CN115547084A - 道路通行状况预测方法、装置、电子设备及计算机程序产品 - Google Patents
道路通行状况预测方法、装置、电子设备及计算机程序产品 Download PDFInfo
- Publication number
- CN115547084A CN115547084A CN202110739127.5A CN202110739127A CN115547084A CN 115547084 A CN115547084 A CN 115547084A CN 202110739127 A CN202110739127 A CN 202110739127A CN 115547084 A CN115547084 A CN 115547084A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- traffic
- congestion
- event
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004590 computer program Methods 0.000 title claims abstract description 11
- 238000007726 management method Methods 0.000 claims abstract description 69
- 230000003068 static effect Effects 0.000 claims abstract description 69
- 238000004891 communication Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 13
- 238000011217 control strategy Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
-
- 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
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
Abstract
本申请实施例提供了一种道路通行状况预测方法、装置、电子设备、计算机程序产品,其中,道路通行状况预测方法包括:获取道路的静态交通数据以及实时动态数据;根据静态交通数据以及路况数据获得道路的拥堵状态;根据静态交通数据以及交通事件数据获得道路的事件管控数据;根据拥堵状态、事件管控数据以及规划导航数据,获得道路的拥堵趋势;基于静态交通数据、交通事件数据以及气象数据,生成道路对应的天气预警信息;根据道路的拥堵趋势以及天气预警信息,预测道路的通行状况。本申请提供的方案可以准确地预测道路的通行状况,满足交通管理精细、准确及实时的需求。
Description
技术领域
本申请实施例涉及交通管理技术领域,尤其涉及一种道路通行状况预测方法、装置、电子设备及计算机程序产品。
背景技术
随着交通逐渐发展,人们的出行也越来越方便,例如通过驾车等方式快速方便地到达目的地。然而,随着在道路上行驶的车辆数量不断增加,如何更好地保证道路安全畅通被重点关注。影响安全畅通的原因主要包括交通事故、车辆故障、道路维修等。一般情况下,可以通过路况观察、人工上报等方式,获取到影响道路畅通的原因,并基于此对正在驶向或者有可能驶向这类道路的车辆进行预警提醒,例如,某道路因交通事故发生拥堵,建议驾驶员提前更换路线,以尽量保证道路畅通。
然而,通过路况观察或者人工上报等方式获取到的数据离散、滞后,使得基于此类数据提供的预警提醒准确度和实效性不足,无法满足现有交通管理精细、准确及实时的需求。
发明内容
有鉴于此,本申请实施例提供一种道路通行状况预测方案,以至少部分解决上述问题。
根据本申请实施例的第一方面,提供了一种道路通行状况预测方法,包括:获取道路的静态交通数据以及实时动态数据,其中,所述实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据;根据所述静态交通数据以及所述路况数据获得所述道路的拥堵状态;根据所述静态交通数据以及所述交通事件数据获得所述道路的事件管控数据;根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势;基于所述静态交通数据、所述交通事件数据以及所述气象数据,生成所述道路对应的天气预警信息;根据所述道路的拥堵趋势以及所述天气预警信息,预测所述道路的通行状况。
根据本申请实施例的第二方面,提供了一种道路通行状况预测装置,包括:数据获取模块,用于获取道路的静态交通数据以及实时动态数据,其中,所述实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据;状态确定模块,用于根据所述静态交通数据以及所述路况数据获得所述道路的拥堵状态,并根据所述静态交通数据以及所述交通事件数据获得所述道路的事件管控数据;趋势确定模块,用于根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势;天气确定模块,用于基于所述静态交通数据、所述交通事件数据以及所述气象数据,生成所述道路对应的天气预警信息;预测模块,用于根据所述道路的拥堵趋势以及所述天气预警信息,预测所述道路的通行状况。
根据本申请实施例的第三方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如第一方面所述的道路通行状况预测方法对应的操作。
根据本申请实施例的第四方面,提供了一种计算机程序产品,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的道路通行状况预测方法。
根据本申请实施例提供的道路通行状况预测方案,通过获取道路的静态交通数据以及实时动态数据,其中,所述实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据;根据所述静态交通数据以及所述路况数据获得所述道路的拥堵状态;根据所述静态交通数据以及所述交通事件数据获得所述道路的事件管控数据;根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势,由于规划导航数据可以反映车辆的预期行驶路线及行驶时间等信息,根据规划导航数据可以确定车辆进入的道路以及进入道路的时间,因此根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,可以准确获得道路的拥堵趋势;再基于所述静态交通数据、所述交通事件数据以及所述气象数据,生成所述道路对应的天气预警信息;并根据所述道路的拥堵趋势以及所述天气预警信息,预测所述道路的通行状况,由此,可以基于道路的拥堵趋势、影响道路通行状态的天气等多方面信息,准确地预测道路的通行状况,满足交通管理精细、准确及实时的需求。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1A为根据本申请实施例一的一种道路通行状况预测方法的步骤流程图;
图1B为图1A所示实施例中的一种场景示例的示意图;
图2A为根据本申请实施例二的一种道路通行状况预测方法的步骤流程图;
图2B为根据本申请实施例二的一种展示道路通行状况预测结果的界面示意图;
图3为根据本申请实施例三的一种道路通行状况预测装置的结构示意图;
图4为根据本申请实施例四的一种道路通行状况预测装置的结构示意图;
图5为根据本申请实施例五的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本申请实施例保护的范围。
下面结合本申请实施例附图进一步说明本申请实施例具体实现。
参见图1A,示出了本申请实施例一提供的一种通行状况预测方法的步骤流程图,如图1A所示,其包括:
S101、获取道路的静态交通数据以及实时动态数据,其中,所述实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据。
本实施例中,静态交通数据是指不随车辆等发生变化的数据,例如,道路的宽度、长度、道路两端的路口等,静态交通数据可以为道路对应的电子地图数据,电子地图可以从多个地图生产者获得。
可选地,静态交通数据具体可以包括以下至少之一:所述道路的里程桩信息、所述道路的路段信息。里程桩信息可以包括道路旁边间隔预设里程碑信息;路段信息可以包括道路的长度、道路的车道数量、每个车道的类型等信息。
当针对某一个区域内的道路执行本申请实施例的方案时,静态交通信息还可以包括道路的边界信息。
本实施例中,实时动态数据是指会随着车辆等发生变化的数据。本实施例中,实时动态数据包括道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据。
路况数据、驾车规划导航数据等可以通过导航数据库获得,交通事件数据可以通过驾驶者上报的方式获得或者通过官方发布的信息获得。气象数据可以从气象数据服务器中获得。
交通事件数据可以包括行车事故的交通事件或者道路管控事件等,道路管控事件可以例如:占道修路、设置高速检查站等。
S102、根据所述静态交通数据以及所述路况数据获得所述道路的拥堵状态。
本实施例中,静态交通数据中一般会包括道路对应的空间信息,路况数据一般会包括道路上某个拥堵事件的拥堵位置信息及拥堵时间,则可以将静态交通数据和路况数据进行融合,从而获得道路的拥堵状态。
S103、根据所述静态交通数据以及所述交通事件数据获得所述道路的事件管控数据。
本实施例中,事件管控数据可以包括与管制(例如限流)、事故、施工等事件相关的数据,本实施例对此不进行限定。事件管控数据还可以包括:事件对应的车流上限、事件对应的开始结束时间等。
S104、根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势。
由于规划导航数据可以反映车辆的预期行驶路线及行驶时间等信息,根据规划导航数据可以确定车辆进入的道路以及进入道路的时间。再结合拥堵状态及事件管控数据,即可获得较为准确的道路的拥堵趋势。
本实施例中,道路的拥堵趋势可以通过文字或者图表的方式在界面中展示,例如,可以展示柱状图,并展示文字内容“未来1个小时内路段A的拥堵情况大幅度减轻”。
S105、基于所述静态交通数据、所述交通事件数据以及所述气象数据,生成所述道路对应的天气预警信息。
如上所述,静态交通数据中一般会包括道路对应的空间信息,结合静态交通数据和气象数据,可以确定具体被天气影响通行状况的道路路段,例如,可以确定道路的某个路段是否会出现路面结冰、能见度低等情况。而在确定路段的通行状况被天气影响的基础上交通事件的发生可能会进一步影响道路路段的通行状况,或者交通事件发生的原因可能为道路的路面结冰、能见度低等。因此本实施例中,可以根据静态交通数据、所述交通事件数据以及所述气象数据,可以生成所述道路对应的较为准确的天气预警信息。
示例的,天气预警信息具体可以为:路段A发生道路结冰,路段A的***米处由于道路结冰发生交通事故,建议切换其他道路。或者,天气预警信息具体可以为:路段A发生道路结冰,路段A附近未发生交通事故,建议缓慢行驶。
需要说明的是,本实施例的步骤S105在步骤S101之后、步骤S106之前执行即可,本实施例不限制步骤S105与步骤S102-S104的执行顺序;步骤S105可以与步骤S102-S104并行执行或串行执行,这些均在本申请的保护范围内。
S106、根据所述道路的拥堵趋势以及所述天气预警信息,预测所述道路的通行状况。
示例地,本实施例中,可以根据道路的拥堵趋势等,确定道路上的某段路会持续发生拥堵;或者,可以根据道路的拥堵趋势以及天气预警信息,确定某段路在未来1小时内会出现路面结冰的情况,且后续1小时内经过该段路的车辆数量较多,从而可以预测该段道路在未来1小时内有可能发生拥堵。
如图1B所示,下面通过一个具体的使用场景,对本实施例的方案进行示例性说明。
假设需要针对城市A的道路进行通行状况预测,则可以根据电子地图获得城市A中各条道路的静态交通数据,并获得城市A的实时动态数据,实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据。
根据静态交通数据和路况数据,可以获得城市A的各条道路实时的拥堵状态。
根据静态交通数据以及交通事件数据获得城市A的各条道路上的事件管控数据;
根据城市A的各条道路的拥堵状态、各条道路上的事件管控数据以及正在在城市A中行驶的车辆对应的规划导航数据,获得城市A的各条道路的拥堵趋势;
根据城市A的静态交通数据、交通事件数据以及气象数据,可以获得城市A的天气预警信息。
根据前述获得的城市A的各条道路的拥堵趋势以及天气预警信息,可以预测城市A的各条道路的通行状况。若预测可能出现拥堵情况,或者可能出现道路结冰、道路能见度低等情况,则可以生成对应的预警信息,并可以将城市A中畅通的道路推荐至驾驶员。
根据本申请实施例提供的道路通行状况预测方案,通过获取道路的静态交通数据以及实时动态数据,其中,所述实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据;根据所述静态交通数据以及所述路况数据获得所述道路的拥堵状态;根据所述静态交通数据以及所述交通事件数据获得所述道路的事件管控数据;根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势,由于规划导航数据可以反映车辆的预期行驶路线及行驶时间等信息,根据规划导航数据可以确定车辆进入的道路以及进入道路的时间,因此根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,可以准确获得道路的拥堵趋势;再基于所述静态交通数据、所述交通事件数据以及所述气象数据,生成所述道路对应的天气预警信息;并根据所述道路的拥堵趋势以及所述天气预警信息,预测所述道路的通行状况,由此,可以基于道路的拥堵趋势、影响道路通行状态的天气等信息,准确地预测道路的通行状况,满足交通管理精细、准确及实时的需求。
本实施例的道路通行状况预测方法可以由任意适当的具有数据处理能力的电子设备执行,包括但不限于:服务器、移动终端(如手机、PAD等)和PC机等。
参见图2A,示出了本申请实施例二提供的一种通行状况预测方法的步骤流程图,如图2A所示,其包括:
S201、获取道路的静态交通数据以及实时动态数据。
本实施例中,所述静态交通数据包括以下至少之一:所述道路的里程桩信息、所述道路的路段信息。所述静态数据可以从道路对应的地理空间数据库或者电子子图数据中获得。
本实施例中,实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据。
S202、根据所述静态交通数据以及所述路况数据获得所述道路的拥堵状态。
本步骤的具体实现方式参考上述步骤S102,在此不再赘述。
S203、对所述静态交通数据、交通事件数据进行时空融合,获得所述道路对应的事件管控数据,根据所述事件管控数据和所述规划导航数据确定交通事件的影响程度数据。
本实施例中,交通事件可以包括行车事故、道路管控事件等,道路管控事件可以例如:占道修路、设置高速检查站等。与其他交通事件诸如行车事故的交通事件相比,道路管控事件的确定性更高,例如可以预先确定事件发生地、事件持续时间等。因此,本实施例中,单独对道路管控事件进行分析。例如,可以确定道路管控事件对应的事件管控数据及影响程度数据,以及可以确定行车事故对应的事件管控数据及影响程度数据。
可选地,本实施例中,对所述静态交通数据、交通事件数据进行时空融合,获得所述道路对应的事件管控数据,可以包括:基于所述静态交通数据的地理位置信息,以及所述交通事件数据的生效时间及地理位置信息,对所述静态交通数据以及所述交通事件数据进行聚类融合;根据聚类融合结果,获得所述道路对应的事件管控数据。通过基于生效时间及地理位置信息进行聚类融合,可以对获得的实时动态数据进行去重,从而减小计算量。另外,本实施例中,还可以根据交通事件的类别进行时空融合,以进一步对获得的实时动态数据进行去重,交通事件的类别可以例如:管制、事故、施工等,本实施例对此不进行限定。
由于交通事件数据一部分通过官方发布的信息获得,一部分通过驾驶者的上报获得,因此,获得的交通时间数据中存在部分重叠,即,多条交通事件数据对应的可能为同一个交通事件。本实施例中,通过时空融合可以对数据进行去重。
本实施例中,还可以结合道路的规划导航数据等进一步对数据进行去重,例如,若根据驾车导航数据确定两个或多个驾驶者上报交通事件数据的位置和时间较为接近,则可以确定多个驾驶者上报的交通事件数据对应的为同一交通事件。
本实施例中,还可以根据所述事件管控数据和所述规划导航数据确定交通事件的影响程度数据,例如根据占道修路、设置高速检查站等对车流量上限的影响,依据规划导航数据确定道路管控事件的影响人次(或者车次),并将计算结果作为道路管控事件的影响程度数据。
具体地,如果发生交通事件,则可以根据规划导航数据确定并将交通事件的相关信息推送至交通事件可能影响到的驾驶员,则可以将需要推送的驾驶员的数量可以作为交通事件的影响人次(或者车次)。具体确定需要推送的驾驶员的方法可参考相关技术,在此不再赘述。
本实施例中,确定事件管控数据及交通事件的影响程度数据后,可以在界面上进行展示。具体地,如图2B所示,可以在界面中间展示道路对应的地图,并通过标识在地图上标注出交通事件,还可以通过标注大小等反应交通事件对应的影响程度数据。
此外,由于道路管控事件的确定性更高,因此,如图2B所示,可以在界面的一侧展示具体确定的道路管控事件的数量以及影响程度数据,使得相关人员对道路管控事件具有更加直观精确的了解。
S204、根据所述拥堵状态、所述事件管控数据、所述规划导航数据及所述交通事件的影响程度数据,获得所述道路的拥堵趋势。
在本步骤中,可以直接根据上述步骤中确定的交通事件的影响程度数据,结合拥堵状态、所述事件管控数据及所述规划导航数据等,获得所述道路的拥堵趋势。
如图2B所示,可以在界面左侧的趋势展示区域,通过文字或者图表的方式展示拥堵趋势,例如,可以展示柱状图,并展示文字内容“未来1个小时内路段A的拥堵情况大幅度减轻”。
本实施例中,若所述道路为高速公路,则所述根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势包括:根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述高速公路的实时拥堵里程及拥堵里程变化趋势,以及,获得所述高速公路的收费站点的实时拥堵里程、拥堵时长以及拥堵时长变化趋势。
拥堵里程变化趋势可以包括拥堵里程占比的变化趋势,拥堵里程占比=拥堵路段里程/道路总里程*100%。如果本实施例提供的方案针对一个区域内所有的道路进行计算,则拥堵里程占比=区域内的拥堵路段里程/区域内的道路总里程*100%。
本实施例中,拥堵趋势可以根据历史的多个实时拥堵情况的集合以及根据规划导航数据确定的可能发生的拥堵情况确定,具体确定方法可参考相关技术,在此不再赘述。
具体地,所述拥堵里程变化趋势通过下述方法计算:获取目标区域内与若干个时间点对应的拥堵里程,并确定若干个拥堵历程占目标区域内总里程的比例;根据若干个时间点及对应的比例,确定所述拥堵里程变化趋势。
本实施例中,若干个时间点可以为历史时间点,也可以为未来时间点。历史时间点对应的拥堵里程可以直接根据历史数据获得,未来时间点对应的拥堵里程可以根据规划导航数据获得。
本实施例中,高速公路的收费站点的实时拥堵里程数据=∑处于拥堵的收费站前路段长度,其中,∑表示求和。
本实施例中,可以将某一区域内的所有处于拥堵的收费站前路段长度的和作为高速公路的收费站点的实时拥堵里程数据,或者将某条高速公路上所有处于拥堵的收费站前路段长度的和作为高速公路的收费站点的实时拥堵里程数据,本实施例对此不进行限定。
本实施例中,高速公路的收费站点的拥堵时长数据=∑收费站每次拥堵的时长。
本实施例中,可以将某一区域内的所有处于拥堵的收费站的拥堵时长的和作为高速公路的收费站点的拥堵时长数据。另外,可以将从拥堵开始到道路畅通的时间作为拥堵时长。
本实施例中,高速公路的收费站点的拥堵时长变化趋势的确定方法与上述拥堵里程变化趋势的计算方法类似,在此不再赘述。
可选地,本实施例中,可以根据所述交通事件的影响程度数据,确定交通事件的距离阈值;将距离拥堵位置的距离小于距离阈值的交通事件,与发生的拥堵之间建立关联关系;根据与发生的拥堵具有关联关系的交通事件及其影响程度数据,以及根据所述拥堵状态、所述规划导航数据,获得所述道路的拥堵趋势。
本实施例中,根据交通事件的影响程度数据,例如影响程度的距离范围等,确定交通事件的距离阈值,每一类交通事件的影响程度不同、若一定范围内发生的交通事件较多,交通事件对应的影响程度也不同。本实施例中,可以根据交通事件的影响程度数据,还可以结合历史交通事件数据,确定交通事件的距离阈值。
将距离拥堵位置的距离小于距离阈值的交通事件,与发生的拥堵之间建立关联关系,并可以根据与发生的拥堵具有关联关系的交通事件及其影响程度数据,以及根据所述拥堵状态、所述规划导航数据,获得所述道路的拥堵趋势。
本实施例中,可以将距离拥堵位置的距离小于距离阈值的交通事件与拥堵时间同时通过界面进行展示,例如图2B所示,可以在界面右侧的交通事件/拥堵位置展示区域进行展示,并发送距离提示,例如发送“事件B与***拥堵距离为X米”,并可以结合规划导航数据确定接下来1小时内经过事件B处的车辆较多,则可以确定事件B所在路段极有可能发生拥堵,与其距离为X米的拥堵情况可能会恶化。
本实施例中,还可以具体根据历史交通数据中的拥堵里程、拥堵时间、交通时间发生时间等,分析交通事件与发生的拥堵之间的关联,并可以确定的关联进行学习,以在后续过程中可以更加准确地根据交通时间预测可能发生的拥堵。
另外,由于管控事件的发生地点和持续时长等信息较为确定,则可以重点将拥堵与管控事件相关联,以便能够根据获知的管控事件进行更加准确的通行状况预测。
S205、基于所述静态交通数据、所述交通事件数据以及所述气象数据,生成所述道路对应的天气预警信息。
本实施例中,天气预警信息可以包括针对某一区域的道路的预警信息,天气预警信息还可以包括路段级危险路面预测预警信息、路段级低能见度预测预警信息。
可选地,步骤S205之后,本实施例提供的方法还可以包括:根据所述天气预警信息以及与进行天气预警位置相关联的规划导航数据,生成针对预计途径天气预警位置的车辆的推荐管控策略,所述推荐管控策略包括以下至少之一:危险路面推荐管控策略、低能见度推荐管控策略。
示例的,若针对道路的某一路段生成了路段级危险路面预测预警信息,表示该路段可能出现路面结冰等情况,这是需要限制车辆在该路段的行驶速度,由此,可以根据路面情况确定适合的行驶速度,并据此生成危险路面推荐管控策略发送给相关人员,以建议相关人员对该路段进行重点关注,并发送至驾驶者该路段的建议的行驶速度要求。
本实施例中,还可以根据天气预警信息生成对应的管控建议事件,以建议相关人员对可能发生危险的道路进行管控。
S206、根据所述道路的拥堵趋势以及所述天气预警信息,预测所述道路的通行状况。
本实施例中,根据所述拥堵情况数据、所述拥堵趋势、所述天气预警信息、所述事件管控数据及道路管控事件的影响程度数据,可以对道路的通行状况进行多维度的观察,由此可以更加准确地预测道路的通行状况。
本实施例的道路通行状况预测方法可以由任意适当的具有数据处理能力的电子设备执行,包括但不限于:服务器、移动终端(如手机、PAD等)和PC机等。
参见图3,,示出了本申请实施例三提供的一种通行状况预测装置的结构示意图,如图3所示,其包括:
数据获取模块301,用于获取道路的静态交通数据以及实时动态数据,其中,所述实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据;
状态确定模块302,用于根据所述静态交通数据以及所述路况数据获得所述道路的拥堵状态,并根据所述静态交通数据以及所述交通事件数据获得所述道路的事件管控数据;
趋势确定模块303,用于根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势;
天气确定模块304,用于基于所述静态交通数据、所述交通事件数据以及所述气象数据,生成所述道路对应的天气预警信息;
预测模块305,用于根据所述道路的拥堵趋势以及所述天气预警信息,预测所述道路的通行状况。
本实施例的道路通行状况预测装置用于实现前述多个方法实施例中相应的道路通行状况预测方法,并具有相应的方法实施例的有益效果,在此不再赘述。此外,本实施例的道路通行状况预测装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述,在此亦不再赘述。
参见图4,示出了本申请实施例四提供的一种通行状况预测装置的结构示意图,如图4所示,其包括:
静态交通数据获取模块,用于获取道路的静态交通数据,具体可以用于获取里程桩数据、区域边界数据、道路路段数据。
实时动态数据获取模块,用于获取道路的实时动态数据,其中,所述实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据。
管控情报状态确定模块,用于根据所述静态交通数据以及所述交通事件数据,确定所述道路对应的事件管控数据,以及确定交通事件的影响程度数据。
管控情报状态确定模块,具体可以将从官方获取的管控事件数据进行时空融合、将从互联网(例如驾驶员上报的)获取的交通事件数据进行时空融合,并可以基于融合确定的道路管控事件以及驾车导航数据,确定管控影响人次(车次),并可以据此进行道路管控事件的提醒以及对道路管控事件在某一区域内产生的影响进行全局分析。
拥堵事件预警模块,用于根据所述静态交通数据、路况数据、事件管控数据以及所述规划导航数据,获得所述道路的拥堵状态以及拥堵趋势。具体地,拥堵事件预警模块可以用于进行路段拥堵状态与趋势分析,即确定高速公路的实时拥堵里程数据及拥堵里程变化趋势;还可以用于进行收费站拥堵状态与趋势分析,即确定所述高速公路的收费站点的实时拥堵里程数据、拥堵时长数据以及拥堵时长变化趋势;并可以用于进行拥堵情报与管控关联分析,即将距离拥堵位置的距离小于距离阈值的交通事件(包括道路管控事件),与发生的拥堵之间建立关联关系。
恶劣气象情报预警模块,用于基于所述静态交通数据、所述交通事件数据以及所述气象数据,生成所述道路对应的天气预警信息。
恶略天气情报模块可以进行危险路面影响与趋势分析,即生成路段级危险路面预测预警,并确定对应的危险路面推荐管控策略;还可以进行低能见度影响与趋势分析,即生成路段级低能见度预测预警,并生成低能见度推荐管控策略;还可以进行天气预警与交通事件关联分析,即针对区域内(即区县级)的道路进行预警,以及建立天气预警和道路管控事件的关联。
全局安全应急事件多维预警模块,用于根据所述拥堵情况数据、所述拥堵趋势、所述天气预警信息、所述事件管控数据及道路管控事件的影响程度数据等,对所述道路进行通行状况预测。
本实施例的道路通行状况预测装置用于实现前述多个方法实施例中相应的道路通行状况预测方法,并具有相应的方法实施例的有益效果,在此不再赘述。此外,本实施例的道路通行状况预测装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述,在此亦不再赘述。
参照图5,示出了根据本申请实施例五的一种电子设备的结构示意图,本申请具体实施例并不对电子设备的具体实现做限定。
如图5所示,该电子设备可以包括:处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、以及通信总线508。
其中:
处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504,用于与其它电子设备或服务器进行通信。
处理器502,用于执行程序510,具体可以执行上述道路通行状况预测方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本申请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510中各步骤的具体实现可以参见上述道路通行状况预测方法实施例中的相应步骤和单元中对应的描述,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
本申请另一实施例还提供一种计算机程序产品,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例提供的道路通行状况预测方法。
需要指出,根据实施的需要,可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的道路通行状况预测方法。此外,当通用计算机访问用于实现在此示出的道路通行状况预测方法的代码时,代码的执行将通用计算机转换为用于执行在此示出的道路通行状况预测方法的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员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实施例的范围。
以上实施方式仅用于说明本申请实施例,而并非对本申请实施例的限制,有关技术领域的普通技术人员,在不脱离本申请实施例的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本申请实施例的范畴,本申请实施例的专利保护范围应由权利要求限定。
Claims (10)
1.一种道路通行状况预测方法,包括:
获取道路的静态交通数据以及实时动态数据,其中,所述实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据;
根据所述静态交通数据以及所述路况数据获得所述道路的拥堵状态;
根据所述静态交通数据以及所述交通事件数据获得所述道路的事件管控数据;
根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势;
基于所述静态交通数据、所述交通事件数据以及所述气象数据,生成所述道路对应的天气预警信息;
根据所述道路的拥堵趋势以及所述天气预警信息,预测所述道路的通行状况。
2.根据权利要求1所述的方法,其中,所述根据所述静态交通数据以及所述交通事件数据获得所述道路的事件管控数据包括:
对所述静态交通数据、交通事件数据进行时空融合,获得所述道路对应的事件管控数据,根据所述事件管控数据和所述规划导航数据确定交通事件的影响程度数据;
所述根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势,包括:
根据所述拥堵状态、所述事件管控数据、所述规划导航数据及所述交通事件的影响程度数据,获得所述道路的拥堵趋势。
3.根据权利要求2所述的方法,其中,所述根据所述拥堵状态、所述事件管控数据、所述规划导航数据及所述交通事件的影响程度数据,获得所述道路的拥堵趋势,包括:
根据所述交通事件的影响程度数据,确定交通事件的距离阈值;
将距离拥堵位置的距离小于距离阈值的交通事件,与发生的拥堵之间建立关联关系;
根据与发生的拥堵具有关联关系的交通事件及其影响程度数据,以及根据所述拥堵状态、所述规划导航数据,获得所述道路的拥堵趋势。
4.根据权利要求2所述的方法,其中,所述对所述静态交通数据、交通事件数据进行时空融合,获得所述道路对应的事件管控数据,包括:
基于所述静态交通数据的地理位置信息,以及所述交通事件数据的生效时间及地理位置信息,对所述静态交通数据以及所述交通事件数据进行聚类融合;
根据聚类融合结果,获得所述道路对应的事件管控数据。
5.根据权利要求1所述的方法,其中,所述基于所述静态交通数据以及所述气象数据,生成所述道路对应的天气预警信息之后,所述方法还包括:
根据所述天气预警信息以及与进行天气预警位置相关联的规划导航数据,生成针对预计途径天气预警位置的车辆的推荐管控策略,所述推荐管控策略包括以下至少之一:危险路面推荐管控策略、低能见度推荐管控策略。
6.根据权利要求1所述的方法,其中,若所述道路为高速公路,则所述根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势包括:
根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述高速公路的实时拥堵里程及拥堵里程变化趋势,以及,获得所述高速公路的收费站点的实时拥堵里程、拥堵时长以及拥堵时长变化趋势。
7.根据权利要求6所述的方法,其中,所述拥堵里程变化趋势通过下述方法计算:
获取目标区域内与若干个时间点对应的拥堵里程,并确定若干个拥堵历程占目标区域内总里程的比例;
根据若干个时间点及对应的比例,确定所述拥堵里程变化趋势。
8.一种道路通行状况预测装置,包括:
数据获取模块,用于获取道路的静态交通数据以及实时动态数据,其中,所述实时动态数据包括所述道路的路况数据、交通事件数据、规划导航数据以及所述道路所在区域的气象数据;
状态确定模块,用于根据所述静态交通数据以及所述路况数据获得所述道路的拥堵状态,并根据所述静态交通数据以及所述交通事件数据获得所述道路的事件管控数据;
趋势确定模块,用于根据所述拥堵状态、所述事件管控数据以及所述规划导航数据,获得所述道路的拥堵趋势;
天气确定模块,用于基于所述静态交通数据、所述交通事件数据以及所述气象数据,生成所述道路对应的天气预警信息;
预测模块,用于根据所述道路的拥堵趋势以及所述天气预警信息,预测所述道路的通行状况。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的道路通行状况预测方法对应的操作。
10.一种计算机程序产品,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-7中任一所述的道路通行状况预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110739127.5A CN115547084A (zh) | 2021-06-30 | 2021-06-30 | 道路通行状况预测方法、装置、电子设备及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110739127.5A CN115547084A (zh) | 2021-06-30 | 2021-06-30 | 道路通行状况预测方法、装置、电子设备及计算机程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115547084A true CN115547084A (zh) | 2022-12-30 |
Family
ID=84705695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110739127.5A Pending CN115547084A (zh) | 2021-06-30 | 2021-06-30 | 道路通行状况预测方法、装置、电子设备及计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115547084A (zh) |
Cited By (3)
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 |
CN117253364A (zh) * | 2023-11-15 | 2023-12-19 | 南京感动科技有限公司 | 交通拥堵事件提取与态势融合方法与系统 |
CN117292551A (zh) * | 2023-11-27 | 2023-12-26 | 辽宁邮电规划设计院有限公司 | 基于物联网的城市交通态势调节系统与方法 |
-
2021
- 2021-06-30 CN CN202110739127.5A patent/CN115547084A/zh active Pending
Cited By (6)
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 |
CN117253364A (zh) * | 2023-11-15 | 2023-12-19 | 南京感动科技有限公司 | 交通拥堵事件提取与态势融合方法与系统 |
CN117253364B (zh) * | 2023-11-15 | 2024-01-26 | 南京感动科技有限公司 | 交通拥堵事件提取与态势融合方法与系统 |
CN117292551A (zh) * | 2023-11-27 | 2023-12-26 | 辽宁邮电规划设计院有限公司 | 基于物联网的城市交通态势调节系统与方法 |
CN117292551B (zh) * | 2023-11-27 | 2024-02-23 | 辽宁邮电规划设计院有限公司 | 基于物联网的城市交通态势调节系统与方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109520744B (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
US10641611B1 (en) | Traffic risk avoidance for a route selection system | |
US11847908B2 (en) | Data processing for connected and autonomous vehicles | |
US10490078B1 (en) | Technology for providing real-time route safety and risk feedback | |
US10872379B1 (en) | Collision risk-based engagement and disengagement of autonomous control of a vehicle | |
ES2654599T3 (es) | Método y sistema para recoger datos del tráfico | |
JP7371157B2 (ja) | 車両監視方法、装置、電子機器、記憶媒体、コンピュータプログラム、クラウド制御プラットフォームおよび車路連携システム | |
CN115547084A (zh) | 道路通行状况预测方法、装置、电子设备及计算机程序产品 | |
EP3322961B1 (en) | Methods and systems for detecting a closure and/or opening of a navigable element | |
EP2610782A1 (en) | Method for planning the route of a vehicle | |
CN112734242B (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
Choi et al. | Proactive strategy for variable speed limit operations on freeways under foggy weather conditions | |
CN113554263A (zh) | 基于交通仿真的高速公路施工组织方案交通影响评估方法 | |
Gong et al. | Developing a systematic method for identifying and ranking freeway bottlenecks using vehicle probe data | |
CN113724499A (zh) | 一种道路交通事件三维可视化分析方法及系统 | |
CN111402599B (zh) | 一种车辆超速的检测方法、装置及电子设备 | |
CN114519500A (zh) | 道路安全风险等级的确定方法、装置、设备及存储介质 | |
Alkaissi et al. | Travel Time Prediction Models for Major Arterial Road in Baghdad City using Manufactured GPS device | |
Ambros et al. | Identification of road horizontal alignment inconsistencies–A pilot study from the Czech Republic | |
Abadi et al. | Evaluation of right-of-way transitions at signalized intersections: implications of driver behavior for conflicting through movements | |
CN114333314A (zh) | 车路协同信息处理方法和装置、系统 | |
CN114140985B (zh) | 基于知识图谱的车辆疲劳预警方法、装置、设备及介质 | |
Ackaah | Empirical Analysis of Real-time Traffic Information for Navigation and the Variable Speed Limit System | |
Sharma et al. | Capacity analysis of Bhopal BRTS using empirical and simulation model | |
US20230408276A1 (en) | Methods and apparatuses for late lane change prediction and mitigation |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240307 Address after: # 03-06, Lai Zan Da Building 1, 51 Belarusian Road, Singapore Applicant after: Alibaba Innovation Co. Country or region after: Singapore Address before: Room 01, 45th Floor, AXA Building, 8 Shanton Road, Singapore Applicant before: Alibaba Singapore Holdings Ltd. Country or region before: Singapore |
|
TA01 | Transfer of patent application right |