CN117496740B - 高速公路的车辆通行管控方法、装置、设备及存储介质 - Google Patents
高速公路的车辆通行管控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117496740B CN117496740B CN202311846911.1A CN202311846911A CN117496740B CN 117496740 B CN117496740 B CN 117496740B CN 202311846911 A CN202311846911 A CN 202311846911A CN 117496740 B CN117496740 B CN 117496740B
- Authority
- CN
- China
- Prior art keywords
- road
- result
- user
- path
- abnormal event
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000002159 abnormal effect Effects 0.000 claims description 225
- 238000007726 management method Methods 0.000 claims description 41
- 238000012549 training Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 9
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- 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
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- 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
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Abstract
本发明公开了一种高速公路的车辆通行管控方法、装置、设备及存储介质,所述高速公路的车辆通行管控方法包括:获取当前的道路管控信息和用户信息;判断所述需求通行路径是否经过所述管控路径;若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码,以供所述用户根据所述通行码在所述推荐路径上进行通行。本发明属于计算机技术领域,提出当未管控封闭路段的用户的需求通行路径经过所述管控路径时,提供给用户不经过所述管控路径的推荐路径,并根据用户信息下发通行码,使用户能够根据该通行码在所述推荐路径上进行通行,以此提高高速公路管控状态下的通行效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种高速公路的车辆通行管控方法、装置、设备及存储介质。
背景技术
目前,随着社会经济的发展,机动车数量急剧增加,出行服务需求日益增长,高速公路覆盖范围也是越来越广。其中,高速公路上由于恶劣天气导致的交通问题也是层出不穷,包括团雾、冰雪、高温、雨天等天气。
当前,在高速公路上涉及恶劣天气或重大事故时,往往需要封闭部分高速公路,通常为防止该部分高速公路上进入行驶车辆,在涉及该部分高速公路的其他路段,也实行进路口封闭,导致部分正常行驶的路段被封闭,使通行效率低下。
发明内容
本发明的主要目的在于提供一种高速公路的车辆通行管控方法、装置、设备及存储介质,旨在解决现有技术中部分正常行驶的路段被封闭,使通行效率低下的技术问题。
为实现以上目的,本发明提供一种高速公路的车辆通行管控方法,所述高速公路的车辆通行管控方法包括:
获取当前的道路管控信息和用户信息,其中,所述道路管控信息包括管控路径,所述用户信息包括需求通行路径;
判断所述需求通行路径是否经过所述管控路径;
若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码,以供所述用户根据所述通行码在所述推荐路径上进行通行,其中,所述推荐路径不经过所述管控路径。
可选地,所述若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码的步骤之后,所述方法包括:
在所述用户的通行行程结束后,确定并记录所述用户的履约行为结果至所述用户信息,其中,所述履约行为结果用于生成下一次的通行码。
可选地,所述在所述用户的通行行程结束后,确定并记录所述用户的履约行为结果至所述用户信息的步骤,包括:
在所述用户的通行行程结束后,获取所述用户的实际通行路径;
判断所述实际通行路径与所述推荐路径是否相同;
若所述通行路径与所述推荐路径相同,则确定所述用户的履约行为结果为履约完成,并将履约完成的履约行为结果记录至所述用户信息;
若所述通行路径与所述推荐路径不同,则确定并记录所述用户的履约行为结果为履约失败,并将履约失败的履约行为结果记录至所述用户信息。
可选地,所述基于所述用户信息,生成用户的通行码的步骤,包括:
提取所述用户信息中履约失败的履约行为结果记录;
基于所述履约失败的履约行为结果记录,生成相应通行限制的用户的通行码。
可选地,所述获取当前的道路管控信息的步骤,包括:
获取关于道路异常事件的多维度信息;
基于所述多维度信息,通过预设的信息融合模型进行多模态融合处理,得到道路异常事件信息;
基于所述道路异常事件信息,通过预设的异常预测模型进行分析,得到道路异常结果;
基于所述道路异常结果,确定当前的道路管控信息。
可选地,所述基于所述道路异常事件信息,通过预设的异常预测模型进行分析,得到道路异常结果的步骤之前,所述方法包括:
获取道路异常事件样本和所述道路异常事件样本的道路异常结果标签;
基于道路异常事件样本和所述道路异常事件样本的道路异常结果标签,对预设的待训练模型进行迭代训练,得到异常预测模型。
可选地,所述基于道路异常事件样本和所述道路异常事件样本的道路异常结果标签,对预设的待训练模型进行迭代训练,得到异常预测模型的步骤,包括:
基于所述道路异常事件样本,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果;
将所述预测道路异常结果和所述道路异常事件样本的道路异常结果标签进行差异计算,得到误差结果;
基于所述误差结果,判断所述误差结果是否满足预设误差阈值范围指示的误差标准;
若所述误差结果未满足所述预设误差阈值范围指示的误差标准,返回基于所述道路异常事件样本,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果的步骤,直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练,得到异常预测模型。
本发明还提供一种高速公路的车辆通行管控装置,所述高速公路的车辆通行管控装置包括:
获取模块,用于获取当前的道路管控信息和用户信息,其中,所述道路管控信息包括管控路径,所述用户信息包括需求通行路径;
判断模块,用于判断所述需求通行路径是否经过所述管控路径;
生成模块,用于若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码,以供所述用户根据所述通行码在所述推荐路径上进行通行,其中,所述推荐路径不经过所述管控路径。
本发明还提供一种高速公路的车辆通行管控设备,所述高速公路的车辆通行管控设备包括:存储器、处理器以及存储在存储器上的用于实现所述高速公路的车辆通行管控方法的程序,
所述存储器用于存储实现高速公路的车辆通行管控方法的程序;
所述处理器用于执行实现所述高速公路的车辆通行管控方法的程序,以实现所述高速公路的车辆通行管控方法的步骤。
本发明还提供一种存储介质,所述存储介质上存储有实现高速公路的车辆通行管控方法的程序,所述实现高速公路的车辆通行管控方法的程序被处理器执行以实现所述高速公路的车辆通行管控方法的步骤。
本发明提出当未管控封闭路段的用户的需求通行路径经过所述管控路径时,提供给用户不经过所述管控路径的推荐路径,并根据用户信息下发通行码,使用户能够根据该通行码在所述推荐路径上进行通行,而非将涉及封闭管控路段的其他正常路段,也实行进路口封闭,以此提高高速公路管控状态下的通行效率。
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,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明高速公路的车辆通行管控方法第一实施例的流程示意图;
图2为本发明高速公路的车辆通行管控方法的用户履约行为监测系统交互示意图;
图3为本发明高速公路的车辆通行管控方法的整体流程示意图;
图4为本发明高速公路的车辆通行管控方法第二实施例的流程示意图;
图5为本发明高速公路的车辆通行管控方法第三实施例的流程示意图;
图6为本发明高速公路的车辆通行管控装置的模块示意图;
图7是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明高速公路的车辆通行管控方法第一实施例的流程示意图。
在第一实施例中,所述高速公路的车辆通行管控方法包括以下步骤:
步骤S100,获取当前的道路管控信息和用户信息,其中,所述道路管控信息包括管控路径,所述用户信息包括需求通行路径;
需要说明的是,所述高速公路的车辆通行管控方法的执行主体为高速公路的车辆通行管控装置,优选地,高速公路的车辆通行管控装置为软件客户端,也可以是其他具备数据传输、数据处理功能的终端,在此不做具体限制。
可理解的是,所述道路管控信息是指当前高速公路上实施封闭管控的道路以及未封闭管控的道路的相关信息,实施封闭管控的道路主要是由恶劣天气状况(团雾、冰雪、高温、雨天等)或者交通事故引起的,其中团雾本质上也是雾,是受局部地区微气候环境的影响,在团雾中数十米到上百米的局部范围内,能见度低。由于其本身与大范围的大气环境并不是很匹配,团雾不仅能在大雾天气中常常现身,在天气状况良好的情况下,有可能出现于偏远的山区或农村。由于团雾预测预报难、区域性很强,车辆难以提前得到通知或警示,往往造成驶入团雾区域内根本来不及减速,常常酿成重大交通事故;冰雪也十分影响高速公路的安全,其同样具有预测预报难、区域性很强的特点,车辆难以提前得到通知或警示,常常酿成重大交通事故。对于高温路段,路面温度能够高达三十到四十度,加上高速公路上车辆高速行驶,摩擦致使车辆轮胎面的温度至高不低,如果长时间行驶极易高温爆胎,导致交通事故的发生;雨天行驶时,视线差,路面湿滑,大雨路段甚至会有路面积水,对高速行驶安全影响非常大;当发生上述恶劣天气时:为保证行驶车辆安全、高速交通畅通,需要高速公路决策中心指挥调度恶劣天气条件下的交通安全管理。
需要说明的是,用户信息是指待通行用户的相关信息,包括但不限于需求通行路径(包括用户所处起点收费站以及需求到达的终点收费站)、用户驾驶车辆的车牌颜色、车牌号、用户手机号以及履约行为结果记录等。
在具体实现中,所述高速公路的车辆通行管控方法涉及的场景具体为涉及封闭管控部分高速公路的其他路段(比如该路段前后几个高速收费路口)的收费路口,用户需求在通过该路口通行至目的地。现有技术中,为防止封闭管控部分路段上进入行驶车辆,往往是将涉及该部分高速公路的其他路段,也实行进路口封闭,导致部分正常行驶的路段被封闭。本申请提出向在该部分正常行驶的路段的用户下发通行码,并根据用户的需求通行路径生成推荐路径,以供所述用户根据所述通行码在所述推荐路径上进行通行,以此提高高速公路管控状态下的通行效率。
例如,某高速公路段按顺序排列包括A、B、C、D四个高速公路口,其中B和C之间发生交通封闭管制,沿线收费站封闭。司机X需求从A行驶到D,在手机端向装置上传用户信息,包括车辆信息以及需求从A行驶到D的信息,装置向用户端发送推荐路线从A口行驶至B口下高速,从其他道路行驶至D口,并生成相应的通行码,在A口的收费站口管理员检查完毕通行码后,放行司机X上A口。
在具体实现中,装置获取当前的道路管控信息的方法包括以下步骤:
获取关于道路异常事件的多维度信息;基于所述多维度信息,通过预设的信息融合模型进行多模态融合处理,得到道路异常事件信息;基于所述道路异常事件信息,通过预设的异常预测模型进行分析,得到道路异常结果;基于所述道路异常结果,确定当前的道路管控信息。
需要说明的是,本申请的高速公路的车辆通行管控装置还提供根据当前道路数据生成相应道路管控信息的方法,具体地,装置根据监测道路上所采集的多维度信息,多模态融合为道路异常事件信息,通过预训练完成的异常预测模型进行分析,得到道路异常结果,并根据该道路异常结果,确定并执行当前的道路管控信息。
可理解的是,所述多维度信息是指各类信息采集传感器采集的关于道路异常事件的信息,包括但不限于天气情况、降雨量、降雪量、能见度、雾气浓度等,其中,多模态融合是用于将多个模态信息整合以得到一致的模型输出。
步骤S200,判断所述需求通行路径是否经过所述管控路径;
需要说明的是,装置判断所述需求通行路径是否经过所述管控路径的方法是根据路网模型,查询用户的需求通行路径中是否存在管控路径,若所述需求通行路径不经过所述管控路径,装置无需生成推荐路径,但仍会生成用户的通行码,并在用户的通行行程结束后确认用户是否进入封闭管控路段。
步骤S300,若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码,以供所述用户根据所述通行码在所述推荐路径上进行通行,其中,所述推荐路径不经过所述管控路径。
可理解的是,若所述需求通行路径经过所述管控路径,则装置基于预设的路网模型,生成推荐路径,其中,路网模型是装置通过高速路网基础数据的整合、分析,构建得到的,用于为通行码的路径识别提供路网数据支撑;装置结合交通态势,根据用户选择的起点收费站和终点收费站,计算用户出行相对最短最优路径以及不受高速公路交通管控影响的路径,最终检索出一条可通行的符合用户要求的通行路径数据。为保证高速路况信息的准确性、及时性,装置可实时获取路段及收费站管制数据。
需要说明的是,所述通行码是本申请提出的在涉及封闭管控部分高速公路的其他路段的收费路口,用户需求在通过该路口通行至目的地的场景下使用的,用于通行管理的用户码,用户凭借该通行码可以在涉及封闭管控部分高速公路的其他路段的收费路口上通行。
在具体实现中,装置基于所述用户信息,生成用户的通行码的方式包括以下步骤:
提取所述用户信息中履约失败的履约行为结果记录;基于所述履约失败的履约行为结果记录,生成相应通行限制的用户的通行码。
可理解的是,由于持有通行码的用户能够在涉及封闭管控部分高速公路的其他路段上行驶,不存在强制的防止驶入封闭管控部分高速公路路段的措施,因此本申请提出对驾驶员履行持有通行码不可驶入封闭管控部分高速公路路段的约定的措施,即对持有通行码的驾驶员进行履约行为结果记录,当履约行为结果记录中存在履约失败记录,说明该驾驶员违反通行码的相关约定,未按照约定路线行驶的人员,装置将采取赋黄码、限制使用通行码等惩罚措施。
例如,违约判定规则为:司机违约一次,系统拉黑一个月,不可以使用通行码系统,一个月后恢复使用;第二次违约,系统拉黑三个月,三个月后恢复正常;第三次违约,系统将该用户永久拉黑,司机不得再使用通行码系统。
在具体实现中,所述高速公路的车辆通行管控方法具体可参照图3。
本发明提出当未管控封闭路段的用户的需求通行路径经过所述管控路径时,提供给用户不经过所述管控路径的推荐路径,并根据用户信息下发通行码,使用户能够根据该通行码在所述推荐路径上进行通行,而非将涉及封闭管控路段的其他正常路段,也实行进路口封闭,以此提高高速公路管控状态下的通行效率。
基于上述的第一实施例,本发明还提供另一实施例,参照图4,所述高速公路的车辆通行管控方法包括:
装置在步骤S300,若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码的步骤之后,所述方法还包括以下步骤A100:
步骤A100,在所述用户的通行行程结束后,确定并记录所述用户的履约行为结果至所述用户信息,其中,所述履约行为结果用于生成下一次的通行码。
可理解的是,本申请提出当持有通行码的驾驶员的通行行程结束后,记录驾驶员是否履行持有通行码不可驶入封闭管控部分高速公路路段的约定的措施,即对持有通行码的驾驶员进行履约行为结果记录,其中,所述履约行为结果用于生成下一次的通行码,未按照约定路线行驶的人员,将采取赋黄码、红码以及限制使用通行码等惩罚措施,即信用拉黑措施。
在具体实现中,装置在所述用户的通行行程结束后,确定并记录所述用户的履约行为结果至所述用户信息的方法还包括以下步骤:
在所述用户的通行行程结束后,获取所述用户的实际通行路径;判断所述实际通行路径与所述推荐路径是否相同;若所述通行路径与所述推荐路径相同,则确定所述用户的履约行为结果为履约完成,并将履约完成的履约行为结果记录至所述用户信息;若所述通行路径与所述推荐路径不同,则确定并记录所述用户的履约行为结果为履约失败,并将履约失败的履约行为结果记录至所述用户信息。
在具体实现中,参照图2,司机在驶出高速后,装置将自动调用接口,根据门架流水数据对司机的行车轨迹进行还原,判定司机的履约行为,未按照约定路线行驶的人员,装置将采取赋黄码、限制使用通行码等惩罚措施,通过信用管理的措施,对高速公路的车辆通行进行管控。
基于上述的第一实施例和第二实施例,本发明还提供另一实施例,参照图5,所述高速公路的车辆通行管控方法包括:
装置在所述基于所述道路异常事件信息,通过预设的异常预测模型进行分析,得到道路异常结果的步骤之前,所述方法包括以下步骤B100-B300:
步骤B100,获取道路异常事件样本和所述道路异常事件样本的道路异常结果标签;
需要说明的是,所述道路异常事件样本包括关于当前被监测道路的多维度数据信息,是用于模型训练的相关数据样本,优选为道路上设置的数据采集传感器所采集的包含道路异常事件的历史数据样本;所述道路异常事件样本的道路异常结果标签是人工标注的道路异常事件样本对应的道路异常结果标签。
步骤B200,基于道路异常事件样本和所述道路异常事件样本的道路异常结果标签,对预设的待训练模型进行迭代训练,得到异常预测模型。
在具体实现中,装置基于道路异常事件样本和所述道路异常事件样本的道路异常结果标签,对预设的待训练模型进行迭代训练,得到异常预测模型的方法还包括以下步骤:
基于所述道路异常事件样本,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果;将所述预测道路异常结果和所述道路异常事件样本的道路异常结果标签进行差异计算,得到误差结果;基于所述误差结果,判断所述误差结果是否满足预设误差阈值范围指示的误差标准;若所述误差结果未满足所述预设误差阈值范围指示的误差标准,返回基于所述道路异常事件样本,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果的步骤,直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练,得到异常预测模型。
可理解的是,本发明异常预测模型是根据基于道路异常事件样本和所述道路异常事件样本的道路异常结果标签进行神经网络深度学习训练得到的,通过神经网络深度学习训练的方式,能够根据道路异常事件样本,对当前道路异常事件情况作出准确的预测。
需要说明的是,首先装置基于所述道路异常事件样本,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果,其中,所述待训练模型是预设的具备预测分析所述道路异常事件样本,输出预测道路异常结果的初始模型,所述预测道路异常结果是待训练模型对所述道路异常事件样本进行预测分析计算,所生成的预测道路异常结果。
可理解的是,其次装置将所述预测道路异常结果和所述道路异常事件样本的道路异常结果标签进行差异计算,得到误差结果,即验证训练中的模型所得到的结果是否与已知的结果相一致,并进行结果之间的差异计算,得到误差结果。
需要说明的是,装置基于所述误差结果,判断所述误差结果是否满足预设误差阈值范围指示的误差标准,具体地,由于模型训练后的结果与实际的结果存在误差,允许误差结果在预设的误差阈值范围内,以此进一步判断所述误差结果是否满足预设误差阈值范围指示的误差标准。
可理解的是,若所述误差结果未满足所述预设误差阈值范围指示的误差标准,则表示模型在此次训练中误差存在过大,装置返回基于所述道路异常事件样本,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果的步骤,即进行迭代训练,直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练,得到异常预测模型,以此提高异常预测模型预测的准确性。
在另一实施例中,装置在所述基于所述道路异常事件信息,通过预设的异常预测模型进行分析,得到道路异常结果的步骤之前,所述方法包括:
获取道路异常事件样本和所述道路异常事件样本的道路异常结果标签;确定所述道路异常事件样本的时长权重,其中,所述时长权重是指异常事件持续时长的权重;基于所述道路异常事件样本、所述道路异常事件样本的时长权重以及所述道路异常事件样本的道路异常结果标签,对预设的待训练模型进行迭代训练,得到异常预测模型。
在具体实现中,所述时长权重是指异常事件持续时长的权重,其中无任何异常事件,则该对应的时长权重为0;发生任一或者多个如降暴雨、雾气浓郁等浴场事件,装置会根据不同异常事件的相关信息,赋予不同的时长权重。异常事件的相关信息包括事件的类型/或性质、以及事件强度等级等,时长权重通常是本领域技术人员根据不同、事件信息,在指定事件场景下基于实验给出的,且对于不同的异常事件信息,其异常事件的时长权重一般也不同,本发明对此不做限制。
可理解的是,本发明考虑到很多时候,高速公路路段是否封闭管控往往是根据异常事件的强度等级过高导致的,因此在异常预测模型训练时,加入道路异常事件样本的时长权重,异常事件的情况越轻,异常事件影响程度越小,时长权重越小;而异常事件的情况越严重,异常事件影响程度越大,时长权重越大。
在具体实现中,装置基于所述道路异常事件样本、所述道路异常事件样本的时长权重以及所述道路异常事件样本的道路异常结果标签,对预设的待训练模型进行迭代训练,得到异常预测模型的方法还包括以下步骤:
基于所述道路异常事件样本和所述道路异常事件样本的时长权重,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果;将所述预测道路异常结果和所述道路异常事件样本的道路异常结果标签进行差异计算,得到误差结果;基于所述误差结果,判断所述误差结果是否满足预设误差阈值范围指示的误差标准;若所述误差结果未满足所述预设误差阈值范围指示的误差标准,返回基于所述道路异常事件样本和所述道路异常事件样本的时长权重,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果的步骤,直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练,得到异常预测模型。
本发明还提供一种高速公路的车辆通行管控装置,参照图6,所述高速公路的车辆通行管控装置包括:
获取模块10,用于获取当前的道路管控信息和用户信息,其中,所述道路管控信息包括管控路径,所述用户信息包括需求通行路径;
判断模块20,用于判断所述需求通行路径是否经过所述管控路径;
生成模块30,用于若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码,以供所述用户根据所述通行码在所述推荐路径上进行通行,其中,所述推荐路径不经过所述管控路径。
可选地,所述高速公路的车辆通行管控装置还包括:
记录模块,用于在所述用户的通行行程结束后,确定并记录所述用户的履约行为结果至所述用户信息,其中,所述履约行为结果用于生成下一次的通行码。
可选地,所述记录模块,包括:
实际通行路径获取模块,用于在所述用户的通行行程结束后,获取所述用户的实际通行路径;
路径判断模块,用于判断所述实际通行路径与所述推荐路径是否相同;
履约完成记录模块,用于若所述通行路径与所述推荐路径相同,则确定所述用户的履约行为结果为履约完成,并将履约完成的履约行为结果记录至所述用户信息;
履约失败记录模块,用于若所述通行路径与所述推荐路径不同,则确定并记录所述用户的履约行为结果为履约失败,并将履约失败的履约行为结果记录至所述用户信息。
可选地,所述生成模块30,包括:
提取模块,用于提取所述用户信息中履约失败的履约行为结果记录;
通行码生成模块,用于基于所述履约失败的履约行为结果记录,生成相应通行限制的用户的通行码。
可选地,所述获取模块10,包括:
多维度信息获取模块,用于获取关于道路异常事件的多维度信息;
融合模块,用于基于所述多维度信息,通过预设的信息融合模型进行多模态融合处理,得到道路异常事件信息;
分析模块,用于基于所述道路异常事件信息,通过预设的异常预测模型进行分析,得到道路异常结果;
道路管控信息确定模块,用于基于所述道路异常结果,确定当前的道路管控信息。
可选地,所述高速公路的车辆通行管控装置还包括:
样本获取模块,用于获取道路异常事件样本和所述道路异常事件样本的道路异常结果标签;
训练模块,用于道路异常事件样本和所述道路异常事件样本的道路异常结果标签,对预设的待训练模型进行迭代训练,得到异常预测模型。
可选地,所述训练模块,包括:
预测模块,用于基于所述道路异常事件样本,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果;
差异计算模块,用于将所述预测道路异常结果和所述道路异常事件样本的道路异常结果标签进行差异计算,得到误差结果;
误差判断模块,用于基于所述误差结果,判断所述误差结果是否满足预设误差阈值范围指示的误差标准;
迭代训练模块,用于若所述误差结果未满足所述预设误差阈值范围指示的误差标准,返回基于所述道路异常事件样本,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果的步骤,直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练,得到异常预测模型。
本发明高速公路的车辆通行管控装置具体实施方式与上述高速公路的车辆通行管控方法各实施例基本相同,在此不再赘述。
参照图7,图7是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
如图7所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,该高速公路的车辆通行管控设备还可以包括矩形用户接口、网络接口、摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。矩形用户接口可以包括显示屏(Display)、输入子模块比如键盘(Keyboard),可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图6中示出的高速公路的车辆通行管控设备结构并不构成对高速公路的车辆通行管控设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图7所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块以及高速公路的车辆通行管控程序。操作系统是管理和控制高速公路的车辆通行管控设备硬件和软件资源的程序,支持高速公路的车辆通行管控程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与高速公路的车辆通行管控系统中其它硬件和软件之间通信。
在图7所示的高速公路的车辆通行管控设备中,处理器1001用于执行存储器1005中存储的高速公路的车辆通行管控程序,实现上述任一项所述的高速公路的车辆通行管控方法的步骤。
本发明高速公路的车辆通行管控设备具体实施方式与上述高速公路的车辆通行管控方法各实施例基本相同,在此不再赘述。
本发明还提供一种存储介质,所述存储介质上存储有实现高速公路的车辆通行管控方法的程序,所述实现高速公路的车辆通行管控方法的程序被处理器执行以实现如下所述高速公路的车辆通行管控方法:
获取当前的道路管控信息和用户信息,其中,所述道路管控信息包括管控路径,所述用户信息包括需求通行路径;
判断所述需求通行路径是否经过所述管控路径;
若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码,以供所述用户根据所述通行码在所述推荐路径上进行通行,其中,所述推荐路径不经过所述管控路径。
可选地,所述若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码的步骤之后,所述方法包括:
在所述用户的通行行程结束后,确定并记录所述用户的履约行为结果至所述用户信息,其中,所述履约行为结果用于生成下一次的通行码。
可选地,所述在所述用户的通行行程结束后,确定并记录所述用户的履约行为结果至所述用户信息的步骤,包括:
在所述用户的通行行程结束后,获取所述用户的实际通行路径;
判断所述实际通行路径与所述推荐路径是否相同;
若所述通行路径与所述推荐路径相同,则确定所述用户的履约行为结果为履约完成,并将履约完成的履约行为结果记录至所述用户信息;
若所述通行路径与所述推荐路径不同,则确定并记录所述用户的履约行为结果为履约失败,并将履约失败的履约行为结果记录至所述用户信息。
可选地,所述基于所述用户信息,生成用户的通行码的步骤,包括:
提取所述用户信息中履约失败的履约行为结果记录;
基于所述履约失败的履约行为结果记录,生成相应通行限制的用户的通行码。
可选地,所述获取当前的道路管控信息的步骤,包括:
获取关于道路异常事件的多维度信息;
基于所述多维度信息,通过预设的信息融合模型进行多模态融合处理,得到道路异常事件信息;
基于所述道路异常事件信息,通过预设的异常预测模型进行分析,得到道路异常结果;
基于所述道路异常结果,确定当前的道路管控信息。
可选地,所述基于所述道路异常事件信息,通过预设的异常预测模型进行分析,得到道路异常结果的步骤之前,所述方法包括:
获取道路异常事件样本和所述道路异常事件样本的道路异常结果标签;
基于道路异常事件样本和所述道路异常事件样本的道路异常结果标签,对预设的待训练模型进行迭代训练,得到异常预测模型。
可选地,所述基于道路异常事件样本和所述道路异常事件样本的道路异常结果标签,对预设的待训练模型进行迭代训练,得到异常预测模型的步骤,包括:
基于所述道路异常事件样本,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果;
将所述预测道路异常结果和所述道路异常事件样本的道路异常结果标签进行差异计算,得到误差结果;
基于所述误差结果,判断所述误差结果是否满足预设误差阈值范围指示的误差标准;
若所述误差结果未满足所述预设误差阈值范围指示的误差标准,返回基于所述道路异常事件样本,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果的步骤,直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练,得到异常预测模型。
本发明存储介质具体实施方式与上述高速公路的车辆通行管控方法各实施例基本相同,在此不再赘述。
本发明还提供一种计算机程序产品、包括计算机程序,该计算机程序被处理器执行时实现上述的高速公路的车辆通行管控方法的步骤。
本发明计算机程序产品的具体实施方式与上述高速公路的车辆通行管控方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种高速公路的车辆通行管控方法,其特征在于,所述高速公路的车辆通行管控方法包括:
获取道路异常事件样本和所述道路异常事件样本的道路异常结果标签;
确定所述道路异常事件样本的时长权重,其中,所述时长权重是指异常事件持续时长的权重,所述时长权重是根据不同异常事件的相关信息所确定的,异常事件的相关信息包括事件的类型、性质以及事件强度等级;
基于所述道路异常事件样本和所述道路异常事件样本的时长权重,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果;
将所述预测道路异常结果和所述道路异常事件样本的道路异常结果标签进行差异计算,得到误差结果;
基于所述误差结果,判断所述误差结果是否满足预设误差阈值范围指示的误差标准;
若所述误差结果未满足所述预设误差阈值范围指示的误差标准,返回基于所述道路异常事件样本和所述道路异常事件样本的时长权重,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果的步骤,直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练,得到异常预测模型;
获取关于道路异常事件的多维度信息;
基于所述多维度信息,通过预设的信息融合模型进行多模态融合处理,得到道路异常事件信息;
基于所述道路异常事件信息,通过所述异常预测模型进行分析,得到道路异常结果;
基于所述道路异常结果,确定当前的道路管控信息,其中,所述道路管控信息包括管控路径;
获取用户信息,其中,所述用户信息包括需求通行路径;
判断所述需求通行路径是否经过所述管控路径;
若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码,以供所述用户根据所述通行码在所述推荐路径上进行通行,其中,所述推荐路径不经过所述管控路径。
2.如权利要求1所述的高速公路的车辆通行管控方法,其特征在于,所述若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码的步骤之后,所述方法包括:
在所述用户的通行行程结束后,确定并记录所述用户的履约行为结果至所述用户信息,其中,所述履约行为结果用于生成下一次的通行码。
3.如权利要求2所述的高速公路的车辆通行管控方法,其特征在于,所述在所述用户的通行行程结束后,确定并记录所述用户的履约行为结果至所述用户信息的步骤,包括:
在所述用户的通行行程结束后,获取所述用户的实际通行路径;
判断所述实际通行路径与所述推荐路径是否相同;
若所述通行路径与所述推荐路径相同,则确定所述用户的履约行为结果为履约完成,并将履约完成的履约行为结果记录至所述用户信息;
若所述通行路径与所述推荐路径不同,则确定并记录所述用户的履约行为结果为履约失败,并将履约失败的履约行为结果记录至所述用户信息。
4.如权利要求1所述的高速公路的车辆通行管控方法,其特征在于,所述基于所述用户信息,生成用户的通行码的步骤,包括:
提取所述用户信息中履约失败的履约行为结果记录;
基于所述履约失败的履约行为结果记录,生成相应通行限制的用户的通行码。
5.一种高速公路的车辆通行管控装置,其特征在于,所述高速公路的车辆通行管控装置包括:
样本获取模块,用于获取道路异常事件样本和所述道路异常事件样本的道路异常结果标签;
时长权重确定模块,用于确定所述道路异常事件样本的时长权重,其中,所述时长权重是指异常事件持续时长的权重;
预测模块,用于基于所述道路异常事件样本和所述道路异常事件样本的时长权重,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果;
差异计算模块,用于将所述预测道路异常结果和所述道路异常事件样本的道路异常结果标签进行差异计算,得到误差结果;
误差判断模块,用于基于所述误差结果,判断所述误差结果是否满足预设误差阈值范围指示的误差标准;
迭代训练模块,用于若所述误差结果未满足所述预设误差阈值范围指示的误差标准,返回基于所述道路异常事件样本和所述道路异常事件样本的时长权重,通过预设的待训练模型进行异常事件分析,得到预测道路异常结果的步骤,直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练,得到异常预测模型;
多维度信息获取模块,用于获取关于道路异常事件的多维度信息;
融合模块,用于基于所述多维度信息,通过预设的信息融合模型进行多模态融合处理,得到道路异常事件信息;
分析模块,用于基于所述道路异常事件信息,通过所述异常预测模型进行分析,得到道路异常结果;
道路管控信息确定模块,用于基于所述道路异常结果,确定当前的道路管控信息,其中,所述道路管控信息包括管控路径;
获取模块,用于获取用户信息,其中,所述用户信息包括需求通行路径;
判断模块,用于判断所述需求通行路径是否经过所述管控路径;
生成模块,用于若所述需求通行路径经过所述管控路径,则基于预设的路网模型,生成推荐路径,并基于所述用户信息,生成用户的通行码,以供所述用户根据所述通行码在所述推荐路径上进行通行,其中,所述推荐路径不经过所述管控路径。
6.一种高速公路的车辆通行管控设备,其特征在于,所述高速公路的车辆通行管控设备包括:存储器、处理器以及存储在存储器上的用于实现所述高速公路的车辆通行管控方法的程序,
所述存储器用于存储实现高速公路的车辆通行管控方法的程序;
所述处理器用于执行实现所述高速公路的车辆通行管控方法的程序,以实现如权利要求1至4中任一项所述高速公路的车辆通行管控方法的步骤。
7.一种存储介质,其特征在于,所述存储介质上存储有实现高速公路的车辆通行管控方法的程序,所述实现高速公路的车辆通行管控方法的程序被处理器执行以实现如权利要求1至4中任一项所述高速公路的车辆通行管控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311846911.1A CN117496740B (zh) | 2023-12-29 | 2023-12-29 | 高速公路的车辆通行管控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311846911.1A CN117496740B (zh) | 2023-12-29 | 2023-12-29 | 高速公路的车辆通行管控方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117496740A CN117496740A (zh) | 2024-02-02 |
CN117496740B true CN117496740B (zh) | 2024-03-19 |
Family
ID=89676822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311846911.1A Active CN117496740B (zh) | 2023-12-29 | 2023-12-29 | 高速公路的车辆通行管控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117496740B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106652447A (zh) * | 2016-12-07 | 2017-05-10 | 江苏省公安厅交通警察总队 | 高速公路恶劣天气管控信息系统 |
CN108268974A (zh) * | 2017-12-28 | 2018-07-10 | 阿里巴巴集团控股有限公司 | 一种路径推荐的方法及装置 |
CN112017424A (zh) * | 2019-05-31 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 封闭高速公路交通应急管控的方法及装置 |
KR102352954B1 (ko) * | 2021-05-31 | 2022-01-19 | 주식회사 아미크 | 예측 자동 회귀 기반 실시간 기업정보시스템 사용자 이상행위 탐지 시스템 및 방법 |
CN114338785A (zh) * | 2021-11-23 | 2022-04-12 | 山东正晨科技股份有限公司 | 一种伴随式出行服务系统 |
CN114898570A (zh) * | 2022-05-12 | 2022-08-12 | 山东高速股份有限公司 | 恶劣天气下的高速公路弹性通行方法 |
CN116229594A (zh) * | 2022-12-28 | 2023-06-06 | 山东高速集团有限公司 | 一种基于高速公路的车辆收费监测方法、设备及介质 |
CN116580574A (zh) * | 2023-04-10 | 2023-08-11 | 威海北洋电气集团股份有限公司 | 基于车流量监测的道路交通多向动态管控方法 |
CN116994214A (zh) * | 2023-09-25 | 2023-11-03 | 南京华琨信息科技有限公司 | 一种公路道路安全评价方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220207994A1 (en) * | 2020-12-30 | 2022-06-30 | Here Global B.V. | Methods and systems for predicting road closure in a region |
-
2023
- 2023-12-29 CN CN202311846911.1A patent/CN117496740B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106652447A (zh) * | 2016-12-07 | 2017-05-10 | 江苏省公安厅交通警察总队 | 高速公路恶劣天气管控信息系统 |
CN108268974A (zh) * | 2017-12-28 | 2018-07-10 | 阿里巴巴集团控股有限公司 | 一种路径推荐的方法及装置 |
CN112017424A (zh) * | 2019-05-31 | 2020-12-01 | 阿里巴巴集团控股有限公司 | 封闭高速公路交通应急管控的方法及装置 |
KR102352954B1 (ko) * | 2021-05-31 | 2022-01-19 | 주식회사 아미크 | 예측 자동 회귀 기반 실시간 기업정보시스템 사용자 이상행위 탐지 시스템 및 방법 |
CN114338785A (zh) * | 2021-11-23 | 2022-04-12 | 山东正晨科技股份有限公司 | 一种伴随式出行服务系统 |
CN114898570A (zh) * | 2022-05-12 | 2022-08-12 | 山东高速股份有限公司 | 恶劣天气下的高速公路弹性通行方法 |
CN116229594A (zh) * | 2022-12-28 | 2023-06-06 | 山东高速集团有限公司 | 一种基于高速公路的车辆收费监测方法、设备及介质 |
CN116580574A (zh) * | 2023-04-10 | 2023-08-11 | 威海北洋电气集团股份有限公司 | 基于车流量监测的道路交通多向动态管控方法 |
CN116994214A (zh) * | 2023-09-25 | 2023-11-03 | 南京华琨信息科技有限公司 | 一种公路道路安全评价方法及系统 |
Non-Patent Citations (1)
Title |
---|
济青高速精准管控通行码系统;郭子英等;《中国交通信息化》;20210831;第120-122页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117496740A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109520744B (zh) | 自动驾驶车辆的驾驶性能测试方法和装置 | |
US10902719B2 (en) | Method of predicting traffic congestion and controlling traffic signals based on deep learning and server for performing the same | |
CN108074396A (zh) | 安全行驶评价方法及系统 | |
CN108592932A (zh) | 一种无人车调度方法、系统、设备及存储介质 | |
CN110969852A (zh) | 基于布控车辆行驶路径实现公安实时预测及缉查布控处理的方法 | |
CN102231231A (zh) | 区域公路网交通安全态势预警系统及其方法 | |
CN103500503A (zh) | 一种基于众包模式的精准路况分析方法及系统 | |
US20140365103A1 (en) | Method and system for collecting traffic data | |
CN109493606B (zh) | 一种高速公路上违停车辆的识别方法及系统 | |
CN109859505B (zh) | 高速站点的预警处理方法、装置、服务器和介质 | |
CN112185147A (zh) | 一种车辆行驶过程优化方法、装置、设备及存储介质 | |
CN111541751B (zh) | 一种轨迹监测的方法及装置 | |
CN111765904B (zh) | 自动驾驶车辆的测试方法、装置、电子设备和介质 | |
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 | |
CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
CN114363316A (zh) | 一种跨区域道路基础设施智能联网监测与监管系统 | |
CN111127882A (zh) | 一种基于大数据的旅游景区停车场来车数量预测方法 | |
CN113978481A (zh) | 车道异常提醒方法、装置、存储介质和终端 | |
CN117496740B (zh) | 高速公路的车辆通行管控方法、装置、设备及存储介质 | |
US20200256687A1 (en) | System For Determining A Risk Of An Accident On A Driving Route | |
CN115640997B (zh) | 交通事故风险动态识别方法和识别模型构建方法 | |
CN116740940A (zh) | 恶劣天气高影响路段风险预测和安全管理方法、装置和设备 | |
Ye et al. | Benefit–cost analysis of maintenance decision support system | |
CN115565365A (zh) | 一种高速公路数据处理方法、装置、设备及计算机程序产品 | |
CN115757628A (zh) | 车辆碰撞检测方法、装置、设备及介质 |
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 |