CN115798195A - 一种路况通行优化方法及装置 - Google Patents

Abstract

本发明公开一种路况通行优化方法及装置，该方案可以包括：采集第一异常行驶参数；所述第一异常行驶参数为所述智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；向交通控制平台发送所述第一异常行驶参数，以使得所述交通控制平台将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息，并使得所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

Description

一种路况通行优化方法及装置

技术领域

本发明涉及道路交通技术领域，具体而言，涉及一种路况通行优化方法及装置。

背景技术

交通信号是用于指挥道路中车辆及行人通行的信号，交通信号的有效运用对于保障道路中车辆有条不紊的行驶、行人的安全通行、减少拥堵和交通事故的发生具有重要意义。道路交通信号的控制可分为控制策略、控制算法和作为决策依据的交通数据三部分。从作为决策依据的交通数据角度而言，目前，为了对交通信号进行有效控制进而提升道路通行的通畅度，一般是利用设置在道路不同路段的基础设施传感器，如环路探测器或摄像机等，来采集不同时段的道路交通数据作为交通信号控制的决策依据，然而采用这种方式所采集的交通数据的数据量受限于布置的基础设施传感器的数量且采集的数据的粒度偏宏观，从而对于微观层面的交通需求的挖掘偏为薄弱和滞后。

基于此，如何有效挖掘出微观层面的道路交通数据进而满足人们对道路通行的通畅度越来越高的需求，成为了亟需解决的技术问题。

发明内容

本发明提供一种路况通行优化方法及装置，用以克服现有技术中存在的至少一个技术问题。

根据本发明实施例的第一方面，提供一种基于车端的路况通行优化方法，应用于智能网联车辆，包括：

采集第一异常行驶参数；所述第一异常行驶参数为所述智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；

向交通控制平台发送所述第一异常行驶参数，以使得所述交通控制平台将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息，并使得所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

优选的，所述路况通行优化指令信息包括交通信号控制信息，所述交通信号控制信息用于对所述局部道路的交通信号进行控制。

优选的，所述采集第一异常行驶参数之前，包括：

预先设定包括所述智能网联车辆的异常行驶状况所属的目标事件类型的目标事件类型集合；

所述采集第一异常行驶参数，具体包括：

采集对应的目标事件类型包括在所述目标事件类型集合中的第一异常行驶参数。

优选的，所述向交通控制平台发送所述第一异常行驶参数，具体包括：

判断所述第一异常行驶参数对应的目标事件类型，当采集的对应同一目标事件类型的第一异常行驶参数的个数超过第二预定阈值时，向交通控制平台发送所述第一异常行驶参数。

优选的，所述第一异常行驶参数为包括目标事件的持续发生时间、所述目标事件的发生地点和所述目标事件所属的目标事件类型在内的结构化数据。

优选的，所述向交通控制平台发送所述第一异常行驶参数之前，包括：

对所述第一异常行驶参数进行分析，得到适应于所述智能网联车辆的对所述局部道路的交通信号需求信息；

所述向交通控制平台发送所述第一异常行驶参数，以使得所述交通控制平台将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息，并使得所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化，具体包括：

向所述交通控制平台发送所述交通信号需求信息，以使得所述交通控制平台将所述过滤后的路端感知信息与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映局部道路交通状况的路况信息，并使得所述交通控制平台基于所述交通需求信息、全局的交通路况信息和所述融合后的能够反映局部道路交通状况的路况信息生成交通信号控制信息。

