CN115731693A - 一种车道划分方法以及相关装置 - Google Patents
一种车道划分方法以及相关装置 Download PDFInfo
- Publication number
- CN115731693A CN115731693A CN202110996597.XA CN202110996597A CN115731693A CN 115731693 A CN115731693 A CN 115731693A CN 202110996597 A CN202110996597 A CN 202110996597A CN 115731693 A CN115731693 A CN 115731693A
- Authority
- CN
- China
- Prior art keywords
- target road
- traffic
- lane
- target
- time
- 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 48
- 230000000875 corresponding effect Effects 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 238000013459 approach Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种车道划分方法以及相关装置,用于提高行驶的安全性以及行驶效率。本申请实施例方法包括:获取多个路段的历史的交通信息,交通信息包括多个路段中的每个路段在历史的目标类型日期中的多个时间段的路况数据,根据交通信息确定多个路段中的目标路段以及第一时间段,确定在第一时间段中的客货车交通量比,基于客货车交通量比以及目标路段的车道数,确定目标路段在目标类型日期中第一时间段中的车道划分策略。
Description
技术领域
本申请实施例涉及交通领域,尤其涉及一种车道划分方法以及相关装置。
背景技术
在高速公路上,客车的行驶速度远远大于货车的行驶速度,如果客车以及货车混杂在相同的车道上行驶,很难提高行驶效率以及行驶安全性。并且由于在高速公路上会受到天气变化、交通事故以及节假日等特殊情况的影响,行驶效率以及行驶安全性更加难以得到保证。
目前很多高速公路上都设置了客车以及货车的专用车道,使得客车以及货车能够在不同的车道上行驶。然而,按照统一的规则划分车道,并没有考虑到实际的交通情况,无法有效提高行驶效率以及行驶安全性。
发明内容
本申请实施例提供了一种车道划分方法以及相关装置,用于提高行驶效率以及行驶安全性。
本申请实施例第一方面提供了一种车道划分方法:
获取多个路段的历史的交通信息,其中交通信息包括了多个路段中的每个路段在历史的目标类型日期中的多个时间段的路况数据,其中目标类型日期是工作日或者节假日,路况数据用于指示路段上的交通拥挤程度。根据交通信息,确定出多个路段中的至少一个目标路段以及目标路段对应的第一时间段,其中,目标路段在历史的目标类型日期中的第一时间段的交通拥挤程度处于第一预设范围。这之后,确定目标路段在历史的目标类型日期中第一时间段的客货车交通量比,然后根据客货交通量比以及目标路段中的车道数确定目标路段在目标类型日期中第一时间段的车道划分策略。
本申请实施例中,基于历史的交通信息确定出路段会发生拥堵的第一时间段,并根据该路段在历史的工作日或者历史的节假日在第一时间段的客货车交通量比以及车道数,分别确定出路段在工作日以及节假日在第一时间段的分道策略,从而提高行驶的安全性以及可靠性。
在一种可能的实现方式中,路况数据包括车流流量、车流速度以及车流密度中的至少一种。
在一种可能的实现方式中,路况数据还包括车流速度,根据多个路段中的每个路段在历史的目标类型日期中的多个时间段的车流速度,确定每个路段在历史的目标类型日期中的多个时间段的拥堵指数,并根据拥堵指数确定目标路段和第一时间段,目标路段在历史的目标类型日期中的第一时间段的拥堵指数所指示的交通拥挤程度处于第一预设范围。
在一种可能的实现方式中,路况数据包括车流流量和车流速度,还可以获取目标路段在当前日期的第二时间段的路况数据,根据目标路段在当前日期的第二时间段的路况数据,预测目标路段在当前日期的第一时间段中多个子时间段的拥堵指数,其中,第二时间段在第一时间段之前,当前日期为目标类型日期。之后,根据多个子时间段的拥堵指数确定第三时间段,第三时间段为多个子时间段中拥堵指数所指示的交通拥挤程度处于第二预设范围的一个或多个子时间段,最后在当前日期的第三时间段执行车道划分策略。
本申请实施例中,在确定出工作日以及节假日在第一时间段对应的车道划分策略后,还可以基于当前日期在第三时间段的路况数据对需要执行车道划分策略的时间段进行调整,从而提高了车道划分的准确性。
在一种可能的实现方式中,由于工作日与节假日的交通情况差别较大,如果当前日期为工作日,则将当前日期在第二时间段的车流流量以及车流速度输入第一预测模型中,得到目标路段在当前日期的第一时间段的多个子时间段的拥堵指数,该第一预测模型为根据历史的工作日的车流速度以及车流流量训练得到。如果当前日期为节假日,则将当前日期在第二时间段的车流速度以及车流流量输入第二预测模型中,得到目标路段在当前日期的第一时间段的多个子时间段的拥堵指数,该第二预测模型为根据历史的节假日的车流流量以及车流速度训练得到。
本申请实施例中,对于工作日以及节假日,通过不同的预测模型预测在当前日期的多个子时间段的拥堵指数,提高了拥堵指数的预测准确度。
在一种可能的实现方式中,基于目标路段在历史的目标类型日期中的第一时间段的客货车交通量比以及车道数,确定目标路段中的车辆专用道,该车辆专用道包括货车专用车道以及客车专用车道中的至少一种,其中货车专用车道为只允许货车通行的车道,客车专用车道为只允许客车通行的车道。将目标路段中的车道除车辆专用道之外的车道作为混合车道,混合车道为允许所有类型的车辆通行的车道。其中,客车专用车道的数量与目标路段在历史的目标类型日期中的第一时间段的客货车交通量比正相关。
在一种可能的实现方式中,在确定车辆的车道划分策略之后,还可以确定目标路段的车辆行驶策略。
在一种可能的实现方式中,车辆行驶策略包括目标路段的每个车道的实时的限速值。确定目标路段的车辆行驶策略具体是根据目标路段实时的天气情况、目标路段实时的平均限速值以及目标路段实时的可见度确定目标路段在目标类型日期实时的最大占有率。其中,实时的平均限速值为目标路段的所有车道最大的限速值求和之后的平均值,最大占有率用于指示目标路段能够被车辆占用的最大程度。之后,根据目标路段实时的最大占有率以及目标路段实时的实际占有率,确定第一限速值,其中,实时的实际占有率用于指示目标路段实时的被车辆占用的程度。之后根据第一限速值与每个车道对应的限速比例值,确定每个车道的第二限速值,每个车道的第二限速值用于在目标类型日期在每个车道进行实时的限速管控。
在一种可能的实现方式中,车辆的行驶策略还包括货车在目标路段的行驶规则。确定货车在目标路段的行驶规则具体是当路段处于隧道、桥梁、坡道以及弯道中的任一种时,禁止货车超车;当目标路段处于山区时,禁止货车超车;当目标路段的交通中断时,设置目标路段的前进方向上最右侧的车道为货车停放车道。
本申请实施例中,确定货车在目标路段的行驶规则,进一步提高了行驶的安全性以及可靠性。
本申请实施例第二方面提供了一种车道划分装置,该车道划分装置包括用于实现上述第一方面中的方法对应的功能单元。
本申请实施例第三方面提供了一种车道划分装置,该车道划分装置包括处理器,处理器与存储器耦合,存储器用于存储指令,当指令被处理器执行时,使得装置执行上述第一方面中的方法。
本申请实施例第四方面提供了一种计算机可读存储介质,计算机可读存储介质用于存储指令,指令用于执行第一方面中的方法。
附图说明
图1a为本申请实施例提供的一种交通信息通信系统的架构示意图;
图1b为本申请实施例提供的另一种交通信息通信系统的架构示意图;
图2a为本申请实施例中车道划分方法的一个流程示意图;
图2b至图2i为本申请实施例中车道划分的示意图;
图3为本申请实施例中车道划分方法的另一流程示意图;
图4为本申请实施例中车道划分装置的一个结构示意图;
图5为本申请实施例中车道划分装置的另一结构示意图;
图6为本申请实施例中车道划分装置的另一结构示意图。
具体实施方式
下面结合附图,对本申请的实施例进行描述,显然,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。本领域普通技术人员可知,随着技术发展和新场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例提供了一种车道划分方法以及相关装置,用于提高行驶效率以及行驶安全性。
为了便于理解,先对本申请实施例中所涉及的相关概念进行介绍:
路段(link):指的是相邻的两个路口之间的道路,即路段除两端路口外不应该有其他路口与其他道路相连通。
车道(lane):路段中所包含的车道,由车道线划分开。
本申请实施例提供的车道划分方法可以应用于交通信息通信系统中,如图1a以及图 1b所示为本申请实施例提供的交通信息通信系统的架构示意图。本申请实施例中的交通信息通信系统的架构示意图可以包括两种,具体的,在图1a中所示的交通信息通信系统中包括至少一个传感器端(图1a中记为传感器端1至传感器端N)和云端,该云端可以包括中心服务器或中心云。其中,传感器端包括多种传感器,例如路段上安装的摄像头、车辆特征识别器、环形线圈、可见度传感器以及天气传感器等,上述传感器获取的交通数据可以包括车流流量、车流速度、车流密度、车辆的种类、可见度以及天气情况等数据。交通信息通信系统中的传感器端可以将其获取的交通数据上报至云端,云端的设备(中心服务器或中心云)对交通数据进行分析处理。
如图1b所示为本申请实施例提供的另一种交通信息通信系统的架构示意图。在图1b 所示的交通信息通信系统中包括至少一个传感器端(图1b中记为传感器端1至传感器端N)、至少一个边缘计算节点(图1b中记为边缘计算节点(multi-access edge computing,MEC)1至边缘计算节点K)和云端。在这种实现方式下,可以按照地理区域部署多个边缘计算节点,并按照一定的规则确定各传感器与边缘计算节点之间数据上报关系(比如,按照地理临近原则确定每个传感器对应的边缘计算节点,将传感器分配到距离最近的边缘节点),例如在图1b中传感器与边缘计算节点之间数据上报关系为:传感器端1和传感器2 将其获取的交通数据上报至边缘计算节点1,传感器端3将其获取的交通数据上报至边缘计算节点2,传感器端N将其获取的交通数据上报至边缘计算节点K。在确定好上述上报关系之后,各个传感器端首先将其获取的交通数据发送至各自对应的边缘计算节点;然后,由边缘计算节点中对相应传感器上报的交通数据进行预处理,例如汇聚相应传感器的交通数据。然后,各个边缘计算节点再将处理后的交通数据上报至云端,由云端的设备(中心服务器或中心云)对交通数据进行分析处理。
本申请实施例以交通信息通信系统中包括传感器端和云端为例。结合上述交通信息通信系统的架构,传感器端到云端的数据传输均采用主动上报的方式,该通信系统中的各个传感器将交通数据直接发送至云端。
下面对本申请实施例中车道划分方法进行介绍,该方法可以应用于上述图1a或图1b 所示的交通信息通信系统。请参阅图2a,该方法包括但不限于如下步骤:
201、云端获取多个路段的历史的交通信息;
高速公路由多个路段组成,其中每个路段在运营的过程中,可以通过设置在该路段的传感器端实时获取每个路段在每天的多个时间段上的路况数据,该路况数据用于指示各路段的交通拥挤程度,例如某个路段在某个时间段的路况数据包括了该路段在相应时间段中的车流速度、车流流量以及车流密度中的至少一种,传感器端获取到上述数据之后,将上述数据上报至云端。
为了便于理解,下面对本申请实施例中涉及到的相关数据进行介绍:
车流流量:是指一段时间内通过路段上某一点的车辆数,通常通过测量过去一段时间 T内通过的车辆数N来估计当前的车流流量q,该车流流量q满足如下公式(1):
车流密度:通常用某一时刻某段长度为D的路段上的车辆数S来估计车流密度,该车流密度K满足如下公式(2):
车流速度:即一段时间内通过路段上某一点的M辆车的瞬时速度的算术平均和,该车流速度V满足如下公式(3),其中Vi为第i辆车通过该点的瞬时速度:
拥堵指数:利用车流速度(Vave)除以路段最高限速(Vlmt)的值作为衡量基准值,并进行转换后作为评定参数[0,10],其中,Vlmt为所有车道的最大限速值中的最大值,最大限速值即为车道上最大限速标牌所指示的限速值,拥堵指数(TPI)满足如下公式(4):
需要说明的是,车流速度、车流密度以及车流流量还满足如下公式(5):
q=K×V (5)
云端在获取到上述路况数据之后,将路况数据进行保存。需要说明的是,每个路段的传感器端上传的路况数据包括该路段的标识,从而划分出每个路段对应的路况数据。
基于此,当需要在目标类型日期确定车道的划分策略时,云端从本地获取多个路段的历史的交通信息,该交通信息包括了上述多个路段中的每个路段在历史的目标类型日期的多个时间段的路况数据,其中,目标类型日期可以是工作日或者是节假日。历史的目标类型日期例如可以是过去一个月之内、过去一年之内或者过去几年之内的工作日或者节假日,多个时间段例如可以是上午9点到11点、下午1点到3点以及晚上8点到10点,当然也可以是包括全天的24小时,具体此处不做限定。
202、云端根据交通信息,确定多个路段中的至少一个目标路段以及目标路段对应的第一时间段;
云端基于获取到的历史的交通信息,确定拥堵的目标路段以及目标路段对应的会发生拥堵的第一时间段,其中目标路段在历史的目标类型日期中的第一时间段的路况数据所指示的交通拥挤程度处于第一预设范围,第一预设范围可以是中度拥堵以及严重拥堵,具体此处不做限定,目标类型日期可以是工作日或者节假日。
本实施例中,为了描述的简便,以路况数据包括车流速度为例进行说明。例如,路段 1为多个路段中的其中一个路段,云端根据路段1在过去一年之内的多个工作日在多个时间段的车流速度,确定出路段1在过去一年之内的多个工作日在多个时间段的拥堵指数,由于拥堵指数可以指示交通拥挤程度,因此可以确定出路段1在过去一年之内的多个工作日中的交通拥挤程度经常处于第一预设范围的第一时间段。
云端根据路段1在过去一年之内的多个节假日在多个时间段的车流速度,确定出路段 1在过去一年之内的多个节假日在多个时间段的拥堵指数,之后确定出路段1在过去一年之内的多个节假日中交通拥挤程度经常处于第一预设范围的第一时间段。
可以理解的是,车流速度与拥堵指数具有时间上的对应关系,例如根据工作日A的时间段A的车流速度,确定工作日A的时间段A的拥堵指数。
请参阅表1,表1示出了拥堵指数与交通拥挤程度的对应关系:
表1
拥堵指数 | [0–2] | (2–4] | (4–6] | (6–8] | (8–10] |
拥堵情况 | 畅通 | 缓行 | 轻度拥堵 | 中度拥堵 | 严重拥堵 |
如表1所示,当拥堵指数大于0且小于2时,路段上的拥堵情况为畅通,当拥堵指数在2之上且小于4时,路段上的拥堵情况为缓行,当拥堵指数在4之上且小于6时,路段上的拥堵情况为轻度拥堵,当拥堵指数在6之上且小于8时,路段上的拥堵情况为中度拥堵,当拥堵指数在8之上且小于10时,路段上的拥堵情况为严重拥堵。
示例性的,如果在过去一年内的工作日中,路段1在上午9点至11点期间的拥堵指数经常大于6,在晚上8点到10点的期间的拥堵指数经常小于4,那么云端可以确定路段 1在工作日的上午9点至11点期间的交通拥挤程度经常处于第一预设范围,需要执行相应的管控,因此云端将路段1确定为目标路段,工作日的上午9点至11点则为该目标路段对应的第一时间段。
可以理解的是,由于工作日期间与节假日期间的交通状况存在较大的差别,因此根据目标路段在历史的工作日的多个时间段的拥堵指数确定的第一时间段,与根据目标路段在历史的节假日的多个时间段的拥堵指数确定的第一时间段也可能会存在较大的差别。示例性的,如果在过去一年内的节假日中,路段1在上午10点至12点期间的拥堵指数经常大于6,在晚上8点到10点的期间的拥堵指数经常小于4,那么云端可以确定路段1在节假日的上午10点至12点期间的交通拥挤程度经常处于第一预设范围,需要执行相应的管控,因此云端将路段1确定为目标路段,节假日的上午10点至12点则为该目标路段对应的第一时间段。
当然,在实际的实现中,云端也可以根据历史的路况数据中的车流流量、车流速度以及车流密度确定上述目标路段以及第一时间段,例如当车流速度越低时,所指示的交通拥挤程度则越高,结合历史的大量数据最终确定出目标路段以及第一时间段。
可以理解的是,在多个路段中可以确定出不止一个目标路段,并且可以确定每个目标路段分别对应的第一时间段,本实施例为了描述的简便,仅以路段1为例进行描述。
203、云端确定目标路段在历史的目标类型日期中第一时间段的客货车交通量比;
云端在确定出目标路段以及目标路段对应的第一时间段之后,云端确定目标路段在历史的目标类型日期中第一时间段的客货车交通量比,客货车交通量比指示了一段时间内路段上通过的客车数量与货车数量的比值。客货车交通量比可以通过传感器端获取,例如先通过摄像头获取路段上车辆行驶的视频信息,然后通过人工智能分析视频信息中出现的车辆的特征,基于车辆的特征识别出通过目标路段的货车以及客车,并确定出一段时间内视频中出现的货车数量以及客车数量,进而确定客货车交通量比。或者,客货车交通量比也可以通过埋设于目标路段地下的环形线圈确定,由于构成货车与客车的金属材质是不同的,因此通过环形线圈时所引起的电磁感应变化也是不同的,基于此识别通过的车辆为货车或者客车,并记录一段时间内通过目标路段的客车数量与货车数量,从而确定出客货车交通量比。或者,也可以通过设置于路段上的车辆特征识别器接收行驶在目标路段的车辆上的发射器发送的用于表示该车辆种类的信息,进而确定出客货车交通量比。
需要说明的是,客货车交通量比具体可以是以一分钟为统计粒度,或者也可以是以其他的时间长度为统计粒度,具体此处不做限定,传感器端在获取到客货车交通量比之后,将客货车交通量比上传至云端,云端在本地确定目标路段在历史的目标类型日期中第一时间段的客货车交通量比。
204、云端基于客货车交通量比,以及目标路段的车道数确定目标路段在目标类型日期中第一时间段的车道划分策略。
云端在确定出目标路段以及目标路段对应的第一时间段之后,如果目标类型日期为工作日,则根据目标路段在历史的工作日中第一时间段的客货车交通量比,以及目标路段的车道数确定出在目标路段在工作日的第一时间段的车道划分策略;如果目标类型日期为节假日,则根据目标路段在历史的节假日中第一时间段的客货车交通量比,以及目标路段的车道数确定出目标路段在节假日的第一时间段的车道划分策略。
示例性的,日期1为工作日,以上述步骤202中的数据为例,路段1在日期1的上午 9点至11点为第一时间段。则云端可以基于在日期1之前的至少一个工作日在上午9点至 11点的客货车交通量比以及路段1的车道数确定车道划分策略。云端将至少一个工作日中的每个工作日分别在上午9点至11点期间的客货车交通量比进行求和并求平均值,从而得到目标客货车交通量比。例如在日期1之前有工作日1、工作日2以及工作日3,其中工作日1在上午9点至11点的客货车交通量比为0.3,工作日2在上午9点至11点的客货车交通量比为0.6,工作日3在上午9点至11点的客货车交通量比为0.3,将上述三个客货车交通量比求和并求平均值,得到平均值为0.4,该平均值为目标客货车交通量比。确定出该目标客货车交通量比之后,根据该目标客货车交通量比以及路段1的车道数确定车道划分策略。
在一种可能的方式中,客货车交通量比可以是以一分钟为粒度进行统计的,也即在上午9点至11点期间包括了120个客货车交通量比,将这120个客货车交通量比求和并求平均值,所得到的平均值即为路段1在该单个工作日的上午9点至11点期间的客货车交通量比,该客货车交通量比为目标客货车交通量比。确定出该目标客货车交通量比之后,根据该目标客货车交通量比以及路段1的车道数确定车道划分策略。
具体的,根据目标客货车交通量比以及路段1的车道数确定目标路段中的车辆专用道,该车辆专用道包括货车专用车道以及客车专用车道中的至少一种,其中,货车专用车道为只允许货车通行的车道,客车专用车道为只允许客车通行的车道。并将所述目标路段的车道中除车辆专用道之外的车道作为混用车道,混用车道用于指示允许客车和货车通行的车道,其中,客车专用车道的数量与目标路段在历史的目标类型日期的第一时间段中的客货车交通量比正相关,客货车交通量比越大,客车专用车道的数量越多。
请参阅图2b,当车道数为4,目标客货车交通量比小于第一阈值时,在路段的前进方向上从左向右的车道分别为混合车道、混合车道、货车专用车道以及货车专用车道,其中,货车专用车道为只允许货车通行的车道,客车专用车道为只允许客车通行的车道,混合车道为允许所有类型的车辆通行的车道。
请参阅图2c,当车道数为4,且目标客货车交通量比大于或等于第一阈值并小于第二阈值时,路段的前进方向上从左向右的车道分别为客车专用车道、混合车道、混合车道以及货车专用车道。
请参阅图2d,当车道数为4,且目标客货车交通量比大于或等于第二阈值时,路段的前进方向上从左向右的车道分别为客车专用车道、客车专用车道、混合车道以及货车专用车道。
请参阅图2e,当车道数为3,且目标客货车交通量比小于第一阈值时,路段的前进方向上从左向右的车道分别为混合车道、混合车道、以及货车专用车道。
请参阅图2f,当车道数为3,且目标客货车交通量比大于或等于第一阈值并小于第三阈值时,路段的前进方向上从左向右的车道分别为客车专用车道、混合车道以及货车专用车道。
请参阅图2g,当车道数为3,且目标客货车交通量比大于或等于第三阈值时,路段的前进方向上从左向右的车道分别为客车专用车道、客车专用车道以及混合车道。
请参阅图2h,当车道数为2,且目标客货车交通量比小于第一阈值时,路段的前进方向上从左向右的车道分别为混合车道以及货车专用车道。
请参阅图2i,当车道数为2,且目标客货车交通量比大于或等于第三阈值时,路段的前进方向上从左向右的车道分别为客车专用车道以及混合车道。
示例性的,上述第一阈值可以是0.3,第二阈值可以是1.67,第三阈值可以是3,或者在实际的实现中,上述阈值也可以为别的取值,具体此处不做限定。
上面对确定路段1在工作日的第一时间段的车道划分策略进行了描述,下面对确定路段1在节假日的第一时间段的车道划分策略进行描述:
示例性的,日期2为工作日,以上述步骤202中的数据为例,路段1在日期2的上午10点至12点为第一时间段。则可以基于在日期2之前的至少一个节假日在上午10点至 12点的客货车交通量比以及路段1的车道数确定车道划分策略:
将该至少一个节假日中的每个节假日分别在上午10点至12点期间的客货车交通量比进行求和并求平均值,从而得到目标客货车交通量比,例如在日期2之前有节假日1、节假日2以及节假日3,其中节假日1在上午10点至12点的客货车交通量比为0.3,节假日2在上午10点至12点的客货车交通量比为0.6,节假日3在上午10点至12点的客货车交通量比为0.3,将上述三个客货车交通量比求和并求平均值,得到平均值为0.4,该平均值即为目标客货车交通量比。确定出该目标客货车交通量比之后,根据该目标客货车交通量比以及路段1的车道数确定车道划分策略。
可以理解的是,根据目标客货车交通量比以及路段1的车道数确定车道划分策略的方式与上述图2b至图2i所示实施例中的类似,此次不再赘述。
确定出车道划分策略之后,云端将车道划分策略下发到设置于高速公路上的诱导屏,诱导屏在第一时间段将车道划分策略进行显示,从而通知路段上的车辆按照划分好的车道行驶。需要说明的是,确定出工作日以及节假日的车道划分策略之后,车道划分策略可以在当前或者未来任一天的工作日以及节假日中实施。
本申请实施例中,结合历史的路况数据分析出路段在工作日以及节假日中可能存在拥堵情况的第一时间段,并根据历史相同类型的日期中在该第一时间段的客货车交通量比确定目标路段在相同类型的日期中的第一时间段的车道划分策略,使得货车与客车在不同的车道上行驶,从而提高了道路通行效率以及车辆行驶的安全性以及可靠性。
在实际的实现当中,在实际执行某个路段车道划分策略之前,可以根据当天实时的路况数据预测该路段在当天的第一时间段的拥堵情况,从而对执行车道划分的时间段进行调整。请参阅图3,下面进行详细描述:
本实施例中步骤301至步骤304与上述图2a所示实施例中步骤201至步骤204类似,此处不再赘述。
305、云端根据目标路段在当前日期的第二时间段的路况数据,预测目标路段在当前日期的第一时间段的多个子时间段的拥堵指数;
在需要执行车道划分策略的当天,例如需要在日期3的第一时间段执行车道划分策略,则云端根据目标路段在日期3的第二时间段的路况数据预测目标路段在日期3的第一时间段的多个子时间段的拥堵指数,该第二时间段在第一时间段之前,路况数据包括车流流量以及车流速度。
以图2a所示实施例中的数据为例,如果日期3为工作日,则云端将日期3在第二时间段的路况数据输入到第一预测模型中,该第一预测模型部署在云端当中,且该第一预测模型为根据目标路段在日期3之前的多个工作日中的车流速度以及车流流量训练得到,例如,上述多个工作日可以是历史几个月或者历史几年中的部分或所有工作日。云端将日期3在第二时间段的车流速度以及车流流量输入到第一预测模型之后,第一预测模型输出目标路段在日期3的上午9点到11点中多个子时间段的拥堵指数,例如输出9点至9点30 分期间的拥堵指数、9点30至10点期间的拥堵指数、10点至10点30分期间的拥堵指数以及10点30分至11点期间的拥堵指数,如果在9点至9点30分期间的拥堵指数为0.3, 9点30分至10点期间的拥堵指数为9,10点至10点30分期间的拥堵指数为9.1,10点 30分至11点期间的拥堵指数为9.2。
如果日期3为节假日,则云端将日期3在第二时间段的车流速度以及车流流量输入到第二预测模型中,该第二预测模型部署在云端,且该第二预测模型为根据目标路段在日期 3之前的一个或多个节假日中的车流速度以及车流流量训练得到,例如,上述多个节假日可以是历史几个月或者历史几年中的部分或所有节假日。云端将日期3在第二时间段的车流速度以及车流流量输入到第二预测模型之后,第二预测模型输出目标路段在日期3的上午10点到12点中多个子时间段的拥堵指数,例如输出10点至10点30分期间的拥堵指数、10点30分至11点期间的拥堵指数、11点至11点30分期间的拥堵指数以及11点30 分至12点期间的拥堵指数,如果在10点至10点30分期间的拥堵指数为0.3,10点30 分至11点期间的拥堵指数为9,11点至11点30分期间的拥堵指数为9.1,11点30分至 12点期间的拥堵指数为9.2。
306、云端根据多个子时间段的拥堵指数确定第三时间段;
可以看出,当第二预设范围设定为中度拥堵以及严重拥堵时,目标路段在9点至9点 30分期间的拥堵指数所指示的交通拥挤程度不处于第二预设范围,在9点30分至11点期间的拥堵指数所指示的交通拥挤程度处于第二预设范围,基于此,云端确定出第二时间段为上午9点30分至11点,并在日期3的上午9点30分至11点执行之前所确定的车道划分策略。需要说明的是,第二预设范围可以与第一预设范围相同,也可以与第一预设范围不同,具体此处不做限定。
可以看出,在日期3的10分点至10点30期间的拥堵指数所指示的交通拥挤程度不处于第二预设范围,在10点30分至12点期间的拥堵指数所指示的交通拥挤程度处于第二预设范围。基于此,确定第三时间段为上午10点30至12点。
307、在第三时间段执行车道划分策略。
在日期3的上午10点30至12点执行之前所确定的车道划分策略。
本申请实施例中,在确定出工作日以及节假日在第一时间段对应的车道划分策略后,还可以基于当前日期在第二时间段的车流速度以及车流流量对需要执行车道划分策略的时间段进行调整,从而提高了车道划分的准确性。
在实际的实现当中,在确定出车道划分策略之后,还可以确定目标路段的车辆行驶策略,下面进行分别描述:
一、确定目标路段的每个车道实时的限速值;
由于进行车道划分需要车辆进行变道行驶,而道路上的车辆的行驶速度各不相同,因此需要执行限速策略从而保证车辆行驶的安全。
示例性的,日期4为工作日或者节假日,云端获取传感器端在日期4上传的实时的天气情况、实时的可见度以及路段1在日期4的实时的平均限速值,其中,实时的平均限速值为路段1的各个车道的最大限速值求和并求平均值得到,例如路段1包括三个车道,这三个车道的最大限速值分别为100km/h、110km/h以及120km/h,则实时的平均限速值为上述三个最大限速值求和之后的平均值,为110km/h。实时的可见度可以根据设置于路段1 的可见度传感器获取,该可见度指示了驾驶者能在多远的距离外仍能清楚地看清物体,例如可以是50米或者100米。实时的天气情况可以根据设置于路段1的天气传感器获取,天气情况可以包括晴、雨、阴、雾以及雪中的任一种。
云端获取到上述数据之后,将上述数据输入到模型中,该模型部署在云端中。模型输出该路段1在日期4的实时的最大占有率,需要说明的是,该模型为根据历史的日期中的天气情况、可见度以及平均限速值训练得到,最大占有率则指示了目标路段被车辆占用的最大程度。可以理解的是,在日期4当天上述数据可能会发生变化,因此输出的路段1实时的最大占有率也会随之发生变化。云端在得到实时的最大占有率之后,根据实时的最大占有率以及路段1实时的实际占有率的差值,确定出第一限速值,其中,实时的实际占有率指示了路段1实时的被车辆占用的程度。示例性的,该第一限速值可以是90km/h。确定出第一限速值之后,根据各个车道的最大限速值确定各个车道对应的限速比例值,各个车道最大限速值例如可以是通过传感器端拍摄设置于每个车道上的限速标牌得到,例如路段 1的三个车道的最大限速值分别为120、110以及100,则将上述三个最大限速值进行等比例换算,从而得到对应的限速比例值为1.2,、1.1以及1。每个车道实时的限速值为第一限速值与该车道对应的限速比例值的乘积,因此上述三个车道的限速值分别为108km/h、 99km/h以及90km/h。云端在得到实时的限速值之后,将实时的限速值下发至诱导屏,诱导屏在路段1上显示实时的限速值,从而对每个车道进行限速管控。
需要说明的是,上述限速方法可以适用于工作日以及节假日,确定实时的限速值的方式在工作日以及节假日都采取相同的方式。并且在日期4的任一时间段都可以执行上述的限速方法,其中也包括第一时间段。上述限速方法的执行频率不做限定,可以是30分钟,或者也可以是一个小时,例如当执行频率为30分钟时,云端每隔30分钟根据实时的天气情况、实时的可见度以及实时的平均限速值重新确定实时的限速值。
二、确定货车在目标路段上的行驶规则。
上述实施例的基础上,还可以进一步对货车的行驶策略进行管控。
在一种方式中,当车道数为4,且路段的前进方向上最右侧车道为货车专用车道时,设置路段的前进方向上从左至右的第三个车道为货车超车车道,且禁止货车在路段的前进方向上从左至右的第一个车道以及第二个车道行驶。
在一种方式中,当车道数为3,且路段的前进方向上最右侧车道为货车专用车道时,设置路段的前进方向上从左至右的第二个车道为货车超车车道,且货车在路段的前进方向上从左至右的第二个车道上行驶的时间不允许超过预设值,货车不允许在路段的前进方向上最左侧车道行驶以及超车。
在一种方式中,当车道数为2,且路段的前进方向上最右侧车道为货车专用车道时,设置货车在路段的前进方向上最左侧车道上的最长行驶时间,且货车在预设的时长内的超车次数不允许超过预设值。
在一种方式中,如果路段处于隧道、桥梁、坡道或弯道中任意一种时,禁止货车超车。
在一种方式中,如果路段处于山区,则禁止货车超车。
在一种方式中,当路段的交通中断时,设置路段的前进方向上最右侧的车道为货车停放车道。
本申请实施例中,考虑到了特定情况下货车的行驶策略,进一步提高了行驶的安全性。
上面对本申请实施例中的车道划分方法进行了介绍,请参阅图4,下面对本申请实施例中的车道划分装置进行介绍,该车道划分装置可以用于执行上述车道划分方法。
如图4所示,本申请实施例中的车道划分装置400包括获取单元401以及确定单元402。需要说明的是,车道划分装置400也可以被理解为云端,车道划分装置400中所包含的各个单元可以被理解为云端的各个功能模块。以下进行分别介绍:
获取单元401,用于获取多个路段的历史的交通信息,交通信息包括多个路段中的每个路段在历史的目标类型日期中的多个时间段的路况数据,目标类型日期是节假日或工作日,路况数据用于指示交通拥挤程度。
确定单元402,用于根据交通信息,确定多个路段中的至少一个目标路段以及每个目标路段对应的第一时间段,目标路段在历史的目标类型日期中的第一时间段的交通拥挤程度处于第一预设范围。
确定单元402,还用于确定目标路段在历史的目标类型日期中的第一时间段中的客货车交通量比。
确定单元402,还用于基于客货车交通量比以及目标路段的车道数,确定目标路段在目标类型日期中第一时间段中的车道划分策略。
在一种可能的方式中,路况数据包括车流流量、车流速度以及车流密度中的至少一种。
在一种可能的方式中路况数据包括车流速度,
确定单元402,具体用于根据多个路段中的每个路段在历史的目标类型日期中的多个时间段的车流速度,确定每个路段在历史的目标类型日期中的多个时间段的拥堵指数。
确定单元402,具体用于根据拥堵指数确定目标路段和第一时间段,目标路段在历史的目标类型日期中的第一时间段的拥堵指数所指示的交通拥挤程度处于第一预设范围。
基于上述图4所示实施例的基础上,请参阅图5,本申请实施例中的车道划分装置500 包括获取单元501、确定单元502以及处理单元503。
其中获取单元501以及确定单元502的部分功能与上述图4所示实施例中的获取单元 401以及确定单元402类似,此处不再赘述。
获取单元501,还用于获取目标路段在当前日期的第二时间段的路况数据,根据目标路段在当前日期的第二时间段的路况数据,预测所述目标路段在当前日期的所述第一时间段中多个子时间段的拥堵指数,第二时间段在第一时间段之前,当前日期为目标类型日期。
确定单元502,还用于根据多个子时间段的拥堵指数确定第三时间段,第三时间段为多个子时间段中拥堵指数所指示的交通拥挤程度处于第二预设范围的一个或多个子时间段。
处理单元503,用于在当前日期的第三时间段执行车道划分策略。
在一种可能的实现中,
获取单元501,具体用于当目标类型日期为工作日时,将在当前日期的第二时间段的车流流量以及车流速度输入第一预测模型得到目标路段在当前日期的第一时间段的多个子时间段的拥堵指数,第一预测模型为根据目标路段在历史的工作日中的车流流量以及车流速度训练得到。
获取单元501,具体用于当目标类型日期为节假日时,将在当前日期的第二时间段的车流流量以及车流速度输入第二预测模型得到目标路段在当前日期的第一时间段中的多个子时间段的拥堵指数,第二预测模型为根据目标路段在历史的节假日中的车流流量以及车流速度训练得到。
在一种可能的实现中,
确定单元502,具体用于基于目标路段在历史的目标类型日期的第一时间段中的客货车交通量比以及车道数,确定目标路段中的车辆专用道,车辆专用道包括货车专用车道以及客车专用车道中的至少一种,货车专用车道为只允许货车通行的车道,客车专用车道为只允许客车通行的车道。
确定单元502,具体用于将目标路段的车道中除车辆专用道之外的车道作为混用车道,混用车道用于指示允许客车和货车通行的车道,客车专用车道的数量与目标路段在历史的目标类型日期的第一时间段中的客货车交通量比正相关。
在一种可能的实现中,
确定单元502,还用于确定目标路段的车辆行驶策略。
在一种可能的实现中,车辆行驶策略包括目标路段的每个车道实时的限速值。
确定单元502,具体用于根据目标路段实时的天气情况、目标路段实时的平均限速值以及目标路段实时的可见度,确定目标路段在实时的最大占有率,目标路段的实时的平均限速值为目标路段中所有车道的最大限速值求和之后的平均值,最大占有率用于指示目标路段被车辆占用的最大程度。
确定单元502,具体用于根据目标路段实时的最大占有率以及目标路段实时的实际占有率,确定出第一限速值,实际占有率用于指示目标路段实际的被车辆占用的程度。
确定单元502,具体用于根据第一限速值以及每个车道的限速比例值,确定每个车道的实时的限速值,实时的限速值用于对每个车道进行实时的限速管控。
确定单元502,具体用于当目标路段处于隧道、桥梁、坡道或弯道中任意一种时,确定禁止货车超车。
确定单元502,具体用于当所述目标路段处于山区时,确定禁止货车超车。
确定单元502,具体用于当目标路段的交通中断时,确定设置目标路段的前进方向上最右侧的车道为货车停放车道。
图6是本申请实施例提供的一种车道划分装置结构示意图,该车道划分装置600的结构示意图可以被理解为是云端的结构示意图。车道划分装置600可以包括一个或一个以上中央处理器(central processing units,CPU)601和存储器605,该存储器605中存储有一个或一个以上的应用程序或数据。
其中,存储器605可以是易失性存储或持久存储。存储在存储器605的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器601可以设置为与存储器605通信,在车道划分装置600上执行存储器605中的一系列指令操作。
车道划分装置600还可以包括一个或一个以上电源602,一个或一个以上有线或无线网络接口603,一个或一个以上输入输出接口604,和/或,一个或一个以上操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等。
该中央处理器601可以执行前述图2a以及图3所示实施例中的方法,具体此处不再赘述。
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,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备 (可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,read-onlymemory)、随机存取存储器(RAM,random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (20)
1.一种车道划分方法,其特征在于,包括:
获取多个路段的历史的交通信息,所述交通信息包括所述多个路段中的每个路段在历史的目标类型日期中的多个时间段的路况数据,所述目标类型日期是节假日或工作日,所述路况数据用于指示交通拥挤程度;
根据所述交通信息,确定所述多个路段中的至少一个目标路段以及每个所述目标路段对应的第一时间段,所述目标路段在所述历史的目标类型日期中的所述第一时间段的交通拥挤程度处于第一预设范围;
确定所述目标路段在所述历史的目标类型日期中的所述第一时间段中的客货车交通量比;
基于所述客货车交通量比以及所述目标路段的车道数,确定所述目标路段在所述目标类型日期中所述第一时间段中的车道划分策略。
2.根据权利要求1所述的方法,其特征在于,所述路况数据包括车流流量、车流速度以及车流密度中的至少一种。
3.根据权利要求2所述的方法,其特征在于,所述路况数据包括所述车流速度;
所述根据所述交通信息,确定所述多个路段中的至少一个目标路段以及每个所述目标路段对应的第一时间段,包括:
根据所述多个路段中的每个路段在历史的目标类型日期中的多个时间段的车流速度,确定所述每个路段在历史的目标类型日期中的多个时间段的拥堵指数;
根据所述拥堵指数确定所述目标路段和所述第一时间段,所述目标路段在所述历史的目标类型日期中的所述第一时间段的拥堵指数所指示的交通拥挤程度处于所述第一预设范围。
4.根据权利要求2或3所述的方法,其特征在于,所述路况数据包括车流流量和车流速度,所述方法还包括:
获取所述目标路段在当前日期的第二时间段的路况数据,根据所述目标路段在当前日期的第二时间段的路况数据,预测所述目标路段在当前日期的所述第一时间段中多个子时间段的拥堵指数,所述第二时间段在所述第一时间段之前,所述当前日期为所述目标类型日期;
根据所述多个子时间段的拥堵指数确定第三时间段,所述第三时间段为所述多个子时间段中拥堵指数所指示的交通拥挤程度处于第二预设范围的一个或多个子时间段;
在所述当前日期的所述第三时间段执行所述车道划分策略。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标路段在所述当前日期的第二时间段的路况数据,预测所述目标路段在当前日期的所述第一时间段的多个子时间段的拥堵指数,包括:
当所述目标类型日期为工作日时,将在所述当前日期的第二时间段的车流流量以及车流速度输入第一预测模型得到所述目标路段在所述当前日期的所述第一时间段的所述多个子时间段的拥堵指数,所述第一预测模型为根据所述目标路段在历史的工作日中的车流流量以及车流速度训练得到;
当所述目标类型日期为节假日时,将在所述当前日期的第二时间段的车流流量以及车流速度输入第二预测模型得到所述目标路段在所述当前日期的所述第一时间段中的所述多个子时间段的拥堵指数,所述第二预测模型为根据所述目标路段在历史的节假日中的车流流量以及车流速度训练得到。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述基于所述客货车交通量比,以及所述目标路段的车道数,确定所述目标路段在所述目标类型日期的所述第一时间段的车道划分策略,包括:
基于所述目标路段在所述历史的目标类型日期的所述第一时间段中的客货车交通量比以及所述车道数,确定所述目标路段中的车辆专用道,所述车辆专用道包括货车专用车道以及客车专用车道中的至少一种,所述货车专用车道为只允许货车通行的车道,所述客车专用车道为只允许客车通行的车道;
将所述目标路段的车道中除所述车辆专用道之外的车道作为混用车道,所述混用车道用于指示允许客车和货车通行的车道,所述客车专用车道的数量与所述目标路段在所述历史的目标类型日期的所述第一时间段中的客货车交通量比正相关。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述方法还包括:
在确定所述车道划分策略之后,确定所述目标路段的车辆行驶策略。
8.根据权利要求7所述的方法,其特征在于,所述车辆行驶策略包括所述目标路段的每个车道实时的限速值;
所述确定所述目标路段的车辆行驶策略,包括:
根据所述目标路段实时的天气情况、所述目标路段实时的平均限速值以及所述目标路段实时的可见度,确定所述目标路段在所述实时的最大占有率,所述目标路段的实时的平均限速值为所述目标路段中所有车道的最大限速值求和之后的平均值,所述最大占有率用于指示所述目标路段被车辆占用的最大程度;
根据所述目标路段实时的最大占有率以及所述目标路段实时的实际占有率,确定出第一限速值,所述实际占有率用于指示所述目标路段实际的被车辆占用的程度;
根据所述第一限速值以及所述每个车道的限速比例值,确定所述每个车道的实时的限速值,所述实时的限速值用于对所述每个车道进行实时的限速管控。
9.根据权利要求7所述的方法,其特征在于,所述车辆行驶策略还包括货车在所述目标路段上的行驶规则;
所述确定所述目标路段的车辆行驶策略,还包括:
当所述目标路段处于隧道、桥梁、坡道或弯道中任意一种时,禁止货车超车;
当所述目标路段处于山区时,禁止货车超车;
当所述目标路段的交通中断时,设置所述目标路段的前进方向上最右侧的车道为货车停放车道。
10.一种车道划分装置,其特征在于,包括:
获取单元,用于获取多个路段的历史的交通信息,所述交通信息包括所述多个路段中的每个路段在历史的目标类型日期中的多个时间段的路况数据,所述目标类型日期是节假日或工作日,所述路况数据用于指示交通拥挤程度;
确定单元,用于根据所述交通信息,确定所述多个路段中的至少一个目标路段以及每个所述目标路段对应的第一时间段,所述目标路段在所述历史的目标类型日期中的所述第一时间段的交通拥挤程度处于第一预设范围;
所述确定单元,还用于确定所述目标路段在所述历史的目标类型日期中的所述第一时间段中的客货车交通量比;
所述确定单元,还用于基于所述客货车交通量比以及所述目标路段的车道数,确定所述目标路段在所述目标类型日期中所述第一时间段中的车道划分策略。
11.根据权利要求10所述的装置,其特征在于,所述路况数据包括车流流量、车流速度以及车流密度中的至少一种。
12.根据权利要求11所述的装置,其特征在于,所述路况数据包括所述车流速度;
所述确定单元,具体用于根据所述多个路段中的每个路段在历史的目标类型日期中的多个时间段的车流速度,确定所述每个路段在历史的目标类型日期中的多个时间段的拥堵指数;
所述确定单元,具体用于根据所述拥堵指数确定所述目标路段和所述第一时间段,所述目标路段在所述历史的目标类型日期中的所述第一时间段的拥堵指数所指示的交通拥挤程度处于所述第一预设范围。
13.根据权利要求11或12所述的装置,其特征在于,所述路况数据包括车流流量和车流速度,所述装置还包括处理单元;
所述获取单元,还用于获取所述目标路段在当前日期的第二时间段的路况数据,根据所述目标路段在当前日期的第二时间段的路况数据,预测所述目标路段在当前日期的所述第一时间段中多个子时间段的拥堵指数,所述第二时间段在所述第一时间段之前,所述当前日期为所述目标类型日期;
所述确定单元,还用于根据所述多个子时间段的拥堵指数确定第三时间段,所述第三时间段为所述多个子时间段中拥堵指数所指示的交通拥挤程度处于第二预设范围的一个或多个子时间段;
所述处理单元,用于在所述当前日期的所述第三时间段执行所述车道划分策略。
14.根据权利要求13所述的装置,其特征在于,
所述获取单元,具体用于当所述目标类型日期为工作日时,将在所述当前日期的第二时间段的车流流量以及车流速度输入第一预测模型得到所述目标路段在所述当前日期的所述第一时间段的所述多个子时间段的拥堵指数,所述第一预测模型为根据所述目标路段在历史的工作日中的车流流量以及车流速度训练得到;
所述获取单元,具体用于当所述目标类型日期为节假日时,将在所述当前日期的第二时间段的车流流量以及车流速度输入第二预测模型得到所述目标路段在所述当前日期的所述第一时间段中的所述多个子时间段的拥堵指数,所述第二预测模型为根据所述目标路段在历史的节假日中的车流流量以及车流速度训练得到。
15.根据权利要求10至14中任一项所述的装置,其特征在于,
所述确定单元,具体用于基于所述目标路段在所述历史的目标类型日期的所述第一时间段中的客货车交通量比以及所述车道数,确定所述目标路段中的车辆专用道,所述车辆专用道包括货车专用车道以及客车专用车道中的至少一种,所述货车专用车道为只允许货车通行的车道,所述客车专用车道为只允许客车通行的车道;
所述确定单元,具体用于将所述目标路段的车道中除所述车辆专用道之外的车道作为混用车道,所述混用车道用于指示允许客车和货车通行的车道,所述客车专用车道的数量与所述目标路段在所述历史的目标类型日期的所述第一时间段中的客货车交通量比正相关。
16.根据权利要求10-15中任一项所述的装置,其特征在于,
所述确定单元,还用于确定所述目标路段的车辆行驶策略。
17.根据权利要求16所述的装置,其特征在于,所述车辆行驶策略包括所述目标路段的每个车道实时的限速值;
所述确定单元,具体用于根据所述目标路段实时的天气情况、所述目标路段实时的平均限速值以及所述目标路段实时的可见度,确定所述目标路段在所述实时的最大占有率,所述目标路段的实时的平均限速值为所述目标路段中所有车道的最大限速值求和之后的平均值,所述最大占有率用于指示所述目标路段被车辆占用的最大程度;
所述确定单元,具体用于根据所述目标路段实时的最大占有率以及所述目标路段实时的实际占有率,确定出第一限速值,所述实际占有率用于指示所述目标路段实际的被车辆占用的程度;
所述确定单元,具体用于根据所述第一限速值以及所述每个车道的限速比例值,确定所述每个车道的实时的限速值,所述实时的限速值用于对所述每个车道进行实时的限速管控。
18.根据权利要求16所述的装置,其特征在于,所述车辆行驶策略还包括货车在所述目标路段上的行驶规则;
所述确定单元,具体用于当所述目标路段处于隧道、桥梁、坡道或弯道中任意一种时,确定禁止货车超车;
所述确定单元,具体用于当所述目标路段处于山区时,确定禁止货车超车;
所述确定单元,具体用于当所述目标路段的交通中断时,确定设置所述目标路段的前进方向上最右侧的车道为货车停放车道。
19.一种车道划分装置,其特征在于,包括处理器,所述处理器与存储器耦合,所述存储器用于存储指令,当所述指令被所述处理器执行时,使得所述装置执行如权利要求1至9中任一项所述的方法。
20.一种计算机可读储存介质,其上存储有计算机程序或指令,其特征在于,所述计算机程序或指令被执行时,使得计算机执行如权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110996597.XA CN115731693A (zh) | 2021-08-27 | 2021-08-27 | 一种车道划分方法以及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110996597.XA CN115731693A (zh) | 2021-08-27 | 2021-08-27 | 一种车道划分方法以及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115731693A true CN115731693A (zh) | 2023-03-03 |
Family
ID=85290339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110996597.XA Pending CN115731693A (zh) | 2021-08-27 | 2021-08-27 | 一种车道划分方法以及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115731693A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115942564A (zh) * | 2023-03-15 | 2023-04-07 | 广东中诚科技有限公司 | 一种市政路灯亮度控制方法、装置、电子设备和存储介质 |
CN116416806A (zh) * | 2023-06-12 | 2023-07-11 | 天津市政工程设计研究总院有限公司 | 一种智能网联自动驾驶货运专用道控制系统 |
-
2021
- 2021-08-27 CN CN202110996597.XA patent/CN115731693A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115942564A (zh) * | 2023-03-15 | 2023-04-07 | 广东中诚科技有限公司 | 一种市政路灯亮度控制方法、装置、电子设备和存储介质 |
CN116416806A (zh) * | 2023-06-12 | 2023-07-11 | 天津市政工程设计研究总院有限公司 | 一种智能网联自动驾驶货运专用道控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11847908B2 (en) | Data processing for connected and autonomous vehicles | |
CN102737504B (zh) | 一种基于驾驶特性的公交车到站时间实时估计方法 | |
Geroliminis et al. | Prediction of arrival profiles and queue lengths along signalized arterials by using a Markov decision process | |
US9008954B2 (en) | Predicting impact of a traffic incident on a road network | |
US20160189303A1 (en) | Risk Based Automotive Insurance Rating System | |
CN115731693A (zh) | 一种车道划分方法以及相关装置 | |
CN109493606B (zh) | 一种高速公路上违停车辆的识别方法及系统 | |
US12020566B2 (en) | Machine-learning based control of traffic operation | |
CN111161537A (zh) | 考虑拥堵叠加效应的公路拥堵态势预测方法 | |
CN112819325B (zh) | 高峰时段确定方法、装置、电子设备和存储介质 | |
CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
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 | |
Dhingra et al. | Traffic flow theory historical research perspectives | |
CN116434523A (zh) | 信息感知场景下基于约束度的车辆主动安全管控方法及装置 | |
US20230168368A1 (en) | Guardrail estimation method based on multi-sensor data fusion, and vehicle-mounted device | |
CN116596380A (zh) | 高速公路施工组织方案和管控方案的优化确定方法、平台、设备及介质 | |
Younes | Real-time traffic distribution prediction protocol (TDPP) for vehicular networks | |
CN111199650B (zh) | 一种基于5g网络的云车道控制方法和系统 | |
CN111488417A (zh) | 信息处理方法、系统、装置、设备及计算机存储介质 | |
CN115273468B (zh) | 一种交通拥堵控制策略生成方法及装置 | |
US20230126364A1 (en) | Systems and signal processing methods for real-time traffic congestion detection | |
Levin et al. | Improving intersection safety through variable speed limits for connected vehicles | |
CN112991712B (zh) | 预测交通密度的方法、系统、计算机设备和存储介质 | |
CN112185139B (zh) | 一种基于智慧综合杆的城市管理方法和系统 | |
CN117885745B (zh) | 一种基于车联网的驾驶行为监控系统 |
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 |