CN115985091A - 一种路段拥堵优化方法及装置、电子设备、存储介质 - Google Patents

一种路段拥堵优化方法及装置、电子设备、存储介质 Download PDF

Info

Publication number
CN115985091A
CN115985091A CN202211553418.6A CN202211553418A CN115985091A CN 115985091 A CN115985091 A CN 115985091A CN 202211553418 A CN202211553418 A CN 202211553418A CN 115985091 A CN115985091 A CN 115985091A
Authority
CN
China
Prior art keywords
congestion
optimized
vehicle
vehicles
road section
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211553418.6A
Other languages
English (en)
Inventor
叶周易
汪雪松
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.)
Iflytek Information Technology Co Ltd
Original Assignee
Iflytek Information 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 Iflytek Information Technology Co Ltd filed Critical Iflytek Information Technology Co Ltd
Priority to CN202211553418.6A priority Critical patent/CN115985091A/zh
Publication of CN115985091A publication Critical patent/CN115985091A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种路段拥堵优化方法及装置、电子设备、存储介质，该方法包括：将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆；利用所述正常行驶车辆和停留车辆在所述拥堵关联时段的过车数据，分析得到所述待优化路段的拥堵程度，其中，所述过车数据包括经过所述待优化路段的时间信息；对所述待优化路段执行与所述拥堵程度的第一优化处理。上述方案，能够直观的反映出路段的交通运行状况，及时解决道路拥堵情况。

Description

一种路段拥堵优化方法及装置、电子设备、存储介质
技术领域
本申请涉及交通信息处理领域，特别是涉及一种路段拥堵优化方法及装置、电子设备、存储介质。
背景技术
随着城市交通的快速建设与发展和汽车保有量的快速增长，城市交通状况日益恶化，尤其是大中型城市的交通，拥堵愈发严重，已经对城市居民的日常生活造成严重影响。其中在中小学放学时段，大部分家长会选择开车去接孩子放学，该时段一般会与上班族的晚高峰时段重叠，从而导致大量车辆涌入学校相邻路段，造成学校相邻路段急剧拥堵，如果不及时采取相应措施进行缓解，可能导致更加严重的路口车辆排队溢出现象。
而这种导致拥堵的原因和路段在早晚高峰因为车流量比较大发生的拥堵存在本质区别。而目前现有的评判道路拥堵的方法在该种场景下并不能很直观的反映出路段的真实运行状况。
发明内容
本申请至少提供一种路段拥堵优化方法及装置、电子设备、存储介质，能够直观的反映出路段的交通运行状况，及时解决道路拥堵情况。
本申请第一方面提供了一种路段拥堵优化方法，该方法包括：将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆；利用正常行驶车辆和停留车辆在拥堵关联时段的过车数据，分析得到待优化路段的拥堵程度，其中，过车数据包括经过待优化路段的时间信息；对待优化路段执行与拥堵程度的第一优化处理。
其中，利用正常行驶车辆和停留车辆在拥堵关联时段的过车数据，分析得到待优化路段的拥堵程度，包括：利用正常行驶车辆的过车数据，获得至少一个第一拥堵表征值，第一拥堵表征值表示从正常行驶车辆的维度表征待优化路段的拥堵程度；利用停留车辆的过车数据，获得至少一个第二拥堵表征值，第二拥堵表征值表示从停留车辆的维度表征待优化路段的拥堵程度；基于第一拥堵表征值和第二拥堵表征值，得到待优化路段的拥堵程度。
其中，利用正常行驶车辆的过车数据，获得至少一个第一拥堵表征值，包括：利用各正常行驶车辆经过待优化路段的时间信息，确定正常行驶车辆在拥堵关联时段的统计速度；利用统计速度与参考速度之间的差距，得到第一拥堵表征值，参考速度表示待优化路段在正常交通情况下的车辆经过速度。
其中，参考速度是待优化路段的长度与正常经过时间之间的比值，正常经过时间为待优化路段的预设时间段内各车辆的第一平均经过时间；利用各正常行驶车辆经过待优化路段的时间信息，确定正常行驶车辆在拥堵关联时段的统计速度，包括：利用各正常行驶车辆经过待优化路段的时间信息，得到正常行驶车辆在拥堵关联时段经过待优化路段的第二平均经过时间；获取待优化路段的长度与第二平均经过时间之间的比值，作为统计速度；和/或，利用统计速度与参考速度之间的差距，得到第一拥堵表征值，包括：获取统计速度与参考速度之间的比值，作为速度比值；从速度比值的第一倍数与第一预设拥堵值的第一倍数中，选择最小值作为第一拥堵表征值，其中，第一倍数为大于或等于1的整数。
其中，利用停留车辆的过车数据，获得至少一个第二拥堵表征值，包括以下任意一个或多个步骤：利用各停留车辆经过待优化路段的时间信息，获取关于停留车辆的统计停留时长，并基于统计停留时长得到一第二拥堵表征值；利用停留车辆的过车数据中的停留车辆数，获取一第二拥堵表征值。
其中，利用各停留车辆经过待优化路段的时间信息，获取关于停留车辆的统计停留时长，包括：利用各停留车辆经过待优化路段的时间信息，得到停留车辆在拥堵关联时段经过待优化路段的第三平均经过时间，以作为统计停留时长；和/或，基于统计停留时长得到一第二拥堵表征值，包括：获取统计停留时长和正常经过时长之间的时长差值；获取与时长差值对应的第一停留拥堵值，并从第一停留拥堵值和第二预设拥堵值中，选择最大值作为第二拥堵表征值，第一停留拥堵值与时长差值负相关；和/或，利用停留车辆的过车数据中的停留车辆数，获取一第二拥堵表征值，包括：利用停留车辆数以及停留车辆的车辆长度，获取总体车辆停留长度；获取与总体车辆停留长度对应的第二停留拥堵值，并从第二停留拥堵值和第三预设拥堵值中，选择最大值作为第二拥堵表征值，第二停留拥堵表征值与总体车辆停留长度负相关。
其中，获取与时长差值对应的第一停留拥堵表征值，包括：获取预设数值减去时长差值的差的第二倍数，作为第一停留拥堵表征值，其中，第二倍数为大于或等于1的整数；获取与总体车辆停留长度对应的第二停留拥堵表征值，包括：获取待优化路段的长度与总体车辆停留长度之间的长度差，将长度差与待优化路段的长度的比值的第三倍数，作为第二停留拥堵表征值，其中，第三倍数为大于或等于1的整数。
其中，基于第一拥堵表征值和第二拥堵表征值，得到待优化路段的拥堵程度，包括：对各第一拥堵表征值和各第二拥堵表征值进行加权，得到待优化路段的拥堵程度。
其中，对待优化路段执行与拥堵程度的第一优化处理，包括以下任意一个或多个步骤：响应于拥堵程度符合第一拥堵提示要求，通过导航系统向用户发出对待优化路段进行绕行建议；延长待优化路段的上游路口的信号灯处于第一指示状态的时间，第一指示状态用于指示车辆进入待优化路段；延长待优化路段的下游路口的信号灯处于第二指示状态的时间，第二指示状态用于指示车辆驶出待优化路段。
其中，在将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆之后，方法还包括：基于总体车辆停留长度与待优化路段的长度之间的比值，得到车辆排队情况，总体车辆停留长度是基于停留车辆的车辆长度以及停留车辆的过车数据中的停留车辆数确定的；响应于车辆排队情况符合第二拥堵提示要求，向管控终端发送待优化路段需现场疏导的提示，和/或，通知导航系统向用户发出对待优化路段进行绕行建议。
其中，将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆，包括：获取在拥堵关联时段经过待优化路段的车辆的过车数据；基于过车数据，对在拥堵关联时段经过待优化路段的车辆进行聚类，得到聚类结果，聚类结果包括属于正常行驶车辆的第一车辆信息和属于停留车辆的第二车辆信息。
本申请第二方面提供了一种路段拥堵优化装置，包括：获取分类模块，用于将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆；分析模块，用于利用正常行驶车辆和停留车辆在拥堵关联时段的过车数据，分析得到待优化路段的拥堵程度，其中，过车数据包括经过待优化路段的时间信息；执行模块，用于对待优化路段执行与拥堵程度的第一优化处理。
本申请第三方面提供了一种电子设备，包括相互耦接的存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述第一方面中的路段拥堵优化方法。
本申请第四方面提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述第一方面中的路段拥堵优化方法。
上述方案，首先将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆，利用正常行驶车辆和停留车辆在拥堵关联时段经过待优化路段的时间信息，分析得到待优化路段的拥堵程度，通过基于正常行驶车辆和停留车辆两种类型车辆的过车情况而确定的拥堵程度，能够直观的反映出待优化路段的交通运行状况，进而根据拥堵程度对待优化路段进行优化处理，从而能够及时地解决待优化路段的拥堵情况。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。
图1是本申请路段拥堵优化方法一实施例的流程示意图；
图2是本申请路段拥堵优化方法另一实施例中步骤S110的流程示意图；
图3是本申请路段拥堵优化方法又一实施例中步骤S120的流程示意图；
图4是本申请路段拥堵优化方法另一实施例的流程示意图。
图5是本申请路段拥堵优化装置一实施例的框架示意图；
图6是本申请电子设备一实施例的框架示意图；
图7为本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面结合说明书附图，对本申请实施例的方案进行详细说明。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
请参阅图1，图1是本申请路段拥堵优化方法一实施例的流程示意图。具体而言，可以包括如下步骤：
步骤S110：将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆。
本文中所提及的拥堵关联时段为待优化路段的拥堵时间段，具体地，拥堵关联时段可以为学校放学时间段、上下班早晚高峰时间段或其他的路段拥堵时间段等。正常行驶车辆为因外部原因在道路上停留或是短暂停留后继续行驶的车辆，例如，因道路拥堵而缓慢行驶的车辆，或是车辆突然熄火在重新点火后继续行驶的车辆等都为正常行驶的车辆。停留车辆为有意在道路上停留且停留时间较长的车辆，例如，为接送孩子，在学校附近路段停留的车辆等。
在一些实施例中，可以采用聚类划分法对在拥堵关联时段经过待优化路段的车辆进行划分，请参阅图2，图2是本申请路段拥堵优化方法另一实施例中步骤S110的流程示意图，具体步骤如下：
步骤S111：获取在拥堵关联时段经过待优化路段的车辆的过车数据。
在一些实施例中，可利用待优化路段路口处的电子抓拍设备获取车辆的过车数据，其中，利用电子抓拍设备获取车辆的过车数据可包括车牌号、经过时间、行驶方向等。
在另一些实施例中，可在待优化路段路口处的设置卡口，以获取车辆的过车数据。
可以理解的是，对于获取在拥堵关联时段经过待优化路段的车辆的过车数据的方法，在此处不作具体的限定。
步骤S112：基于过车数据，对在拥堵关联时段经过待优化路段的车辆进行聚类，得到聚类结果，聚类结果包括属于正常行驶车辆的第一车辆信息和属于停留车辆的第二车辆信息。
在一些实施例中，可利用C均值聚类(K-means algorithm)算法对在拥堵关联时段经过待优化路段的车辆进行聚类划分。具体地，获取在拥堵关联时段经过待优化路段的车辆的经过时间，从所有车辆的经过时间中选择两个聚类中心，以这两个聚类中心为两个子集的中心值，这两个子集为正常行驶车辆集、停留车辆集，利用欧式距离计算每辆在拥堵关联时段经过待优化路段的车辆的经过时间与这两个子集的中心值的距离，若一辆车的经过时间与正常行驶车辆集的中心值的距离最小，则将该辆车划分至正常行驶车辆集中；若一辆车的经过时间与停留车辆集的中心值的距离最小，则将该辆车划分至停留车辆集中。其中，正常行驶车辆集可为正常行驶车辆的第一车辆信息，停留车辆集可为停留车辆的第二车辆信息。
