CN115601983A - 交通信号灯的周期时长确定方法、装置、设备和存储介质 - Google Patents

交通信号灯的周期时长确定方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN115601983A
CN115601983A CN202211261753.9A CN202211261753A CN115601983A CN 115601983 A CN115601983 A CN 115601983A CN 202211261753 A CN202211261753 A CN 202211261753A CN 115601983 A CN115601983 A CN 115601983A
Authority
CN
China
Prior art keywords
target
determining
candidate
duration
period
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
Application number
CN202211261753.9A
Other languages
English (en)
Inventor
张兴
张岩
白红霞
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202211261753.9A priority Critical patent/CN115601983A/zh
Publication of CN115601983A publication Critical patent/CN115601983A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries

Abstract

本公开提供了一种交通信号灯的周期时长确定方法、装置、设备和存储介质，涉及智能交通、云计算、大数据等领域。具体实现方案为：根据设定时段内的多个目标对象的目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点是目标对象从停止状态切换为移动状态的轨迹点；根据各切换点的时间戳之差，确定交通信号灯的周期时长。由此，根据大量的移动轨迹确定交通信号灯的周期时长，可以提升确定结果的准确性和可靠性。

Description

交通信号灯的周期时长确定方法、装置、设备和存储介质
技术领域
本公开涉及人工智能领域，具体涉及智能交通、云计算、大数据等技术领域，尤其涉及交通信号灯的周期时长确定方法、装置、设备和存储介质。
背景技术
交通信号灯是出行导航最复杂、也是用户感知最强的交通场景。挖掘交通信号灯的周期时长有助于智能交通建设，同时可以缓解用户在等红灯时，因未知红灯时长而产生的焦虑。
因此，如何精准地挖掘出交通信号灯的周期时长是非常重要的。
发明内容
本公开提供了一种用于交通信号灯的周期时长确定方法、装置、设备和存储介质。
根据本公开的一方面，提供了一种交通信号灯的周期时长确定方法，包括：
获取设定时段内的多个目标对象的目标移动轨迹；
根据所述多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定所述多个目标移动轨迹中的切换点；其中，所述切换点，是所述目标对象从停止状态切换为移动状态的轨迹点；
根据各所述切换点的时间戳之差，确定交通信号灯的周期时长。
根据本公开的另一方面，提供了一种交通信号灯的周期时长确定装置，包括：
获取模块，用于获取设定时段内的多个目标对象的目标移动轨迹；
第一确定模块，用于根据所述多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定所述多个目标移动轨迹中的切换点；其中，所述切换点，是所述目标对象从停止状态切换为移动状态的轨迹点；
第二确定模块，用于根据各所述切换点的时间戳之差，确定交通信号灯的周期时长。
根据本公开的又一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开上述一方面提出的交通信号灯的周期时长确定方法。
根据本公开的再一方面，提供了一种计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开上述一方面提出的交通信号灯的周期时长确定方法。
根据本公开的还一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开上述一方面提出的交通信号灯的周期时长确定方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例一所提供的交通信号灯的周期时长确定方法的流程示意图；
图2为本公开实施例二所提供的交通信号灯的周期时长确定方法的流程示意图；
图3为本公开实施例三所提供的交通信号灯的周期时长确定方法的流程示意图；
图4为本公开实施例四所提供的交通信号灯的周期时长确定方法的流程示意图；
图5为本公开实施例五所提供的交通信号灯的周期时长确定方法的流程示意图；
图6为本公开实施例六所提供的交通信号灯的周期时长确定方法的流程示意图；
图7为本公开实施例七所提供的交通信号灯的周期时长确定方法的流程示意图；
图8为本公开实施例所提供的交通信号灯的周期时长的挖掘原理示意图；
图9为本公开实施例八所提供的交通信号灯的周期时长确定装置的结构示意图；
图10示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
目前，可以通过以下几种方式，挖掘出交通信号灯的周期时长：
第一种，通过后验的方式，根据车辆行驶轨迹图，确定车辆对应的完整停车等灯时长等信息，根据上述信息确定交通信号灯的周期时长。
例如，可以提取车辆某一时刻的轨迹信息、该时刻之前的一段时间内的轨迹信息以及该时刻之后的一段时间内的轨迹信息，根据上述轨迹信息确定每条轨迹在对应时刻的停车等灯时长，综合复现该时刻的所有轨迹，判定交通信号灯的周期时长。
第二种，人工驾车核查交通信号灯的周期时长。例如，可以选取部分交通信号灯，之后，通过人工驾车前往上述交通信号灯所处路口，并真实等候完整一轮交通信号灯的周期。
第三种，分布统计。例如，可以基于目标时间段内的所有车辆行驶轨迹，寻找第一个启动点(本公开中称为切换点)，计算所有轨迹和启动点的偏差时长，统计偏差时长的分布信息，基于分布信息的周期性规律特征，确定交通信号灯的周期时长。
然而，上述第一种方式，很难精准识别车辆的一次完整停车，比如，车辆行驶轨迹指示该车辆走走停停，停车等灯状态较难判断，此外，可能存在一些异常的行驶轨迹，比如车辆可能存在行车异常、违规行驶、由于驾驶人员路边揽客而导致车辆长时间停车等，根据某一车辆的行驶轨迹所确定的交通信号灯的周期时长的准确性和可靠性无法得到保证。
上述第二种方式，虽然可以实现精准识别一次完整停车，但是人工核验方式的人力和财力成本较高，并且能够覆盖的道路也相对有限，无法做到大规模地采集路口交通信号灯的周期时长。
上述第三种方式，虽然可以初步统计出交通信号灯的周期时长，但是分布的基础数据严格依赖首个启动点的识别准确率，且所有轨迹距离启动点的偏差，导致随机误差因素较多，无法实现精准地基于分布统计出最好周期的分割点。
针对上述存在的至少一项问题，本公开提出一种交通信号灯的周期时长确定方法、装置、设备和存储介质。
下面参考附图描述本公开实施例的交通信号灯的周期时长确定方法、装置、设备和存储介质。
图1为本公开实施例一所提供的交通信号灯的周期时长确定方法的流程示意图。
本公开实施例以该交通信号灯的周期时长确定方法被配置于交通信号灯的周期时长确定装置中来举例说明，该交通信号灯的周期时长确定装置可以应用于任一电子设备中，以使该电子设备可以执行交通信号灯的周期时长功能。
其中，电子设备可以为任一具有计算能力的设备，例如可以为PC(PersonalComputer，个人电脑)、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
如图1所示，该交通信号灯的周期时长确定方法可以包括以下步骤：
步骤101，获取设定时段内的多个目标对象的目标移动轨迹。
