路况状态确定方法及装置与流程

本发明涉及道路交通技术领域，特别涉及一种路况状态确定方法及装置。

背景技术：

目前，交通拥堵已成为各大城市日益突显的问题，为了便于用户出行，可以通过导航软件为用户提供路况查询功能，通过该路况查询功能，用户可以查询各个路段的路况状态，并选择合适的路段行驶。其中，路段的路况状态通常包括拥堵、缓行和畅通等状态。另外，由于城市中的大部分道路上都设置有红绿灯，车辆在道路上行驶时容易受红绿灯的影响，因此，还需要向用户准确展示道路的灯前路况状态，即道路中与红绿灯相连的目标路段的路况状态。

相关技术中，当需要确定目标路段的路况状态时，通常，先确定在当前时刻途经目标路段的多台车辆，然后，获取该多台车辆中每台车辆在目标路段上的行驶轨迹，根据每台车辆在目标路段上的行驶轨迹，确定每台车辆的轨迹速度。其中，轨迹速度是指该驶轨迹上的轨迹点总长和该行驶轨迹的总行驶时长之间的比值，且相关技术中，对于当前时刻已抵达红绿灯的车辆，可以将该车辆在目标路段的起始点的行驶时间到当前时刻之间的时长，作为该车辆的行驶轨迹的总行驶时长。之后，再将该多台车辆的轨迹速度进行加权处理，得到该多台车辆的平均车速，并根据该平均车速确定目标路段的路况状态。比如，当平均车速在第一速度区间时，确定目标路段的路况状态为拥堵状态，当平均车速在第二速度区间时，确定目标路段的路况状态为缓行状态，当平均车速在第三速度区间时，确定目标路段的路况状态为畅通状态。

由上可知，对于当前时刻已抵达红绿灯的车辆，一般是将该车辆在目标路段的起始点的行驶时间到当前时刻之间的时长作为其行驶轨迹的总行驶时长，然后根据该总行驶时长来计算其轨迹速度，也即是，按照当前时刻该车辆能够通过红绿灯的场景来计算其轨迹速度，但是现实中，当前时刻该车辆可能还需要继续在红绿灯前等待，即并不能马上通过红绿灯，这种情况下，该车辆在目标路段上的行驶轨迹的实际总行驶时长可能更长，实际灯前的轨迹速度可能更慢，进而平均车速也可能比计算的更慢。由此可知，相关技术中计算的车辆在灯前的轨迹速度不够准确，以此为基础确定的路况状态准确度较低。

技术实现要素：

本发明实施例提供了一种路况状态确定方法及装置，可以用于解决相关技术中确定路况状态的准确度较低的问题。所述技术方案如下：

一方面，提供了一种路况状态确定方法，所述方法包括：

获取目标路段的多台第一车辆的行驶信息，所述多台第一车辆为预设时长内车辆位置位于所述目标路段的车辆，所述行驶信息包括行驶轨迹和等灯信息，所述等灯信息用于描述第一车辆在与所述目标路段相连的目标红绿灯前等待的情况；

根据所述多台第一车辆的行驶信息，确定所述目标路段的路况特征，所述目标路段的路况特征包括所述预设时长内的至少一个时间段内处于不同行驶信息区间的第一车辆的数量；

调用路况识别模型，将所述目标路段的路况特征输入所述路况识别模型，输出所述目标路段的路况状态，所述路况识别模型用于根据任一路段的路况特征对所述路段的路况状态进行识别。

一方面，提供了一种路况状态确定装置，所述装置包括：

获取模块，用于获取目标路段的多台第一车辆的行驶信息，所述多台第一车辆为预设时长内车辆位置位于所述目标路段的车辆，所述行驶信息包括行驶轨迹和等灯信息，所述等灯信息用于描述第一车辆在与所述目标路段相连的目标红绿灯前等待的情况；

确定模块，用于根据所述多台第一车辆的行驶信息，确定所述目标路段的路况特征，所述目标路段的路况特征包括所述预设时长内的至少一个时间段内处于不同行驶信息区间的第一车辆的数量；

调用模块，用于调用路况识别模型，将所述目标路段的路况特征输入所述路况识别模型，输出所述目标路段的路况状态，所述路况识别模型用于根据任一路段的路况特征对所述路段的路况状态进行识别。

一方面，提供了一种灯前路况确定装置，所述装置包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现上述路况状态确定方法。

一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现上述路况状态确定方法。

一方面，提供了一种路况状态确定方法，所述方法包括：

获取目标车辆的行驶位置；

当所述行驶位置位于目标路段时，根据所述目标路段的标识，获取所述目标路段的路况状态；

对所述目标路段的路况状态进行显示。

一方面，提供了一种路况状态确定装置，所述装置包括：

第一获取模块，用于获取目标车辆的行驶位置；

第二获取模块，用于当所述行驶位置位于目标路段时，根据所述目标路段的标识，获取所述目标路段的路况状态；

显示模块，用于对所述目标路段的路况状态进行显示。

一方面，提供了一种灯前路况确定装置，所述装置包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现上述路况状态确定方法。

一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现上述路况状态确定方法。

一方面，提供了一种路况状态确定方法，所述方法包括：

获取导航路径；

对于所述导航路径上的任一个目标路段，根据所述目标路段的标识，获取所述目标路段的路况状态；

按照所述目标路段的路况状态，在所述导航路径上对所述目标路段进行突出显示。

一方面，提供了一种路况状态确定装置，所述装置包括：

第一获取模块，用于获取导航路径；

第二获取模块，用于对于所述导航路径上的任一个目标路段，根据所述目标路段的标识，获取所述目标路段的路况状态；

显示模块，用于按照所述目标路段的路况状态，在所述导航路径上对所述目标路段进行突出显示。

一方面，提供了一种灯前路况确定装置，所述装置包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现上述路况状态确定方法。

一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由处理器加载并执行以实现上述路况状态确定方法。

本发明实施例提供的技术方案带来的有益效果是：

本发明实施例中，在确定与目标红绿灯相连的目标路段的路况状态时，可以先获取预设时长内位于目标路段的多台第一车辆的行驶信息，然后根据多台第一车辆的行驶信息，确定目标路段的路况特征，最后调用路况识别模型，将路况特征输入路况识别模型，输出目标路段的路况状态。由于每台第一车辆的行驶信息包括等灯信息，因此，以此确定出的路况特征能够准确表征目标路段的路况状态，进而将该路况特征输入到路况识别模型之后，通过该路况识别模型能够准确识别出目标路段的路况状态，提高了确定路况状态的准确性和效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种路况状态确定系统的示意图；

图2是本发明实施例提供的一种路况识别逻辑的示意图；

图3是本发明实施例提供的一种训练逻辑的示意图；

图4是本发明实施例提供的一种路况状态确定方法的流程图；

图5是本发明实施例提供的一种目标路段的示意图；

图6是本发明实施例提供的一种第一车辆的行驶轨迹示意图；

图7是本发明实施例提供的另一种路况状态确定方法的流程图；

图8是本发明实施例提供的又一种路况状态确定方法的流程图；

图9是本发明实施例提供的又一种路况状态确定方法的流程图；

图10是本发明实施例提供的一种导航路径的示意图；

图11是本发明实施例提供的一种路况状态确定装置的结构框图；

图12是本发明实施例提供的另一种路况状态确定装置的结构框图；

图13是本发明实施例提供的又一种路况状态确定装置的结构框图；

图14是本发明实施例提供的一种电子设备1400的结构框图；

图15是本发明实施例提供的一种服务器1500的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

在对本发明实施例进行详细地解释说明之前，先对本发明实施例的应用场景予以说明。

本发明实施例应用于需要确定目标路段的路况状态的场景中，其中，目标路段是指道路中与红绿灯相连的路段，比如可以为灯前100米或200米的路段等。具体地，可以在车辆到达目标路段时，向车辆发布目标路段的路况状态，以便用户根据发布的路况状态，预估在目标路段上的行驶时长。或者，也可以在车辆导航的过程中，向车辆发布导航路径中任一目标路段的路况状态，以便用户选择合适的路段行驶。

接下来对本发明实施例的实施环境进行介绍。

本发明实施例提供的路况状态确定方法可以应用路况状态确定系统中，图1是本发明实施例提供的一种路况状态确定系统的示意图，如图1所示，该系统包括多个车辆101、用于为该多个车辆101提供服务的服务器102。

其中，该多个车辆101可以通过网络和服务器102连接，具体地，该多个车辆10可以安装有电子设备，并可以通过安装的电子设备和服务器102连接，该电子设备可以为导航系统、控制中心或者其他电子设备。服务器102可以为一个或者多个路况发布服务器，服务器102可以作为信息的载体，来提供关于路况的服务。例如，服务器102可以为任一车辆101提供路况状态的发布服务，或提供路况状态的展示信息页面，本发明实施例对此不做具体限定。对于服务器102来说，该服务器102还可以具有至少一种数据库，用以存储行驶信息、路况特征以及路况识别模型等等。进一步地，服务器102还可以获取满足条件的至少一个车辆101的行驶信息，然后对获取的行驶信息进行处理，得到目标路段的路况状态，并将目标路段的路况状态发布给目标车辆，该目标车辆可以为该至少一个车辆101中的任一车辆，也可以为除该至少一个车辆101之外的其他车辆。

在一个可能的实施例中，服务器102中存储有路况识别逻辑，该路况识别逻辑用于确定与红绿灯相连的目标路段的路况状态。图2是本发明实施例提供的一种路况识别逻辑的示意图，如图2所示，该路况识别逻辑包括单车信息获取模块201、多车信息融合模块202、识别模块203和发布模块204。

其中，单车信息获取模块201用于获取目标路段的多个车辆的行驶信息，并将多个车辆的行驶信息发送给多车信息融合模块202，该行驶信息包括行驶轨迹和等灯信息，等灯信息用于描述车辆在红绿灯前的等待情况。多车信息融合模块202用于对多个车辆的行驶信息进行信息融合，得到目标路段的的路况特征，并将路况特征发送给识别模块203。识别模块203用于根据目标路段的的路况特征，利用路况识别模型对目标路段的路况状态进行识别，并将识别得到的路况状态发送给发布模块204。发布模块204用于对目标路段的的路况特征进行发布。

在一个可能的实施例中，服务器102中存储有路况识别模型的训练逻辑，该训练逻辑用于根据多个样本路段的路况特征，对待训练路况识别模型进行训练。图3是本发明实施例提供的一种训练逻辑的示意图，如图3所示，该训练逻辑包括单车信息获取模块301、多车信息融合模块302和训练模块303。

其中，单车信息获取模块301用于获取多个样本路段的路况状态和车辆信息，并将多个样本路段的路况状态和车辆信息发送给多车信息融合模块302，每个样本路段的车辆信息包括该样本路段上的多个车辆的行驶信息。多车信息融合模块302用于对多个样本路段的单车特征进行信息融合，得到多个样本路段的路况特征，并将多个样本路段的路况特征和路况状态发送给训练模块303。训练模块303用于根据多个样本路段的路况特征和路况状态，对待训练路况识别模型进行训练，得到能够根据任一路段的路况特征对该路段的路况状态进行识别的路况识别模型。

图4是本发明实施例提供的一种路况状态确定方法的流程图，该方法用于服务器中。参见图4，该方法包括：

步骤401：获取目标路段的多台第一车辆的行驶信息，该多台第一车辆为预设时长内车辆位置位于目标路段的车辆。

目标路段是指与目标红绿灯相连的路段，即目标红绿灯一侧的灯前路段。该预设时长可以由服务器预先设置，也可以由用户预先设置，本发明实施例对此不做限定。比如，该预设时长可以为5分钟、10分钟或15分钟等。另外，为了便于与其他时长进行区分，本发明实施例中将该预设时长称为第一预设时长。

在一个实施例中，以第一预设时长为10分钟为例，当当前时刻需要确定目标路段的路况状态时，可以获取当前时刻之前的10分钟内车辆位置位于目标路段的多台第一车辆的行驶信息，以基于该多台第一车辆的行驶信息，确定目标路段的路况状态。例如，在该10分钟内的某一时刻位于目标路段的车辆可以如图3所示。

需要说明的是，该行驶信息用于描述第一预设时长内第一车辆在目标路段上的行驶状态，即在目标红绿灯前的行驶状态。且该行驶信息可以通过定位系统获取得到，该定位系统可以为gps(globalpositioningsystem，全球定位系统)等，本发明实施例对此不做限定。具体地，该行驶信息包括包括行驶轨迹和等灯信息。

该行驶轨迹是指第一预设时长内第一车辆在目标路段上的行驶轨迹，且该行驶轨迹可以由多个轨迹点组成，该多个轨迹点是由服务器将每隔第二预设时长获取的第一车辆的位置，按照时间次序排列得到。其中，该第二预设时长可以为3秒或5秒等。例如，某个第一车辆在目标路段上的行驶轨迹可以如图6所示，该行驶轨迹包括多个轨迹点，该多个轨迹点是由每隔5秒获取的第一车辆的位置组成，即任意两个连续轨迹点的行驶时长为5秒，则任意两个连续轨迹点之间的距离越大，表示这段距离内该第一车辆的车速越快，任意两个连续轨迹点之间的距离越小，表示这段距离内该第一车辆的车速越慢。

需要说明的是，该等灯信息用于描述第一车辆在与目标路段相连的目标红绿灯前等待的情况。具体地，该等灯信息可以包括首次等灯位置、等灯次数、每次等灯的时间、在第一预设时长的结束时间是否已通过目标红绿灯以及通过目标红绿灯的时间的至少一种。

其中，首次等灯位置可以用首次等灯的地点与目标红绿灯之间的距离来表示。具体可以先计算首次等灯的地点到目标路段的末尾之间的第一距离，再将末尾距离与第一距离之间的差值，作为首次等灯的地点与目标红绿灯之间的距离，末尾距离是指目标路段的末尾与目标红绿灯之间的距离。

其中，每次等灯的时间可以包括每次等灯的开始时间、结束时间和等灯时长等。具体地，可以根据第一车辆的行驶轨迹确定等灯次数和每次等灯的等灯时长，比如，可以先从第一车辆的行驶轨迹中确定至少一个目标轨迹点序列，将该至少一个目标轨迹点序列的数量确定为等灯次数，并将每个目标轨迹点序列的总时长确定为对应等灯次数的等灯时长。其中，每个目标轨迹点序列是指行驶轨迹中相邻轨迹点距离小于预设距离的连续多个轨迹点组成的轨迹点序列，该预设距离可以为15米或20米等。例如，图6的行驶轨迹中包括一个目标轨迹点序列，表示该第一车辆在目标红绿灯前的等灯次数为1。

由于本发明实施例中可以获取每台第一车辆的行驶轨迹和等灯信息，因此不仅可以考虑每台第一车辆的轨迹速度，还可以结合每台第一车辆的等灯信息来确定目标路段的灯前状态，提高了确定灯前状态的准确性。

具体地，服务器可以周期性地获取目标路段的多台第一车辆的行驶信息，也可以根据目标路段的灯前路况查询请求，触发获取目标路段的多台第一车辆的行驶信息，本发明实施例对此不做限定。其中，目标路段的灯前路况查询请求可以由目标车辆发送得到，目标车辆可以为道路上行驶的任一车辆，具体可以为任一第一车辆，也可以为除第一车辆之外的其他车辆。

进一步地，每台第一车辆还可以为计算时间之前的预设时长内车辆位置位于目标路段的车辆，该计算时间是指需要获取目标路段的路况状态的时间。比如，当当前时间需要获取目标路段的路况状态时，可以获取当前时间之前的预设时长内车辆位置位于目标路段的多台第一车辆的行驶信息。

步骤402：根据该多台第一车辆的行驶信息，确定目标路段的路况特征。

其中，目标路段的路况特征包括该预设时长内的至少一个时间段内处于不同行驶信息区间的第一车辆的数量，该至少一个时间段是对该预设时长进行划分得到，具体可以对该至少一个时间段进行平均划分，也可以非平均划分。以该预设时长为10分钟为例，可以将该预设时长平均划分为5个时间段，每个时间段的时长为2分钟。

也即是，本发明实施例中，可以对该多台第一车辆的行驶信息进行统计，以统计出该至少一个时间内不同行驶信息区间的车辆分布情况，并将该至少一个时间内不同行驶信息区间的车辆分布情况确定为目标路段的路况特征。

具体地，根据该多台第一车辆的行驶信息，确定目标路段的路况特征包括如下步骤4021-4022：

步骤4021：根据该多台第一车辆的行驶轨迹，确定该至少一个时间段内的轨迹速度特征，该轨迹速度特征是指处于不同轨迹速度区间的第一车辆的数量。

也即是，目标路段的路况特征可以包括该至少一个时间段内的轨迹速度特征，即该至少一个时间段内处于不同轨迹速度区间的第一车辆的数量。而且，每个轨迹速度区间的第一车辆的数量是该轨迹速度区间对应的特征值。

具体地，根据该多台第一车辆的行驶轨迹，确定该至少一个时间段内的轨迹速度特征包括：对于该至少一个时间段中的每个时间段，从该多台第一车辆中确定至少一台第二车辆，每台第二车辆为在该每个时间段内车辆位置位于目标路段的车辆；根据该至少一台第二车辆的行驶轨迹，确定该至少一台第二车辆在该每个时间段内的轨迹速度；将每台第二车辆在该每个时间段内的轨迹速度与该不同轨迹速度区间进行匹配，以确定每个时间段内的轨迹速度特征，即确定每个时间段内处于不同轨迹速度区间的第一车辆的数量。

