CN115440037A - 交通流量数据采集方法、装置、电子设备及存储介质 - Google Patents
交通流量数据采集方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115440037A CN115440037A CN202211049026.6A CN202211049026A CN115440037A CN 115440037 A CN115440037 A CN 115440037A CN 202211049026 A CN202211049026 A CN 202211049026A CN 115440037 A CN115440037 A CN 115440037A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- passing information
- information
- acquisition
- vehicle passing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000013480 data collection Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000007812 deficiency Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供一种交通流量数据采集方法、装置、电子设备及可读存储介质，涉及人工智能技术，尤其涉及智能交通、智能交管、自动驾驶等领域。具体实现方案包括：通过预先设置的多个采集设备获取多个过车信息，过车信息包括过车信息的采集时间。当获取到多个过车信息时，根据最近一个获取到的过车信息的采集时间以及预设的采集窗口时长，对获取到的多个过车信息进行去重排序处理，得到多个排序后的过车信息。由于过车信息是通过预设的采集设备统一采集的，并对采集到的数据进行了去重排序，采集到的数据统一、完整能够准还原真实场景。
Description
技术领域
本公开涉及人工智能技术，尤其涉及智能交通、智能交管、自动驾驶等领域。
背景技术
随着城市化和科技的发展，交通管理也越来越智能化。例如，可以基于交通流量数据识别交通态势，判断拥堵情况等。
现有技术中，获取交通流量数据可以通过车载应用、或者手机地图应用程序(Application，APP)、导航系统等应用端上报获取。但是应用端上报的数据既不统一，也不完整，无法准确还原真实场景。
发明内容
本公开提供了一种交通流量数据采集方法、装置、电子设备及存储介质，能够采集统一、完整的交通流量数据，较为准确的还原真实场景。
根据本公开的第一方面，提供了一种交通流量数据采集方法，包括：通过预先设置的多个采集设备获取多个过车信息，过车信息包括过车信息的采集时间。根据最近一个获取到的过车信息的采集时间以及预设的采集窗口时长，对获取到的多个过车信息进行去重排序处理，得到多个排序后的过车信息。
根据本公开的第二方面，提供了一种交通流量数据采集装置，包括：获取模块，用于通过预先设置的多个采集设备获取多个过车信息，过车信息包括过车信息的采集时间。排序模块，用于根据最近一个获取到的过车信息的采集时间以及预设的采集窗口时长，对获取到的多个过车信息进行去重排序处理，得到多个排序后的过车信息。
根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面提供的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行根据第一方面提供的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据第一方面提供的方法。
本公开通过预先设置的多个采集设备获取带有采集时间的过车信息，并对获取到的过车信息进行排序处理，得到了多个排序后的过车信息。由于过车信息是通过预设的采集设备统一采集的，并对采集到的数据进行了去重排序，采集到的数据统一、完整能够准还原真实场景。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例提供的一种交通流量数据采集方法的流程示意图；
图2为本公开实施例提供的一种交通流量数据采集方法中的流程示意图；
图3为本公开实施例提供的另一种交通流量数据采集方法中的流程示意图；
图4为本公开实施例提供的一种交通流量数据采集装置的组成示意图；
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
随着城市化和科技的发展，交通管理也越来越智能化。智能化的交通管理需要依靠准确的交通流量数据。交通流量数据可以包括车辆出行数据，如车辆信息、车辆的行驶轨迹等。
目前，采集交通流量数据主要还是需要依靠车载端应用、接入手机或车机地图app等，通过多个终端采集车辆出行数据，然后进行分析。
但是，每个终端采集上报的数据格式可能不同，没有使用终端的车辆也无法上报。获取到的数据既不统一也不完整，依照终端采集上报的数据无法准确还原车辆出行的真实场景。
为此，本公开提供了一种交通流量数据采集方法，包括：通过预先设置的多个采集设备获取多个过车信息，过车信息包括过车信息的采集时间。根据最近一个获取到的过车信息的采集时间以及预设的采集窗口时长，对获取到的多个过车信息进行去重排序处理，得到多个排序后的过车信息。
本公开通过预先设置的多个采集设备获取带有采集时间的过车信息，并对获取到的过车信息进行排序处理，得到了多个排序后的过车信息。由于过车信息是通过预设的采集设备统一采集的，并对采集到的数据进行了去重排序，采集到的数据统一、完整能够准还原真实场景。
图1为本公开实施例提供的一种交通流量数据采集方法的流程示意图。该方法可以应用于具有数据处理能力的电子设备，如台式电脑、平板电脑、服务器等。其中，服务器可以包括机架式服务器、刀片服务器、云端服务器等。这些电子设备的操作系统可以是安卓(Android)系统，窗口系统(Windows)，苹果移动操作系统(iOS)，苹果操作系统(Mac OS)或者鸿蒙系统(Harmony OS)、林纳斯系统(Linux)等，本公开对此不作限制。
参考图1，交通流量数据采集方法包括：
S110、通过预先设置的多个采集设备获取多个过车信息。
一些实施方式中，过车信息包括实时采集的过车信息和存储在本地的离线数据。实时采集的过车信息可以用于实时计算，及时获取交通状态。离线数据则可以用于后续对某一个时间段内的交通状态进行分析、复盘。
采集设备可以是设置在每个路口的电子警察和卡口抓拍设备(简称：电警卡口)。交流流量数据则可以包括采集设备拍摄并识别得到的过车信息。过车信息中可以包括车辆信息，如车牌号、车牌颜色等。过车信息还可以包括过车信息的采集时间、采集设备的编号、采集设备的位置等。
S120、根据最近一个获取到的过车信息的采集时间以及预设的采集窗口时长，对获取到的多个过车信息进行去重排序处理，得到多个排序后的过车信息。
一些实施方式中，在实时采集过车信息时，由于每个采集设备的性能不同，采集设备与电子设备之间数据通信链路、距离也不相同。可能会存在电子设备接收到的过车信息为乱序，即过车信息未按照时间递增的顺序排列。获取的过车信息可以有一定的乱序数据容忍时长，即预设的采集窗口时长。这个情况下，需要对接收到的过车信息进行排序。
作为示例，假设预设的采集窗口时长为N分钟，最新接收到的采集时间为T1。对采集时间则在T1-N和T1之间的所有过车信息按照时间递增进行去重排序，得到多个排序后的过车信息。例如，若N为10，即采集窗口为10分钟，T1为2022年8月9日15:32:50，则T1-N为2022年8月9日15:22:50。即对在2022年8月9日15:22:50和2022年8月9日15:32:50之间接收到的接收到的过车信息进行去重排序。其中，去重排序时，可以先去除重复的过车信息，然后按照过车信息的采集时间按照时间递增的顺序进行排序。
对于存储在本地的离线数据，只需要对其去重并按照过车信息的采集时间按照时间递增的顺序进行排序即可。
本公开通过预先设置的多个采集设备获取带有采集时间的过车信息，并对获取到的过车信息进行排序处理，得到了多个排序后的过车信息。由于过车信息是通过预设的采集设备统一采集的，并对采集到的数据进行了去重排序，采集到的数据统一、完整能够准还原真实场景。
图2为本公开实施例提供的一种交通流量数据采集方法中的流程示意图。
一些实施方式中，参考图2，通过预先设置的多个采集设备获取多个过车信息包括：
S210、接收来自多个采集设备在车辆通过采集设备时采集的过车数据。
一些实施方式中，可将采集设备直接采集到的尚未进行数据清洗的数据作为过车数据。每个采集设备可以通过分布式消息队列，如卡夫卡(kafka)将采集到的过车数据输入电子设备。
S220、对过车数据进行数据清洗，获取到多个过车信息。
一些实施方式中，电子设备可以对过车数据进行清洗。对过车数据进行清洗包括过滤掉不合法的数据或者缺失必要信息的数据。例如，不合法的数据包括识别到的车牌存在乱码、或者车牌的位数与常规车牌不符、识别的车牌颜色异常等。而缺失必要信息的数据，则可能缺少识别的车牌、缺少采集时间等。
电子设备对过车数据清洗后，将获取到的过车信息输出，以便于后续处理。从电子设备输出时，可以分为至少两个队列输出，用于实时计算处理的队列，依然可以采用kafka输出。而用于离线计算处理的队列，则可以输出至分布式文件系统(Hadoop DistributedFile System，HDFS)存储。需要说明的是，本公开的方案主要针对实时计算处理的队列，但是也可以应用于离线计算处理的队列，本公开对此不做限制。
在本实施例中，通过对接收到的过车数据进行清洗，可以过滤不合法的数据或者缺失必要信息的数据，提高采集到数据的质量，进而提高后续分析的准确性。
图3为本公开实施例提供的另一种交通流量数据采集方法中的流程示意图。
一些实施方式中，参考图3，在得到多个排序后的过车信息之后，交通流量数据采集方法还包括：
S310、根据多个排序后的过车信息，获取采集时间阈值，采集时间阈值为多个排序后的过车信息中最大的采集时间。
一些实施方式中，对于实时计算处理的队列，参考S110中的示例，乱序数据往往伴随有延迟数据。例如，当某采集设备掉线重连后，其上传的过车信息会延迟到达电子设备。如果乱序比较严重，接收到的过车信息的采集时间不在当前的采集窗口内，该数据即为延迟数据。假设采集窗口内最大的采集时间为T1，则可以将T1设置为采集时间阈值。
S320、当获取到过车信息的采集时间大于采集时间阈值时，保留过车信息。
一些实施方式中，当接收到的过车信息的采集时间大于T1时，说明接收到的过车信息为下一采集窗口的过车信息。因此可将该过车信息视为有效的延迟数据，保留该过车信息，在下一窗口中进行排序。
然后，将采集时间阈值更新为接收到的过车信息的采集时间。
S330、当获取到的过车信息的采集时间小于采集时间阈值时，丢弃过车信息。
一些实施方式中，当接收到的过车信息的采集时间小于T1时，表示接收到的过车信息为已经排序好的采集窗口中的过车信息。由于该采集窗口完成排序并输出，导致接收到的过车信息无法再使用。因此可将该过车信息视为无效的延迟数据，可以将该过车信息丢弃，不再使用。
在本实施例中，通过设置采集时间阈值，判断延迟信息是否有效，可以进一步的提高采集数据的质量，保证后续输出的过车信息均按时间递增排序。
一些实施方式中，过车信息还包括采集设备的位置信息和车辆信息。在得到多个排序后的过车信息之后，交通流量数据采集方法还包括：根据采集设备的位置信息、采集时间以及车辆信息生成多个车辆的行驶轨迹。
其中，参考S110中示出的车辆信息，车辆信息可以包括车牌号和车牌颜色。采集设备的位置信息可以包括采集设备的编号，设置采集设备的路口信息或者采集设备的经纬度信息等。
一些实施方式中，对于离线计算处理的队列，可以设置一个预设时间点，如每天凌晨1点。在该时间点将前一天采集的过车信息生成每个车辆的轨迹。
对于实时计算处理的队列，每接收到一个过车信息，就根据过车信息记录对应车辆的轨迹。
在本实施例中，通过离线和实时轨迹生成，可以根据过车信息提供车辆的轨迹信息，以便于后续对交通状态进行分析。
一些实施方式中，由于数据清洗、延迟数据或者采集设备故障等原因，可能会导致在某些路口的过车信息丢失，导致生成的车辆的行驶轨迹不完整。在生成车辆的行驶轨迹的过程中，当确定车辆的行驶轨迹存在缺失时，可以通过预设的轨迹补全算法将车辆的行驶轨迹补全。
作为示例，对于离线轨迹生成，在预设的时间点生成轨迹时，可以通过预设的算法对车辆的行驶轨迹进行补全。
对于实时生成车辆的行驶轨迹时，每获取一个过车信息，就根据确认一次过车信息与上一过车信息之间是否是相邻的采集设备采集的。若不是相邻的，则也可以通过预设的算法对车辆的行驶轨迹进行补全。
其中，预设的算法可以是贝叶斯网络(Bayesian network)、最短路径填补算法、模式挖掘填补法等。
在本实施例中，通过离线或实时轨迹补全，有效提高了生成车辆的行驶轨迹的准确度，进而提高后续分析处理结果的准确度。
一些实施方式中，确定车辆的行驶轨迹存在缺失，包括：当采集时间连续的两个采集设备的位置信息指示两个采集设备不是相邻的采集设备时，确定车辆的行驶轨迹存在缺失。
一些实施方式中，假设在生成车辆行驶轨迹时，当前过车信息的采集设备对应的路口为T，上一过车信息的采集设备对应的路口为T-1。根据预先设置的道路网络，识别T和T-1之间的连接关系，即T和T-1是否相邻。若相邻，则表示T和T-1之间不存在轨迹缺失。反之，不相邻，则表示T和T-1之间存在轨迹缺失，需要通过预设的算法进行补全。
在本实施例中，通过确认相邻过车信息对应的采集设备是否相邻，确定车辆的行驶轨迹是否存在缺失。可以更加准确的对生成的形式轨迹进行补全，进一步提高了生成车辆的行驶轨迹的准确度，进而再次提高后续分析处理结果的准确度。
一些实施方式中，对于离线或实时轨迹补全，还需要确认一条轨迹是否结束。轨迹结束的判断条件不固定，每一条轨迹的判断条件都可能不同。作为示例，其中一种判断条件可以为：对于同一辆车，将接收到的下一个过车信息中的采集时间和当前轨迹中的最大的采集时间进行对比。若时间差超过当前轨迹平均行驶时间的预设倍数，则认为轨迹已结束。可开启一条新的轨迹。
例如，若当前轨迹中最大的采集时间为2022年8月9日15:40:00。接收到的下一个过车信息中的采集时间为2022年8月9日16:00:00。而最大采集时间对应的采集设备的位置与接收到的下一个过车信息对应的采集设备的位置之间轨迹的平均行驶时间为3分钟。预设倍数为5倍。时间差20分钟大于15分钟(3分钟乘以5倍)，则确定前一条轨迹结束。从接收到的下一个过车信息对应的采集设备的位置开始重新开启一条新的轨迹。
在本实施例中，通过设置轨迹结束的判断条件，确认轨迹是否结束。可以更准确的生成车辆行驶轨迹，提高生成车辆的行驶轨迹的准确度，提高后续分析处理结果的准确度。
一些实施方式中，在生成多个车辆的行驶轨迹之后，还包括：根据每个车辆的行驶轨迹对多个预设区域内和/或多个预设区域之间的交通流量状态进行分析处理，得到多个分析处理结果。
一些实施方式中，在得到每辆车完整的车辆的行驶轨迹后，再结合其他的车辆数据，可以对交通状态进行分析处理。
例如，可以根据每辆车完整的车辆的行驶轨迹进行交通流量溯源分析或出发点目的地(OriginDestination，OD)分析。
基于补全的车辆的行驶轨迹，可以获取每个车辆或轨迹的出发路口、出发时间、到达路口、到达时间、途径路口以及途径路口时间等信息。再合结道路交通网络(简称：路网)信息，便能准确分析出各预设区域、道路、路段的出行情况，进而实现交通流量溯源的目标。
其中，交通流量溯源可以包括：区域流量溯源、道路流量溯源、路段流量溯源。区域流量溯源是指从各预设区域出发的车流量分析或到达各预设区域的车流量分析，用于观测各个预设区域之间的往来车辆情况。道路流量溯源是指经过某条道路从而进入或离开某个预设区域的车流量分析，用于观测预设区域的主要出入途径。路段车流溯源是指经过某个路段或道路的车流量的主要来源路段分析和去向路段分析。
OD分析主要用于分析车辆的出发点和目的地。基于车辆的行驶轨迹的出发路口以及到达路口的信息以及路网信息，可从车辆维度和路网维度(例如预设区域、道路、路段等)两个方面对车辆的出行情况进行分析。
再例如，还可以对车辆构成以及在途车辆进行分析。过车信息中包括了车牌号、车牌颜色以及采集时间。通过这些信息能统计得到每天在预设区域内通行车辆的类型数量和占比，即车辆构成分析。根据车牌号，车辆类型可以包括本地车和外地车。根据车牌颜色，车辆类型可以包括黄牌车、蓝牌车、白牌车和黑牌车等。
同样基于过车信息，按照采集时间划分时间窗口，即可进行在途车辆数分析，即获取当前有多少辆车正在路上行驶。
还有一些示例，可以进行出行车次分析、平均出行时长分析以及平均出行里程分析。
例如，可以将车辆的行驶轨迹中的出发点与路网进行关联，即可知道当前车辆的行驶轨迹是从哪个预设区域出发的(同理也可转换成道路或路段)，按区域维度进行统计，便能得到每个预设区域的出行车次。根据车辆的行驶轨迹中出发时间、到达时间可计算出每条车辆的行驶轨迹的出行时长，多条车辆的行驶轨迹的出行时长总和除以出行车次便能得到平均出行时长。将车辆的行驶轨迹途径的路口两两之间的距离相加，便可得到每条车辆的行驶轨迹的出行里程，多条车辆的行驶轨迹出行里程总和除以出行车次便能得到平均出行里程。
还有一些示例，可以进行目的地热度分析。例如，可以将车辆的行驶轨迹中目的地对应的路口与路网进行关联，即可知道每条车辆的行驶轨迹的目的地街道。再按照到达时间划分时间窗口，便能计算出指定时间范围内每条街道的到达次数。最后，取到达次数最多的若干个目的地作为热度最高的出行目的地(区域维度同理)。
在本实施例中，根据每个车辆的行驶轨迹对多个预设区域内和/或多个预设区域之间的交通流量状态进行分析处理，得到多个分析处理结果。可以更好的展示当前交通运行状况，进而提升交通效率。
示例性实施例中，本公开实施例还提供一种交通流量数据采集装置，可以用于实现如前述实施例提供的交通流量数据采集方法。
图4为本公开实施例提供的一种交通流量数据采集装置的组成示意图。
如图4所示，一种交通流量数据采集装置，包括：
获取模块41，用于通过预先设置的多个采集设备获取多个过车信息，过车信息包括过车信息的采集时间。
排序模块42，用于根据最近一个获取到的过车信息的采集时间以及预设的采集窗口时长，对获取到的多个过车信息进行去重排序处理，得到多个排序后的过车信息。
一些实施方式中，获取模块41，还用于根据多个排序后的过车信息获取采集时间阈值，采集时间阈值为多个排序后的过车信息中最大的采集时间。当获取到过车信息的采集时间大于采集时间阈值时，保留过车信息。当获取到的过车信息的采集时间小于采集时间阈值时，丢弃过车信息。
一些实施方式中，获取模块41，具体用于接收来自多个采集设备在车辆通过采集设备时采集的过车数据。对过车数据进行数据清洗，获取到多个过车信息。
一些实施方式中，过车信息还包括采集设备的位置信息和车辆信息。该装置还包括生成模块43，用于根据采集设备的位置信息、采集时间以及车辆信息生成多个车辆的行驶轨迹。
一些实施方式中，生成模块43，还用于当确定车辆的行驶轨迹存在缺失时，通过预设的轨迹补全算法将车辆的行驶轨迹补全。
一些实施方式中，该装置还包括确定模块44，用于当采集时间连续的两个采集设备的位置信息指示两个采集设备不是相邻的采集设备时，确定车辆的行驶轨迹存在缺失。
一些实施方式中，该装置还包括分析模块45，用于根据每个车辆的行驶轨迹对多个预设区域内和/或多个预设区域之间的交通流量状态进行分析处理，得到多个分析处理结果。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上实施例中提供的方法。
示例性实施例中，可读存储介质可以是存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据以上实施例中提供的方法。
示例性实施例中，计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据以上实施例中提供的方法。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。
电子设备旨在表示各种形式的数字计算机，诸如，车载电脑、膝上型计算机、平板电脑、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如页面渲染方法。例如，在一些实施例中，页面渲染方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元505。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的页面渲染方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行交通流量数据采集方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (17)
1.一种交通流量数据采集方法，其特征在于，所述方法包括：
通过预先设置的多个采集设备获取多个过车信息，所述过车信息包括所述过车信息的采集时间；
根据最近一个获取到的所述过车信息的采集时间以及预设的采集窗口时长，对获取到的多个所述过车信息进行去重排序处理，得到多个排序后的过车信息。
2.根据权利要求1所述的方法，其特征在于，在所述得到多个排序后的过车信息之后，所述方法还包括：
根据所述多个排序后的过车信息，获取采集时间阈值，所述采集时间阈值为所述多个排序后的过车信息中最大的采集时间；
当获取到所述过车信息的采集时间大于所述采集时间阈值时，保留所述过车信息；
当获取到的所述过车信息的采集时间小于所述采集时间阈值时，丢弃所述过车信息。
3.根据权利要求1或2所述的方法，其特征在于，所述通过预先设置的多个采集设备获取多个过车信息包括：
接收来自多个所述采集设备在车辆通过所述采集设备时采集的过车数据；
对所述过车数据进行数据清洗，获取到多个所述过车信息。
4.根据权利要求3所述的方法，其特征在于，所述过车信息还包括所述采集设备的位置信息和车辆信息；
在所述得到多个排序后的过车信息之后，所述方法还包括：
根据所述采集设备的位置信息、所述采集时间以及所述车辆信息生成多个所述车辆的行驶轨迹。
5.根据权利要求4所述的方法，其特征在于，所述根据所述采集设备的位置信息、所述采集时间以及所述车辆信息生成多个所述车辆的行驶轨迹，包括：
当确定所述车辆的行驶轨迹存在缺失时，通过预设的轨迹补全算法将所述车辆的行驶轨迹补全。
6.根据权利要求5所述的方法，其特征在于，所述确定所述车辆的行驶轨迹存在缺失，包括：
当所述采集时间连续的两个所述采集设备的位置信息指示两个所述采集设备不是相邻的采集设备时，确定所述车辆的行驶轨迹存在缺失。
7.根据权利要求4-6任一项所述的方法，其特征在于，在生成多个所述车辆的行驶轨迹之后，还包括：
根据每个所述车辆的行驶轨迹对多个预设区域内和/或多个预设区域之间的交通流量状态进行分析处理，得到多个分析处理结果。
8.一种交通流量数据采集装置，其特征在于，所述装置包括：
获取模块，用于通过预先设置的多个采集设备获取多个过车信息，所述过车信息包括所述过车信息的采集时间；
排序模块，用于根据最近一个获取到的所述过车信息的采集时间以及预设的采集窗口时长，对获取到的多个所述过车信息进行去重排序处理，得到多个排序后的过车信息。
9.根据权利要求8所述的装置，其特征在于，所述获取模块还用于根据所述多个排序后的过车信息获取采集时间阈值，所述采集时间阈值为所述多个排序后的过车信息中最大的采集时间；
当获取到所述过车信息的采集时间大于所述采集时间阈值时，保留所述过车信息；
当获取到的所述过车信息的采集时间小于所述采集时间阈值时，丢弃所述过车信息。
10.根据权利要求8或9所述的装置，其特征在于，所述获取模块具体用于接收来自多个所述采集设备在车辆通过所述采集设备时采集的过车数据；
对所述过车数据进行数据清洗，获取到多个所述过车信息。
11.根据权利要求10所述的装置，其特征在于，所述过车信息还包括所述采集设备的位置信息和车辆信息；
所述装置还包括生成模块，用于根据所述采集设备的位置信息、所述采集时间以及所述车辆信息生成多个所述车辆的行驶轨迹。
12.根据权利要求11所述的装置，其特征在于，所述生成模块，还用于当确定所述车辆的行驶轨迹存在缺失时，通过预设的轨迹补全算法将所述车辆的行驶轨迹补全。
13.根据权利要求12所述的装置，其特征在于，所述装置还包括确定模块，用于当所述采集时间连续的两个所述采集设备的位置信息指示两个所述采集设备不是相邻的采集设备时，确定所述车辆的行驶轨迹存在缺失。
14.根据权利要求11-13任一项所述的装置，其特征在于，装置还包括分析模块，用于根据每个所述车辆的行驶轨迹对多个预设区域内和/或多个预设区域之间的交通流量状态进行分析处理，得到多个分析处理结果。
15.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-7任一项所述的方法。
17.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211049026.6A CN115440037B (zh) | 2022-08-30 | 2022-08-30 | 交通流量数据采集方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211049026.6A CN115440037B (zh) | 2022-08-30 | 2022-08-30 | 交通流量数据采集方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115440037A true CN115440037A (zh) | 2022-12-06 |
| CN115440037B CN115440037B (zh) | 2024-03-26 |
Family
ID=84245526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211049026.6A Active CN115440037B (zh) | 2022-08-30 | 2022-08-30 | 交通流量数据采集方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115440037B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116481560A (zh) * | 2023-06-21 | 2023-07-25 | 天津所托瑞安汽车科技有限公司 | 车辆行驶里程的计算方法、装置、终端及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104199903A (zh) * | 2014-08-27 | 2014-12-10 | 上海熙菱信息技术有限公司 | 一种基于路径关联的车辆数据查询系统及方法 |
| CN106157628A (zh) * | 2015-04-21 | 2016-11-23 | 杭州海康威视系统技术有限公司 | 一种分布式的获取实时路况信息的方法及系统 |
| CN110392343A (zh) * | 2018-04-16 | 2019-10-29 | 杭州海康威视系统技术有限公司 | 一种出行起点和出行终点的获取方法及装置 |
| CN110489799A (zh) * | 2019-07-18 | 2019-11-22 | 讯飞智元信息科技有限公司 | 交通拥堵仿真处理方法及相关装置 |
| CN110796858A (zh) * | 2019-10-24 | 2020-02-14 | 山东科技大学 | 一种基于视频过车数据的车辆轨迹预测方法及系统 |
| CN111243277A (zh) * | 2020-03-09 | 2020-06-05 | 山东大学 | 基于车牌识别数据的通勤车辆时空轨迹重构方法及系统 |
| CN111369805A (zh) * | 2020-01-09 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 套牌检测的方法、装置、电子设备及计算机可读存储介质 |
| WO2022083166A1 (zh) * | 2020-10-19 | 2022-04-28 | 山东交通学院 | 一种卡口数据缺失下的车辆行车轨迹重建方法及系统 |
| CN114691760A (zh) * | 2020-12-30 | 2022-07-01 | 华为云计算技术有限公司 | Od轨迹的展示方法、装置、计算设备和存储介质 |
| CN114694370A (zh) * | 2020-12-30 | 2022-07-01 | 华为云计算技术有限公司 | 展示路口车流量的方法、装置、计算设备和存储介质 |
-
2022
- 2022-08-30 CN CN202211049026.6A patent/CN115440037B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104199903A (zh) * | 2014-08-27 | 2014-12-10 | 上海熙菱信息技术有限公司 | 一种基于路径关联的车辆数据查询系统及方法 |
| CN106157628A (zh) * | 2015-04-21 | 2016-11-23 | 杭州海康威视系统技术有限公司 | 一种分布式的获取实时路况信息的方法及系统 |
| CN110392343A (zh) * | 2018-04-16 | 2019-10-29 | 杭州海康威视系统技术有限公司 | 一种出行起点和出行终点的获取方法及装置 |
| CN110489799A (zh) * | 2019-07-18 | 2019-11-22 | 讯飞智元信息科技有限公司 | 交通拥堵仿真处理方法及相关装置 |
| CN110796858A (zh) * | 2019-10-24 | 2020-02-14 | 山东科技大学 | 一种基于视频过车数据的车辆轨迹预测方法及系统 |
| CN111369805A (zh) * | 2020-01-09 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 套牌检测的方法、装置、电子设备及计算机可读存储介质 |
| CN111243277A (zh) * | 2020-03-09 | 2020-06-05 | 山东大学 | 基于车牌识别数据的通勤车辆时空轨迹重构方法及系统 |
| WO2022083166A1 (zh) * | 2020-10-19 | 2022-04-28 | 山东交通学院 | 一种卡口数据缺失下的车辆行车轨迹重建方法及系统 |
| CN114691760A (zh) * | 2020-12-30 | 2022-07-01 | 华为云计算技术有限公司 | Od轨迹的展示方法、装置、计算设备和存储介质 |
| CN114694370A (zh) * | 2020-12-30 | 2022-07-01 | 华为云计算技术有限公司 | 展示路口车流量的方法、装置、计算设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116481560A (zh) * | 2023-06-21 | 2023-07-25 | 天津所托瑞安汽车科技有限公司 | 车辆行驶里程的计算方法、装置、终端及存储介质 |
| CN116481560B (zh) * | 2023-06-21 | 2023-10-03 | 天津所托瑞安汽车科技有限公司 | 车辆行驶里程的计算方法、装置、终端及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115440037B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113593218B (zh) | 交通异常事件的检测方法、装置、电子设备及存储介质 | |
| CN113066285B (zh) | 一种路况信息确定方法、装置、电子设备及存储介质 | |
| CN104424812A (zh) | 一种公交到站时间预测系统和方法 | |
| CN113066302B (zh) | 车辆信息预测方法、装置及电子设备 | |
| CN113553482B (zh) | 停留点识别和出行链构建系统、算法、设备及存储介质 | |
| CN105513339A (zh) | 一种车辆轨迹分析方法和设备 | |
| CN115601983A (zh) | 交通信号灯的周期时长确定方法、装置、设备和存储介质 | |
| CN113538915B (zh) | 交通拥堵事件的处理方法、设备、存储介质及程序产品 | |
| CN112101223A (zh) | 检测方法、装置、设备和计算机存储介质 | |
| CN114170797A (zh) | 交通限制路口的识别方法、装置、设备、介质及产品 | |
| CN115440037A (zh) | 交通流量数据采集方法、装置、电子设备及存储介质 | |
| CN115909731A (zh) | 交通信号灯切换时刻的预测方法、装置、电子设备及介质 | |
| CN113792106A (zh) | 道路的状态更新方法、装置、电子设备及存储介质 | |
| CN109945880A (zh) | 路径规划方法、相关设备及可读存储介质 | |
| CN113990068B (zh) | 交通数据的处理方法、装置、设备以及存储介质 | |
| CN117523838A (zh) | 道路状态确定方法、装置、车辆和存储介质 | |
| CN115973190A (zh) | 自动驾驶车辆的决策方法、装置和电子设备 | |
| CN114863715A (zh) | 停车数据确定方法、装置、电子设备及存储介质 | |
| CN113470343B (zh) | 阻断道路的开通检测方法、装置、设备及存储介质 | |
| CN115206102A (zh) | 确定交通路径的方法、装置、电子设备和介质 | |
| CN114820690A (zh) | 轨迹还原方法、装置和电子设备 | |
| CN114218504A (zh) | 阻断路段识别方法、装置、电子设备及存储介质 | |
| CN114093170B (zh) | 一种信号机控制方案的生成方法、系统、装置及电子设备 | |
| CN114529768B (zh) | 确定对象类别的方法、装置、电子设备和存储介质 | |
| CN113920719B (zh) | 交通溯源方法及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |