CN116311936A - 道路交通指标获取方法、装置、设备及存储介质 - Google Patents
道路交通指标获取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116311936A CN116311936A CN202310288227.XA CN202310288227A CN116311936A CN 116311936 A CN116311936 A CN 116311936A CN 202310288227 A CN202310288227 A CN 202310288227A CN 116311936 A CN116311936 A CN 116311936A
- Authority
- CN
- China
- Prior art keywords
- road traffic
- index data
- traffic index
- aggregation
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
- G06F16/244—Grouping and aggregation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供一种道路交通指标获取方法、装置、设备及存储介质,涉及人工智能领域,具体涉及智能交通、自动驾驶等技术领域,可应用于分析城市交通运行状态、帮助用户了解出行路况等场景下。具体实现方案包括:获取原始指标数据,该指标数据处于第一时间维度层级和第一空间维度层级;采用第一聚合算法,对原始指标数据进行聚合,得到第一聚合指标数据。第一聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,第一聚合指标数据处于第二时间维度层级和第二空间维度层级。本公开可以得到全面、丰富的道路交通指标数据,从而可以宏观地分析城市交通运行状况,帮助用户了解各区域、道路的出行路况,为制定交通管控策略提供数据支持。
Description
技术领域
本公开涉及人工智能领域,具体涉及智能交通、自动驾驶等技术领域,可应用于分析交通运行状态、帮助用户快速了解出行路况等场景下,尤其涉及一种道路交通指标获取方法、装置、设备及存储介质。
背景技术
随着经济的快速发展,城市规模不断扩大,城市交通运行情况越来越复杂,通过分析城市交通运行状况,可以帮助用户快速了解各区域、道路、路口等的拥堵及出行情况,也可以为交通管控策略的制定提供有力数据支持。
目前,可以通过路口卡口抓拍设备、地磁检测器等相关道路交通设施采集车辆信息,并基于采集到的车辆信息生成道路交通指标数据。根据道路交通指标数据,可以分析城市交通运行状况。
但是,目前在采集道路交通指标数据时,受限于设备设施数量、路网覆盖度等多种因素,导致道路交通指标数据不够准确、且较为单一,致使城市交通运行状况的分析结果并不准确。
发明内容
本公开提供了一种道路交通指标获取方法、装置、设备及存储介质,可以得到全面、丰富的道路交通指标数据,从而可以宏观地分析城市交通运行状况,帮助用户了解各区域、道路的出行路况,为制定交通管控策略提供数据支持。
根据本公开的第一方面,提供了一种道路交通指标获取方法,所述方法包括:
获取原始道路交通指标数据,原始道路交通指标数据是根据道路交通设施采集的车辆信息所生成的,且原始道路交通指标数据处于第一时间维度层级和第一空间维度层级;采用第一聚合算法,对原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据;其中,第一聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,第一聚合道路交通指标数据处于第二时间维度层级和第二空间维度层级。
根据本公开的第二方面,提供了一种道路交通指标获取装置,装置包括:获取单元、聚合单元。
获取单元,获取原始道路交通指标数据,原始道路交通指标数据是根据道路交通设施采集的车辆信息所生成的,且原始道路交通指标数据处于第一时间维度层级和第一空间维度层级;聚合单元,采用第一聚合算法,对原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据;其中,第一聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,第一聚合道路交通指标数据处于第二时间维度层级和第二空间维度层级。
根据本公开的第三方面,提供了一种电子设备,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如第一方面的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行根据第一方面的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现根据第一方面的方法。
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为本公开实施例提供的道路交通指标获取方法的流程示意图;
图2A为本公开实施例提供的获取原始道路交通指标数据的一种实现流程示意图;
图2B为本公开实施例提供的从时间维度和空间维度聚合道路交通指标数据的一种实现流程示意图;
图3为本公开实施例提供的道路交通指标获取方法的又一流程示意图;
图4为本公开实施例提供的图1中S102的一种实现流程示意图;
图5为本公开实施例提供的图1中S102的又一实现流程示意图;
图6为本公开实施例提供的道路交通指标获取装置的组成示意图;
图7为本公开实施例提供的可以用来实施本公开的实施例的示例电子设备700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。
应当理解,在本公开各实施例中,字符“/”一般表示前后关联对象是一种“或”的关系。术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
随着经济的快速发展,城市规模不断扩大,城市交通运行情况越来越复杂,通过分析城市交通运行状况,可以帮助用户快速了解各区域、道路、路口等的拥堵及出行情况,也可以为交通管控策略的制定提供有力数据支持。
例如,某个城市某个路口经常发生拥堵,可以通过对这个城市交通运行状况的分析,使用户快速了解这个路口不同时间段的拥堵严重程度,从而让出行的用户合理规划好出行路线及出行时间,交管部门也可以根据了解到的这个路口不同时间段的拥堵严重程度来制定相关解决策略,比如在拥堵情况最严重的时候增加交警在这个路口指挥交通,预防严重拥堵情况的发生。
目前,可以通过路口卡口抓拍设备、地磁检测器等相关道路交通设施采集车辆信息,并基于采集到的车辆信息生成道路交通指标数据。根据道路交通指标数据,可以分析城市交通运行状况。
例如,在某个路口设置一个抓拍设备,拍摄每小时经过这个路口的车辆数量,然后通过统计每小时经过这个路口的车辆数量得到这个路口每小时的车流量这一道路交通指标数据,根据这个道路交通指标数据,可以分析这个路口大致的交通运行情况。
但是,目前在采集道路交通指标数据时,受限于设备设施数量、路网覆盖度等多种因素,导致道路交通指标数据不够准确、且较为单一,致使城市交通运行状况的分析结果并不准确。
例如,要分析某个城市某一区域的交通运行状况,这个区域包含有多条路段和多个路口,要想准确分析这个区域的交通运行状况,就需要在每条道路和每个路口都设置至少一个抓拍设备,但如果设备数量不足以支持在每条道路和每个路口都设置至少一个抓拍设备或者某个路口、某条路段没有网络覆盖,会导致某些路口或路段的信息无法采集到,从而得到的道路交通指标数据不够准确、且较为单一,致使对这个区域的交通运行状况的分析结果并不准确。
在此背景技术下,本公开提供了一种道路交通指标获取方法,可以得到全面、丰富的道路交通指标数据。
示例性地,该道路交通指标获取方法的执行主体可以是计算机或服务器,或者还可以是其他具有数据处理能力的设备。在此对该方法的执行主体不作限制。
一些实施例中,服务器可以是单独的一个服务器,或者,也可以是由多个服务器构成的服务器集群。部分实施方式中,服务器集群还可以是分布式集群。本公开对服务器的具体实现方式也不作限制。
图1为本公开实施例提供的道路交通指标获取方法的流程示意图。如图1所示,该方法可以包括:
S101、获取原始道路交通指标数据,原始道路交通指标数据是根据道路交通设施采集的车辆信息所生成的,且原始道路交通指标数据处于第一时间维度层级和第一空间维度层级。
示例性地,以百度地图实时数据接入为例,参考图2A,获取原始道路交通指标数据的过程可以分为两个部分:政务网端的数据抓取和数据推送、以及在专网端的数据拉取与数据处理。
在政务网端:可以通过超文本传输协议(hypertext transfer protocol,HTTP)向百度地图的服务器发送接口查询请求,百度地图的服务器返回数据,然后政务网可以将百度地图返回的数据写入政务网数据库(MySQL)中,同时将它发送至政务网的文件传输协议(file transfer protocol,FTP)中,再由数据推送服务经网闸通过专网FTP二次转发,向专网传输数据。
在专网端:专网可以拉取FTP中的数据,然后专网的数据处理器可以将从FTP中拉取的数据处理成需要的格式并将其写入消息队列中,消息队列中存储的数据就是获取到的原始道路交通指标数据。
例如,要获取某一路口每分钟的车流量这个指标数据,政务网通过HTTP协议向百度地图发送接口查询请求,百度地图将最近一分钟通过这个路口的车辆数据返回至政务网,政务网将百度地图返回的车辆数据写入政务网数据库中的同时也将百度地图返回的车辆数据发送至政务网的FTP中,再由数据推送服务将百度地图返回的车辆数据经过网闸推送到专网的FTP中,专网的数据处理器将百度地图返回的车辆数据读取出来并写入消息队列中,就得到了我们需要的这个路口每分钟的车流量这一指标数据,即原始指标数据。这个路口每分钟的车流量这一指标数据处于第一时间维度层级和第一空间维度层级。
S102、采用第一聚合算法,对原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据。
其中,第一聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,第一聚合道路交通指标数据处于第二时间维度层级和第二空间维度层级。
示例性地,其中,第一聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,指的是第一聚合算法可以只包括时间粒度聚合算法,也可以只包括空间粒度聚合算法,还可以同时包括时间粒度聚合算法和空间粒度聚合算法。
利用第一聚合算法可以将处于第一时间维度层级和第一空间维度层级的原始道路交通指标数据进行聚合得到处于第二时间维度层级和第二空间维度层级的第一聚合道路交通指标数据。参考图2B,第一聚合道路交通指标数据从时间维度可分为:5分钟级、15分钟级、30分钟级、小时级、天级等,从空间维度又可分为:流向级(直行/左转/右转/调头)、分支级、路口级、路段级、道路(干线)级、区域级等。
例如,以车均速度为例,假设原始道路交通指标数据为处于5分钟流向级的车均速度,此时,5分钟就属于第一时间维度层级,流向级就属于第一空间维度层级,只采用时间粒度聚合算法可以将5分钟流向级聚合为10分钟流向级、15分钟流向级等,只采用空间粒度聚合算法可以将5分钟流向级聚合为5分钟分支级、5分钟路口级等,同时采用时间粒度聚合算法和空间粒度聚合算法可以将5分钟流向级聚合为10分钟分支级、15分钟路口级等,那么第一聚合道路交通指标数据就是处于10分钟流向级、15分钟流向级、5分钟分支级、5分钟路口级、10分钟分支级、15分钟路口级的车均速度。
本公开通过采用第一聚合算法,对道路交通设施采集的车辆信息所生成的原始道路交通指标数据进行聚合,得到丰富且全面的不同维度的第一聚合道路交通指标数据,从而可以宏观地分析出城市交通运行状况,帮助用户快速了解各区域、道路、路口的拥堵及出行情况,为交通管控策略的制定提供有力数据支持。
一些实施例中,上述时间粒度聚合算法包括至少两种。第二时间维度层级包括至少两个;每个第二时间维度层级对应一种时间粒度聚合算法。
例如,20分钟级的指标数据可以是由两个10分钟级的指标数据聚合得到的,也可以是由四个5分钟级的指标数据聚合得到的,由两个10分钟级的指标数据聚合属于一种时间粒度聚合算法,由四个5分钟级的指标数据聚合属于另一种时间粒度聚合算法。
本实施例通过提供多种时间粒度聚合算法,在时间维度上获得了丰富的道路交通指标数据,从而提高了道路交通指标数据的多样性。
一些实施例中,上述空间粒度聚合算法包括至少两种。第二空间维度层级包括至少两个;每个第二空间维度层级对应一种时间粒度聚合算法。
例如,一个路段级的指标数据可以是由至少两个路口级的指标数据聚合得到的,也可以是由多个分支级的指标数据聚合得到的,由至少两个路口级的指标数据聚合属于一种空间粒度聚合算法,由多个分支级的指标数据聚合属于另一种空间粒度聚合算法。
本实施例通过提供多种空间粒度聚合算法,在空间维度上获得了丰富的道路交通指标数据,从而提高了道路交通指标数据的多样性。
图3为本公开实施例提供的道路交通指标获取方法的又一流程示意图。如图3所示,该道路交通指标获取方法还可以包括:
S301、对原始道路交通指标数据进行分类,得到拥堵类的原始道路交通指标数据和轨迹类的原始道路交通指标数据。
示例性地,获取到原始道路交通指标数据后,将原始道路交通指标数据分为拥堵类和轨迹类。如表1所示,拥堵类指标分为:路口拥堵类、路段拥堵类、道路(干线)拥堵类、区域拥堵类;如表2所示,轨迹类指标分为:路口轨迹类、路段轨迹类、道路(干线)轨迹类。
表1
表2
S302、采用第一聚合算法,分别对拥堵类的原始道路交通指标数据和轨迹类的原始道路交通指标数据进行聚合,得到拥堵类的聚合道路交通指标数据和轨迹类的聚合道路交通指标数据。
例如,获取到的拥堵类原始道路交通指标数据为5分钟分支级车均速度,采用第一聚合算法聚合可以得到10分钟路口级车均速度,该10分钟路口级车均速度这一道路交通指标数据就是拥堵类的聚合道路交通指标数据;轨迹类原始道路交通指标数据为10分钟路口级车均停车次数,采用第一聚合算法聚合可以得到10分钟路口级车均停车次数标准差,该10分钟路口级车均停车次数标准差这一道路交通指标数据就是轨迹类的聚合道路交通指标数据。
本实施例通过将原始道路交通指标数据分为拥堵类和轨迹类,可以直观地分辨出原始道路交通指标数据的类型,根据不同场景需要分析的交通运行状态,选取所需要的道路交通指标数据的类型,提高了处理道路交通指标数据的工作效率且便于分析轨迹类的道路交通指标数据。
图4为本公开实施例提供的图1中S102的一种实现流程示意图。如图4所示,S102可以包括:
S401、获取预设的代码文件,代码文件中存储有第一聚合算法。
示例性地,可以预先设置一个代码文件,这个代码文件中可以存储有对原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据需要用得到的所有第一聚合算法;比如,代码文件中包含有平均、加权平均、累加求和、方差、标准差、最大值、最小值等第一聚合算法。
S402、根据代码文件存储的第一聚合算法,对原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据。
示例性地,对原始道路交通指标数据进行聚合时,哪一类型道路交通指标数据使用哪种聚合算法可以由代码文件直接规定。
例如,假设代码文件已经规定了5分钟流向级的车均速度这一指标数据采用的第一聚合算法为累加求和聚合算法和平均聚合算法,那么5分钟流向级的车均速度这一指标数据在进行聚合时直接从代码文件中选取累加求和聚合算法和平均聚合算法这两种聚合算法的代码进行聚合。
本实施例通过设置一个代码文件来规定每种类型的道路交通指标数据使用的第一聚合算法,能够提升道路交通指标数据聚合的便捷性和规律性,可以提高指标数据分析的效率。
图5为本公开实施例提供的图1中S102的又一实现流程示意图。如图5所示,S102还可以包括:
S501、获取配置文件,配置文件用于配置聚合算法。
示例性地,可以将所有聚合算法的代码文件放在一个配置文件中,这个配置文件可以用来对不同类型的道路交通指标数据采用的聚合算法进行自适应配置。
S502、根据配置文件,更新代码文件。
示例性地,根据配置文件,可以对某种道路交通指标需要采用哪种聚合算法进行自适应配置。
例如,需要将5分钟流向级的车均停车次数聚合为10分钟分支级的车均停车次数标准差,这个过程需要使用到累加求和聚合算法和标准差聚合算法,配置文件直接将这两个聚合算法的代码文件配置给5分钟流向级的车均停车次数这一指标数据来进行聚合。
本实施例通过设置一个配置文件,可以对不同类型的道路交通指标数据采用不同的聚合算法进行自适应配置,使道路交通指标数据聚合过程中指标数据和聚合算法的配置方式更灵活,提高了工作效率。
一些实施例中,S102还可以包括:
采用第二聚合算法,对第一聚合道路交通指标数据进行聚合,得到第二聚合道路交通指标数据;
其中,第二聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,第二聚合道路交通指标数据处于第三时间维度层级和第三空间维度层级。
示例性地,在将原始道路交通指标A和B聚合为第一道路交通指标后,可以得到处于第二时间维度层级的指标A和指标B,再通过第二聚合算法对处于第二时间维度层级的指标A、指标B进行聚合得到处于第三时间维度层级的指标A、指标B,先计算出第二时间维度路段绿波速度方差和每个第二时间维度指标B数据的乘积得到第一乘积结果,再将每个第二时间维度的第一乘积结果依次相加得到第一求和结果,然后计算出每个第二时间维度指标A数据和第三时间维度层级指标A数据的差的平方为第一平方差,再计算每个第二时间维度指标B数据和第一平方差的乘积得到第二乘积结果,将每个第二时间维度的第二乘积结果依次相加得到第二求和结果,第一求和结果和第二求和结果相加得到第三求和结果,第三时间维度层级的路段绿波速度方差即为第三求和结果和第三时间维度层级的指标B。
例如,路段绿波速度方差指标,依赖指标A、指标B,从15分钟聚合30分钟级数据的算法如下:指标A每个15分钟数据为:μ1,μ2,…,μn,指标B每个15分钟数据为:f1,f2,…,fn,路段绿波速度方差每个15分钟数据为:σ1,σ2,…,σn,其中n=2(表示30分钟有2个15分钟)则30分钟级别的路段绿波速度方差为:
公式(1)中,μ0为30分钟级别的指标A,f0为30分钟级别的指标B,σ0 2为30分钟级别的路段绿波速度方差。
本实施例通过将聚合后的第一聚合道路交通指标数据采用第二聚合算法进行再次聚合,得到第二道路交通指标数据,进一步提高了指标数据的多样性和准确性,为分析城市交通运行状况提供了有力的数据支持。
一些实施例中,上述获取原始道路交通指标数据,可以包括:
从互联网地图数据中获取原始道路交通指标数据,互联网地图数据包括以下至少一种:在线互联网地图数据、离线互联网地图数据。
例如,在某天中午十二点需要获取某个路口五分钟内的车均速度这一道路交通指标数据,可以从中午十二点开始,政务网向百度地图发送接口查询请求,百度地图从中午十二点开始向政务网返回这个路口的车均速度数据,直到十二点零五结束,这五分钟百度地图向政务网返回的车均速度数据就是在线互联网地图数据;如果此时,百度地图也向政务网返回了上午十点至十一点的车均速度数据,那么百度地图返回的上午十点至十一点这一个小时内的车均速度数据就是离线互联网地图数据。
本实施例通过获取在线互联网地图数据、离线互联网地图数据中至少一种数据,增加了可用于分析城市交通运行状况的指标数据的数量,提高了指标数据的丰富度。
可选地,上述每种聚合算法包括以下至少一种计算规则:平均、加权平均、累加求和、方差、标准差、最大值、最小值。
例如,第一聚合算法中可以包含有平均、标准差等任意一种计算规则,也可以包含有两种或两种以上的计算规则的组合,比如,获取到的原始道路交通指标数据为5分钟路口级车均停车次数,采用第一聚合算法聚合得出了10分钟路口级车均停车次数标准差,可以看出,这个聚合过程中用到了累加求和聚合算法、标准差聚合算法,即第一聚合算法中包含有累加求和聚合算法和标准差聚合算法。
本实施例中,每种聚合算法包含至少一种计算规则,可以在获取到的原始道路交通指标数据数量较少的情况下,通过不同的计算规则聚合出不同类型的第一聚合道路交通指标数据和第二聚合道路交通指标数据,丰富了可用于分析城市交通运行状况的指标数据的类型,从而提高了对城市交通运行状况分析的结果的准确性。
示例性实施例中,本公开实施例还提供一种道路交通指标获取装置,可以用于实现如前述实施例的道路交通指标获取方法。图6为本公开实施例提供的道路交通指标获取装置的组成示意图。如图6所示,该装置可以包括:获取单元601、聚合单元602。
获取单元601,用于获取原始道路交通指标数据,原始道路交通指标数据是根据道路交通设施采集的车辆信息所生成的,且原始道路交通指标数据处于第一时间维度层级和第一空间维度层级。
聚合单元602,用于采用第一聚合算法,对原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据;其中,第一聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,第一聚合道路交通指标数据处于第二时间维度层级和第二空间维度层级。
可选地,时间粒度聚合算法包括至少两种;第二时间维度层级包括至少两个;每个第二时间维度层级对应一种时间粒度聚合算法。
可选地,空间粒度聚合算法包括至少两种;第二空间维度层级包括至少两个;每个第二空间维度层级对应一种空间粒度聚合算法。
可选地,聚合单元602,还用于对原始道路交通指标数据进行分类,得到拥堵类的原始道路交通指标数据和轨迹类的原始道路交通指标数据;聚合单元602,还用于采用第一聚合算法,分别对拥堵类的原始道路交通指标数据和轨迹类的原始道路交通指标数据进行聚合,得到拥堵类的聚合道路交通指标数据和轨迹类的聚合道路交通指标数据。
可选地,获取单元601,还用于获取预设的代码文件,代码文件中存储有第一聚合算法;聚合单元602,还用于根据代码文件存储的第一聚合算法,对原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据。
可选地,获取单元601,还用于获取配置文件,配置文件用于配置聚合算法;根据配置文件,更新代码文件。
可选地,聚合单元602,还用于采用第二聚合算法,对第一聚合道路交通指标数据进行聚合,得到第二聚合道路交通指标数据;其中,第二聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,第二聚合道路交通指标数据处于第三时间维度层级和第三空间维度层级。
可选地,获取单元601,还用于从互联网地图数据中获取原始道路交通指标数据,互联网地图数据包括以下至少一种:在线互联网地图数据、离线互联网地图数据。
可选地,每种聚合算法包括以下至少一种计算规则:平均、加权平均、累加求和、方差、标准差、最大值、最小值。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
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、一种计算机程序产品。
示例性实施例中,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如以上实施例所述的方法。
示例性实施例中,可读存储介质可以是存储有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计算机执行根据以上实施例所述的方法。
示例性实施例中,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以上实施例所述的方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。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7所示,电子设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700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701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701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如道路交通指标获取方法。例如,在一些实施例中,道路交通指标获取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708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的道路交通指标获取方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行道路交通指标获取方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、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(阴极射线管)或者LCD(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:局域网(LAN)、广域网(WAN)和互联网。
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,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。
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公开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 (20)
1.一种道路交通指标获取方法,所述方法包括:
获取原始道路交通指标数据,所述原始道路交通指标数据是根据道路交通设施采集的车辆信息所生成的,且所述原始道路交通指标数据处于第一时间维度层级和第一空间维度层级;
采用第一聚合算法,对所述原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据;
其中,所述第一聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,所述第一聚合道路交通指标数据处于第二时间维度层级和第二空间维度层级。
2.根据权利要求1所述的方法,所述时间粒度聚合算法包括至少两种;
所述第二时间维度层级包括至少两个;
每个所述第二时间维度层级对应一种所述时间粒度聚合算法。
3.根据权利要求1或2所述的方法,所述空间粒度聚合算法包括至少两种;
所述第二空间维度层级包括至少两个;
每个所述第二空间维度层级对应一种所述空间粒度聚合算法。
4.根据权利要求1-3任一项所述的方法,所述采用第一聚合算法,对所述原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据之前,所述方法还包括:
对所述原始道路交通指标数据进行分类,得到拥堵类的原始道路交通指标数据和轨迹类的原始道路交通指标数据;
所述采用第一聚合算法,对所述原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据,包括:
采用所述第一聚合算法,分别对所述拥堵类的原始道路交通指标数据和所述轨迹类的原始道路交通指标数据进行聚合,得到拥堵类的聚合道路交通指标数据和轨迹类的聚合道路交通指标数据。
5.根据权利要求1-4任一项所述的方法,所述采用第一聚合算法,对所述原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据,包括:
获取预设的代码文件,所述代码文件中存储有所述第一聚合算法;
根据所述代码文件存储的所述第一聚合算法,对所述原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据。
6.根据权利要求5所述的方法,所述方法还包括:
获取配置文件,所述配置文件用于配置所述聚合算法;
根据所述配置文件,更新所述代码文件。
7.根据权利要求1-6任一项所述的方法,所述方法还包括:
采用第二聚合算法,对所述第一聚合道路交通指标数据进行聚合,得到第二聚合道路交通指标数据;
其中,所述第二聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,所述第二聚合道路交通指标数据处于第三时间维度层级和第三空间维度层级。
8.根据权利要求1-7任一项所述的方法,所述获取原始道路交通指标数据,包括:
从互联网地图数据中获取所述原始道路交通指标数据,所述互联网地图数据包括以下至少一种:在线互联网地图数据、离线互联网地图数据。
9.根据权利要求1-8任一项所述的方法,每种所述聚合算法包括以下至少一种计算规则:平均、加权平均、累加求和、方差、标准差、最大值、最小值。
10.一种道路交通指标获取装置,所述装置包括:
获取单元,用于获取原始道路交通指标数据,所述原始道路交通指标数据是根据道路交通设施采集的车辆信息所生成的,且所述原始道路交通指标数据处于第一时间维度层级和第一空间维度层级;
聚合单元,用于采用第一聚合算法,对所述原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据;
其中,所述第一聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,所述第一聚合道路交通指标数据处于第二时间维度层级和第二空间维度层级。
11.根据权利要求10所述的装置,所述时间粒度聚合算法包括至少两种;
所述第二时间维度层级包括至少两个;
每个所述第二时间维度层级对应一种所述时间粒度聚合算法。
12.根据权利要求10或11所述的装置,所述空间粒度聚合算法包括至少两种;
所述第二空间维度层级包括至少两个;
每个所述第二空间维度层级对应一种所述空间粒度聚合算法。
13.根据权利要求10-12任一项所述的装置,所述聚合单元,还用于:
对所述原始道路交通指标数据进行分类,得到拥堵类的原始道路交通指标数据和轨迹类的原始道路交通指标数据;
所述聚合单元,还用于:采用所述第一聚合算法,分别对所述拥堵类的原始道路交通指标数据和所述轨迹类的原始道路交通指标数据进行聚合,得到拥堵类的聚合道路交通指标数据和轨迹类的聚合道路交通指标数据。
14.根据权利要求10-13任一项所述的装置,所述获取单元,还用于:
获取预设的代码文件,所述代码文件中存储有所述第一聚合算法;
所述聚合单元,还用于根据所述代码文件存储的所述第一聚合算法,对所述原始道路交通指标数据进行聚合,得到第一聚合道路交通指标数据。
15.根据权利要求14所述的装置,所述获取单元,还用于:
获取配置文件,所述配置文件用于配置所述聚合算法;
根据所述配置文件,更新所述代码文件。
16.根据权利要求10-15任一项所述的装置,所述聚合单元,还用于:
采用第二聚合算法,对所述第一聚合道路交通指标数据进行聚合,得到第二聚合道路交通指标数据;
其中,所述第二聚合算法包括以下至少一种:时间粒度聚合算法、空间粒度聚合算法,所述第二聚合道路交通指标数据处于第三时间维度层级和第三空间维度层级。
17.根据权利要求10-16任一项所述的装置,所述获取单元,还用于:
从互联网地图数据中获取所述原始道路交通指标数据,所述互联网地图数据包括以下至少一种:在线互联网地图数据、离线互联网地图数据。
18.一种电子设备,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任一项所述的方法。
19.一种存储有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计算机执行根据权利要求1-9任一项所述的方法。
20.一种计算机程序产品,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任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288227.XA CN116311936A (zh) | 2023-03-22 | 2023-03-22 | 道路交通指标获取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310288227.XA CN116311936A (zh) | 2023-03-22 | 2023-03-22 | 道路交通指标获取方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116311936A true CN116311936A (zh) | 2023-06-23 |
Family
ID=86828502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310288227.XA Pending CN116311936A (zh) | 2023-03-22 | 2023-03-22 | 道路交通指标获取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116311936A (zh) |
-
2023
- 2023-03-22 CN CN202310288227.XA patent/CN116311936A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734955B (zh) | 预测路况状态的方法及装置 | |
EP3929805A1 (en) | Method and apparatus for identifying traffic accident, device and computer storage medium | |
US20230103040A1 (en) | Vehicle travel control method and apparatus | |
CN110704491B (zh) | 数据查询方法和装置 | |
EP4119896A2 (en) | Method and apparatus for processing high-definition map data, electronic device, medium and product | |
CN103365886A (zh) | 车联网中的空间事件的查询方法和优化查询器 | |
US11443621B2 (en) | Method and apparatus for adjusting channelization of traffic intersection | |
CN114758495A (zh) | 交通信号灯调整方法、装置及电子设备 | |
EP4012344A2 (en) | Method and apparatus for generating route information, device, medium and product | |
CN112991735B (zh) | 交通流量监测系统的测试方法、装置及设备 | |
CN116824868B (zh) | 车辆非法停驻点识别及拥堵预测方法、装置、设备及介质 | |
CN113326449A (zh) | 预测交通流量的方法、装置、电子设备和介质 | |
CN111047107B (zh) | 公路通行时间预测方法、装置、电子设备和存储介质 | |
CN115206102B (zh) | 确定交通路径的方法、装置、电子设备和介质 | |
CN115330067B (zh) | 一种交通拥堵预测方法、装置、电子设备及存储介质 | |
US20230230038A1 (en) | Cross-regional talent flow intention analysis method, electronic device, and storage medium | |
US20230065341A1 (en) | Road data monitoring method and apparatus, electronic device and storage medium | |
CN116311936A (zh) | 道路交通指标获取方法、装置、设备及存储介质 | |
KR20220092821A (ko) | 길목 상태를 결정하는 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
CN111707285B (zh) | 规划路线的方法和装置 | |
CN113610008A (zh) | 获取渣土车状态的方法、装置、设备以及存储介质 | |
CN112382090A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN114333326B (zh) | 一种路口拥堵检测方法、装置及电子设备 | |
CN113868532B (zh) | 一种地点推荐方法、装置、电子设备及存储介质 | |
CN112836626B (zh) | 事故确定方法及装置、模型训练方法及装置、电子设备 |
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 |