其中，该不同轨迹速度区间可以预先设置得到，也可以对该至少一台第二车辆的轨迹速度所处总区间进行划分得到，本发明实施例对此不做限定。例如，可以将车辆的轨迹速度划分为0到20、20到40、40到60、60到80、以及80以上这5个轨迹速度区间，然后统计每个时间段内，处于每个轨迹速度区间的第一车辆的个数，并将统计结果作为该轨迹速度特征。比如，假设该第一预设时长为10分钟，将该第一预设时长平均划分为5个时间段，每个时间段的时长为2分钟，若最后2分钟内轨迹速度为40到60的第一车辆的个数为3，则40到60的轨迹速度区间对应的特征值即为3。

比如，假设在某个时间段内共有5台第二车辆，其中，有3台第二车辆的轨迹速度与第一个轨迹速度区间匹配，2台第二车辆的轨迹速度与第二个轨迹速度区间匹配，则即可确定该时间段内处于第一个轨迹速度区间的第一车辆的数量为3，处于第二个轨迹速度区间的第一车辆的数量为2。

由于不同时间段内行驶在目标路段上的第一车辆可能不同，因此在对每个时间段的内轨迹速度特征进行统计时，需要先从该多台第一车辆中确定在该时间段内车辆位置位于目标路段的至少一台第二车辆，然后再根据该至少一台第二车辆的行驶轨迹，确定该至少一台第二车辆在该每个时间段内的轨迹速度。

具体地，对于该至少一台第二车辆中的每台第二车辆，可以根据每台第一车辆的行驶轨迹和所行驶轨迹的行驶时长，确定每台第二车辆在目标时间段内的轨迹速度。在一个实施例中，可以根据每台第一车辆的行驶轨迹包括的多个轨迹点中相邻轨迹点的距离和行驶时长，来确定每台第二车辆在目标时间段内的轨迹速度。比如，可以根据每台第一车辆的行驶轨迹，通过以下公式确定每台第二车辆在目标时间段内的轨迹速度：

其中，tlink-speed为轨迹速度，点对是指第一车辆的行驶轨迹包括的多个轨迹点中相邻的两个轨迹点，pi为该多个轨迹点中第i个点对的轨迹长度，即第i个点对包括的两个轨迹点之间的距离，ti为该多个轨迹点中第i个点对的轨迹时长，即第i个点对包括的两个轨迹点之间的行驶时长，i为正整数，n为行驶轨迹上的点对数量。

步骤4022：根据该多台第一车辆的等灯信息，确定该至少一个时间段内的等灯位置特征、等灯次数特征、等灯时长特征和车辆数量特征中的至少一种。

也即是，目标路段的路况特征不仅可以包括该至少一个时间段内的轨迹速度特征，还可以包括至少一个时间段内的等灯位置特征、等灯次数特征、等灯时长特征和车辆数量特征中的至少一种。由于本发明实施例中确定的目标路段的路况特征不仅包括轨迹速度特征，还包括等灯特征，因此能够较为准确地指示目标路段的路况状态。

1)等灯位置特征是指处于不同首次等灯位置区间的第一车辆的数量，每个首次等灯位置区间的第一车辆的数量是该首次等灯位置区间对应的特征值。

具体地，对于该至少一个时间段中的每个时间段，可以先从该多台第一车辆中确定至少一台第二车辆，然后确定每台第二车辆的首次等灯位置，并将该至少一台第二车辆的首次等灯位置与不同首次等灯位置区间进行匹配，以确定处于不同首次等灯位置区间的第一车辆的数量。其中，该不同首次等灯位置区间可以预先设置得到，也可以对该至少一台第二车辆的首次等灯位置所处总区间进行划分得到，本发明实施例对此不做限定。

2)等灯次数特征是指处于不同等灯次数区间的第一车辆的数量，每个等灯次数区间的第一车辆的数量是该等灯次数区间对应的特征值。

具体地，对于该至少一个时间段中的每个时间段，可以先从该多台第一车辆中确定至少一台第二车辆，然后确定每台第二车辆在每个时间段内的等灯次数，并将该至少一台第二车辆的等灯次数与不同等灯次数区间进行匹配，以确定每个时间段内处于不同等灯次数区间的第一车辆的数量。其中，该不同等灯次数区间可以预先设置得到，也可以对该至少一台第二车辆的等灯次数所处总区间进行划分得到，本发明实施例对此不做限定。

3)等灯时长特征是指处于不同等灯时长区间的第一车辆的数量，每个等灯时长区间的第一车辆的数量是该等灯时长区间对应的特征值。

具体地，对于该至少一个时间段中的每个时间段，可以先从该多台第一车辆中确定至少一台第二车辆，然后确定每台第二车辆在每个时间段内的等灯时长，并将该至少一台第二车辆的等灯时长与不同等灯时长区间进行匹配，以确定每个时间段内处于不同等灯时长区间的第一车辆的数量。其中，该不同等灯时长区间可以预先设置得到，也可以对该至少一台第二车辆的等灯时长所处总区间进行划分得到，本发明实施例对此不做限定。

4)车辆数量特征可以包括处于不同通过目标红绿灯的车辆数量区间的第一车辆的数量和/或处于不同未通过目标红绿灯的车辆数量区间的第一车辆的数量，且该不同通过目标红绿灯的车辆数量区间和/或不同未通过目标红绿灯的车辆数量区间可以预先设置。

具体地，对于该至少一个时间段中的每个时间段，可以先从该多台第一车辆中确定至少一台第二车辆，然后确定每台第二车辆在该时间段内是否通过目标红绿灯，进而确定该至少一台第二车辆在该时间段内通过目标红绿灯和/或未通过目标红绿灯的车辆数量，之后将该至少一台第二车辆在该时间段内通过目标红绿灯的车辆数量确定为通过目标红绿灯的第一车辆的数量，并将该至少一台第二车辆在该时间段内未通过目标红绿灯的车辆数量确定为未通过目标红绿灯的第一车辆的数量，再将通过目标红绿灯的第一车辆的数量与不同通过目标红绿灯的车辆数量区间进行匹配，并将未通过目标红绿灯的第一车辆的数量与不同未通过目标红绿灯的车辆数量区间进行匹配，以确定该车辆数量特征。

步骤403：调用路况识别模型，将目标路段的路况特征输入该路况识别模型，输出目标路段的路况状态。

其中，目标路段的路况状态可以包括畅通状态、缓行状态和拥堵状态等。该路况识别模型用于根据任一路段的路况特征对该路段的路况状态进行识别，且该路况识别模型可以预先根据多个样本路段的路况状态和路况特征进行训练得到，具体训练方法将在图5实施例中进行详细描述，本发明实施例在此不做赘述。

其中，该路况识别模型可以为任一机器学习模型，可以采用任一机器学习框架来构建，在一个实施例中，可以采用xgboost(extremegradientboosting，极端梯度增强)机器学习框架来构建该路况识别模型。

由于该路况识别模型能够根据任一路段的路况特征对该路段的路况状态进行识别，因此，在确定出目标路段的路况特征之后，可以调用该路况识别模型，并将目标路段的路况特征输入到该路况识别模型中，以通过该路况识别模型，根据目标路段的路况特征对目标路段的灯前路况进行识别，从而通过该路况识别模型输出目标路段的路况状态。

通过引入路况识别模型，并利用路况识别模型对路况状态进行识别，可以提高路况识别的准确性和识别效率。而且，还可以通过数据的积累不断提升路况识别模型的识别效果，进一步提高了路况识别的准确性。

在另一实施例中，当该路况识别模型能够根据任一路段的路况特征和道路属性特征，对该路段的路况状态进行识别时，将目标路段的路况特征输入该路况识别模型，输出目标路段的路况状态之前，还可以先获取目标路段的道路属性特征，然后将目标路段的路况特征和道路属性特征输入该路况识别模型，输出目标路段的路况状态，该路况识别模型用于根据任一路段的路况特征和道路属性特征，对该路段的路况状态进行识别。

其中，目标路段的道路属性特征包括目标路段的长度和末尾距离，该末尾距离是指目标路段的末尾与目标红绿灯之间的距离。

通过结合路况特征和道路属性特征，对目标道路的灯前路况进行识别，可以进一步提高路况识别的准确性。

本发明实施例中，在确定与目标红绿灯相连的目标路段的路况状态时，可以获取预设时长内位于目标路段的多台第一车辆的行驶信息，然后根据多台第一车辆的行驶信息，确定目标路段的路况特征，最后调用路况识别模型，将路况特征输入路况识别模型，输出目标路段的路况状态。由于每台第一车辆的行驶信息包括等灯信息，因此，由此确定出的路况特征能够准确表征目标路段的路况状态，进而将该路况特征输入到路况识别模型之后，通过该路况识别模型能够准确识别出目标路段的灯前路况，提高了确定路况状态的准确性。

需要说明的是，图4仅是已提前训练好该路况识别模型，当需要确定目标路段的路况状态时，直接利用已训练好的路况识别模型对目标道路的路况状态进行识别为例进行说明，而在另一实施例中，当还未训练好该路况识别模型时，在识别目标路段的路况状态之前，还可以先利用样本数据对待训练识别模型进行训练，得到该路况识别模型，然后再利用该路况识别模型对目标道路的路况状态进行识别。图7是本发明实施例提供的另一种路况状态确定方法的流程图，该方法用于服务器中。参见图7，该方法包括：

步骤701：获取多个样本路段的路况状态。

其中，该每个样本路段的路况状态是每个样本路段的真实路况状态，也即是，是训练过程中每个样本路段对应的真值。具体地，每个样本路段的路况状态可以由人工计算得到，也可以通过其他复杂方法确定得到，本发明实施例对此不做限定。

步骤702：对于该多个样本路段中的每个样本路段，确定每个样本路段的多台第三车辆的行驶信息，该多台第三车辆为该预设时长内车辆位置位于每个样本路段的车辆。

需要说明的是，本发明实施例中，可以按照上述图4实施例中获取目标路段的多台第一车辆的行驶信息的方法，确定每个样本路段的多台第三车辆的行驶信息，具体实现过程可以参考上述图4实施例中步骤401的相关描述，本发明实施例中在此不再赘述。

步骤703：根据每个样本路段的多台第三车辆的行驶信息，确定每个样本路段的路况特征。

需要说明的是，本发明实施例中，可以按照上述图4实施例中根据目标路段的多台第一车辆的行驶信息，确定目标路段的路况特征的方法，根据每个样本路段的多台第三车辆的行驶信息，确定每个样本路段的路况特征，具体实现过程可以参考上述图4实施例中步骤402的相关描述，本发明实施例中在此不再赘述。

步骤704：根据该多个样本路段的路况状态和路况特征，对待训练路况识别模型进行训练，得到该路况识别模型。

在根据该多个样本路段的路况状态和路况特征，对待训练路况识别模型进行训练的过程中，该待训练路况识别模型即能够对该多个样本路段的路况特征进行学习，从而得到能够根据任一路段的路况特征对该路段的路况状态进行识别的该路段识别模型。

具体地，可以调用待训练路况识别模型，将该多个样本路段的路况特征输入待训练路况识别模型，输出该多个样本路段对应的输出值，然后将该多个样本路段对应的输出值和真值进行比较，根据比较结果对该待训练路况识别模型的模型参数进行调整，以使该多个样本路段对应的输出值逐渐趋近该多个样本路段对应的真值。

在另一实施例中，在根据该多个样本路段的路况状态和路况特征，对待训练路况识别模型进行训练之前，还可以先获取该多个样本路段的道路属性特征，然后根据该多个样本路段的路况状态、路况特征和道路属性特征，对待训练路况识别模型进行训练，得到该路况识别模型。

也即是，可以结合该多个样本路段的路况特征和道路属性特征，对待训练路况识别模型进行训练，使得该待训练路况识别模型能够在训练过程中，不断对该多个样本路段的路况特征和道路属性特征进行学习，从而得到能够根据任一路段的路况特征和道路属性特征，对该路段的路况状态进行识别的路况识别模型。

进一步地，还可以先获取多个样本路段以及该多个样本路段的上下游路段的道路属性特征，然后根据该多个样本路段的路况状态、路况特征、道路属性特征以及该多个样本路段的上下游路段的道路属性特征，对待训练路况识别模型进行训练，得到该路况识别模型。相应地，在上述步骤403中调用路况识别模型之前，还可以获取目标路段以及目标路段的上下游路段的道路属性特征，然后将目标路段的路况特征、目标路段的道路属性特征以及目标路段的上下游路段的道路属性特征输入该路况识别模型，输出目标路段的路况状态。

通过将多个样本路段的上下游路段一并作为样本路段的样本特征，能够使得待训练路况识别模型在训练过程中学习到上下游路段的道路属性对目标路段的路况状态的影响，进一步提高了路况识别模型识别的准确性。

本发明实施例中，通过根据该多个样本路段的路况状态和路况特征，对待训练路况识别模型进行训练，可以得到能够根据任一路段的路况特征对该路段的路况状态进行识别的路况识别模型，便于后续根据目标路段的路况特征，对目标路段的路况状态进行识别。

步骤705：当需要确定目标路段的路况状态时，获取目标路段的多台第一车辆的行驶信息，每台第一车辆为预设时长内车辆位置位于目标路段的车辆。

步骤706：根据该多台第一车辆的行驶信息，确定目标路段的路况特征。

步骤707：调用路况识别模型，将目标路段的路况特征输入该路况识别模型，输出目标路段的路况状态。

需要说明的是，步骤705-707的实现方法与上述步骤401-403相同，具体实现过程可以参考上述步骤401-403的相关描述，本发明实施例在此不再赘述。

本发明实施例中，可以获取预设时长内位于目标路段的多台第一车辆的行驶信息，然后根据多台第一车辆的行驶信息，确定目标路段的路况特征，最后调用路况识别模型，将路况特征输入路况识别模型，输出目标路段的路况状态。由于每台第一车辆的行驶信息包括等灯信息，因此，由此确定出的路况特征能够准确表征目标路段的路况状态，进而将该路况特征输入到路况识别模型之后，通过该路况识别模型能够准确识别出目标路段的灯前路况，提高了确定路况状态的准确性。

图8是本发明实施例提供的又一种路况状态确定方法的流程图，该方法用于目标车辆中，具体可以应用于目标车辆安装的电子设备中，该电子设备可以为导航系统或控制系统等。参见图8，该方法包括：

步骤801：获取目标车辆的行驶位置。

具体地，可以在目标车辆的行驶过程中，通过车辆定位系统，获取目标车辆的行驶位置。比如，可以通过gps获取目标车辆的行驶位置。

步骤802：当该行驶位置位于目标路段时，根据目标路段的标识，获取目标路段的路况状态。

其中，目标路段是指道路中与红绿灯相连的路段，目标路段的标识可以为目标路段的名称或编号等。由于目标路段与红绿灯相连，目标车辆在目标路段上行驶时，容易受到红绿灯的影响，因此，当目标车辆的行驶位置位于目标路段时，可以获取目标路段的路况状态，以便用户根据目标路段的路况状态，分析目标车辆在目标路段上的可能行驶情况。

具体地，根据目标路段的标识，获取目标路段的路况状态包括：向服务器发送路况查询请求，该路况查询请求携带目标路段的标识，然后接收服务器发送的目标路段的路况状态。其中，服务器接收到该路况查询请求之后，可以按照上述图4实施例所述的方法确定目标路段的路况状态，并将目标路段的路况状态发送给目标车辆。

步骤803：对目标路段的路况状态进行显示。

具体地，可以以提示消息的形式对该目标路段的路况状态进行显示，也可以在导航地图中按照该目标路段的路况状态，对该目标路段进行突出显示，当然也可以按照其他形式对目标路段的路况状态进行显示，本发明实施例对目标路段的路况状态的显示形式不做具体限定。

通过对目标路段的路况状态进行显示，可以便于用户根据显示的路况状态，预估目标车辆在目标路段上的可能行驶情况，比如预估在目标路段上的行驶时长等。

图9是本发明实施例提供的又一种路况状态确定方法的流程图，该方法用于目标车辆中，具体可以应用于目标车辆安装的电子设备中，该电子设备可以为导航系统或控制系统等。参见图9，该方法包括：

步骤901：获取导航路径。

具体地，目标车辆可以根据用户的导航操作，获取从起始位置到终点位置之间的导航路径，并将导航路径显示在导航地图中。

步骤902：对于该导航路径上的任一个目标路段，根据目标路段的标识，获取目标路段的路况状态。

其中，目标路段是指与红绿灯相连的路段，而且，该目标路段可以为用户从导航路径上选择的路段，也可以为该导航路径中该目标车辆的位置还未到达的路段。在一个实施例中，目标车辆可以确定导航路径中该目标车辆的位置还未到达路段，并确定该目标车辆的位置还未到达路段中包括的全部目标路段，然后根据该全部目标路段的标识，获取该全部目标路段的路况状态。

具体地，目标车辆可以根据用户的路况查询指令，获取目标路段的路况状态，也可以在导航过程中，自动获取目标路段的路况状态，本发明实施例对此不做限定。

具体地，根据目标路段的标识，获取目标路段的路况状态可以包括：向服务器发送路况查询请求，该路况查询请求携带目标路段的标识，然后接收服务器发送的目标路段的路况状态。其中，服务器接收到该路况查询请求之后，可以按照上述图4实施例所述的方法确定目标路段的路况状态，并将目标路段的路况状态发送给目标车辆。

步骤903：按照目标路段的路况状态，在该导航路径上对目标路段进行突出显示。

具体地，可以按照目标路段的路况状态，在导航地图的导航路径上对目标路段进行突出显示。

而且，不同的路况状态对应的突出显示格式可以不同，以便用户能够根据导航路径中的突出显示格式直观区分出对应的路况状态，提高了用户体验。比如，当目标路段的路况状态为畅通状态时，可以在导航路径上将目标路段显示为绿色；当目标路段的路况状态为缓行状态时，可以在导航路径上将目标路段显示为橙色；当目标路段的路况状态为拥堵状态时，可以在导航路径上将目标路段显示为红色。

例如，假设导航路径如图10所示，该导航路径包括春华路中设置的红绿灯前的一条目标路段，则可以获取目标路段的路况状态，若目标路段的路况状态为拥堵状态，则可以在该导航路径上将目标路段显示为红色。

图11是本发明实施例提供的一种路况状态确定装置的结构框图，如图11所示，该装置包括第一获取模块1101、确定模块1102和识别模块1103。

第一获取模块1101，用于获取目标路段的多台第一车辆的行驶信息，每台第一车辆为预设时长内车辆位置位于所述目标路段的车辆，所述行驶信息包括行驶轨迹和等灯信息，所述等灯信息用于描述第一车辆在与所述目标路段相连的目标红绿灯前等待的情况；

第一确定模块1102，用于根据所述多台第一车辆的行驶信息，确定所述目标路段的路况特征，所述目标路段的路况特征包括所述预设时长内的至少一个时间段内处于不同行驶信息区间的第一车辆的数量；

识别模块1103，用于调用路况识别模型，将所述目标路段的路况特征输入所述路况识别模型，输出所述目标路段的路况状态，所述路况识别模型用于根据任一路段的路况特征对所述路段的路况状态进行识别。

可选地，所述第一确定模块1102包括：

第一确定单元，用于根据所述多台第一车辆的行驶轨迹，确定所述至少一个时间段内的轨迹速度特征，所述轨迹速度特征是指处于不同轨迹速度区间的第一车辆的数量；

第二确定单元，用于根据所述多台第一车辆的等灯信息，确定所述至少一个时间段内的等灯位置特征、等灯次数特征、等灯时长特征和车辆数量特征中的至少一种，所述等灯位置特征是指处于不同首次等灯位置区间的第一车辆的数量，所述等灯次数特征是指处于不同等灯次数区间的第一车辆的数量，所述等灯时长特征是指处于不同等灯时长区间的第一车辆的数量，所述车辆数量特征包括处于不同通过所述目标红绿灯的车辆数量区间的第一车辆的数量和/或处于不同未通过所述目标红绿灯的车辆数量区间的第一车辆的数量。

可选地，第一确定单元具体用于：

对于所述至少一个时间段中的每个时间段，从所述多台第一车辆中确定至少一台第二车辆，每台第二车辆为在所述每个时间段内车辆位置位于所述目标路段的车辆；

根据所述至少一台第二车辆的行驶轨迹，确定所述至少一台第二车辆在所述每个时间段内的轨迹速度；

将每台第二车辆在所述每个时间段内的轨迹速度与所述不同轨迹速度区间进行匹配，以确定所述每个时间段内的轨迹速度特征。

可选地，所述装置还包括：

第二获取模块，用于获取目标路段的道路属性特征；

所述识别模块1103，还用于将所述目标路段的路况特征和道路属性特征输入所述路况识别模型，输出所述目标路段的路况状态，所述路况识别模型用于根据任一路段的路况特征和道路属性特征，对所述路段的路况状态进行识别。

可选地，所述目标路段的道路属性特征包括所述目标路段的长度和末尾距离，所述末尾距离是指所述目标路段的末尾与所述目标红绿灯之间的距离。

可选地，所述装置还包括：

第三获取模块，用于获取多个样本路段的路况状态；

第二确定模块，用于对于所述多个样本路段中的每个样本路段，确定所述每个样本路段的多台第三车辆的行驶信息，每台第三车辆为所述预设时长内车辆位置位于所述每个样本路段的车辆；

第三确定模块，用于根据所述每个样本路段的多台第三车辆的行驶信息，确定所述每个样本路段的路况特征；

训练模块，用于根据所述多个样本路段的路况状态和路况特征，对待训练路况识别模型进行训练，得到所述路况识别模型。

可选地，所述装置还包括：

第四获取模块，用于获取所述多个样本路段的道路属性特征；

训练模块，还用于根据所述多个样本路段的路况状态、路况特征和道路属性特征，对待训练路况识别模型进行训练，得到所述路况识别模型。

本发明实施例中，可以获取预设时长内位于目标路段的多台第一车辆的行驶信息，然后根据多台第一车辆的行驶信息，确定目标路段的路况特征，最后调用路况识别模型，将路况特征输入路况识别模型，输出目标路段的路况状态。由于每台第一车辆的行驶信息包括等灯信息，因此，由此确定出的路况特征能够准确表征目标路段的路况状态，进而将该路况特征输入到路况识别模型之后，通过该路况识别模型能够准确识别出目标路段的灯前路况，提高了确定路况状态的准确性。

图12是本发明实施例提供的另一种路况状态确定装置的结构框图，如图12所示，该装置包括第一获取模块1201、第二获取模块1202和显示模块1203。

第一获取模块1201，用于获取目标车辆的行驶位置；

第二获取模块1202，用于当所述行驶位置位于目标路段时，根据所述目标路段的标识，获取所述目标路段的路况状态；

显示模块1203，用于对所述目标路段的路况状态进行显示。

图13是本发明实施例提供的又一种路况状态确定装置的结构框图，如图13所示，该装置包括第一获取模块1301、第二获取模块1302和显示模块1303。

第一获取模块1301，用于获取目标车辆的行驶位置；

第二获取模块1302，用于当所述行驶位置位于目标路段时，根据所述目标路段的标识，获取所述目标路段的路况状态；

显示模块1303，用于对所述目标路段的路况状态进行显示。

需要说明的是：上述实施例提供的路况状态确定装置在确定目标路段的路况状态时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的路况状态确定装置与路况状态确定法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图14是本发明实施例提供的一种电子设备1400的结构框图，该电子设备1400可以是能够安装在车辆中的导航系统、控制系统或其他电子设备。

通常，电子设备1400包括有：处理器1401和存储器1402。

处理器1401可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1401可以采用dsp(digitalsignalprocessing，数字信号处理)、fpga(field－programmablegatearray，现场可编程门阵列)、pla(programmablelogicarray，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1401也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(centralprocessingunit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1401可以在集成有gpu(graphicsprocessingunit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1401还可以包括ai(artificialintelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。

存储器1402可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1402还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1402中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1401所执行以实现本申请中方法实施例提供的路况状态确定方法。

在一些实施例中，电子设备1400还可选包括有：外围设备接口1403和至少一个外围设备。处理器1401、存储器1402和外围设备接口1403之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1403相连。具体地，外围设备包括：射频电路1404、触摸显示屏1405、摄像头1406、音频电路1407、定位组件1408和电源1409中的至少一种。

外围设备接口1403可被用于将i/o(input/output，输入/输出)相关的至少一个外围设备连接到处理器1401和存储器1402。在一些实施例中，处理器1401、存储器1402和外围设备接口1403被集成在同一芯片或电路板上；在一些其他实施例中，处理器1401、存储器1402和外围设备接口1403中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路1404用于接收和发射rf(radiofrequency，射频)信号，也称电磁信号。射频电路1404通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1404将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1404包括：天线系统、rf收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1404可以通过至少一种无线通信协议来与其它电子设备进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2g、3g、4g及5g)、无线局域网和/或wifi(wirelessfidelity，无线保真)网络。在一些实施例中，射频电路1404还可以包括nfc(nearfieldcommunication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏1405用于显示ui(userinterface，用户界面)。该ui可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1405是触摸显示屏时，显示屏1405还具有采集在显示屏1405的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1401进行处理。此时，显示屏1405还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1405可以为一个，设置电子设备1400的前面板；在另一些实施例中，显示屏1405可以为至少两个，分别设置在电子设备1400的不同表面或呈折叠设计；在再一些实施例中，显示屏1405可以是柔性显示屏，设置在电子设备1400的弯曲表面上或折叠面上。甚至，显示屏1405还可以设置成非矩形的不规则图形，也即异形屏。显示屏1405可以采用lcd(liquidcrystaldisplay，液晶显示屏)、oled(organiclight-emittingdiode,有机发光二极管)等材质制备。

摄像头组件1406用于采集图像或视频。可选地，摄像头组件1406包括前置摄像头和后置摄像头。通常，前置摄像头设置在电子设备的前面板，后置摄像头设置在电子设备的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及vr(virtualreality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1406还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路1407可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1401进行处理，或者输入至射频电路1404以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在电子设备1400的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1401或射频电路1404的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1407还可以包括耳机插孔。

定位组件1408用于定位电子设备1400的当前地理位置，以实现导航或lbs(locationbasedservice，基于位置的服务)。定位组件1408可以是基于美国的gps(globalpositioningsystem，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。

电源1409用于为电子设备1400中的各个组件进行供电。电源1409可以是交流电、直流电、一次性电池或可充电电池。当电源1409包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，电子设备1400还包括有一个或多个传感器1410。该一个或多个传感器1410包括但不限于：加速度传感器1411、陀螺仪传感器1412、压力传感器1413、指纹传感器1414、光学传感器1415以及接近传感器1416。

加速度传感器1411可以检测以电子设备1400建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1411可以用于检测重力加速度在三个坐标轴上的分量。处理器1401可以根据加速度传感器1411采集的重力加速度信号，控制触摸显示屏1405以横向视图或纵向视图进行用户界面的显示。加速度传感器1411还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器1412可以检测电子设备1400的机体方向及转动角度，陀螺仪传感器1412可以与加速度传感器1411协同采集用户对电子设备1400的3d动作。处理器1401根据陀螺仪传感器1412采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变ui)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器1413可以设置在电子设备1400的侧边框和/或触摸显示屏1405的下层。当压力传感器1413设置在电子设备1400的侧边框时，可以检测用户对电子设备1400的握持信号，由处理器1401根据压力传感器1413采集的握持信号进行左右手识别或快捷操作。当压力传感器1413设置在触摸显示屏1405的下层时，由处理器1401根据用户对触摸显示屏1405的压力操作，实现对ui界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器1414用于采集用户的指纹，由处理器1401根据指纹传感器1414采集到的指纹识别用户的身份，或者，由指纹传感器1414根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1401授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1414可以被设置电子设备1400的正面、背面或侧面。当电子设备1400上设置有物理按键或厂商logo时，指纹传感器1414可以与物理按键或厂商logo集成在一起。

光学传感器1415用于采集环境光强度。在一个实施例中，处理器1401可以根据光学传感器1415采集的环境光强度，控制触摸显示屏1405的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏1405的显示亮度；当环境光强度较低时，调低触摸显示屏1405的显示亮度。在另一个实施例中，处理器1401还可以根据光学传感器1415采集的环境光强度，动态调整摄像头组件1406的拍摄参数。

接近传感器1416，也称距离传感器，通常设置在电子设备1400的前面板。接近传感器1416用于采集用户与电子设备1400的正面之间的距离。在一个实施例中，当接近传感器1416检测到用户与电子设备1400的正面之间的距离逐渐变小时，由处理器1401控制触摸显示屏1405从亮屏状态切换为息屏状态；当接近传感器1416检测到用户与电子设备1400的正面之间的距离逐渐变大时，由处理器1401控制触摸显示屏1405从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图14中示出的结构并不构成对电子设备1400的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

图15是本发明实施例提供的一种服务器1500的结构示意图，该服务器1500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessingunits，cpu)1501和一个或一个以上的存储器1502，其中，所述存储器1502中存储有至少一条指令，所述至少一条指令由所述处理器1501加载并执行以实现上述各个方法实施例提供的应用耗电监控方法。当然，该服务器1500还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器1500还可以包括其他用于实现设备功能的部件，在此不做赘述。

在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由上述终端或服务器中的处理器执行以完成上述实施例中的应用耗电监控方法。例如，所述计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上该仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。