CN116363882A - 一种高速公路拥堵处理方法、设备及介质 - Google Patents
一种高速公路拥堵处理方法、设备及介质 Download PDFInfo
- Publication number
- CN116363882A CN116363882A CN202310636547.XA CN202310636547A CN116363882A CN 116363882 A CN116363882 A CN 116363882A CN 202310636547 A CN202310636547 A CN 202310636547A CN 116363882 A CN116363882 A CN 116363882A
- Authority
- CN
- China
- Prior art keywords
- congestion
- road section
- weather
- data
- duration
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000000694 effects Effects 0.000 claims description 26
- 238000004140 cleaning Methods 0.000 claims description 16
- 206010039203 Road traffic accident Diseases 0.000 claims description 14
- 239000006185 dispersion Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 239000003795 chemical substances by application Substances 0.000 claims description 10
- 241001417527 Pempheridae Species 0.000 claims description 5
- 238000002844 melting Methods 0.000 claims description 3
- 230000008018 melting Effects 0.000 claims description 3
- 239000013618 particulate matter Substances 0.000 claims description 3
- 239000007921 spray Substances 0.000 claims description 3
- 238000005507 spraying Methods 0.000 claims description 2
- 230000003370 grooming effect Effects 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 16
- 239000005413 snowmelt Substances 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种高速公路拥堵处理方法、设备及介质,涉及交通控制领域,方法包括:确定与高速公路网关联的多个控制系统;根据监控数据确定高速公路网中的拥堵路段;通过气象监测系统获取相应路段在当前时刻下对应的第一天气数据,确定拥堵路段对应的拥堵原因中至少包括天气原因;通过气象监测系统获取相应路段在未来持续时间段内对应的第二天气数据,并通过应急管理系统获取相应路段路面状态数据;根据第二天气数据和路面状态数据对拥堵路段对应的拥堵时长进行预估。综合当前时刻以及未来一段时间内的异常天气,并结合当前的路面状态,从而对当前拥堵路段的拥堵时长进行预估,使得异常天气下的预估时长更加准确。
Description
技术领域
本申请涉及交通控制领域,具体涉及一种高速公路拥堵处理方法、设备及介质。
背景技术
随着技术的发展,越来越多的地方建立起了高速公路,车辆能够在高速公路上以较高的速度行驶。
然而在一些特殊情况下,高速公路也会发生拥堵,且由于高速公路往往只有一条道路,难以进行车辆分流,因此往往会导致拥堵时间过长。因此,可以对道路拥堵的时长进行预估,并通过相应的方式向司机发出提示(比如,通过导航APP、道路门架上设置的提示板),以便于司机能够尽早规划自己的前进方向,有助于对拥堵进行分流疏导。
传统的拥堵时长预估方法,往往只是通过车速和拥堵距离确定,从而导致拥堵时长的判断结果精度较差,一旦发生异常情况,难以做到准确的预估。
发明内容
为了解决上述问题,本申请提出了一种高速公路拥堵处理方法,包括:
确定与高速公路网关联的多个控制系统,所述控制系统包括:气象监测系统、高速监控系统、应急管理系统,其中,所述高速监控系统为常开系统;
接收所述高速监控系统发送的监控数据,并根据所述监控数据确定所述高速公路网中的拥堵路段;
通过所述气象监测系统获取相应路段在当前时刻下对应的第一天气数据,并根据所述第一天气数据,确定所述拥堵路段对应的拥堵原因中至少包括天气原因,所述相应路段包括所述拥堵路段以及相邻路段;
通过所述气象监测系统获取所述相应路段在未来持续时间段内对应的第二天气数据,并通过所述应急管理系统获取所述相应路段路面状态数据;
根据所述第二天气数据和所述路面状态数据对所述拥堵路段对应的拥堵时长进行预估,以便于根据所述拥堵时长进行拥堵疏导。
另一方面,本申请还提出了一种高速公路拥堵处理设备,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:
确定与高速公路网关联的多个控制系统,所述控制系统包括:气象监测系统、高速监控系统、应急管理系统,其中,所述高速监控系统为常开系统;
接收所述高速监控系统发送的监控数据,并根据所述监控数据确定所述高速公路网中的拥堵路段;
通过所述气象监测系统获取相应路段在当前时刻下对应的第一天气数据,并根据所述第一天气数据,确定所述拥堵路段对应的拥堵原因中至少包括天气原因,所述相应路段包括所述拥堵路段以及相邻路段;
通过所述气象监测系统获取所述相应路段在未来持续时间段内对应的第二天气数据,并通过所述应急管理系统获取所述相应路段路面状态数据;
根据所述第二天气数据和所述路面状态数据对所述拥堵路段对应的拥堵时长进行预估,以便于根据所述拥堵时长进行拥堵疏导。
另一方面,本申请还提出了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
确定与高速公路网关联的多个控制系统,所述控制系统包括:气象监测系统、高速监控系统、应急管理系统,其中,所述高速监控系统为常开系统;
接收所述高速监控系统发送的监控数据,并根据所述监控数据确定所述高速公路网中的拥堵路段;
通过所述气象监测系统获取相应路段在当前时刻下对应的第一天气数据,并根据所述第一天气数据,确定所述拥堵路段对应的拥堵原因中至少包括天气原因,所述相应路段包括所述拥堵路段以及相邻路段;
通过所述气象监测系统获取所述相应路段在未来持续时间段内对应的第二天气数据,并通过所述应急管理系统获取所述相应路段路面状态数据;
根据所述第二天气数据和所述路面状态数据对所述拥堵路段对应的拥堵时长进行预估,以便于根据所述拥堵时长进行拥堵疏导。
通过本申请提出高速公路拥堵处理方法能够带来如下有益效果:
在对拥堵时长进行预估时,尤其是针对异常天气时,综合当前时刻以及未来一段时间内的异常天气,并结合当前的路面状态,从而对当前拥堵路段的拥堵时长进行预估,使得异常天气下的预估时长更加准确,能够给交通管理部门作为交通疏导的参考,也能够作为司机是否绕路的参考。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中高速公路拥堵处理方法的流程示意图;
图2为本申请实施例中高速公路拥堵处理设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
如图1所示,本申请实施例提供一种高速公路拥堵处理方法,包括:
S101:确定与高速公路网关联的多个控制系统,所述控制系统包括:气象监测系统、高速监控系统、应急管理系统,其中,所述高速监控系统为常开系统。
关联的控制系统指的是,能够应用在高速公路网中的系统,该系统可以集成在高速公路网对应的总控制系统中,也可以是单独设置的系统,且每个控制系统均具有相应的独立处理数据的能力。除了高速监控系统外,其他控制系统可以属于常开或者在需要时启动的状态。当然,还可以包括其他控制系统,比如,物资设备管理系统,用于对应急管理系统中的设备(比如,人工清扫车、喷头等)进行管理、维修。
S102:接收所述高速监控系统发送的监控数据,并根据所述监控数据确定所述高速公路网中的拥堵路段。
高速监控系统实时对往来车辆进行监控,并对车辆进行目标识别,比如,通过卷积神经网络进行目标识别。当识别到超过预设数量的车辆,在一定时长内速度均低于预设的标准速度时,可以认为该路段发生拥堵,标记为拥堵路段。
S103:通过所述气象监测系统获取相应路段在当前时刻下对应的第一天气数据,并根据所述第一天气数据,确定所述拥堵路段对应的拥堵原因中至少包括天气原因,所述相应路段包括所述拥堵路段以及相邻路段。
相应路段包括拥堵路段,还包括处于车流方向下游的,与拥堵路段相邻的路段。路段的划分可以基于距离划分,每隔预设距离划分为一个路段。
第一天气数据指的是,在相应路段中当前时刻下的天气数据。第一天气数据中包含的多类子数据,比如,风力数据、空气颗粒物数据(比如,PM2.5数据、PM10数据等)、降雨数据、降雪数据。
针对每类子数据,根据该类子数据对应的预设等级标准,确定其对应的天气影响等级,其中,子数据对应的值越高,天气影响等级越高,并且天气影响等级从高到低至少包括:第一天气影响等级和第二天气影响等级。当然,还可以包括其他等级。比如,对于风力数据,当风力数据达到5级风力时,达到第二天气影响等级,当风力数据达到7级风力时,达到第一天气影响等级。或者,空气颗粒物数据中,超过预设的数值,使得能见度低于50米时,达到第一天气影响等级,能见度低于200米时,达到第二天气影响等级。而降雨数据和降雪数据,可以基于当前的已降雨量、已降雪量或者单位时间降雨量、单位时间降雪量进行划分。
若存在至少一个子数据达到第一天气影响等级,则说明该类子数据对应的天气影响很严重,或,至少预设数量个子数据(比如,两个)同时达到第二天气影响等级,则说明多个子数据组合起来,容易产生严重天气影响(比如,降雨的同时伴随有大风天气),此时,确定拥堵路段对应的拥堵原因中至少包括天气原因。
S104:通过所述气象监测系统获取所述相应路段在未来持续时间段内对应的第二天气数据,并通过所述应急管理系统获取所述相应路段路面状态数据。
第二天气数据指的是,未来持续时间内的,比如,未来一天以内的天气数据。路面状态数据通过应急管理系统设置在高速公路网中的路面传感器得到,其可以包括路面积水情况和路面积雪情况。
S105:根据所述第二天气数据和所述路面状态数据对所述拥堵路段对应的拥堵时长进行预估,以便于根据所述拥堵时长进行拥堵疏导。
此处得到的拥堵时长,对于司机和车辆来说,是拥堵所需要的时长,而对于控制系统来说,其包含了异常天气的持续时长,以及自身对异常天气造成的后续影响的维修时长。比如,对于桥梁来说,其可能会因为异常天气造成桥梁自身的故障,此时需要进行检修,而这部分时长则可以属于拥堵时长中的一部分。故而对于不同的主体来说,得到的拥堵时长也可以作为检修时长,以便于相关的控制系统(比如,应急管理系统)对高速公路进行相应的维修、检测和养护。
根据第二天气数据,可以得到天气原因的持续时长,若天气原因是至少一个子数据达到第一天气影响等级,则可以看其高于第一天气影响等级的持续时长,当然,其中若有间隔时长(比如,10分钟以内),暂时的未达到第一天气影响等级,而后又恢复,则可以认为其一直处于持续时长内。若天气原因是至少预设数量个子数据同时达到第二天气影响等级,那么只有在所有子数据均未达到第二天气影响等级时,才认为不属于天气原因。类似地,间隔时长内暂时的未达到第二天气影响等级,认为其仍处于持续时长内。
若天气原因中,未包含降雪数据引起的,则将持续时长作为拥堵路段对应的拥堵时长。其中,本文中考虑的拥堵时长,只是天气原因直接造成的,若是天气原因间接已经导致了拥堵,则可能会有额外的疏导时长,该疏导时长可以通过传统方案中,根据历史数据或者车辆拥堵距离、车速等进行计算得到。在对拥堵进行疏导时,可以根据该拥堵时长和疏导时长进行疏导,比如,提前将该时长通过导航APP告知目的地是拥堵路段,或者需要途径拥堵路段的司机,以使司机更改出行时间或者绕路,从别的高速口收费站上高速。
若天气原因中,包含降雪数据引起的,则可能会由于积雪,导致拥堵时长增加。此时,确定在持续时长内的降雪量,以及确定路面状态数据中包含的路面积雪情况。
由此,根据降雪量、路面积雪情况以及应急管理系统中的除雪除冰能力,对清理时长进行预估,从而根据持续时长和清理时长,得到拥堵路段对应的拥堵时长。
进一步地,应急管理系统中的除雪除冰能力可以包含两部分,分别是自动除雪除冰能力,以及人工除雪除冰能力。
其中,自动除雪除冰能力基于设置在高速公路网中喷头,向高速公路网喷淋融雪剂实现,由于喷头机械结构的设置,以及喷头中融雪剂存放量的设置,以及融雪剂本身融雪能力,可以得到其对应的自动除雪除冰能力,其包括单位时间内能够除雪的能力(主要基于喷头单位时间内能喷出的融雪剂的数量,以及单位融雪剂的融雪能力得到),以及能够应对的总的除雪能力(主要基于单位融雪剂的融雪能力,以及融雪剂的总预存量得到)。与除雪能力类似的,除冰能力也可以得到,将两者的总和作为自动除雪除冰能力。
而人工除雪除冰能力基于人工清扫车能力得到,每个人工清扫车具有相应的额定参数,比如,每辆人工清扫车单位时间内的清理范围,人工清扫车数量越多,单个人工清扫车的能力越强,则人工除雪除冰能力越强。
根据降雪量和路面积雪情况,确定总降雪量,总降雪量包括当前通过传感器已经得到的路面积雪情况,以及通过气象监测系统得到的降雪量。
若自动除雪除冰能力对应的清理上限高于对总降雪量,也就是说通过自动喷洒融雪剂就能够完成除雪除冰,则将预设的固定时长(通常是融雪剂的生效时长)作为清理时长。
若是自动除雪除冰能力对应的清理上限低于总降雪量,则确定清理上限与总降雪量之间的差值(也就是还需要额外清理的雪和冰),并根据差值和人工除雪除冰能力得到对应的清理时长。
另外,预先在高速公路网中划分的多个路段类型,路段类型包括:常规路段、危险路段、收费站路段、桥梁路段中的至少一种,危险路段基于路段所处的地理因素确定,比如,将连续弯道路段、易滑坡路段作为危险路段。
即使发生同样的异常天气,对于不同类型的拥堵路段,通常拥堵时长也不同,将拥堵路段所属的路段类型所对应的系数,与拥堵时长相乘,得到修正后的拥堵时长,并根据修正后的拥堵时长进行拥堵疏导,
其中,以常规路段作为基础路段考虑,将常规路段对应的系数设置为1,各路段类型对应的系数从小到大依次为:常规路段、桥梁路段、危险路段、收费站路段,所需的拥堵时长依次增加。
在对拥堵时长进行预估时,尤其是针对异常天气时,综合当前时刻以及未来一段时间内的异常天气,并结合当前的路面状态,从而对当前拥堵路段的拥堵时长进行预估,使得异常天气下的预估时长更加准确,能够给交通管理部门作为交通疏导的参考,也能够作为司机是否绕路的参考。
在对拥堵时长进行预估时,尤其是针对异常天气时,综合当前时刻以及未来一段时间内的异常天气,并结合当前的路面状态,从而对当前拥堵路段的拥堵时长进行预估,使得异常天气下的预估时长更加准确,能够给交通管理部门作为交通疏导的参考,也能够作为司机是否绕路的参考。
在一个实施例中,确定了拥堵路段后,可能不只是天气原因引起的,或者,不只是天气原因引起的。此时,获取当前时刻的所属时间段,确定所属时间段属于预设的高峰时间段(比如,节假日的前一天或者是最后一天),则根据历史记录中,所属时间段对应的历史拥堵时长,对拥堵路段对应的拥堵时长进行预估(比如,直接将去年所属时间段的历史拥堵时长作为当前的拥堵时长),以便于根据拥堵时长进行拥堵疏导。
当然,若是原因包括多个,比如,包括高峰时间段的原因、天气原因以及本文中提到的其他原因时,则可以将多个原因分别计算,分别得到对应的拥堵时长,然后进行叠加得到最终的拥堵时长。
进一步地,在确定历史记录中,所属时间段对应的历史拥堵时长后,若是该历史拥堵时长低于预设时长,则说明本次的拥堵可能是近期,在该高峰时间段内新兴的情形(比如,近期新兴的A区域美食、B区域旅游景点)造成的拥堵,难以用往年的历史拥堵时长直接进行参考。
此时,在社交平台中,获取拥堵路段的所属区域(比如,以所在市或区县作为所属区域)对应的话题的浏览量。根据浏览量,将历史拥堵时长进行调整,比如,采集去年在当前的高峰时间段内的浏览量,将当前的浏览量与去年的浏览量相除,得到对应的系数,然后将历史拥堵时长与系数相乘,得到调整后的历史拥堵时长,然后将其作为拥堵路段对应的拥堵时长。
在一个实施例中,根据监控数据确定高速公路网中的拥堵路段之后,若根据监控数据确定发生交通事故(比如,基于训练的卷积神经网络确定),并根据交通事故的发生范围(或者,还可以包括发生交通事故的车辆的数量),确定对应的交通事故等级,发生范围越大,交通事故等级越高。
根据交通事故等级,以及交通事故的所处位置与应急管理系统(应急管理系统通常设置有相应的事故处理站点,设置在高速公路附近)之间的距离,对拥堵路段对应的拥堵时长进行预估,距离越远、交通事故等级越高,拥堵时长越长。
如图2所示,本申请实施例还提供了一种高速公路拥堵处理设备,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:
确定与高速公路网关联的多个控制系统,所述控制系统包括:气象监测系统、高速监控系统、应急管理系统,其中,所述高速监控系统为常开系统;
接收所述高速监控系统发送的监控数据,并根据所述监控数据确定所述高速公路网中的拥堵路段;
通过所述气象监测系统获取相应路段在当前时刻下对应的第一天气数据,并根据所述第一天气数据,确定所述拥堵路段对应的拥堵原因中至少包括天气原因,所述相应路段包括所述拥堵路段以及相邻路段;
通过所述气象监测系统获取所述相应路段在未来持续时间段内对应的第二天气数据,并通过所述应急管理系统获取所述相应路段路面状态数据;
根据所述第二天气数据和所述路面状态数据对所述拥堵路段对应的拥堵时长进行预估,以便于根据所述拥堵时长进行拥堵疏导。
本申请实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
确定与高速公路网关联的多个控制系统,所述控制系统包括:气象监测系统、高速监控系统、应急管理系统,其中,所述高速监控系统为常开系统;
接收所述高速监控系统发送的监控数据,并根据所述监控数据确定所述高速公路网中的拥堵路段;
通过所述气象监测系统获取相应路段在当前时刻下对应的第一天气数据,并根据所述第一天气数据,确定所述拥堵路段对应的拥堵原因中至少包括天气原因,所述相应路段包括所述拥堵路段以及相邻路段;
通过所述气象监测系统获取所述相应路段在未来持续时间段内对应的第二天气数据,并通过所述应急管理系统获取所述相应路段路面状态数据;
根据所述第二天气数据和所述路面状态数据对所述拥堵路段对应的拥堵时长进行预估,以便于根据所述拥堵时长进行拥堵疏导。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种高速公路拥堵处理方法,其特征在于,包括:
确定与高速公路网关联的多个控制系统,所述控制系统包括:气象监测系统、高速监控系统、应急管理系统,其中,所述高速监控系统为常开系统;
接收所述高速监控系统发送的监控数据,并根据所述监控数据确定所述高速公路网中的拥堵路段;
通过所述气象监测系统获取相应路段在当前时刻下对应的第一天气数据,并根据所述第一天气数据,确定所述拥堵路段对应的拥堵原因中至少包括天气原因,所述相应路段包括所述拥堵路段以及相邻路段;
通过所述气象监测系统获取所述相应路段在未来持续时间段内对应的第二天气数据,并通过所述应急管理系统获取所述相应路段路面状态数据;
根据所述第二天气数据和所述路面状态数据对所述拥堵路段对应的拥堵时长进行预估,以便于根据所述拥堵时长进行拥堵疏导。
2.根据权利要求1所述的方法,其特征在于,根据所述第一天气数据,确定所述拥堵路段对应的拥堵原因中至少包括天气原因,具体包括:
确定所述第一天气数据中包含的多类子数据,所述子数据至少包括:风力数据、空气颗粒物数据、降雨数据、降雪数据;
针对每类子数据,根据该类子数据对应的预设等级标准,确定其对应的天气影响等级,其中,子数据对应的值越高,所述天气影响等级越高,所述天气影响等级从高到低至少包括:第一天气影响等级和第二天气影响等级;
若存在至少一个子数据达到所述第一天气影响等级,或,至少预设数量个子数据同时达到所述第二天气影响等级,则确定所述拥堵路段对应的拥堵原因中至少包括天气原因。
3.根据权利要求2所述的方法,其特征在于,根据所述第二天气数据和所述路面状态数据对所述拥堵路段对应的拥堵时长进行预估,具体包括:
根据所述第二天气数据,确定所述天气原因的持续时长;
若所述天气原因中,未包含所述降雪数据引起的,则将所述持续时长作为所述拥堵路段对应的拥堵时长;
若所述天气原因中,包含所述降雪数据引起的,则确定在所述持续时长内的降雪量,以及确定所述路面状态数据中包含的路面积雪情况;
根据所述降雪量、所述路面积雪情况以及所述应急管理系统中的除雪除冰能力,对清理时长进行预估;
根据所述持续时长和所述清理时长,得到所述拥堵路段对应的拥堵时长。
4.根据权利要求3所述的方法,其特征在于,根据所述持续时长、所述降雪量、所述路面积雪情况以及所述应急管理系统中的除雪除冰能力,对清理时长进行预估,具体包括:
确定所述应急管理系统中包含的自动除雪除冰能力,以及人工除雪除冰能力,所述自动除雪除冰能力基于设置在高速公路网中喷头,向所述高速公路网喷淋融雪剂实现,所述人工除雪除冰能力基于人工清扫车能力得到;
根据所述降雪量和所述路面积雪情况,确定总降雪量;
若所述自动除雪除冰能力对应的清理上限高于对所述总降雪量,则将预设的固定时长作为清理时长;
若是所述自动除雪除冰能力对应的清理上限低于所述总降雪量,则确定所述清理上限与所述总降雪量之间的差值,并根据所述差值和所述人工除雪除冰能力得到对应的清理时长。
5.根据权利要求3所述的方法,其特征在于,根据所述拥堵时长进行拥堵疏导,具体包括:
确定预先在高速公路网中划分的多个路段类型,所述路段类型包括:常规路段、危险路段、收费站路段、桥梁路段中的至少一种,所述危险路段基于路段所处的地理因素确定;
将所述拥堵路段所属的路段类型所对应的系数,与所述拥堵时长相乘,得到修正后的拥堵时长,并根据修正后的拥堵时长进行拥堵疏导,其中,各路段类型对应的系数从小到大依次为:常规路段、桥梁路段、危险路段、收费站路段,且所述常规路段对应的系数为1。
6.根据权利要求1所述的方法,其特征在于,根据所述监控数据确定所述高速公路网中的拥堵路段之后,所述方法还包括:
获取当前时刻的所属时间段;
确定所述所属时间段属于预设的高峰时间段,则根据历史记录中,所述所属时间段对应的历史拥堵时长,对所述拥堵路段对应的拥堵时长进行预估,以便于根据所述拥堵时长进行拥堵疏导。
7.根据权利要求6所述的方法,其特征在于,则根据历史记录中,所述所属时间段对应的历史拥堵时长,对所述拥堵路段对应的拥堵时长进行预估,具体包括:
确定历史记录中,所述所属时间段对应的历史拥堵时长;
若所述历史拥堵时长低于预设时长,则在社交平台中,获取所述拥堵路段的所属区域对应的话题的浏览量;
根据所述浏览量,将所述历史拥堵时长进行调整,并将调整后的历史拥堵时长作为所述拥堵路段对应的拥堵时长。
8.根据权利要求1所述的方法,其特征在于,根据所述监控数据确定所述高速公路网中的拥堵路段之后,所述方法还包括:
根据所述监控数据确定发生交通事故,并根据所述交通事故的发生范围,确定对应的交通事故等级,所述发生范围越大,所述交通事故等级越高;
根据所述交通事故等级,以及交通事故的所处位置与所述应急管理系统之间的距离,对所述拥堵路段对应的拥堵时长进行预估。
9.一种高速公路拥堵处理设备,其特征在于,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:
确定与高速公路网关联的多个控制系统,所述控制系统包括:气象监测系统、高速监控系统、应急管理系统,其中,所述高速监控系统为常开系统;
接收所述高速监控系统发送的监控数据,并根据所述监控数据确定所述高速公路网中的拥堵路段;
通过所述气象监测系统获取相应路段在当前时刻下对应的第一天气数据,并根据所述第一天气数据,确定所述拥堵路段对应的拥堵原因中至少包括天气原因,所述相应路段包括所述拥堵路段以及相邻路段;
通过所述气象监测系统获取所述相应路段在未来持续时间段内对应的第二天气数据,并通过所述应急管理系统获取所述相应路段路面状态数据;
根据所述第二天气数据和所述路面状态数据对所述拥堵路段对应的拥堵时长进行预估,以便于根据所述拥堵时长进行拥堵疏导。
10.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
确定与高速公路网关联的多个控制系统,所述控制系统包括:气象监测系统、高速监控系统、应急管理系统,其中,所述高速监控系统为常开系统;
接收所述高速监控系统发送的监控数据,并根据所述监控数据确定所述高速公路网中的拥堵路段;
通过所述气象监测系统获取相应路段在当前时刻下对应的第一天气数据,并根据所述第一天气数据,确定所述拥堵路段对应的拥堵原因中至少包括天气原因,所述相应路段包括所述拥堵路段以及相邻路段;
通过所述气象监测系统获取所述相应路段在未来持续时间段内对应的第二天气数据,并通过所述应急管理系统获取所述相应路段路面状态数据;
根据所述第二天气数据和所述路面状态数据对所述拥堵路段对应的拥堵时长进行预估,以便于根据所述拥堵时长进行拥堵疏导。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310636547.XA CN116363882B (zh) | 2023-06-01 | 2023-06-01 | 一种高速公路拥堵处理方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310636547.XA CN116363882B (zh) | 2023-06-01 | 2023-06-01 | 一种高速公路拥堵处理方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116363882A true CN116363882A (zh) | 2023-06-30 |
CN116363882B CN116363882B (zh) | 2023-09-01 |
Family
ID=86905340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310636547.XA Active CN116363882B (zh) | 2023-06-01 | 2023-06-01 | 一种高速公路拥堵处理方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116363882B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117912229A (zh) * | 2023-11-29 | 2024-04-19 | 招商智广科技(安徽)有限公司 | 一种基于视频监控的高速智能调度管理系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004110185A (ja) * | 2002-09-13 | 2004-04-08 | Sumitomo Electric Ind Ltd | 交通状況解析装置 |
CN103177570A (zh) * | 2012-12-25 | 2013-06-26 | 北京交通发展研究中心 | 一种早晚高峰交通拥堵指数的预测方法 |
CN105632189A (zh) * | 2014-11-06 | 2016-06-01 | 株式会社日立制作所 | 雪天实时交通状态发布方法和交通状态发布装置 |
CN106600959A (zh) * | 2016-12-13 | 2017-04-26 | 广州市公共交通数据管理中心 | 一种交通拥堵指数的预测方法 |
CN106652562A (zh) * | 2017-02-09 | 2017-05-10 | 吉林大学 | 一种高速公路道路交通安全预警方法 |
US20180089998A1 (en) * | 2016-09-27 | 2018-03-29 | Honda Motor Co., Ltd. | Traffic hindrance risk indication apparatus |
CN110197582A (zh) * | 2018-02-27 | 2019-09-03 | 沈阳美行科技有限公司 | 数据分析方法、装置以及交通预警方法、装置 |
CN110324368A (zh) * | 2018-03-29 | 2019-10-11 | 上海博泰悦臻网络技术服务有限公司 | 一种基于天气的预测路况的共享方法及其系统 |
CN110796862A (zh) * | 2019-11-05 | 2020-02-14 | 西南交通大学 | 一种基于人工智能的高速公路交通状况检测系统及方法 |
CN114926988A (zh) * | 2022-07-22 | 2022-08-19 | 山东高速信息集团有限公司 | 一种路段拥堵疏导方法及设备 |
CN115273468A (zh) * | 2022-07-20 | 2022-11-01 | 青岛海信网络科技股份有限公司 | 一种交通拥堵控制策略生成方法及装置 |
CN115547084A (zh) * | 2021-06-30 | 2022-12-30 | 阿里巴巴新加坡控股有限公司 | 道路通行状况预测方法、装置、电子设备及计算机程序产品 |
-
2023
- 2023-06-01 CN CN202310636547.XA patent/CN116363882B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004110185A (ja) * | 2002-09-13 | 2004-04-08 | Sumitomo Electric Ind Ltd | 交通状況解析装置 |
CN103177570A (zh) * | 2012-12-25 | 2013-06-26 | 北京交通发展研究中心 | 一种早晚高峰交通拥堵指数的预测方法 |
CN105632189A (zh) * | 2014-11-06 | 2016-06-01 | 株式会社日立制作所 | 雪天实时交通状态发布方法和交通状态发布装置 |
US20180089998A1 (en) * | 2016-09-27 | 2018-03-29 | Honda Motor Co., Ltd. | Traffic hindrance risk indication apparatus |
CN106600959A (zh) * | 2016-12-13 | 2017-04-26 | 广州市公共交通数据管理中心 | 一种交通拥堵指数的预测方法 |
CN106652562A (zh) * | 2017-02-09 | 2017-05-10 | 吉林大学 | 一种高速公路道路交通安全预警方法 |
CN110197582A (zh) * | 2018-02-27 | 2019-09-03 | 沈阳美行科技有限公司 | 数据分析方法、装置以及交通预警方法、装置 |
CN110324368A (zh) * | 2018-03-29 | 2019-10-11 | 上海博泰悦臻网络技术服务有限公司 | 一种基于天气的预测路况的共享方法及其系统 |
CN110796862A (zh) * | 2019-11-05 | 2020-02-14 | 西南交通大学 | 一种基于人工智能的高速公路交通状况检测系统及方法 |
CN115547084A (zh) * | 2021-06-30 | 2022-12-30 | 阿里巴巴新加坡控股有限公司 | 道路通行状况预测方法、装置、电子设备及计算机程序产品 |
CN115273468A (zh) * | 2022-07-20 | 2022-11-01 | 青岛海信网络科技股份有限公司 | 一种交通拥堵控制策略生成方法及装置 |
CN114926988A (zh) * | 2022-07-22 | 2022-08-19 | 山东高速信息集团有限公司 | 一种路段拥堵疏导方法及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117912229A (zh) * | 2023-11-29 | 2024-04-19 | 招商智广科技(安徽)有限公司 | 一种基于视频监控的高速智能调度管理系统 |
CN117912229B (zh) * | 2023-11-29 | 2024-07-09 | 招商智广科技(安徽)有限公司 | 一种基于视频监控的高速智能调度管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116363882B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2727098B1 (en) | Method and system for collecting traffic data | |
CN116363882B (zh) | 一种高速公路拥堵处理方法、设备及介质 | |
US7689348B2 (en) | Intelligent redirection of vehicular traffic due to congestion and real-time performance metrics | |
CN104715610B (zh) | 一种面向城市交通的交通指数计算方法 | |
CN107368931B (zh) | 基于大数据分析技术的物流配送路径动态规划方法及系统 | |
CN105023428A (zh) | 路况信息评估方法及装置 | |
CN113538946A (zh) | 一种基于分布式的高速公路突发情况预警系统、方法 | |
CN113870570B (zh) | 一种基于etc的路网运行状态方法、系统和存储介质 | |
CN101794512A (zh) | 旅行时间预测的方法及装置 | |
CN105139463A (zh) | 一种大数据城市道路定价方法及系统 | |
CN103488893A (zh) | 一种桥下积水导致的交通拥堵蔓延预测技术方案 | |
CN109572763B (zh) | 一种基于恶劣天气和晚点条件下列车车次安全性评估方法 | |
GB2582280A (en) | Pothole monitoring | |
CN111081030B (zh) | 一种高速路堵车的判断方法和系统 | |
CN113112789A (zh) | 城市快速路突发事件的影响预测及管控方法 | |
WO2022190204A1 (ja) | 発生危険度算出装置、発生危険度表示システム、発生危険度算出方法及び発生危険度算出プログラムが格納された非一時的なコンピュータ可読媒体 | |
CN108874843B (zh) | 交通气象综合信息的展示方法、装置及设备 | |
Lu | Short-term traffic prediction using rainfall | |
CN116312008B (zh) | 一种基于气候信息的高速道路状况预警方法及系统 | |
Prevedouros et al. | Potential effects of wet conditions on signalized intersection LOS | |
CN107886726A (zh) | 占道/停车行为检测方法与装置 | |
CN104021675B (zh) | 一种预测快速路未来时刻所需旅行时间的系统及方法 | |
Benekohal et al. | Queue and user's costs in highway work zones | |
CN111583650A (zh) | 一种无人除冰车路面清除方法及无人驾驶除冰车 | |
CN108603766B (zh) | 用于识别受天气状况影响的可导航元素的方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |