CN117953691B - 交通数据处理方法、装置、电子设备及存储介质 - Google Patents
交通数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117953691B CN117953691B CN202410347643.7A CN202410347643A CN117953691B CN 117953691 B CN117953691 B CN 117953691B CN 202410347643 A CN202410347643 A CN 202410347643A CN 117953691 B CN117953691 B CN 117953691B
- Authority
- CN
- China
- Prior art keywords
- path
- flow
- target
- pair
- determining
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000007480 spreading Effects 0.000 claims abstract description 75
- 238000003892 spreading Methods 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 42
- 238000012804 iterative process Methods 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 description 20
- 230000000295 complement effect Effects 0.000 description 11
- 230000036961 partial effect Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 108010003272 Hyaluronate lyase Proteins 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 101100421134 Schizosaccharomyces pombe (strain 972 / ATCC 24843) sle1 gene Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种交通数据处理方法、装置、电子设备及存储介质,至少应用于交通领域,方法包括:获取至少一个应用统计的区域内的交通流量信息;针对每个路段,基于交通流量信息确定多个第一路径的统计路径流量;第一路径为以驶入口为起点,至少途径路段,到达驶出口的路径;针对每个路段,将最小统计路径流量对应的第一路径,确定为路段的目标路径;基于预设的约束条件和每个目标路径的统计路径流量,确定每个目标路径的扩样参数;基于每个目标路径的统计路径流量和扩样参数,确定每个目标路径的目标路径流量以及每个出入口对的路径总流量。通过本申请,能够提高获取区域的路径流量的时效性和准确性。
Description
技术领域
本申请涉及交通领域,尤其涉及一种交通数据处理方法、装置、电子设备及存储介质。
背景技术
在对区域的交通情况进行仿真的仿真场景中,需要预测区域在未来时段的路径流量以及断面流量。而在预测区域未来时段的路径流量以及断面流量时,需要使用区域的当前时段的实际路径流量以及实际断面流量。
相关技术中,人工实时统计区域的当前时段的实际路径流量以及实际断面流量。在区域的流量很大时,由于人工统计耗时长,导致上述方法时效性低下。
发明内容
本申请实施例提供一种交通数据处理方法、装置、电子设备及存储介质,能够提高获取区域的路径流量的时效性和准确性。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种交通数据处理方法,所述方法包括:获取至少一个应用统计的区域内的交通流量信息;所述区域包括多个出入口对和多个路段,所述出入口对包括一个驶入口和一个驶出口;针对每个所述路段,基于所述交通流量信息确定多个第一路径的统计路径流量;所述第一路径为以所述驶入口为起点,至少途径所述路段,到达所述驶出口的路径;针对每个所述路段,将最小统计路径流量对应的第一路径,确定为所述路段的目标路径;基于预设的约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的扩样参数;基于每个所述目标路径的统计路径流量和扩样参数,确定每个所述目标路径的目标路径流量以及每个所述出入口对的路径总流量。
本申请实施例提供一种交通数据处理装置,包括:交通信息获取模块,用于获取第一应用统计的区域内的交通流量信息;所述区域包括多个出入口对和多个路段,所述出入口对包括一个驶入口和一个驶出口;统计流量获取模块,用于针对每个所述路段,基于所述交通流量信息确定多个第一路径的统计路径流量;所述第一路径为以所述驶入口为起点,至少途径所述路段,到达所述驶出口的路径;目标路径确定模块,用于针对每个所述路段,将最小统计路径流量对应的第一路径,确定为所述路段的目标路径;扩样参数确定模块,用于基于预设的约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的扩样参数;路径流量确定模块,用于基于每个所述目标路径的统计路径流量和扩样参数,确定每个所述目标路径的目标路径流量以及每个所述出入口对的路径总流量。
在一些实施例中,所述交通流量信息包括预设的历史时间段内每个所述出入口对的历史路径总流量,所述预设的约束条件包括第一约束条件、第二约束条件以及第三约束条件;所述扩样参数确定模块,还用于执行以下迭代处理:基于所述第一约束条件、所述第二约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第一扩样参数;基于每个所述目标路径的第一扩样参数和统计路径流量,确定每个所述出入口对的路径总流量;当至少一个所述路径总流量不满足所述第三约束条件时,基于所述第一约束条件、所述第二约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第二扩样参数,并将每个所述目标路径的第二扩样参数确定为下一次迭代处理时的第一扩样参数;所述第三约束条件为:所述出入口对的路径总流量与第一流量的比值,小于或等于所述出入口对的第一上限值,且大于或等于所述出入口对的第一下限值;所述出入口对的第一流量为所述出入口对的路径总流量与历史路径总流量的平均值;当每个所述路径总流量满足所述第三约束条件时,停止所述迭代处理;并将停止所述迭代处理时每个所述目标路径的第二扩样参数,确定为每个所述目标路径的扩样参数。
在一些实施例中,所述交通数据处理装置还包括约束条件确定模块,用于针对每个所述出入口对,从所述区域的预设属性系数中获取所述出入口对的时间误差系数;将第一预设值与所述时间误差系数的差值,确定为所述出入口对的第一下限值;将所述第一预设值与所述时间误差系数的和,确定为所述出入口对的第一上限值;基于所述出入口对的第一下限值和第一下限值确定所述第三约束条件。
在一些实施例中,所述交通流量信息包括每个目标路段的第一实测断面流量;所述扩样参数确定模块,还用于执行以下迭代处理:基于所述第一约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第三扩样参数;基于每个所述目标路径的第三扩样参数和统计路径流量,确定每个所述目标路段的第一估计断面流量;所述目标路段为所述目标路径中的路段;当至少一个所述目标路段的第一估计断面流量不满足所述第二约束条件时,基于所述第一约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第四扩样参数,并将每个所述目标路径的第四扩样参数确定为下一次迭代处理时的第三扩样参数;所述第二约束条件为:所述目标路段的第一估计断面流量与第一实测断面流量的比值,小于或等于所述目标路段的第二上限值,且大于或等于所述目标路段的第二下限值,且所述目标路段的第一估计断面流量小于或等于所述目标路段的车辆流量上限值;当每个所述目标路段的第一估计断面流量满足所述第二约束条件时,停止所述迭代处理;并将停止所述迭代处理时每个所述目标路径的第四扩样参数,确定为每个所述目标路径的第一扩样参数。
在一些实施例中,所述约束条件确定模块,还用于针对每个所述目标路段,从所述区域的预设属性系数中获取所述目标路段的第一通行比例和车辆流量上限值;将第一预设值与所述目标路段的第一通行比例的差值,确定为所述目标路段的第二下限值,并将所述第一预设值确定为所述目标路段的第二上限值;基于所述目标路段的第二下限值、所述第二上限值和所述车辆流量上限值确定所述第二约束条件。
在一些实施例中,所述扩样参数确定模块,还用于针对每个所述目标路径中的每个目标路段,将所述目标路径的第三扩样参数与所述目标路径的统计路径流量的乘积,确定为所述目标路径中所述目标路段的第二估计断面流量;针对每个所述目标路段,将多个第二路径中所述目标路段的第二估计断面流量加和,得到所述目标路段的第一估计断面流量;所述第二路径为包含所述目标路段的目标路径。
在一些实施例中,所述交通流量信息包括每个所述卡口对的实测卡口流量;所述扩样参数确定模块,还用于获取预设的每个所述目标路径的初始扩样参数;基于每个所述目标路径的统计路径流量和初始扩样参数,确定每个卡口对的目标估计卡口流量;所述卡口对包括分别设置在不同路段上的两个卡口;当至少一个所述卡口对的目标估计卡口流量不满足所述第一约束条件时,更新每个所述目标路径的初始扩样参数,得到每个所述目标路径的更新后的第五扩样参数,并将每个所述目标路径更新后的第五扩样参数确定为下一次迭代处理时的初始扩样参数;所述第一约束条件为:所述卡口对的目标估计卡口流量与实测卡口流量的比值,小于或等于所述卡口对的第三上限值,且大于或等于所述卡口对的第三下限值;当每个所述卡口对的目标估计卡口流量满足所述第一约束条件时,停止所述迭代处理;并将停止所述迭代处理时每个所述目标路径的第五扩样参数,确定为每个所述目标路径的第三扩样参数。
在一些实施例中,所述约束条件确定模块,还用于针对每个所述卡口对,从所述区域的预设属性系数中获取所述卡口对的误差系数;将第一预设值与所述卡口对的误差系数的差值,确定为所述卡口对的第三下限值,并将所述第一预设值确定为所述卡口对的第三上限值;基于所述卡口对的第三下限值和第三上限值确定所述第一约束条件。
在一些实施例中,还用于针对每个所述目标路径中的每个所述卡口对,将所述目标路径的统计路径流量与初始扩样参数的乘积,确定为所述目标路径中所述卡口对的第一估计卡口流量;针对每个所述卡口对,将多个第三路径中所述卡口对的第一估计卡口流量加和,得到所述卡口对的目标估计卡口流量;所述第三路径为包含所述卡口对的目标路径。
在一些实施例中,所述路径流量确定模块,还用于将每个目标路径的统计路径流量和扩样参数相乘,得到每个所述目标路径的目标路径流量;针对每个所述出入口对,将每个第三路径的目标路径流量加和,得到所述出入口对的路径总流量;所述第三路径为包括所述出入口对的目标路径。
本申请实施例提供一种电子设备,所述电子设备包括:
存储器,用于存储计算机可执行指令或者计算机程序;
处理器,用于执行所述存储器中存储的计算机可执行指令或者计算机程序时,实现本申请实施例提供的交通数据处理方法。
本申请实施例提供一种计算机可读存储介质,存储有计算机程序或计算机可执行指令,用于被处理器执行时实现本申请实施例提供的交通数据处理方法。
本申请实施例提供一种计算机程序产品,包括计算机程序或计算机可执行指令,所述计算机程序或计算机可执行指令被处理器执行时,实现本申请实施例提供的交通数据处理方法。
本申请实施例具有以下有益效果:
一方面,在获取区域的路径流量时,利用预设的约束条件和应用统计得到的每个目标路径的统计路径流量,确定每个目标路径的扩样参数,进而基于每个目标路径的统计路径流量和扩样参数,确定每个目标路径的目标路径流量以及每个出入口对的路径总流量。相比于相关技术中使用人工统计的方法,本申请实施例可以基于应用统计的区域内的交通流量信息,自动计算得到区域中每个目标路径的目标路径流量以及每个出入口对的路径总流量,提高了路径流量获取效率,从而提高了获取区域的路径流量的时效性;
另一方面,由于应用不能获取每一车辆的行驶数据,所以应用采集到的数据存在缺失,应用统计的区域内的路径流量是不准确的。本申请实施例在获取至少一个应用统计的区域内的交通流量信息后,确定途径路段的多个第一路径,将最小统计路径流量对应的第一路径确定为路段的目标路径,由于区域中最小统计路径流量对应的目标路径一般都会设置有卡口,也即具有卡口实际测量得到的车流量,因此利用预设的约束条件和目标路径的统计路径流量确定的扩样参数更为准确,进而基于每个目标路径的统计路径流量和扩样参数确定每个目标路径的目标路径流量,可以提高获取区域的路径流量的准确性。
附图说明
图1为本申请实施例提供的一个区域的示意图;
图2是本申请实施例提供的交通数据处理系统的架构示意图;
图3是本申请实施例提供的电子设备的结构示意图;
图4是本申请实施例提供的交通数据处理方法的第一流程示意图;
图5是本申请实施例提供的交通数据处理方法的第二流程示意图;
图6是本申请实施例提供的交通数据处理方法的第三流程示意图。
需要指出,上述的“第一”、“第二”、“第三”仅用于区分不同的方案,不代表用于区分方案的优劣程度或在实施过程中的优先级。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
本申请实施例中,术语“模块”或“单元”是指有预定功能的计算机程序或计算机程序的一部分,并与其他相关部分一起工作以实现预定目标,并且可以通过使用软件、硬件(如处理电路或存储器)或其组合来全部或部分实现。同样的,一个处理器(或多个处理器或存储器)可以用来实现一个或多个模块或单元。此外,每个模块或单元都可以是包含该模块或单元功能的整体模块或单元的一部分。
除非另有定义,本申请实施例所使用的所有的技术和科学术语与所属技术领域的技术人员通常理解的含义相同。本申请实施例中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
本申请实施例中相关数据收集处理在实例应用时应该严格根据相关国家法律法规的要求,获取个人信息主体的知情同意或单独同意,并在法律法规及个人信息主体的授权范围内,开展后续数据使用及处理。
对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释。
1)区域:一个电子围栏,电子围栏内包含多个路径,路径是从驶入口到达驶出口过程中途径的多个连续路段或者道路的集合,路段为路口与路口之间的道路。图1是本申请实施例提供的一个区域的示意图。如图1所示,N1、N2等为路口,N1与N2之间为一个路段,O1、O2等为区域的驶入口,D1、D2等为区域的驶出口,O1途径N1、N2、N3到达D4为一条路径。
2)卡口:是在路段上设置的硬件检测仪,可以用于统计该路段上的车流量;卡口流量即为某个路段上卡口测量出的车流量;卡口对流量为实际经过某两个卡口测量出来的车流量。
3)路径流量:经过多条路段的路径的车流量,也即,从一个驶入口O到具体某一个驶出口D的完整路径的车流量,例如图1中从O1途径N1、N2、N3到达D4的该条路径的车流量。
4)断面流量:是指具体某个路段的某个位置的横截面经过的车流量,一般情况下可以认为是路段单个方向上的车流量。例如图1中,N1N4路段的断面流量为N1N4路段从N1驶入N4驶出方向上的车流量。
5)OD流量:从一个驶入口O到一个驶出口D的车流量,也即以驶入口O到驶出口D的所有路径的路径流量的总和。
智能交通系统(Intelligent Traffic System,ITS)又称智能运输系统(Intelligent Transportation System),是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造,加强车辆、道路、使用者三者之间的联系,从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。或者;
智能车路协同系统(Intelligent Vehicle Infrastructure CooperativeSystems,IVICS),简称车路协同系统,是智能交通系统(ITS)的一个发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。
相关技术中,在对区域的交通情况进行仿真的仿真场景中,需要预测区域在未来时段的路径流量以及断面流量。在预测区域未来时段的路径流量以及断面流量时,需要使用区域的当前时段的实际路径流量以及实际断面流量,例如,借助深度学习算法,根据区域的当前时段的实际路径流量以及实际断面流量,预测区域在未来时段的路径流量以及断面流量。对于“区域的当前时段的实际路径流量以及实际断面流量”而言,相关技术是人工实时统计“区域的当前时段的实际路径流量以及实际断面流量”,在区域的流量很大时,人工统计的人工成本高,耗时长,且由于耗时长,导致人工统计的时效性低。
基于相关技术所存在的问题,本申请实施例提供一种交通数据处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品,能够提高获取区域的路径流量的时效性和准确性,下面说明本申请实施例提供的电子设备的示例性应用,本申请实施例提供的设备可以实施为笔记本电脑、平板电脑,台式计算机、机顶盒、智能手机、智能音箱、智能手表、智能电视、车载终端等各种类型的终端,也可以实施为服务器。其中,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例中不做限制。下面,将说明电子设备实施为服务器时的示例性应用。
参见图2,图2是本申请实施例提供的交通数据处理系统的架构示意图,为实现支撑一个交通数据处理应用,终端400通过网络300连接服务器200,网络300可以是广域网或者局域网,又或者是二者的组合。
参见图2,用户可以通过终端400在交通数据处理应用的客户端执行交互操作,该交互操作例如可以是开启交通数据处理的点击操作等。客户端在接收到用户的交互操作之后,可以将终端标识或者客户端标识封装至交通数据处理请求中,并通过终端400将交通数据处理请求发送给服务器200。服务器200在接收到交通数据处理请求时,响应于交通数据处理请求,获取至少一个应用统计的区域内的交通流量信息;区域包括多个出入口对和多个路段,出入口对包括一个驶入口和一个驶出口;服务器200针对每个路段,基于交通流量信息确定多个第一路径的统计路径流量;第一路径为以驶入口为起点,至少途径路段,到达驶出口的路径;服务器200针对每个路段,将最小统计路径流量对应的第一路径,确定为路段的目标路径;服务器200基于预设的约束条件和每个目标路径的统计路径流量,确定每个目标路径的扩样参数;最后,服务器200基于每个目标路径的统计路径流量和扩样参数,确定每个目标路径的目标路径流量以及每个出入口对的路径总流量。在确定出多个路径总流量之后,服务器200可以将多个路径总流量发送给终端400,以向用户展示路径总流量。
在一些实施例中,还可以由终端400自身执行本申请实施例的交通数据处理方法,也就是说,当终端400接收到用户通过客户端输入的交互操作之后,由终端400获取至少一个应用统计的区域内的交通流量信息;区域包括多个出入口对和多个路段,一个出入口对包括一个驶入口和一个驶出口;针对每个路段,基于交通流量信息确定多个第一路径的统计路径流量;第一路径为以驶入口为起点,至少途径路段,到达驶出口的路径;针对每个路段,将最小统计路径流量对应的第一路径,确定为路段的目标路径;基于预设的约束条件和每个目标路径的统计路径流量,确定每个目标路径的扩样参数;最后,基于每个目标路径的统计路径流量和扩样参数,确定每个目标路径的目标路径流量以及每个出入口对的路径总流量。在确定出多个路径总流量之后,在终端400的客户端界面上显示多个路径总流量。
本申请实施例所提供的交通数据处理方法还可以基于云平台并通过云技术来实现,例如,上述服务器200可以是云端服务器。通过云端服务器响应于交通数据处理请求,获取至少一个应用统计的区域内的交通流量信息;区域包括多个出入口对和多个路段,出入口对包括一个驶入口和一个驶出口;或者,通过云端服务器针对每个路段,基于交通流量信息确定多个第一路径的统计路径流量;第一路径为以驶入口为起点,至少途径路段,到达驶出口的路径;或者,通过云端服务器针对每个路段,将最小统计路径流量对应的第一路径,确定为路段的目标路径;或者,通过云端服务器基于预设的约束条件和每个目标路径的统计路径流量,确定每个目标路径的扩样参数;或者,通过云端服务器基于每个目标路径的统计路径流量和扩样参数,确定每个目标路径的目标路径流量以及每个出入口对的路径总流量。
在一些实施例中,还可以具有云端存储器,可以将应用统计的区域内的交通流量信息存储至云端存储器中。这样,在接收到交通数据处理请求时,则可以从云端存储器中直接获取应用统计的区域内的交通流量信息等,从而提高获取区域内的路径流量的效率。
这里需要说明的是,云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源,如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用,将来每个物品都有可能存在自己的识别标志,都需要传输到后台系统进行逻辑处理,不同程度级别的数据将会分开处理,各类行业数据皆需要强大的系统后盾支撑,其可以通过云计算来实现。
参见图3,图3是本申请实施例提供的电子设备的结构示意图,图3所示的电子设备包括:至少一个处理器410、存储器450、至少一个网络接口420和用户接口430。电子设备中的各个组件通过总线系统440耦合在一起。可理解,总线系统440用于实现这些组件之间的连接通信。总线系统440除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图3中将各种总线都标为总线系统440。
处理器410可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(Digital Signal Processor,DSP),或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其中,通用处理器可以是微处理器或者任何常规的处理器等。
用户接口430包括使得能够呈现媒体内容的一个或多个输出装置431,包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口430还包括一个或多个输入装置432,包括有助于用户输入的用户接口部件,比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。
存储器450可以是可移除的,不可移除的或其组合。示例性的硬件设备包括固态存储器,硬盘驱动器,光盘驱动器等。存储器450可选地包括在物理位置上远离处理器 410的一个或多个存储设备。
存储器450包括易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(Read Only Memory,ROM),易失性存储器可以是随机存取存储器(Random Access Memory,RAM)。本申请实施例描述的存储器450旨在包括任意适合类型的存储器。
在一些实施例中,存储器450能够存储数据以支持各种操作,这些数据的示例包括程序、模块和数据结构或者其子集或超集,下面示例性说明。
操作系统451,包括用于处理各种基本系统服务和执行硬件相关任务的系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务;
网络通信模块452,用于经由一个或多个(有线或无线)网络接口420到达其他电子设备,示例性的网络接口420包括:蓝牙、无线相容性认证(WiFi)、和通用串行总线(Universal Serial Bus,USB)等;
呈现模块453,用于经由一个或多个与用户接口430相关联的输出装置431(例如,显示屏、扬声器等)使得能够呈现信息(例如,用于操作外围设备和显示内容和信息的用户接口);
输入处理模块454,用于对一个或多个来自一个或多个输入装置432之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。
在一些实施例中,本申请实施例提供的交通数据处理装置可以采用软件方式实现,图3示出了存储在存储器450中的交通数据处理装置455,其可以是程序和插件等形式的软件,包括以下软件模块:交通信息获取模块4551、统计流量获取模块4552、目标路径确定模块4553、扩样参数确定模块4554和路径流量确定模块4555,这些模块是逻辑上的,因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。
在另一些实施例中,本申请实施例提供的装置可以采用硬件方式实现,作为示例,本申请实施例提供的装置可以是采用硬件译码处理器形式的处理器,其被编程以执行本申请实施例提供的交通数据处理方法,例如,硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(Application Specific Integrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、可编程逻辑器件(Programmable Logic Device,PLD)、复杂可编程逻辑器件(Complex Programmable Logic Device,CPLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或其他电子元件。
本申请各实施例提供的交通数据处理方法可以由电子设备来执行,其中,该电子设备可以是服务器也可以是终端,即本申请各实施例的交通数据处理方法可以通过服务器来执行,也可以通过终端来执行,或者也可以通过服务器与终端之间交互执行。
图4是本申请实施例提供的交通数据处理方法的第一流程示意图,下面将结合图4示出的步骤进行说明,如图4所示,以交通数据处理方法的执行主体为服务器为例进行说明,方法包括以下步骤S101至步骤S105:
步骤S101,获取至少一个应用统计的区域内的交通流量信息。
区域包括多个出入口对和多个路段,一个出入口对包括一个驶入口和一个驶出口。
这里,应用为用于统计区域内的路径流量以及断面流量的应用程序,示例性的,应用可以为互联网导航软件、约车软件等。区域为一个包含多个驶入口、多个驶出口以及多个路段的地域空间,一个驶入口和一个驶出口组成一个出入口对。参见图1,驶入口为车辆驶入区域的边界入口,例如O1、O2等,驶出口为车辆驶出区域的边界出口,例如D1、D2等,O1D2为一个出入口对。图1中N1、N2代表不同的路口,每两个路口之间为一个路段。每个路段上可能会设置有一个卡口,也可能不会设置卡口。卡口是一个硬件检测仪,用于实际测量路段上的车流量,也即用于获取路段的实测断面流量。示例性的,在5分钟内,路段1上的卡口拍摄到10个不同车辆的车牌号码,或者获取到10个不同车辆的缴费信息,则该路段1在5分钟内的实测断面流量为10。交通流量信息至少包括区域中当前时段的每个路径的统计路径流量,以及每个卡口测量的实测断面流量。需要说明的是,本申请示例对当前时段的时间长度不作具体限定,可以基于实际情况自行设定。示例性的,当前时段的时间长度为5分钟,当前为8点,当前时段可以为从8点开始的历史5分钟,也即统计7点55至8点的车流量为当前时段的车流量。
步骤S102,针对每个路段,基于交通流量信息确定多个第一路径的统计路径流量。
第一路径为以驶入口为起点,至少途径路段,到达驶出口的路径。
这里,路径为从某一个驶入口为起点,途径区域中的至少一个路段,到达某一个驶出口的行驶轨迹,一个路径包括多个连续的路段。需要说明的是,本申请实施例中路段是有方向的,也即将相同两个路口之间的道路在不同方向上确定为两个不同的路段。在获取某一个路段的断面流量时,该路段的断面流量为单方向上的车流量。示例性的,图1中从路口N1驶向路口N2的路段的断面流量,与从路口N2驶向路口N1的路段的断面流量不同。因此,本申请实施例将路段N1N2和路段N2N1视作两个不同的路段。针对区域内的任一路段,第一路径为从一个驶入口驶入区域,至少途径该路段后到达一个驶出口驶出区域的路径。举例来说,区域中共包括100条路径,路段1为N1N2,路段2为N2N1,其中,车辆从路口N1驶入,从路口N2驶出,存在20条路径途径了路段1。针对路段1,路段1的多个第一路径为上述20条路径。
路径的统计路径流量是可以应用基于用户上传的数据统计得到。示例性的,路径的统计路径流量可以是用户在使用A应用进行路线导航时,A应用统计得到的;或者,路径的统计路径流量还可以是用户在使用B应用进行打车时,B应用统计得到的。需要说明的是,由于应用在统计交通流量信息时,可能会存在数据缺失,因此并不是区域内的每个路径都存在统计路径流量。本申请实施例中,可以先从交通流量信息获取到具有统计路径流量数据的所有路径,再针对具有统计路径流量数据的所有路径途径的每个路段,从交通流量信息中获取每个路段的多个第一路径的统计路径流量。
步骤S103,针对每个路段,将最小统计路径流量对应的第一路径,确定为路段的目标路径。
这里,针对任一路段,可以从该路段的多个第一路径的统计路径流量中确定最小统计路径流量,并将该最小统计路径流量对应的第一路径确定为该路段的目标路径。
本申请实施例保证了区域内途径每个路段的具有最小统计路径流量的路径被保留,得以进行后续的交通数据处理过程。具有最小路径流量的路径一般都为设置有卡口的路径,或者统计得到的统计路径流量与卡口的实际测量值较为接近的路径,因此可以提高后续交通数据处理的准确性,进而提高获取区域当前时段路径流量的准确性。
步骤S104,基于预设的约束条件和每个目标路径的统计路径流量,确定每个目标路径的扩样参数。
这里,针对区域内的任一路段,可能存在多个途径该路段的目标路径。因此,该路段的实测断面流量等于多个途径该路段的目标路径的路径流量的总和。目标路径的扩样参数用于表征该目标路径的路径流量,在目标路径途径的该路段的实测断面流量中的占比。也即,针对任一目标路径中的任一路段,该目标路径的扩样参数为该路段上卡口实际测量得到的实测断面流量与应用统计得到的该目标路径的统计路径流量的比值。举例来说,目标路径1途径了路段a,目标路径1的统计路径流量为1,路段a的实测断面流量为5,则目标路径1的扩样参数等于5。需要说明的是,同一目标路径的扩样参数在理论上是相同的,但是实际应用中,同一目标路径的扩样参数也可能存在不同。
本申请实施例中,因为区域内并不是所有的路段都设置有卡口,也就无法获取每个路段的实测断面流量,无法直接计算每个目标路径的扩样参数。可以初始化扩样参数,使每个目标路径的初始扩样参数为相同的值,基于预设的约束条件和每个目标路径的统计路径流量,对每个目标路径的初始扩样参数进行迭代更新,得到每个目标路径的扩样参数。针对每个目标路径,目标路径的扩样参数与统计路径流量的乘积即为目标路径流量。预设的约束条件为每个目标路径的目标路径流量的取值范围的限制条件,预设的约束条件可以包括多个不等式。由于目标路径的统计路径流量是已知的固定值,因此基于预设的约束条件可以迭代更新得到符合预设的约束条件的目标路径的扩样参数。
在一些实施例中,交通流量信息包括预设的历史时间段内每个出入口对的历史路径总流量,预设的约束条件包括第一约束条件、第二约束条件以及第三约束条件。参见图5,图5示出了步骤S104中基于预设的约束条件和每个目标路径的统计路径流量,确定每个目标路径的扩样参数,可以通过以下步骤S1041至步骤S1044执行以下迭代处理:
步骤S1041,基于第一约束条件、第二约束条件和每个目标路径的统计路径流量,确定每个目标路径的第一扩样参数。
这里,预设的历史时间段可以为过去某一天中与当前时段相对应的时间段,或者位于当前时段未来的时间段。示例性的,当前时段为8点至8点05分,预设的历史时间段可以为昨天的8点至8点05分,或者昨天的8点05分至8点10分,或者上一周的8点至8点05分等。本申请实施例对预设的历史时间段不作具体限定,只需保证预设的历史时间段是位于当前时段过去的时间段,且时间长度与当前时段的时间长度相同。出入口对的历史路径总流量为从该出入口对中的驶入口驶入,从该出入口对种的驶入口驶出的所有目标路径的历史路径流量的总和。可以直接从应用统计的交通流量信息中获取预设的历史时间段内每个出入口对的历史路径总流量。
第一约束条件为每个目标路径中卡口对的卡口流量的取值范围的限制条件,第一约束条件包括与卡口对的卡口流量相关的不等式。卡口对的卡口流量为从卡口对中一个卡口驶入,另一个卡口驶出的车流量。第二约束条件为每个目标路径中路段的断面流量的取值范围的限制条件,第二约束条件包括与路段的断面流量相关的不等式。第三约束条件为每个出入口对的路径总流量的取值范围的限制条件,第三约束条件包括与出入口对的路径总流量相关的不等式。卡口对的卡口流量、路段的断面流量以及出入口对的路径总流量都是基于每个目标路径的统计路径流量和扩样参数确定得到的,由于每个目标路径的统计路径流量是已知的固定值,因此基于预设的第一约束条件、第二约束条件和第三约束条件可以迭代更新得到符合预设的约束条件的目标路径的扩样参数。第一扩样参数是迭代过程中,确定出的符合第一约束条件和第二约束条件的扩样参数。
在一些实施例中,交通流量信息包括每个目标路段的第一实测断面流量。步骤S1041中基于第一约束条件、第二约束条件和每个目标路径的统计路径流量,确定每个目标路径的第一扩样参数,可以通过以下方式实现:执行以下迭代处理:首先,基于第一约束条件和每个目标路径的统计路径流量,确定每个目标路径的第三扩样参数;然后,基于每个目标路径的第三扩样参数和统计路径流量,确定每个目标路段的第一估计断面流量;目标路段为目标路径中的路段;当至少一个目标路段的第一估计断面流量不满足第二约束条件时,基于第一约束条件和每个目标路径的统计路径流量,确定每个目标路径的第四扩样参数,并将每个目标路径的第四扩样参数确定为下一次迭代处理时的第三扩样参数;第二约束条件为:目标路段的第一估计断面流量与第一实测断面流量的比值,小于或等于目标路段的第二上限值,且大于或等于目标路段的第二下限值,且目标路段的第一估计断面流量小于或等于目标路段的车辆流量上限值;当每个目标路段的第一估计断面流量满足第二约束条件时,停止迭代处理;并将停止迭代处理时每个目标路径的第四扩样参数,确定为每个目标路径的第一扩样参数。
这里,针对任一目标路径,将该目标路径途径的每个路段确定为目标路段。第一实测断面流量是目标路段上设置的卡口,实际测量得到的经过目标路段的车流量。第三扩样参数为经过迭代确定得到的符合第一约束条件的扩样参数。目标路段的第一估计断面流量为利用目标路径的第三扩样参数和统计路径流量估算得到的断面流量。当至少一个目标路段的第一估计断面流量不满足第二约束条件时,可以重新基于第一约束条件和每个目标路径的统计路径流量,确定每个目标路径的第四扩样参数,第四扩样参数也为经过迭代确定得到的符合第一约束条件的扩样参数。但至少一个目标路径的第四扩样参数的取值与第三扩样参数的取值不同。利用新更新的目标路径的第三扩样参数,以及目标路径的统计路径流量计算目标路段的第一估计断面流量。再执行对每个目标路段的第一估计断面流量是否符合第二约束条件的判断。重复上述步骤,直至每个目标路段的第一估计断面流量满足第二约束条件时,停止迭代处理,将此时每个目标路径的第四扩样参数,确定为每个目标路径的第一扩样参数。需要说明的是,区域内存在多个目标路段未设置卡口,无法获取第一实测断面流量,区域内还存在多个目标路段无法获取车辆流量上限值。因此,在实际执行对每个目标路段的第一估计断面流量是否符合第二约束条件的判断步骤时,只需判断存在卡口的目标路段或存在车辆流量上限值的目标路段即可。
本申请实施例通过第二约束条件限制了目标路段的第一估计断面流量的取值范围,使得每个目标路段的第一估计断面流量不超过卡口实测的断面流量,并在卡口实测的断面流量误差范围内,也不超过路段最大通行能力,进而使迭代更新得到的第一扩样参数更符合客观实际值,提高获取区域内路径流量的准确性。
本申请实施例中,第二约束条件可以通过以下方式获取:首先,针对每个目标路段,从区域的预设属性系数中获取目标路段的第一通行比例和车辆流量上限值;然后,将第一预设值与目标路段的第一通行比例的差值,确定为目标路段的第二下限值,并将第一预设值确定为目标路段的第二上限值;最后,基于目标路段的第二下限值、第二上限值和车辆流量上限值确定第二约束条件。
这里,本申请实施例对区域的预设属性系数的取值不作具体限定,可以基于区域内路段的客观物理条件(例如道路的宽度等)获取,也可以基于人工经验根据实际情况自行设定。区域的预设属性系数可以包括每个目标路段的第一通行比例和车辆流量上限值。针对任一目标路段,该目标路段的第一通行比例为该目标路段的断面最大通行比例,可以人工基于经验根据实际情况自行设定,只需满足断面最大通行比例的取值小于1即可;该目标路段的车辆流量上限值为该目标路段的最大通行能力,是根据目标路段的道路宽度等得到的一个离线的静态数值。第一预设值为1。第二约束条件可以满足以下公式(1)和公式(2)。
公式(1);
其中,M是指所有存在第一估计断面流量的目标路段集合,与有卡口实际测量第一
实测断面流量的目标路段集合的交集集合;是指a为属于集合M的每个目标路段;
为目标路段a的第一估计断面流量;为目标路段a的第一通行比例,小于1,例如可以为
0.15;为目标路段a的第一实测断面流量;为第二下限值,1为第二上限值。
公式(2);
其中,U是有第一估计断面流量的目标路段集合与所有具有车辆流量上限值的目
标路段集合的交集,是目标路段a的车辆流量上限值。
本申请实施例通过第二约束条件限制了目标路径的统计路径流量与扩样参数计算得到的目标路段的第一估计断面流量的取值范围,使得每个目标路段的第一估计断面流量不超过卡口实测的断面流量,并在卡口实测的断面流量误差范围内,也不超过路段最大通行能力,进而使迭代更新得到的扩样参数更符合客观实际值,提高获取区域内路径流量的准确性。
本申请实施例中,基于每个目标路径的第三扩样参数和统计路径流量,确定每个目标路段的第一估计断面流量,可以通过以下方式实现:首先,针对每个目标路径中的每个目标路段,将目标路径的第三扩样参数与目标路径的统计路径流量的乘积,确定为目标路径中目标路段的第二估计断面流量;然后,针对每个目标路段,将多个第二路径中目标路段的第二估计断面流量加和,得到目标路段的第一估计断面流量;第二路径为包含目标路段的目标路径。
这里,目标路径中目标路段的第二估计断面流量为经过该目标路段,且行驶轨迹为该目标路径的车流量。针对任一目标路径中的任一目标路段,可以将该目标路径的第三扩样参数和统计路径流量相乘,得到该目标路径中该目标路段的第二估计断面流量。获取经过该目标路段的所有目标路径,作为该目标路段对应的第二路径。将该目标路段对应的多个第二路径中该目标路段的第二估计断面流量加和,得到该目标路段的第一估计断面流量。目标路段的第一估计断面流量可以满足以下公式(3)。
公式(3);
其中,A为所有目标路段的集合,是指a为属于集合A的每个目标路段,RS为
所有目标路径的出入口对集合,R为驶入口,S为驶出口,是指属于集合RS的每个出
入口对rs,为出入口对为rs的目标路径k的统计路径流量,统计路径流量一定大于或等
于0;为出入口对为rs的第k个目标路径中目标路段a的第三扩样参数。
本申请实施例中,交通流量信息包括每个卡口对的实测卡口流量。基于第一约束条件和每个目标路径的统计路径流量,确定每个目标路径的第三扩样参数,可以通过以下方式实现:首先,获取预设的每个目标路径的初始扩样参数;然后,基于每个目标路径的统计路径流量和初始扩样参数,确定每个卡口对的目标估计卡口流量;卡口对包括分别设置在不同路段上的两个卡口;当至少一个卡口对的目标估计卡口流量不满足第一约束条件时,更新每个目标路径的初始扩样参数,得到每个目标路径的更新后的第五扩样参数,并将每个目标路径更新后的第五扩样参数确定为下一次迭代处理时的初始扩样参数;第一约束条件为:卡口对的目标估计卡口流量与实测卡口流量的比值,小于或等于卡口对的第三上限值,且大于或等于卡口对的第三下限值;当每个卡口对的目标估计卡口流量满足第一约束条件时,停止迭代处理;并将停止迭代处理时每个目标路径的第五扩样参数,确定为每个目标路径的第三扩样参数。
这里,卡口对的实测卡口流量为从卡口对中一个卡口驶入,另一个卡口驶出的实测车流量。本申请实施例对预设的每个目标路径的初始扩样参数的取值不作具体限定。示例性的,可以将每个目标路径的初始扩样参数的都设置为一个相同的任意的初始化值,例如初始化值可以为0.1、0.3、1等。或者,针对任一目标路径,获取该目标路径中存在卡口的多个目标路段,可以直接将多个目标路段上卡口测量的实测断面流量与该目标路径的统计路径流量的比值的平均值,确定为该目标路径的初始扩样参数的初始化值。卡口对的目标估计卡口流量为利用目标路径的初始扩样参数和统计路径流量估算得到的经过该卡口对的车流量。
当至少一个卡口对的目标估计卡口流量不满足第一约束条件时,可以更新每个目标路径的初始扩样参数,得到每个目标路径的更新后的第五扩样参数。至少一个目标路径的第五扩样参数的取值与初始扩样参数的取值不同。利用新更新的目标路径的初始扩样参数,以及目标路径的统计路径流量计算卡口对的目标估计卡口流量。再执行对每个卡口对的目标估计卡口流量是否符合第一约束条件的判断。重复上述步骤,直至每个卡口对的目标估计卡口流量满足第一约束条件时,停止迭代处理,将此时每个目标路径的第五扩样参数,确定为每个目标路径的第三扩样参数,利用第三扩样参数去计算每个目标路段的第一估计断面流量。需要说明的是,本申请实施例对更新目标路径的初始扩样参数得到第五扩样参数的具体方法不加以限定,例如可以获取卡口对的目标估计卡口流量与实测卡口流量之间的差值,基于该差值使用梯度下降法,迭代更新初始扩样参数。
本申请实施例通过第一约束条件限制了卡口对的目标估计卡口流量的取值范围,使得每个卡口对的目标估计卡口流量不超过卡口对实测的实测卡口流量,并在卡口对实测的车流量误差范围内,进而使迭代更新得到的第三扩样参数更符合客观实际值,提高获取区域内路径流量的准确性。
本申请实施例中,第一约束条件可以通过以下方式获取:首先,针对每个卡口对,从区域的预设属性系数中获取卡口对的误差系数;然后,将第一预设值与卡口对的误差系数的差值,确定为卡口对的第三下限值,并将第一预设值确定为卡口对的第三上限值;最后,基于卡口对的第三下限值和第三上限值确定第一约束条件。
这里,区域的预设属性系数可以包括每个卡口对的误差系数。每个卡口对的误差系数可以为人工基于经验根据实际情况自行设定,只需满足误差系数的取值小于1即可。第一预设值为1。第一约束条件可以满足以下公式(4)。
公式(4);
其中,是区域中所有卡口对的集合,、分别表示2个卡口位置,卡口对xy中x
和y分别表示2个目标路段上设置的卡口,目标路段上如果有卡口,那么就可以统计目标路
段与目标路段之间的卡口对的车流量;为卡口对xy的目标估计卡口流量;为卡口对
xy的实测卡口流量,为卡口对xy对应的误差系数,其取值小于1,例如可以为0.15;为第三下限值,1为第三上限值。
本申请实施例通过第一约束条件限制了目标路径的统计路径流量与扩样参数计算得到的卡口对的目标估计卡口流量的取值范围,使得每个卡口对的目标估计卡口流量不超过卡口对实测的实测卡口流量,并在卡口对实测的车流量误差范围内,进而使迭代更新得到的扩样参数更符合客观实际值,提高获取区域内路径流量的准确性。
本申请实施例中,基于每个目标路径的统计路径流量和初始扩样参数,确定每个卡口对的目标估计卡口流量,可以通过以下方式实现:首先,针对每个目标路径中的每个卡口对,将目标路径的统计路径流量与初始扩样参数的乘积,确定为目标路径中卡口对的第一估计卡口流量;然后,针对每个卡口对,将多个第三路径中卡口对的第一估计卡口流量加和,得到卡口对的目标估计卡口流量;第三路径为包含卡口对的目标路径。
这里,目标路径中卡口对的第一估计卡口流量为经过该卡口对,且行驶轨迹为该目标路径的车流量。针对任一目标路径中的任一卡口对,可以将该目标路径的初始扩样参数和统计路径流量相乘,得到该目标路径中该卡口对的第一估计卡口流量。获取经过该卡口对的所有目标路径,作为该卡口对对应的第三路径。将该卡口对对应的多个第三路径中该卡口对的第一估计卡口流量加和,得到该卡口对的目标估计卡口流量。卡口对的目标估计卡口流量可以满足以下公式(5)。
公式(5);
其中,为出入口对为rs的第k个目标路径中卡口对xy的初始扩样参数。
步骤S1042,基于每个目标路径的第一扩样参数和统计路径流量,确定每个出入口对的路径总流量。
本申请实施例中,针对每个出入口对,可以将属于该出入口对的每个目标路径的统计路径流量和第一扩样参数相乘得到的乘积,加和得到该出入口对的路径总流量。
步骤S1043,判断是否存在至少一个路径总流量不满足第三约束条件。
其中,第三约束条件为:出入口对的路径总流量与第一流量的比值,小于或等于出入口对的第一上限值,且大于或等于出入口对的第一下限值。出入口对的第一流量为出入口对的路径总流量与历史路径总流量的平均值。当至少一个路径总流量不满足第三约束条件时,进入步骤S1044;当所有路径总流量均满足第三约束条件时,进入步骤1045。
步骤S1044,基于第一约束条件、第二约束条件和每个目标路径的统计路径流量,确定每个目标路径的第二扩样参数,并将每个目标路径的第二扩样参数确定为下一次迭代处理时的第一扩样参数。
这里,第一扩样参数为经过迭代确定得到的符合第一约束条件和第二约束条件的扩样参数。当至少一个出入口对的路径总流量不满足第三约束条件时,可以重新基于第一约束条件、第二约束条件和每个目标路径的统计路径流量,确定每个目标路径的第二扩样参数,第二扩样参数也为经过迭代确定得到的符合第一约束条件和第二约束条件的扩样参数。但至少一个目标路径的第二扩样参数的取值与第一扩样参数的取值不同。利用新更新的目标路径的第一扩样参数,以及目标路径的统计路径流量计算出入口对的路径总流量。再执行对每个出入口对的路径总流量是否符合第三约束条件的判断。
在从交通流量信息中获取每个出入口对的历史路径总流量后,针对每个出入口对,可以对该出入口对的历史路径总流量与路径总流量的和取平均,得到该出入口对的第一流量。
步骤S1045,停止迭代处理;并将停止迭代处理时每个目标路径的第二扩样参数,确定为每个目标路径的扩样参数。
这里,当每个出入口对的路径总流量满足第三约束条件时,停止迭代处理,将此时每个目标路径的第二扩样参数,确定为每个目标路径的扩样参数。
本申请实施例通过第一约束条件、第二约束条件和第三约束条件,限制了利用每个目标路径的统计路径流量与扩样参数计算得到的卡口对的目标估计卡口流量、目标路段的第一估计断面流量以及出入口对的路径总流量取值范围,使得卡口对的目标估计卡口流量、目标路段的第一估计断面流量以及出入口对的路径总流量,都分别与真实测量值满足一定的误差范围,进而迭代更新得到的扩样参数更符合客观的真实参数,提高区域内路径流量获取的准确性。
本申请实施例中,第三约束条件可以通过以下方式获取:首先,针对每个出入口对,从区域的预设属性系数中获取出入口对的时间误差系数;并将第一预设值与时间误差系数的差值,确定为出入口对的第一下限值;然后,将第一预设值与时间误差系数的和,确定为出入口对的第一上限值;最后,基于出入口对的第一下限值和第一下限值确定第三约束条件。
这里,区域的预设属性系数可以包括每个出入口对的时间误差系数。针对任一出入口对,该出入口对的时间误差系数可以人工基于经验根据实际情况自行设定。示例性的,针对不同历史时间段的第一流量,时间误差系数的取值不同,一般采取分级约束,比如若历史时间段与当前时段的时间差在1分钟内(历史时间段为第前n天的8点1分至8点6分,当前时段为今天的8点0分至8点5分),其时间误差系数为0.05,5分钟的时间误差系数为0.1,10分钟的时间误差系数为0.2等。第一预设值为1。第三约束条件可以满足以下公式(6)。
公式(6);
其中,为出入口对rs的第一流量;为出入口对rs的时间误差系数;为出入
口对rs的路径总流量,为第一上限值,为第一下限值。
本申请实施例通过第三约束条件限制了目标路径的统计路径流量与扩样参数计算得到的出入口对的路径总流量的取值范围,使得当前时段的出入口对的路径总流量是在历史同期的波动方位内的预测结果,进而使迭代更新得到的扩样参数更符合客观实际值,提高获取区域内路径流量的准确性。
步骤S105,基于每个目标路径的统计路径流量和扩样参数,确定每个目标路径的目标路径流量以及每个出入口对的路径总流量。
本申请实施例中,步骤S105中于每个目标路径的统计路径流量和扩样参数,确定每个目标路径的目标路径流量以及每个出入口对的路径总流量,可以通过以下方式实现:首先,将每个目标路径的统计路径流量和扩样参数相乘,得到每个目标路径的目标路径流量;然后,针对每个出入口对,将每个第三路径的目标路径流量加和,得到出入口对的路径总流量;第三路径为包括出入口对的目标路径。
本申请实施例中,将每个目标路径的统计路径流量和扩样参数相乘,得到每个目标路径的目标路径流量。针对每个出入口对,获取所有从该出入口对中的驶入口驶入,驶出口驶出的所有目标路径,作为该出入口对对应的第三路径。将该出入口对对应的第三路径的目标路径流量加和,得到该出入口对的路径总流量。出入口对的路径总流量可以满足以下公式(7)。
公式(7);
其中,为区域内出入口对rs的路径总流量,也即所有从r入、从S出的目标路径
流量的总和;为目标路径k的扩样参数。
本申请实施例在获取区域的路径流量时,利用预设的约束条件和应用统计得到的每个目标路径的统计路径流量,确定每个目标路径的扩样参数,进而基于每个目标路径的统计路径流量和扩样参数,确定每个目标路径的目标路径流量以及每个出入口对的路径总流量。相比于相关技术中使用人工统计的方法,本申请实施例可以基于应用统计的区域内的交通流量信息,自动计算得到区域中每个目标路径的目标路径流量以及每个出入口对的路径总流量,提高了路径流量获取效率,从而提高了获取区域的路径流量的时效性。另一方面,由于应用存在数据缺失,不能获取每一车辆的行驶数据,应用统计的区域内的路径流量是不准确的。本申请实施例在获取至少一个应用统计的区域内的交通流量信息后,确定途径路段的多个第一路径,将最小统计路径流量对应的第一路径确定为路段的目标路径,由于区域中最小统计路径流量对应的目标路径一般都会设置有卡口,也即具有卡口实际测量得到的车流量,因此利用预设的约束条件和目标路径的统计路径流量确定的扩样参数更为准确,进而基于每个目标路径的统计路径流量和扩样参数确定每个目标路径的目标路径流量,可以提高获取区域的路径流量的准确性。
在一些实施例中,由于各种原因,应用统计的轨迹数据中可能会出现缺失或不完整的情况,例如全球定位系统信号的不稳定导致部分位置点无法获取,或者用户在某些时间段内关闭了定位功能等。因此应用统计得到的目标路径中可能存在缺失路段的情况,例如参见图1,应用统计得到的统计路径流量可能为从O1途径路口N1、N4后直接到达D9的统计路径流量,此时,无法得知车辆从N4驶出后途径哪些路段到达的D9,因此需要对统计路径流量进行扩样的轨迹补全,得到该目标路径的补全轨迹流量。针对任一目标路径,遍历该目标路径所有途径路段,若该目标路径中缺失的路段占比小于预设阈值,则按照该目标路径的统计路径流量直接补充为途径缺失路段的路径的补全轨迹流量。示例性的,预设阈值可以为10%的。或者,若目标路径中缺失的路段可能存在多种可能的路段,可以为每个可能的路段分配补全系数,将该目标路径的统计路径流量按照补全系数以不同比例计算得到途径每个路段的路径的补全轨迹流量。示例性的,目标路径为从A至C,中间缺失的路段可能为B或E或F,可以为路段B、路段E和路段F各自的补全系数,将目标路径的统计路径流量与补全系数的乘积作为每个路段的路径的补全轨迹流量。需要说明的是,针对任意一个目标路径,目标路径的补全轨迹流量应该小于或等于该目标路径途径的目标路段中的最小第一估计断面流量,同时小于或等于该目标路径途径的卡口对中的最小目标估计卡口流量,且大于该目标路径的统计路径流量。
本申请实施例中,由于对一个或多个目标路径进行了轨迹补全,使得进行轨迹补全的目标路径途径的目标路段的第一估计断面流量发生变化。因此,在得到第三扩样参数后,可以基于目标路径的第三扩样参数、统计路径流量和补全轨迹流量,利用上述公式(3)计算得到目标路段的第一估计断面流量。然后,判断每个目标路段的第一估计断面流量是否满足第二约束条件,进行迭代更新确定扩样参数,后续步骤可以参考上述其他实施例。需要说明的是,此时,在计算出入口对的路径总流量时,可以直接将出入口对对应的第三路径的补全轨迹流量加和,得到出入口对的路径总流量。
目标路径的补全轨迹流量还需要满足第四约束条件。第四约束条件为:目标路径的统计路径流量与补全轨迹流量的比值,大于或等于第一预设值与扩样系数的差值,且小于或等于第一预设值与扩样系数的和。第四约束条件满足下列公式(8)。
公式(8);
其中,目标路径k的补全轨迹流量,为扩样系数,本申请实施例对扩样系数的
取值不加以限定,扩样系数应该在一定范围内,例如可以为0.5。
本申请实施例通过补全缺失路段的目标路径的路径流量,提高了区域内路径流量获取的准确性。
下面,将说明本申请实施例在一个实际的应用场景中的示例性应用。
对区域而言,区域的流量很大。市面上存在多种统计主体(对应于上述实施例中的应用),统计主体分别用于统计区域内的实际路径流量(对应于上述实施例中的统计路径流量)以及区域内的实际断面流量(对应于上述实施例中的第一估计断面流量),但是,各个统计主体分别统计的区域内的实际路径流量以及区域内的实际断面流量往往不全面。统计主体包括各种互联网导航软件或者约车软件,各种软件都在统计区域内的实际路径流量以及区域内的实际断面流量。例如,软件A在统计区域内的实际路径流量以及区域内的实际断面流量,软件B在统计区域内的实际路径流量以及区域内的实际断面流量,软件C在统计区域内的实际路径流量以及区域内的实际断面流量,软件D在统计区域内的实际路径流量以及区域内的实际断面流量。各个软件统计的是各自的数据,各自统计的区域内的实际路径流量以及区域内的实际断面流量往往是小于客观上的区域内的实际路径流量以及区域内的实际断面流量。本申请实施例提供了一种估计区域内的路径流量和OD流量的方法及装置,以获取部分统计主体(例如一个或少量等)统计的区域内的实际路径流量以及区域内的实际断面流量,然后将“部分统计主体(例如一个或少量等)统计的区域内的实际路径流量以及区域内的实际断面流量”作为输入数据,借助估计算法估计客观上的区域内的实际路径流量以及区域内的实际断面流量。图6为本申请实施例提供的交通数据处理方法的第三流程示意图。
步骤S201,获取统计主体统计的流量。获取部分(例如一个或少量等)统计主体统计的区域内的实际路径流量以及区域内的实际断面流量(对应于上述实施例中的交通流量信息)。
步骤S202,利用估计算法对统计主体统计的流量进行处理。将部分统计主体(例如一个或少量等)统计的区域内的实际路径流量以及区域内的实际断面流量作为估计算法的输入,得到客观上的区域内的实际路径流量以及区域内的实际OD流量(对应于上述实施例中的目标路径流量和路径总流量)。下面对具体的估计算法进行说明。
首先,获取统计主体统计的区域内每条路径的路径流量。针对每个路段,获取途径该路段的所有路径(对应于上述实施例中的第一路径)的路径流量中的最小值,将该最小值对应的路径作为一条目标路径。依次检查区域中的每个路段,得到目标路径集合Krs,其中,RS是整个区域内的驶入口和驶出口集合,例如图1中的OD集合。然后进行断面流量计算:计算每个路段的断面流量(对应于上述实施例中的第一估计断面流量)。断面流量满足下列公式(3)。
公式(3);
其中,A为所有目标路径途径的路段的集合,是指a为属于集合A的每个路段
(对应于上述实施例中目标路段),为属于路段a的估计断面流量,为第k个目标路径的
路径流量统计值(对应于上述实施例中的目标路径的统计路径流量),路径流量统计值一定
大于或等于0,为第k个目标路径中路段a的估算扩样系数(对应于上述实施例中的扩样
参数)。针对不同目标路径k中不同路段a,该估算扩样系数的取值不同。在初始化时,可以将
每个估算扩样系数都设置为一个初始值,经过迭代计算后得到最终的系数值。或者,由于估
算扩样系数等于路段上卡口测量的实际测量流量(对应于上述实施例中的第一实测断面流
量)/统计主体统计的路径流量(对应于上述实施例中的统计路径流量),针对区域中存在卡
口的路段,可以直接使用路段上卡口测量的实际测量流量/统计主体统计的路径流量,作为
估算扩样系数。不同的估计算法中可以使用不同的估算扩样系数初始化方案。
路段a的估计断面流量满足以下两个约束条件。约束条件一为估计断面流量应该不超过卡口实测流量(对应于上述实施例中的第一实测断面流量),并在卡口实测流量误差范围内,约束条件一满足以下公式(1)。
公式(1);
其中,M是指所有存在估计断面流量的路段集合,与有卡口实际测量的路段集合的
交集集合,理论上能估算流量的断面和有实际测量数据的断面集合会有差异。是指a
为属于集合M的每个路段;为路段a的断面最大通行比例(对应于上述实施例中的第一通
行比例),小于1,例如可以为0.15;为断面实际测量车流量(对应于上述实施例中的第
一实测断面流量),就是通过路段a上卡口的监测统计得到的卡口实测流量。
约束条件二为估计断面流量不超过路段最大通行能力(对应于上述实施例中的车辆流量上限值),约束条件二满足以下公式(2)。
公式(2);
其中,U是有估计断面流量的路段集合与所有路段中有最大通行能力的路段的集
合,因为不是所有路段都有估计断面流量,也不是所有的路段都有最大通行能力的值;是
路段a的最大通行能力,最大通行能力是根据道路宽度等得到的一个离线的静态数值。
在公式(3)中,经过估算扩样系数计算得到的每个路段a的估计断面流量必
须都满足上述公式(1)和公式(2)。
进行一对卡口的部分路径流量计算:计算每个卡口对的部分路径流量(对应于上述实施例中的目标估计卡口流量),卡口对的部分路径流量为卡口对之间的路段流量估计值与卡口对之间的分流比例系数(对应于上述实施例中的初始扩样参数)的乘积。卡口对的部分路径流量满足下列公式(5)。
公式(5);
其中,是区域中所有卡口对的集合,、分别表示2个卡口位置,卡口对xy中x
和y分别表示2个路段上设置的卡口,路段上如果有卡口,那么就可以统计路段与路段之间
的卡口对的车流量;为卡口对xy的部分路径流量;为第k个目标路径中卡口对xy的
分流比例系数。
卡口对xy的部分路径流量满足以下约束条件三:卡口对xy估计的部分路径流量在卡口实测部分路径流量误差范围内,约束条件三满足以下公式(4)。
公式(4);
其中,为卡口对xy的实测部分路径流量(对应于上述实施例中的卡口对的实测
卡口流量),为卡口对xy对应的误差系数,其取值小于1,例如可以为0.15。
由于统计主体统计得到的路径流量可能存在缺失,例如参见图1,统计主体统计得
到的路径流量可能为从O1途径路口N1、N4后直接到达D9的路径流量,此时,无法得知车辆从
N4驶出后途径哪些路段到达的D9,因此需要对路径流量进行扩样的轨迹补全,得到路径流
量在扩样后的补全轨迹流量。针对任意一个目标路径k,包含多个路段seg1、seg2、seg3…
segN等,每个路段上会有统计的车流轨迹代表的估计断面流量,路段与路段之间的卡口
对xy的部分路径流量,目标路径k的补全轨迹流量应该小于或等于该目标路径k上的
最小值,同时小于或等于该目标路径k上卡口对xy的部分路径流量的最小值,且大于该
目标路径k上原始的路径流量统计值。同时,补全轨迹流量还应该满足约束条件四:路径
流量统计值在扩样后的补全轨迹流量误差范围内。约束条件四满足下公式(8)。
公式(8);
其中,为基于目标路径k的路径流量估计值扩样后的估计值,也即为补全后的
补全轨迹流量;为扩样系数,扩样系数的采样应该在一定范围内,例如可以为0.5。
在获得每个目标路径的补全轨迹流量后,计算OD流量(对应于上述实施例中每个出入口对的路径总流量)。将每个目标路径的补全轨迹流量加和,得到OD流量。OD流量满足以下公式(9)。
公式(9);
其中,为区域的OD流量,所有从O入、从D出的路径流量的总和。
OD流量需要满足约束条件五:估计的OD流量在上周同一时刻或预测的OD流量变化范围内。约束条件五满足下公式(6)。
公式(6);
其中,为历史时期的数据(对应于上述实施例中的历史路径总流量)与当前OD
流量通过历史同期的数据统计得到,同时兼顾到当前时段的统计值的平均数(对应于上述
实施例中的第一流量);为时间误差系数,针对不同历史时期获取得到的,时间误差系
数的取值不同,一般取分级约束,比如1分钟内,时间误差系数为0.05,5分钟的时间误差系
数为0.1,10分钟的时间误差系数为0.2;公式(8)的含义是:当前OD流量的预测值应该在历
史同期的波动范围内。示例性的,的获取过程如下:可以获取第前n天的与当前时段为同
一时段的历史流量统计值,将该历史流量统计值与当前时段的流量统计值加和取平均,得
到或者,可以获取第前n天的当前时段的未来时段的历史流量统计值,将该历史流量统
计值与当前时段的流量统计值加和取平均,得到。
另外,路径流量都大于或等于0,。
通过以上公式约束,进行凸优化函数的二次求解,迭代优化得到估算扩样系数
的最终取值以及分流比例系数的最终取值,估算扩样系数的最终取值以及分流比
例系数的最终取值是相同的,进而得到区域的OD流量和每个路径的补全轨迹流量,作为区域中当前时段的OD流量和路径流量。
上述估计算法是一种估计模型,估计模型可以为任意的机器学习模型。在一种方式中,估计模型可以是统一的估计模型。在另一种方式中,可以划分多种类型的估计模型,不同类型的估计模型支持的输入数据对应的统计主体不同。估计模型可以按照路段上卡口测量的实际测量流量/统计主体统计的路径流量的系数直接扩样,也可以引入其他的非线性的扩样逻辑,本申请实施例在此不加以限定。
示例性的,因为不同的统计主体在所占的用户使用比例不同,如此,同一情况下,不同的统计主体统计的区域内的实际路径流量以及区域内的实际断面流量不同。因此,区分不同的估计模型,可以提高估计的准确率。例如,估计模型1适用于“统计主体A统计的区域内的实际路径流量以及区域内的实际断面流量”,估计模型2适用于“统计主体B统计的区域内的实际路径流量以及区域内的实际断面流量”,估计模型3适用于“统计主体C统计的区域内的实际路径流量以及区域内的实际断面流量”,以提高估计的准确率。可以选择路段的估计断面流量与卡口实际测量流量更为接近,也即误差率更小的估计模型的结果作为最终选择的区域中当前时段的OD流量和路径流量。
进一步地,同一个统计主体在不同时段所占的用户使用比例不同,如此,可以对于不同时段区分不同的估计模型。示例性的,估计模型1’适用于“统计主体A在一天内的1时段内统计的区域内的实际路径流量以及区域内的实际断面流量”,估计模型1’’适用于“统计主体A在一天内的2时段内统计的区域内的实际路径流量以及区域内的实际断面流量”,估计模型1’’’适用于“统计主体A在一天内的3时段内统计的区域内的实际路径流量以及区域内的实际断面流量”,以进一步地提高估计的准确率。
步骤203,利用深度学习算法进行预测。利用深度学习算法,基于客观上的区域内的实际路径流量以及区域内的实际断面流量进行预测,得到区域在未来时段的路径流量以及断面流量。
可以理解的是,在本申请实施例中,涉及到用户信息等相关的数据,当本申请实施例运用到具体产品或技术中时,需要获得用户许可或者同意,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
下面继续说明本申请实施例提供的交通数据处理装置455的实施为软件模块的示例性结构,在一些实施例中,如图3所示,存储在存储器450的交通数据处理装置455中的软件模块可以包括:交通信息获取模块4551,用于获取第一应用统计的区域内的交通流量信息;区域包括多个出入口对和多个路段,出入口对包括一个驶入口和一个驶出口;统计流量获取模块4552,用于针对每个路段,基于交通流量信息确定多个第一路径的统计路径流量;第一路径为以驶入口为起点,至少途径路段,到达驶出口的路径;目标路径确定模块4553,用于针对每个路段,将最小统计路径流量对应的第一路径,确定为路段的目标路径;扩样参数确定模块4554,用于基于预设的约束条件和每个目标路径的统计路径流量,确定每个目标路径的扩样参数;路径流量确定模块4555,用于基于每个目标路径的统计路径流量和扩样参数,确定每个目标路径的目标路径流量以及每个出入口对的路径总流量。
在一些实施例中,交通流量信息包括预设的历史时间段内每个出入口对的历史路径总流量,预设的约束条件包括第一约束条件、第二约束条件以及第三约束条件;扩样参数确定模块,还用于执行以下迭代处理:基于第一约束条件、第二约束条件和每个目标路径的统计路径流量,确定每个目标路径的第一扩样参数;基于每个目标路径的第一扩样参数和统计路径流量,确定每个出入口对的路径总流量;当至少一个路径总流量不满足第三约束条件时,基于第一约束条件、第二约束条件和每个目标路径的统计路径流量,确定每个目标路径的第二扩样参数,并将每个目标路径的第二扩样参数确定为下一次迭代处理时的第一扩样参数;第三约束条件为:出入口对的路径总流量与第一流量的比值,小于或等于出入口对的第一上限值,且大于或等于出入口对的第一下限值;出入口对的第一流量为出入口对的路径总流量与历史路径总流量的平均值;当每个路径总流量满足第三约束条件时,停止迭代处理;并将停止迭代处理时每个目标路径的第二扩样参数,确定为每个目标路径的扩样参数。
在一些实施例中,交通数据处理装置还包括约束条件确定模块,用于针对每个出入口对,从区域的预设属性系数中获取出入口对的时间误差系数;将第一预设值与时间误差系数的差值,确定为出入口对的第一下限值;将第一预设值与时间误差系数的和,确定为出入口对的第一上限值;基于出入口对的第一下限值和第一下限值确定第三约束条件。
在一些实施例中,交通流量信息包括每个目标路段的第一实测断面流量;扩样参数确定模块,还用于执行以下迭代处理:基于第一约束条件和每个目标路径的统计路径流量,确定每个目标路径的第三扩样参数;基于每个目标路径的第三扩样参数和统计路径流量,确定每个目标路段的第一估计断面流量;目标路段为目标路径中的路段;当至少一个目标路段的第一估计断面流量不满足第二约束条件时,基于第一约束条件和每个目标路径的统计路径流量,确定每个目标路径的第四扩样参数,并将每个目标路径的第四扩样参数确定为下一次迭代处理时的第三扩样参数;第二约束条件为:目标路段的第一估计断面流量与第一实测断面流量的比值,小于或等于目标路段的第二上限值,且大于或等于目标路段的第二下限值,且目标路段的第一估计断面流量小于或等于目标路段的车辆流量上限值;当每个目标路段的第一估计断面流量满足第二约束条件时,停止迭代处理;并将停止迭代处理时每个目标路径的第四扩样参数,确定为每个目标路径的第一扩样参数。
在一些实施例中,约束条件确定模块,还用于针对每个目标路段,从区域的预设属性系数中获取目标路段的第一通行比例和车辆流量上限值;将第一预设值与目标路段的第一通行比例的差值,确定为目标路段的第二下限值,并将第一预设值确定为目标路段的第二上限值;基于目标路段的第二下限值、第二上限值和车辆流量上限值确定第二约束条件。
在一些实施例中,扩样参数确定模块,还用于针对每个目标路径中的每个目标路段,将目标路径的第三扩样参数与目标路径的统计路径流量的乘积,确定为目标路径中目标路段的第二估计断面流量;针对每个目标路段,将多个第二路径中目标路段的第二估计断面流量加和,得到目标路段的第一估计断面流量;第二路径为包含目标路段的目标路径。
在一些实施例中,交通流量信息包括每个卡口对的实测卡口流量;扩样参数确定模块,还用于获取预设的每个目标路径的初始扩样参数;基于每个目标路径的统计路径流量和初始扩样参数,确定每个卡口对的目标估计卡口流量;卡口对包括分别设置在不同路段上的两个卡口;当至少一个卡口对的目标估计卡口流量不满足第一约束条件时,更新每个目标路径的初始扩样参数,得到每个目标路径的更新后的第五扩样参数,并将每个目标路径更新后的第五扩样参数确定为下一次迭代处理时的初始扩样参数;第一约束条件为:卡口对的目标估计卡口流量与实测卡口流量的比值,小于或等于卡口对的第三上限值,且大于或等于卡口对的第三下限值;当每个卡口对的目标估计卡口流量满足第一约束条件时,停止迭代处理;并将停止迭代处理时每个目标路径的第五扩样参数,确定为每个目标路径的第三扩样参数。
在一些实施例中,约束条件确定模块,还用于针对每个卡口对,从区域的预设属性系数中获取卡口对的误差系数;将第一预设值与卡口对的误差系数的差值,确定为卡口对的第三下限值,并将第一预设值确定为卡口对的第三上限值;基于卡口对的第三下限值和第三上限值确定第一约束条件。
在一些实施例中,还用于针对每个目标路径中的每个卡口对,将目标路径的统计路径流量与初始扩样参数的乘积,确定为目标路径中卡口对的第一估计卡口流量;针对每个卡口对,将多个第三路径中卡口对的第一估计卡口流量加和,得到卡口对的目标估计卡口流量;第三路径为包含卡口对的目标路径。
在一些实施例中,路径流量确定模块,还用于将每个目标路径的统计路径流量和扩样参数相乘,得到每个目标路径的目标路径流量;针对每个出入口对,将每个第三路径的目标路径流量加和,得到出入口对的路径总流量;第三路径为包括出入口对的目标路径。
本申请实施例提供了一种计算机程序产品,该计算机程序产品包括计算机程序或计算机可执行指令,该计算机程序或计算机可执行指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机可执行指令或计算机程序,处理器执行该计算机可执行指令或计算机程序,使得该电子设备执行本申请实施例上述的交通数据处理方法。
本申请实施例提供一种存储有计算机可执行指令或计算机程序的计算机可读存储介质,其中存储有计算机可执行指令或者计算机程序,当计算机可执行指令或者计算机程序被处理器执行时,将引起处理器执行本申请实施例提供的交通数据处理方法,例如,如图4示出的交通数据处理方法。在一些实施例中,计算机可读存储介质可以是RAM、ROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中,计算机可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,计算机可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(Hyper TextMarkup Language,HTML)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,计算机可执行指令可被部署为在一个电子设备上执行,或者在位于一个地点的多个电子设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个电子设备上执行。
综上所述,通过本申请实施例可以降低获取区域的当前时段的实际路径流量以及实际断面流量的人工成本,降低获取区域的当前时段的实际路径流量以及实际断面流量的过程的耗时,提高获取区域的当前时段的实际路径流量以及实际断面流量的时效性以及准确性。
以上所述,仅为本申请的实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等,均包含在本申请的保护范围之内。
Claims (13)
1.一种交通数据处理方法,其特征在于,所述方法包括:
获取至少一个应用统计的区域内的交通流量信息;所述区域包括多个出入口对和多个路段,所述出入口对包括一个驶入口和一个驶出口,所述交通流量信息包括预设的历史时间段内每个所述出入口对的历史路径总流量;
针对每个所述路段,基于所述交通流量信息确定多个第一路径的统计路径流量;所述第一路径为以所述驶入口为起点,至少途径所述路段,到达所述驶出口的路径;
针对每个所述路段,将最小统计路径流量对应的第一路径,确定为所述路段的目标路径;
基于预设的约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的扩样参数;所述预设的约束条件包括第一约束条件、第二约束条件以及第三约束条件;
基于每个所述目标路径的统计路径流量和扩样参数,确定每个所述目标路径的目标路径流量以及每个所述出入口对的路径总流量;
所述基于预设的约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的扩样参数,包括:
执行以下迭代处理:
基于所述第一约束条件、所述第二约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第一扩样参数;
基于每个所述目标路径的第一扩样参数和统计路径流量,确定每个所述出入口对的路径总流量;
当至少一个所述路径总流量不满足所述第三约束条件时,基于所述第一约束条件、所述第二约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第二扩样参数,并将每个所述目标路径的第二扩样参数确定为下一次迭代处理时的第一扩样参数;所述第三约束条件为:所述出入口对的路径总流量与第一流量的比值,小于或等于所述出入口对的第一上限值,且大于或等于所述出入口对的第一下限值;所述出入口对的第一流量为所述出入口对的路径总流量与历史路径总流量的平均值;
当每个所述路径总流量满足所述第三约束条件时,停止所述迭代处理;并将停止所述迭代处理时每个所述目标路径的第二扩样参数,确定为每个所述目标路径的扩样参数。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
针对每个所述出入口对,从所述区域的预设属性系数中获取所述出入口对的时间误差系数;
将第一预设值与所述时间误差系数的差值,确定为所述出入口对的第一下限值;
将所述第一预设值与所述时间误差系数的和,确定为所述出入口对的第一上限值;
基于所述出入口对的第一下限值和第一下限值确定所述第三约束条件。
3.根据权利要求1所述的方法,其特征在于,所述交通流量信息包括每个目标路段的第一实测断面流量;
所述基于所述第一约束条件、所述第二约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第一扩样参数,包括:
执行以下迭代处理:
基于所述第一约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第三扩样参数;
基于每个所述目标路径的第三扩样参数和统计路径流量,确定每个所述目标路段的第一估计断面流量;所述目标路段为所述目标路径中的路段;
当至少一个所述目标路段的第一估计断面流量不满足所述第二约束条件时,基于所述第一约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第四扩样参数,并将每个所述目标路径的第四扩样参数确定为下一次迭代处理时的第三扩样参数;所述第二约束条件为:所述目标路段的第一估计断面流量与第一实测断面流量的比值,小于或等于所述目标路段的第二上限值,且大于或等于所述目标路段的第二下限值,且所述目标路段的第一估计断面流量小于或等于所述目标路段的车辆流量上限值;
当每个所述目标路段的第一估计断面流量满足所述第二约束条件时,停止所述迭代处理;并将停止所述迭代处理时每个所述目标路径的第四扩样参数,确定为每个所述目标路径的第一扩样参数。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
针对每个所述目标路段,从所述区域的预设属性系数中获取所述目标路段的第一通行比例和车辆流量上限值;
将第一预设值与所述目标路段的第一通行比例的差值,确定为所述目标路段的第二下限值,并将所述第一预设值确定为所述目标路段的第二上限值;
基于所述目标路段的第二下限值、所述第二上限值和所述车辆流量上限值确定所述第二约束条件。
5.根据权利要求3所述的方法,其特征在于,所述基于每个所述目标路径的第三扩样参数和统计路径流量,确定每个目标路段的第一估计断面流量,包括:
针对每个所述目标路径中的每个目标路段,将所述目标路径的第三扩样参数与所述目标路径的统计路径流量的乘积,确定为所述目标路径中所述目标路段的第二估计断面流量;
针对每个所述目标路段,将多个第二路径中所述目标路段的第二估计断面流量加和,得到所述目标路段的第一估计断面流量;所述第二路径为包含所述目标路段的目标路径。
6.根据权利要求3所述的方法,其特征在于,所述交通流量信息包括每个卡口对的实测卡口流量;
所述基于所述第一约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第三扩样参数,包括:
获取预设的每个所述目标路径的初始扩样参数;
基于每个所述目标路径的统计路径流量和初始扩样参数,确定每个卡口对的目标估计卡口流量;所述卡口对包括分别设置在不同路段上的两个卡口;
当至少一个所述卡口对的目标估计卡口流量不满足所述第一约束条件时,更新每个所述目标路径的初始扩样参数,得到每个所述目标路径的更新后的第五扩样参数,并将每个所述目标路径更新后的第五扩样参数确定为下一次迭代处理时的初始扩样参数;所述第一约束条件为:所述卡口对的目标估计卡口流量与实测卡口流量的比值,小于或等于所述卡口对的第三上限值,且大于或等于所述卡口对的第三下限值;
当每个所述卡口对的目标估计卡口流量满足所述第一约束条件时,停止所述迭代处理;并将停止所述迭代处理时每个所述目标路径的第五扩样参数,确定为每个所述目标路径的第三扩样参数。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
针对每个所述卡口对,从所述区域的预设属性系数中获取所述卡口对的误差系数;
将第一预设值与所述卡口对的误差系数的差值,确定为所述卡口对的第三下限值,并将所述第一预设值确定为所述卡口对的第三上限值;
基于所述卡口对的第三下限值和第三上限值确定所述第一约束条件。
8.根据权利要求6所述的方法,其特征在于,所述基于每个所述目标路径的统计路径流量和初始扩样参数,确定每个卡口对的目标估计卡口流量,包括:
针对每个所述目标路径中的每个所述卡口对,将所述目标路径的统计路径流量与初始扩样参数的乘积,确定为所述目标路径中所述卡口对的第一估计卡口流量;
针对每个所述卡口对,将多个第三路径中所述卡口对的第一估计卡口流量加和,得到所述卡口对的目标估计卡口流量;所述第三路径为包含所述卡口对的目标路径。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述基于每个所述目标路径的统计路径流量和扩样参数,确定每个所述目标路径的目标路径流量以及每个所述出入口对的路径总流量,包括:
将每个目标路径的统计路径流量和扩样参数相乘,得到每个所述目标路径的目标路径流量;
针对每个所述出入口对,将每个第三路径的目标路径流量加和,得到所述出入口对的路径总流量;所述第三路径为包括所述出入口对的目标路径。
10.一种交通数据处理装置,其特征在于,所述装置包括:
交通信息获取模块,用于获取第一应用统计的区域内的交通流量信息;所述区域包括多个出入口对和多个路段,所述出入口对包括一个驶入口和一个驶出口,所述交通流量信息包括预设的历史时间段内每个所述出入口对的历史路径总流量;
统计流量获取模块,用于针对每个所述路段,基于所述交通流量信息确定多个第一路径的统计路径流量;所述第一路径为以所述驶入口为起点,至少途径所述路段,到达所述驶出口的路径;
目标路径确定模块,用于针对每个所述路段,将最小统计路径流量对应的第一路径,确定为所述路段的目标路径;
扩样参数确定模块,用于基于预设的约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的扩样参数;所述预设的约束条件包括第一约束条件、第二约束条件以及第三约束条件;所述扩样参数确定模块还用于执行以下迭代处理:基于所述第一约束条件、所述第二约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第一扩样参数;基于每个所述目标路径的第一扩样参数和统计路径流量,确定每个所述出入口对的路径总流量;当至少一个所述路径总流量不满足所述第三约束条件时,基于所述第一约束条件、所述第二约束条件和每个所述目标路径的统计路径流量,确定每个所述目标路径的第二扩样参数,并将每个所述目标路径的第二扩样参数确定为下一次迭代处理时的第一扩样参数;所述第三约束条件为:所述出入口对的路径总流量与第一流量的比值,小于或等于所述出入口对的第一上限值,且大于或等于所述出入口对的第一下限值;所述出入口对的第一流量为所述出入口对的路径总流量与历史路径总流量的平均值;当每个所述路径总流量满足所述第三约束条件时,停止所述迭代处理;并将停止所述迭代处理时每个所述目标路径的第二扩样参数,确定为每个所述目标路径的扩样参数;
路径流量确定模块,用于基于每个所述目标路径的统计路径流量和扩样参数,确定每个所述目标路径的目标路径流量以及每个所述出入口对的路径总流量。
11.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储计算机可执行指令或者计算机程序;
处理器,用于执行所述存储器中存储的计算机可执行指令或者计算机程序时,实现权利要求1至9任一项所述的交通数据处理方法。
12.一种计算机可读存储介质,存储有计算机可执行指令或者计算机程序,其特征在于,所述计算机可执行指令或者计算机程序被处理器执行时实现权利要求1至9任一项所述的交通数据处理方法。
13.一种计算机程序产品,包括计算机可执行指令或计算机程序,其特征在于,所述计算机可执行指令或计算机程序被处理器执行时实现权利要求1至9任一项所述的交通数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410347643.7A CN117953691B (zh) | 2024-03-26 | 2024-03-26 | 交通数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410347643.7A CN117953691B (zh) | 2024-03-26 | 2024-03-26 | 交通数据处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117953691A CN117953691A (zh) | 2024-04-30 |
CN117953691B true CN117953691B (zh) | 2024-06-07 |
Family
ID=90803354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410347643.7A Active CN117953691B (zh) | 2024-03-26 | 2024-03-26 | 交通数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117953691B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102706356A (zh) * | 2012-05-29 | 2012-10-03 | 中兴通讯股份有限公司 | 一种路径导航的方法、基站、核心网和系统 |
CN108806254A (zh) * | 2018-06-28 | 2018-11-13 | 中国联合网络通信有限公司深圳市分公司 | 城市交通走廊的识别方法、装置及计算机可读存储介质 |
CN110992708A (zh) * | 2019-12-20 | 2020-04-10 | 斑马网络技术有限公司 | 实时通行速度预测方法、装置及电子设备 |
CN112414420A (zh) * | 2020-08-13 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种基于交通流量的导航方法以及相关装置 |
WO2021058100A1 (en) * | 2019-09-25 | 2021-04-01 | Huawei Technologies Co., Ltd. | Multisensory learning system for traffic prediction |
CN115752502A (zh) * | 2023-01-04 | 2023-03-07 | 小米汽车科技有限公司 | 路径筛选方法、装置及电子设备 |
CN116153117A (zh) * | 2022-12-29 | 2023-05-23 | 阿波罗智联(北京)科技有限公司 | 交通疏导方法、装置、电子设备及存储介质 |
CN116702389A (zh) * | 2023-04-27 | 2023-09-05 | 北京交通大学 | 一种针对混合交通流的嵌套流量计算方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7349768B2 (en) * | 2005-04-25 | 2008-03-25 | The Boeing Company | Evacuation route planning tool |
US7908076B2 (en) * | 2006-08-18 | 2011-03-15 | Inrix, Inc. | Representative road traffic flow information based on historical data |
US20200234582A1 (en) * | 2016-01-03 | 2020-07-23 | Yosef Mintz | Integrative system and methods to apply predictive dynamic city-traffic load balancing and perdictive parking control that may further contribute to cooperative safe driving |
US20230408277A1 (en) * | 2022-06-21 | 2023-12-21 | Toyota Motor North America, Inc. | Electric vehicle destination routing prediction |
-
2024
- 2024-03-26 CN CN202410347643.7A patent/CN117953691B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102706356A (zh) * | 2012-05-29 | 2012-10-03 | 中兴通讯股份有限公司 | 一种路径导航的方法、基站、核心网和系统 |
CN108806254A (zh) * | 2018-06-28 | 2018-11-13 | 中国联合网络通信有限公司深圳市分公司 | 城市交通走廊的识别方法、装置及计算机可读存储介质 |
WO2021058100A1 (en) * | 2019-09-25 | 2021-04-01 | Huawei Technologies Co., Ltd. | Multisensory learning system for traffic prediction |
CN110992708A (zh) * | 2019-12-20 | 2020-04-10 | 斑马网络技术有限公司 | 实时通行速度预测方法、装置及电子设备 |
CN112414420A (zh) * | 2020-08-13 | 2021-02-26 | 腾讯科技(深圳)有限公司 | 一种基于交通流量的导航方法以及相关装置 |
CN116153117A (zh) * | 2022-12-29 | 2023-05-23 | 阿波罗智联(北京)科技有限公司 | 交通疏导方法、装置、电子设备及存储介质 |
CN115752502A (zh) * | 2023-01-04 | 2023-03-07 | 小米汽车科技有限公司 | 路径筛选方法、装置及电子设备 |
CN116702389A (zh) * | 2023-04-27 | 2023-09-05 | 北京交通大学 | 一种针对混合交通流的嵌套流量计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117953691A (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Scherer et al. | BIMification: How to create and use BIM for retrofitting | |
Yuan et al. | Network-wide traffic state estimation using loop detector and floating car data | |
Thonhofer et al. | Macroscopic traffic model for large scale urban traffic network design | |
Wang et al. | Encapsulating urban traffic rhythms into road networks | |
Gan et al. | Integration of simulation and optimization for evacuation planning | |
CN110222924B (zh) | 多方式的城市轨道交通车站客流控制系统及控制方法 | |
CN105224999A (zh) | 基于afc数据的城市轨道交通实时客流预测方法及系统 | |
CN108039197A (zh) | 医技辅助检查项目排程引导方法及系统 | |
CN113053103B (zh) | 交通仿真模型生成方法、交通流量预测方法及相关装置 | |
US20160370333A1 (en) | Generating fine resolution air pollution estimates | |
US20230252490A1 (en) | Methods for determining smart gas inspection plans and internet of things systems thereof | |
Kumarage et al. | Schedule-constrained demand management in two-region urban networks | |
CN111143769B (zh) | 一种基于大数据的出行方式分担率的预测方法和预测装置 | |
Zhu et al. | A network sensor location problem for link flow observability and estimation | |
CN111914940A (zh) | 一种共享车辆站点分群聚类方法、系统、装置及存储介质 | |
Gambella et al. | A city-scale IoT-enabled ridesharing platform | |
CN114997414A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN117953691B (zh) | 交通数据处理方法、装置、电子设备及存储介质 | |
Peng et al. | Research on the factors of extremely short construction period under the sufficient resources based on Grey-DEMATEL-ISM | |
Cosido et al. | Automatic calculation of bicycle routes by combining meta-heuristics and GIS techniques within the framework of smart cities | |
CN104599161A (zh) | 基于客户端的gps坐标点对订单进行计价的方法和设备 | |
Han et al. | An evacuation guidance model for pedestrians with limited vision | |
Fanti et al. | Fleet sizing for electric car sharing systems in discrete event system frameworks | |
CN114724414B (zh) | 城市空中交通分担率的确定方法、装置、电子设备及介质 | |
Jeong et al. | Stochastic programming approach for static origin–destination matrix reconstruction problem |
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 |