可以理解的是，对在拥堵关联时段经过待优化路段的车辆进行聚类，除可采用C均值聚类算法外，也可采用其他的聚类算法，在此不作具体限定。
步骤S120：利用正常行驶车辆和停留车辆在拥堵关联时段的过车数据，分析得到待优化路段的拥堵程度。
其中，过车数据包括经过待优化路段的时间信息。
在一些实施例中，可采集待优化路段在拥堵关联时段下通过的正常行驶车辆的数量和停留车辆的数量，对正常行驶车辆的数量和停留车辆的数量进行分析，获取正常行驶车辆的数量和停留车辆的数量的比值，若比值越小，则停留车辆的数量的占比越多，待优化路段的拥堵程度更严重；若比值越大，则停留车辆的数量的占比越少，待优化路段的拥堵程度较轻。
在另一些实施例中，可利用正常行驶车辆过车数据的表征值和停留车辆过车数据的表征值，获取待优化路段的拥堵程度。请结合参阅图3，图3是本申请路段拥堵优化方法又一实施例中步骤S120的流程示意图.具体步骤如下：
步骤S121：利用正常行驶车辆的过车数据，获得至少一个第一拥堵表征值，第一拥堵表征值表示从正常行驶车辆的维度表征待优化路段的拥堵程度。
在一些实施例中，可利用正常行驶车辆经过待优化路段的时间信息，获取第一拥堵表征值，具体步骤如下：
步骤S1211：利用各正常行驶车辆经过待优化路段的时间信息，确定正常行驶车辆在拥堵关联时段的统计速度。
在一些实施例中，利用各正常行驶车辆经过待优化路段的时间信息，得到正常行驶车辆在拥堵关联时段经过待优化路段的第二平均经过时间，如公式1所示：
Figure BDA0003980708300000071
其中，t′ia为在拥堵关联时段正常行驶车辆经过待优化路段的上游路口的时间，t′ib为在拥堵关联时段正常行驶车辆经过待优化路段的下游路口的时间，n2为在拥堵关联时段经过待优化路段的正常行驶车辆的总数，T2为第二平均经过时间。
在获得第二平均经过时间后，利用待优化路段的长度与第二平均经过时间之间的比值，作为统计速度，具体如公式2所示：
Figure BDA0003980708300000081
其中，L为待优化路段的长度，V2为统计速度。
在另一些实施例中，计算正常行驶车辆在拥堵关联时段经过待优化路段的上游路口和下游路口之间的时间差，作为经过时间，利用待优化路段的长度与经过时间之间的比值，作为该正常行驶车辆经过待优化路段的速度。再对在拥堵关联时段经过待优化路段的所有正常行驶车辆的速度进行计算，取平均值，得到统计速度。
步骤S1212：利用统计速度与参考速度之间的差距，得到第一拥堵表征值，参考速度表示待优化路段在正常交通情况下的车辆经过速度。
在一些实施例中，参考速度是待优化路段的长度与正常经过时间之间的比值，其中，正常经过时间为待优化路段的预设时间段内各车辆的第一平均经过时间。具体地，可选择预设时间段为待优化路段的平峰时间段，采集平峰时间段正常行驶车辆的第一平均经过时间，如公式3，
Figure BDA0003980708300000082
其中，tia为正常行驶车辆在预设时间段经过待优化路段的上游路口的时间，tib为正常行驶车辆在预设时间段经过待优化路段的下游路口的时间，n1为在预设时间段经过待优化路段的正常行驶车辆的总数，T1为第一平均经过时间。
利用待优化路段的长度与第一平均经过时间之间的比值，作为参考速度，如公式4，
Figure BDA0003980708300000083
其中，V1为参考速度。
获取上述步骤S1211中的统计速度与参考速度之间的比值，作为速度比值，从速度比值的第一倍数与第一预设拥堵值的第一倍数中，选择最小值作为第一拥堵表征值，其中，第一倍数为大于或等于1的整数。如公式5，
Figure BDA0003980708300000091
其中，e1为第一预设拥堵值，f1为第一倍数，Score1为第一拥堵表征值。
可以理解的是，对于第一倍数和第一预设拥堵值的设置可视具体情况而定，在此不做具体的限定。
在另一些实施例中，计算停留车辆在拥堵关联时段经过待优化路段的上游路口和下游路口之间的时间差，作为经过时间，利用待优化路段的长度与经过时间之间的比值，作为该停留车辆经过待优化路段的速度。再对在拥堵关联时段经过待优化路段的所有停留车辆的速度进行计算，取平均值，得到参考速度。获取统计速度与参考速度之间的比值，作为速度比值，从速度比值的第一倍数与第一预设拥堵值的第一倍数中，选择最小值作为第一拥堵表征值，其中，第一倍数为大于或等于1的整数。
可以理解的是，在本实施例中利用统计速度与参考速度之间的比值表示统计速度与参考速度之间的差距，也可利用其他的方式表示统计速度与参考速度之间的差距，可视具体情况而定，在此不作具体限定。
在另一些实施例中，也可利用正常行驶车辆经过待优化路段的数量，获得第一拥堵表征值。因此，对于获取第一拥堵表征值的方式，在此不作具体限定。
步骤S122：利用停留车辆的过车数据，获得至少一个第二拥堵表征值，第二拥堵表征值表示从停留车辆的维度表征待优化路段的拥堵程度。
在一些实施例中，可利用各停留车辆经过待优化路段的时间信息，获取关于停留车辆的统计停留时长，并基于统计停留时长得到一第二拥堵表征值。为获取统计停留时长，可利用各停留车辆经过待优化路段的时间信息，得到停留车辆在拥堵关联时段经过待优化路段的第三平均经过时间，以作为统计停留时长。
具体地，获取停留车辆在拥堵关联时段分别经过待优化路段上游路口和下游路口的时间，以此计算停留车辆经过待优化路段的经过时间，统计所有停留车辆的经过时间，取平均值为第三平均经过时间，如公式6，
Figure BDA0003980708300000101
其中，t″ia为停留车辆在拥堵关联时段经过待优化路段上游路口的时间，t″ib为停留车辆在拥堵关联时段经过待优化路段下游路口的时间，n3为停留车辆在拥堵关联时段经过待优化路段的总数量，T3为第三平均经过时间。
取第三平均经过时间的倒数
Figure BDA0003980708300000102
为第二拥堵表征值。
在另一些实施例中，可利用各停留车辆经过待优化路段的时间信息，获取关于停留车辆的统计停留时长；获取统计停留时长和正常经过时长之间的时长差值；获取与时长差值对应的第一停留拥堵值，并从第一停留拥堵值和第二预设拥堵值中，选择最大值作为第二拥堵表征值，第一停留拥堵值与时长差值负相关。
具体地，获取预设数值减去时长差值的差的第二倍数，作为第一停留拥堵表征值，其中，第二倍数为大于或等于1的整数。如公式7所示，
Score21＝max(e2,(m-(T3-T1))×f2)  (7)
其中，e2为第二预设拥堵值，m为预设数值，f2为第二倍数，Score21为一第二拥堵表征值，(m-(T3-T1))为第一停留拥堵值。
在另一些实施例中，可利用停留车辆的过车数据中的停留车辆数，获取一第二拥堵表征值。利用停留车辆数以及停留车辆的车辆长度，获取总体车辆停留长度，其中，停留车辆的车辆长度可以为实际测量的长度，也可以为预设值；获取与总体车辆停留长度对应的第二停留拥堵值，并从第二停留拥堵值和第三预设拥堵值中，选择最大值作为第二拥堵表征值，第二停留拥堵表征值与总体车辆停留长度负相关。
具体地，可利用待优化路段上游路口地电子抓拍设备获取在拥堵关联时段经过待优化路段的车辆，利用聚类算法从经过待优化路段的车辆中获取停留车辆数，根据预设的停留车辆的车辆长度，获取总体车辆停留长度。获取待优化路段的长度与总体车辆停留长度之间的长度差，将长度差与待优化路段的长度的比值的第三倍数，作为第二停留拥堵表征值，其中，第三倍数为大于或等于1的整数，如公式8所示，
Figure BDA0003980708300000111
其中，e3为第三预设拥堵值，L为待优化路段的长度，l为停留车辆的车辆长度，f3为第三倍数，
Figure BDA0003980708300000112
为第二停留拥堵值，Score22为另一第二拥堵表征值。
步骤S123：基于第一拥堵表征值和第二拥堵表征值，得到待优化路段的拥堵程度。
在一些实施例中，可利用第一拥堵表征值和第二拥堵表征值之和，作为待优化路段的拥堵程度。
在另一些实施例中，可对各第一拥堵表征值和各第二拥堵表征值进行加权，得到待优化路段的拥堵程度Score。
具体地，如公式9所示，
Score＝α1×Score11+…+αm×Score1m+β1×Score21+…+βn×Score2n  (9)
其中，Score11，…，Score1m为各第一拥堵表征值，Score21，…，Score2n为各第二拥堵表征值，α1，…，αm为其对应的第一拥堵表征值的权重，β1，…，βn为其对应的第二拥堵表征值的权重，α1+…+αm+β1+…+βn＝1。
可以理解的是，对利用第一拥堵表征值和第二拥堵表征值，得到待优化路段的拥堵程度的方法可以为加权求和、加权平均等方法，视具体情况而定，在此不做具体限定。
步骤S130：对待优化路段执行与拥堵程度的第一优化处理。
在一些实施例中，在对待优化路段进行第一优化处理前，可预先设置第一拥堵提示要求，若分析得到的拥堵程度符合第一拥堵提示要求，则通过导航系统向用户发出对待优化路段进行绕行的建议，减少在拥堵关联时段经过待优化路段的车流量，从而减轻待优化路段的拥堵程度。
在另一些实施例中，可根据获取的待优化路段的拥堵程度，对待优化路段上下游路口的信号灯配时进行第一优化处理。如延长待优化路段的上游路口的信号灯处于第一指示状态的时间，第一指示状态用于指示车辆进入待优化路段，一般地，第一指示状态为红灯；或者，延长待优化路段的下游路口的信号灯处于第二指示状态的时间，第二指示状态用于指示车辆驶出待优化路段，一般地，第二指示状态为绿灯。当待优化路段的拥堵程度为非常严重时，可同时延长待优化路段的下游路口的信号灯处于第一指示状态的时间和待优化路段的下游路口的信号灯处于第二指示状态的时间，减少车辆驶入待优化路段，加快车辆驶出待优化路段，以达到快速改善待优化路段的拥堵程度的目的。
在一些实施例中，还可根据停留车辆排队情况对待优化路段进行第二优化处理。基于总体车辆停留长度与待优化路段的长度之间的比值，得到车辆排队情况，总体车辆停留长度是基于停留车辆的车辆长度以及停留车辆的过车数据中的停留车辆数确定的，如公式10所示，
Figure BDA0003980708300000121
其中，l为停留车辆的车辆长度，n3为停留车辆在拥堵关联时段经过待优化路段的总数量，L为待优化路段的长度，q为停留车辆排队情况。
对停留车辆排队情况可预先设置第二拥堵提示要求，若获取得到的停留车辆排队情况符合第二拥堵提示要求，则对待优化路段采取第二优化处理。第二优化处理方式包括：向管控终端发送待优化路段需现场疏导的提示；通知导航系统向用户发出对待优化路段进行绕行建议。若停留车辆排队情况q接近或等于1时，则可视为待优化路段已经达到了排队溢出的边缘，可同时采取向管控终端发送待优化路段需现场疏导的提示和通知导航系统向用户发出对待优化路段进行绕行建议的优化处理方式。
请参阅图4，图4是本申请路段拥堵优化方法另一实施例的流程示意图。具体步骤如下：
步骤S410：获取在拥堵关联时段经过待优化路段的车辆。
步骤S420：对在拥堵关联时段经过待优化路段的车辆进行分析，得到正常行驶车辆和停留车辆。
该步骤与上述步骤S110相同，再次不再作过多赘述。
步骤S430：基于正常行驶车辆和停留车辆在拥堵关联时段的过车数据，得到第一拥堵程度。
该步骤与上述步骤S120相同，再次不再作过多赘述。
步骤S440：基于停留车辆的车辆信息，得到第二拥堵程度。
在一些实施例中，基于总体车辆停留长度与待优化路段的长度之间的比值，得到第二拥堵程度，总体车辆停留长度是基于停留车辆的车辆长度以及停留车辆的过车数据中的停留车辆数确定的。
步骤S450：基于第一拥堵程度和第二拥堵程度对优化路段进行优化处理。
在一些实施例中，对于第一拥堵程度可预先设置第一拥堵提示要求，若第一拥堵程度符合第一拥堵提示要求，可从第一优化方案中选择合适的处理方案。具体地，第一优化方案包括：方案一：通过导航系统向用户发出对待优化路段进行绕行建议；方案二：延长待优化路段的上游路口的信号灯处于第一指示状态的时间，第一指示状态用于指示车辆进入待优化路段；方案三：延长待优化路段的下游路口的信号灯处于第二指示状态的时间，第二指示状态用于指示车辆驶出待优化路段等。
对于第二拥堵程度可预先设置第二拥堵提示要求，若第二拥堵程度符合第二拥堵提示要求，可从第二优化方案中选择合适的处理方案。具体地，第二优化方案包括：方案四：向管控终端发送待优化路段需现场疏导的提示；方案五：通知导航系统向用户发出对待优化路段进行绕行建议等。
可以理解的是，对于上述第一优化方案和第二优化方案中可供选择的处理方案，可是具体道路情况进行改变，可以增加或是减少，在此不作具体限定。
综合分析第一拥堵程度和第二拥堵程度，根据第一拥堵程度和第二拥堵程度对待优化路段的处理方式，可从第一优化方案和第二优化方案中选择合适的方案进行组合处理优化，使得对待优化路段的处理方式更具有针对性，也更符合实际操作。其中，组合处理方案可以为一对一的组合方案，也可以为多对多的组合方案，组合方案可视具体情况进行选择，在此不作具体限定。
在一具体应用场景中，对中小学学校相邻路段进行优化，其中，拥堵关联时段为学校放学时段，停留车辆为接孩子车辆。中小学放学时间为下午5点，利用C均值聚类算法对4点半至5点经过学校相邻路段的车辆进行分类，根据C均值聚类算法依据数据的相似性度量将该时间段的车辆划分成2个子集，正常行驶车辆集和接孩子车辆集，同时采集正常行驶车辆和接孩子车辆的过车数据。利用正常行驶车辆的过车数据，获得一个第一拥堵表征值，利用接孩子车辆的过车数据，获得两个第二拥堵表征值，通过公式9可得到基于第一拥堵表征值和第二拥堵表征值的学校相邻路段的拥堵程度Score，
Score＝α×Score1+β×Score2+γ×Score3
其中，Score1为第一拥堵表征值，也称为正常行驶车辆速度得分，α为正常行驶车辆速度得分的权重；Score2为一第二拥堵表征值，也称为接孩子车辆平均停留时长得分，β为接孩子车辆平均停留时长得分的权重；Score3为另一第二拥堵表征值，也称为接孩子车辆数得分，γ为接孩子车辆数得分的权重。
为获得学校相邻路段的拥堵程度Score的实际值，需分别计算Score1(正常行驶车辆速度得分)、Score2(接孩子车辆平均停留时长得分)和Score3(接孩子车辆数得分)。
首先，计算Score1(正常行驶车辆速度得分)。利用各正常行驶车辆经过学校相邻路段的时间信息，通过公式1和2，确定正常行驶车辆在放学时段的统计速度V2，统计速度V2为正常行驶车辆在放学时段通过该学校相邻路段的平均速度。利用学校相邻路段的长度与第一平均经过时间之间的比值，通过公式3和4，计算得到参考速度V1，参考速度V1为正常行驶车辆在学校相邻路段在畅通情况下的速度。其中，第一平均经过时间为当日平峰时段下正常行驶车辆通过学校相邻路段上下游路口的时间差。
获取统计速度与参考速度之间的比值，作为速度比值，从速度比值的第一倍数与第一预设拥堵值的第一倍数中，选择最小值作为正常行驶车辆速度得分Score1。预先设置第一预设拥堵值为1，第一倍数为100，通过公式5可得到正常行驶车辆速度得分Score1，
Figure BDA0003980708300000151
再计算Score2(接孩子车辆平均停留时长得分)。获取接孩子车辆在放学时段分别经过学校相邻路段上游路口和下游路口的时间，通过公式6，计算得到统计停留时长。获取统计停留时长和正常经过时长之间的时长差值；获取预设数值减去时长差值的差的第二倍数，作为第一停留拥堵表征值，通过公式7从第一停留拥堵值和第二预设拥堵值中，选择最大值作为接孩子车辆平均停留时长得分Score2，其中，第二预设拥堵值设置为0，预设数值设置为20，第二倍数设置为5，
Score2＝max(0，(20-(T3-T1))×5)。
再计算Score3(接孩子车辆数得分)。利用停留车辆数以及停留车辆的车辆长度，获取总体车辆停留长度；获取待优化路段的长度与总体车辆停留长度之间的长度差，将长度差与待优化路段的长度的比值的第三倍数，作为第二停留拥堵表征值，通过公式8从第二停留拥堵值和第三预设拥堵值中，选择最大值作为接孩子车辆数得分，其中，第三预设拥堵值设置为0，第三倍数设置为100，接孩子车辆的车辆长度为停留在学校相邻路段上的第n辆车的尾部至第n+1辆车的尾部之间的距离，设置为5m，
Figure BDA0003980708300000152
通过上述步骤，可以算出学校相邻路段的拥堵程度得分Score，通过计算学校相邻路段的实时拥堵程度得分可以评判学校相邻路段的通行状况。
其中学校相邻路段的拥堵程度得分中的权重α、β、γ之和为1，可以根据每一项影响的权重设置不同的数值。
同时，正常情况下接孩子车辆临时停靠一般选择停靠在道路最右侧的车道，如果接孩子车辆都停留在最右侧车道，那么很容易导致右侧车道排队溢出，影响整条路段运行效率。此时，可利用公式10基于学校相邻路段的长度再结合上述指标数据算出右侧车道大概接孩子车辆排队情况q，
Figure BDA0003980708300000161
根据上述计算的Score和接孩子车辆排队情况q，通过实时优化学校相邻路段两端路口信号配时来改善路段交通运行状况。
当计算出来的Score越低时，证明学校相邻路段运行状况越差。这时应当通过延长上游路口指示车辆进入该学校相邻路段的信号灯时长来降低流向该学校相邻路段车道车流量的频率，或通过延长下游路口指示车辆驶出学校相邻路段的信号灯的时长让该车道有更多的绿灯放行时间。
对于正常的十字路口，流入该学校相邻路段的车道的流量分别来源于其他三个方向的直行、左转和右转流量。比如学校相邻路段的车道在东侧，流入学校相邻路段的车道的流量为西口直行、南口右转和北口左转流量。通过根据道路拥堵程度得分实时调整该方向的绿灯时长对流入的车辆进行控制。同时通过控制路段下游路口驶出学校相邻路段的车道流向的绿灯时长，以提高路段通行能力。
当学校相邻路段最右侧车道接孩子车辆排队情况q达到95％时，证明该右侧路段已经处于极度拥堵，已经达到了排队溢出的边缘。此时通过信号配时调整对于缓解道路拥堵可能效果缓慢。当路段处于这种情况时，可以触发相应预警机制，向管控终端发送待优化路段需现场疏导的提示，提醒该路段需要进行管控。可以由交通指挥人员进行现场疏导或者和导航进行联动，提醒即将进入该路段的车主前方路段已经处于严重拥堵，建议更换路线行驶。
在本申请中，通过聚类算法将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆；利用各正常行驶车辆经过待优化路段的时间信息，确定正常行驶车辆在拥堵关联时段的统计速度；利用统计速度与参考速度之间的差距，得到第一拥堵表征值；利用停留车辆的过车数据，获得至少一个第二拥堵表征值；基于第一拥堵表征值和第二拥堵表征值，得到待优化路段的拥堵程度；对待优化路段执行与拥堵程度的第一优化处理。从而能够直观的反映出路段的交通运行状况，可以实时优化道路拥堵情况。
请参阅图5，图5是本申请路段拥堵优化装置500一实施例的框架示意图。路段拥堵优化装置500包括：获取分类模块510、分析模块520和执行模块530，其中，获取分类模块510用于将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆；分析模块520用于利用正常行驶车辆和停留车辆在拥堵关联时段的过车数据，分析得到待优化路段的拥堵程度，其中，过车数据包括经过待优化路段的时间信息；执行模块530用于对待优化路段执行与拥堵程度的第一优化处理。
在一些实施例中，分析模块520执行利用正常行驶车辆和停留车辆在拥堵关联时段的过车数据，分析得到待优化路段的拥堵程度，具体包括：利用正常行驶车辆的过车数据，获得至少一个第一拥堵表征值，第一拥堵表征值表示从正常行驶车辆的维度表征待优化路段的拥堵程度；利用停留车辆的过车数据，获得至少一个第二拥堵表征值，第二拥堵表征值表示从停留车辆的维度表征待优化路段的拥堵程度；基于第一拥堵表征值和第二拥堵表征值，得到待优化路段的拥堵程度。
在一些实施例中，分析模块520执行利用正常行驶车辆的过车数据，获得至少一个第一拥堵表征值，具体包括：利用各正常行驶车辆经过待优化路段的时间信息，确定正常行驶车辆在拥堵关联时段的统计速度；利用统计速度与参考速度之间的差距，得到第一拥堵表征值，参考速度表示待优化路段在正常交通情况下的车辆经过速度。
