【技术实现步骤摘要】
一种通行效率信息检测的方法以及装置
本申请涉及大数据
，具体而言，涉及一种通行效率信息检测的方法以及装置。
技术介绍
随着城市车辆越来越多，交通低效问题成为当前人们关注的热点问题之一。发现交通低效原因，是缓解交通低效问题的前提。发生交通拥堵的位置一般是在道路路口。当道路路口绿灯启亮后，对应方向的车辆理应顺畅地驶离停车线，并通过路口。若车辆位于停车线之后，但路口内部仍然行驶缓慢，会验证影响路口的通行效率，从而造成交通的通行低效状态。当前一般采用人工现场判断的方法来确定交通路口通行效率信息，这种方法耗时久，效率低，且由于是人工进行判断，只能基于当前时刻的路口交通状况进行判断，判断的准确度也比较低。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种通行效率信息检测的方法以及装置，能够基于车辆轨迹数据以及下游路口交通状况检测路口的通行效率信息，较之人工判断，耗时短，效率高，且判断的准确率也高。第一方面，本申请实施例提供了一种通行效率信息检测的方法，包括：获取在待检测时间段驶过目标路口的车辆的目标车辆轨迹数据，以及所述目标路口的路口信息；根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值；将所述特征值输入至预先训练的通行效率信息检测模型中，获取与该目标路口对应的通行效率信息。一种可选实施方式中，所述通行效率信息包括指示通行低效的信息和通行低效原因；或者，指示通行高效的信息和通行高效原因。一种可选实施方式中...
【技术保护点】
1.一种通行效率信息检测的方法，其特征在于，包括：/n获取在待检测时间段驶过目标路口的车辆的目标车辆轨迹数据，以及所述目标路口的路口信息；/n根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值；/n将所述特征值输入至预先训练的通行效率信息检测模型中，获取与该目标路口对应的通行效率信息。/n
【技术特征摘要】
1.一种通行效率信息检测的方法，其特征在于，包括：
获取在待检测时间段驶过目标路口的车辆的目标车辆轨迹数据，以及所述目标路口的路口信息；
根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值；
将所述特征值输入至预先训练的通行效率信息检测模型中，获取与该目标路口对应的通行效率信息。
2.根据权利要求1所述的方法，其特征在于，所述通行效率信息包括指示通行低效的信息和通行低效原因；或者，指示通行高效的信息和通行高效原因。
3.根据权利要求1所述的方法，其特征在于，所述通行效率影响特征包括：路况特征、道路特征以及时间特征中一种或者多种。
4.根据权利要求3所述的方法，其特征在于，针对所述通行效率影响特征包括路况特征、道路特征的情况，所述方法还包括：
获取在所述待检测时间段之前的历史检测时间段驶过所述目标路口的历史车辆轨迹数据；
所述根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值，包括：
根据所述目标车辆轨迹数据生成所述目标路口在路况特征下的第一特征值，根据所述历史车辆轨迹数据生成所述目标路口在所述路况特征下的第二特征值，以及根据所述路口信息，生成所述目标路口在道路特征下的第三特征值；
所述将所述特征值输入至预先训练的通行效率信息检测模型中，获取与该目标路口对应的通行效率信息，包括：
将所述第一特征值、所述第二特征值以及所述第三特征值输入至预先训练的所述通行效率信息检测模型中，获取与该目标路口对应的通行效率信息。
5.根据权利要求4所述的方法，其特征在于，针对所述通行效率影响特征包括路况特征、道路特征以及时间特征的情况，
该方法还包括：获取所述目标路口在时间特征下的第四特征值；
所述将所述第一特征值、所述第二特征值以及所述第三特征值输入至预先训练的通行效率信息检测模型中，获取与该目标路口对应的通行效率信息，包括：
将所述第一特征值、所述第二特征值、所述第三特征值以及所述第四特征值输入至预先训练的通行效率信息检测模型中，获取与该目标路口对应的通行效率信息。
6.根据权利要求3所述的方法，其特征在于，所述路况特征包括：路口内车流速度、路口下游路段的车流速度、路口下游路段停车覆盖率中一种或者多种。
7.根据权利要求3所述的方法，其特征在于，所述道路特征包括：转弯半径、路口坡度、路口视距、路口停车线的数量、路口出口车道宽度、距离路口出口最近的道路入口与路口的距离、距离路口出口最近的公交车站与路口的距离、距离路口出口最近的公交车站停靠的公交车的数量中一种或者多种。
8.根据权利要求3所述的方法，其特征在于，所述时间特征包括：所述待检测时间段对应的日期、所述待检测时间段是否为交通高峰、所述待检测时间段对应的星期数，所述待检测时间段是否为节假日、所述待检测时间段对应的月份数中一种或者多种。
9.根据权利要求6所述的方法，其特征在于，针对所述路况特征包括路口内车流速度的情况：
采用下述方式获取所述路口内车流速度：
根据各个车辆的目标车辆轨迹数据，计算每辆所述目标车辆驶过所述目标路口的速度，以及驶过所述目标路口的驶入时间和驶出时间；
将各个车辆驶过所述目标路口的速度、驶入时间和驶出时间进行拟合，获取所述路口内车流速度。
10.根据权利要求9所述的方法，其特征在于，所述目标车辆轨迹数据包括：多个定位点的位置信息，以及与每个定位点对应的定位时间；
根据各个车辆的目标车辆轨迹数据，计算每辆车辆驶过所述目标路口的速度，包括：
针对每辆车辆，执行：
根据每相邻的两个定位点的位置信息，计算每相邻的两个定位点之间的距离；
根据每相邻的两个定位点的定位时间，计算每两个定位点的时间差；
根据所述距离以及所述时间差，计算每相邻的两个定位点对应的暂时速度；
基于各个所述暂时速度，计算该车辆驶过所述目标路口的速度。
11.根据权利要求9所述的方法，其特征在于，所述目标车辆轨迹数据包括：多个定位点的位置信息，以及与每辆定位点对应的定位时间；
根据各个车辆的目标车辆轨迹数据，计算每辆所述目标车辆驶过所述目标路口的驶入时间和使出时间，包括：
根据各个所述定位点的位置信息以及所述目标路口的区域范围，从各个所述定位点中确定驶入定位点以及驶出定位点；
根据所述驶入定位点对应的定位时间确定所述驶入时间，以及根据所述驶出定位点的定位时间确定所述驶出时间。
12.根据权利要求6所述的方法，其特征在于，针对所述路况特征包括：路口下游路段的车流速度的情况，
采用下述方式获取所述路口下游路段在所述待检测时间段的车流速度：
获取在待检测时间段驶过目标路口下游路段的车辆的下游车辆轨迹数据；
根据所述下游车辆轨迹数据，生成所述路口下游路段的车流速度。
13.根据权利要求1所述的方法，其特征在于，采用下述方式训练得到所述通行效率信息检测模型：
获取在样本时间段驶过至少一个样本路口的车辆的样本车辆轨迹数据、各个所述样本路口的样本路口信息，以及各个所述样本路口对应的样本通行效率信息；
根据所述样本车辆轨迹数据，以及所述样本路口信息，生成各个所述样本路口在所述通行效率影响特征下的样本特征值；
以各个所述样本路口在所述通行效率影响特征下的样本特征值作为决策树模型的输入特征值，以各个样本路口对应的样本通行效率信息作为所述决策树模型的输出特征值，构建决策树模型，并将构建好的所述决策树模型作为所述通行效率信息检测模型。
14.根据权利要求4所述的方法，其特征在于，采用下述方式训练得到所述通行效率信息检测模型：
获取在样本时间段驶过至少一个样本路口的车辆的样本车辆轨迹数据、所述样本时间段对应的样本历史检测时间段驶过所述样本路口的样本历史车辆轨迹数据、各个所述样本路口的样本路口信息，以及各个所述样本路口对应的样本通行效率信息；
根据所述样本车辆轨迹数据生成所述样本路口在路况特征下的第一样本特征值，根据所述样本历史车辆轨迹数据生成所述样本路口在所述路况特征下的第二样本特征值，以及根据所述路口信息，生成所述样本路口在路况特征下的第三样本特征值；
将所述第一样本特征值、所述第二样本特征值以及所述第三样本特征值输入至基础预测模型中，获取与各个所述样本路口对应的样本通行低效检测结果；
根据所述样本通行低效检测结果以及所述样本通行效率信息，训练所述基础预测模型，将训练后的所述基础预测模型作为所述通行效率信息检测模型。
15.根据权利要求14所述的方法，其特征在于，所述基础预测模型包括：第一神经网络、第二神经网络以及第三神经网络；
所述将所述第一样本特征值、所述第二样本特征值以及所述第三样本特征值输入至基础预测模型中，获取与各个所述样本路口对应的样本通行低效检测结果包括：
针对每个所述样本路口，执行：
将由所述第一样本特征值构成的第一特征向量与所述第二样本特征值构成的第二特征向量进行融合，生成第一中间样本特征向量；
将所述第一中间样本特征向量输入至所述第一神经网络中，获取第二中间样本特征向量；
以及将由所述第三样本特征值构成的第三样本特征向量输入至所述第二神经网络中，获取第三中间样本特征向量；
将所述第二中间样本特征向量以及所述第三中间样本特征向量进行拼接，构成拼接向量；
将所述拼接向量输入至第三神经网络中，获取所述样本通行低效检测结果。
16.根据权利要求14所述的方法，其特征在于，还包括：获取在时间特征下的第四样本特征值；
将所述第一样本特征值、所述第二样本特征值以及所述第三样本特征值输入至基础预测模型中，获取与各个所述样本路口对应的样本通行低效检测结果，包括：
将所述第一样本特征值、所述第二样本特征值、第三样本特征值以及所述第四样本特征值输入至所述基础预测模型中，获取与各个所述样本路口对应的样本通行低效检测结果。
17.根据权利要求16所述的方法，其特征在于，所述基础预测模型包括：第一神经网络、第二神经网络以及第三神经网络；
将所述第一样本特征值、所述第二样本特征值、第三样本特征值以及所述第四样本特征值输入至基础预测模型中，获取与各个所述样本路口对应的样本通行低效检测结果，包括：
针对每个所述样本路口，执行：
将由所述第一样本特征值构成的第一特征向量与所述第二样本特征值构成的第二特征向量进行融合，生成第一中间样本特征向量；
将所述第一中间样本特征向量输入至所述第一神经网络中，获取第二中间样本特征向量；
以及将由所述第三样本特征值构成的第三样本特征向量和所述第四样本特征值构成的第四样本特征向量进行拼接后，输入至所述第二神经网络中，获取第三中间样本特征向量；
将所述第二中间样本特征向量以及所述第三中间样本特征向量进行拼接，构成拼接向量；
将所述拼接向量输入至第三神经网络中，获取所述样本通行低效检测结果。
18.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值之前，还包括：
根据所述目标车辆轨迹数据，以及所述目标路口的参考速度，确定所述目标路口是否处于通行低效状态；
所述根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值，包括：
在检测到所述目标路口处于通行低效状态后，根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值。
19.根据权利要求18所述的方法，其特征在于，所述根据所述目标车辆轨迹数据，以及所述目标路口的参考速度，确定所述目标路口是否处于通行低效状态，包括：
根据所述目标车辆轨迹数据，获取所述目标路口在所述待检测时间段的路口内速度；
检测所述参考速度与所述路口内速度的速度差是否大于预设的第一速度差阈值，以及检测所述路口内速度是否小于预设的第一速度阈值；
以及，判断所述参考速度是否小于预设的第二速度阈值；
若检测到所述参考速度与所述路口内速度的速度差大于预设的第一速度差阈值以及所述路口内速度小于预设的第一速度阈值，或者，所述参考速度小于预设的第二速度阈值，则确定所述目标路口处于通行低效状态。
20.根据权利要求1或19所述的方法，其特征在于，该方法还包括：根据驶过所述目标路口的多辆车辆的目标车辆轨迹数据，确定所述目标路口的路口内部区域；
所述获取在所述待检测时间段驶过目标路口的车辆的目标车辆轨迹数据，包括：
获取在所述待检测时间段驶过目标路口的路口内部区域的车辆的目标车辆轨迹数据。
21.根据权利要求18所述的方法，其特征在于，采用下述方式确定所述参考速度：
获取在参考时间段内驶过所述目标路口的车辆的参考车辆轨迹数据；
根据所述参考车辆轨迹数据，确定所述目标路口对应的参考速度。
22.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值之前，还包括：
根据所述目标车辆轨迹数据，以及所述目标路口的参考速度，确定所述目标路口是否处于通行高效状态；
所述根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值，包括：
在检测到所述目标路口处于通行高效状态后，根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值。
23.根据权利要求22所述的方法，其特征在于，根据所述目标车辆轨迹数据，以及所述目标路口的参考速度，确定所述目标路口是否处于通行高效状态，包括：
检测所述参考速度与所述路口内速度的速度差是否小于预设的第二速度差阈值，以及检测所述路口内速度是否大于预设的第三速度阈值；
若检测到所述参考速度与所述路口内速度的速度差小于预设的第二速度差阈值，以及所述路口内速度大于预设的第三速度阈值，确定所述目标路口处于通行高效状态。
24.根据权利要求1所述的方法，其特征在于，所述获取在待检测时间段驶过目标路口的车辆的目标车辆轨迹数据，包括：
针对所述目标路口的各个道路方向，获取在待检测时间段驶过该道路方向的车辆的目标车辆轨迹数据；
根据所述目标车辆轨迹数据以及所述路口信息，生成所述目标路口在通行效率影响特征下的特征值，包括：
根据在待检测时间段驶过各个道路方向的车辆的目标车辆轨迹数据，生成各个所述道路方向在通行效率影响特征下的特征值；
将所述特征值输入至预先训练的通行效率信息检测模型中，获取与该目标路口对应的通行效率信息，包括：
将各个所述道路方向在通行效率影响特征下的特征值，输入至预先训练的通行效率信息检测模型中，获取与各个道路方向对应的通行效率信息。
25.一种通行效率信息检测的装置，其特征在于，包括：
数据获取模块，用于获取在待检测时间段驶过目标路口的车辆的目标车辆轨迹数据，以及所述目标路口的路口信息；
特征生成模块，用于根据所述目标...
【专利技术属性】
技术研发人员：邹莉，徐琪琪，孙伟力，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。