根据本发明实施例的第二方面，提供一种基于交通控制平台的路况通行优化方法，应用于交通控制平台，所述方法包括：

获取第一异常行驶参数；所述第一异常行驶参数为智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；

将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息；

基于所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

优选的，所述路况通行优化指令信息包括交通信号控制信息，所述交通信号控制信息用于对所述局部道路的交通信号进行控制；

所述基于所述路况信息生成交通信号控制信息之前，包括：

接收除所述智能网联车辆之外的其余智能网联车辆在所述局部道路行驶过程中的第二异常行驶参数；

从所述第二异常行驶参数中分离出与所述第一异常行驶参数属于同一目标事件类型的异常行驶参数，得到分离后的异常行驶参数；

判断所述分离后的异常行驶参数是否具有聚集性，得到判断结果；

所述聚集性指在预设的时间段内所述分离后的异常行驶参数中包括的异常行驶参数的数量超过预定阈值；

所述基于所述路况信息生成交通信号控制信息具体包括：

若所述判断结果表明所述异常行驶参数是具有聚集性，则基于所述路况信息生成交通信号控制信息。

根据本发明实施例的第三方面，提供一种基于车端的路况通行优化装置，应用于智能网联车辆，所述装置包括：

第一异常行驶参数采集模块，用于采集第一异常行驶参数；所述第一异常行驶参数为所述智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；

第一异常行驶参数发送模块，用于向交通控制平台发送所述第一异常行驶参数，以使得所述交通控制平台将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息，并使得所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

根据本发明实施例的第四方面，提供一种路况通行优化装置，应用于交通控制平台，所述装置包括：

第一异常行驶参数获取模块，用于获取第一异常行驶参数；所述第一异常行驶参数为智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；

数据融合模块，用于将将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息；

路况通行优化指令信息生成模块，用于基于所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

本说明书中提供的至少一个实施例能够实现以下有益效果：

通过采集智能网联车辆在局部道路行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的异常行驶参数，此异常行驶参数反映了智能网联汽车在此局部道路上存在行驶异常情况，从另一个角度可以认为是此局部道路的路况存在某种不足，需要做出某种改善，从而通过采集智能网联车辆在此局部道路上的异常行驶参数，可得到智能网联车辆对此局部道路的路况的微观层面的路况需求信息，为了处理此行驶异常情况以提高道路通行通畅度需要对此局部道路的路况进行改善，从而本发明方案中通过综合交通控制平台处的偏宏观层面的交通数据和车端反馈的偏微观层面的路况需求信息，可以更加精准地对路况进行改善，提高车辆的通行通畅度。同时，由于智能网联汽车行驶的覆盖范围广，可以发现更多的存在行驶通畅度低的道路，从而有助于对这些道路的通行条件进行改善。

附图说明

为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本说明书实施例提供的一种应用于智能网联车辆的路况通行优化方法的流程示意图；

图2为本说明书实施例提供的一种应用于交通控制平台的路况通行优化方法的流程示意图；

图3为本说明书实施例提供的对应于图1的一种路况通行优化装置的结构示意图；

图4为本说明书实施例提供的对应于图2的一种路况通行优化装置的结构示意图；

图5为本说明书实施例提供的对应于图1的一种路况通行优化设备的结构示意图；

图6为本说明书实施例提供的对应于图2的一种路况通行优化设备的结构示意图。

具体实施方式

为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例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说明书的一部分实施例，而不是全部的实施例。基于本说明中的实施例，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他实施例，都属于本说明书一个或多个实施例保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

现有技术中对交通路网的交通信号的控制及优化大多依赖于道路管理或交通管理部门的主动管理的模式，在此种管理模式中依靠交通大数据系统为城市交通决策者提供数据支持，但是这种数据大多是宏观层面的数据，数据的粒度较粗，对于微观层面的交通需求的挖掘偏为薄弱和滞后，不能更加精准地满足人们对交通出行的通畅度的越来越高的要求。而且这种管理模式受限于路测设施的覆盖范围，数据不是很完整，而且定期大范围的大数据计算对资源消耗较大，分析的针对性不强、精准度也往往不高。

为了解决现有技术中的缺陷，本方案给出了以下实施例。

图1为本说明书实施例提供的应用于智能网联车辆的一种路况通行优化方法的流程示意图。从程序角度而言，流程的执行主体可以为搭载于智能网联车辆中的硬件设备中的应用程序。

如图1所示，该流程可以包括以下步骤。

步骤102：采集第一异常行驶参数；所述第一异常行驶参数为所述智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数。

在本说明书实施例中，智能网联车辆可以指能够对其周围的驾驶环境进行环境感知并能够与智能网联车辆的控制平台进行网络通信的车辆。局部道路可以指能够通过智能网联车辆在此道路上行驶过程中得到的行驶参数来对此道路的路况进行路况分析的待分析道路，比如城市交通道路中的某路段，路况分析的维度可以是此交通道路上设置的交通信号是否合理或者道路本身是否平整、道路上是否有不合理放置的障碍物等与车辆在此交通道路上的行驶通畅度相关的因素。其中，交通信号可以主要指交通信号灯，在此意义下，可以从此局部道路中设置的交通信号灯的配时是否合理的维度分析此局部道路上设置的交通信号是否合理。

根据前文提到的路况分析的维度的不同，常规行驶参数可以指在正常状态下智能网联车辆在此局部道路上行驶过程中得到的行驶参数或者智能网联车辆在正常的道路上行驶过程中得到的行驶参数。第一异常行驶参数可以指与常规行驶参数相比在数值大小层面存在异常的行驶参数，对此，下面通过举例的方式进行解释说明，比如A道路为待进行路况分析的道路，在此道路上不合理地放置有障碍物，B道路为正常道路，即在此道路上没有不合理地放置有障碍物，在其余条件相同的情况下，比如A道路和B道路的长度相同、进行测试分析的时间段相同，一般而言，智能网联车辆在B道路上的平均行驶速度可视为智能网联车辆在城市道路上的常规行驶速度。从而智能网联车辆在A道路上行驶时，遇到障碍物时就可能需要比较频繁地减速和加速，从而相较于B道路，同样的行驶里程需要的行驶时间就要多，此时，第一异常参数可以理解为智能网联汽车的平均车速较常规行驶速度较低。或者若A道路的路口的交通信号灯配时不合理地较长，此时智能网联车辆在该路口的停车等待时间就较长，此时第一异常参数可以理解为路口等待时间出现异常；又或者若A道路路面不平整，也会导致智能网联车辆在该道路上的通行速度较低，此时第一异常参数也可以理解为智能网联汽车的平均车速较常规行驶速度较低。第一异常参数可以通过在智能网联车辆上设置的各类传感器来获得，比如，道路本身是否平整可以通过智能网联车辆上设置的震动传感器来获得，震动传感器的震动幅度超过一定值可以理解为道路存在不平整现象，震动传感器的震动幅度的持续时间越长，则不平整路面的长度就可以理解为越长。在前文基础上，可以理解为每个第一异常行驶参数对应于一种类型的关于局部道路的路况的目标事件，目标事件类型可以理解为一种抽象层次较高的反映局部道路路况的事件，比如当第一异常行驶参数表示在道路上行驶的颠簸程度较高时，对应的目标事件可以为路面不平整。

第一预定阈值的大小可以根据实际场景设置，当需要的敏感度较高时，可以将其设置为较小的数值，当需要的敏感度不较高时，可以将其设置为较大的数值。

步骤104：向交通控制平台发送所述第一异常行驶参数，以使得所述交通控制平台将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息，并使得所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

本说明书实施例中，可借助智能网联车辆上设置的与智能网联车辆的控制平台进行网络通信的网络设备来向交通控制平台发送第一异常行驶参数。交通控制平台可以指现有的基于网络环境的、实时的、可视化的交通管理信息服务平台，其可以通过设置在城市道路不同路段的基础设施传感器，如环路探测器或摄像机等，不断采集城市中各道路的交通信号，可作为公安交通指挥中心对城市的交通信号进行指挥调度的控制平台。交通控制平台处的交通数据即可以指由交通控制平台采集的用来作为对城市中的交通信号进行控制提供决策依据的交通数据，但是这种交通数据大多是如各个路口的交通流量等偏宏观层面的交通数据，数据的粒度较粗，或者是交通事故信息等与交通信号控制关联度不大的交通数据。本方案中由智能网联汽车采集的偏微观层面的第一异常行驶参数与偏宏观层面的交通控制平台处的交通数据进行数据融合，数据融合可以指将关于局部道路的交通信号的控制有关的不同来源的信息综合到一起，并对信息进行综合分析，从而能够得到相较于单一来源的信息对局部道路的交通信号所做出的决策更为精细化的方法。路况通行优化指令信息可以指用于提高局部道路的通行通畅度的指令信息，如第一异常参数表示智能网联车辆在局部道路上行驶的颠簸程度较高时，路况通行优化指令信息可以理解为将此局部道路的路面修复平整。

基于图1中的方法，通过采集智能网联车辆在局部道路行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的异常行驶参数，此异常行驶参数反映了智能网联汽车在此局部道路上存在行驶异常情况，从另一个角度可以认为是此局部道路的路况存在某种不足，需要做出某种改善，从而通过采集智能网联车辆在此局部道路上的异常行驶参数，可得到智能网联车辆对此局部道路的路况的微观层面的路况需求信息，为了处理此行驶异常情况以提高道路通行通畅度需要对此局部道路的路况进行改善，从而本发明方案中通过综合交通控制平台处的偏宏观层面的交通数据和车端反馈的偏微观层面的路况需求信息，可以更加精准地对路况进行改善，提高车辆的通行通畅度。同时，由于智能网联汽车行驶的覆盖范围广，可以发现更多的存在行驶通畅度低的道路，从而有助于对这些道路的通行条件进行改善。

应当理解，本说明书一个或多个实施例所述的方法中，部分步骤的顺序可以根据实际需要调整，或者可以省略部分步骤。

基于图1中的方法，本说明书实施还提供了该方法的一些具体实施方案，下面进行说明。

在可选的实施例技术方案中，所述路况通行优化指令信息包括交通信号控制信息，所述交通信号控制信息用于对所述局部道路的交通信号进行控制。

道路中的交通信号设置的合理与否是影响车辆行驶通畅度的重要因素，比如交通信号灯的配时长短如果设置得不合理，就很容易造成局部交通流的阻塞，因此，在本方案中重点从交通信号设置合理与否的角度，比如交通信号灯的配时长短是否合理，来分析得到包括交通信号控制信息在内的路况通行优化指令信息。

在可选的实施例技术方案中，所述采集第一异常行驶参数之前，包括：

预先设定包括所述智能网联车辆的异常行驶状况所属的目标事件类型的目标事件类型集合；

所述采集第一异常行驶参数，具体包括：

采集对应的目标事件类型包括在所述目标事件类型集合中的第一异常行驶参数。

具体的，前文提到路况分析可以有不同的维度，从而每种维度若对应一种智能网联车辆的异常行驶状况，则可以预先设定一个目标事件类型集合，此集和中包括若干个类型的目标事件。

在可选的实施例技术方案中，所述向交通控制平台发送所述第一异常行驶参数，具体包括：

判断所述第一异常行驶参数对应的目标事件类型，当采集的对应同一目标事件类型的第一异常行驶参数的个数超过第二预定阈值时，向交通控制平台发送所述第一异常行驶参数。

前文介绍了路况分析可以有不同的维度，不同维度表示路况不同方面的导致车辆通畅度降低的事件，从而可以预先设定若干目标事件类型，每一种目标事件类型与一种致车辆通畅度降低的事件相关联。在此基础上，为了避免偶然事件导致智能网联车辆向交通控制平台发送第一异常行驶参数，本方案中设置了第二预定阈值，从智能网联车辆的角度而言，可以当同一目标事件类型的第一异常行驶参数的个数超过第二预定阈值时，才向交通控制平台发送所述此种目标事件类型的第一异常行驶参数。该第二预定阈值可以根据实际场景进行设定，在需要较好的敏感度时可以将第二预定阈值设置为一个较小的数值，当需要的敏感度不是很高时可以将该第二预定阈值相应提高等。例如，本实施例中第二预定阈值设置为5。

在可选的实施例技术方案中，所述第一异常行驶参数为包括目标事件的持续发生时间、所述目标事件的发生地点和所述目标事件所属的目标事件类型在内的结构化数据。

在本方案中，为了便于控制平台知悉第一异常行驶参数所代表的目标事件的更详细的信息，可以将目标事件的持续发生时间、目标事件的发生地点和目标事件所属的目标事件类型等详细的行驶参数发送给交通控制平台。同时为了增强智能网联车辆向交通控制平台发送的数据的结构化程度，可以将目标事件的持续发生时间、目标事件的发生地点和目标事件所属的目标事件类型进行打包，得到打包后的结构化的数据。具体的，可以以JavaScript对象表示法(JavaScript Object Notation，JSON)的数据格式向交通控制平台发送此打包后的结构化的数据，由于JSON是一种轻量级的文本数据交换格式，独立于编程语言和平台，使用此种格式可以高效地将车端产生的数据发送到交通控制平台。

在可选的实施例技术方案中，所述向交通控制平台发送所述第一异常行驶参数之前，包括：

对所述第一异常行驶参数进行分析，得到适应于所述智能网联车辆的对所述局部道路的交通信号需求信息；

所述向交通控制平台发送所述第一异常行驶参数，以使得所述交通控制平台将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息，并使得所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化，具体包括：

向所述交通控制平台发送所述交通信号需求信息，以使得所述交通控制平台将所述过滤后的路端感知信息与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映局部道路交通状况的路况信息，并使得所述交通控制平台基于所述交通需求信息、全局的交通路况信息和所述融合后的能够反映局部道路交通状况的路况信息生成交通信号控制信息。

本方案中，由于智能网联车辆具有一定的信息处理能力，从而智能网联车辆可以对第一异常行驶参数做预处理，得到从智能网联车辆的角度而言的提高其行驶通畅度的偏微观层面的路况需求信息。

在可选的实施例技术方案中，智能网联车辆选择上报第一异常行驶参数的时间段，可以设置合理的计算和向交通控制平台上报的时机，比如，在默认情况下可以设置在智能网联车辆充电、停车等非驾驶状态下的空闲时间段内完成。

基于与图1中所示的方案同样的思路，本说明书实施例还提供了一种路况通行优化方法。图2为本说明书实施例提供的一种路况通行优化方法的流程示意图。该流程的执行主体可以为交通控制平台，或者，交通控制平台处搭载的应用程序。如图2所示，该流程可以包括：

步骤202：获取第一异常行驶参数；所述第一异常行驶参数为智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数。

本说明书实施例中，第一异常行驶参数即为步骤102中提及的第一异常行驶参数，在此不再赘述，与之类似的，局部道路、常规行驶参数、第一预定阈值等术语的含义可以参见步骤102中相应的内容，在此也不再赘述。

步骤204：将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息。

步骤206：基于所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

基于图2中的方法，本说明书实施例还提供了该方法的一些具体实施方案，下面进行说明。

在可选的实施例技术方案中，所述交通控制平台处的交通数据为通过设置在不同路段的基础设施传感器所采集的反映路网交通流的交通数据。

本方案中，可利用城市路网中已有的设置在不同路段的基础设施传感器(如环路探测器或摄像机等)来采集反映路网交通流的交通数据。

在可选的实施例技术方案中，所述基于所述路况信息生成交通信号控制信息之前，包括：

接收除所述智能网联车辆之外的其余智能网联车辆在所述局部道路行驶过程中的第二异常行驶参数；

从所述第二异常行驶参数中分离出与所述第一异常行驶参数属于同一目标事件类型的异常行驶参数，得到分离后的异常行驶参数；

判断所述分离后的异常行驶参数是否具有聚集性，得到判断结果；

所述聚集性指在预设的时间段内所述分离后的异常行驶参数中包括的异常行驶参数的数量超过预定阈值；

所述基于所述路况信息生成交通信号控制信息具体包括：

若所述判断结果表明所述异常行驶参数是具有聚集性，则基于所述路况信息生成交通信号控制信息。

本方案中，考虑到智能网联车辆所上报的第一异常行驶参数可能是虚假数据，即此数据的可信度可能较低，所以交通控制平台可以从多车的视角来对第一异常参数所反映的目标事件进行印证，即对于同一局部道路而言，交通控制平台可以采集多辆智能网联车辆所上报的异常行驶参数，即第二异常行驶参数。需要说明的是，在此处，第二异常行驶参数并不是表明只有一个异常行驶参数，而是用来泛指除所述智能网联车辆之外的其余智能网联车辆在一定的时间段内所采集的关于此局部道路的所有的异常行驶参数。前文阐述了异常行驶参数可能反映不同类型的目标事件，所以在本方案中需从第二异常行驶参数中分离出与第一异常行驶参数属于同一目标事件类型的异常行驶参数，得到分离后的异常行驶参数，即从多车的视角来印证智能网联车辆上报的第一异常行驶参数的可靠性。为了更加准确地从多车的视角来印证智能网联车辆上报的第一异常行驶参数的可靠性，可以判断分离后的异常行驶参数是否具有聚集性，其中聚集性是指除所述智能网联车辆之外的其余智能网联车辆上报的与第一异常行驶参数属于同一目标事件类型的异常行驶参数的频繁度是否超过一定程度，如预设时间段内的上报次数是否超过预定阈值。

需要说明的是，由于智能网联车辆向交通控制平台反馈的是局部视角的反映其在局部道路上的行驶通畅度较低的第一异常行驶参数，交通控制平台在做出用于对该局部道路的通行畅顺度进行优化的路况通行优化指令信息时，还应从全局角度来考虑做出此路况通行优化指令信息后是否会对其余道路的通行畅顺度是否有影响，或者影响有多大的预测，应尽量避免因为优化某局部道路的行驶通畅度而使得其他道路的行驶通畅度受到比较大的影响。从而，即便从多车的视角印证了需做出对某局部道路的通行畅顺度进行优化的路况通行优化指令信息，也应从全局角度来考虑做出此路况通行优化指令信息后是否会对其余道路的通行畅顺度是否有影响，或者影响有多大的预测，对此，可交由人工判断或输出数据至专业交通预测仿真系统进行仿真计算。

可以理解，上述的各模块是指计算机程序或者程序段，用于执行某一项或多项特定的功能。此外，上述各模块的区分并不代表实际的程序代码也必须是分开的。

基于同样的思路，本说明书实施例还提供了上述方法对应的设备。

图5是本说明书实施例提供的一种应用于智能网联车辆的路况通行优化设备的结构示意图。如图5所示，设备500可以包括：

至少一个处理器510；以及，

与所述至少一个处理器通信连接的存储器530；其中，

所述存储器530存储有可被所述至少一个处理器510执行的指令520，所述指令被所述至少一个处理器510执行，以使所述硬件设备能够：

采集第一异常行驶参数；所述第一异常行驶参数为所述智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；

向交通控制平台发送所述第一异常行驶参数，以使得所述交通控制平台将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息，并使得所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

同样的，本说明书还提供了一种应用于交通控制平台的路况通行优化设备的结构示意图。如图6所示，设备600可以包括：

至少一个处理器610；以及，

与所述至少一个处理器通信连接的存储器630；其中，

所述存储器630存储有可被所述至少一个处理器610执行的指令620，所述指令被所述至少一个处理器610执行，以使所述硬件设备能够：

获取第一异常行驶参数；所述第一异常行驶参数为智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；

将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息；

基于所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

同时本发明实施例还提供一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现一种路况通行优化方法。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (10)

1.一种基于车端的路况通行优化方法，应用于智能网联车辆，其特征在于，所述方法包括：

采集第一异常行驶参数；所述第一异常行驶参数为所述智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；

向交通控制平台发送所述第一异常行驶参数，以使得所述交通控制平台将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息，并使得所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

2.根据权利要求1所述的方法，其特征在于，所述路况通行优化指令信息包括交通信号控制信息，所述交通信号控制信息用于对所述局部道路的交通信号进行控制。

3.根据权利要求2所述的方法，其特征在于，所述采集第一异常行驶参数之前，包括：

预先设定包括所述智能网联车辆的异常行驶状况所属的目标事件类型的目标事件类型集合；

所述采集第一异常行驶参数，具体包括：

采集对应的目标事件类型包括在所述目标事件类型集合中的第一异常行驶参数。

4.根据权利要求3所述的方法，其特征在于，所述向交通控制平台发送所述第一异常行驶参数，具体包括：

判断所述第一异常行驶参数对应的目标事件类型，当采集的对应同一目标事件类型的第一异常行驶参数的个数超过第二预定阈值时，向交通控制平台发送所述第一异常行驶参数。

5.根据权利要求3所述的方法，其特征在于，所述第一异常行驶参数为包括目标事件的持续发生时间、所述目标事件的发生地点和所述目标事件所属的目标事件类型在内的结构化数据。

6.根据权利要求5所述的方法，其特征在于，所述向交通控制平台发送所述第一异常行驶参数之前，包括：

对所述第一异常行驶参数进行分析，得到适应于所述智能网联车辆的对所述局部道路的交通信号需求信息；

所述向交通控制平台发送所述第一异常行驶参数，以使得所述交通控制平台将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息，并使得所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化，具体包括：

向所述交通控制平台发送所述交通信号需求信息，以使得所述交通控制平台将所述过滤后的路端感知信息与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映局部道路交通状况的路况信息，并使得所述交通控制平台基于所述交通需求信息、全局的交通路况信息和所述融合后的能够反映局部道路交通状况的路况信息生成交通信号控制信息。

7.一种基于交通控制平台的路况通行优化方法，应用于交通控制平台，其特征在于，所述方法包括：

获取第一异常行驶参数；所述第一异常行驶参数为智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；

将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息；

基于所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

8.根据权利要求7所述的方法，其特征在于，所述路况通行优化指令信息包括交通信号控制信息，所述交通信号控制信息用于对所述局部道路的交通信号进行控制；

所述基于所述路况信息生成交通信号控制信息之前，包括：

接收除所述智能网联车辆之外的其余智能网联车辆在所述局部道路行驶过程中的第二异常行驶参数；

从所述第二异常行驶参数中分离出与所述第一异常行驶参数属于同一目标事件类型的异常行驶参数，得到分离后的异常行驶参数；

判断所述分离后的异常行驶参数是否具有聚集性，得到判断结果；

所述聚集性指在预设的时间段内所述分离后的异常行驶参数中包括的异常行驶参数的数量超过预定阈值；

所述基于所述路况信息生成交通信号控制信息具体包括：

若所述判断结果表明所述异常行驶参数是具有聚集性，则基于所述路况信息生成交通信号控制信息。

9.一种基于车端的路况通行优化装置，应用于智能网联车辆，其特征在于，所述装置包括：

第一异常行驶参数采集模块，用于采集第一异常行驶参数；所述第一异常行驶参数为所述智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；

第一异常行驶参数发送模块，用于向交通控制平台发送所述第一异常行驶参数，以使得所述交通控制平台将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息，并使得所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

10.一种路况通行优化装置，应用于交通控制平台，其特征在于，所述装置包括：

第一异常行驶参数获取模块，用于获取第一异常行驶参数；所述第一异常行驶参数为智能网联车辆在局部道路上行驶过程中产生的与常规行驶参数的偏离程度超过第一预定阈值的行驶参数；

数据融合模块，用于将将所述第一异常行驶参数与所述交通控制平台处的交通数据进行数据融合，得到融合后的能够反映所述局部道路的交通状况的路况信息；

路况通行优化指令信息生成模块，用于基于所述交通控制平台基于所述路况信息生成路况通行优化指令信息，所述路况通行优化指令信息用于对所述局部道路的通行畅顺度进行优化。

Images