一种交通拥堵状态识别方法及装置和设备与流程
本发明涉及交通技术领域，尤其涉及一种交通拥堵状态识别方法及装置和设备。
背景技术：
交通流量、行程时间是交通管理者和出行者最为关注的交通信息，综合反映了交通运行状态。在智能交通项目建设过程中，交通拥堵状态识别、交通问题诊断、优化效果对比等过程也极度依赖交通流量数据和行程时间数据。
然而，目前的交通数据的获取形式各地差异化严重，有效数据的利用率较低。现有技术常用的数据获取形式有检测器、互联网数据、人工调研等，但地磁、线圈等检测设备建设维护成本高，设备完好率低；互联网轨迹车数据较少，数据杂且准确度低；专业的大数据系统，需要部署多台服务器，建设维护成本高；人工调研费时费力。
而电警被广泛应用于城市交通管理中，海量电警过车数据中蕴含着大量有价值的信息，亟须有效的技术手段挖掘电警特征数据中的出行规律。
技术实现要素：
本发明提供一种交通拥堵状态识别方法及装置和设备，通过挖掘电警数据中的车辆行驶数据，解决目前获取交通数据的方案成本高、手段复杂、有效数据的利用率较低的问题。
第一方面，本发明提供一种交通拥堵状态识别的方法，该方法包括：
获取电子警察采集的检测数据集，在所述检测数据集中，按照不同属性筛选对应的车辆行驶数据；
根据所述车辆行驶数据计算实际行程时间，删除超出规定行程时间阈值的异常车辆行驶数据，得到对应的车辆行驶数据；
根据所述车辆行驶数据，判断道路的拥堵状态及评价干线协调的效果。
可选地，根据所述车辆行驶数据，评价干线协调的效果，包括：
确定不同路段单位距离内车辆受到道路干扰额外消耗的时间偏差，其中，不同设计速度的路段对应不同的时间偏差；
根据不同设计速度的路段确定标定行程时间，根据所述标定行程时间与对应的时间偏差的差值，得到理论行程时间区间；
根据不同路段车辆的实际行程时间和理论行程时间区间，确定该路段车辆停车次数；
根据各路段的车辆停车次数在干线路段停车次数的占比，对各路段停车次数进行加权求和，得到干线累积平均停车次数。
可选地，根据所述车辆行驶数据计算实际行程时间，包括：
获取在设定采样时间间隔内，经过各路段起始交叉口和终点交叉口的各车辆的车辆行驶数据；
将经过所述起始交叉口的车辆与经过所述终点交叉口的车辆进行匹配，得到匹配一致的车辆行驶数据；
根据所述匹配一致的车辆行驶数据中该车辆分别经过起始交叉口和终点交叉口的时间，得到该车辆的实际行程时间。
可选地，所述规定行程时间阈值采用如下方式确定：
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最高限速值，计算规定行程时间的最小值；
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最低限速值、该路段信控路口对车辆行驶时间的影响值，计算规定行程时间的最小值。
可选地，根据所述车辆行驶数据，判断道路的拥堵状态，包括：
获取在设定采样时间间隔内，根据各路段的路段长度及该路段内车辆的实际行程时间，确定该路段车辆的平均行程速度；
根据当前时刻之前n个连续的设定采样时间间隔内的平均行程速度，得到累积平均速度；
将所述累积平均速度与城市道路交通状态级别划分标准进行对比，得到道路的拥堵状态。
可选地，在所述检测数据集中，按照不同属性筛选对应的车辆行驶数据，包括：
确定需要筛选的属性，并确定所述属性对应的关键字段；
利用所述属性对应的关键字段，对检测数据集中不同格式的电警数据进行筛选，得到对应的车辆行驶数据。
可选地，所述检测数据集包括但不限于：车牌号、车辆颜色、车辆种类、采集时间、采集地点、车辆行驶方向、车辆行驶车道。
第二方面，本发明提供一种交通拥堵状态识别的设备，包括存储器和处理器，其中：
所述存储器用于存储计算机程序；
所述处理器用于读取所述存储器中的程序并执行如下步骤：
获取电子警察采集的检测数据集，在所述检测数据集中，按照不同属性筛选对应的车辆行驶数据；
根据所述车辆行驶数据计算实际行程时间，删除超出规定行程时间阈值的异常车辆行驶数据，得到对应的车辆行驶数据；
根据所述车辆行驶数据，判断道路的拥堵状态及评价干线协调的效果。
可选地，所述处理器根据所述车辆行驶数据，评价干线协调的效果，包括：
确定不同路段单位距离内车辆受到道路干扰额外消耗的时间偏差，其中，不同设计速度的路段对应不同的时间偏差；
根据不同设计速度的路段确定标定行程时间，根据所述标定行程时间与对应的时间偏差的差值，得到理论行程时间区间；
根据不同路段车辆的实际行程时间和理论行程时间区间，确定该路段车辆停车次数；
根据各路段的车辆停车次数在干线路段停车次数的占比，对各路段停车次数进行加权求和，得到干线累积平均停车次数。
可选地，所述处理器根据所述车辆行驶数据计算实际行程时间，包括：
获取在设定采样时间间隔内，经过各路段起始交叉口和终点交叉口的各车辆的车辆行驶数据；
将经过所述起始交叉口的车辆与经过所述终点交叉口的车辆进行匹配，对得到匹配一致的车辆行驶数据；
根据所述匹配一致的车辆行驶数据中该车辆分别经过起始交叉口和终点交叉口的时间，得到该车辆的实际行程时间。
可选地，所述规定行程时间阈值采用如下方式确定：
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最高限速值，计算规定行程时间的最小值；
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最低限速值、该路段信控路口对车辆行驶时间的影响值，计算规定行程时间的最小值。
可选地，所述处理器根据所述车辆行驶数据，判断道路的拥堵状态，包括：
获取在设定采样时间间隔内，根据各路段的路段长度及该路段内车辆的实际行程时间，确定该路段车辆的平均行程速度；
根据当前时刻之前n个连续的设定采样时间间隔内的平均行程速度，得到累积平均速度；
将所述累积平均速度与城市道路交通状态级别划分标准进行对比，得到道路的拥堵状态。
可选地，在所述检测数据集中，所述处理器按照不同属性筛选对应的车辆行驶数据，包括：
确定需要筛选的属性，并确定所述属性对应的关键字段；
利用所述属性对应的关键字段，对检测数据集中不同格式的电警数据进行筛选，得到对应的车辆行驶数据。
可选地，所述检测数据集包括但不限于：车牌号、车辆颜色、车辆种类、采集时间、采集地点、车辆行驶方向、车辆行驶车道。
第三方面，本发明提供一种交通拥堵状态识别的装置，包括：
属性筛选单元，用于获取电子警察采集的检测数据集，在所述检测数据集中，按照不同属性筛选对应的车辆行驶数据；
异常数据删除单元，用于根据所述车辆行驶数据计算实际行程时间，删除超出规定行程时间阈值的异常车辆行驶数据，得到对应的车辆行驶数据；
判断评价单元，用于根据所述车辆行驶数据，判断道路的拥堵状态及评价干线协调的效果。
可选地，所述判断评价单元根据所述车辆行驶数据，评价干线协调的效果，包括：
确定不同路段单位距离内车辆受到道路干扰额外消耗的时间偏差，其中，不同设计速度的路段对应不同的时间偏差；
根据不同设计速度的路段确定标定行程时间，根据所述标定行程时间与对应的时间偏差的差值，得到理论行程时间区间；
根据不同路段车辆的实际行程时间和理论行程时间区间，确定该路段车辆停车次数；
根据各路段的车辆停车次数在干线路段停车次数的占比，对各路段停车次数进行加权求和，得到干线累积平均停车次数。
可选地，所述异常数据删除单元根据所述车辆行驶数据计算实际行程时间，包括：
获取在设定采样时间间隔内，经过各路段起始交叉口和终点交叉口的各车辆的车辆行驶数据；
将经过所述起始交叉口的车辆与经过所述终点交叉口的车辆进行匹配，对得到匹配一致的车辆行驶数据；
根据所述匹配一致的车辆行驶数据中该车辆分别经过起始交叉口和终点交叉口的时间，得到该车辆的实际行程时间。
可选地，所述规定行程时间阈值采用如下方式确定：
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最高限速值，计算规定行程时间的最小值；
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最低限速值、该路段信控路口对车辆行驶时间的影响值，计算规定行程时间的最小值。
可选地，所述判断评价单元根据所述车辆行驶数据，判断道路的拥堵状态，包括：
获取在设定采样时间间隔内，根据各路段的路段长度及该路段内车辆的实际行程时间，确定该路段车辆的平均行程速度；
根据当前时刻之前n个连续的设定采样时间间隔内的平均行程速度，得到累积平均速度；
将所述累积平均速度与城市道路交通状态级别划分标准进行对比，得到道路的拥堵状态。
可选地，在所述检测数据集中，所述属性筛选单元按照不同属性筛选对应的车辆行驶数据，包括：
确定需要筛选的属性，并确定所述属性对应的关键字段；
利用所述属性对应的关键字段，对检测数据集中不同格式的电警数据进行筛选，得到对应的车辆行驶数据。
可选地，所述检测数据集包括但不限于：车牌号、车辆颜色、车辆种类、采集时间、采集地点、车辆行驶方向、车辆行驶车道。
第四方面，本发明提供一种计算机程序介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面提供的题目的步骤。
本发明提供的一种交通拥堵状态识别方法及装置和设备，具有以下有益效果：
可以充分利用多源电警数据，基于电警数据得到相关的车辆行驶数据后，可以根据车辆行程时间，筛选掉不合理的异常车辆行驶数据，从而基于更准确地车辆行驶数据进行交通状态分析，得到更准确的拥堵状态识别结果，及使干线协调的优化效果更好。
附图说明
图1为本发明实施例提供的一种交通拥堵状态识别的方法的流程图；
图2为本发明实施例提供的一种电警的布设示意图；
图3为本发明实施例提供的一种电警特征数据获取示意图；
图4为本发明实施例提供的一种车辆行程时间计算及数据筛选的流程图；
图5为本发明实施例提供的一种多路口电警布设要求示意图；
图6为本发明实施例提供的一种交通拥堵状态识别的设备示意图；
图7为本发明实施例提供的一种交通拥堵状态识别的装置示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，并不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
现有技术中提供的几种交通数据处理的方案如下所示：
一种基于电警数据的交通出行轨迹提取方法，首先获取预处理后的电警设备的点位数据和电警数据，然后根据预处理后的电警设备的点位数据和电警数据提取车辆的出行路径，接着根据车辆的行驶速度和出行路径的行程时间对车辆的出行路径进行归类，最后根据归类后的车辆的出行路径确定出车辆的交通出行轨迹。
上述方案以电警设备的点位数据和电警数据为基础提取车辆的交通出行轨迹，然后对出行路径进行归类，根据不同类别的出行路径采用不同交通出行轨迹确定方法。但在实际场景中，不同车型具有不同加减速度、不同运行速度、部分地区，比如北京，对车辆通行时段、通行路径有政策影响。
本发明提供了一种交通拥堵状态识别方法，采集检测数据集后，基于不同车型、车牌号识别的行程时间计算以及异常数据筛选算法，将不同车型车辆运行规律进行聚类分析，进而确定其阈值，对同一车牌号行程时间数据是否处于阈值范围进行预判断，提高了数据准确度、计算速度、分析精度，更有助于摸清交通参与者出行规律以及辅助交通管理与控制的决策。
本发明重点在于深入挖掘海量电警行程时间时序变化数据，通过模糊识别算法提取车辆运行状态参数，自动匹配计算路段行程时间参数，进而判断道路拥堵状态。识别拥堵节点的常发性与偶发性，通过电警过车数据的聚类分析，辅助路口时段的精细化划分。
实施例1
如图1所示为本发明实施例提供的一种交通拥堵状态识别方法的流程图，包括：
步骤s101，获取电子警察采集的检测数据集，在所述检测数据集中，按照不同属性筛选对应的车辆行驶数据；
步骤s102，根据所述车辆行驶数据计算实际行程时间，删除超出规定行程时间阈值的异常车辆行驶数据，得到对应的车辆行驶数据；
步骤s103，根据所述车辆行驶数据，判断道路的拥堵状态及评价干线协调的效果。
具体地，上述电子警察集成卡口功能，布设在路段交叉口各方向的入口道，可以实现逢车必拍功能。图2为本发明实施例提供的一种电警的布设示意图，电警一般布设于距离停车线18-23m的位置，也可借助信号灯杆布设。
可选地，所述检测数据集包括但不限于：车牌号、车辆颜色、车辆种类、采集时间、采集地点、车辆行驶方向、车辆行驶车道。
可选地，在所述检测数据集中，按照不同属性筛选对应的车辆行驶数据，包括：
确定需要筛选的属性，并确定所述属性对应的关键字段；
利用所述属性对应的关键字段，对检测数据集中不同格式的电警数据进行筛选，得到对应的车辆行驶数据。
目前不同的电子警察对同一含义的信息输出的电警数据格式可能不同，比如表征行驶方向可能是“由南向北”与“南-北”，表征行驶车道可能是“1”、“第1车道”与“第一车道”等。为了获取更全面的电警信息，将上述不同格式的电警数据按照表征的含义分类录库。
作为一种可选的实施方式，确定需要筛选的属性，上述需要筛选的属性可以是一个或多个，本发明实施例支持多属性的筛选检索，比如可以同时筛选本地车辆与外地车辆、小型车辆和其他车辆、不同时间段等属性；由于小型汽车与大型汽车速度差异较大，本发明实施例支持对小型车辆和其他车辆行程时间数据分开筛选。
作为一种可选的实施方式，确定所述属性对应的关键字段，利用关键字段模糊识别，筛选出对应的车辆行驶数据，如输入“南北”，则自动筛选出“由南向北”与“南-北”的数据。
如图3所示为本发明实施例提供的一种基于属性筛选出满足条件的车辆行驶数据示意图，这里属性可以但不限于包括日期、车牌号、车辆类型、行驶方向和时间段，各属性字段具有对应的关键字，利用对应的关键字进行模糊匹配，输出相应的车辆行驶数据，本发明实施例支持多属性、多关键字方式检测，如本地车辆与外地车辆、小型车辆和其他车辆、不同时间段的区分，比如输入关键字“鲁b”、“小型车辆”、“由南向北”、“8：00-9：00”，则自动筛选出该点位符合条件的所有车辆行驶数据。
作为一种可选地实施方式，所述按照不同属性筛选对应的车辆行驶数据的筛选效果由查全率re与准确率ap评价；
其中，所述查全率re指待筛选属性相关数据与数据库中所有相关数据的百分比，反映筛选结果的全面性；
查全率re可表示为：
式中，rt表示待检索属性相关数据，db表示数据库中所有相关数据。
其中，所述准确率ap指根据筛选规则剔除异常数据后的有效数据与待筛选属性相关数据的百分比，反映筛选结果的精确性。
准确率ap可表示为：
式中，st表示剔除异常数据后的有效数据。
可选地，根据所述车辆行驶数据计算实际行程时间，包括：
获取在设定采样时间间隔内，经过各路段起始交叉口和终点交叉口的各车辆的车辆行驶数据；
将经过所述起始交叉口的车辆与经过所述终点交叉口的车辆进行匹配，得到匹配一致的车辆行驶数据；
根据所述匹配一致的车辆行驶数据中该车辆分别经过起始交叉口和终点交叉口的时间，得到该车辆的实际行程时间。
作为一种可选的实施方式，上述根据所述电警特征数据计算实际行程时间的原理为：当车辆通过停车线时，电警会对通过车辆的车牌号码进行抓拍与识别并记录车辆通过停车线的时间。对起始、终点交叉口提取到的车辆通过信息进行匹配，提取车牌号相同的车辆通过终点路口与起始路口的时间之差即可提取到车辆的行程时间。
其中相同车辆的判定并不局限于车牌号相同，任何可以判定车辆相同的技术都可以应用到本发明实施例中。
如表1所示为本发明实施例提供的行程时间的计算原理，车牌号码为鲁b12345的车辆在2019/1/1日的12：11：43通过起始交叉口，也就是交叉口1，在2019/1/1日的12：22：58通过终点交叉口，也就是交叉口2，可以计算得到该车辆的实际行程时间为11分15秒。
表1行程时间的计算原理
作为一种可选的实施方式，删除超出规定行程时间阈值的异常车辆行驶数据，得到对应的车辆行驶数据。
需要说明的是，因为根据规定行程时间阈值筛除了异常车辆行驶数据，所以上述对应的车辆行驶数据有效性是比较高的，根据上述对应的车辆行驶数据判断道路的拥堵状态及评价干线协调的效果更好，有效性更高。
由于电警检测故障及非正常行驶车辆的存在，比如驾驶员路径选择行为、停车行为，提取到的行程时间中存在异常车辆行驶数据；另外，存在一种场景导致异常车辆行驶数据，同一辆车在一天之中，多次经过同一路段，在实际行程时间计算过程中，会将不同次出行的通过时间进行匹配，造成部分行程时间远远大于实际值。为了尽可能降低这种情况的发生，要对数据进行处理，剔除异常车辆行驶数据才能将所得数据应用于实际研究和服务。
作为一种可选的实施方式，不合理数据的产生原因如下所示：
导致行程时间较小的原因包括以下任一或任多：驾驶员不遵守交通规则超速行驶；特殊车辆，比如救护车、消防车等的行驶；电警识别有误。
导致行程时间较大的原因包括以下任一或任多：驾驶员绕行；中途停车；多次出行；电警识别有误。
可选地，所述规定行程时间阈值采用如下方式确定：
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最高限速值，计算规定行程时间的最小值；
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最低限速值、该路段信控路口对车辆行驶时间的影响值，计算规定行程时间的最小值。
作为一种可选的实施方式，规定行程时间的最小值tijmin的计算：
正常情况下，车辆行程时间应不低于自由流情况或限速条件下车辆在该路段的行程时间，最小行程时间计算公式如下：
式中，l表示i，j两个电警安装位置间路段长度，v1表示该道路限速值。当路段没有明确限速标准的按各级道路设计速度取值，上述各级道路设计速度取值如表2所示。
表2各级道路设计速度取值
作为一种可选的实施方式，规定行程时间最大值tijmax的计算：
最大行程时间可理解为经过某一路段，车辆按最低速度行驶且在每个信控路口均遇红灯停车的最大通过时间，上述最大行程时间计算公式如下：
式中，l表示i，j两个电警安装位置间路段长度；v2表示该道路最低限速值，一般可取10-30km/h；n表示该路段信控路口数；
作为一种可选的实施方式，根据所述车辆行驶数据计算实际行程时间，包括：
获取在设定采样时间间隔内，经过各路段起始交叉口和终点交叉口的各车辆的车辆行驶数据；
将经过所述起始交叉口的车辆与经过所述终点交叉口的车辆进行匹配，得到匹配一致的车辆行驶数据；
根据所述匹配一致的车辆行驶数据中该车辆分别经过起始交叉口和终点交叉口的时间，得到该车辆的实际行程时间。
如图4所示，对车辆行程时间计算及数据筛选的流程具体如下：
步骤s401，在车辆行驶数据中提取选定时间间隔起始交叉口停车线的车辆行驶数据，即xi＝(xi1,xi2,...,xij,...,xin)；
其中：n选定时间间隔内通过的车辆总数；xij为一个周期内该相位第j辆车通过终点交叉口的信息，令αj代表第j辆车的车牌号信息，βj代表第j辆车的通过时间信息，即：
xij＝(αj,βj)，xj∈x；(5)
步骤s402，在车辆行驶数据中提取选定时间间隔终点交叉口停车线的车辆行驶数据，即x′i＝(x′i1,x′i2,...,x′ij,...,x′in)；
步骤s403，根据起点交叉口第一辆车的车辆信息xi1与终点交叉口的车辆信息集xi′进行匹配，假设匹配到的车辆信息为si1，si1＝(ai1,βi1')；
步骤s404，根据xi1与si1，提取该相位第一辆车的行程时间ti1，即：
ti1＝βi1-βi1'；(6)
步骤s405，按照相同的方法依次进行第二辆车、第三辆车，…，第n辆车的匹配，计算对应的行程时间ti2、ti3，…，tin；
步骤s406，根据规定行程时间阈值对得到的行程时间数据ti1，ti2，…，tin进行筛选；
删除超出规定行程时间阈值的异常车辆行驶数据，即删除小于规定行程时间阈值最小值或大于规定行程时间阈值最大值的行程时间。
步骤s407，对数据处理后的行程时间进行输出。
可选地，根据所述车辆行驶数据，判断道路的拥堵状态，包括：
获取在设定采样时间间隔内，根据各路段的路段长度及该路段内车辆的实际行程时间，确定该路段车辆的平均行程速度；
根据当前时刻之前n个连续的设定采样时间间隔内的平均行程速度，得到累积平均速度；
将所述累积平均速度与城市道路交通状态级别划分标准进行对比，得到道路的拥堵状态。
作为一种可选的实施方式，获取在设定采样时间间隔内，根据各路段的路段长度及该路段内车辆的实际行程时间，确定该路段车辆的平均行程速度。本发明实施例提供一种多路口电警布设要求示意图如图5所示。
可以但不限于以五分钟为间隔，分别提取计算相邻两路口电警ab与bc间过车数据行程时间，利用车速阈值对行程时间数据初步筛选。
需要说明的是上述五分钟的时间间隔仅为选定时间间隔的一个具体举例，并不作为对选定时间间隔的限定，在具体实施时可以根据具体的交通情况自行选定时间间隔。
利用以下公式得到设定采样时间间隔内该路段平均行程速度
上式中，n表示路段ab两电警数据匹配得到车辆数，l表示路段ab两电警间距离，
作为一种可选的实施方式，为更加直观、准确展现路段拥堵变化规律，以五分钟得到的路段平均速度为基础，利用十五分钟即三个五分钟的路段平均速度计算累积平均速度的变化作为路段拥堵状态判别的依据，表3为累积平均速度的计算方式示意。
需要说明的是，上述累积平均速度的计算思路为根据当前时刻之前n个连续的设定采样时间间隔内的平均行程速度，得到累积平均速度，比如当前时刻为10：15，当n＝3时，取10：00-10：05、10：05-10：10、10：10-10：15的平均行程速度，计算得到累积平均速度。上述n的值可根据具体的交通情况选取任意大于1的数值，上述十五分钟仅为n为3时的一个举例，并不对累积平均速度的计算做具体的限定。
表3累积平均速度的计算方式示意
作为一种可选的实施方式，上述城市道路交通状态级别划分标准为：根据我国公安部2012年发布的《城市道路交通管理评价指标体系》中的相关规定，可以用机动车平均行程速度来描述交通的拥挤程度，按照城市道路级别及路段的平均行程速度阈值将交通状态模糊化为畅通、基本畅通、拥挤、拥堵、堵塞5个交通状态，具体地划分标准如表4所示。
表4城市道路交通状态级别划分标准
可选地，根据所述车辆行驶数据，评价干线协调的效果，包括：
确定不同路段单位距离内车辆受到道路干扰额外消耗的时间偏差，其中，不同设计速度的路段对应不同的时间偏差；
根据不同设计速度的路段确定标定行程时间，根据所述标定行程时间与对应的时间偏差的差值，得到理论行程时间区间；
根据不同路段车辆的实际行程时间和理论行程时间区间，确定该路段车辆停车次数；
根据各路段的车辆停车次数在干线路段停车次数的占比，对各路段停车次数进行加权求和，得到干线累积平均停车次数。
作为一种可选的实施方式，车辆在路段行驶，由于受到信号灯、相邻车辆、行人、非机动车等干扰，行程车速往往要小于设计车速，即行程时间普遍较长，但实际行程时间与设计车速行程时间偏差度多大，没有相关衡量标准。引入参数偏差ρ来表征单位距离内车辆受到道路干扰额外消耗的时间，其中ρ的取值与路段的设计速度和路段的高峰、平峰情况有关。
作为一种可选的实施方式，利用银川市40余条主次干道高峰、平峰实际巡检行程时间对偏差进行标定，标定结果如表5所示：
表5城市道路实际行程时间与设计车速行程时间偏差标定
作为一种可选的实施方式，利用车辆行驶数据评价干线协调效果的原理是：通过标定道路实际行程时间与设计车速行程时间偏差，计算得到理论行程时间区间，结合实际行程时间，反推出该路段车辆停车次数，根据实际行程时间区间占比情况，得到干线累积平均停车次数，客观展示协调优化效果，增强说服力，具体如表6所示。
表6城市道路干线累积平均停车次数
作为一种可选的实施方式，根据各路段的车辆停车次数在干线路段停车次数的占比，对各路段停车次数进行加权求和，建立累积平均停车次数w模型，进而评价干线协调效果如下：
表7城市道路干线协调效果评价
(其中，n为两电警间(包括起终点)信控路口数，n≥2)
具体的，当城市道路干线协调效果评价为好或较好时，干线协调的效果可以接受，不需要做出更改；
当城市道路干线协调效果评价为一般或较差或差时，干线协调的效果不可接受，需要重新干线协调。
实施例2
本发明实施例提供一种交通拥堵状态识别的设备600，包括存储器601和处理器602，如图6所示，其中：
所述存储器用于存储计算机程序；
所述处理器用于读取所述存储器中的程序并执行如下步骤：
获取电子警察采集的检测数据集，在所述检测数据集中，按照不同属性筛选对应的车辆行驶数据；
根据所述车辆行驶数据计算实际行程时间，删除超出规定行程时间阈值的异常车辆行驶数据，得到对应的车辆行驶数据；
根据所述车辆行驶数据，判断道路的拥堵状态及评价干线协调的效果。
可选地，所述处理器根据所述车辆行驶数据，评价干线协调的效果，包括：
确定不同路段单位距离内车辆受到道路干扰额外消耗的时间偏差，其中，不同设计速度的路段对应不同的时间偏差；
根据不同设计速度的路段确定标定行程时间，根据所述标定行程时间与对应的时间偏差的差值，得到理论行程时间区间；
根据不同路段车辆的实际行程时间和理论行程时间区间，确定该路段车辆停车次数；
根据各路段的车辆停车次数在干线路段停车次数的占比，对各路段停车次数进行加权求和，得到干线累积平均停车次数。
可选地，所述处理器根据所述车辆行驶数据计算实际行程时间，包括：
获取在设定采样时间间隔内，经过各路段起始交叉口和终点交叉口的各车辆的车辆行驶数据；
将经过所述起始交叉口的车辆与经过所述终点交叉口的车辆进行匹配，对得到匹配一致的车辆行驶数据；
根据所述匹配一致的车辆行驶数据中该车辆分别经过起始交叉口和终点交叉口的时间，得到该车辆的实际行程时间。
可选地，所述规定行程时间阈值采用如下方式确定：
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最高限速值，计算规定行程时间的最小值；
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最低限速值、该路段信控路口对车辆行驶时间的影响值，计算规定行程时间的最小值。
可选地，所述处理器根据所述车辆行驶数据，判断道路的拥堵状态，包括：
获取在设定采样时间间隔内，根据各路段的路段长度及该路段内车辆的实际行程时间，确定该路段车辆的平均行程速度；
根据当前时刻之前n个连续的设定采样时间间隔内的平均行程速度，得到累积平均速度；
将所述累积平均速度与城市道路交通状态级别划分标准进行对比，得到道路的拥堵状态。
可选地，在所述检测数据集中，所述处理器按照不同属性筛选对应的车辆行驶数据，包括：
确定需要筛选的属性，并确定所述属性对应的关键字段；
利用所述属性对应的关键字段，对检测数据集中不同格式的电警数据进行筛选，得到对应的车辆行驶数据。
可选地，所述检测数据集包括但不限于：车牌号、车辆颜色、车辆种类、采集时间、采集地点、车辆行驶方向、车辆行驶车道。
本发明实施例提供一种交通拥堵状态识别的装置，如图7所示，包括：
属性筛选单元701，用于获取电子警察采集的检测数据集，在所述检测数据集中，按照不同属性筛选对应的车辆行驶数据；
异常数据删除单元702，用于根据所述车辆行驶数据计算实际行程时间，删除超出规定行程时间阈值的异常车辆行驶数据，得到对应的车辆行驶数据；
判断评价单元703，用于根据所述车辆行驶数据，判断道路的拥堵状态及评价干线协调的效果。
可选地，所述判断评价单元根据所述车辆行驶数据，评价干线协调的效果，包括：
确定不同路段单位距离内车辆受到道路干扰额外消耗的时间偏差，其中，不同设计速度的路段对应不同的时间偏差；
根据不同设计速度的路段确定标定行程时间，根据所述标定行程时间与对应的时间偏差的差值，得到理论行程时间区间；
根据不同路段车辆的实际行程时间和理论行程时间区间，确定该路段车辆停车次数；
根据各路段的车辆停车次数在干线路段停车次数的占比，对各路段停车次数进行加权求和，得到干线累积平均停车次数。
可选地，所述异常数据删除单元根据所述车辆行驶数据计算实际行程时间，包括：
获取在设定采样时间间隔内，经过各路段起始交叉口和终点交叉口的各车辆的车辆行驶数据；
将经过所述起始交叉口的车辆与经过所述终点交叉口的车辆进行匹配，对得到匹配一致的车辆行驶数据；
根据所述匹配一致的车辆行驶数据中该车辆分别经过起始交叉口和终点交叉口的时间，得到该车辆的实际行程时间。
可选地，所述规定行程时间阈值采用如下方式确定：
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最高限速值，计算规定行程时间的最小值；
根据干线起始交叉口与终点交叉口之间的路段长度，及该路段的最低限速值、该路段信控路口对车辆行驶时间的影响值，计算规定行程时间的最小值。
可选地，所述判断评价单元根据所述车辆行驶数据，判断道路的拥堵状态，包括：
获取在设定采样时间间隔内，根据各路段的路段长度及该路段内车辆的实际行程时间，确定该路段车辆的平均行程速度；
根据当前时刻之前n个连续的设定采样时间间隔内的平均行程速度，得到累积平均速度；
将所述累积平均速度与城市道路交通状态级别划分标准进行对比，得到道路的拥堵状态。
可选地，在所述检测数据集中，所述属性筛选单元按照不同属性筛选对应的车辆行驶数据，包括：
确定需要筛选的属性，并确定所述属性对应的关键字段；
利用所述属性对应的关键字段，对检测数据集中不同格式的电警数据进行筛选，得到对应的车辆行驶数据。
可选地，所述检测数据集包括但不限于：车牌号、车辆颜色、车辆种类、采集时间、采集地点、车辆行驶方向、车辆行驶车道。
本发明还提供一种计算机程序介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例中提供的应用于用户终端ue的数据传输时域参数指示方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solidstatedisk，ssd))等。
以上对本申请所提供的技术方案进行了详细介绍，本申请中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请的方法、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、嵌入式处理机或其他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他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。
这些计算机程序指令也可存储在能引导计算机或其他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多个流程和/或方框图一个方框或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他可编程数据处理设备上，使得在计算机或其他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，从而在计算机或其他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。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
- 还没有人留言评论。精彩留言会获得点赞！