在一些实施例中，参考速度是待优化路段的长度与正常经过时间之间的比值，正常经过时间为待优化路段的预设时间段内各车辆的第一平均经过时间；分析模块520执行利用各正常行驶车辆经过待优化路段的时间信息，确定正常行驶车辆在拥堵关联时段的统计速度，包括：利用各正常行驶车辆经过待优化路段的时间信息，得到正常行驶车辆在拥堵关联时段经过待优化路段的第二平均经过时间；获取待优化路段的长度与第二平均经过时间之间的比值，作为统计速度；和/或，执行利用统计速度与参考速度之间的差距，得到第一拥堵表征值，包括：获取统计速度与参考速度之间的比值，作为速度比值；从速度比值的第一倍数与第一预设拥堵值的第一倍数中，选择最小值作为第一拥堵表征值，其中，第一倍数为大于或等于1的整数。
在一些实施例中，分析模块520执行利用停留车辆的过车数据，获得至少一个第二拥堵表征值，包括以下任意一个或多个步骤：利用各停留车辆经过待优化路段的时间信息，获取关于停留车辆的统计停留时长，并基于统计停留时长得到一第二拥堵表征值；利用停留车辆的过车数据中的停留车辆数，获取一第二拥堵表征值。
在一些实施例中，分析模块520执行利用各停留车辆经过待优化路段的时间信息，获取关于停留车辆的统计停留时长，包括：利用各停留车辆经过待优化路段的时间信息，得到停留车辆在拥堵关联时段经过待优化路段的第三平均经过时间，以作为统计停留时长；和/或，执行基于统计停留时长得到一第二拥堵表征值，包括：获取统计停留时长和正常经过时长之间的时长差值；获取与时长差值对应的第一停留拥堵值，并从第一停留拥堵值和第二预设拥堵值中，选择最大值作为第二拥堵表征值，第一停留拥堵值与时长差值负相关；和/或，执行利用停留车辆的过车数据中的停留车辆数，获取一第二拥堵表征值，包括：利用停留车辆数以及停留车辆的车辆长度，获取总体车辆停留长度；获取与总体车辆停留长度对应的第二停留拥堵值，并从第二停留拥堵值和第三预设拥堵值中，选择最大值作为第二拥堵表征值，第二停留拥堵表征值与总体车辆停留长度负相关。
在一些实施例中，分析模块520执行获取与时长差值对应的第一停留拥堵表征值，包括：获取预设数值减去时长差值的差的第二倍数，作为第一停留拥堵表征值，其中，第二倍数为大于或等于1的整数；执行获取与总体车辆停留长度对应的第二停留拥堵表征值，包括：获取待优化路段的长度与总体车辆停留长度之间的长度差，将长度差与待优化路段的长度的比值的第三倍数，作为第二停留拥堵表征值，其中，第三倍数为大于或等于1的整数。
在一些实施例中，分析模块520执行基于第一拥堵表征值和第二拥堵表征值，得到待优化路段的拥堵程度，包括：对各第一拥堵表征值和各第二拥堵表征值进行加权，得到待优化路段的拥堵程度。
在一些实施例中，执行模块530执行对待优化路段执行与拥堵程度的第一优化处理，包括以下任意一个或多个步骤：响应于拥堵程度符合第一拥堵提示要求，通过导航系统向用户发出对待优化路段进行绕行建议；延长待优化路段的上游路口的信号灯处于第一指示状态的时间，第一指示状态用于指示车辆进入待优化路段；延长待优化路段的下游路口的信号灯处于第二指示状态的时间，第二指示状态用于指示车辆驶出待优化路段。
在一些实施例中，执行模块530执行在将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆之后，还包括：基于总体车辆停留长度与待优化路段的长度之间的比值，得到车辆排队情况，总体车辆停留长度是基于停留车辆的车辆长度以及停留车辆的过车数据中的停留车辆数确定的；响应于车辆排队情况符合第二拥堵提示要求，向管控终端发送待优化路段需现场疏导的提示，和/或，通知导航系统向用户发出对待优化路段进行绕行建议。
在一些实施例中，获取分类模块510执行将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆，包括：获取在拥堵关联时段经过待优化路段的车辆的过车数据；基于过车数据，对在拥堵关联时段经过待优化路段的车辆进行聚类，得到聚类结果，聚类结果包括属于正常行驶车辆的第一车辆信息和属于停留车辆的第二车辆信息。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
请参阅图6，图6是本申请电子设备60一实施例的框架示意图。电子设备60包括相互耦接的存储器61和处理器62，处理器62用于执行存储器61中存储的程序指令，以实现上述任一路段拥堵优化方法实施例中的步骤。在一个具体的实施场景中，电子设备60可以包括但不限于：微型计算机、服务器，此外，电子设备60还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。
具体而言，处理器62用于控制其自身以及存储器61以实现上述任一路段拥堵优化方法实施例中的步骤。处理器62还可以称为CPU(Central Processing Unit，中央处理单元)。处理器62可能是一种集成电路芯片，具有信号的处理能力。处理器62还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器62可以由集成电路芯片共同实现。
请参阅图7，图7为本申请计算机可读存储介质70一实施例的框架示意图。计算机可读存储介质70存储有能够被处理器运行的程序指令701，程序指令701用于实现上述任一路段拥堵优化方法实施例中的步骤。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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。
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。
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)或处理器(processor)执行本申请各个实施方式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-Only Memory)、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 (14)

1.一种路段拥堵优化方法，其特征在于，包括：
将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆；
利用所述正常行驶车辆和停留车辆在所述拥堵关联时段的过车数据，分析得到所述待优化路段的拥堵程度，其中，所述过车数据包括经过所述待优化路段的时间信息；
对所述待优化路段执行与所述拥堵程度的第一优化处理。
2.根据权利要求1所述的方法，其特征在于，所述利用所述正常行驶车辆和停留车辆在所述拥堵关联时段的过车数据，分析得到所述待优化路段的拥堵程度，包括：
利用所述正常行驶车辆的过车数据，获得至少一个第一拥堵表征值，所述第一拥堵表征值表示从所述正常行驶车辆的维度表征所述待优化路段的拥堵程度；
利用所述停留车辆的过车数据，获得至少一个第二拥堵表征值，所述第二拥堵表征值表示从所述停留车辆的维度表征所述待优化路段的拥堵程度；
基于所述第一拥堵表征值和第二拥堵表征值，得到所述待优化路段的拥堵程度。
3.根据权利要求2所述的方法，其特征在于，所述利用所述正常行驶车辆的过车数据，获得至少一个第一拥堵表征值，包括：
利用各所述正常行驶车辆经过所述待优化路段的时间信息，确定所述正常行驶车辆在所述拥堵关联时段的统计速度；
利用所述统计速度与参考速度之间的差距，得到所述第一拥堵表征值，所述参考速度表示所述待优化路段在正常交通情况下的车辆经过速度。
4.根据权利要求3所述的方法，其特征在于，所述参考速度是所述待优化路段的长度与正常经过时间之间的比值，所述正常经过时间为所述待优化路段的预设时间段内各车辆的第一平均经过时间；所述利用各所述正常行驶车辆经过所述待优化路段的时间信息，确定所述正常行驶车辆在所述拥堵关联时段的统计速度，包括：
利用各所述正常行驶车辆经过所述待优化路段的时间信息，得到所述正常行驶车辆在拥堵关联时段经过所述待优化路段的第二平均经过时间；
获取所述待优化路段的长度与所述第二平均经过时间之间的比值，作为所述统计速度；
和/或，所述利用所述统计速度与参考速度之间的差距，得到所述第一拥堵表征值，包括：
获取所述统计速度与参考速度之间的比值，作为速度比值；
从所述速度比值的第一倍数与第一预设拥堵值的第一倍数中，选择最小值作为所述第一拥堵表征值，其中，所述第一倍数为大于或等于1的整数。
5.根据权利要求2所述的方法，其特征在于，所述利用所述停留车辆的过车数据，获得至少一个第二拥堵表征值，包括以下任意一个或多个步骤：
利用各所述停留车辆经过所述待优化路段的时间信息，获取关于所述停留车辆的统计停留时长，并基于所述统计停留时长得到一所述第二拥堵表征值；
利用所述停留车辆的过车数据中的停留车辆数，获取一所述第二拥堵表征值。
6.根据权利要求5所述的方法，其特征在于，所述利用各所述停留车辆经过所述待优化路段的时间信息，获取关于所述停留车辆的统计停留时长，包括：
利用各所述停留车辆经过所述待优化路段的时间信息，得到所述停留车辆在拥堵关联时段经过所述待优化路段的第三平均经过时间，以作为所述统计停留时长；
和/或，所述基于所述统计停留时长得到一所述第二拥堵表征值，包括：
获取所述统计停留时长和正常经过时长之间的时长差值；
获取与所述时长差值对应的第一停留拥堵值，并从所述第一停留拥堵值和第二预设拥堵值中，选择最大值作为所述第二拥堵表征值，所述第一停留拥堵值与所述时长差值负相关；
和/或，所述利用所述停留车辆的过车数据中的停留车辆数，获取一所述第二拥堵表征值，包括：
利用所述停留车辆数以及所述停留车辆的车辆长度，获取总体车辆停留长度；
获取与所述总体车辆停留长度对应的第二停留拥堵值，并从所述第二停留拥堵值和第三预设拥堵值中，选择最大值作为所述第二拥堵表征值，所述第二停留拥堵表征值与所述总体车辆停留长度负相关。
7.根据权利要求6所述的方法，其特征在于，所述获取与所述时长差值对应的第一停留拥堵表征值，包括：
获取预设数值减去所述时长差值的差的第二倍数，作为所述第一停留拥堵表征值，其中，所述第二倍数为大于或等于1的整数；
所述获取与所述总体车辆停留长度对应的第二停留拥堵表征值，包括：
获取所述待优化路段的长度与所述总体车辆停留长度之间的长度差，将所述长度差与待优化路段的长度的比值的第三倍数，作为所述第二停留拥堵表征值，其中，所述第三倍数为大于或等于1的整数。
8.根据权利要求2所述的方法，其特征在于，所述基于所述第一拥堵表征值和第二拥堵表征值，得到所述待优化路段的拥堵程度，包括：
对各所述第一拥堵表征值和各所述第二拥堵表征值进行加权，得到所述待优化路段的拥堵程度。
9.根据权利要求1所述的方法，其特征在于，所述对所述待优化路段执行与所述拥堵程度的第一优化处理，包括以下任意一个或多个步骤：
响应于所述拥堵程度符合第一拥堵提示要求，通过导航系统向用户发出对所述待优化路段进行绕行建议；
延长所述待优化路段的上游路口的信号灯处于第一指示状态的时间，所述第一指示状态用于指示车辆进入所述待优化路段；
延长所述待优化路段的下游路口的信号灯处于第二指示状态的时间，所述第二指示状态用于指示车辆驶出所述待优化路段。
10.根据权利要求1所述的方法，其特征在于，在所述将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆之后，所述方法还包括：
基于总体车辆停留长度与所述待优化路段的长度之间的比值，得到车辆排队情况，所述总体车辆停留长度是基于所述停留车辆的车辆长度以及所述停留车辆的过车数据中的停留车辆数确定的；
响应于所述车辆排队情况符合第二拥堵提示要求，向管控终端发送所述待优化路段需现场疏导的提示，和/或，通知导航系统向用户发出对所述待优化路段进行绕行建议。
11.根据权利要求1所述的方法，其特征在于，所述将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆，包括：
获取在拥堵关联时段经过待优化路段的车辆的过车数据；
基于所述过车数据，对在拥堵关联时段经过待优化路段的车辆进行聚类，得到聚类结果，所述聚类结果包括属于所述正常行驶车辆的第一车辆信息和属于停留车辆的第二车辆信息。
12.一种路段拥堵优化装置，其特征在于，包括：
获取分类模块，用于将在拥堵关联时段经过待优化路段的车辆划分为正常行驶车辆和停留车辆；
分析模块，用于利用所述正常行驶车辆和停留车辆在所述拥堵关联时段的过车数据，分析得到所述待优化路段的拥堵程度，其中，所述过车数据包括经过所述待优化路段的时间信息；
执行模块，用于对所述待优化路段执行与所述拥堵程度的第一优化处理。
13.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至11任一项所述的路段拥堵优化方法。
14.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至11任一项所述的路段拥堵优化方法。
CN202211553418.6A 2022-12-05 2022-12-05 一种路段拥堵优化方法及装置、电子设备、存储介质 Pending CN115985091A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211553418.6A CN115985091A (zh) 2022-12-05 2022-12-05 一种路段拥堵优化方法及装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211553418.6A CN115985091A (zh) 2022-12-05 2022-12-05 一种路段拥堵优化方法及装置、电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN115985091A true CN115985091A (zh) 2023-04-18

Family

ID=85965620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211553418.6A Pending CN115985091A (zh) 2022-12-05 2022-12-05 一种路段拥堵优化方法及装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN115985091A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117037498A (zh) * 2023-10-08 2023-11-10 武汉中科通达高新技术股份有限公司 一种实时路况分析方法及系统
CN117334042A (zh) * 2023-09-28 2024-01-02 东莞市东莞通股份有限公司 一种基于人工智能的智慧交通管理系统及方法
CN117877274B (zh) * 2024-03-13 2024-05-14 四川智慧高速科技有限公司 一种基于etc的省域高速路网交通诱导方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117334042A (zh) * 2023-09-28 2024-01-02 东莞市东莞通股份有限公司 一种基于人工智能的智慧交通管理系统及方法
CN117037498A (zh) * 2023-10-08 2023-11-10 武汉中科通达高新技术股份有限公司 一种实时路况分析方法及系统
CN117877274B (zh) * 2024-03-13 2024-05-14 四川智慧高速科技有限公司 一种基于etc的省域高速路网交通诱导方法

Similar Documents

Publication Publication Date Title
CN115985091A (zh) 一种路段拥堵优化方法及装置、电子设备、存储介质
US11380195B2 (en) Road traffic analysis methods and apparatuses
Bonsall et al. Modelling safety-related driving behaviour—impact of parameter values
Geroliminis et al. Identification and analysis of queue spillovers in city street networks
CN110363985B (zh) 一种交通数据分析方法、装置、存储介质及设备
CN111932899B (zh) 一种基于交通仿真的交通突发事件控制方法及装置
CN112767683B (zh) 一种基于反馈机制的路径诱导方法
CN114202916B (zh) 单点交叉口交通信号控制方法
CN113870564B (zh) 一种封闭路段交通拥堵分类方法、系统、电子设备及存储介质
CN113971884B (zh) 一种道路交通拥堵确定方法、装置、电子设备及存储介质
CN110322687B (zh) 确定目标交叉口运行状态信息的方法和装置
CN114399903A (zh) 一种基于大数据平台的智慧城市道路管理系统
US11263900B2 (en) Traffic index computation device, computation method, traffic signal control system, and computer program
CN110276951B (zh) 一种基于移动互联网交通拥堵预警方法
CN113191028A (zh) 交通仿真方法、系统、程序及介质
Chimdessa et al. Efficiency of roundabouts as compared to traffic light controlled intersections in urban road networks
Jenjiwattanakul et al. Capacity of U-turn junction at midblock median opening on urban arterial based on balancing volume-to-capacity ratio
Mckinnon Operational and safety-based analyses of varied toll lane configurations
CN115440061A (zh) 一种信号灯控制方法及装置
Agrawal et al. Smart intersection design for traffic, pedestrian and emergency transit clearance using fuzzy inference system
CN115273468A (zh) 一种交通拥堵控制策略生成方法及装置
Tsuboi Time Zone Impact for Traffic Flow Analysis of Ahmedabad City in India.
Chen et al. Comprehensive evaluation of operational efficiency of intersections in arterial considering pedestrians yield rule
CN117037501B (zh) 基于人工智能的城市停车管理方法和管理系统
CN116343474B (zh) 基于微观交通仿真的高速公路瓶颈动态预测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination