JP2022545322A - 道路運行状況決定方法及び装置、デバイス、記憶媒体並びにプログラム - Google Patents

道路運行状況決定方法及び装置、デバイス、記憶媒体並びにプログラム Download PDF

Info

Publication number
JP2022545322A
JP2022545322A JP2021576340A JP2021576340A JP2022545322A JP 2022545322 A JP2022545322 A JP 2022545322A JP 2021576340 A JP2021576340 A JP 2021576340A JP 2021576340 A JP2021576340 A JP 2021576340A JP 2022545322 A JP2022545322 A JP 2022545322A
Authority
JP
Japan
Prior art keywords
road
vehicles
monitored
time
congestion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2021576340A
Other languages
English (en)
Inventor
▲かん▼宇衡
▲馬▼子安
白▲帥▼
朱▲ちぇん▼▲かい▼
武▲偉▼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sensetime Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Sensetime Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Intelligent Technology Co Ltd
Publication of JP2022545322A publication Critical patent/JP2022545322A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • 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
    • 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
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Signal Processing (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Traffic Control Systems (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

本願の実施例は、監視対象道路の画像を取得することであって、前記画像は前記監視道路に対して撮影して得られたものであることと、前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画することと、前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定することと、前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することと、を含む道路運行状況決定方法及び装置、デバイス並びに記憶媒体を開示する。【選択図】図２

Description

（関連出願の相互参照）
本願は、出願番号が２０２０１０９６３８５９．８であり、出願日が２０２０年９月１４日である中国特許出願に基づいて提案され、且つこの中国特許出願の優先権を主張し、この中国特許出願の全ての内容が参照として本願に組み込まれる。
本願は、コンピュータービジョンの技術分野に関し、道路運行状況決定方法及び装置、機器並びに記憶媒体に関するが、それらに限定されない。
自動車に係る交通需要の急速な増長に伴い、都市快速道路と都市間高速道路に深刻な交通渋滞状況が発生することがある。交通管理部門が道路網運行状態をリアルタイムで全面的に把握し、管理制御を予め判定することを支援するために、渋滞を早速且つ正確に認識するのは交通管理部門にとって非常に重要なことである。
関連技術において、一般的には、従来の検出器によって道路渋滞を認識し、又は、ビデオ検出によって道路渋滞を認識する。ここで、従来の検出器によって道路渋滞を認識する解決手段において、車両から返送したＧＰＳデータ又はレーダー等の検出器によって道路走行車両の速度を決定することが多く、また、ビデオ検出によって道路渋滞を認識する解決手段において、人工で観測領域を描き、更に車両の観測領域での速度を決定することで、観測領域の渋滞状態を推定し、又は、ディープニューラルネットワークを用いて直接的に観測領域の渋滞状態を予測する。しかしながら、関連技術において、道路渋滞を決定する解決手段は異なる要因に影響されるため、道路の渋滞状況に対する判断が不正確であるという問題が存在する。
以上の事情に鑑みて、本願の実施例は道路運行状況決定方法及び装置、デバイス並びに記憶媒体を提供することを目的とする。
本願の実施例の技術的解決手段は以下のように実現される。
本願の実施例は、
監視対象道路の画像を取得するステップであって、前記画像は前記監視対象道路を撮影して得られたものであるステップと、
前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画するステップと、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するステップと、
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するステップと、を含む道路運行状況決定方法を提供する。
上記の解決手段においては、前記監視対象道路の車両数を取得するステップは、
ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けるステップと、
前記監視対象道路の各方向道路の車両数をそれぞれ取得するステップと、を含み、
これに対応して、前記画像と前記監視対象道路の車両数とに基づいて、前記監視対象道路を上り道路と下り道路とに区画するステップは、
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するステップを含む。
上記の解決手段においては、前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するステップは、
前記各方向道路をそれぞれＪ個の部分に離散化するステップであって、Ｊは１より大きい正の整数であるステップと、
前記画像と前記各方向道路の車両数とを分析して、第１所定時間帯での各方向道路の前記Ｊ個の部分のうちの各部分の車両数をそれぞれ決定するステップと、
第１所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画するステップと、を含む。
上記の解決手段においては、前記第１所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画するステップは、
前記第１所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点ｋを決定するステップと、
前記車両の走行方向に応じて、前記各方向道路における先頭のｋ個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のｋ個の部分以外の残りの部分に対応する道路が下り道路であると決定するステップと、を含む。
上記の解決手段においては、前記監視対象道路の車両数を取得するステップは、
第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量を取得するステップを含み、
これに対応して、前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するステップは、
前記第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するステップと、
第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得するステップと、
各方向道路に対して、前記第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定するステップと、を含む。
上記の解決手段においては、前記第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するステップは、
前記第２所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第２数量を取得するステップと、
前記第２所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第３数量を取得するステップと、
各方向道路に対して、前記第１数量が前記第２数量より小さく且つ前記第１数量が前記第３数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定するステップと、を含む。
上記の解決手段においては、前記各方向道路に対して、前記第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定するステップは、
前記第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算するステップであって、前記運行時間は上り道路から下り道路までの車両の運行時間であるステップと、
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第２増加率を計算するステップと、
各方向道路に対して、前記第１増加率と前記第２増加率に基づいて判定対象数値を計算するステップと、
各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定するステップと、を含む。
上記の解決手段においては、前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の増加率を計算するステップは、
疑似渋滞時刻での各方向道路の上り道路の車両数、及び前記疑似渋滞時刻から前記運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得するステップと、
第３所定時間帯での各方向道路の上り道路の第１平均車両数及び下り道路の第２平均車両数を計算するステップと、
疑似渋滞時刻での各方向道路の上り道路の車両数と前記各方向道路の第１平均車両数とに基づいて、前記第１増加率を計算するステップと、
前記疑似渋滞時刻から前記運行時間を経過した後の時刻での前記各方向道路の下り道路の車両数と前記各方向道路の第２平均車両数とに基づいて、前記第２増加率を計算するステップと、を含む。
上記の解決手段においては、前記各方向道路に対して、前記第１増加率と前記第２増加率に基づいて判定対象数値を計算するステップは、
各方向道路の前記第１増加率及び前記第２増加率に基づいて、各方向道路の上り道路の増加率と下り道路の増加率との間の第１差分値を計算するステップと、
前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第２差分値を計算するステップと、
各方向道路に対して、前記第１差分値と第２差分値に基づいて前記判定対象数値を計算するステップと、を含む。
上記の解決手段においては、前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するステップは、
前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得するステップと、
前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するステップと、を含む。
本願の実施例は、
監視対象道路の画像を取得するように構成される取得ユニットであって、前記画像は前記監視対象道路に対して収集して得られたものである取得ユニットと、
前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画するように構成される区画ユニットと、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するように構成される第１決定ユニットと、
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するように構成される第２決定ユニットと、を備える道路運行状況決定装置を提供する。
上記の解決手段においては、前記区画ユニットは、
ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けるように構成される第１決定モジュールと、
前記監視対象道路の各方向道路の車両数をそれぞれ取得するように構成される第１取得モジュールと、を備え、
これに対応して、前記区画ユニットは、
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するように構成される第１区画モジュールを更に備える。
上記の解決手段においては、前記第１区画モジュールは、更に、
前記各方向道路をそれぞれＪ個の部分に離散化するステップであって、Ｊは１より大きい正の整数であるステップと、
前記画像と前記各方向道路の車両数とを分析して、第１所定時間帯での各方向道路の前記Ｊ個の部分のうちの各部分の車両数をそれぞれ決定するステップと、
第１所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画するステップとを実行するように構成される。
上記の解決手段においては、前記第１区画モジュールは、更に、
前記第１所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点ｋを決定するステップと、
前記車両の走行方向に応じて、前記各方向道路における先頭のｋ個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のｋ個の部分以外の残りの部分に対応する道路が下り道路であると決定するステップとを実行するように構成される。
上記の解決手段においては、前記区画ユニットは、
第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量を取得するように構成される第２取得モジュールを更に備え、
これに対応して、前記第１決定ユニットは、
前記第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するように構成される第２決定モジュールと、
第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得するように構成される第２取得モジュールと、
各方向道路に対して、前記第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定するように構成される第３決定モジュールと、を備える。
上記の解決手段においては、前記第２決定モジュールは、更に、
前記第２所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第２数量を取得するステップと、
前記第２所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第３数量を取得するステップと、
各方向道路に対して、前記第１数量が前記第２数量より小さく且つ前記第１数量が前記第３数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定するステップとを実行するように構成される。
上記の解決手段においては、前記第３決定モジュールは、更に、
前記第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算するステップであって、前記運行時間は上り道路から下り道路までの車両の運行時間であるステップと、
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第２増加率を計算するステップと、
各方向道路に対して、前記第１増加率と前記第２増加率に基づいて判定対象数値を計算するステップと、
各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定するステップとを実行するように構成される。
上記の解決手段においては、前記第３決定モジュールは、更に、
疑似渋滞時刻での各方向道路の車両数と前記疑似渋滞時刻から前記運行時間を経過した後の時刻での車両数を取得するステップと、
第３所定時間帯での各方向道路の上り方向道路の第１平均車両数と下り方向道路の第２平均車両数を計算するステップと、
疑似渋滞時刻での各方向道路の上り方向道路の車両数と前記各方向道路の第１平均車両数とに基づいて、前記第１増加率を計算するステップと、
前記各方向道路の下り方向道路の前記疑似渋滞時刻から前記運行時間を経過した後の時刻での車両数と前記各方向道路の第２平均車両数とに基づいて、前記第２増加率を計算するステップとを実行するように構成される。
上記の解決手段においては、前記第３決定モジュールは、更に、
各方向道路の前記第１増加率及び前記第２増加率に基づいて、各方向道路の上り道路の増加率と下り道路の増加率との間の第１差分値を計算するステップと、
前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第２差分値を計算するステップと、
各方向道路に対して、前記第１差分値と第２差分値に基づいて前記判定対象数値を計算するステップとを実行するように構成される。
上記の解決手段においては、前記第２決定ユニットは、更に、
前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得するステップと、
前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するステップとを実行するように構成される。
本願の実施例は、
少なくとも、メモリ、通信バス及びプロセッサを備える道路運行状況決定デバイスであって、
前記メモリは、道路運行状況決定プログラムを記憶するように構成され、
前記通信バスは、プロセッサとメモリとの間の接続通信を実現するように構成され、
前記プロセッサは、メモリに記憶された道路運行状況決定プログラムを実行して、上記の道路運行状況決定方法におけるステップを実現するように構成される前記道路運行状況決定デバイスを提供する。
本願の実施例は、コンピュータプログラムが記憶されており、前記コンピュータプログラムがプロセッサによって実行されるとき、上記の道路運行状況決定方法におけるステップを実現する記憶媒体を提供する。
本願の実施例は、コンピュータ読み取り可能なコードを含み、前記コンピュータ読み取り可能なコードが道路運行状況決定デバイスで運行されるとき、前記道路運行状況決定デバイスにおけるプロセッサは上記に記載された道路運行状況決定方法におけるステップを実現するように実行されるコンピュータプログラムを提供する。
本願の実施例により提供される道路運行状況決定方法及び装置、デバイス並びに記憶媒体は、監視対象道路の画像と監視対象道路の車両数とを取得し、画像は監視対象道路に対して収集して得られたものであり、画像と監視対象道路の車両数とに基づいて監視対象道路を上り道路と下り道路とに区画し、監視対象道路の上り道路の車両数と下り道路の車両数を取得すると共に、監視対象道路の車両数、上り道路の車両数、下り道路の車両数及び監視対象道路の交通波に基づいて、目標閾値を決定し、最終的に、監視対象道路の車両の数量が目標閾値より大きい場合に、監視対象道路に渋滞が発生したと決定し、このようにして、監視対象道路の画像によって決定された目標閾値及び道路の車両数を直接的に利用することで、監視対象道路に渋滞が発生したかどうかを決定でき、人工による監測領域の設定も車両速度の決定も不要になり、道路渋滞を決定する解決手段に道路の渋滞状況に対する判断が不正確であるという問題が存在した関連技術と比べて、道路の渋滞状況に対する判断の正確性を向上させる。
本願の実施例により提供されるシステムの構成の模式図である。 本願の実施例により提供される道路運行状況決定方法のフローチャートである。 本願の実施例により提供される道路運行状況決定方法の別のフローチャートである。 本願の実施例の道路運行状況決定方法において監視対象道路を異なる方向の道路に区画するために用いられた区画モデルの模式図である。 本願の実施例により提供される隣接する２つのセルの模式図である。 （図６ａ－６ｄ）本願の実施例により提供される道路運行状況決定方法における監視対象道路の区画模式図である。 （図７ａ－７ｂ）本願の実施例により提供される道路運行状況決定方法における監視対象道路に渋滞が発生した模式図である。 本願の実施例により提供される道路運行状況決定方法の更に別のフローチャートである。 本願の実施例により提供される道路運行状況決定方法における監視対象道路の渋滞が上り道路へ伝播した模式図である。 （図１０ａ－１０ｄ）本願の実施例により提供されるカメラの回転前後の監視対象道路の模式図である。 本願の実施例により提供される道路運行状況決定方法の更に別のフローチャートである。 本願の実施例に係る道路運行状況決定装置の構成の模式図である。 本願の実施例に係る道路運行状況決定デバイスの構成の模式図である。
本願の目的、技術的手段及び長所をより明瞭にするために、以下において、図面を参照しながら本願をさらに詳細に説明し、説明された実施例は本願を限定するものと見なしてはならなく、当業者が創造的な労力をしない上で得られた他の全ての実施例は、いずれも本願の保護範囲に属する。
以下の説明において、「一部の実施例」に関しては、全ての可能な実施例の部分集合を記述するが、「一部の実施例」は全ての可能な実施例の同じ部分集合であっても、異なる部分集合であってもよく、矛盾しない限り、互いに組み合わせてもよいことが理解可能である。
図１は本願の実施例により提供されるシステムの構成の模式図であり、図１に示すように、このシステム構成には画像取得端末１１、車両情報取得端末１２、ネットワーク１３、情報決定端末１４が含まれている。１つの例示的な応用のサポートを実現するために、画像取得端末１１、車両情報取得端末１２及び情報決定端末１４はネットワーク１２によって通信接続可能であり、画像取得端末１１は、監視対象道路を監視すると共に、監視対象路に対してリアルタイムで画像を収集し、続いて、ネットワーク１３によって収集した監視対象道路の画像を車両情報取得端末１２と情報決定端末１４に報告し、車両情報取得端末１２は、受信した監視対象道路の画像に応答して、監視対象道路の画像を分析して監視対象道路の車両数を得り、続いて、ネットワーク１３によって得られた監視対象道路の車両数を情報決定端末１４に報告し、情報決定端末１４は、監視対象道路の画像と監視対象道路の車両数とに基づいて監視対象道路を上り道路と下り道路とに区画し、続いて、上り道路の車両数と下り道路の車両数を取得すると共に、監視対象道路の車両数、上り道路の車両数、下り道路の車両数及び監視対象道路の交通波に基づいて目標閾値を決定し、最後に、監視対象道路の車両数が目標閾値より大きい場合に、監視対象道路に渋滞が発生したと決定する。
例示的な例として、画像取得端末１１は画像収集デバイスを備えてもよく、車両情報取得端末１２は画像データ処理能力を有するサーバ又はデバイスを備えてもよく、ネットワーク１３は有線接続又は無線接続の方式を用いてもよく、情報決定端末１４は視覚情報処理能力を有する視覚処理デバイス又はリモートサーバを備えてもよい。ここで、情報決定端末１４が視覚処理デバイスである場合、画像取得端末１１は有線接続方式によって視覚処理デバイスに通信接続されてもよく、例えば、バスによってデータ通信を行い、情報決定端末１４がリモートサーバである場合、画像取得端末１１は無線ネットワークによってリモートサーバとデータ交換を行ってもよい。当然ながら、車両情報取得端末１２と画像取得端末１１は無線ネットワーク又は有線ネットワークによってデータ交換を行うことも可能である。
又は、いくつかのシーンにおいては、画像取得端末１１は画像収集モジュール付きの処理デバイスであってもよく、具体的にはカメラ付きのホストコンピュータとして実現する。このとき、本開示の実施例の道路運行状況決定方法は画像取得端末１１によって実行可能であり、上記システム構成には車両情報取得端末１２、ネットワーク１３及び情報決定端末１４を備えなくてもよい。
本願の実施例は道路運行状況決定方法を提供し、この方法は道路運行状況決定デバイスに適用可能であり、図２に示すように、この方法は以下のステップを含む。
ステップ２０１では、監視対象道路の画像を取得する。
ここで、画像は監視道路に対して収集して得られたものである。
本願の実施例では、監視対象道路の画像は監視対象道路の実施例画面に対して収集して得られたものであってもよく、本願の一部の実施例では、監視対象道路をリアルタイムで撮影し、監視対象道路のビデオから複数フレームの画像を取得して監視対象道路の画像を得る。
ステップ２０２では、監視対象道路の車両数を取得すると共に、画像と監視対象道路の車両数とに基づいて監視対象道路を上り道路と下り道路とに区画する。
ここで、画像を分析してから監視対象道路における車両の走行方向を決定し、次に車両の走行方向、画像及び監視対象道路の車両数により監視対象道路を上り道路と下り道路とに区画することができる。なお、同一方向の監視対象道路に対して上り道路と下り道路とに区画してもよく、監視対象道路の一定の時間帯での車両数が取得されてもよい。
ステップ２０３では、監視対象道路の上り道路の車両数と下り道路の車両数を取得すると共に、監視対象道路の車両数、上り道路の車両数、下り道路の車両数及び監視対象道路の交通波に基づいて、目標閾値を決定する。
ここで、一定の時間帯での監視対象道路の上り道路の車両数、及び一定の時間帯での監視対象道路の下り道路の車両数が取得されてもよく、監視対象道路の交通波は疑似渋滞時刻での監視対象道路の交通波であってもよく、対応する車両数が取得された後、先に監視対象道路の車両数により疑似渋滞時刻と疑似渋滞数量を決定し、次に監視対象道路の上り道路の車両数、監視対象道路の下り道路の車両数及び疑似渋滞時刻により、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が疑似渋滞数量であると決定するようにしてもよい。なお、疑似渋滞数量は、疑似渋滞時刻での監視対象道路の車両の数量である。
ステップ２０４では、監視対象道路の車両数が目標閾値より大きい場合に監視対象道路に渋滞が発生したと決定する。
ここで、監視対象道路の車両の数量が目標閾値より大きいとき、この時刻での監視対象道路の車両数が大きく、この時刻に監視対象道路に渋滞が発生したと考えられ、本願の一部の実施例では、例えば、例えば車両の突然のＵターン等による一時的渋滞のようなある緊急事態を回避するために、更に監視対象道路の車両の数量が目標閾値より大きくなっている持続時間が所定時間閾値を超えたとき、監視対象道路に渋滞が発生したと決定するようにしてもよく、このとき、渋滞道路区間の情報を交通管理部門に報告してもよい。
本願の実施例により提供される道路運行状況決定方法においては、監視対象道路の画像と監視対象道路の車両数とを取得し、画像は監視対象道路を撮影して得られたものであり、画像と監視対象道路の車両数とに基づいて監視対象道路を上り道路と下り道路とに区画し、監視対象道路の上り道路の車両数と下り道路の車両数を取得すると共に、監視対象道路の車両数、上り道路の車両数、下り道路の車両数及び監視対象道路の交通波に基づいて、目標閾値を決定し、最終的に、監視対象道路の車両の数量が目標閾値より大きい場合に、監視対象道路に渋滞が発生したと決定し、このようにして、監視対象道路の画像によって決定された目標閾値及び道路の車両数を直接的に利用することで、監視対象道路に渋滞が発生したかどうかを決定でき、人工による監測領域の設定も車両速度の決定も不要になり、道路渋滞を決定する解決手段に道路の渋滞状況に対する判断が不正確であるという問題が存在した関連技術と比べて、道路の渋滞状況に対する判断の正確性を向上させる。
上記実施例に基づいて、本願の実施例は道路運行状況決定方法を提供し、図３に示すように、この方法は以下のステップを含む。
ステップ３０１では、道路運行状況決定デバイスは、監視対象道路の画像を取得する。
ここで、画像は監視対象道路に対して収集して得られたものである。
なお、監視対象道路の画像はリアルタイムで撮影した監視対象道路のビデオから、一定数のフレーム毎に画像を収集して得られたものであってもよい。本願の一部の実施例では、監視対象道路は、車両運行方向が区分されない１つの監視される必要がある道路区間であってもよく、即ち、監視対象道路に異なる走行方向の道路が含まれ、当然ながら、監視対象道路は、車両運行方向に応じて区分された１つの監視される必要がある道路区間であってもよく、即ち、監視対象道路に１つの固定走行方向の道路が含まれる。監視対象道路に１つの固定走行方向の道路しか含まれない場合に、実際に実行するに際して監視対象道路を異なる方向の道路に区画するステップを実行する必要はない。
ステップ３０２では、道路運行状況決定デバイスは、画像を分析して、ニューラルネットワークアルゴリズムを用いて監視対象道路を異なる方向の道路に分ける。
ここで、監視対象道路を異なる方向の道路に区画することは、ニューラルネットワークアルゴリズムを用いて画像を分析することにより実現されてもよく、本願の一部の実施例では、図４に示す区画モデルを用い、ニューラルネットワークアルゴリズムの残差ニューラルネットワーク（ＲｅｓＮｅｔ）アルゴリズム及びＤｅｅｐｌａｂ ｖ３ニューラルネットワークアルゴリズムを用いて、画像を分析して、さらに監視対象道路の異なる方向の道路を決定するようにしてもよい。なお、監視対象道路の異なる方向の道路は車両走行方向に応じて区画されるものであり、本願の一部の実施例では、監視対象道路を２方向の道路、即ち、第１方向道路と第２方向道路とに区画してもよい。
ステップ３０３では、道路運行状況決定デバイスは、監視対象道路の各方向道路の車両数をそれぞれ取得する。
ステップ３０４では、道路運行状況決定デバイスは、画像と各方向道路の車両数とに基づいて、監視対象道路の各方向道路をそれぞれ上り道路と下り道路とに区画する。
ここで、実際の応用で、車両走行方向に沿うように監視対象道路の車両数により監視対象道路の各方向道路を上り道路と下り道路との２つの道路区間に区画してもよい。監視対象道路に１方向の道路しか含まれない場合に、直接的に車両走行方向に沿うように監視対象道路を上り道路と下り道路とに区画すればよく、各方向道路のそれぞれに応じて区画する必要はない。
なお、道路運行状況決定デバイスは画像と各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するステップ３０４は、以下の方式によって実現可能である。
ステップ３０４ａでは、道路運行状況決定デバイスは、各方向道路をそれぞれＪ個の部分に離散化する。
ここで、Ｊは１より大きい正の整数であり、各部分に対応する道路区間の距離は同様である。
ここで、実際の応用で、セル伝達モデル（ＣＴＭ：Ｃｅｌｌ Ｔｒａｎｓｍｉｓｓｉｏｎ Ｍｏｄｅｌ）を用いて監視対象道路の道路区間空間を同士の距離が同様であるＪ個のセル（ｃｅｌｌ）に離散化し、時間を平均的にｃｅｌｌと同様な数量のＴつの時間帯に区画するようにしてもよい。ある時刻において、いずれか１つのセルの内部の交通状態は均一であると考えられ、隣接するセル間の交通状態は交通衝撃波、待ち行列形成及び待ち行列消失等の現象をシミュレートすることに用いられる。図５は２つの隣接するｃｅｌｌの模式図であり、ここで、
Figure 2022545322000002
はセルｃｅｌｌｉに対応する道路の道路区間の車両数を表し、
Figure 2022545322000003
はセルｃｅｌｌｉ＋１に対応する道路の道路区間の車両数を表す。なお、複数のｃｅｌｌによりボール型カメラ又はボックス型カメラに対応する撮影シーンにおける各方向の道路の車両流波の境界線のみを確認し、各方向道路を上り道路と下り道路に区画するようにしてもよく、また、それぞれのｃｅｌｌが１つの車両流波であると考えられることは理解可能である。
ステップ３０４ｂでは、道路運行状況決定デバイスは、画像と各方向道路の車両数とを分析して、第１所定時間帯での各方向道路のＪ個の部分のうちの各部分の車両数をそれぞれ決定する。
本願の実施例では、車両数の決定は、自己補正モデルトレーニングとディープ畳み込みネットワーク予測との２部分を含み、ここで、自己補正モデルトレーニングは２段階に分けられる。即ち、１）固定のガウス密度マップラベルにより深度計数ネットワークを監視及びトレーニングする。トレーニングプロセスは、画像を入力し、ネットワークのフィードフォワードによって密度マップを得り、密度マップとラベルのユークリッドとの間の距離を損失関数として計算し、逆勾配伝播によってネットワークのパラメータを更新することを含む。２）モデルの予測を組み合わせて密度マップラベルを補正し、且つモデルに対応する損失関数を用いる。ディープ畳み込みネットワーク予測の部分に関しては、画像が入力された後、車両位置を反映する密度マップが出力され、密度マップにおける全ての画素値の和を求めた数値を画像に含まれる車両の数量とする。ここで、第１所定時間帯は予め定められた時間帯であってもよく、本願の一部の実施例では、第１所定時間帯の値は１２０－３００秒であってもよい。
ステップ３０４ｃでは、道路運行状況決定デバイスは、第１所定時間帯での各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて各方向道路をそれぞれ上り道路と下り道路とに区画する。
ここで、道路運行状況決定デバイスは、第１所定時間帯での各方向道路の各部分の車両数により切断点を決定し、次に切断点により監視対象道路の各方向道路を上り道路と下り道路とに区画することができる。
本願の一部の実施例では、図６ａ～図６ｄは監視対象道路での監視対象道路の各方向道路の上り道路と下り道路との領域を例示的に示す。
ステップ３０５では、道路運行状況決定デバイスは、第２所定時間帯での各時刻での監視対象道路の各方向道路における車両の第１数量を取得する。
ステップ３０６では、道路運行状況決定デバイスは、第２所定時間帯での各時刻での監視対象道路の各方向道路における車両の第１数量に基づいて計算して、各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定する。
本願の実施例では、第２所定時間帯での各時刻から所定間隔時間後の各方向道路における車両の第２数量を取得すると共に、第２所定時間帯での各時刻から所定間隔時間前の各方向道路における車両の第３数量を取得し、次に第１数量と第２数量及び第３数量との関係を比較し、疑似渋滞時刻と疑似渋滞数量を決定することができる。
ここで、道路運行状況決定デバイスは、第２所定時間帯での各時刻での監視対象道路の各方向道路における車両の第１数量に基づいて計算して、各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するステップ３０６は、以下の方式によって実現可能である。
ステップ３０６ａでは、道路運行状況決定デバイスは、第２所定時間帯での各時刻から所定間隔時間後の各方向道路における車両の第２数量を取得する。
ステップ３０６ｂでは、道路運行状況決定デバイスは、第２所定時間帯での各時刻から所定間隔時間前の各方向道路における車両の第３数量を取得する。
ステップ３０６ｃでは、道路運行状況決定デバイスは、各方向道路に対して、第１数量が第２数量より小さく且つ第１数量が第３数量より大きい時刻が疑似渋滞時刻であると決定すると共に、疑似渋滞時刻での車両の数量が疑似渋滞数量であると決定する。
ここで、第１数量と第２数量及び第３数量との大小関係を比較することによって、疑似渋滞時刻を決定できる。実行可能な監視対象道路実現形態の１つでは、下記数式（１）と（２）を用いて疑似渋滞時刻を決定できる。第２所定時間帯でのある時刻での監視対象道路の各方向道路の第１数量が第３数量より大きく、且つ第１数量が第２数量より小さい時刻が疑似渋滞時刻であると決定すると、
Figure 2022545322000004
ここで、
Figure 2022545322000005
はｔ－Δｔ時刻でのセル
Figure 2022545322000006
に対応する道路の道路区間の車両数を表し、
Figure 2022545322000007
はｔ＋Δｔ時刻でのセルｃｅｌｌｉに対応する道路の道路区間の車両数を表す。なお、第１数量、第２数量及び第３数量は監視対象道路の上り道路の車両数と下り道路の車両数との総和を計算する。
なお、第２所定時間帯は平滑化処理を経ってから設定された値であってもよく、過去のＴつの時刻での監視対象道路の履歴車両数値によって平滑化し、渋滞発生前後の２つの時刻での道路区間の車両数を比較して差分値を得ることができ、Ｔ値として取った値が大き過ぎる場合に、渋滞が発生したときに車両数が急激に増加する過程を弱化させ、Ｔ値として取った値が小さ過ぎる場合に、道路区間の実際車両数を大幅に変動させ、分析によって交通流変化の実際傾向を取得しにくく、本願の一部の実施例では、第２所定時間帯の値は１２０－３００秒であってもよく、Δｔの値は２－５分間であってもよい。
図７ａに示すように、道路に渋滞が発生したとき、交通流密度が上昇し、渋滞発生前の道路における車両数は、渋滞による待ち行列が明らかに多くなり、図７ｂに示すように、これに対応して、渋滞が発生したときに車両数は時間が経つに伴って急激に上昇する。
ステップ３０７では、道路運行状況決定デバイスは、第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数を取得する。
ステップ３０８では、道路運行状況決定デバイスは、各方向道路に対して、第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が疑似渋滞数量であると決定する。
ここで、道路運行状況決定デバイスは、上り道路から下り道路までの車両の運行時間を計算すると共に、疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び疑似渋滞時刻から運行時間を経過した後の各方向道路の下り道路の第２増加率を計算し、次に、第１増加率と第２増加率に基づいて計算して１つの判定対象数値を得り、最終的に判定対象数値と所定閾値との関係により目標閾値を決定することができる。
なお、各方向道路に対して、第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が疑似渋滞数量であると決定するステップ３０８は、以下の方式によって実現可能である。
ステップ３０８ａでは、道路運行状況決定デバイスは、第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて計算して、各方向道路の運行時間を得る。
ここで、運行時間は上り道路から下り道路までの車両の運行時間である。
なお、式
Figure 2022545322000008
を用いて運行時間を計算してもよく、ここで、τは運行時間を表し、
Figure 2022545322000009
はｔ時刻での上り道路の車両数を表し、
Figure 2022545322000010
はｔ＋Δｔ時刻での下り道路の車両数を表し、Δｔは未知数である。本願の一部の実施例では、τの値は
Figure 2022545322000011
が最小値を取った場合における対応するΔｔの値であってもよい。
ステップ３０８ｂでは、道路運行状況決定デバイスは、疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び疑似渋滞時刻から運行時間を経過した後の各方向道路の下り道路の第２増加率を計算する。
ここで、第１増加率は、疑似渋滞時刻での監視対象道路の各方向道路の上り道路の車両数と、所定時間帯での上り道路の平均車両数とに基づいて算出されたものであってもよく、その一部の実施例で、第２増加率は、疑似渋滞時刻での監視対象道路の各方向道路の下り道路の車両数と、下り道路の平均車両数とに基づいて算出されるものである。
ステップ３０８ｃでは、道路運行状況決定デバイスは、各方向道路に対して、第１増加率と第２増加率に基づいて判定対象数値を計算する。
ここで、第１増加率と第２増加率との第１差分値を計算すると共に、疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第２差分値を計算し、次にこの第１差分値と第２差分値に基づいて判定対象数値を計算することができる。
ステップ３０８ｄでは、道路運行状況決定デバイスは、各方向道路に対して、判定対象数値の値が所定閾値より大きい場合に、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、目標閾値が疑似渋滞数量であると決定する。
ステップ３０９では、道路運行状況決定デバイスは、監視対象道路の車両数が目標閾値より大きくなっている持続時間を取得する。
ステップ３１０では、道路運行状況決定デバイスは、監視対象道路の車両数が目標閾値より大きく、且つ持続時間が所定時間閾値より大きい場合に、監視対象道路に渋滞が発生したと決定する。
なお、本実施例における監視対象道路の車両数の取得方法は、いずれもステップ３０４ｂに示す車両数取得方法を用いてもよく、本実施例における他の実施例と同じステップや同じ内容の説明については、他の実施例における記述を参照してもよい。
本願の実施例により提供される道路運行状況決定方法においては、監視対象道路の画像と監視対象道路の車両数とを取得し、画像は監視対象道路を撮影して得られたものであり、画像と監視対象道路の車両数とに基づいて監視対象道路を上り道路と下り道路とに区画し、監視対象道路の上り道路の車両数と下り道路の車両数を取得すると共に、監視対象道路の車両数、上り道路の車両数、下り道路の車両数及び監視対象道路の交通波に基づいて、目標閾値を決定し、最終的に、監視対象道路の車両の数量が目標閾値より大きい場合に、監視対象道路に渋滞が発生したと決定し、このようにして、監視対象道路の画像によって決定された目標閾値及び道路の車両数を直接的に利用することで、監視対象道路に渋滞が発生したかどうかを決定でき、人工による監測領域の設定も車両速度の決定も不要になり、道路渋滞を決定する解決手段に道路の渋滞状況に対する判断が不正確であるという問題が存在した関連技術と比べて、道路の渋滞状況に対する判断の正確性を向上させる。
上記実施例に基づいて、本願の実施例は道路運行状況決定方法を提供し、図８に示すように、この方法は以下のステップを含む。
ステップ４０１では、道路運行状況決定デバイスは、監視対象道路の画像を取得する。
ここで、画像は監視道路に対して収集して得られたものである。
ステップ４０２では、道路運行状況決定デバイスは、画像を分析して、ニューラルネットワークアルゴリズムを用いて監視対象道路を異なる方向の道路に分ける。
ステップ４０３では、道路運行状況決定デバイスは、監視対象道路の各方向道路の車両数をそれぞれ取得する。
ステップ４０４では、道路運行状況決定デバイスは、各方向道路をそれぞれＪ個の部分に離散化する。
ここで、Ｊは１より大きい正の整数である。
ステップ４０５では、道路運行状況決定デバイスは、画像と各方向道路の車両数とを分析して、第１所定時間帯での各方向道路のＪ個の部分のうちの各部分の車両数をそれぞれ決定する。
ステップ４０６では、道路運行状況決定デバイスは、第１所定時間帯での各方向道路の各部分の車両数に基づいて計算して、切断点ｋを収集する。
なお、式
Figure 2022545322000012
を用いてもよく、ここで、
Figure 2022545322000013
はｔ時刻での各方向道路の各部分の車両数を表し、ｋは未知数であり、本願の一部の実施例では、ｋの値は
Figure 2022545322000014
が最小値を取った場合における対応するｋの値であってもよい。
ステップ４０７では、道路運行状況決定デバイスは、車両の走行方向に応じて、各方向道路における先頭のｋ個の部分に対応する道路が上り道路であると決定すると共に、各方向道路における先頭のｋ個の部分以外の残りの部分に対応する道路が下り道路であると決定する。
本願の一部の実施例では、各方向道路のそれぞれに対して、車両の走行方向に沿うように、先頭のｋ個の部分に対応する道路を上り道路として区画し、先頭のｋ個の部分以外の残りの部分に対応する道路を下り道路として区画してもよい。
ステップ４０８では、道路運行状況決定デバイスは、第２所定時間帯での各時刻での監視対象道路の各方向道路における車両の第１数量を取得する。
ステップ４０９では、道路運行状況決定デバイスは、第２所定時間帯での各時刻から所定間隔時間後の各方向道路における車両の第２数量を取得する。
ステップ４１０では、道路運行状況決定デバイスは、第２所定時間帯での各時刻から所定間隔時間前の各方向道路における車両の第３数量を取得する。
ステップ４１１では、道路運行状況決定デバイスは、各方向道路に対して、第１数量が第２数量より小さく且つ第１数量が第３数量より大きい時刻が疑似渋滞時刻であると決定すると共に、疑似渋滞時刻での車両の数量が疑似渋滞数量であると決定する。
ステップ４１２では、道路運行状況決定デバイスは、第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数を取得する。
ステップ４１３では、道路運行状況決定デバイスは、第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、各方向道路の運行時間を計算する。
ここで、運行時間は上り道路から下り道路までの車両の運行時間である。
ステップ４１４では、道路運行状況決定デバイスは、疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び疑似渋滞時刻から運行時間を経過した後の各方向道路の下り道路の第２増加率を計算する。
ここで、道路運行状況決定デバイスは、疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び疑似渋滞時刻から運行時間を経過した後の各方向道路の下り道路の第２増加率を計算するステップ４１４は、以下の方式によって実現可能である。
ステップ４１４ａでは、道路運行状況決定デバイスは、疑似渋滞時刻での各方向道路の上り道路の車両数、及び疑似渋滞時刻から運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得する。
ステップ４１４ｂでは、道路運行状況決定デバイスは、第３所定時間帯での各方向道路の上り道路の第１平均車両数及び下り道路の第２平均車両数を計算する。
ステップ４１４ｃでは、道路運行状況決定デバイスは、疑似渋滞時刻での各方向道路の上り道路の車両数と各方向道路の第１平均車両数とに基づいて、第１増加率を計算する。
ステップ４１４ｄでは、道路運行状況決定デバイスは、疑似渋滞時刻から運行時間を経過した後の時刻での各方向道路の下り道路の車両数と各方向道路の第２平均車両数とに基づいて、第２増加率を計算する。
本願の一部の実施例では、式
Figure 2022545322000015
を用いて第１増加率と第２増加率を計算でき、ここで、ｘｉ∈［ｘｕｐ、ｘｄｏｗｎ］であり、
Figure 2022545322000016
は疑似渋滞時刻での各方向道路の上り道路の車両数、又は疑似渋滞時刻での各方向道路の下り道路の車両数を表し、
Figure 2022545322000017
は第１平均車両数又は第２平均車両数を表し、
Figure 2022545322000018
は上り道路又は下り道路の増加率を表す。なお、第２増加率を計算するとき、ｔをｔ＋Δｔに変える。
本願の実施例では、各時刻での値は５－１０秒であってもよい。
ステップ４１５では、道路運行状況決定デバイスは、各方向道路に対して、第１増加率と第２増加率に基づいて判定対象数値を計算する。
ここで、道路運行状況決定デバイスは、各方向道路に対して、第１増加率と第２増加率に基づいて判定対象数値を計算するステップ４１５は、以下の方式によって実現可能である。
ステップ４１５ａでは、道路運行状況決定デバイスは、各方向道路の第１増加率と第２増加率に基づいて、各方向道路の上り道路の増加率と下り道路の増加率との間の第１差分値を計算する。
なお、式
Figure 2022545322000019
を用いて第１差分値を計算してもよく、ここで、
Figure 2022545322000020
は第１差分値を表し、
Figure 2022545322000021
は第２増加率を表し、
Figure 2022545322000022
は第１増加率を表す。
ステップ４１５ｂでは、道路運行状況決定デバイスは、疑似渋滞時刻での各方向道路における車両の数量と、疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第２差分値を計算する。
なお、式
Figure 2022545322000023
を用いて第２差分値を計算してもよく、ここで、
Figure 2022545322000024
は第２差分値を表し、
Figure 2022545322000025
はｔ－１時刻での車両の数量を表す。
ステップ４１５ｃでは、道路運行状況決定デバイスは、各方向道路に対して、第１差分値と第２差分値に基づいて判定対象数値を計算する。
ここで、第１差分値と第２差分値に基づいて判定対象数値を計算するとき、先に第１差分値と第２差分値に基づいて認識関数を生成し、次に認識関数の値を計算して判定対象数値を得るようにしてもよく、本願の一部の実施例では、第２差分値が０より大きい場合に、認識関数は第２差分値の二乗と第１差分値との積であってもよく、第２差分値が０以下である場合に、認識関数は第１差分値であってもよく、本願の一部の実施例では、ｆ（ｔ）で認識関数を表してもよく、
Figure 2022545322000026
であり、ここで、
Figure 2022545322000027
の場合に、
Figure 2022545322000028
であり、
Figure 2022545322000029
の場合に、
Figure 2022545322000030
である。
ステップ４１６では、道路運行状況決定デバイスは、各方向道路に対して、判定対象数値が所定閾値より大きい場合に、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、目標閾値が疑似渋滞数量であると決定する。
なお、所定閾値は
Figure 2022545322000031
であってもよく、αが係数であり、αの値が［０，１］であってもよく、所定閾値は履歴車両数により設定されたものであってもよく、
Figure 2022545322000032
の場合に、交通波伝播が存在することを示す。ここで、
Figure 2022545322000033
の場合に、下流の増加率は上流の増加率より大きく、交通波は上流へ伝播する傾向があることを示し、
Figure 2022545322000034
＞０の場合に、現在時刻での車両数は過去車両数より大きく、領域内の車両数は増加する傾向があることを示す。上記２つの場合は、いずれも、渋滞が発生することを示す条件を満たしている。
本願の一部の実施例では、道路に渋滞が発生したとき、交通波が必ず発生し、交通波理論によれば、図９に示すように、渋滞による交通波（高密度波）は待ち行列の尾部から上流道路へ伝播し、即ち下流道路から上流道路へ伝播し、また、図９に示すように、渋滞が発生し始まると、下流道路の車両数は急激に増加し、渋滞が形成した後、上流道路の車両数は急激に増加し、つまり、下流道路の車両数は先に急激に増加し、その後に上流道路の車両数は急激に増加する。
本願の一部の実施例では、監視対象道路に対して渋滞を判断するとき、３０秒毎に判断してもよい。
ステップ４１７では、道路運行状況決定デバイスは、監視対象道路の車両数が目標閾値より大きくなっている持続時間を取得する。
本願の一部の実施例では、持続時間は２－５分間であってもよい。
ステップ４１８では、道路運行状況決定デバイスは、監視対象道路の車両数が目標閾値より大きく、且つ持続時間が所定時間閾値より大きい場合に、監視対象道路に渋滞が発生したと決定する。
本願の実施例は実行時に、毎回渋滞を判定する前、監視対象道路画像を収集するカメラは回転したかどうかを先に判断してもよく、カメラが回転した場合に、本願における道路運行状況決定方法を用いて監視対象道路に渋滞が発生したかどうかを新たに判断してもよい。ここで、カメラに対する回転判断は、シャムネットワークを用いて回転前後の２フレームの画像に示すシーンが同じであるかどうかを比較することで実現可能であり、ここで、図１０ａと図１０ｂはカメラ回転前に撮影した画像であり、図１０ｃと図１０ｄはカメラ回転後に撮影した画像である。
ここで、第１所定時間帯、第２所定時間帯及び第３所定時間帯は異なるものであってもよい。
なお、本実施例における他の実施例と同じステップや同じ内容の説明については、他の実施例における記述を参照してもよい。
本願の実施例により提供される道路運行状況決定方法は、監視対象道路の画像によって決定された目標閾値及び道路の車両数を直接的に利用することで、監視対象道路に渋滞が発生したかどうかを決定でき、人工による監測領域の設定も車両速度の決定も不要になり、道路渋滞を決定する解決手段に道路の渋滞状況に対する判断が不正確であるという問題が存在した関連技術と比べて、道路の渋滞状況に対する判断の正確性を向上させる。
上記実施例によれば、図１１に示すように、道路運行状況を決定するとき、ビデオ検出器で監視対象道路の画像を収集し、その後、監視対象道路に対してカメラが回転したかどうかを判定することと走行方向を区画することとを行い、その後、監視対象道路の車両を計数、することで監視対象道路の道路区間を上り道路と下り道路とに区画し、検出データの平滑化とノイズリダクションを行い、その後、目標閾値の自己学習アルゴリズムが完了したかどうかを判断し、完了した場合に直接的に目標閾値を決定し、完了していない場合に目標閾値の自己学習アルゴリズムを行い、その後、目標閾値を決定し、更に監視対象道路の交通状態を決定するようにしてもよい。ここで、検出データの平滑化とノイズリダクションとは、上記実施例における記載された第１所定時間帯、第２所定時間帯、第３所定時間帯、時刻、渋滞持続時間、渋滞判断時間及び画像収集間隔フレーム数についての限定的説明である。目標閾値の学習アルゴリズムは疑似渋滞数量の決定と交通波伝播の認識との２部分を含んでもよい。
上記実施例に基づいて、本願の実施例は道路運行状況決定装置を提供し、当該装置は、図２、図３及び図８に対応する実施例により提供される道路運行状況決定方法に適用可能であり、図１２に示すように、この装置５は、
監視対象道路の画像を取得するように構成される取得ユニット５１であって、画像は監視対象道路に対して収集して得られたものである取得ユニット５１と、
監視対象道路の車両数を取得すると共に、画像と監視対象道路の車両数とに基づいて監視対象道路を上り道路と下り道路とに区画するように構成される区画ユニット５２と、
監視対象道路の上り道路の車両数と下り道路の車両数を取得すると共に、監視対象道路の車両数、上り道路の車両数、下り道路の車両数及び監視対象道路の交通波に基づいて、目標閾値を決定するように構成される第１決定ユニット５３と、
監視対象道路の車両数が目標閾値より大きい場合に、監視対象道路に渋滞が発生したと決定するように構成される第２決定ユニット５４とを備えてもよい。
本願の他の実施例では、区画ユニット５２は、
ニューラルネットワークアルゴリズムを用いて画像を分析して、監視対象道路を異なる方向の道路に分けるように構成される第１決定モジュールと、
監視対象道路の各方向道路の車両数をそれぞれ取得するように構成される第１取得モジュールと、を備えてもよく、
これに対応して、区画ユニット５２は、さらに、
画像と各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するように構成される第１区画モジュールを備える。
本願の他の実施例では、第１区画モジュールは、更に、
各方向道路をそれぞれＪ個の部分に離散化するステップであって、Ｊは１より大きい正の整数であるステップと、
画像と各方向道路の車両数とを分析して、第１所定時間帯での各方向道路のＪ個の部分のうちの各部分の車両数をそれぞれ決定するステップと、
第１所定時間帯での各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて各方向道路をそれぞれ上り道路と下り道路とに区画するステップと、を実行するように構成される。
本願の他の実施例では、第１区画モジュールは、更に、
第１所定時間帯での各方向道路の各部分の車両数に基づいて計算して、切断点ｋを決定するステップと、
車両の走行方向に応じて、各方向道路における先頭のｋ個の部分に対応する道路が上り道路であると決定すると共に、各方向道路における先頭のｋ個の部分以外の残りの部分に対応する道路が下り道路であると決定するステップと、を実行するように構成される。
本願の他の実施例では、区画ユニット５２は、
第２所定時間帯での各時刻での監視対象道路の各方向道路における車両の第１数量を取得するように構成される第２取得モジュールを更に備え、
これに対応して、第１決定ユニット５３は、
第２所定時間帯での各時刻での監視対象道路の各方向道路における車両の第１数量に基づいて計算して、各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するように構成される第２決定モジュールと、
第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数を取得するように構成される第２取得モジュールと、
各方向道路に対して、第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が疑似渋滞数量であると決定するように構成される第３決定モジュールと、を備える。
本願の他の実施例では、第２決定モジュールは、更に、
第２所定時間帯での各時刻から所定間隔時間後の各方向道路における車両の第２数量を取得するステップと、
第２所定時間帯での各時刻から所定間隔時間前の各方向道路における車両の第３数量を取得するステップと、
各方向道路に対して、第１数量が第２数量より小さく且つ第１数量が第３数量より大きい時刻が疑似渋滞時刻であると決定すると共に、疑似渋滞時刻での車両の数量が疑似渋滞数量であると決定するステップと、を実行するように構成される。
本願の他の実施例では、第３決定モジュールは、更に、
第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、各方向道路の運行時間を計算するステップであって、運行時間は上り道路から下り道路までの車両の運行時間であるステップと、
疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び疑似渋滞時刻から運行時間を経過した後の各方向道路の下り道路の第２増加率を計算するステップと、
各方向道路に対して、第１増加率と第２増加率に基づいて判定対象数値を計算するステップと、
各方向道路に対して、判定対象数値が所定閾値より大きい場合に、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、目標閾値が疑似渋滞数量であると決定するステップと、を実行するように構成される。
本願の他の実施例では、第３決定モジュールは、更に、
疑似渋滞時刻での各方向道路の車両数と、疑似渋滞時刻から運行時間を経過した後の時刻での車両数とを取得するステップと、
第３所定時間帯での各方向道路の上り方向道路の第１平均車両数と、下り方向道路の第２平均車両数とを計算するステップと、
疑似渋滞時刻での各方向道路の上り方向道路の車両数と各方向道路の第１平均車両数とに基づいて、第１増加率を計算するステップと、
疑似渋滞時刻から運行時間を経過した後の時刻での各方向道路の下り方向道路の車両数と各方向道路の第２平均車両数とに基づいて、第２増加率を計算するステップと、を実行するように構成される。
本願の他の実施例では、第３決定モジュールは、更に、
各方向道路の第１増加率と第２増加率に基づいて、各方向道路の上り道路の増加率と下り道路の増加率との間の第１差分値を計算するステップと、
疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第２差分値を計算するステップと、
各方向道路に対して、第１差分値と第２差分値に基づいて判定対象数値を計算するステップと、を実行するように構成される。
本願の他の実施例では、第２決定ユニットは、更に、
監視対象道路の車両数が目標閾値より大きくなっている持続時間を取得するステップと、
監視対象道路の車両数が目標閾値より大きく、且つ持続時間が所定時間閾値より大きい場合に、監視対象道路に渋滞が発生したと決定するステップと、を実行するように構成される。
なお、本発明の実施例における各ユニットとモジュールとの間の情報交換実現プロセスについては、図２、図３、図８に対応する実施例により提供される道路運行状況決定方法における記載を参照してもよい。
本願の実施例により提供される道路運行状況決定装置は、監視対象道路の画像によって決定された目標閾値及び道路の車両数を直接的に利用することで、監視対象道路に渋滞が発生したかどうかを決定でき、人工による監測領域の設定も車両速度の決定も不要になり、道路渋滞を決定する解決手段に道路の渋滞状況に対する判断が不正確であるという問題が存在した関連技術と比べて、道路の渋滞状況に対する判断の正確性を向上させる。
本願の実施例は、道路運行状況決定デバイスを提供し、当該デバイスは図２、図３及び図８に対応する実施例により提供される道路運行状況決定方法に適用可能であり、図１３に示すように、このデバイス６は少なくとも、メモリ６１、通信バス６２及びプロセッサ６３を備えてもよく、
メモリ６１は、道路運行状況決定プログラムを記憶するように構成され、
通信バス６２は、プロセッサ６３とメモリ６１との間の接続通信を実現するように構成され、
プロセッサ６３は、メモリ６１に記憶された道路運行状況決定プログラムを実行することで、
監視対象道路の画像を取得するステップであって、画像は監視対象道路に対して収集して得られたものであるステップと、
監視対象道路の車両数を取得すると共に、画像と監視対象道路の車両数とに基づいて監視対象道路を上り道路と下り道路とに区画するステップと、
監視対象道路の上り道路の車両数と下り道路の車両数を取得すると共に、監視対象道路の車両数、上り道路の車両数、下り道路の車両数及び監視対象道路の交通波に基づいて、目標閾値を決定するステップと、
監視対象道路の車両数が目標閾値より大きい場合に、監視対象道路に渋滞が発生したと決定するステップと、を実現するように構成される。
本願の他の実施例では、プロセッサ６３は、メモリ６１に記憶された道路運行状況決定プログラムにおける画像に基づいて監視対象道路を上り道路と下り道路とに区画するステップを実行することで、
ニューラルネットワークアルゴリズムを用いて画像を分析して、各方向道路をそれぞれ上り道路と下り道路とに区画するステップと、
監視対象道路の各方向道路の車両数をそれぞれ取得するステップと、
画像と各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するステップと、を実現するように構成される。
本願の他の実施例では、プロセッサ６３は、メモリ６１に記憶された道路運行状況決定プログラムにおける画像と各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するステップを実行することで、
各方向道路をそれぞれＪ個の部分に離散化するステップであって、Ｊは１より大きい正の整数であるステップと、
画像と各方向道路の車両数とを分析して、第１所定時間帯での各方向道路のＪ個の部分のうちの各部分の車両数をそれぞれ決定するステップと、
第１所定時間帯での各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて各方向道路をそれぞれ上り道路と下り道路とに区画するステップと、を実現するように構成される。
本願の他の実施例では、プロセッサ６３は、メモリ６１に記憶された道路運行状況決定プログラムにおける第１所定時間帯での各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて各方向道路をそれぞれ上り道路と下り道路とに区画するステップを実行することで、
第１所定時間帯での各方向道路の各部分の車両数に基づいて計算して、切断点ｋを決定するステップと、
車両の走行方向に応じて、各方向道路における先頭のｋ個の部分に対応する道路が上り道路であると決定すると共に、各方向道路における先頭のｋ個の部分以外の残りの部分に対応する道路が下り道路であると決定するステップと、を実現するように構成される。
本願の他の実施例では、プロセッサ６３は、メモリ６１に記憶された道路運行状況決定プログラムにおける監視対象道路の車両数、上り道路の車両数及び下り道路の車両数を取得すると共に、監視対象道路の車両数、上り道路の車両数、下り道路の車両数及び監視対象道路の交通波に基づいて、目標閾値を決定するステップを実行することで、
第２所定時間帯での各時刻での監視対象道路の各方向道路における車両の第１数量を取得するステップと、
第２所定時間帯での各時刻での監視対象道路の各方向道路における車両の第１数量に基づいて計算して、各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するステップと、
第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数を取得するステップと、
各方向道路に対して、第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が疑似渋滞数量であると決定するステップと、を実現するように構成される。
本願の他の実施例では、プロセッサ６３は、メモリ６１に記憶された道路運行状況決定プログラムにおける第２所定時間帯での各時刻での監視対象道路の各方向道路における車両の第１数量に基づいて計算して、各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するステップを実行することで、
第２所定時間帯での各時刻から所定間隔時間後の各方向道路における車両の第２数量を取得するステップと、
第２所定時間帯での各時刻から所定間隔時間前の各方向道路における車両の第３数量を取得するステップと、
各方向道路に対して、第１数量が第２数量より小さく且つ第１数量が第３数量より大きい時刻が疑似渋滞時刻であると決定すると共に、疑似渋滞時刻での車両の数量が疑似渋滞数量であると決定するステップと、を実現するように構成される。
本願の他の実施例では、プロセッサ６３は、メモリ６１に記憶された道路運行状況決定プログラムにおける各方向道路に対して、第１数量が第２数量より小さく且つ第１数量が第３数量より大きい時刻が疑似渋滞時刻であると決定すると共に、疑似渋滞時刻での車両の数量が疑似渋滞数量であると決定するステップを実行することで、
第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、各方向道路の運行時間を計算するステップであって、運行時間は上り道路から下り道路までの車両の運行時間であるステップと、
疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び疑似渋滞時刻から運行時間を経過した後の各方向道路の下り道路の第２増加率を計算するステップと、
各方向道路に対して、第１増加率と第２増加率に基づいて判定対象数値を計算するステップと、
各方向道路に対して、判定対象数値が所定閾値より大きい場合に、疑似渋滞時刻での監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、目標閾値が疑似渋滞数量であると決定するステップと、を実現するように構成される。
本願の他の実施例では、プロセッサ６３は、メモリ６１に記憶された道路運行状況決定プログラムにおける疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び疑似渋滞時刻から運行時間を経過した後の各方向道路の下り道路の第２増加率を計算するステップを実行することで、
疑似渋滞時刻での各方向道路の車両数と、疑似渋滞時刻から運行時間を経過した後の時刻での車両数とを取得するステップと、
第３所定時間帯での各方向道路の上り方向道路の第１平均車両数と下り方向道路の第２平均車両数とを計算するステップと、
疑似渋滞時刻での各方向道路の上り方向道路の車両数と各方向道路の第１平均車両数とに基づいて、第１増加率を計算するステップと、
疑似渋滞時刻から運行時間を経過した後の時刻での各方向道路の下り方向道路の車両数と各方向道路の第２平均車両数とに基づいて、第２増加率を計算するステップと、を実現するように構成される。
本願の他の実施例では、プロセッサ６３は、メモリ６１に記憶された道路運行状況決定プログラムにおける各方向道路に対して、第１増加率と第２増加率に基づいて判定対象数値を計算するステップを実行することで、
各方向道路の第１増加率と第２増加率に基づいて、各方向道路の上り道路の増加率と下り道路の増加率との間の第１差分値を計算するステップと、
疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第２差分値を計算するステップと、
各方向道路に対して、第１差分値と第２差分値に基づいて判定対象数値を計算するステップと、を実現するように構成される。
本願の他の実施例では、プロセッサ６３は、メモリ６１に記憶された道路運行状況決定プログラムにおける監視対象道路の車両数が目標閾値より大きい場合に、監視対象道路に渋滞が発生したと決定するステップを実行することで、
監視対象道路の車両数が目標閾値より大きくなっている持続時間を取得するステップと、
監視対象道路の車両数が目標閾値より大きく、且つ持続時間が所定時間閾値より大きい場合に、監視対象道路に渋滞が発生したと決定するステップと、を実現するように構成される。
なお、本実施例でプロセッサが実行するステップの具体的な実現プロセスについては、図２、図３及び図８に対応する実施例により提供される道路運行状況決定方法における実現プロセスを参照してもよい。
本願の実施例により提供される道路運行状況決定デバイスは、監視対象道路の画像によって決定された目標閾値及び道路の車両数を直接的に利用することで、監視対象道路に渋滞が発生したかどうかを決定でき、人工による監測領域の設定も車両速度の決定も不要になり、道路渋滞を決定する解決手段に道路の渋滞状況に対する判断が不正確であるという問題が存在した関連技術と比べて、道路の渋滞状況に対する判断の正確性を向上させる。
上記実施例に基づいて、本願の実施例は、コンピュータ読み取り可能な記憶媒体を提供し、当該コンピュータ読み取り可能な記憶媒体には１つ又は複数のプログラムが記憶されており、当該１つ又は複数のプログラムが１つ又は複数のプロセッサによって実行されて、図２、図３及び図８に対応する実施例により提供される道路運行状況決定方法のステップを実現し得る。
上記実施例に基づいて、本願の実施例は、コンピュータプログラムを提供し、当該コンピュータプログラムは、コンピュータ読み取り可能なコードを含み、コンピュータ読み取り可能なコードが道路運行状況決定デバイスで運行されるとき、道路運行状況決定デバイスにおけるプロセッサは、図２、図３及び図８に対応する実施例により提供される道路運行状況決定方法のステップを実現するように実行される。
本願により提供される一部の実施例では、開示された方法及び装置は、他の形態で実現できることを理解すべきである。例えば、上述した装置の実施形態は例示的なものに過ぎず、例えば、モジュール又はユニットの分割は、論理機能の分割に過ぎず、実際の実現時に別の形態で分割してもよく、例えばユニット又はコンポーネントは組み合わせてもよく、又は別のシステムに統合してもよく、又はいくつかの特徴を省略もしくは実行しなくてもよい。一方、図示又は説明した相互の結合又は直接結合又は通信接続はいくつかのインタフェース、機器又はユニットを介した間接結合又は通信接続であってもよく、電気的、機械的又は他の形態であってもよい。
分離部材として説明したユニットは物理的に分離されたものであってもなくてもよく、ユニットとして表示されたた部材は物理ユニットであってもなくてもよく、即ち、１つの箇所に位置してもよく、又はネットワークユニットに分布されてもよい。実際のニーズに応じてそのうちの一部又は全てのユニットを選択して本実施形態の解決手段の目的を実現できる。
また、本願の各実施例における各機能ユニットは一つの処理ユニットに統合されてもよく、各ユニットはそれぞれ独立して物理的に存在してもよく、二つ又は二つ以上のユニットは一つのユニットに統合されてもよい。上記統合されたユニットはハードウェアの形で実現されてもよく、ソフトウェア機能ユニットの形で実現されてもよい。
統合されたユニットはソフトウェア機能ユニットの形で実現され且つ独立した製品として販売又は使用される場合、コンピュータ読み取り可能な記憶媒体に記憶されてもよい。このような見解をもとに、本願の技術的解決手段は実質的に、即ち従来技術に寄与する部分或いはこの技術的解決手段の全部又は一部がソフトウェア製品の形で具現化されることができ、当該コンピュータソフトウェア製品は、１つの記憶媒体に記憶され、コンピュータ機器（パーソナルコンピュータ、サーバ、又はネットワーク機器等であってもよい）又はプロセッサ（ｐｒｏｃｅｓｓｏｒ）に本願の各実施形態の方法のステップの全部又は一部を実行させるための複数の命令を含む。上述した記憶媒体は、ＵＳＢメモリ、ポータブルハードディスク、読み出し専用メモリ（ＲＯＭ：Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ランダムアクセスメモリ（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、磁気ディスク又は光ディスク等のプログラムコードを記憶可能である様々な媒体を含む。
本願の実施例は、監視対象道路の画像を取得するステップであって、前記画像は前記監視道路に対して撮影して得られたものであるステップと、前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画するステップと、前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するステップと、前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するステップと、を含む道路運行状況決定方法及び装置、デバイス並びに記憶媒体を開示する。このモデルに基づいて目標検出を行うとき、目標検出の正確性を向上させることができる。このようにして、監視対象道路の画像によって決定された目標閾値及び道路の車両数を直接的に利用することで、監視対象道路に渋滞が発生したかどうかを決定でき、道路の渋滞状況に対する判断の正確性を向上させる。
本願の実施例は、コンピュータ読み取り可能なコードを含み、前記コンピュータ読み取り可能なコードが道路運行状況決定デバイスで運行されるとき、前記道路運行状況決定デバイスにおけるプロセッサは上記に記載された道路運行状況決定方法におけるステップを実現するように実行されるコンピュータプログラムを提供する。
本願明細書は、例えば、以下の項目も提供する。
（項目１）
道路運行状況決定方法であって、
監視対象道路の画像を取得することであって、前記画像は前記監視対象道路に対して収集して得られたものであることと、
前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画することと、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定することと、
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することと、を含む、
道路運行状況決定方法。
（項目２）
前記監視対象道路の車両数を取得することは、
ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けることと、
前記監視対象道路の各方向道路の車両数をそれぞれ取得することと、を含み、
前記画像と前記監視対象道路の車両数とに基づいて、前記監視対象道路を上り道路と下り道路とに区画することは、
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画することを含むことを特徴とする
項目１に記載の方法。
（項目３）
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画することは、
前記各方向道路をそれぞれＪ個の部分に離散化することであって、Ｊは１より大きい正の整数であることと、
前記画像と前記各方向道路の車両数とを分析して、第１所定時間帯での各方向道路の前記Ｊ個の部分のうちの各部分の車両数をそれぞれ決定することと、
第１所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することと、を含むことを特徴とする
項目２に記載の方法。
（項目４）
第１所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することは、
前記第１所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点ｋを決定することと、
前記車両の走行方向に応じて、前記各方向道路における先頭のｋ個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のｋ個の部分以外の残りの部分に対応する道路が下り道路であると決定することと、を含むことを特徴とする
項目３に記載の方法。
（項目５）
前記監視対象道路の車両数を取得することは、
第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量を取得することを含み、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定することは、
前記第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定することと、
第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得することと、
各方向道路に対して、前記第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
項目１に記載の方法。
（項目６）
第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定することは、
前記第２所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第２数量を取得することと、
前記第２所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第３数量を取得することと、
各方向道路に対して、前記第１数量が前記第２数量より小さく且つ前記第１数量が前記第３数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
項目５に記載の方法。
（項目７）
各方向道路に対して、前記第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定することは、
前記第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算することであって、前記運行時間は上り道路から下り道路までの車両の運行時間であることと、
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第２増加率を計算することと、
各方向道路に対して、前記第１増加率と前記第２増加率に基づいて判定対象数値を計算することと、
各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
項目５又は６に記載の方法。
（項目８）
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第２増加率を計算することは、
疑似渋滞時刻での各方向道路の上り道路の車両数、及び前記疑似渋滞時刻から前記運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得することと、
第３所定時間帯での各方向道路の上り道路の第１平均車両数及び下り道路の第２平均車両数を計算することと、
疑似渋滞時刻での各方向道路の上り道路の車両数と前記各方向道路の第１平均車両数とに基づいて、前記第１増加率を計算することと、
前記疑似渋滞時刻から前記運行時間を経過した後の時刻での前記各方向道路の下り道路の車両数と前記各方向道路の第２平均車両数とに基づいて、前記第２増加率を計算することと、を含むことを特徴とする
項目７に記載の方法。
（項目９）
各方向道路に対して、前記第１増加率と前記第２増加率に基づいて判定対象数値を計算することは、
各方向道路の前記第１増加率及び前記第２増加率に基づいて、各方向道路の上り道路の第１増加率と下り道路の第２増加率との間の第１差分値を計算することと、
前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第２差分値を計算することと、
各方向道路に対して、前記第１差分値と第２差分値に基づいて前記判定対象数値を計算することと、を含むことを特徴とする
項目７に記載の方法。
（項目１０）
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することは、
前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得することと、
前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することと、を含むことを特徴とする
項目１に記載の方法。
（項目１１）
道路運行状況決定装置であって、
監視対象道路の画像を取得するように構成される取得ユニットであって、前記画像は前記監視道路に対して収集して得られたものである取得ユニットと、
前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画するように構成される区画ユニットと、
前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するように構成される第１決定ユニットと、
前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するように構成される第２決定ユニットと、を備える、
道路運行状況決定装置。
（項目１２）
前記区画ユニットは、
ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けるように構成される第１決定モジュールと、
前記監視対象道路の各方向道路の車両数をそれぞれ取得するように構成される第１取得モジュールと、を備え、
前記区画ユニットは、
前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するように構成される第１区画モジュールを更に備えることを特徴とする
項目１１に記載の装置。
（項目１３）
前記第１区画モジュールは、更に、
前記各方向道路をそれぞれＪ個の部分に離散化することであって、Ｊは１より大きい正の整数であることと、
前記画像と前記各方向道路の車両数とを分析して、第１所定時間帯での各方向道路の前記Ｊ個の部分のうちの各部分の車両数をそれぞれ決定することと、
第１所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することとを実行するように構成されることを特徴とする
項目１２に記載の装置。
（項目１４）
前記第１区画モジュールは、更に、
前記第１所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点ｋを決定することと、
前記車両の走行方向に応じて、前記各方向道路における先頭のｋ個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のｋ個の部分以外の残りの部分に対応する道路が下り道路であると決定することとを実行するように構成されることを特徴とする
項目１３に記載の装置。
（項目１５）
前記区画ユニットは、
第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量を取得するように構成される第２取得モジュールを更に備え、
前記第１決定ユニットは、
前記第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するように構成される第２決定モジュールと、
第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得するように構成される第２取得モジュールと、
各方向道路に対して、前記第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定するように構成される第３決定モジュールと、を備えることを特徴とする
項目１１に記載の装置。
（項目１６）
前記第２決定モジュールは、更に、
前記第２所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第２数量を取得することと、
前記第２所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第３数量を取得することと、
各方向道路に対して、前記第１数量が前記第２数量より小さく且つ前記第１数量が前記第３数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定することとを実行するように構成されることを特徴とする
項目１５に記載の装置。
（項目１７）
前記第３決定モジュールは、更に、
前記第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算することであって、前記運行時間は上り道路から下り道路までの車両の運行時間であることと、
前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第２増加率を計算することと、
各方向道路に対して、前記第１増加率と前記第２増加率に基づいて判定対象数値を計算することと、
各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定することとを実行するように構成されることを特徴とする
項目１５又は１６に記載の装置。
（項目１８）
前記第３決定モジュールは、更に、
疑似渋滞時刻での各方向道路の上り道路の車両数、及び前記疑似渋滞時刻から前記運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得することと、
第３所定時間帯での各方向道路の上り道路の第１平均車両数及び下り道路の第２平均車両数を計算することと、
疑似渋滞時刻での各方向道路の上り道路の車両数と前記各方向道路の第１平均車両数とに基づいて、前記第１増加率を計算することと、
前記疑似渋滞時刻から前記運行時間を経過した後の時刻での前記各方向道路の下り道路の車両数と前記各方向道路の第２平均車両数とに基づいて、前記第２増加率を計算することとを実行するように構成されることを特徴とする
項目１７に記載の装置。
（項目１９）
前記第３決定モジュールは、更に、
各方向道路の前記第１増加率及び前記第２増加率に基づいて、各方向道路の上り道路の第１増加率と下り道路の第２増加率との間の第１差分値を計算することと、
前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第２差分値を計算することと、
各方向道路に対して、前記第１差分値と第２差分値に基づいて前記判定対象数値を計算することとを実行するように構成されることを特徴とする
項目１７に記載の装置。
（項目２０）
前記第２決定ユニットは、更に、
前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得することと、
前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することとを実行するように構成されることを特徴とする
項目１１に記載の装置。
（項目２１）
メモリ、通信バス及びプロセッサを少なくとも備える道路運行状況決定デバイスであって、
前記メモリは、道路運行状況決定プログラムを記憶するように構成され、
前記通信バスは、プロセッサとメモリとの間の接続通信を実現するように構成され、
前記プロセッサは、メモリに記憶された道路運行状況決定プログラムを実行して、項目１～１０のいずれか一項に記載の道路運行状況決定方法におけるステップを実現するように構成される、
道路運行状況決定デバイス。
（項目２２）
記憶媒体であって、
前記記憶媒体にはコンピュータプログラムが記憶されており、
前記コンピュータプログラムがプロセッサによって実行されるとき、項目１～１０のいずれか一項に記載の道路運行状況決定方法におけるステップを実現する、
記憶媒体。
（項目２３）
コンピュータプログラムであって、
前記コンピュータプログラムがコンピュータ読み取り可能なコードを含み、
前記コンピュータ読み取り可能なコードが道路運行状況決定デバイスで運行されるとき、前記道路運行状況決定デバイスにおけるプロセッサは項目１～１０のいずれか一項に記載の道路運行状況決定方法におけるステップを実現するように実行される、
コンピュータプログラム。

Claims (23)

  1. 道路運行状況決定方法であって、
    監視対象道路の画像を取得することであって、前記画像は前記監視対象道路に対して収集して得られたものであることと、
    前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画することと、
    前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定することと、
    前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することと、を含む、
    道路運行状況決定方法。
  2. 前記監視対象道路の車両数を取得することは、
    ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けることと、
    前記監視対象道路の各方向道路の車両数をそれぞれ取得することと、を含み、
    前記画像と前記監視対象道路の車両数とに基づいて、前記監視対象道路を上り道路と下り道路とに区画することは、
    前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画することを含むことを特徴とする
    請求項１に記載の方法。
  3. 前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画することは、
    前記各方向道路をそれぞれＪ個の部分に離散化することであって、Ｊは１より大きい正の整数であることと、
    前記画像と前記各方向道路の車両数とを分析して、第１所定時間帯での各方向道路の前記Ｊ個の部分のうちの各部分の車両数をそれぞれ決定することと、
    第１所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することと、を含むことを特徴とする
    請求項２に記載の方法。
  4. 第１所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することは、
    前記第１所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点ｋを決定することと、
    前記車両の走行方向に応じて、前記各方向道路における先頭のｋ個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のｋ個の部分以外の残りの部分に対応する道路が下り道路であると決定することと、を含むことを特徴とする
    請求項３に記載の方法。
  5. 前記監視対象道路の車両数を取得することは、
    第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量を取得することを含み、
    前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定することは、
    前記第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定することと、
    第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得することと、
    各方向道路に対して、前記第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
    請求項１に記載の方法。
  6. 第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定することは、
    前記第２所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第２数量を取得することと、
    前記第２所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第３数量を取得することと、
    各方向道路に対して、前記第１数量が前記第２数量より小さく且つ前記第１数量が前記第３数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
    請求項５に記載の方法。
  7. 各方向道路に対して、前記第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定することは、
    前記第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算することであって、前記運行時間は上り道路から下り道路までの車両の運行時間であることと、
    前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第２増加率を計算することと、
    各方向道路に対して、前記第１増加率と前記第２増加率に基づいて判定対象数値を計算することと、
    各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定することと、を含むことを特徴とする
    請求項５又は６に記載の方法。
  8. 前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第２増加率を計算することは、
    疑似渋滞時刻での各方向道路の上り道路の車両数、及び前記疑似渋滞時刻から前記運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得することと、
    第３所定時間帯での各方向道路の上り道路の第１平均車両数及び下り道路の第２平均車両数を計算することと、
    疑似渋滞時刻での各方向道路の上り道路の車両数と前記各方向道路の第１平均車両数とに基づいて、前記第１増加率を計算することと、
    前記疑似渋滞時刻から前記運行時間を経過した後の時刻での前記各方向道路の下り道路の車両数と前記各方向道路の第２平均車両数とに基づいて、前記第２増加率を計算することと、を含むことを特徴とする
    請求項７に記載の方法。
  9. 各方向道路に対して、前記第１増加率と前記第２増加率に基づいて判定対象数値を計算することは、
    各方向道路の前記第１増加率及び前記第２増加率に基づいて、各方向道路の上り道路の第１増加率と下り道路の第２増加率との間の第１差分値を計算することと、
    前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第２差分値を計算することと、
    各方向道路に対して、前記第１差分値と第２差分値に基づいて前記判定対象数値を計算することと、を含むことを特徴とする
    請求項７に記載の方法。
  10. 前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することは、
    前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得することと、
    前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することと、を含むことを特徴とする
    請求項１に記載の方法。
  11. 道路運行状況決定装置であって、
    監視対象道路の画像を取得するように構成される取得ユニットであって、前記画像は前記監視道路に対して収集して得られたものである取得ユニットと、
    前記監視対象道路の車両数を取得すると共に、前記画像と前記監視対象道路の車両数とに基づいて前記監視対象道路を上り道路と下り道路とに区画するように構成される区画ユニットと、
    前記上り道路の車両数と前記下り道路の車両数を取得すると共に、前記監視対象道路の車両数、前記上り道路の車両数、前記下り道路の車両数及び前記監視対象道路の交通波に基づいて、目標閾値を決定するように構成される第１決定ユニットと、
    前記監視対象道路の車両数が前記目標閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定するように構成される第２決定ユニットと、を備える、
    道路運行状況決定装置。
  12. 前記区画ユニットは、
    ニューラルネットワークアルゴリズムを用いて前記画像を分析して、前記監視対象道路を異なる方向の道路に分けるように構成される第１決定モジュールと、
    前記監視対象道路の各方向道路の車両数をそれぞれ取得するように構成される第１取得モジュールと、を備え、
    前記区画ユニットは、
    前記画像と前記各方向道路の車両数とに基づいて、各方向道路をそれぞれ上り道路と下り道路とに区画するように構成される第１区画モジュールを更に備えることを特徴とする
    請求項１１に記載の装置。
  13. 前記第１区画モジュールは、更に、
    前記各方向道路をそれぞれＪ個の部分に離散化することであって、Ｊは１より大きい正の整数であることと、
    前記画像と前記各方向道路の車両数とを分析して、第１所定時間帯での各方向道路の前記Ｊ個の部分のうちの各部分の車両数をそれぞれ決定することと、
    第１所定時間帯での前記各方向道路の各部分の車両数を演算すると共に、演算結果に基づいて前記各方向道路をそれぞれ上り道路と下り道路とに区画することとを実行するように構成されることを特徴とする
    請求項１２に記載の装置。
  14. 前記第１区画モジュールは、更に、
    前記第１所定時間帯での前記各方向道路の各部分の車両数に基づいて計算して、切断点ｋを決定することと、
    前記車両の走行方向に応じて、前記各方向道路における先頭のｋ個の部分に対応する道路が上り道路であると決定すると共に、前記各方向道路における先頭のｋ個の部分以外の残りの部分に対応する道路が下り道路であると決定することとを実行するように構成されることを特徴とする
    請求項１３に記載の装置。
  15. 前記区画ユニットは、
    第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量を取得するように構成される第２取得モジュールを更に備え、
    前記第１決定ユニットは、
    前記第２所定時間帯での各時刻での前記監視対象道路の各方向道路における車両の第１数量に基づいて計算して、前記各方向道路の疑似渋滞時刻及び疑似渋滞数量を決定するように構成される第２決定モジュールと、
    第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数を取得するように構成される第２取得モジュールと、
    各方向道路に対して、前記第１所定時間帯での各時刻での前記各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定したとき、目標閾値が前記疑似渋滞数量であると決定するように構成される第３決定モジュールと、を備えることを特徴とする
    請求項１１に記載の装置。
  16. 前記第２決定モジュールは、更に、
    前記第２所定時間帯での各時刻から所定間隔時間後の前記各方向道路における車両の第２数量を取得することと、
    前記第２所定時間帯での各時刻から所定間隔時間前の前記各方向道路における車両の第３数量を取得することと、
    各方向道路に対して、前記第１数量が前記第２数量より小さく且つ前記第１数量が前記第３数量より大きい時刻が前記疑似渋滞時刻であると決定すると共に、前記疑似渋滞時刻での車両の数量が前記疑似渋滞数量であると決定することとを実行するように構成されることを特徴とする
    請求項１５に記載の装置。
  17. 前記第３決定モジュールは、更に、
    前記第１所定時間帯での各時刻での各方向道路における上り道路の車両数と下り道路の車両数に基づいて、前記各方向道路の運行時間を計算することであって、前記運行時間は上り道路から下り道路までの車両の運行時間であることと、
    前記疑似渋滞時刻での監視対象道路の各方向道路の上り道路の第１増加率、及び前記疑似渋滞時刻から前記運行時間を経過した後の前記各方向道路の下り道路の第２増加率を計算することと、
    各方向道路に対して、前記第１増加率と前記第２増加率に基づいて判定対象数値を計算することと、
    各方向道路に対して、前記判定対象数値が所定閾値より大きい場合に、前記疑似渋滞時刻での前記監視対象道路の交通波に渋滞交通波が存在すると決定すると共に、前記目標閾値が前記疑似渋滞数量であると決定することとを実行するように構成されることを特徴とする
    請求項１５又は１６に記載の装置。
  18. 前記第３決定モジュールは、更に、
    疑似渋滞時刻での各方向道路の上り道路の車両数、及び前記疑似渋滞時刻から前記運行時間を経過した後の時刻での各方向道路の下り道路の車両数を取得することと、
    第３所定時間帯での各方向道路の上り道路の第１平均車両数及び下り道路の第２平均車両数を計算することと、
    疑似渋滞時刻での各方向道路の上り道路の車両数と前記各方向道路の第１平均車両数とに基づいて、前記第１増加率を計算することと、
    前記疑似渋滞時刻から前記運行時間を経過した後の時刻での前記各方向道路の下り道路の車両数と前記各方向道路の第２平均車両数とに基づいて、前記第２増加率を計算することとを実行するように構成されることを特徴とする
    請求項１７に記載の装置。
  19. 前記第３決定モジュールは、更に、
    各方向道路の前記第１増加率及び前記第２増加率に基づいて、各方向道路の上り道路の第１増加率と下り道路の第２増加率との間の第１差分値を計算することと、
    前記疑似渋滞時刻での各方向道路における車両の数量と疑似渋滞時刻の前の時刻での各方向道路における車両の数量との間の第２差分値を計算することと、
    各方向道路に対して、前記第１差分値と第２差分値に基づいて前記判定対象数値を計算することとを実行するように構成されることを特徴とする
    請求項１７に記載の装置。
  20. 前記第２決定ユニットは、更に、
    前記監視対象道路の車両数が前記目標閾値より大きくなっている持続時間を取得することと、
    前記監視対象道路の車両数が前記目標閾値より大きく、且つ前記持続時間が所定時間閾値より大きい場合に、前記監視対象道路に渋滞が発生したと決定することとを実行するように構成されることを特徴とする
    請求項１１に記載の装置。
  21. メモリ、通信バス及びプロセッサを少なくとも備える道路運行状況決定デバイスであって、
    前記メモリは、道路運行状況決定プログラムを記憶するように構成され、
    前記通信バスは、プロセッサとメモリとの間の接続通信を実現するように構成され、
    前記プロセッサは、メモリに記憶された道路運行状況決定プログラムを実行して、請求項１～１０のいずれか一項に記載の道路運行状況決定方法におけるステップを実現するように構成される、
    道路運行状況決定デバイス。
  22. 記憶媒体であって、
    前記記憶媒体にはコンピュータプログラムが記憶されており、
    前記コンピュータプログラムがプロセッサによって実行されるとき、請求項１～１０のいずれか一項に記載の道路運行状況決定方法におけるステップを実現する、
    記憶媒体。
  23. コンピュータプログラムであって、
    前記コンピュータプログラムがコンピュータ読み取り可能なコードを含み、
    前記コンピュータ読み取り可能なコードが道路運行状況決定デバイスで運行されるとき、前記道路運行状況決定デバイスにおけるプロセッサは請求項１～１０のいずれか一項に記載の道路運行状況決定方法におけるステップを実現するように実行される、
    コンピュータプログラム。
JP2021576340A 2020-09-14 2021-03-26 道路運行状況決定方法及び装置、デバイス、記憶媒体並びにプログラム Pending JP2022545322A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202010963859.8 2020-09-14
CN202010963859.8A CN112312082B (zh) 2020-09-14 2020-09-14 道路运行情况确定方法及装置、设备和存储介质
PCT/CN2021/083433 WO2022052446A1 (zh) 2020-09-14 2021-03-26 道路运行情况确定方法及装置、设备、存储介质和程序

Publications (1)

Publication Number Publication Date
JP2022545322A true JP2022545322A (ja) 2022-10-27

Family

ID=74484025

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021576340A Pending JP2022545322A (ja) 2020-09-14 2021-03-26 道路運行状況決定方法及び装置、デバイス、記憶媒体並びにプログラム

Country Status (6)

Country Link
US (1) US20220148316A1 (ja)
JP (1) JP2022545322A (ja)
KR (1) KR20220036366A (ja)
CN (1) CN112312082B (ja)
TW (1) TW202211178A (ja)
WO (1) WO2022052446A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112312082B (zh) * 2020-09-14 2021-11-30 上海商汤智能科技有限公司 道路运行情况确定方法及装置、设备和存储介质
CN113449135B (zh) * 2021-08-31 2021-11-19 阿里巴巴达摩院(杭州)科技有限公司 图像生成系统与方法
CN115240406B (zh) * 2022-05-31 2023-12-29 厦门路桥信息股份有限公司 道路拥堵的管理方法、装置、计算机可读介质及电子设备
CN115188186B (zh) * 2022-06-28 2024-02-20 公安部交通管理科学研究所 一种区域内交通流量监测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002063568A (ja) * 2000-08-21 2002-02-28 Toshiba Corp 道路監視装置および道路監視方法
CN110766948A (zh) * 2019-11-06 2020-02-07 星云互联(湖南)科技有限公司 一种道路变限速引导方法、设备、系统及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5494607B2 (ja) * 2011-10-05 2014-05-21 住友電気工業株式会社 先詰判定装置、コンピュータプログラム及び先詰判定方法
CA3034700A1 (en) * 2016-09-29 2018-04-05 Cubic Corporation Systems and methods for using autonomous vehicles in traffic
CN109410598B (zh) * 2018-11-09 2021-01-15 浙江浩腾电子科技股份有限公司 一种基于计算机视觉的交通路口拥堵检测方法
US11232705B2 (en) * 2018-11-28 2022-01-25 Toyota Jidosha Kabushiki Kaisha Mitigation of traffic oscillation on roadway
CN110889328B (zh) * 2019-10-21 2023-05-30 大唐软件技术股份有限公司 检测道路交通状况的方法、装置、电子设备和存储介质
CN110782669B (zh) * 2019-10-31 2021-03-02 北京星云互联科技有限公司 一种交通管理方法及交通管理系统
CN111145544B (zh) * 2019-12-25 2021-05-25 北京交通大学 一种基于拥堵蔓延消散模型的行程时间及路径预测方法
CN111523482A (zh) * 2020-04-24 2020-08-11 深圳市商汤科技有限公司 车道拥挤检测方法及装置、电子设备和存储介质
CN112312082B (zh) * 2020-09-14 2021-11-30 上海商汤智能科技有限公司 道路运行情况确定方法及装置、设备和存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002063568A (ja) * 2000-08-21 2002-02-28 Toshiba Corp 道路監視装置および道路監視方法
CN110766948A (zh) * 2019-11-06 2020-02-07 星云互联(湖南)科技有限公司 一种道路变限速引导方法、设备、系统及存储介质

Also Published As

Publication number Publication date
TW202211178A (zh) 2022-03-16
KR20220036366A (ko) 2022-03-22
CN112312082B (zh) 2021-11-30
CN112312082A (zh) 2021-02-02
WO2022052446A1 (zh) 2022-03-17
US20220148316A1 (en) 2022-05-12

Similar Documents

Publication Publication Date Title
JP2022545322A (ja) 道路運行状況決定方法及び装置、デバイス、記憶媒体並びにプログラム
CN110364008B (zh) 路况确定方法、装置、计算机设备和存储介质
CN109598066B (zh) 预测模块的效果评估方法、装置、设备和存储介质
Essa et al. Traffic conflict models to evaluate the safety of signalized intersections at the cycle level
CN108256506B (zh) 一种视频中物体检测方法及装置、计算机存储介质
US20180253973A1 (en) Real-time video analytics for traffic conflict detection and quantification
US11501638B2 (en) Traffic flow estimation apparatus, traffic flow estimation method, and storage medium
CN108091132B (zh) 一种交通流量预测方法及装置
WO2022083409A1 (zh) 道路异常路面的检测方法、仿真方法和相关装置
GB2573738A (en) Driving monitoring
CN112435469A (zh) 车辆预警控制方法、装置、计算机可读介质及电子设备
CN115017742B (zh) 自动驾驶测试场景生成方法、装置、设备及存储介质
CN115618932A (zh) 基于网联自动驾驶的交通事件预测方法、装置及电子设备
CN111612378A (zh) 潜在碰撞风险预测方法、装置及计算机设备
CN112435276A (zh) 一种车辆跟踪方法、装置、智能终端及存储介质
CN113178074A (zh) 应用于车辆的交通流机器学习建模系统及其方法
CN110097571B (zh) 快速高精度的车辆碰撞预测方法
CN117115752A (zh) 一种高速公路视频监控方法及系统
CN116461546A (zh) 车辆预警方法、装置、存储介质和处理器
Das et al. Why slammed the brakes on? auto-annotating driving behaviors from adaptive causal modeling
CN115063976B (zh) 基于多通道卷积神经网络的车辆冲突风险评估与预测方法
CN113643529B (zh) 基于大数据分析的停车场车道拥堵预测方法及系统
WO2022226434A1 (en) Self-driving vehicle evaluation using real-world data
Autey Before and after traffic safety evaluations using computer vision techniques
Khairdoost et al. An Analytical Model for Estimating Average Driver Attention Based on the Visual Field

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211221

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211221

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20211221

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221116

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20230608