求；所述第二匹配要求用于指示匹配位于所述待识别时段之前的至少半年内的拥堵指数值；
若所述时间类型为节假日且所述天气类型为正常天气或恶劣天气中的任一个，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第三匹配要求；所述第三匹配要求用于指示匹配位于所述待识别时段之前的至少三年内的拥堵指数值。
在一些示例性的实施方式中，所述处理单元902具体用于：
针对任一交通路段，获取所述交通路段在任一统计时段的进出卡口过车数据，并获取所述交通路段在所述统计时段对应的时间类型和天气类型；
基于所述交通路段在所述统计时段的进出卡口过车数据，确定所述交通路段在所述统计时段对应的车辆平均速度；
基于所述交通路段的路段允许车速以及所述车辆平均速度，确定所述交通路段在所述统计时段对应的拥堵指数值；
将各交通路段在各统计时段对应的时间类型和天气类型以及所述各交通路段在所述各统计时段对应的拥堵指数值存储至所述拥堵指数库。
在一些示例性的实施方式中，所述处理单元902具体用于：
针对所述交通路段的每个车道，获取所述车道上属于所述统计时段的各车辆经过进口卡口的时间和所述各车辆经过出口卡口的时间；
针对每个车辆，根据所述车辆经过进口卡口的时间、所述车辆经过出口卡口的时间以及所述交通路段的路段长度，确定所述车辆的平均速度，并根据所述各车辆的平均速度，确定所述车道对应的车辆平均速度；
从所述交通路段的各车道对应的车辆平均速度中确定出最小的车辆平均速度，并将所述最小的车辆平均速度确定为所述交通路段在所述统计时段对应的车辆平均速度。
在一些示例性的实施方式中，所述处理单元902具体用于：
根据所述交通路段在m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段对应的第二警力执勤时长；
根据所述第二警力执勤时长以及所述待识别时段具有的时段长度，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值。
在一些示例性的实施方式中，所述处理单元902具体用于：
获取所述交通路段中第一路口的经纬度坐标和第二路口的经纬度坐标，并获取所述交通路段在m个统计时段的在线警力信息；所述在线警力信息包括至少一个警力的经纬度坐标；
基于所述第一路口的经纬度坐标、所述第二路口的经纬度坐标以及在m个统计时段下各警力的经纬度坐标，确定所述交通路段在m个统计时段对应的覆盖警力，并针对每个统计时段对应的覆盖警力，确定该统计时段对应的覆盖警力在该统计时段对应的第一警力执勤时长；所述覆盖警力用于指示所述交通路段在每个统计时段的执勤人员数量。
在一些示例性的实施方式中，所述处理单元902具体用于：
针对每个统计时段，基于所述第一路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，确定所述至少一个警力分别与所述第一路口的第一距离，并基于所述第二路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，确定所述至少一个警力分别与所述第二路口的第二距离；
针对每个第一距离，若所述第一距离满足距离阈值，则将所述第一距离对应的警力确定为所述第一路口的覆盖警力，并针对每个第二距离，若所述第二距离满足所述距离阈值，则将所述第二距离对应的警力确定为所述第二路口的覆盖警力；
根据所述第一路口的各覆盖警力以及所述第二路口的各覆盖警力，确定所述交通路段在所述统计时段对应的覆盖警力。
基于相同的技术构思，本申请实施例还提供了一种计算设备，如图10所示，包括至少一个处理器1001，以及与至少一个处理器连接的存储器1002，本申请实施例中不限定处理器1001与存储器1002之间的具体连接介质，图10中处理器1001和存储器1002之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本申请实施例中，存储器1002存储有可被至少一个处理器1001执行的指令，至少一个处理器1001通过执行存储器1002存储的指令，可以执行前述的交通拥堵控制策略生成方法中所包括的步骤。
其中，处理器1001是计算设备的控制中心，可以利用各种接口和线路连接计算设备的各个部分，通过运行或执行存储在存储器1002内的指令以及调用存储在存储器1002内的数据，从而实现数据处理。可选的，处理器1001可包括一个或多个处理单元，处理器1001可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理下发指令。可以理解的是，上述调制解调处理器也可以不集成到处理器1001中。在一些实施例中，处理器1001和存储器1002可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
处理器1001可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合交通拥堵控制策略生成方法实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器1002作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器1002可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器1002是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器1002还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
基于相同的技术构思，本申请实施例还提供了一种计算机可读存储介质，其存储有可由计算设备执行的计算机程序，当所述程序在所述计算设备上运行时，使得所述计算设备执行上述交通拥堵控制策略生成方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种交通拥堵控制策略生成方法，其特征在于，包括：
针对任一交通路段，识别所述交通路段在待识别时段对应的时间类型和天气类型；
从拥堵指数库中匹配出符合所述交通路段在待识别时段对应的时间类型和天气类型的多个拥堵指数值；所述拥堵指数库用于指示交通路段、统计时段、时间类型、天气类型与拥堵指数值的映射关系；所述多个拥堵指数值对应的多个统计时段均与所述待识别时段属于相同时段；
若所述多个拥堵指数值中存在m个拥堵指数值满足拥堵阈值，则确定所述交通路段在所述待识别时段为常发拥堵路段；
基于所述交通路段在所述m个拥堵指数值对应的m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值，并在所述警力覆盖度估计值不满足警力覆盖度阈值时，生成所述交通路段在所述待识别时段对应的拥堵控制策略。
2.如权利要求1所述的方法，其特征在于，从拥堵指数库中匹配出符合所述交通路段在待识别时段对应的时间类型和天气类型的多个拥堵指数值，包括：
根据所述时间类型和所述天气类型，确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求；
根据所述交通路段、所述待识别时段、所述时间类型以及所述天气类型，从所述拥堵指数库中确定出符合所述拥堵指数值匹配要求的多个拥堵指数值。
3.如权利要求2所述的方法，其特征在于，根据所述时间类型和所述天气类型，确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求，包括：
若所述时间类型为工作日且所述天气类型为正常天气，或者，若所述时间类型为休息日且所述天气类型为正常天气，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第一匹配要求；所述第一匹配要求用于指示匹配位于所述待识别时段之前的至少一月内的拥堵指数值；
若所述时间类型为工作日且所述天气类型为恶劣天气，或者，若所述时间类型为休息日且所述天气类型为恶劣天气，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第二匹配要求；所述第二匹配要求用于指示匹配位于所述待识别时段之前的至少半年内的拥堵指数值；
若所述时间类型为节假日且所述天气类型为正常天气或恶劣天气中的任一个，则确定所述交通路段在所述待识别时段对应的拥堵指数值匹配要求为第三匹配要求；所述第三匹配要求用于指示匹配位于所述待识别时段之前的至少三年内的拥堵指数值。
4.如权利要求1所述的方法，其特征在于，通过下述方式建立所述拥堵指数库：
针对任一交通路段，获取所述交通路段在任一统计时段的进出卡口过车数据，并获取所述交通路段在所述统计时段对应的时间类型和天气类型；
基于所述交通路段在所述统计时段的进出卡口过车数据，确定所述交通路段在所述统计时段对应的车辆平均速度；
基于所述交通路段的路段允许车速以及所述车辆平均速度，确定所述交通路段在所述统计时段对应的拥堵指数值；
将各交通路段在各统计时段对应的时间类型和天气类型以及所述各交通路段在所述各统计时段对应的拥堵指数值存储至所述拥堵指数库。
5.如权利要求4所述的方法，其特征在于，基于所述交通路段在所述统计时段的进出卡口过车数据，确定所述交通路段在所述统计时段对应的车辆平均速度，包括：
针对所述交通路段的每个车道，获取所述车道上属于所述统计时段的各车辆经过进口卡口的时间和所述各车辆经过出口卡口的时间；
针对每个车辆，根据所述车辆经过进口卡口的时间、所述车辆经过出口卡口的时间以及所述交通路段的路段长度，确定所述车辆的平均速度，并根据所述各车辆的平均速度，确定所述车道对应的车辆平均速度；
从所述交通路段的各车道对应的车辆平均速度中确定出最小的车辆平均速度，并将所述最小的车辆平均速度确定为所述交通路段在所述统计时段对应的车辆平均速度。
6.如权利要求1至5任一项所述的方法，其特征在于，基于所述交通路段在所述m个拥堵指数值对应的m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值，包括：
根据所述交通路段在m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段对应的第二警力执勤时长；
根据所述第二警力执勤时长以及所述待识别时段具有的时段长度，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值。
7.如权利要求6所述的方法，其特征在于，通过下述方式确定所述交通路段在每个统计时段对应的第一警力执勤时长：
获取所述交通路段中第一路口的经纬度坐标和第二路口的经纬度坐标，并获取所述交通路段在m个统计时段的在线警力信息；所述在线警力信息包括至少一个警力的经纬度坐标；
基于所述第一路口的经纬度坐标、所述第二路口的经纬度坐标以及在m个统计时段下各警力的经纬度坐标，确定所述交通路段在m个统计时段对应的覆盖警力，并针对每个统计时段对应的覆盖警力，确定该统计时段对应的覆盖警力在该统计时段对应的第一警力执勤时长；所述覆盖警力用于指示所述交通路段在每个统计时段的执勤人员数量。
8.如权利要求7所述的方法，其特征在于，基于所述第一路口的经纬度坐标、所述第二路口的经纬度坐标以及在m个统计时段下各警力的经纬度坐标，确定所述交通路段在m个统计时段对应的覆盖警力，包括：
针对每个统计时段，基于所述第一路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，确定所述至少一个警力分别与所述第一路口的第一距离，并基于所述第二路口的经纬度坐标以及在该统计时段下至少一个警力的经纬度坐标，确定所述至少一个警力分别与所述第二路口的第二距离；
针对每个第一距离，若所述第一距离满足距离阈值，则将所述第一距离对应的警力确定为所述第一路口的覆盖警力，并针对每个第二距离，若所述第二距离满足所述距离阈值，则将所述第二距离对应的警力确定为所述第二路口的覆盖警力；
根据所述第一路口的各覆盖警力以及所述第二路口的各覆盖警力，确定所述交通路段在所述统计时段对应的覆盖警力。
9.一种交通拥堵控制策略生成装置，其特征在于，包括：
识别单元，用于针对任一交通路段，识别所述交通路段在待识别时段对应的时间类型和天气类型；
处理单元，用于从拥堵指数库中匹配出符合所述交通路段在待识别时段对应的时间类型和天气类型的多个拥堵指数值；所述拥堵指数库用于指示交通路段、统计时段、时间类型、天气类型与拥堵指数值的映射关系；所述多个拥堵指数值对应的多个统计时段均与所述待识别时段属于相同时段；若所述多个拥堵指数值中存在m个拥堵指数值满足拥堵阈值，则确定所述交通路段在所述待识别时段为常发拥堵路段；基于所述交通路段在所述m个拥堵指数值对应的m个统计时段的第一警力执勤时长，确定所述交通路段在所述待识别时段具有的警力覆盖度估计值，并在所述警力覆盖度估计值不满足警力覆盖度阈值时，生成所述交通路段在所述待识别时段对应的拥堵控制策略。
10.一种计算设备，其特征在于，包括至少一个处理器以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行权利要求1至8任一项所述的方法。
CN202210864140.8A 2022-07-20 2022-07-20 一种交通拥堵控制策略生成方法及装置 Active CN115273468B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210864140.8A CN115273468B (zh) 2022-07-20 2022-07-20 一种交通拥堵控制策略生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210864140.8A CN115273468B (zh) 2022-07-20 2022-07-20 一种交通拥堵控制策略生成方法及装置

Publications (2)

Publication Number Publication Date
CN115273468A true CN115273468A (zh) 2022-11-01
CN115273468B CN115273468B (zh) 2023-10-24

Family

ID=83766732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210864140.8A Active CN115273468B (zh) 2022-07-20 2022-07-20 一种交通拥堵控制策略生成方法及装置

Country Status (1)

Country Link
CN (1) CN115273468B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363882A (zh) * 2023-06-01 2023-06-30 山东高速信息集团有限公司 一种高速公路拥堵处理方法、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109147330A (zh) * 2018-09-19 2019-01-04 青岛海信网络科技股份有限公司 一种拥堵识别方法及装置
CN110751841A (zh) * 2018-07-24 2020-02-04 阿里巴巴集团控股有限公司 区域交通控制方法、设备、系统及存储介质
CN111028505A (zh) * 2019-11-28 2020-04-17 北京世纪高通科技有限公司 交通拥堵的治理方法及装置
WO2020259074A1 (zh) * 2019-06-28 2020-12-30 佛山科学技术学院 一种基于大数据的交通拥堵预测系统、方法及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110751841A (zh) * 2018-07-24 2020-02-04 阿里巴巴集团控股有限公司 区域交通控制方法、设备、系统及存储介质
CN109147330A (zh) * 2018-09-19 2019-01-04 青岛海信网络科技股份有限公司 一种拥堵识别方法及装置
WO2020259074A1 (zh) * 2019-06-28 2020-12-30 佛山科学技术学院 一种基于大数据的交通拥堵预测系统、方法及存储介质
CN111028505A (zh) * 2019-11-28 2020-04-17 北京世纪高通科技有限公司 交通拥堵的治理方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116363882A (zh) * 2023-06-01 2023-06-30 山东高速信息集团有限公司 一种高速公路拥堵处理方法、设备及介质
CN116363882B (zh) * 2023-06-01 2023-09-01 山东高速信息集团有限公司 一种高速公路拥堵处理方法、设备及介质

Also Published As

Publication number Publication date
CN115273468B (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
US20210375128A1 (en) System and method for detection and quantification of irregular traffic congestion
CN110363985B (zh) 一种交通数据分析方法、装置、存储介质及设备
CN111325978A (zh) 一种高速公路车辆异常行为的全程监测警示系统和方法
CN109661692B (zh) 交通事件预测方法、装置及终端设备
CN109493606B (zh) 一种高速公路上违停车辆的识别方法及系统
CN113112789A (zh) 城市快速路突发事件的影响预测及管控方法
CN115273468B (zh) 一种交通拥堵控制策略生成方法及装置
CN110276951B (zh) 一种基于移动互联网交通拥堵预警方法
CN110827537B (zh) 一种潮汐车道的设置方法、装置及设备
CN110033613B (zh) 基于区域交通同步性的智慧城市管理方法及系统
CN110853358A (zh) 基于驾驶行为处理保险的方法、物联网智能终端
CN115731693A (zh) 一种车道划分方法以及相关装置
CN111565423B (zh) 交通数据的处理方法及装置
CN114036411A (zh) 一种路线规划方法、装置、设备及介质
CN116704750B (zh) 一种基于聚类算法的交通状态识别方法、电子设备、介质
CN114627643B (zh) 一种高速公路事故风险预测方法、装置、设备及介质
CN111325054A (zh) 一种确定克隆车辆的方法、装置及计算设备
CN112382087B (zh) 交通堵塞预测方法
CN112927497B (zh) 一种浮动车识别方法、相关方法和装置
CN114038202A (zh) 一种基于智慧园区交通流量的停车诱导系统及方法
CN111861498B (zh) 出租车的监控方法、装置、设备和存储介质
CN109255953A (zh) 基于区域的活动车辆分布展示方法及系统
CN110428612A (zh) 车辆管控方法、装置、计算机设备和存储介质
CN113688687B (zh) 一种基于电警数据的交通拥堵状态快速识别预测方法
CN117894181B (zh) 一种全域通行异常状况集成监测方法及系统

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