CN118675353B - 一种基于时空大数据控制的交通引流信号装置 - Google Patents

Abstract

本发明公开了一种基于时空大数据控制的交通引流信号装置，属于交通引流信号装置领域，包括车流量采集模块、导航信息采集模块、数据接收模块、数据分析模块、停车管理模块以及信息发布模块；所述车流量采集模块用于采集当前城市道路的车流量信息；所述导航信息采集模块用于采集车辆的导航信息；所述数据接收模块用于接收所有采集到的信息并将其发送给数据分析模块；所述数据分析模块用于对发送过来的信息进行单独分析和结合分析，输出分析结果给停车管理模块、交通信息管理模块与信息发布模块；所述停车管理模块用于接收分析结果并以此生成停车管理措施。本发明，能够根据实时道路状况优化车辆行驶路线并制定相应的停车管理措施。

Description

一种基于时空大数据控制的交通引流信号装置

技术领域

本发明涉及交通引流信号装置领域，具体是一种基于时空大数据控制的交通引流信号装置。

背景技术

时空大数据在交通领域的应用尤为广泛。通过分析车辆的运行轨迹、行驶速度、停车时间等数据，可以优化车辆行驶的路线规划策略，减少交通拥堵和等待时间。同时，利用时空大数据还可以实现公交、地铁等公共交通系统的智能调度，提高运输效率和乘客满意度。

随着生活水平的提高，我国的车辆数量越来越多，这就导致城市道路的拥堵状态越来越严重，其中，很多拥堵是由于车辆司机在目的地找不到合适的停车厂造成的，而现有的交通引流信号装置却无法根据实时道路状况优化车辆行驶路线并制定相应的停车管理措施。

因此，本领域技术人员提供了一种基于时空大数据控制的交通引流信号装置，以解决上述背景技术中提出的问题。

发明内容

本发明的目的在于提供一种基于时空大数据控制的交通引流信号装置，能够根据实时道路状况优化车辆行驶路线并制定相应的停车管理措施，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于时空大数据控制的交通引流信号装置，包括车流量采集模块、导航信息采集模块、数据接收模块、数据分析模块、停车管理模块以及信息发布模块；

所述车流量采集模块用于采集当前城市道路的车流量信息；所述导航信息采集模块用于采集车辆的导航信息；所述数据接收模块用于接收所有采集到的信息并将其发送给数据分析模块；所述数据分析模块用于对发送过来的信息进行单独分析和结合分析，输出分析结果给停车管理模块、交通信息管理模块与信息发布模块；所述停车管理模块用于接收分析结果并以此生成停车管理措施，再将停车管理措施发送给信息发布模块；所述信息发布模块用于接收分析结果、停车管理措施，再将分析结果、停车管理措施发布出去。

作为本发明进一步的方案：所述数据分析模块对采集到的车流量信息进行单独分析的具体过程为：

将采集到的当前各个城市道路的车流量标记为Ai，i=1···n，其中，n为正整数；

将Ai与预设值a进行比对，若Ai＞a，则将Ai规划到第一序列，若Ai≤a，则将Ai规划到第二序列；

将第一序列中的Ai按照从大到小的顺序进行排列生成第一列表，第一列表中的Ai排序越靠前说明Ai对应的城市道路越是拥挤；

将第二序列中的Ai按照从小到大的顺序进行排列生成第二列表，第二列表中的Ai排序越靠前说明Ai对应的城市道路越是畅通。

作为本发明再进一步的方案：所述数据分析模块对采集到的导航信息进行单独分析的具体过程为：

采集当前各个城市道路上车辆的导航信息，将开了导航的车辆标记为Bi，i=1···n，再将未开导航的车辆标记为Ci，i=1···n；

对Bi的导航信息进行识别，获取Bi的目的地以及行驶路线；

根据Ci以往的行驶记录，预测Ci的目的地以及行驶路线。

作为本发明再进一步的方案：所述Ci的目的地以及行驶路线具体预测过程为：

将一天均分为八个时间段，确定当前网络时间所处的时间段；

将Ci以往一周同一时间段内的行驶路线筛选出来，标记为Di，i=1···j，其中，j为正整数；

确定当前Ci所处位置Pi，i=1···n，从Di中筛选经过Pi的行驶路线，将其标记为di，i=1···k，其中，k为正整数且k≤j；

将di中重复次数最多的行驶路线作为预测的Ci行驶路线，再将预测的Ci行驶路线的终点作为预测的Ci目的地。

作为本发明再进一步的方案：所述数据分析模块对采集到的车流量信息与导航信息进行结合分析的具体过程为：

根据确定的Bi的行驶路线，结合第一列表与第二列表，生成Bi的行驶路线图bi，并在bi的各个城市道路上标注序列颜色与序列等级；其中，若bi上的城市道路在第一列表中，则对应的序列颜色为红色，序列等级为在第一列表中的排名；若bi上的城市道路在第二列表中，则对应的序列颜色为绿色，序列等级为在第二列表中的排名；

根据确定的Ci的行驶路线，结合第一列表与第二列表，生成Ci的行驶路线图ci，并在ci的各个城市道路上标注序列颜色与序列等级；其中，若ci上的城市道路在第一列表中，则对应的序列颜色为红色，序列等级为在第一列表中的排名；若ci上的城市道路在第二列表中，则对应的序列颜色为绿色，序列等级为在第二列表中的排名；

根据确定的Bi的目的地，获取目的地方圆一公里内所有的城市道路，再将所获取到的城市道路对应的车流量Ai提取出来，统计Ai在第一列表中数量并标记为E，将E与预设值e进行比对，若E＞e，则说明Bi的目的地周围处于交通拥挤路段，若E≤e，则说明Bi的目的地周围不处于交通拥挤路段；

根据确定的Ci的目的地，获取目的地方圆一公里内所有的城市道路，再将所获取到的城市道路对应的车流量Ai提取出来，统计Ai在第一列表中数量并标记为F，将F与预设值f进行比对，若F＞f，则说明Ci的目的地周围处于交通拥挤路段，若F≤f，则说明Ci的目的地周围不处于交通拥挤路段。

作为本发明再进一步的方案：所述停车管理模块生成停车管理措施的具体过程为：

对车辆Bi的使用性质进行识别，若Bi为营运车辆，则维持Bi的目的地不变，生成Bi的优化行驶路线；若Bi为非营运车辆，则对Bi的目的地进行停车分析，根据分析结果决定是否更改目的地；

对车辆Ci的使用性质进行识别，若Ci为营运车辆，则维持Ci的目的地不变，生成Ci的优化行驶路线；若Ci为非营运车辆，则对Ci的目的地进行停车分析，根据分析结果决定是否更改目的地；

若Bi的目的地出现更改，则生成Bi前往更改后目的地的优化行驶路线；

若Ci的目的地出现更改，则生成Ci前往更改后目的地的优化行驶路线。

作为本发明再进一步的方案：所述对Bi与Ci的目的地进行停车分析的具体过程为：

将Bi的目的地停车位总数标记为X总，再将X总中已经被占用的停车位数量标记为X1；

将Bi的行驶路线导入预设的导航软件，根据导航软件生成预测到达所需时间T1；

提取Bi的目的地停车位在以往T1时间内的变化趋势，以此预测Bi的目的地停车位在T1时间后的变化趋势，并将X1在T1时间后的预测数量标记为X2，其中，将X1在T1时间前的值标记为x1，则X2=（X1*X1）/x1；

计算Bi的目的地预测空闲停车位X3=（X总-X2）；

计算Bi的目的地停车阈值V1=（E/e）*X3，再将V1与预设值v1进行比对，若V1＜v1则说明当前Bi的目的地停车存在风险，需要更改目的地；若V1≥v1则说明当前Bi的目的地停车不存在风险，不需要更改目的地；

将Ci的目的地停车位总数标记为Y总，再将Y总中已经被占用的停车位数量标记为Y1；

将Ci的行驶路线导入预设的导航软件，根据导航软件生成预测到达所需时间T2；

提取Ci的目的地停车位在以往T2时间内的变化趋势，以此预测Ci的目的地停车位在T2时间后的变化趋势，并将Y1在T2时间后的预测数量标记为Y2，其中，将Y1在T1时间前的值标记为y1，则Y2=（Y1*Y1）/y1；

计算Ci的目的地预测空闲停车位Y3=（Y总-Y2）；

计算Ci的目的地停车阈值V2=（F/f）*Y3，再将V2与预设值v2进行比对，若V2＜v2则说明当前Ci的目的地停车存在风险，需要更改目的地；若V2≥v2则说明当前Ci的目的地停车不存在风险，不需要更改目的地。

作为本发明再进一步的方案：所述Bi与Ci的优化行驶路线在生成过程中，先筛选所有能够到达目的地的路线，再计算各个路线途经城市道路的车流量总和，将车流量总和最小的路线作为优化行驶路线。

作为本发明再进一步的方案：所述Bi与Ci的目的地的具体更改过程为：

以Bi的初始目的地为中心，筛选方圆一公里内所有的停车场，再对筛选出的停车场进行停车分析，获取筛选出的停车场对应的停车阈值V1，再从中筛选出V1最大的停车场作为更改后的目的地；

以Ci的初始目的地为中心，筛选方圆一公里内所有的停车场，再对筛选出的停车场进行停车分析，获取筛选出的停车场对应的停车阈值V2，再从中筛选出V2最大的停车场作为更改后的目的地。

作为本发明再进一步的方案：所述信息发布模块将分析结果、停车管理措施发布出去的具体过程为：

针对于车辆Bi，信息发布模块将分析结果、停车管理措施直接发送到车辆Bi的导航终端；

针对于车辆Ci，信息发布模块将分析结果、停车管理措施发送到车辆Ci前进路线上的交通诱导屏以及广播。

与现有技术相比，本发明的有益效果是：

1、本申请能够根据实时道路状况优化车辆行驶路线并制定相应的停车管理措施，其中，在对车辆行驶路线与目的地进行优化的过程中，针对不同使用性质的车辆采用不同的优化策略，在确保用户利益不受损害的前提下完成交通引流。此外，针对未使用导航的车辆，本申请通过分析其以往行驶记录精准预测行驶路线与目的地，再以此制定相应的优化行驶路线与停车管理措施。

附图说明

图1为一种基于时空大数据控制的交通引流信号装置的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

正如本申请的背景技术中提及的，经研究发现，现有交通引流信号装置却无法根据实时道路状况优化车辆行驶路线并制定相应的停车管理措施，存在一定的缺陷。

为了解决上述缺陷，本申请公开了一种基于时空大数据控制的交通引流信号装置，能够根据实时道路状况优化车辆行驶路线并制定相应的停车管理措施。

以下将结合附图对本申请的方案如何解决上述技术问题详细介绍。

请参阅图1，本发明实施例中，一种基于时空大数据控制的交通引流信号装置，包括车流量采集模块、导航信息采集模块、数据接收模块、数据分析模块、停车管理模块以及信息发布模块；车流量采集模块用于采集当前城市道路的车流量信息；导航信息采集模块用于采集车辆的导航信息；数据接收模块用于接收所有采集到的信息并将其发送给数据分析模块；数据分析模块用于对发送过来的信息进行单独分析和结合分析，输出分析结果给停车管理模块、交通信息管理模块与信息发布模块；停车管理模块用于接收分析结果并以此生成停车管理措施，再将停车管理措施发送给信息发布模块；信息发布模块用于接收分析结果、停车管理措施，再将分析结果、停车管理措施发布出去。本申请能够根据实时道路状况优化车辆行驶路线并制定相应的停车管理措施。

在本实施例中，数据分析模块对采集到的车流量信息进行单独分析的具体过程为：将采集到的当前各个城市道路的车流量标记为Ai，i=1···n，其中，n为正整数；将Ai与预设值a进行比对，若Ai＞a，则将Ai规划到第一序列，若Ai≤a，则将Ai规划到第二序列；将第一序列中的Ai按照从大到小的顺序进行排列生成第一列表，第一列表中的Ai排序越靠前说明Ai对应的城市道路越是拥挤；将第二序列中的Ai按照从小到大的顺序进行排列生成第二列表，第二列表中的Ai排序越靠前说明Ai对应的城市道路越是畅通。车流量，顾名思义，是指单位时间内通过某一路段或路口的车辆数量。这个单位时间可以是分钟、小时、天或周等，具体取决于统计和分析的需求。车流量是衡量道路交通状况的重要指标之一，对于城市交通规划、交通管理、交通工程设计以及交通安全评估等方面都具有重要意义。车流量的统计和监测通常通过交通流量观测站或交通监控系统来实现。这些系统能够实时或定期记录通过特定路段或路口的车辆数量，并根据需要进行数据分析和处理。通过分析车流量数据，可以了解道路交通的繁忙程度、拥堵情况、交通流特性以及交通流的时间分布和空间分布规律等信息。车流量的大小受到多种因素的影响，包括道路条件、交通信号控制、交通政策、天气条件、节假日以及突发事件等。例如，在节假日或上下班高峰期，道路上的车流量会显著增加，导致交通拥堵和延误；而在恶劣天气条件下，车辆行驶速度降低，车流量也可能受到影响。

在本实施例中，数据分析模块对采集到的导航信息进行单独分析的具体过程为：采集当前各个城市道路上车辆的导航信息，将开了导航的车辆标记为Bi，i=1···n，再将未开导航的车辆标记为Ci，i=1···n；对Bi的导航信息进行识别，获取Bi的目的地以及行驶路线；根据Ci以往的行驶记录，预测Ci的目的地以及行驶路线。本申请在对车辆行驶路线与目的地进行优化的过程中，针对不同使用性质的车辆采用不同的优化策略，在确保用户利益不受损害的前提下完成交通引流。

在本实施例中，Ci的目的地以及行驶路线具体预测过程为：将一天均分为八个时间段（每个时间段为三小时），确定当前网络时间所处的时间段；将Ci以往一周同一时间段内的行驶路线筛选出来，标记为Di，i=1···j，其中，j为正整数；确定当前Ci所处位置Pi，i=1···n，从Di中筛选经过Pi的行驶路线，将其标记为di，i=1···k，其中，k为正整数且k≤j；将di中重复次数最多的行驶路线作为预测的Ci行驶路线，再将预测的Ci行驶路线的终点作为预测的Ci目的地。针对未使用导航的车辆，本申请通过分析其以往行驶记录精准预测行驶路线与目的地，再以此制定相应的优化行驶路线与停车管理措施。

在本实施例中，数据分析模块对采集到的车流量信息与导航信息进行结合分析的具体过程为：根据确定的Bi的行驶路线，结合第一列表与第二列表，生成Bi的行驶路线图bi，并在bi的各个城市道路上标注序列颜色与序列等级；其中，若bi上的城市道路在第一列表中，则对应的序列颜色为红色，序列等级为在第一列表中的排名；若bi上的城市道路在第二列表中，则对应的序列颜色为绿色，序列等级为在第二列表中的排名；根据确定的Ci的行驶路线，结合第一列表与第二列表，生成Ci的行驶路线图ci，并在ci的各个城市道路上标注序列颜色与序列等级；其中，若ci上的城市道路在第一列表中，则对应的序列颜色为红色，序列等级为在第一列表中的排名；若ci上的城市道路在第二列表中，则对应的序列颜色为绿色，序列等级为在第二列表中的排名；根据确定的Bi的目的地，获取目的地方圆一公里内所有的城市道路，再将所获取到的城市道路对应的车流量Ai提取出来，统计Ai在第一列表中数量并标记为E，将E与预设值e进行比对，若E＞e，则说明Bi的目的地周围处于交通拥挤路段，若E≤e，则说明Bi的目的地周围不处于交通拥挤路段；根据确定的Ci的目的地，获取目的地方圆一公里内所有的城市道路，再将所获取到的城市道路对应的车流量Ai提取出来，统计Ai在第一列表中数量并标记为F，将F与预设值f进行比对，若F＞f，则说明Ci的目的地周围处于交通拥挤路段，若F≤f，则说明Ci的目的地周围不处于交通拥挤路段。该设置能够方便车主清晰识别自己当前行驶的路线状况，供车主参考以决定是否更改路线或按照优化路线行驶。

在本实施例中，停车管理模块生成停车管理措施的具体过程为：对车辆Bi的使用性质进行识别，若Bi为营运车辆，则维持Bi的目的地不变，生成Bi的优化行驶路线；若Bi为非营运车辆，则对Bi的目的地进行停车分析，根据分析结果决定是否更改目的地；对车辆Ci的使用性质进行识别，若Ci为营运车辆，则维持Ci的目的地不变，生成Ci的优化行驶路线；若Ci为非营运车辆，则对Ci的目的地进行停车分析，根据分析结果决定是否更改目的地；若Bi的目的地出现更改，则生成Bi前往更改后目的地的优化行驶路线；若Ci的目的地出现更改，则生成Ci前往更改后目的地的优化行驶路线。传统交通引流存在一个弊端，就是将所有车辆看成是相同性质的，但车辆按照使用性质划分为两种，一种是营运车辆，一种是非营运车辆，其中，营运车辆在将乘客送到目的地后通常不会停留，非营运车辆在到达目的地后通常会寻找停车位停车或者直接停靠在路边影响交通，而现有交通堵塞很多情况都是因这些非营运车辆寻找停车位置导致的，为此，针对不同使用性质的车辆需要制定不同的停车管理措施。

在本实施例中，对Bi与Ci的目的地进行停车分析的具体过程为：将Bi的目的地停车位总数标记为X总，再将X总中已经被占用的停车位数量标记为X1；将Bi的行驶路线导入预设的导航软件（例如高德地图与百度地图），根据导航软件生成预测到达所需时间T1；提取Bi的目的地停车位在以往T1时间内的变化趋势，以此预测Bi的目的地停车位在T1时间后的变化趋势，并将X1在T1时间后的预测数量标记为X2，其中，将X1在T1时间前的值标记为x1，则X2=（X1*X1）/x1；计算Bi的目的地预测空闲停车位X3=（X总-X2）；计算Bi的目的地停车阈值V1=（E/e）*X3，再将V1与预设值v1进行比对，若V1＜v1则说明当前Bi的目的地停车存在风险，需要更改目的地；若V1≥v1则说明当前Bi的目的地停车不存在风险，不需要更改目的地；将Ci的目的地停车位总数标记为Y总，再将Y总中已经被占用的停车位数量标记为Y1；将Ci的行驶路线导入预设的导航软件，根据导航软件生成预测到达所需时间T2；提取Ci的目的地停车位在以往T2时间内的变化趋势，以此预测Ci的目的地停车位在T2时间后的变化趋势，并将Y1在T2时间后的预测数量标记为Y2，其中，将Y1在T1时间前的值标记为y1，则Y2=（Y1*Y1）/y1；计算Ci的目的地预测空闲停车位Y3=（Y总-Y2）；计算Ci的目的地停车阈值V2=（F/f）*Y3，再将V2与预设值v2进行比对，若V2＜v2则说明当前Ci的目的地停车存在风险，需要更改目的地；若V2≥v2则说明当前Ci的目的地停车不存在风险，不需要更改目的地。本申请的停车阈值从两个方面进行计算，一个是当前行驶路线上车流量超过预设值的道路数量，另一个是目的地预测空闲停车位，停车阈值越大，说明当前行驶路线上车流量越少，目的地预测空闲停车位越多。

在本实施例中，Bi与Ci的优化行驶路线在生成过程中，先筛选所有能够到达目的地的路线，再计算各个路线途经城市道路的车流量总和，将车流量总和最小的路线作为优化行驶路线。该设置能够快速生成优化行驶路线，节省时间。

在本实施例中，Bi与Ci的目的地的具体更改过程为：以Bi的初始目的地为中心，筛选方圆一公里内所有的停车场，再对筛选出的停车场进行停车分析，获取筛选出的停车场对应的停车阈值V1，再从中筛选出V1最大的停车场作为更改后的目的地；以Ci的初始目的地为中心，筛选方圆一公里内所有的停车场，再对筛选出的停车场进行停车分析，获取筛选出的停车场对应的停车阈值V2，再从中筛选出V2最大的停车场作为更改后的目的地。该设置能够快速确定目的地附近最佳的停车地点。

在本实施例中，信息发布模块将分析结果、停车管理措施发布出去的具体过程为：针对于车辆Bi，信息发布模块将分析结果、停车管理措施直接发送到车辆Bi的导航终端；针对于车辆Ci，信息发布模块将分析结果、停车管理措施发送到车辆Ci前进路线上的交通诱导屏以及广播。该设置能够确保不同使用性质的车辆均能够收到分析结果、停车管理措施。

本发明能够根据实时道路状况优化车辆行驶路线并制定相应的停车管理措施，其中，在对车辆行驶路线与目的地进行优化的过程中，针对不同使用性质的车辆采用不同的优化策略，在确保用户利益不受损害的前提下完成交通引流。此外，针对未使用导航的车辆，本申请通过分析其以往行驶记录精准预测行驶路线与目的地，再以此制定相应的优化行驶路线与停车管理措施。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

以上所述的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种基于时空大数据控制的交通引流信号装置，其特征在于，包括车流量采集模块、导航信息采集模块、数据接收模块、数据分析模块、停车管理模块以及信息发布模块；

所述车流量采集模块用于采集当前城市道路的车流量信息；所述导航信息采集模块用于采集车辆的导航信息；所述数据接收模块用于接收所有采集到的信息并将其发送给数据分析模块；所述数据分析模块用于对发送过来的信息进行单独分析和结合分析，输出分析结果给停车管理模块与信息发布模块；所述停车管理模块用于接收分析结果并以此生成停车管理措施，再将停车管理措施发送给信息发布模块；所述信息发布模块用于接收分析结果、停车管理措施，再将分析结果、停车管理措施发布出去；

所述数据分析模块对采集到的导航信息进行单独分析的具体过程为：

采集当前各个城市道路上车辆的导航信息，将开了导航的车辆标记为Bi，i=1···n，再将未开导航的车辆标记为Ci，i=1···n；

对Bi的导航信息进行识别，获取Bi的目的地以及行驶路线；

根据Ci以往的行驶记录，预测Ci的目的地以及行驶路线；

所述数据分析模块对采集到的车流量信息与导航信息进行结合分析的具体过程为：

根据确定的Bi的行驶路线，结合第一列表与第二列表，生成Bi的行驶路线图bi，并在bi的各个城市道路上标注序列颜色与序列等级；其中，若bi上的城市道路在第一列表中，则对应的序列颜色为红色，序列等级为在第一列表中的排名；若bi上的城市道路在第二列表中，则对应的序列颜色为绿色，序列等级为在第二列表中的排名；

根据确定的Ci的行驶路线，结合第一列表与第二列表，生成Ci的行驶路线图ci，并在ci的各个城市道路上标注序列颜色与序列等级；其中，若ci上的城市道路在第一列表中，则对应的序列颜色为红色，序列等级为在第一列表中的排名；若ci上的城市道路在第二列表中，则对应的序列颜色为绿色，序列等级为在第二列表中的排名；

根据确定的Bi的目的地，获取目的地方圆一公里内所有的城市道路，再将所获取到的城市道路对应的车流量Ai提取出来，统计Ai在第一列表中数量并标记为E，将E与预设值e进行比对，若E＞e，则说明Bi的目的地周围处于交通拥挤路段，若E≤e，则说明Bi的目的地周围不处于交通拥挤路段；

根据确定的Ci的目的地，获取目的地方圆一公里内所有的城市道路，再将所获取到的城市道路对应的车流量Ai提取出来，统计Ai在第一列表中数量并标记为F，将F与预设值f进行比对，若F＞f，则说明Ci的目的地周围处于交通拥挤路段，若F≤f，则说明Ci的目的地周围不处于交通拥挤路段，其中，Ai为当前各个城市道路的车流量标记，i=1···n，n为正整数；

所述停车管理模块生成停车管理措施的具体过程为：

对车辆Bi的使用性质进行识别，若Bi为营运车辆，则维持Bi的目的地不变，生成Bi的优化行驶路线；若Bi为非营运车辆，则对Bi的目的地进行停车分析，根据分析结果决定是否更改目的地；

对车辆Ci的使用性质进行识别，若Ci为营运车辆，则维持Ci的目的地不变，生成Ci的优化行驶路线；若Ci为非营运车辆，则对Ci的目的地进行停车分析，根据分析结果决定是否更改目的地；

若Bi的目的地出现更改，则生成Bi前往更改后目的地的优化行驶路线；

若Ci的目的地出现更改，则生成Ci前往更改后目的地的优化行驶路线；

所述对Bi与Ci的目的地进行停车分析的具体过程为：

将Bi的目的地停车位总数标记为X总，再将X总中已经被占用的停车位数量标记为X1；

将Bi的行驶路线导入预设的导航软件，根据导航软件生成预测到达所需时间T1；

提取Bi的目的地停车位在以往T1时间内的变化趋势，以此预测Bi的目的地停车位在T1时间后的变化趋势，并将X1在T1时间后的预测数量标记为X2，其中，将X1在T1时间前的值标记为x1，则X2=（X1*X1）/x1；

计算Bi的目的地预测空闲停车位X3=（X总-X2）；

计算Bi的目的地停车阈值V1=（e/E）*X3，再将V1与预设值v1进行比对，若V1＜v1则说明当前Bi的目的地停车存在风险，需要更改目的地；若V1≥v1则说明当前Bi的目的地停车不存在风险，不需要更改目的地；

将Ci的目的地停车位总数标记为Y总，再将Y总中已经被占用的停车位数量标记为Y1；

将Ci的行驶路线导入预设的导航软件，根据导航软件生成预测到达所需时间T2；

提取Ci的目的地停车位在以往T2时间内的变化趋势，以此预测Ci的目的地停车位在T2时间后的变化趋势，并将Y1在T2时间后的预测数量标记为Y2，其中，将Y1在T1时间前的值标记为y1，则Y2=（Y1*Y1）/y1；

计算Ci的目的地预测空闲停车位Y3=（Y总-Y2）；

计算Ci的目的地停车阈值V2=（f/F）*Y3，再将V2与预设值v2进行比对，若V2＜v2则说明当前Ci的目的地停车存在风险，需要更改目的地；若V2≥v2则说明当前Ci的目的地停车不存在风险，不需要更改目的地。

2.根据权利要求1所述的一种基于时空大数据控制的交通引流信号装置，其特征在于，所述数据分析模块对采集到的车流量信息进行单独分析的具体过程为：

将采集到的当前各个城市道路的车流量标记为Ai，i=1···n，其中，n为正整数；

将Ai与预设值a进行比对，若Ai＞a，则将Ai规划到第一序列，若Ai≤a，则将Ai规划到第二序列；

将第一序列中的Ai按照从大到小的顺序进行排列生成第一列表，第一列表中的Ai排序越靠前说明Ai对应的城市道路越是拥挤；

将第二序列中的Ai按照从小到大的顺序进行排列生成第二列表，第二列表中的Ai排序越靠前说明Ai对应的城市道路越是畅通。

3.根据权利要求2所述的一种基于时空大数据控制的交通引流信号装置，其特征在于，所述Ci的目的地以及行驶路线具体预测过程为：

将一天均分为八个时间段，确定当前网络时间所处的时间段；

将Ci以往一周同一时间段内的行驶路线筛选出来，标记为Di，i=1···j，其中，j为正整数；

确定当前Ci所处位置Pi，i=1···n，从Di中筛选经过Pi的行驶路线，将其标记为di，i=1···k，其中，k为正整数且k≤j；

将di中重复次数最多的行驶路线作为预测的Ci行驶路线，再将预测的Ci行驶路线的终点作为预测的Ci目的地。

4.根据权利要求3所述的一种基于时空大数据控制的交通引流信号装置，其特征在于，所述Bi与Ci的优化行驶路线在生成过程中，先筛选所有能够到达目的地的路线，再计算各个路线途经城市道路的车流量总和，将车流量总和最小的路线作为优化行驶路线。

5.根据权利要求4所述的一种基于时空大数据控制的交通引流信号装置，其特征在于，所述Bi与Ci的目的地的具体更改过程为：

以Bi的初始目的地为中心，筛选方圆一公里内所有的停车场，再对筛选出的停车场进行停车分析，获取筛选出的停车场对应的停车阈值V1，再从中筛选出V1最大的停车场作为更改后的目的地；

以Ci的初始目的地为中心，筛选方圆一公里内所有的停车场，再对筛选出的停车场进行停车分析，获取筛选出的停车场对应的停车阈值V2，再从中筛选出V2最大的停车场作为更改后的目的地。

6.根据权利要求5所述的一种基于时空大数据控制的交通引流信号装置，其特征在于，所述信息发布模块将分析结果、停车管理措施发布出去的具体过程为：

针对于车辆Bi，信息发布模块将分析结果、停车管理措施直接发送到车辆Bi的导航终端；

针对于车辆Ci，信息发布模块将分析结果、停车管理措施发送到车辆Ci前进路线上的交通诱导屏以及广播。