WO2024067210A1 - 一种交通状态确定方法、装置及设备 - Google Patents
一种交通状态确定方法、装置及设备 Download PDFInfo
- Publication number
- WO2024067210A1 WO2024067210A1 PCT/CN2023/119423 CN2023119423W WO2024067210A1 WO 2024067210 A1 WO2024067210 A1 WO 2024067210A1 CN 2023119423 W CN2023119423 W CN 2023119423W WO 2024067210 A1 WO2024067210 A1 WO 2024067210A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- time
- target
- travel
- travel time
- traffic
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005070 sampling Methods 0.000 claims description 116
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
Abstract
一种交通状态确定方法、装置及设备,交通状态确定方法包括:基于第一位置点对应的车辆通行数据和第二位置点对应的车辆通行数据,确定目标路段在当前统计周期内对应的第一平均通行时间(S101);其中,目标路段是从第一位置点到达第二位置点的路段;基于目标路段对应的K个阈值区间,确定第一平均通行时间所处的目标阈值区间,并基于目标阈值区间对应的交通状态确定目标路段在当前统计周期内对应的目标交通状态(S102);其中,K个阈值区间与已配置的K个交通状态一一对应,K为大于1的正整数。通过这种交通状态确定方法,能够准确获知目标路段的交通状态。
Description
相关申请的交叉引用
本专利申请要求于2022年9月28日提交的、申请号为2022111917589的中国专利申请,其全文以引用的形式并入本文中用于所有的目的。
本公开涉及智能交通领域,尤其涉及一种交通状态确定方法、装置及设备。
交通状态可以包括拥堵状态、缓行状态、畅通状态等,为了获知各路段的交通状态,针对道路等特定场所,通常会部署大量摄像机(如模拟摄像机或者网络摄像机等),通过这些摄像机采集道路上行驶车辆的图像,并基于这些图像分析出车辆的车牌标识,将具有同一车牌标识的车辆确认为同一车辆,从而能够分析出同一车辆经过某个路段的速度,继而基于同一车辆经过某个路段的速度确定该路段的交通状态。比如说,若同一车辆经过某个路段的速度大于某个速度阈值,则确定该路段的交通状态为畅通状态。若同一车辆经过某个路段的速度小于某个速度阈值,则确定该路段的交通状态为拥堵状态。
在上述方式中,采用同一车辆经过某个路段的速度确定该路段的交通状态,可能无法准确获知该路段的交通状态,比如说,速度阈值是根据经验配置的,一旦速度阈值不准确,就会导致无法准确获知该路段的交通状态。
发明内容
有鉴于此,本公开提供一种交通状态确定方法、装置及设备,可以准确获知路段的交通状态,本公开可以采用如下技术方案。
本公开提供一种交通状态确定方法,所述方法包括:基于第一位置点对应的车辆通行数据和第二位置点对应的车辆通行数据,确定目标路段在当前统计周期内对应的第一平均通行时间;其中,所述目标路段是从所述第一位置点到达所述第二位置点的路段;基于所述目标路段对应的K个阈值区间,确定所述第一平均通行时间所处的目标阈值区间,并基于所述目标阈值区间对应的交通状态确定所述目标路段在所述当前统计周期内对应的目标交通状态;其中,所述K个阈值区间与已配置的K个交通状态一一对应,所述K为大于1的正整数。
本公开提供一种交通状态确定装置,所述装置包括:获取模块,用于基于第一位置点对应的车辆通行数据和第二位置点对应的车辆通行数据,确定目标路段在当前统计周期内对应的第一平均通行时间;其中,所述目标路段是从所述第一位置点到达所述第二位置点的路段;确定模块,用于基于所述目标路段对应的K个阈值区间,确定所述
第一平均通行时间所处的目标阈值区间,并基于所述目标阈值区间对应的交通状态确定所述目标路段在所述当前统计周期内对应的目标交通状态;其中,所述K个阈值区间与已配置的K个交通状态一一对应,所述K为大于1的正整数。
本公开提供一种电子设备,包括:处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令;其中,所述处理器用于执行所述机器可执行指令,以实现上述的交通状态确定方法。
本公开提供一种机器可读存储介质,所述机器可读存储介质存储有能够被处理器执行的机器可执行指令;其中,所述处理器用于执行所述机器可读存储介质中的所述机器可执行指令,以实现上述的交通状态确定方法。
本公开提供一种计算机程序,所述计算机程序存储于机器可读存储介质,当处理器执行所述计算机程序时,促使处理器实现上述的交通状态确定方法。
由以上技术方案可见,本公开实施例中,基于目标路段对应的K个阈值区间和目标路段在当前统计周期内对应的第一平均通行时间,确定目标路段在当前统计周期内对应的目标交通状态,即基于第一平均通行时间确定目标交通状态,不是采用车辆行驶速度确定交通状态,能够准确获知目标路段的交通状态。
为了更加清楚地说明本公开实施例或者相关技术中的技术方案,下面将对本公开实施例或者相关技术描述中所需要使用的附图作简单地介绍。下面描述中的附图仅仅是本公开中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据本公开实施例的这些附图获得其他的附图。
图1是本公开实施例中的交通状态确定方法的流程示意图;
图2是本公开实施例中的目标路段的示意图;
图3是本公开实施例中的确定自由通行时间的示意图;
图4是本公开实施例中的确定目标交通状态的示意图;
图5是本公开实施例中的确定拥堵类型的示意图;
图6是本公开实施例中的交通状态确定装置的结构示意图;
图7是本公开实施例中的电子设备的硬件结构图。
在本公开实施例使用的术语仅仅是出于描述特定实施例的目的,而非限制本公开。本公开和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其它含义。还应当理解,本文中使用的术语“和/或”是指包
含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开实施例可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,此外,所使用的词语“如果”可以被解释成为“在……时”、“当……时”或“响应于确定”。
本公开实施例中提出一种交通状态确定方法,参见图1所示,该方法包括步骤101和步骤102。
步骤101、基于第一位置点对应的车辆通行数据和第二位置点对应的车辆通行数据,确定目标路段在当前统计周期内对应的第一平均通行时间;其中,该目标路段可以是从该第一位置点到达该第二位置点的路段。
示例性的,可以从第二位置点对应的车辆通行数据中选取出当前统计周期对应的第一数据集,从第一位置点对应的车辆通行数据中选取出目标统计周期对应的第二数据集,其中,目标统计周期的截止时刻与当前统计周期的截止时刻相同,目标统计周期的起始时刻为当前统计周期的起始时刻与已配置的目标时长之差,目标时长表示通过目标路段的最大通行时间。基于第一数据集和第二数据集,确定目标车辆(即多个目标车辆)从第一位置点行驶到第二位置点的通行时间;其中,第一数据集包括目标车辆处于第二位置点的时间点,第二数据集包括目标车辆处于第一位置点的时间点。基于所有目标车辆对应的通行时间确定目标路段在当前统计周期内对应的第一平均通行时间。
示例性的,基于所有目标车辆对应的通行时间确定目标路段在当前统计周期内对应的第一平均通行时间,可以包括但不限于:基于所有目标车辆对应的通行时间,从所有通行时间中确定候选通行时间,并基于所有通行时间中除所述候选通行时间以外的其它通行时间确定目标路段在当前统计周期内对应的第一平均通行时间。其中,从所有通行时间中确定候选通行时间,包括以下至少之一:针对每个通行时间,若该通行时间属于所有通行时间中较长的P1个通行时间,则可以将该通行时间确定为候选通行时间,P1为正整数;针对每个通行时间,若该通行时间属于所有通行时间中较短的P2个通行时间,则可以将该通行时间确定为候选通行时间,P2为正整数;或针对每个通行时间,若该通行时间大于预设阈值,则可以将该通行时间确定为候选通行时间,预设阈值是基于目标路段对应的自由通行时间确定。
步骤102、基于目标路段对应的K个阈值区间,确定第一平均通行时间所处的目标阈值区间,并基于目标阈值区间对应的交通状态确定目标路段在当前统计周期内对
应的目标交通状态。其中,目标路段对应的K个阈值区间与已配置的K个交通状态一一对应,且K为大于1的正整数。比如说,可以将目标阈值区间对应的交通状态作为目标路段在当前统计周期内对应的目标交通状态。
示例性的,在步骤102或者步骤101之前,还可以采用如下步骤确定目标路段对应的K个阈值区间:基于历史通行数据确定目标路段对应的自由通行时间,自由通行时间表示道路通畅情况下,车辆行驶通过目标路段所花费的时间;针对K个交通状态中的每个交通状态,基于该自由通行时间和该交通状态对应的已配置的阈值系数,确定该交通状态对应的阈值区间,从而得到K个交通状态对应的阈值区间,即得到目标路段对应的K个阈值区间。
示例性的,基于历史通行数据确定目标路段对应的自由通行时间,包括但不限于:基于目标路段对应的m个采样周期的历史通行数据,确定每个采样周期对应的样本平均通行时间,m为正整数。基于m个采样周期对应的样本平均通行时间和每个采样周期对应的权重值,确定目标路段对应的自由通行时间。
示例性的,针对每个采样周期,该采样周期包括多个时间片(即将该采样周期划分为多个时间片),该采样周期的历史通行数据包括每个时间片对应的样本车辆通行数据,该样本车辆通行数据包括样本车辆处于第一位置点的时间点和样本车辆处于第二位置点的时间点。在此基础上,针对每个采样周期,基于该采样周期的历史通行数据,确定该采样周期对应的样本平均通行时间,可以包括但不限于:针对该采样周期的每个时间片,基于该时间片对应的样本车辆通行数据确定该时间片内每个样本车辆从第一位置点行驶到第二位置点的通行时间;基于该时间片内每个样本车辆对应的通行时间确定该时间片的平均通行时间;从所有时间片的平均通行时间中选取出平均通行时间小的n个平均通行时间,基于n个平均通行时间确定该采样周期对应的样本平均通行时间。
在一种可能的实施例中,在基于目标阈值区间对应的交通状态确定目标路段在当前统计周期内对应的目标交通状态之后,若目标交通状态为最高拥堵状态,则还可以基于第一平均通行时间、目标路段在当前统计周期的前一统计周期内对应的第二平均通行时间、及最高拥堵状态对应的阈值区间,确定时间变化量;若该时间变化量小于或等于拥堵阈值,则确定目标路段为常发性拥堵路段;若该时间变化量大于拥堵阈值,则确定目标路段为偶发性拥堵路段。
由以上技术方案可见,本公开实施例中,可以基于目标路段对应的K个阈值区间和目标路段在当前统计周期内对应的第一平均通行时间,确定目标路段在当前统计周期内对应的目标交通状态,即基于第一平均通行时间确定目标交通状态,而不是采用车
辆行驶速度确定目标交通状态,能够准确获知目标路段的交通状态。目标路段对应的K个阈值区间可以是基于自由通行时间确定,而不是根据经验配置,即通过历史通行数据自动计算出目标路段对应的自由通行时间,继而基于该自由通行时间确定目标路段对应的K个阈值区间。由于不同目标路段对应的自由通行时间可能不同,从而可以针对每个目标路段针对性的确定自由通行时间,提高自由通行时间的准确性,保证K个阈值区间准确可靠。
以下结合具体应用场景,对本公开实施例的上述技术方案进行说明。
在介绍本公开实施例的技术方案之前,先介绍与本公开有关的技术术语。
位置点:针对道路等特定场所(如高速收费站、交通检查站、公路等场所),通常会部署大量摄像机(如模拟摄像机或者网络摄像机等),可以通过这些摄像机采集道路上行驶的车辆的图像,每个摄像机就对应一个位置点,即将摄像机所在位置记为位置点,位置点也可以称为卡口点,也就是说,通过在大量位置点部署摄像机,从而通过这些摄像机采集道路上行驶的车辆的图像。
针对每个位置点部署的摄像机,该摄像机可以采集经过该位置点的车辆的图像,并基于图像分析出车牌标识、车辆颜色、车辆外观等特征。摄像机还可以将车辆数据发送给存储设备,由存储设备在历史数据库中存储车辆数据,将历史数据库中存储的车辆数据称为历史通行数据,历史通行数据包括大量数据记录,每条数据记录是一条车辆数据,包括车牌标识、车辆特征(如车辆颜色、车辆外观等)、车辆的图像、采集的时间点(表示车辆图像是摄像机在该时间点采集,表示该车辆在该时间点处于该位置点)、该位置点的信息(可以是位置点的标识,如位置点A、位置点B等,也可以是位置点的经纬度坐标,以位置点的标识为例)。当然,数据记录还可以包括其它内容,对此不做限制。
目标路段:可以将两个位置点之间的路段称为目标路段,目标路段可以是任意两个位置点之间的路段,可以将这两个位置点记为第一位置点和第二位置点,也就是说,目标路段可以是从第一位置点到达第二位置点的路段。第一位置点和第二位置点可以是相邻的两个位置点,也可以是非相邻的两个位置点。
需要注意的是,目标路段需要具有方向性,即,在一些实施例中,目标路段是从第一位置点到达第二位置点的路段,而不是从第二位置点到达第一位置点的路段。
比如说,参见图2所示,可以选择相邻位置点对[Ca,Cb],可以将位置点Ca作为第一位置点,将位置点Cb作为第二位置点,这样,目标路段是从第一位置点Ca到达第二位置点Cb的路段,可以将目标路段记为目标路段Rab。
示例性的,可以将目标路段Rab的实际行驶距离记为Lab,实际行驶距离Lab的单位为米(m),可以结合路网信息获取目标路段Rab的实际行驶距离。
本公开实施例中提出一种交通状态确定方法,可以应用于管理设备,管理设备与存储设备可以部署在同一实体,即管理设备可以直接从历史数据库中获取车辆数据。管理设备与存储设备可以部署在不同实体,即管理设备与存储设备连接,管理设备可以从存储设备的历史数据库中获取车辆数据。
本实施例中,涉及确定目标路段对应的自由通行时间、确定目标路段对应的K个阈值区间、确定目标路段对应的目标交通状态、确定目标路段对应的拥堵类型(如常发性拥堵或者偶发性拥堵)等过程,以下对这些过程进行说明。
第一,确定目标路段对应的自由通行时间。其中,自由通行时间表示道路通畅情况(即未发生拥塞情况)下,车辆行驶通过目标路段所花费的时间。比如说,参见图3所示,可以采用步骤301-306确定目标路段对应的自由通行时间。
步骤301、获取目标路段对应的m个采样周期的历史通行数据。
示例性的,可以将一天的24小时(如0-24时)作为一个采样周期,可以将一周的7*24小时作为一个采样周期,可以将连续12小时作为一个采样周期(即0-12时为一个采样周期,12-24时为另一采样周期),对此不做限制。为了方便描述,后续以将一天的24小时作为一个采样周期为例,即每天是一个采样周期。
针对当前采样周期来说,可以获取当前采样周期前面的m个采样周期的历史通行数据,如当前采样周期前面第1天的历史通行数据、前面第2天的历史通行数据、…、前面第m天的历史通行数据。其中,m可以为正整数,可以根据经验配置,如m可以为1、2、5、7、10等,后续以m的取值为7为例。
示例性的,针对每个采样周期,可以将该采样周期划分为多个时间片,如每10分钟作为一个时间片时,采样周期(如24小时)可以包括144个时间片(记为时间片a1-时间片a144),每20分钟作为一个时间片时,采样周期可以包括72个时间片,以此类推,后续以每10分钟作为一个时间片为例。
可以从该采样周期的历史通行数据中确定出每个时间片对应的样本车辆通行数据,该样本车辆通行数据包括样本车辆处于第一位置点的时间点和样本车辆处于第二位置点的时间点。比如说,从该采样周期的历史通行数据中选取出时间片a1对应的历史通行数据,基于时间片a1对应的历史通行数据(即每个位置点的车辆数据,如车牌标识、采集的时间点、位置点的信息等),若第一位置点的车辆数据包括车辆b1,且第二位置点的车辆数据也包括车辆b1,即车辆b1在时间片a1从第一位置点行驶到第二位置
点,则将车辆b1在第一位置点的车辆数据(包括车辆b1在第一位置点的时间点)和车辆b1在第二位置点的车辆数据(包括车辆b1在第二位置点的时间点)作为样本车辆通行数据,即车辆b1作为样本车辆。显然,时间片a1可以对应多个样本车辆,时间片a1对应的样本车辆通行数据可以包括多个样本车辆的车辆数据,且该样本车辆通行数据包括每个样本车辆处于第一位置点的时间点和处于第二位置点的时间点。以此类推,可以得到每个时间片(如时间片a1-a144)对应的样本车辆通行数据。
步骤302、针对m个采样周期中的每个采样周期,针对该采样周期内的每个时间片,基于该时间片对应的样本车辆通行数据,确定该时间片内的每个样本车辆从第一位置点行驶到第二位置点的通行时间。
示例性的,由于该时间片对应的样本车辆通行数据包括样本车辆处于第一位置点的时间点(记为第一时间点)和样本车辆处于第二位置点的时间点(记为第二时间点),因此,可以基于第一时间点和第二时间点确定出样本车辆从第一位置点行驶到第二位置点的通行时间,比如说,第二时间点与第一时间点的差值,就是样本车辆从第一位置点行驶到第二位置点的通行时间。
综上所述,针对时间片内的每个样本车辆,可以基于该时间片对应的样本车辆通行数据确定出该样本车辆从第一位置点行驶到第二位置点的通行时间。
步骤303、针对该采样周期内的每个时间片,基于该时间片内每个样本车辆对应的通行时间确定该时间片的平均通行时间。比如说,计算该时间片内所有样本车辆对应的通行时间的平均值,该平均值为该时间片的平均通行时间。
步骤304、针对每个采样周期,从该采样周期对应的所有时间片的平均通行时间中选取出平均通行时间小的n个平均通行时间,n可以为正整数。
比如说,基于该采样周期对应的所有时间片的平均通行时间,按照平均通行时间从小到大的顺序进行排序,并选取排序靠前的n个平均通行时间。
或者,基于该采样周期对应的所有时间片的平均通行时间,按照平均通行时间从大到小的顺序进行排序,并选取排序靠后的n个平均通行时间。
示例性的,n的取值可以根据经验配置,如n的取值可以为10、20等固定值,或者,n的取值还可以与时间片总数量有关,如对时间片总数量的1/9进行向上取整,或者,对时间片总数量的1/8进行向上取整等,对此不做限制。
在一种可能的实施例中,可以从采样周期对应的所有时间片的平均通行时间中选取出平均通行时间小的n个平均通行时间,这里的时间片可以为有效时间片,而不是无效时间片,即从所有有效时间片的平均通行时间中选取出平均通行时间小的n个平均
通行时间。其中,针对采样周期对应的每个时间片来说,若该时间片内的样本车辆数量大于预设数值,则将该时间片作为有效时间片,若该时间片内的样本车辆数量不大于预设数值,即参与计算平均通行时间的数据量较少,平均通行时间不可靠,则将该时间片作为无效时间片。
步骤305、基于n个平均通行时间确定该采样周期对应的样本平均通行时间。
示例性的,针对每个采样周期来说,在从该采样周期对应的所有时间片的平均通行时间中选取出n个平均通行时间之后,可以基于这n个平均通行时间确定该采样周期对应的样本平均通行时间,比如说,可以计算n个平均通行时间的平均值,将该平均值作为该采样周期对应的样本平均通行时间。
例如,可以通过如下公式计算该采样周期对应的样本平均通行时间:
在上述公式中,Tm表示该采样周期对应的样本平均通行时间,TΔavg_y表示第y个平均通行时间,y的取值是1-n,n为选取出的平均通行时间的总数量。
综上所述,针对m个采样周期中的每个采样周期,可以确定出该采样周期对应的样本平均通行时间,即得到m个采样周期分别对应的样本平均通行时间。
步骤306、基于m个采样周期对应的样本平均通行时间和每个采样周期对应的权重值,确定目标路段对应的自由通行时间。
比如说,可以对m个采样周期对应的样本平均通行时间和m个采样周期对应的权重值进行加权运算,得到目标路段对应的自由通行时间。
例如,可以采用如下公式计算目标路段对应的自由通行时间:
在上述公式中,Tfree表示目标路段对应的自由通行时间,Ti表示第i个采样周期对应的样本平均通行时间,Wi表示第i个采样周期对应的权重值,i的取值是1-m,m为采样周期的总数量。从上述公式可以看出,可以对m个采样周期对应的样本平均通行时间和权重值进行加权运算,得到自由通行时间。
示例性的,每个采样周期对应的权重值可以根据经验配置,不同采样周期对应的权重值可以相同,也可以不同,对此不做限制。在一种可能的实施例中,由于时间越近的数据越贴合实际情况,因此,可以按照时间顺序设置每个采样周期对应的权重值,也就是说,与当前采样周期越接近的采样周期对应的权重值越大。比如说,i为1时,W1表
示当前采样周期前面第1天的采样周期对应的权重值,W1的取值最大,以此类推,而i为m时,假设m为7,则W7表示当前采样周期前面第7天的采样周期对应的权重值,W7的取值最小。比如说,可以采用如下公式确定每个采样周期对应的权重值:
综上所述,可以得到目标路段对应的自由通行时间Tfree。
第二,确定目标路段对应的K个阈值区间,K个阈值区间与已配置的K个交通状态一一对应。比如说,假设预先配置3个交通状态,记为交通状态1、交通状态2和交通状态3,则可以确定交通状态1对应的阈值区间1,并确定交通状态2对应的阈值区间2,并确定交通状态3对应的阈值区间3。
在一种可能的实施例中,针对K个交通状态中的每个交通状态,可以基于目标路段对应的自由通行时间和该交通状态对应的已配置的阈值系数,确定该交通状态对应的阈值区间,从而得到K个交通状态对应的阈值区间。
比如说,参见表1所示,是3个交通状态的示例,参见表2所示,是5个交通状态的示例,在实际应用中,交通状态可以任意配置,对此不做限制。此外,各交通状态对应的阈值系数μ可以任意配置,对此不做限制。
表1
表2
从表1可以看出,针对“拥堵状态”来说,阈值系数为大于2.0,因此,可以确定“拥堵状态”对应的阈值区间为(2.0*Tfree,+∞),Tfree可以表示目标路段对应的自由通行时间,2.0可以表示“拥堵状态”对应的阈值系数。针对“缓行状态”来说,阈值系数为[1.5,2.0],因此,可以确定“缓行状态”对应的阈值区间为[1.5*Tfree,2.0*Tfree]。
针对“畅通状态”来说,阈值系数为小于1.5,因此,可以确定“畅通状态”对应的阈值区间为(0,1.5*Tfree)。
从表2可以看出,针对“严重拥堵状态”来说,阈值系数为大于2.2,可以确定“严重拥堵状态”对应的阈值区间为(2.2*Tfree,+∞)。针对“中度拥堵状态”来说,阈值系数为(1.9,2.2],因此,确定“中度拥堵状态”对应的阈值区间为(1.9*Tfree,2.2*Tfree]。针对“轻度拥堵状态”来说,阈值系数为(1.6,1.9],因此,确定“轻度拥堵状态”对应的阈值区间为(1.6*Tfree,1.9*Tfree]。针对“基本通畅状态”来说,阈值系数为[1.3,1.6],因此,确定“基本通畅状态”对应的阈值区间为[1.3*Tfree,1.6*Tfree]。针对“通畅状态”来说,阈值系数为小于1.3,因此,确定“通畅状态”对应的阈值区间为(0,1.3*Tfree)。
综上所述,针对已配置的K个交通状态,可以为每个交通状态配置阈值系数,针对每个交通状态,可以基于自由通行时间和该交通状态对应的阈值系数,确定该交通状态对应的阈值区间,从而得到K个交通状态对应的阈值区间。
在一种可能的实施例中,对于最高拥堵状态的交通状态(如表1中的拥堵状态或者表2中的严重拥堵状态),阈值区间可以是某个平均通行时间阀值至正无穷大,对于最低拥堵状态的交通状态(如表1中的畅通状态或者表2中的通畅状态),阈值区间可以是0至某个平均通行时间阀值,对于剩余交通状态,阈值区间可以是一个平均通行时间阀值至另一个平均通行时间阀值。
示例性的,平均通行时间阈值可以记为Ttheeshold,是指使用自由通行时间乘以不同交通状态下的阈值系数μ,从而得出在不同交通状态下的平均通行时间阈值:Tthreshold=Tfree×μ。其中,阈值系数μ的取值可以根据经验设定,且可以根据实际运行情况对阈值系数μ进行动态调整,对此阈值系数μ不做限制。
第三,确定目标路段对应的目标交通状态,比如说,针对当前采样周期(如24小时)的每个统计周期,可以基于目标路段在该统计周期内对应的平均通行时间和目标路段对应的K个阈值区间,确定目标路段在该统计周期内对应的目标交通状态。比如说,参见图4所示,可以采用步骤401-404确定目标交通状态:
步骤401、从第二位置点对应的车辆通行数据中选取出当前统计周期对应的第一数据集,并从第一位置点对应的车辆通行数据中选取出目标统计周期对应的第二数据集。
比如说,可以将当前采样周期的1分钟作为一个统计周期,可以将当前采样周期的2分钟作为一个统计周期,可以将当前采样周期的5分钟作为一个统计周期,对此不做限制。为了方便描述,后续以将当前采样周期的1分钟作为一个统计周期为例,可
以依次遍历出每个统计周期作为当前统计周期。
在遍历出当前统计周期之后,可以确定目标统计周期,目标统计周期需要包括当前统计周期,比如说,目标统计周期的截止时刻与当前统计周期的截止时刻相同,目标统计周期的起始时刻早于当前统计周期的起始时刻,目标统计周期的起始时刻为当前统计周期的起始时刻与已配置的目标时长之差,目标时长表示通过目标路段的最大通行时间,最大通行时长可以根据经验配置,如5分钟、10分钟等。如当前统计周期为时刻t1至时刻t2,时刻t1至时刻t2的时长为1分钟,目标统计周期为时刻t3至时刻t2,时刻t3至时刻t1的时长为5分钟。在一些实施例中,可以根据目标路段的长度以及目标路段的最小行驶速度获取最大通行时间。
示例性的,在当前统计周期,可以从第二位置点对应的车辆通行数据中选取出当前统计周期对应的第一数据集,第一数据集包括第二位置点在当前统计周期内的车辆数据(如车牌标识、采集的时间点、第二位置点的信息等),将第二位置点在当前统计周期内的车辆数据记为第一数据集∪b=[Pb1,Pb2...,Pbh],Pb1表示车辆b1对应的车辆数据,…,Pbh表示车辆bh对应的车辆数据。
示例性的,在当前统计周期,可以从第一位置点对应的车辆通行数据中选取出目标统计周期对应的第二数据集,第二数据集包括第一位置点在目标统计周期内的车辆数据(如车牌标识、采集的时间点、第一位置点的信息等),将第一位置点在目标统计周期内的车辆数据记为第二数据集∪a=[Pa1,Pa2...,Paj],Pa1表示车辆a1对应的车辆数据,…,,Paj表示车辆aj对应的车辆数据。
在一种可能的实施例中,在从第二位置点对应的车辆通行数据中选取出第一数据集时,可以过滤无效的车辆数据,将过滤剩余的车辆数据添加到第一数据集中。比如说,若车辆数据是无车牌的车辆数据,则该车辆数据为无效车辆数据,丢弃该车辆数据。又例如,针对重复车牌的车辆数据(即某个车牌对应至少两条车辆数据),则保留时间点最早的车辆数据,丢弃剩余车辆数据。
在一种可能的实施例中,在从第一位置点对应的车辆通行数据中选取出第二数据集时,可以过滤无效的车辆数据,将过滤剩余的车辆数据添加到第二数据集中。比如说,若车辆数据是无车牌的车辆数据,则该车辆数据为无效车辆数据,丢弃该车辆数据。又例如,针对重复车牌的车辆数据(即某个车牌对应至少两条车辆数据),则保留时间点最晚的车辆数据,丢弃剩余车辆数据。
步骤402、基于第一数据集和第二数据集,确定目标车辆从第一位置点行驶到第二位置点的通行时间。示例性的,第一数据集可以包括目标车辆处于第二位置点的时间
点,第二数据集可以包括目标车辆处于第一位置点的时间点。
示例性的,针对第一数据集中每个车辆数据,基于该车辆数据中的车牌标识查询第二数据集,若第二数据集存在该车牌标识对应的车辆数据,该车牌标识对应的车辆作为目标车辆,若第二数据集不存在该车牌标识对应的车辆数据,该车牌标识对应的车辆不作为目标车辆。或者,针对第二数据集中每个车辆数据,基于该车辆数据中的车牌标识查询第一数据集,若第一数据集存在该车牌标识对应的车辆数据,该车牌标识对应的车辆作为目标车辆,若第一数据集不存在该车牌标识对应的车辆数据,该车牌标识对应的车辆不作为目标车辆。
综上所述,基于第一数据集和第二数据集,可以查询到所有目标车辆,针对每个目标车辆,基于第一数据集中该目标车辆对应的车辆数据,可以确定目标车辆处于第二位置点的时间点(记为第二时间点),基于第二数据集中该目标车辆对应的车辆数据,可以确定目标车辆处于第一位置点的时间点(记为第一时间点),因此,可以基于第一时间点和第二时间点确定出目标车辆从第一位置点行驶到第二位置点的通行时间,比如说,第二时间点与第一时间点的差值,就是目标车辆从第一位置点行驶到第二位置点的通行时间。
综上可以看出,针对每个目标车辆,基于第一数据集和第二数据集,可以确定出该目标车辆从第一位置点行驶到第二位置点的通行时间。
在一种可能的实施例中,基于第一数据集∪b=[Pb1,Pb2...,Pbh]和第二数据集∪a=[Pa1,Pa2...,Paj],可以按照车辆数据中的车牌标识取∪b和∪a的数据交集∩c=[Pab1,Pab2...,Pabn],Pabi=[Pai,Pbi]表示数据交集∩c中的第i个车辆数据,i的取值可以是1-n,第i个车辆数据Pabi可以包括车辆数据Pai和车辆数据Pbi,Pai表示第二数据集∪a中的车辆数据,Pbi表示第一数据集∪b中的车辆数据,且Pai和Pbi是针对同一个车牌标识的车辆数据。基于同一个车牌标识的车辆数据,可以使用Pbi中的过车时间点Tbi减去Pai中的过车时间点Tai,得出该车牌标识(即目标车辆)对应的通行时间Tabi:Tabi=Tbi-Tai,这样,就可以得到所有目标车辆从第一位置点行驶到第二位置点的通行时间,将所有目标车辆对应的通行时间记录到同一个通行时间集合,该通行时间集合记为:
示例性的,若通行时间集合中的通行时间的数量小于最小过车量阈值(可以根据经验配置,如2、3等),则不再执行后续步骤,即不再确定目标路段对应的目标交通状态,若通行时间集合中的通行时间的数量不小于最小过车量阈值,则继续执行后续步骤,即通过后续步骤确定目标路段对应的目标交通状态。
步骤403、基于所有目标车辆对应的通行时间(即通行时间集合中的所有通行时间)确定目标路段在当前统计周期内对应的第一平均通行时间。
比如说,可以计算所有目标车辆对应的通行时间的平均值,并将该平均值作为目标路段在当前统计周期内对应的第一平均通行时间。
在一种可能的实施例中,基于所有目标车辆对应的通行时间,可以从所有通行时间中过滤候选通行时间,即去除候选通行时间,并基于过滤剩余的通行时间确定目标路段在当前统计周期内对应的第一平均通行时间。比如说,在去除候选通行时间的基础上,可以计算过滤剩余的所有通行时间的平均值,并将该平均值作为目标路段在当前统计周期内对应的第一平均通行时间。
例如,通行时间集合可以从通行时间集合中去除候选通行时间,得到过滤剩余的通行时间集合基于通行时间集合可以采用如下公式确定目标路段在当前统计周期内对应的第一平均通行时间Tavg:
为通行时间集合中的通行时间总数量。
在一种可能的实施例中,候选通行时间的确定可以包括但不限于情况1到情况3中的至少一种。
情况1:针对每个通行时间,若该通行时间属于所有通行时间中较长的P1个通行时间,则可以将该通行时间确定为候选通行时间,P1为正整数。
在一种可能的实施例中,通过情况1,可以从所有通行时间中过滤掉通行时间最长的P1个通行时间,比如说,按照通行时间从大到小的顺序排序,可以选取排序靠前的P1个通行时间作为候选通行时间,过滤排序靠前的P1个通行时间。或者,按照通行时间从小到大的顺序排序,可以选取排序靠后的P1个通行时间作为候选通行时间,过滤排序靠后的P1个通行时间。示例性的,P1可以根据经验配置,可以为5、10等固定值,也可以为与所有通行时间总数量有关的数值,如所有通行时间总数量的1/5、1/6等,对此不做限制。
情况2:针对每个通行时间,若该通行时间属于所有通行时间中较短的P2个通行时间,则可以将该通行时间确定为候选通行时间,P2为正整数。
在一种可能的实施例中,通过情况2,可以从所有通行时间中过滤掉通行时间最短的P2个通行时间,比如说,按照通行时间从大到小的顺序排序,可以选取排序靠后的P2个通行时间作为候选通行时间,过滤排序靠后的P2个通行时间。或者,按照通行时间从小到大的顺序排序,可以选取排序靠前的P2个通行时间作为候选通行时间,过
滤排序靠前的P2个通行时间。示例性的,P2可以根据经验配置,可以为5、10等固定值,也可以为与所有通行时间总数量有关的数值,如所有通行时间总数量的1/5、1/6等,对此不做限制。
基于情况1和情况2,可以消除通行时间集合中的极大值和极小值,使用中分法,将通行时间集合中的所有通行时间按照大小进行排序,去掉时间最长的P1个通行时间,并去掉时间最短的P2个通行时间。
情况3:针对每个通行时间,若该通行时间大于预设阈值,则可以将该通行时间确定为候选通行时间,预设阈值是基于目标路段对应的自由通行时间确定。
示例性的,为了消除极大值的影响,当通行时间大于自由通行时间Tfree的ρ倍(可以根据经验配置,如3、5等)时,认为该通行时间是脏数据,将该通行时间作为候选通行时间,丢弃该通行时间,自由通行时间Tfree的ρ倍为预设阈值。为了得到该预设阈值,需要先确定目标路段对应的自由通行时间,而关于目标路段对应的自由通行时间的确定方式,参见图3所示,在此不再赘述。
步骤404、基于目标路段对应的K个阈值区间,从K个阈值区间中确定出第一平均通行时间所处的目标阈值区间,并将目标阈值区间对应的交通状态确定为目标路段在当前统计周期内对应的目标交通状态。
在一种可能的实施例中,在得到目标路段在当前统计周期内对应的第一平均通行时间Tavg之后,参见表1所示,若第一平均通行时间Tavg所处的目标阈值区间为(2.0*Tfree,+∞),则将目标阈值区间对应的“拥堵状态”确定为目标交通状态,即目标交通状态为“拥堵状态”。若第一平均通行时间Tavg所处的目标阈值区间为[1.5*Tfree,2.0*Tfree],则将目标阈值区间对应的“缓行状态”确定为目标交通状态。若第一平均通行时间Tavg所处的目标阈值区间为(0,1.5*Tfree),则将目标阈值区间对应的“畅通状态”确定为目标交通状态
参见表2所示,若第一平均通行时间Tavg所处的目标阈值区间为(2.2*Tfree,+∞),则将目标阈值区间对应的“严重拥堵状态”确定为目标交通状态。若第一平均通行时间Tavg所处的目标阈值区间为(1.9*Tfree,2.2*Tfree],则将目标阈值区间对应的“中度拥堵状态”确定为目标交通状态。若第一平均通行时间Tavg所处的目标阈值区间为(1.6*Tfree,1.9*Tfree],则将目标阈值区间对应的“轻度拥堵状态”确定为目标交通状态。若第一平均通行时间Tavg所处的目标阈值区间为[1.3*Tfree,1.6*Tfree],则将目标阈值区间对应的“基本通畅状态”确定为目标交通状态。若第一平均通行时间Tavg所处的目标阈值区间为(0,1.3*Tfree),则将目标阈值区间对应的“通畅状态”确定为目标
交通状态。
综上所述,基于目标路段对应的K个阈值区间以及第一平均通行时间,可以得到目标路段在当前统计周期内对应的目标交通状态。
第四,在确定出目标路段在当前统计周期内对应的目标交通状态之后,若目标交通状态为最高拥堵状态(如表1中的拥堵状态或者表2中的严重拥堵状态),还可以确定目标路段对应的拥堵类型,如确定目标路段为常发性拥堵路段还是偶发性拥堵路段。当然,即使目标交通状态不为最高拥堵状态,也可以确定目标路段对应的拥堵类型。比如说,可以基于目标路段在当前统计周期内对应的第一平均通行时间、目标路段在当前统计周期的前一统计周期内对应的第二平均通行时间、及最高拥堵状态对应的阈值区间,确定时间变化量。若该时间变化量小于或者等于拥堵阈值,则可以确定目标路段为常发性拥堵路段;若该时间变化量大于拥堵阈值,则可以确定目标路段为偶发性拥堵路段。比如说,可以采用如下公式确定目标路段为常发性拥堵路段还是偶发性拥堵路段:
在上述公式中,Tavg表示第一平均通行时间,Tavg_previous表示第二平均通行时间,Tthreshold_max表示最高拥堵状态对应的阈值区间,表1中,Tthreshold_max为2.0,表2中,Tthreshold_max为2.2,ΔT表示时间变化量,θ表示拥堵阈值,可以根据经验配置,如0.6、0.7、0.8等。若上述公式成立,即时间变化量小于或者等于拥堵阈值,则可以确定目标路段为常发性拥堵路段,若上述公式不成立,即时间变化量大于拥堵阈值,则可以确定目标路段为偶发性拥堵路段。
在上述方式中,通过判断连续两个统计周期的道路状态等级,来计算目标路段为常发性拥堵还是偶发性拥堵,减少因为数据波动导致的误判。
在一种可能的实施例中,可以将第一平均通行时间记为Tavg,并将第二平均通行时间记为Tavg_previous,并将所有阈值区间记为Tthreshold_all,并将最高拥堵状态对应的阈值区间记为Tthreshold_max,并将非最高拥堵状态对应的阈值区间记为Tthreshold_others,在此基础上,参见图5所示,可以采用步骤501-508确定目标路段在当前统计周期内对应的目标交通状态和目标路段对应的拥堵类型。
步骤501、判断是否存在当前统计周期的前一统计周期。
如果否,则可以结束流程,如果是,则可以执行步骤502。
步骤502、判断前一统计周期的目标交通状态是否为最高拥堵状态。
如果否,则可以执行步骤503,如果是,则可以执行步骤504。
步骤503、比较Tavg和Tthreshold_max,若Tavg大于或者等于Tthreshold_max,则执行步骤505,若Tavg小于Tthreshold_max,则可以结束流程。
步骤504、比较Tavg和Tthreshold_max,若Tavg小于Tthreshold_max,则结束流程,若Tavg大于或者等于Tthreshold_max,则执行步骤506。
步骤505、比较Tavg_previous和Tthreshold_max,若Tavg_previous大于或者等于Tthreshold_max,执行步骤506。
步骤506、得出当前周期的道路状态等级为最拥堵的等级,也就是说,目标路段在当前统计周期内对应的目标交通状态为最高拥堵状态。
步骤507、执行拥堵类型判断,即,判断前一统计周期是否是偶发性拥堵(偶发性拥堵也可以称为突发性拥堵),如果是,则可以确定目标路段对应的拥堵类型为偶发性拥堵。如果否,则可以步骤508B。
步骤508、计算时间变化量ΔT,若时间变化量ΔT小于或者等于拥堵阈值θ,则可以确定目标路段对应的拥堵类型为常发性拥堵。若时间变化量ΔT大于拥堵阈值θ,则可以确定目标路段对应的拥堵类型为偶发性拥堵。
由以上技术方案可见,本公开实施例中,可以基于第一平均通行时间确定目标交通状态,而不是采用车辆行驶速度确定目标交通状态,能够准确获知目标路段的交通状态。目标路段对应的K个阈值区间可以是基于自由通行时间确定,而不是根据经验配置,即通过历史通行数据自动计算出目标路段对应的自由通行时间,继而基于该自由通行时间确定目标路段对应的K个阈值区间,减少了人工干预的成本,通过数据计算、数据清洗,自动确定路段的拥堵情况。由于不同目标路段对应的自由通行时间可能不同,从而可以针对每个目标路段针对性的确定自由通行时间,提高自由通行时间的准确性,保证K个阈值区间准确可靠。通过分析位置点的过车数据,进行道路交通状态等级的识别。
基于与上述方法同样的申请构思,本公开实施例中提出一种交通状态确定装置,参见图6所示,为所述装置的结构示意图,所述装置可以包括获取模块61和确定模块62。
获取模块61,用于基于第一位置点对应的车辆通行数据和第二位置点对应的车辆通行数据,确定目标路段在当前统计周期内对应的第一平均通行时间;其中,所述目标路段是从所述第一位置点到达所述第二位置点的路段;
确定模块62,用于基于所述目标路段对应的K个阈值区间,确定所述第一平均通行时间所处的目标阈值区间,并基于所述目标阈值区间对应的交通状态确定所述目标
路段在所述当前统计周期内对应的目标交通状态;其中,所述K个阈值区间与已配置的K个交通状态一一对应,所述K为大于1的正整数。
示例性的,所述确定模块62,还用于采用如下步骤确定所述目标路段对应的K个阈值区间:基于历史通行数据确定所述目标路段对应的自由通行时间,所述自由通行时间表示道路通畅情况下,车辆行驶通过所述目标路段所花费的时间;针对所述K个交通状态中的每个交通状态,基于所述自由通行时间和该交通状态对应的已配置的阈值系数,确定该交通状态对应的阈值区间。
示例性的,所述确定模块62基于历史通行数据确定所述目标路段对应的自由通行时间时具体用于:基于所述目标路段对应的m个采样周期的历史通行数据,确定所述m个采样周期中每个采样周期对应的样本平均通行时间;基于m个采样周期对应的样本平均通行时间和所述m个采样周期中每个采样周期对应的权重值,确定所述自由通行时间。
示例性的,针对所述目标路段对应的m个采样周期中的每个采样周期,该采样周期包括多个时间片,该采样周期的历史通行数据包括每个时间片对应的样本车辆通行数据,样本车辆通行数据包括样本车辆处于第一位置点的时间点和所述样本车辆处于第二位置点的时间点;所述确定模块62基于该采样周期的历史通行数据,确定该采样周期对应的样本平均通行时间时具体用于:针对采样周期的每个时间片,基于该时间片对应的样本车辆通行数据确定该时间片内每个样本车辆从第一位置点行驶到第二位置点的通行时间;基于该时间片内每个样本车辆对应的通行时间确定该时间片的平均通行时间;从所有时间片的平均通行时间中选取平均通行时间小的n个平均通行时间,基于n个平均通行时间确定该采样周期对应的样本平均通行时间。
示例性的,所述获取模块61基于第一位置点对应的车辆通行数据和第二位置点对应的车辆通行数据,确定目标路段在当前统计周期内对应的第一平均通行时间时具体用于:从所述第二位置点对应的车辆通行数据中选取出所述当前统计周期对应的第一数据集,从所述第一位置点对应的车辆通行数据中选取出目标统计周期对应的第二数据集;所述目标统计周期的截止时刻与当前统计周期的截止时刻相同,所述目标统计周期的起始时刻为所述当前统计周期的起始时刻与已配置的目标时长之差,所述目标时长表示通过目标路段的最大通行时间;基于所述第一数据集和所述第二数据集,确定目标车辆从所述第一位置点行驶到所述第二位置点的通行时间;其中,所述第一数据集包括所述目标车辆处于第二位置点的时间点,所述第二数据集包括所述目标车辆处于第一位置点的时间点;基于所有目标车辆对应的通行时间确定所述第一平均通行时间。
示例性的,所述获取模块61基于所有目标车辆对应的通行时间确定所述第一平均通行时间时具体用于:基于所有目标车辆对应的通行时间,从所有通行时间中确定候选通行时间,并基于所有通行时间中除所述候选通行时间外的其它通行时间确定所述第一平均通行时间;从所有通行时间中确定候选通行时间包括以下至少之一:针对每个通行时间,若该通行时间属于所有通行时间中较长的P1个通行时间,则将该通行时间确定为候选通行时间,P1为正整数;针对每个通行时间,若该通行时间属于所有通行时间中较短的P2个通行时间,则将该通行时间确定为候选通行时间,P2为正整数;针对每个通行时间,若该通行时间大于预设阈值,则将该通行时间确定为候选通行时间,所述预设阈值是基于所述目标路段对应的自由通行时间确定。
示例性的,所述确定模块62,还用于若所述目标交通状态为最高拥堵状态,则基于所述第一平均通行时间、所述目标路段在所述当前统计周期的前一统计周期内对应的第二平均通行时间、及最高拥堵状态对应的阈值区间,确定时间变化量;若所述时间变化量小于或等于拥堵阈值,确定目标路段为常发性拥堵路段;若所述时间变化量大于拥堵阈值,确定目标路段为偶发性拥堵路段。
基于与上述方法同样的申请构思,本公开实施例中提出一种电子设备,参见图7所示,所述电子设备包括:处理器71和机器可读存储介质72,机器可读存储介质72存储有能够被处理器71执行的机器可执行指令;所述处理器71用于执行机器可执行指令,以实现本公开上述示例公开的交通状态确定方法。
基于与上述方法同样的申请构思,本公开实施例还提供一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被处理器执行时,能够实现本公开上述示例公开的交通状态确定方法。
其中,上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本公开时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且,这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上,使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的实施例而已,并不用于限制本公开。对于本领域技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本公开的权利要求范围之内。
Claims (12)
- 一种交通状态确定方法,其特征在于,所述方法包括:基于第一位置点对应的车辆通行数据和第二位置点对应的车辆通行数据,确定目标路段在当前统计周期内对应的第一平均通行时间;其中,所述目标路段是从所述第一位置点到达所述第二位置点的路段;基于所述目标路段对应的K个阈值区间,确定所述第一平均通行时间所处的目标阈值区间,并基于所述目标阈值区间对应的交通状态确定所述目标路段在所述当前统计周期内对应的目标交通状态;其中,所述K个阈值区间与已配置的K个交通状态一一对应,所述K为大于1的正整数。
- 根据权利要求1所述的方法,其特征在于,所述方法还包括:采用如下步骤确定所述目标路段对应的K个阈值区间:基于历史通行数据确定所述目标路段对应的自由通行时间,所述自由通行时间表示道路通畅情况下,车辆行驶通过所述目标路段所花费的时间;针对K个交通状态中的每个交通状态,基于所述自由通行时间和该交通状态对应的已配置的阈值系数,确定该交通状态对应的阈值区间。
- 根据权利要求2所述的方法,其特征在于,所述基于历史通行数据确定所述目标路段对应的自由通行时间,包括:基于所述目标路段对应的m个采样周期的历史通行数据,确定所述m个采样周期中每个采样周期对应的样本平均通行时间,所述m为正整数;基于所述m个采样周期对应的样本平均通行时间和所述m个采样周期中每个采样周期对应的权重值,确定所述目标路段对应的自由通行时间。
- 根据权利要求3所述的方法,其特征在于,针对所述m个采样周期中的每个采样周期,该采样周期包括多个时间片,该采样周期的历史通行数据包括所述多个时间片中每个时间片对应的样本车辆通行数据,所述样本车辆通行数据包括样本车辆处于第一位置点的时间点和所述样本车辆处于第二位置点的时间点;基于该采样周期的历史通行数据,确定该采样周期对应的样本平均通行时间,包括:针对该采样周期的每个时间片,基于该时间片对应的样本车辆通行数据确定该时间片内每个样本车辆从第一位置点行驶到第二位置点的通行时间;基于该时间片内每个样本车辆对应的通行时间确定该时间片的平均通行时间;从所有时间片的平均通行时间中选取出平均通行时间小的n个平均通行时间,基于所述n个平均通行时间确定该采样周期对应的样本平均通行时间。
- 根据权利要求1所述的方法,其特征在于,所述基于第一位置点对应的车辆通行数据和第二位置点对应的车辆通行数据,确定目标路段在当前统计周期内对应的第一平均通行时间,包括:从所述第二位置点对应的车辆通行数据中选取出所述当前统计周期对应的第一数据集,从所述第一位置点对应的车辆通行数据中选取出目标统计周期对应的第二数据集;其中,所述目标统计周期的截止时刻与所述当前统计周期的截止时刻相同,所述目标统计周期的起始时刻为所述当前统计周期的起始时刻与已配置的目标时长之差,所述目标时长表示通过所述目标路段的最大通行时间;基于所述第一数据集和所述第二数据集,确定目标车辆从第一位置点行驶到第二位置点的通行时间;其中,所述第一数据集包括所述目标车辆处于所述第二位置点的时间点,所述第二数据集包括所述目标车辆处于所述第一位置点的时间点;基于所有目标车辆对应的通行时间确定所述第一平均通行时间。
- 根据权利要求5所述的方法,其特征在于,所述基于所有目标车辆对应的通行时间确定所述第一平均通行时间,包括:基于所有目标车辆对应的通行时间,从所有通行时间中确定候选通行时间,并基于所有通行时间中除所述候选通行时间外的其它通行时间确定所述第一平均通行时间;其中,从所有通行时间中确定候选通行时间包括以下至少之一:针对所有通行时间中的每个通行时间,若该通行时间属于所有通行时间中较长的P1个通行时间,则将该通行时间确定为候选通行时间,P1为正整数;针对所有通行时间中的每个通行时间,若该通行时间属于所有通行时间中较短的P2个通行时间,则将该通行时间确定为候选通行时间,P2为正整数;针对所有通行时间中的每个通行时间,若该通行时间大于预设阈值,则将该通行时间确定为候选通行时间,所述预设阈值是基于所述目标路段对应的自由通行时间确定。
- 根据权利要求1所述的方法,其特征在于,所述方法还包括:若所述目标交通状态为最高拥堵状态,则基于所述第一平均通行时间、所述目标路段在所述当前统计周期的前一统计周期内对应的第二平均通行时间、及最高拥堵状态对应的阈值区间,确定时间变化量;若所述时间变化量小于或等于拥堵阈值,确定所述目标路段为常发性拥堵路段;若所述时间变化量大于拥堵阈值,确定所述目标路段为偶发性拥堵路段。
- 一种交通状态确定装置,其特征在于,所述装置包括:获取模块,用于基于第一位置点对应的车辆通行数据和第二位置点对应的车辆通行数据,确定目标路段在当前统计周期内对应的第一平均通行时间;其中,所述目标路段是从所述第一位置点到达所述第二位置点的路段;确定模块,用于基于所述目标路段对应的K个阈值区间,确定所述第一平均通行时间所处的目标阈值区间,并基于所述目标阈值区间对应的交通状态确定所述目标路段在所述当前统计周期内对应的目标交通状态;其中,所述K个阈值区间与已配置的K个交通状态一一对应,所述K为大于1的正整数。
- 根据权利要求8所述的装置,其特征在于,其中,所述确定模块,还用于采用如下步骤确定所述目标路段对应的K个阈值区间:基于历史通行数据确定所述目标路段对应的自由通行时间,所述自由通行时间表示道路通畅情况下,车辆行驶通过所述目标路段所花费的时间;针对所述K个交通状态中的每个交通状态,基于所述自由通行时间和该交通状态对应的已配置的阈值系数,确定该交通状态对应的阈值区间;其中,所述确定模块基于历史通行数据确定所述目标路段对应的自由通行时间时具体用于:基于所述目标路段对应的m个采样周期的历史通行数据,确定所述m个采样周期中每个采样周期对应的样本平均通行时间,m为正整数;基于m个采样周期对应的样本平均通行时间和所述m个采样周期中每个采样周期对应的权重值,确定所述自由通行时间;其中,针对所述目标路段对应的m个采样周期中的每个采样周期,该采样周期包括多个时间片,该采样周期的历史通行数据包括每个时间片对应的样本车辆通行数据,所述样本车辆通行数据包括样本车辆处于第一位置点的时间点和所述样本车辆处于第二位置点的时间点;所述确定模块基于该采样周期的历史通行数据,确定该采样周期对应的样本平均通行时间时具体用于:针对该采样周期的每个时间片,基于该时间片对应的样本车辆通行数据确定该时间片内每个样本车辆从第一位置点行驶到第二位置点的通行时间;基于该时间片内每个样本车辆对应的通行时间确定该时间片的平均通行时间;从所有时间片的平均通行时间中选取平均通行时间小的n个平均通行时间,基于n个平均通行时间确定该采样周期对应的样本平均通行时间;其中,所述获取模块基于第一位置点对应的车辆通行数据和第二位置点对应的车辆通行数据,确定目标路段在当前统计周期内对应的第一平均通行时间时具体用于:从所述第二位置点对应的车辆通行数据中选取出所述当前统计周期对应的第一数据集,从所 述第一位置点对应的车辆通行数据中选取出目标统计周期对应的第二数据集;所述目标统计周期的截止时刻与所述当前统计周期的截止时刻相同,所述目标统计周期的起始时刻为所述当前统计周期的起始时刻与已配置的目标时长之差,所述目标时长表示通过所述目标路段的最大通行时间;基于所述第一数据集和所述第二数据集,确定目标车辆从所述第一位置点行驶到所述第二位置点的通行时间;其中,所述第一数据集包括所述目标车辆处于所述第二位置点的时间点,所述第二数据集包括所述目标车辆处于所述第一位置点的时间点;基于所有目标车辆对应的通行时间确定所述第一平均通行时间;其中,所述获取模块基于所有目标车辆对应的通行时间确定所述第一平均通行时间时具体用于:基于所有目标车辆对应的通行时间,从所有通行时间中确定候选通行时间,并基于所有通行时间中除所述候选通行时间外的其他通行时间确定所述第一平均通行时间;其中,从所有通行时间中确定候选通行时间包括以下至少之一:针对所有通行时间中的每个通行时间,若该通行时间属于所有通行时间中较长的P1个通行时间,则将该通行时间确定为候选通行时间,P1为正整数;针对所有通行时间中的每个通行时间,若该通行时间属于所有通行时间中较短的P2个通行时间,则将该通行时间确定为候选通行时间,P2为正整数;针对所有通行时间中的每个通行时间,若该通行时间大于预设阈值,则将该通行时间确定为候选通行时间,所述预设阈值是基于所述目标路段对应的自由通行时间确定;其中,所述确定模块,还用于若所述目标交通状态为最高拥堵状态,则基于所述第一平均通行时间、所述目标路段在所述当前统计周期的前一统计周期内对应的第二平均通行时间、及最高拥堵状态对应的阈值区间,确定时间变化量;若所述时间变化量小于或等于拥堵阈值,确定所述目标路段为常发性拥堵路段;若所述时间变化量大于拥堵阈值,确定所述目标路段为偶发性拥堵路段。
- 一种电子设备,其特征在于,包括:处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令;所述处理器用于执行机器可执行指令,以实现权利要求1-7任一所述的方法步骤。
- 一种机器可读存储介质,所述机器可读存储介质存储有能够被处理器执行的机器可执行指令;其中,所述处理器用于执行所述机器可读存储介质中的所述机器可执行指令,以实现权利要求1-7任一所述的方法。
- 一种计算机程序,所述计算机程序存储于机器可读存储介质,当处理器执行所述计算机程序时,促使所述处理器实现权利要求1-7任一所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211191758.9A CN115880894A (zh) | 2022-09-28 | 2022-09-28 | 一种交通状态确定方法、装置及设备 |
CN202211191758.9 | 2022-09-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2024067210A1 true WO2024067210A1 (zh) | 2024-04-04 |
Family
ID=85770135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2023/119423 WO2024067210A1 (zh) | 2022-09-28 | 2023-09-18 | 一种交通状态确定方法、装置及设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115880894A (zh) |
WO (1) | WO2024067210A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880894A (zh) * | 2022-09-28 | 2023-03-31 | 杭州海康威视数字技术股份有限公司 | 一种交通状态确定方法、装置及设备 |
CN117037498A (zh) * | 2023-10-08 | 2023-11-10 | 武汉中科通达高新技术股份有限公司 | 一种实时路况分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009252164A (ja) * | 2008-04-10 | 2009-10-29 | Xanavi Informatics Corp | サーバ装置、ナビゲーション装置、交通情報提示システムおよび交通情報提示方法 |
CN102354452A (zh) * | 2011-08-01 | 2012-02-15 | 重庆大学 | 基于简化路网模型的实时路况监控方法 |
KR20180138280A (ko) * | 2017-06-21 | 2018-12-31 | 서울시립대학교 산학협력단 | 평균통행시간정보를 이용한 구간소통상황 판단을 위한 장치 및 이를 위한 방법 및 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 |
CN112819325A (zh) * | 2021-01-29 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 高峰时段确定方法、装置、电子设备和存储介质 |
CN115880894A (zh) * | 2022-09-28 | 2023-03-31 | 杭州海康威视数字技术股份有限公司 | 一种交通状态确定方法、装置及设备 |
-
2022
- 2022-09-28 CN CN202211191758.9A patent/CN115880894A/zh active Pending
-
2023
- 2023-09-18 WO PCT/CN2023/119423 patent/WO2024067210A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009252164A (ja) * | 2008-04-10 | 2009-10-29 | Xanavi Informatics Corp | サーバ装置、ナビゲーション装置、交通情報提示システムおよび交通情報提示方法 |
CN102354452A (zh) * | 2011-08-01 | 2012-02-15 | 重庆大学 | 基于简化路网模型的实时路况监控方法 |
KR20180138280A (ko) * | 2017-06-21 | 2018-12-31 | 서울시립대학교 산학협력단 | 평균통행시간정보를 이용한 구간소통상황 판단을 위한 장치 및 이를 위한 방법 및 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 |
CN112819325A (zh) * | 2021-01-29 | 2021-05-18 | 北京嘀嘀无限科技发展有限公司 | 高峰时段确定方法、装置、电子设备和存储介质 |
CN115880894A (zh) * | 2022-09-28 | 2023-03-31 | 杭州海康威视数字技术股份有限公司 | 一种交通状态确定方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115880894A (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2024067210A1 (zh) | 一种交通状态确定方法、装置及设备 | |
CN110751828A (zh) | 一种路段拥堵测量方法、装置、计算机设备及存储介质 | |
CN108898831B (zh) | 基于道路高清卡口数据的路段状况评估方法及系统 | |
CN110782656B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
CN109493449B (zh) | 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法 | |
CN113379099B (zh) | 一种基于机器学习与copula模型的高速公路交通流自适应预测方法 | |
KR101730398B1 (ko) | 차량 정보 관리 시스템 및 그 방법 | |
CN107093216A (zh) | 基于汽车电子标识的城市交通拥堵收费方法和装置 | |
CN107749164B (zh) | 一种车辆聚集分析方法及装置 | |
CN107871393B (zh) | 一种自动判别车辆违章占用禁行车道的方法及其系统 | |
CN111369810A (zh) | 车辆出行特征获取方法、装置、电子设备及存储介质 | |
JP3792172B2 (ja) | 旅行時間予測方法、装置及びプログラム | |
CN110264725B (zh) | 路段流量的确定方法及装置 | |
KR101856185B1 (ko) | 블랙박스 저장매체의 데이터 저장영역 할당 시스템 | |
CN110986992A (zh) | 无人售卖车辆的导航方法、装置、电子设备和存储介质 | |
CN111121803B (zh) | 获取道路常用停靠点的方法及装置 | |
CN110717352B (zh) | 一种站台客流量的统计方法、服务器及图像采集设备 | |
CN114973693B (zh) | 车辆排队长度计算方法、计算机设备及计算机存储介质 | |
CN114547403B (zh) | 变道场景采集方法、装置、设备及存储介质 | |
CN111369804A (zh) | 一种车辆数据处理方法、装置、电子设备、存储介质 | |
JP3526422B2 (ja) | 走行所要時間情報演算システム | |
CN114898574B (zh) | 交通参数的估计方法和系统 | |
CN115206095B (zh) | 一种卡口过车轨迹数据重构方法 | |
CN102622888B (zh) | 一种基于视频检测的车牌自学习识别方法及装置 | |
US11467097B2 (en) | Road management device |