在本公开实施例中，设定时段为预先设定的时间段，比如，设定时段为[t1,t2]，t2比如可为当前时刻，t2-t1这一时间差可为预先设定的，例如，t2-t1＝10min(分钟)。
在本公开实施例中，目标对象可以为车辆、行人等对象，其中，当目标对象为车辆时，对车辆类型不作限制，比如，目标对象可以为出租车、社会化运管车辆、公交车、货车、小轿车等。
在本公开实施例中，可以获取设定时段内的多个目标对象的目标移动轨迹。比如，可以从多个数据源获取设定时段内的多个目标对象的目标移动轨迹。
需要说明的是，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均在征得用户同意的前提下进行，并且均符合相关法律法规的规定，且不违背公序良俗。
步骤102，根据多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点，是目标对象从停止状态切换为移动状态的轨迹点。
在本公开实施例中，目标移动轨迹可以包括各轨迹点的坐标位置、目标对象移动至各轨迹点的时间戳，以及目标对象移动至各轨迹点的瞬时速度或移动速度。
在本公开实施例中，针对多个目标移动轨迹中的任意一个目标移动轨迹，可以根据该目标移动轨迹中各轨迹点的坐标位置和时间戳，从各轨迹点中确定该目标移动轨迹对应的切换点，其中，切换点是指目标对象从停止状态切换为移动状态的轨迹点。
步骤103，根据各切换点的时间戳之差，确定交通信号灯的周期时长。
在本公开实施例中，可以根据各切换点的时间戳之差，确定交通信号灯的周期时长。
在本公开实施例的一种可能的实现方式中，在各目标移动轨迹指示目标对象仅经过同一个交通信号灯的情况下，此时，可以根据各目标移动轨迹中各轨迹点的坐标位置，从各目标移动轨迹中确定位于同一车道的各目标移动轨迹，根据位于同一车道的各目标移动轨迹的切换点的时间戳之差，确定与上述同一车道方向匹配的交通信号灯的周期时长。
作为一种示例，当位于同一车道的各目标移动轨迹的切换点的时间戳之差相对较大时，此时，表明各切换点是各目标对象在不同轮次的红灯后从停止状态切换为移动状态的位置点，本公开中，可以根据以下两种方式，确定交通信号灯的周期时长：
第一种，确定位于同一车道的各目标移动轨迹的切换点中的任意两个切换点的时间戳之差，以得到至少一个第一差值(比如，利用较大的时间戳减去较小的时间戳，得到取值为正的第一差值)，并确定设定的候选周期时长集合中的任一候选周期时长与各第一差值之间的第一误差(比如均方差、均方误差等)，从而可以根据各候选周期时长的第一误差，从各候选周期时长中确定第一目标周期时长，比如，可以将第一误差最小的候选周期时长作为第一目标周期时长，从而可以将该第一目标周期时长，作为该交通信号灯的周期时长。
第二种，确定位于同一车道的各目标移动轨迹的切换点中的任意两个切换点的时间戳之差，以得到至少一个第一差值(比如，利用较大的时间戳减去较小的时间戳，得到取值为正的第一差值)，并将设定的候选周期时长集合进行划分，以得到多个候选周期时长子集合，根据各第一差值，从每个候选周期时长子集合中确定第二目标周期时长，比如，第二目标周期时长与各第一差值之间的误差(比如均方差、均方误差等)最小，从而可以根据各第二目标周期时长，确定交通信号灯的周期时长。比如，可以从各第二目标周期时长中确定置信度最高的第二目标周期时长，并作为交通信号灯的周期时长。
作为另一种示例，当位于同一车道的各目标移动轨迹的切换点的时间戳之差相对较小时，此时，表明各切换点中包含多个目标对象在同一轮次的红灯后从停止状态切换为移动状态的位置点，本公开中，可以根据各切换点的时间戳，从各切换点中确定目标切换点(比如该目标切换点可以为一轮红灯后首个移动的目标对象的切换点，再比如可以为一轮红灯后第二个移动的目标对象的切换点等)，根据各目标切换点的时间戳之差，确定交通信号灯的周期时长。例如，可以根据以下两种方式，确定交通信号灯的周期时长：
第一种，确定位于同一车道的各目标切换点中的任意两个目标切换点的时间戳之差，以得到至少一个第一差值(比如，利用较大的时间戳减去较小的时间戳，得到取值为正的第一差值)，并确定设定的候选周期时长集合中的任一候选周期时长与各第一差值之间的第一误差(比如均方差、均方误差等)，从而可以根据各候选周期时长的第一误差，从各候选周期时长中确定第一目标周期时长，比如，可以将第一误差最小的候选周期时长作为第一目标周期时长，从而可以将该第一目标周期时长，作为该交通信号灯的周期时长。
第二种，确定位于同一车道的各目标切换点中的任意两个目标切换点的时间戳之差，以得到至少一个第一差值(比如，利用较大的时间戳减去较小的时间戳，得到取值为正的第一差值)，并将设定的候选周期时长集合进行划分，以得到多个候选周期时长子集合，根据各第一差值，从每个候选周期时长子集合中确定第二目标周期时长，比如，第二目标周期时长与各第一差值之间的误差(比如均方误差)最小，从而可以根据各第二目标周期时长，确定交通信号灯的周期时长。比如，可以从各第二目标周期时长中确定置信度最高的第二目标周期时长，并作为交通信号灯的周期时长。
需要说明的是，实际应用时，还可能发生各目标移动轨迹指示目标对象经过至少两个交通信号灯的情况，后续实施例中将对这种情况进行详细说明，本公开在此不做赘述。
本公开实施例的交通信号灯的周期时长确定方法，通过根据设定时段内的多个目标对象的目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点是目标对象从停止状态切换为移动状态的轨迹点；根据各切换点的时间戳之差，确定交通信号灯的周期时长。由此，根据大量的移动轨迹确定交通信号灯的周期时长，可以提升确定结果的准确性和可靠性。
为了清楚说明本公开上述实施例中是如何根据各切换点的时间戳之差，确定交通信号灯的周期时长的，本公开还提出一种交通信号灯的周期时长确定方法。
图2为本公开实施例二所提供的交通信号灯的周期时长确定方法的流程示意图。
如图2所示，该交通信号灯的周期时长确定方法可以包括以下步骤：
步骤201，获取设定时段内的多个目标对象的目标移动轨迹。
步骤202，根据多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点，是目标对象从停止状态切换为移动状态的轨迹点。
步骤201至202的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。
步骤203，根据各切换点的坐标位置和时间戳，对各切换点进行聚类，以得到多个第一聚簇。
在本公开实施例中，可以根据各切换点的坐标位置和时间戳，对各切换点进行聚类，以得到多个第一聚簇，其中，同一聚簇中的各切换点的坐标位置之间的距离相对较小，且同一聚簇中的各切换点的时间戳之差相对较小。即，每个聚簇中包含同一交通信号灯对应的同一轮红灯后移动的各个目标对象的切换点。
步骤204，根据每个第一聚簇中的各切换点的时间戳，从每个第一聚簇中确定目标切换点。
在本公开实施例中，针对多个第一聚簇中的任意一个第一聚簇，可以根据该第一聚簇中各切换点的时间戳，从该第一聚簇中确定目标切换点。比如，可以将第一聚簇中时间戳最小的切换点作为目标切换点，即该目标切换点为一轮红灯后首个移动的目标对象的切换点，再比如，可以将第一聚簇中时间戳次小的切换点作为目标切换点，即该目标切换点为一轮红灯后第二个移动的目标对象的切换点，等等。
步骤205，根据各目标切换点的时间戳之差，确定交通信号灯的周期时长。
在本公开实施例中，可以根据各目标切换点的时间戳之差，确定交通信号灯的周期时长。
作为一种可能的实现方式，在各目标移动轨迹指示目标对象仅经过同一个交通信号灯的情况下，可以根据以下两种方式，确定交通信号灯的周期时长：
第一种，确定位于同一车道的各目标切换点中的任意两个目标切换点的时间戳之差，以得到至少一个第一差值(比如，利用较大的时间戳减去较小的时间戳，得到取值为正的第一差值)，并确定设定的候选周期时长集合中的任一候选周期时长与各第一差值之间的第一误差(比如均方差、均方误差等)，从而可以根据各候选周期时长的第一误差，从各候选周期时长中确定第一目标周期时长，比如，可以将第一误差最小的候选周期时长作为第一目标周期时长，从而可以将该第一目标周期时长，作为该交通信号灯的周期时长。
第二种，确定位于同一车道的各目标切换点中的任意两个目标切换点的时间戳之差，以得到至少一个第一差值(比如，利用较大的时间戳减去较小的时间戳，得到取值为正的第一差值)，并将设定的候选周期时长集合进行划分，以得到多个候选周期时长子集合，根据各第一差值，从每个候选周期时长子集合中确定第二目标周期时长，比如，第二目标周期时长与各第一差值之间的误差(比如均方误差)最小，从而可以根据各第二目标周期时长，确定交通信号灯的周期时长。比如，可以从各第二目标周期时长中确定置信度最高的第二目标周期时长，并作为交通信号灯的周期时长。
需要说明的是，实际应用时，还可能发生各目标移动轨迹指示目标对象经过至少两个交通信号灯的情况，后续实施例中将对这种情况进行详细说明，本公开在此不做赘述。
本公开实施例的交通信号灯的周期时长确定方法，可以实现从各切换点中确定每一轮红灯后最早移动的目标对象的切换点，从而可以根据该最早移动的目标对象的切换点，有效确定交通信号灯的周期时长，提升确定结果的有效性和准确性。
为了清楚说明本公开上述实施例中是如何根据各目标切换点的时间戳之差，确定交通信号灯的周期时长的，本公开还提出一种交通信号灯的周期时长确定方法。
图3为本公开实施例三所提供的交通信号灯的周期时长确定方法的流程示意图。
如图3所示，该交通信号灯的周期时长确定方法可以包括以下步骤：
步骤301，获取设定时段内的多个目标对象的目标移动轨迹。
步骤302，根据多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点，是目标对象从停止状态切换为移动状态的轨迹点。
步骤303，根据各切换点的坐标位置和时间戳，对各切换点进行聚类，以得到多个第一聚簇。
步骤304，根据每个第一聚簇中的各切换点的时间戳，从每个第一聚簇中确定目标切换点。
步骤301至304的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。
步骤305，根据各目标切换点的坐标位置，对各目标切换点进行聚类，以得到至少一个第二聚簇。
在本公开实施例中，可以根据各目标切换点的坐标位置，对各目标切换点进行聚类，以得到至少一个第二聚簇，即同一第二聚簇中包含同一交通信号灯的对应的各目标切换点。也即是说，当第二聚簇的个数为多个时，交通信号灯的个数也为多个，第二聚簇的个数与交通信号灯的个数相同。
步骤306，针对任一第二聚簇，确定第二聚簇中任意两个目标切换点的时间戳之差，以得到至少一个第一差值。
在本公开实施例中，针对至少一个第二聚簇中的任意一个第二聚簇，可以确定该第二聚簇中任意两个目标切换点的时间戳之差，以得到至少一个第一差值(比如，利用较大的时间戳减去较小的时间戳，得到取值为正的第一差值)。
步骤307，针对设定的候选周期时长集合中的任一候选周期时长，确定该候选周期时长与各第一差值之间的第一误差。
在本公开实施例中，候选周期时长集合中包含根据经验设定的多个候选周期时长，比如，候选周期时长集合可以包含[50秒,400秒]中的各个整数值。
在本公开实施例中，针对候选周期时长集合中的任意一个候选周期时长，可以确定该候选周期时长与各第一差值之间的第一误差(比如均方差、均方误差等)。
步骤308，根据各候选周期时长的第一误差，从各候选周期时长中确定第一目标周期时长。
在本公开实施例中，可以根据各候选周期时长的第一误差，从各候选周期时长中确定第一目标周期时长，比如，可以将第一误差最小的候选周期时长，作为第一目标周期时长。
步骤309，根据第一目标周期时长，确定与第二聚簇中的各目标切换点的坐标位置匹配的交通信号灯的周期时长。
在本公开实施例中，可以将第一目标周期时长，作为与上述第二聚簇中各目标切换点的坐标位置匹配的交通信号灯的周期时长。
本公开实施例的交通信号灯的周期时长确定方法，可以实现在交通信号灯的个数为至少一个时，有效确定每个交通信号灯的周期时长，以满足实际的应用需求。
需要说明的是，对于车流量较少的路段，或非高峰期，并非交通信号灯的每一轮周期均有目标对象经过，此时，可能发生相邻目标切换点的时间戳之差远大于交通信号灯的周期时长的情况，这种方式下，将导致根据候选周期时长集合确定的第一目标周期时长，是交通信号灯的周期时长的倍数，因此，为了提升交通信号灯的周期时长确定结果的准确性和可靠性，可以对候选周期时长集合进行划分，根据划分得到的每个候选周期时长子集合，来确定交通信号灯的周期时长。下面结合图4，对上述过程进行详细说明。
图4为本公开实施例四所提供的交通信号灯的周期时长确定方法的流程示意图。
如图4所示，该交通信号灯的周期时长确定方法可以包括以下步骤：
步骤401，获取设定时段内的多个目标对象的目标移动轨迹。
步骤402，根据多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点，是目标对象从停止状态切换为移动状态的轨迹点。
步骤403，根据各切换点的坐标位置和时间戳，对各切换点进行聚类，以得到多个第一聚簇。
步骤404，根据每个第一聚簇中的各切换点的时间戳，从每个第一聚簇中确定目标切换点。
步骤405，根据各目标切换点的坐标位置，对各目标切换点进行聚类，以得到至少一个第二聚簇。
步骤406，针对任一第二聚簇，确定第二聚簇中任意两个目标切换点的时间戳之差，以得到至少一个第一差值。
步骤401至406的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。
步骤407，将设定的候选周期时长集合进行划分，以得到多个候选周期时长子集合。
在本公开实施例中，可以将候选周期时长集合进行划分，以得到多个候选周期时长子集合。
举例而言，以候选周期时长集合包含[50秒,400秒]中的各个整数值进行示例，可以将候选周期时长集合划分为3个候选周期时长子集合：候选周期时长子集合1、候选周期时长子集合2、候选周期时长子集合3，其中，候选周期时长子集合1可以包含[50秒,100秒]中的各个整数值、候选周期时长子集合2可以包含[100秒,200秒]中的各个整数值、候选周期时长子集合3可以包含[200秒,400秒]中的各个整数值，或者，可以将候选周期时长集合划分为4个候选周期时长子集合：候选周期时长子集合A、候选周期时长子集合B、候选周期时长子集合C、候选周期时长子集合D，其中，候选周期时长子集合A可以包含[50秒,100秒]中的各个整数值、候选周期时长子集合B可以包含[100秒,200秒]中的各个整数值、候选周期时长子集合C可以包含[200秒,300秒]中的各个整数值、候选周期时长子集合D可以包含[300秒,400秒]中的各个整数值，等等，在此不一一列举。
步骤408，根据各第一差值，从每个候选周期时长子集合中确定第二目标周期时长。
在本公开实施例中，可以根据各第一差值，从每个候选周期时长子集合中确定第二目标周期时长。
作为一种可能的实现方式，针对多个候选周期时长子集合中的任意一个候选周期时长子集合，可以确定该候选周期时长子集合中的每个候选周期时长与各第一差值之间的第二误差(比如均方差、均方误差等)，从而可以根据该候选周期时长子集合中各候选周期时长的第二误差，从该候选周期时长子集合中的各候选周期时长中确定第二目标周期时长。比如，可以将第二误差最小的候选周期时长，作为第二目标周期时长。
由此，从每个候选周期时长子集合中确定与各第一差值之间的误差最小的第二目标周期时长，该第二目标周期时长可以表征交通信号灯的周期规律，从而根据各第二目标周期时长确定交通信号灯的周期时长，可以提升确定结果的准确性和可靠性。
步骤409，根据各第二目标周期时长，确定与第二聚簇中的各目标切换点的坐标位置匹配的交通信号灯的周期时长。
在本公开实施例中，可以根据各第二目标周期时长，确定与上述第二聚簇中的各目标切换点的坐标位置匹配的交通信号灯的周期时长。比如，可以将置信度最大的第二目标周期时长，作为与上述第二聚簇中的各目标切换点的坐标位置匹配的交通信号灯的周期时长。
作为一种可能的实现方式，每个第二目标周期时长的置信度可以通过以下方式确定：
可以将第二聚簇中的各目标切换点按照时间戳由早到晚进行排序，以得到排序序列，并确定排序序列中相邻的目标切换点的时间戳之差，以得到至少一个第二差值(比如，利用较大的时间戳减去较小的时间戳，得到取值为正的第二差值)，之后，可以确定每个第二目标周期时长与各第二差值之间的第三误差(比如均方差、均方误差等)，从而可以根据每个第二目标周期时长的第三误差，确定每个第二目标周期时长的置信度，其中，置信度与第三误差呈负相关关系，即第三误差越小，置信度越大，反之，第三误差越大，置信度越小。
从而本公开中，可以根据各第二目标周期时长的置信度，从各第二目标周期时长中确定第三目标周期时长，比如可以将置信度最高的第二目标周期时长作为第三目标周期时长(即将第三误差最小的第二目标周期时长，作为第三目标周期时长)，从而可以将第三目标周期时长，作为与该第二聚簇中的各目标切换点的坐标位置匹配的交通信号灯的周期时长。
由此，可以实现根据各第二目标周期时长，有效确定的交通信号灯的周期时长，提升周期时长确定的有效性。
本公开实施例的交通信号灯的周期时长确定方法，考虑到对于车流量较少的路段或非高峰期，并非交通信号灯的每一轮周期均有目标对象经过，根据候选周期时长集合确定的第一目标周期时长，是交通信号灯的周期时长的倍数的情况，本公开中，对候选周期时长集合进行划分，根据划分得到的每个候选周期时长子集合，来确定交通信号灯的周期时长，可以提升交通信号灯的周期时长确定结果的准确性和可靠性。
需要说明的是，不同的目标对象在移动过程中，目标对象或与目标对象绑定的终端设备采集轨迹点并向服务端上报轨迹点的周期是不同的，而不同的上报周期会影响交通信号灯的周期时长确定结果的准确性。比如，车辆1和车辆2每隔1秒上报一个轨迹点，车辆3每隔3秒上报一个轨迹点，车辆4每隔10秒上报一个轨迹点，显然根据车辆1和车辆2的轨迹点，所计算的周期时长的准确性是高于车辆3和车辆4的，比如，车辆4在红灯的最后一秒上报一个轨迹点，1秒后车辆4启动，启动9秒后车辆4再次上报一个轨迹点，根据车辆4的移动轨迹，所确定的切换点存在9秒的延时，显然，若根据车辆4的切换点计算交通信号灯的周期时长，计算结果并不准确。因此，在本公开实施例的一种可能的实现方式中，为了提升周期时长计算结果的准确性，可以根据各移动轨迹中轨迹点的上报周期，对各移动轨迹进行筛选，以保留优质的目标移动轨迹。下面结合图5，对上述过程进行详细说明。
图5为本公开实施例五所提供的交通信号灯的周期时长确定方法的流程示意图。
如图5所示，该交通信号灯的周期时长确定方法可以包括以下步骤：
步骤501，获取设定时段内的多个目标对象的候选移动轨迹。
需要说明的是，前述实施例中对设定时段和目标对象的解释说明也适用于该实施例，在此不做赘述。
在本公开实施例中，可以获取设定时段内的多个目标对象的候选移动轨迹。比如，可以从多个数据源获取设定时段内的多个目标对象的候选移动轨迹。
步骤502，针对多个候选移动轨迹中的任一候选移动轨迹，根据候选移动轨迹中各轨迹点的坐标位置和时间戳，确定候选移动轨迹中各轨迹点中相邻轨迹点的时间戳之差。
在本公开实施例中，针对多个候选移动轨迹中的任意一个候选移动轨迹，可以根据该候选移动轨迹中各轨迹点的坐标位置和时间戳，确定该候选移动轨迹中各轨迹点中相邻轨迹点的时间戳之差(比如差值、差值的绝对值)。
其中，相邻轨迹点的时间戳之差，用于指示轨迹点的上报周期。
步骤503，响应于相邻轨迹点的时间戳之差大于设定差异阈值，过滤候选移动轨迹。
在本公开实施例中，设定差异阈值为预先设定的差异阈值，比如，以相邻轨迹点的时间戳之差为时间戳之间的差值的绝对值进行示例，设定差异阈值可以为2秒、3秒等。
在本公开实施例中，在候选移动轨迹中各轨迹点中相邻轨迹点的时间戳之差大于设定差异阈值的情况下，可以过滤该候选移动轨迹，而在候选移动轨迹中各轨迹点中相邻轨迹点的时间戳之差小于或等于设定差异阈值的情况下，可以保留该候选移动轨迹。
步骤504，根据保留的各候选移动轨迹，确定目标移动轨迹。
在本公开实施例中，可以将保留的各候选移动轨迹，作为目标移动轨迹。
步骤505，根据多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点，是目标对象从停止状态切换为移动状态的轨迹点。
步骤506，根据各切换点的时间戳之差，确定交通信号灯的周期时长。
步骤505至506的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。
本公开实施例的交通信号灯的周期时长确定方法，可以实现根据各移动轨迹中轨迹点的上报周期，对各移动轨迹进行筛选，以保留上报周期相对较小的目标移动轨迹，从而根据上报周期相对较小的目标移动轨迹计算交通信号灯的周期时长，可以提升计算结果的准确性和可靠性。
需要说明的是，目标对象的移动轨迹中可能出现一些异常的移动轨迹，比如，当目标对象为车辆时，车辆可能存在走走停停，或车辆在行驶的过程中出现故障而导致车辆长时间停车，或由于驾驶人员路边揽客而导致车辆长时间停车等情况，根据上述移动轨迹很难精准识别车辆的一次完整停车，以及根据上述移动轨迹所确定的交通信号灯的周期时长的准确性和可靠性无法得到保证。因此，在本公开实施例的一种可能的实现方式中，为了提升周期时长计算结果的准确性，可以对目标对象的移动轨迹进行筛选，以保留优质的目标移动轨迹。下面结合图6，对上述过程进行详细说明。
图6为本公开实施例六所提供的交通信号灯的周期时长确定方法的流程示意图。
如图6所示，该交通信号灯的周期时长确定方法可以包括以下步骤：
步骤601，获取设定时段内的多个目标对象的候选移动轨迹。
步骤601的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。
步骤602，针对多个候选移动轨迹中的任一候选移动轨迹，根据候选移动轨迹中各轨迹点的坐标位置和时间戳，确定对应目标对象的总移动时长，以及对应目标对象停止移动的第一位置和第一位置的第一停止时长。
在本公开实施例中，针对多个候选移动轨迹中的任意一个候选移动轨迹，可以根据该候选移动轨迹中各轨迹点的时间戳，确定对应目标对象的总移动时长，比如，可以将最晚的时间戳与最早的时间戳作差，得到对应目标对象的总移动时长。
并且，还可以根据该候选移动轨迹中各轨迹点的坐标位置和时间戳，确定对应目标对象停止移动的第一位置和第一位置的第一停止时长。比如，目标对象的候选移动轨迹中某一时间段内的轨迹点的坐标位置维持不变，该维持不变的坐标位置即为第一位置，上述时间段的时长即为第一停止时长。
步骤603，根据各第一位置的第一停止时长，确定对应目标对象的总停止时长。
在本公开实施例中，第一位置的个数可以为至少一个，可以根据各第一位置的第一停止时长，确定对应目标对象的总停止时长。例如，可以将各第一停止时长的累加和，作为总停止时长。
步骤604，响应于总停止时长和总移动时长之间的比值大于设定比例阈值，和/或，存在至少一个第一停止时长大于设定时长阈值，过滤候选移动轨迹。
在本公开实施例中，设定比例阈值为预先设定的比例阈值，比如设定比例阈值可以为20％、30％等。
在本公开实施例中，设定时长阈值为预先设定的时长阈值，比如，设定时长阈值可以为90秒、120秒等。
在本公开实施例中，当总停止时长和总移动时长之间的比值大于设定比例阈值，和/或，存在至少一个第一停止时长大于设定时长阈值的情况下，可以过滤该候选移动轨迹。而当总停止时长和总移动时长之间的比值小于或等于设定比例阈值，且各第一停止时长均小于或等于设定时长阈值的情况下，可以保留该候选移动轨迹。
步骤605，根据保留的各候选移动轨迹，确定目标移动轨迹。
在本公开实施例中，可以将保留的各候选移动轨迹，作为目标移动轨迹。
步骤606，根据多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点，是目标对象从停止状态切换为移动状态的轨迹点。
步骤607，根据各切换点的时间戳之差，确定交通信号灯的周期时长。
步骤606至607的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。
本公开实施例的交通信号灯的周期时长确定方法，可以实现对异常的移动轨迹进行筛选，比如，当目标对象为车辆时，可以对走走停停、长时间停车的移动轨迹进行过滤，以保留优质的目标移动轨迹，从而根据优质的目标移动轨迹计算交通信号灯的周期时长，可以提升计算结果的准确性和可靠性。
需要说明的是，各目标对象的移动轨迹中可能出现一些异常的移动轨迹，比如，当目标对象为车辆时，车辆可能存在行车异常、违规行驶等，根据上述移动轨迹所确定的交通信号灯的周期时长的准确性和可靠性无法得到保证。因此，在本公开实施例的一种可能的实现方式中，为了提升周期时长计算结果的准确性，可以对目标对象的移动轨迹进行筛选，以保留优质的目标移动轨迹。下面结合图7，对上述过程进行详细说明。
图7为本公开实施例七所提供的交通信号灯的周期时长确定方法的流程示意图。
如图7所示，该交通信号灯的周期时长确定方法可以包括以下步骤：
步骤701，获取设定时段内的多个目标对象的候选移动轨迹。
步骤701的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。
步骤702，根据多个候选移动轨迹中各轨迹点的坐标位置和时间戳，确定第二位置和目标时段，其中，至少两个目标对象在目标时段，且与第二位置之间的距离小于设定距离阈值时处于停止状态。
在本公开实施例中，设定距离阈值为预先设定的较小的距离阈值。
在本公开实施例中，可以对多个目标对象的候选移动轨迹进行统计，以确定第一位置和目标时段，其中，至少两个目标对象的候选移动轨迹在目标时段内的各个轨迹点的坐标位置与第二位置之间的距离小于设定距离阈值，且上述至少两个目标对象的候选移动轨迹在目标时段内的各个轨迹点的瞬时速度或移动速度为零，即上述至少两个目标对象在目标时段内处于停止状态。
步骤703，从多个候选移动轨迹中过滤在目标时段内经过第二位置且移动速度大于设定速度阈值的候选移动轨迹。
在本公开实施例中，设定速度阈值为预先设定的速度阈值，应当理解的是，设定速度阈值为较小的速度阈值，比如，设定速度阈值可以为0、1km/h、2km/h、3km/h等。
在本公开实施例中，可以从多个候选移动轨迹中过滤在目标时段内经过第二位置且移动速度大于设定速度阈值的候选移动轨迹。
举例而言，假设十条移动轨迹中的八条移动轨迹在某个路口的速度为零，均在等红灯，此时，有个移动轨迹穿过该路口，则可以认为该移动轨迹是一个违规车辆的轨迹，因此，可以过滤该移动轨迹。
步骤704，根据保留的各候选移动轨迹，确定目标移动轨迹。
在本公开实施例中，可以将保留的各候选移动轨迹，作为目标移动轨迹。
步骤705，根据多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点，是目标对象从停止状态切换为移动状态的轨迹点。
步骤706，根据各切换点的时间戳之差，确定交通信号灯的周期时长。
步骤705至706的解释说明可以参见本公开任一实施例中的相关描述，在此不做赘述。
需要说明的是，本公开仅以步骤501至504、步骤601至605、步骤701至704为并列执行的三种实现方式进行示例，实际应用于，还可以结合上述三种实现方式中的任意两种实现方式，对候选移动轨迹进行筛选，或者，还可以同时结合上述三种实现方式，对候选移动轨迹进行筛选，本公开对此并不做限制。
本公开实施例的交通信号灯的周期时长确定方法，可以实现对异常的移动轨迹进行筛选，比如，可以对违规行驶的移动轨迹进行过滤，以保留优质的目标移动轨迹，从而根据优质的目标移动轨迹计算交通信号灯的周期时长，可以提升计算结果的准确性和可靠性。
在本公开的任意一个实施例之中，交通信号灯的周期时长的挖掘原理可以如图8所示，具体地，可以通过以下步骤，来实现挖掘交通信号灯的周期时长：
第一步，根据现实世界中的交通信号灯信息，构建交通信号灯的周期真值系统。
由于智能交通的逐渐普及，一部分路口可以安装信控设备，可以通过信控设备实时调整交通信号灯的周期时长，以缓解交通拥堵，使得更多的车主享受绿波体验，提升出行效率。通过实时接收交通信号灯的周期数据，并根据上述数据推导出不同周期时长下的真值数据(比如真实的周期时长、灯态、倒计时、时段等信息)。
例如，可以通过交通信号灯的秒级信息，构建周期真值系统。
第二步，获取大量的同一时段的移动轨迹。
为了挖掘大规模准确的交通信号灯的周期时长，且使得挖掘的交通信号灯的周期时长与周期真值系统的实际周期时长匹配，可以获取大量的移动轨迹，例如可以获取不同车辆类型的车辆(比如出租车、社会化运管车辆、公交车、货车、小轿车等)的行驶轨迹、用户UGC(User-generated Content，用户生产内容，也称为UCC，User-created Content)轨迹(比如用户的行走轨迹、用户的骑车轨迹等)等。
进一步地，还可以根据轨迹质量，对各移动轨迹进行筛选，以保留优质的移动轨迹，进而可以根据优质的移动轨迹，识别出有效切换点(即每一轮交通信号灯周期的首个切换点，本公开中记为目标切换点)，以避免因为轨迹质量问题而导致周期挖掘方法不收敛的问题。
第三步，周期时长挖掘原理：通过最小二乘法原理学习两两目标切换点的偏差，使用极大似然法估计交通信号灯的周期时长。
有了大量基于轨迹挖掘的有效切换点，可以将各有效切换点按时间排序后，计算两两之间得到偏差，进而通过最优化方法-最小二乘法对周期时长进行建模，遍历各候选周期时长进行求解误差最小，即从各候选周期时长中，找到一个候选周期时长与各偏差之间的均方误差最小，进而可将找到的候选周期时长，作为交通信号灯的周期时长。
考虑到找到的候选周期时长可能与交通信号灯的实际周期时长存在倍数问题，本公开中，可以根据相邻时间戳的偏差，对找到的候选周期时长进行置信度选择，最终求得最优周期时长。
之后，可以从周期真值系统，获取交通信号灯的实际周期时长，根据预测的周期时长和实际周期时长进行比较，以确定预测效果是否符合预期，比如，在预测的周期时长和实际周期时长之差相对较小时，确定预测效果符合预期，而预测的周期时长和实际周期时长之差相对较大时，确定预测效果不符合预期。在预测效果不符合预期时，可以对周期时长挖掘方法中的算法参数(比如极大似然估计法中的参数)进行调优，和/或，重新从其他数据源获取移动轨迹，以提升周期时长挖掘方法的准召效果，进而持续迭代该方法，最终收敛后可利用优化后的周期时长挖掘方法，大规模自动化产出批量的交通信号灯的周期时长。
通过大数据挖掘方法，能够实现在保障预测效果的前提下，大规模产出周期挖掘值，以供智能交通建设更快普及。同时，在成本和覆盖面上，相较于自驾车采集成本显著降低，相较于现有信控灯的覆盖，可达到大规模批量覆盖，对比分布统计方法，该方案效果更优。解决了基于轨迹图的高误差判断以及自驾车覆盖低的问题。发明人将该方法应用在实时路况产品和交通信号灯倒计时产品中，应用于路况拥缓准召效果提升2.48％，交通信号灯的周期时长预测的准确率达到95％+，从测试结果上也验证了该方法的置信度。
与上述图1至图7实施例提供的交通信号灯的周期时长确定方法相对应，本公开还提供一种交通信号灯的周期时长确定装置，由于本公开实施例提供的交通信号灯的周期时长确定装置与上述图1至图7实施例提供的交通信号灯的周期时长确定方法相对应，因此在交通信号灯的周期时长确定方法的实施方式也适用于本公开实施例提供的交通信号灯的周期时长确定装置，在本公开实施例中不再详细描述。
图9为本公开实施例八所提供的交通信号灯的周期时长确定装置的结构示意图。
如图9所示，该交通信号灯的周期时长确定装置900可以包括：获取模块901、第一确定模块902以及第二确定模块903。
其中，获取模块901，用于获取设定时段内的多个目标对象的目标移动轨迹。
第一确定模块902，用于根据多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点，是目标对象从停止状态切换为移动状态的轨迹点。
第二确定模块903，用于根据各切换点的时间戳之差，确定交通信号灯的周期时长。
在本公开实施例的一种可能的实现方式中，第二确定模块903，用于：根据各切换点的坐标位置和时间戳，对各切换点进行聚类，以得到多个第一聚簇；根据每个第一聚簇中的各切换点的时间戳，从每个第一聚簇中确定目标切换点；根据各目标切换点的时间戳之差，确定交通信号灯的周期时长。
在本公开实施例的一种可能的实现方式中，第二确定模块903，用于：根据各目标切换点的坐标位置，对各目标切换点进行聚类，以得到至少一个第二聚簇；针对任一第二聚簇，确定第二聚簇中任意两个目标切换点的时间戳之差，以得到至少一个第一差值；针对设定的候选周期时长集合中的任一候选周期时长，确定候选周期时长与各第一差值之间的第一误差；根据各候选周期时长的第一误差，从各候选周期时长中确定第一目标周期时长；根据第一目标周期时长，确定与第二聚簇中的各目标切换点的坐标位置匹配的交通信号灯的周期时长。
在本公开实施例的一种可能的实现方式中，第二确定模块903，用于：根据各目标切换点的坐标位置，对各目标切换点进行聚类，以得到至少一个第二聚簇；针对任一第二聚簇，确定第二聚簇中任意两个目标切换点的时间戳之差，以得到至少一个第一差值；将设定的候选周期时长集合进行划分，以得到多个候选周期时长子集合；根据各第一差值，从每个候选周期时长子集合中确定第二目标周期时长；根据各第二目标周期时长，确定与第二聚簇中的各目标切换点的坐标位置匹配的交通信号灯的周期时长。
在本公开实施例的一种可能的实现方式中，第二确定模块903，用于：针对任一候选周期时长子集合，确定候选周期时长子集合中的任一候选周期时长与各第一差值之间的第二误差；根据候选周期时长子集合中各候选周期时长的第二误差，从候选周期时长子集合中的各候选周期时长中确定第二目标周期时长。
在本公开实施例的一种可能的实现方式中，第二确定模块903，用于：将第二聚簇中的各目标切换点按照时间戳由早到晚进行排序，以得到排序序列；确定排序序列中相邻的目标切换点的时间戳之差，以得到至少一个第二差值；确定任一第二目标周期时长与各第二差值之间的第三误差；根据各第二目标周期时长的第三误差，从各第二目标周期时长中确定第三目标周期时长；根据第三目标周期时长，确定与第二聚簇中的各目标切换点的坐标位置匹配的交通信号灯的周期时长。
在本公开实施例的一种可能的实现方式中，获取模块901，用于：获取设定时段内的多个目标对象的候选移动轨迹；针对多个候选移动轨迹中的任一候选移动轨迹，根据候选移动轨迹中各轨迹点的坐标位置和时间戳，确定候选移动轨迹中各轨迹点中相邻轨迹点的时间戳之差；响应于相邻轨迹点的时间戳之差大于设定差异阈值，过滤候选移动轨迹；根据保留的各候选移动轨迹，确定目标移动轨迹。
在本公开实施例的一种可能的实现方式中，获取模块901，用于：获取设定时段内的多个目标对象的候选移动轨迹；针对多个候选移动轨迹中的任一候选移动轨迹，根据候选移动轨迹中各轨迹点的坐标位置和时间戳，确定对应目标对象的总移动时长，以及对应目标对象停止移动的第一位置和第一位置的第一停止时长；根据各第一位置的第一停止时长，确定对应目标对象的总停止时长；响应于总停止时长和总移动时长之间的比值大于设定比例阈值，和/或，存在至少一个第一停止时长大于设定时长阈值，过滤候选移动轨迹；根据保留的各候选移动轨迹，确定目标移动轨迹。
在本公开实施例的一种可能的实现方式中，获取模块901，用于：获取设定时段内的多个目标对象的候选移动轨迹；根据多个候选移动轨迹中各轨迹点的坐标位置和时间戳，确定第二位置和目标时段，其中，至少两个目标对象在目标时段，且与第二位置之间的距离小于设定距离阈值时处于停止状态；从多个候选移动轨迹中过滤在目标时段内经过第二位置且移动速度大于设定速度阈值的候选移动轨迹；根据保留的各候选移动轨迹，确定目标移动轨迹。
本公开实施例的交通信号灯的周期时长确定装置，通过根据设定时段内的多个目标对象的目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点是目标对象从停止状态切换为移动状态的轨迹点；根据各切换点的时间戳之差，确定交通信号灯的周期时长。由此，根据大量的移动轨迹确定交通信号灯的周期时长，可以提升确定结果的准确性和可靠性。
为了实现上述实施例，本公开还提供一种电子设备，该电子设备可以包括至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开上述任一实施例提出的交通信号灯的周期时长确定方法。
为了实现上述实施例，本公开还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开上述任一实施例提出的交通信号灯的周期时长确定方法。
为了实现上述实施例，本公开还提供一种计算机程序产品，该计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现本公开上述任一实施例提出的交通信号灯的周期时长确定方法。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。其中，电子设备可以包括上述实施例中的服务端、客户端。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示，电子设备1000包括计算单元1001，其可以根据存储在ROM(Read-OnlyMemory，只读存储器)1002中的计算机程序或者从存储单元1008加载到RAM(Random AccessMemory，随机访问/存取存储器)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储电子设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。I/O(Input/Output，输入/输出)接口1005也连接至总线1004。
电子设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许电子设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于CPU(Central Processing Unit，中央处理单元)、GPU(Graphic Processing Units，图形处理单元)、各种专用的AI(Artificial Intelligence，人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如上述交通信号灯的周期时长确定方法。例如，在一些实施例中，上述交通信号灯的周期时长确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到电子设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的交通信号灯的周期时长确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述交通信号灯的周期时长确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、FPGA(Field Programmable Gate Array，现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit，专用集成电路)、ASSP(Application Specific StandardProduct，专用标准产品)、SOC(System On Chip，芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device，复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory，可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(Cathode-Ray Tube，阴极射线管)或者LCD(Liquid Crystal Display，液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：LAN(LocalArea Network，局域网)、WAN(Wide Area Network，广域网)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(VirtualPrivate Server，虚拟专用服务器)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing)，指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
根据本公开实施例的技术方案，通过根据设定时段内的多个目标对象的目标移动轨迹中各轨迹点的坐标位置和时间戳，确定多个目标移动轨迹中的切换点；其中，切换点是目标对象从停止状态切换为移动状态的轨迹点；根据各切换点的时间戳之差，确定交通信号灯的周期时长。由此，根据大量的移动轨迹确定交通信号灯的周期时长，可以提升确定结果的准确性和可靠性。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提出的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (21)

1.一种交通信号灯的周期时长确定方法，所述方法包括：
获取设定时段内的多个目标对象的目标移动轨迹；
根据所述多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定所述多个目标移动轨迹中的切换点；其中，所述切换点，是所述目标对象从停止状态切换为移动状态的轨迹点；
根据各所述切换点的时间戳之差，确定交通信号灯的周期时长。
2.根据权利要求1所述的方法，其中，所述根据各所述切换点的时间戳之差，确定交通信号灯的周期时长，包括：
根据各所述切换点的坐标位置和时间戳，对各所述切换点进行聚类，以得到多个第一聚簇；
根据每个所述第一聚簇中的各所述切换点的时间戳，从每个所述第一聚簇中确定目标切换点；
根据各所述目标切换点的时间戳之差，确定交通信号灯的周期时长。
3.根据权利要求2所述的方法，其中，所述根据各所述目标切换点的时间戳之差，确定交通信号灯的周期时长，包括：
根据各所述目标切换点的坐标位置，对各所述目标切换点进行聚类，以得到至少一个第二聚簇；
针对任一所述第二聚簇，确定所述第二聚簇中任意两个目标切换点的时间戳之差，以得到至少一个第一差值；
针对设定的候选周期时长集合中的任一候选周期时长，确定所述候选周期时长与各所述第一差值之间的第一误差；
根据各所述候选周期时长的第一误差，从各所述候选周期时长中确定第一目标周期时长；
根据所述第一目标周期时长，确定与所述第二聚簇中的各所述目标切换点的坐标位置匹配的交通信号灯的周期时长。
4.根据权利要求2所述的方法，其中，所述根据各所述目标切换点的时间戳之差，确定交通信号灯的周期时长，包括：
根据各所述目标切换点的坐标位置，对各所述目标切换点进行聚类，以得到至少一个第二聚簇；
针对任一所述第二聚簇，确定所述第二聚簇中任意两个目标切换点的时间戳之差，以得到至少一个第一差值；
将设定的候选周期时长集合进行划分，以得到多个候选周期时长子集合；
根据各所述第一差值，从每个所述候选周期时长子集合中确定第二目标周期时长；
根据各所述第二目标周期时长，确定与所述第二聚簇中的各所述目标切换点的坐标位置匹配的交通信号灯的周期时长。
5.根据权利要求4所述的方法，其中，所述根据各所述第一差值，从每个所述候选周期时长子集合中确定第二目标周期时长，包括：
针对任一所述候选周期时长子集合，确定所述候选周期时长子集合中的任一候选周期时长与各所述第一差值之间的第二误差；
根据所述候选周期时长子集合中各候选周期时长的第二误差，从所述候选周期时长子集合中的各候选周期时长中确定第二目标周期时长。
6.根据权利要求4所述的方法，其中，所述根据各所述第二目标周期时长，确定与所述第二聚簇中的各所述目标切换点的坐标位置匹配的交通信号灯的周期时长，包括：
将所述第二聚簇中的各所述目标切换点按照时间戳由早到晚进行排序，以得到排序序列；
确定所述排序序列中相邻的目标切换点的时间戳之差，以得到至少一个第二差值；
确定任一所述第二目标周期时长与各所述第二差值之间的第三误差；
根据各所述第二目标周期时长的第三误差，从各所述第二目标周期时长中确定第三目标周期时长；
根据所述第三目标周期时长，确定与所述第二聚簇中的各所述目标切换点的坐标位置匹配的交通信号灯的周期时长。
7.根据权利要求1-6中任一项所述的方法，其中，所述获取设定时段内的多个目标对象的目标移动轨迹，包括：
获取所述设定时段内的多个目标对象的候选移动轨迹；
针对所述多个候选移动轨迹中的任一候选移动轨迹，根据所述候选移动轨迹中各轨迹点的坐标位置和时间戳，确定所述候选移动轨迹中各轨迹点中相邻轨迹点的时间戳之差；
响应于所述相邻轨迹点的时间戳之差大于设定差异阈值，过滤所述候选移动轨迹；
根据保留的各所述候选移动轨迹，确定所述目标移动轨迹。
8.根据权利要求1-6中任一项所述的方法，其中，所述获取设定时段内的多个目标对象的目标移动轨迹，包括：
获取所述设定时段内的多个目标对象的候选移动轨迹；
针对所述多个候选移动轨迹中的任一候选移动轨迹，根据所述候选移动轨迹中各轨迹点的坐标位置和时间戳，确定对应目标对象的总移动时长，以及所述对应目标对象停止移动的第一位置和所述第一位置的第一停止时长；
根据各所述第一位置的第一停止时长，确定所述对应目标对象的总停止时长；
响应于所述总停止时长和所述总移动时长之间的比值大于设定比例阈值，和/或，存在至少一个所述第一停止时长大于设定时长阈值，过滤所述候选移动轨迹；
根据保留的各所述候选移动轨迹，确定所述目标移动轨迹。
9.根据权利要求1-6中任一项所述的方法，其中，所述获取设定时段内的多个目标对象的目标移动轨迹，包括：
获取所述设定时段内的多个目标对象的候选移动轨迹；
根据所述多个候选移动轨迹中各轨迹点的坐标位置和时间戳，确定第二位置和目标时段，其中，至少两个目标对象在所述目标时段，且与所述第二位置之间的距离小于设定距离阈值时处于停止状态；
从所述多个候选移动轨迹中过滤在所述目标时段内经过所述第二位置且移动速度大于设定速度阈值的候选移动轨迹；
根据保留的各所述候选移动轨迹，确定所述目标移动轨迹。
10.一种交通信号灯的周期时长确定装置，所述装置包括：
获取模块，用于获取设定时段内的多个目标对象的目标移动轨迹；
第一确定模块，用于根据所述多个目标移动轨迹中各轨迹点的坐标位置和时间戳，确定所述多个目标移动轨迹中的切换点；其中，所述切换点，是所述目标对象从停止状态切换为移动状态的轨迹点；
第二确定模块，用于根据各所述切换点的时间戳之差，确定交通信号灯的周期时长。
11.根据权利要求10所述的装置，其中，所述第二确定模块，用于：
根据各所述切换点的坐标位置和时间戳，对各所述切换点进行聚类，以得到多个第一聚簇；
根据每个所述第一聚簇中的各所述切换点的时间戳，从每个所述第一聚簇中确定目标切换点；
根据各所述目标切换点的时间戳之差，确定交通信号灯的周期时长。
12.根据权利要求11所述的装置，其中，所述第二确定模块，用于：
根据各所述目标切换点的坐标位置，对各所述目标切换点进行聚类，以得到至少一个第二聚簇；
针对任一所述第二聚簇，确定所述第二聚簇中任意两个目标切换点的时间戳之差，以得到至少一个第一差值；
针对设定的候选周期时长集合中的任一候选周期时长，确定所述候选周期时长与各所述第一差值之间的第一误差；
根据各所述候选周期时长的第一误差，从各所述候选周期时长中确定第一目标周期时长；
根据所述第一目标周期时长，确定与所述第二聚簇中的各所述目标切换点的坐标位置匹配的交通信号灯的周期时长。
13.根据权利要求11所述的装置，其中，所述第二确定模块，用于：
根据各所述目标切换点的坐标位置，对各所述目标切换点进行聚类，以得到至少一个第二聚簇；
针对任一所述第二聚簇，确定所述第二聚簇中任意两个目标切换点的时间戳之差，以得到至少一个第一差值；
将设定的候选周期时长集合进行划分，以得到多个候选周期时长子集合；
根据各所述第一差值，从每个所述候选周期时长子集合中确定第二目标周期时长；
根据各所述第二目标周期时长，确定与所述第二聚簇中的各所述目标切换点的坐标位置匹配的交通信号灯的周期时长。
14.根据权利要求13所述的装置，其中，所述第二确定模块，用于：
针对任一所述候选周期时长子集合，确定所述候选周期时长子集合中的任一候选周期时长与各所述第一差值之间的第二误差；
根据所述候选周期时长子集合中各候选周期时长的第二误差，从所述候选周期时长子集合中的各候选周期时长中确定第二目标周期时长。
15.根据权利要求13所述的装置，其中，所述第二确定模块，用于：
将所述第二聚簇中的各所述目标切换点按照时间戳由早到晚进行排序，以得到排序序列；
确定所述排序序列中相邻的目标切换点的时间戳之差，以得到至少一个第二差值；
确定任一所述第二目标周期时长与各所述第二差值之间的第三误差；
根据各所述第二目标周期时长的第三误差，从各所述第二目标周期时长中确定第三目标周期时长；
根据所述第三目标周期时长，确定与所述第二聚簇中的各所述目标切换点的坐标位置匹配的交通信号灯的周期时长。
16.根据权利要求10-15中任一项所述的装置，其中，所述获取模块，用于：
获取所述设定时段内的多个目标对象的候选移动轨迹；
针对所述多个候选移动轨迹中的任一候选移动轨迹，根据所述候选移动轨迹中各轨迹点的坐标位置和时间戳，确定所述候选移动轨迹中各轨迹点中相邻轨迹点的时间戳之差；
响应于所述相邻轨迹点的时间戳之差大于设定差异阈值，过滤所述候选移动轨迹；
根据保留的各所述候选移动轨迹，确定所述目标移动轨迹。
17.根据权利要求10-15中任一项所述的装置，其中，所述获取模块，用于：
获取所述设定时段内的多个目标对象的候选移动轨迹；
针对所述多个候选移动轨迹中的任一候选移动轨迹，根据所述候选移动轨迹中各轨迹点的坐标位置和时间戳，确定对应目标对象的总移动时长，以及所述对应目标对象停止移动的第一位置和所述第一位置的第一停止时长；
根据各所述第一位置的第一停止时长，确定所述对应目标对象的总停止时长；
响应于所述总停止时长和所述总移动时长之间的比值大于设定比例阈值，和/或，存在至少一个所述第一停止时长大于设定时长阈值，过滤所述候选移动轨迹；
根据保留的各所述候选移动轨迹，确定所述目标移动轨迹。
18.根据权利要求10-15中任一项所述的装置，其中，所述获取模块，用于：
获取所述设定时段内的多个目标对象的候选移动轨迹；
根据所述多个候选移动轨迹中各轨迹点的坐标位置和时间戳，确定第二位置和目标时段，其中，至少两个目标对象在所述目标时段，且与所述第二位置之间的距离小于设定距离阈值时处于停止状态；
从所述多个候选移动轨迹中过滤在所述目标时段内经过所述第二位置且移动速度大于设定速度阈值的候选移动轨迹；
根据保留的各所述候选移动轨迹，确定所述目标移动轨迹。
19.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的交通信号灯的周期时长确定方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的交通信号灯的周期时长确定方法。
21.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述交通信号灯的周期时长确定方法的步骤。
CN202211261753.9A 2022-10-14 2022-10-14 交通信号灯的周期时长确定方法、装置、设备和存储介质 Pending CN115601983A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211261753.9A CN115601983A (zh) 2022-10-14 2022-10-14 交通信号灯的周期时长确定方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211261753.9A CN115601983A (zh) 2022-10-14 2022-10-14 交通信号灯的周期时长确定方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN115601983A true CN115601983A (zh) 2023-01-13

Family

ID=84847199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211261753.9A Pending CN115601983A (zh) 2022-10-14 2022-10-14 交通信号灯的周期时长确定方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN115601983A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116168544A (zh) * 2023-04-25 2023-05-26 北京百度网讯科技有限公司 切换点预测方法、预测模型训练方法、装置、设备及介质
CN116704750A (zh) * 2023-05-06 2023-09-05 浙江大学 一种基于聚类算法的交通状态识别方法、电子设备、介质
CN117690300A (zh) * 2024-02-04 2024-03-12 货车之家(南京)科技有限公司 一种优化车辆获取红绿灯灯色及倒计时信息的方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116168544A (zh) * 2023-04-25 2023-05-26 北京百度网讯科技有限公司 切换点预测方法、预测模型训练方法、装置、设备及介质
CN116704750A (zh) * 2023-05-06 2023-09-05 浙江大学 一种基于聚类算法的交通状态识别方法、电子设备、介质
CN116704750B (zh) * 2023-05-06 2024-01-12 浙江大学 一种基于聚类算法的交通状态识别方法、电子设备、介质
CN117690300A (zh) * 2024-02-04 2024-03-12 货车之家(南京)科技有限公司 一种优化车辆获取红绿灯灯色及倒计时信息的方法
CN117690300B (zh) * 2024-02-04 2024-04-12 货车之家(南京)科技有限公司 一种优化车辆获取红绿灯灯色及倒计时信息的方法

Similar Documents

Publication Publication Date Title
WO2022222632A1 (zh) 交通仿真方法、装置、计算机设备和存储介质
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
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
US11798408B2 (en) Green wave speed determination method, electronic device and storage medium
CN113066285B (zh) 一种路况信息确定方法、装置、电子设备及存储介质
CN110136444B (zh) 一种交叉口绿灯空放时间计算方法和装置
CN205665896U (zh) 一种交叉路口信号灯状态识别装置
CN111681417B (zh) 交通路口渠化调整方法和装置
CN113569378A (zh) 仿真场景的生成方法、装置、电子设备以及存储介质
CN115909731A (zh) 交通信号灯切换时刻的预测方法、装置、电子设备及介质
CN113345242A (zh) 检测加塞车辆的方法、装置及设备
CN114301938A (zh) 车路协同车辆事件确定方法、相关装置及计算机程序产品
CN115440037B (zh) 交通流量数据采集方法、装置、电子设备及存储介质
CN114973656A (zh) 交通交互性能的评估方法、装置、设备、介质和产品
CN111275959A (zh) 车辆行驶状态的确定方法、装置及电子设备
KR20220092821A (ko) 길목 상태를 결정하는 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램
CN116168544B (zh) 切换点预测方法、预测模型训练方法、装置、设备及介质
Zheng et al. iTrip: Traffic signal prediction using smartphone based community sensing
CN114419896B (zh) 基于数字孪生的交通信号灯控制方法、装置、设备及介质
CN116343480A (zh) 交通信号灯切换点预测方法、装置、电子设备及存储介质
CN116189417A (zh) 交通灯场景的路况识别方法、装置、电子设备及存储介质
CN116935647A (zh) 一种数据验证方法、装置、电子设备和存储介质
CN115973190A (zh) 自动驾驶车辆的决策方法、装置和电子设备
CN114596704A (zh) 交通事件处理方法、装置、设备及存储介质
CN117198040A (zh) 路口通行信息的获取方法、装置、电子设备与可读存储介质

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