基于大数据和边缘计算的数据处理方法及大数据服务器技术

本申请实施例公开了一种基于大数据和边缘计算的数据处理方法及大数据服务器，其中，所述基于大数据和边缘计算的数据处理方法包括：对待进行交通调度的目标交通街区的目标交通流数据中的交通流数据轨迹进行轨迹分析，并进行局部校正和全局校正，以实现交通调度处理，得到目标交通流数据中与目标轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹。由于确定目标交通流数据在设定时段内对应的行驶轨迹是考虑了局部交通流数据和全局交通流数据的干扰的，因而能够快速准确地确定目标交通流数据在设定时段内对应的行驶轨迹，无需耗费较多的时间来确定期望行驶轨迹，这样能够尽可能提高针对目标交通街区的交通调度效率，以及时地缓解交通拥堵。以及时地缓解交通拥堵。以及时地缓解交通拥堵。

【技术实现步骤摘要】
基于大数据和边缘计算的数据处理方法及大数据服务器


[0001]本申请涉及大数据和边缘计算
，特别涉及一种基于大数据和边缘计算的数据处理方法及大数据服务器。

技术介绍

[0002]随着大数据和互联网相关技术的飞速发展，人们的生产生活方式已然随之发生巨大的变化。大数据的应用涉及方方面面，例如区块链支付、工业制动化、线上云教育、线上云办公、人工智能、智慧园区、智慧医疗和智慧城市等。其中，智慧城市与人们的生活息息相关。随着人们生活水平的提高，大部分家庭已经拥有私家车，这虽然方便了人们的出行，但同时也带来了交通拥堵等大城市病，因此，如何改善交通拥堵这一大城市病是现目前需要考虑的一个问题。

技术实现思路

[0003]本申请实施例之一提供一种基于大数据和边缘计算的数据处理方法，所述方法包括：获取待进行交通调度的目标交通街区的目标交通流数据；对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析和行驶变道类轨迹分析，得到行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果；通过预设的针对轨迹分析结果的局部校正模型，对所述行驶减速类的轨迹分析结果进行局部校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹；通过预设的针对轨迹分析结果的全局校正模型，对所述行驶变道类的轨迹分析结果进行全局校正处理，得到包括有行驶变道类轨迹的全局交通流数据在设定时段内对应的行驶轨迹；基于所述局部交通流数据在设定时段内对应的行驶轨迹和所述全局交通流数据在设定时段内对应的行驶轨迹进行交通调度处理，得到所述目标交通流数据中与目标轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹；其中，所述目标轨迹包括行驶减速类轨迹和行驶变道类轨迹中的至少一种，所述目标交通流数据在设定时段内对应的行驶轨迹用于对所述目标交通街区进行交通调度。
[0004]本申请实施例之一提供一种大数据服务器，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行上述的方法。
[0005]本申请实施例之一提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序在运行是实现上述的方法。
[0006]在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
[0007]本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本专利技术的一些实施例所示的一种示例性基于大数据和边缘计算的数据处理方法和/或过程的流程图；图2是根据本专利技术的一些实施例所示的一种示例性基于大数据和边缘计算的数据处理装置的框图；图3是根据本专利技术的一些实施例所示的一种示例性基于大数据和边缘计算的数据处理系统的框图；以及图4是根据本专利技术的一些实施例所示的一种示例性大数据服务器中硬件和软件组成的示意图。
具体实施方式
[0008]为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0009]应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0010]如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
[0011]本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0012]专利技术人经研究和分析发现，常见的针对智慧交通的调度方法大多是通过人工引导，或者由驾驶员自行进行行驶线路的调整，这样很可能导致交通调度的二次拥堵（也即在调度过程中无法缓解拥堵并可能进一步加剧拥堵）。专利技术人进一步研究发现，造成上述问题的主要原因是没有考虑不同车辆行驶轨迹之间的互相干扰，也即没有从全局层面出发对某个街区进行调度，这样会耗费过多的时间来进行不同车辆的形式轨迹调度，从而降低交通调度的效率，难以及时地缓解交通拥堵。
[0013]针对上述问题，专利技术人针对性地提出了基于大数据和边缘计算的数据处理方法及大数据服务器，能够对目标交通街区的目标交通流数据进行分析行驶减速和行驶变道两类轨迹分析，并通过局部校正模型和全局校正模型分别进行行驶减速类的轨迹分析结果的局部校正处理以及行驶变道类的轨迹分析结果的全局校正处理，这样能够将相互的交通通行
干扰考虑在内，从而实现交通调度处理，以确定出目标交通流数据在设定时段内对应的行驶轨迹，从而实现对目标交通街区的交通调度，提高交通调度的效率，以及时地缓解交通拥堵。
[0014]首先，对基于大数据和边缘计算的数据处理方法进行示例性的说明，请参阅图1，是根据本专利技术的一些实施例所示的一种示例性基于大数据和边缘计算的数据处理方法和/或过程的流程图，基于大数据和边缘计算的数据处理方法可以包括以下步骤S1
‑
步骤4所描述的技术方案。
[0015]步骤S1，获取待进行交通调度的目标交通街区的目标交通流数据；对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析和行驶变道类轨迹分析，得到行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果。
[0016]示例性的说明中，目标交通街区的可以是经大数据分析或市民反馈之后存在严重拥堵的街区，比如闹市区、市中心、大型购物中心对应的交通街区。交通流数据可以理解为道路交通流量数据，可以包括车辆和/或行人的运动轨迹数据（速度、加速度）以及相应的时间顺序，交通流数据用于进行交通情况和路网情况的分析，从而实现智慧交通处理。交通流数据轨迹可以用于描述车辆和/或行人的活动轨迹，交通流数据轨迹可以是在电子二维地图中的曲线数据，也可以是二维坐标平面中的曲线数据，在此不做限定。进一步，行驶减速类轨迹分析和行驶变道类轨迹分析可以通过车辆的尾灯、转弯灯的运行数据进行。可以理解，大数据服务器可以与车辆的车载控制器通信以实时获取对应车辆的车灯状态。在实际应用时，减速和变道可能会同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据和边缘计算的数据处理方法，其特征在于，所述方法包括：获取待进行交通调度的目标交通街区的目标交通流数据；对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析和行驶变道类轨迹分析，得到行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果；通过预设的针对轨迹分析结果的局部校正模型，对所述行驶减速类的轨迹分析结果进行局部校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹；通过预设的针对轨迹分析结果的全局校正模型，对所述行驶变道类的轨迹分析结果进行全局校正处理，得到包括有行驶变道类轨迹的全局交通流数据在设定时段内对应的行驶轨迹；基于所述局部交通流数据在设定时段内对应的行驶轨迹和所述全局交通流数据在设定时段内对应的行驶轨迹进行交通调度处理，得到所述目标交通流数据中与目标轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹；其中，所述目标轨迹包括行驶减速类轨迹和行驶变道类轨迹中的至少一种，所述目标交通流数据在设定时段内对应的行驶轨迹用于对所述目标交通街区进行交通调度。2.根据权利要求1所述的方法，其特征在于，所述对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析和行驶变道类轨迹分析，得到行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果，包括：对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析，得到各个交通流数据轨迹中的行驶减速类轨迹分析指标、以及各行驶减速类轨迹分析指标所对应的初始行驶轨迹类型；基于各交通流数据轨迹中的行驶减速类轨迹分析指标和相应的初始行驶轨迹类型，确定行驶减速类的轨迹分析结果；对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶变道类轨迹分析，得到行驶变道类的轨迹分析结果。3.根据权利要求2所述的方法，其特征在于，所述对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶变道类轨迹分析，得到行驶变道类的轨迹分析结果，包括：对所述目标交通流数据中的多个交通流数据轨迹分别进行车辆姿态识别，得到各交通流数据轨迹分别对应的车辆姿态识别结果；对所述目标交通流数据中的多个交通流数据轨迹分别进行车辆车速识别，得到各交通流数据轨迹分别对应的车辆车速识别结果；将对应于相同车辆对象的车辆姿态识别结果和车辆车速识别结果进行关联；基于所述目标交通流数据中与目标车辆姿态识别结果相关联的车辆车速识别结果进行行驶变道类轨迹分析处理，得到行驶变道类的轨迹分析结果；其中，所述目标车辆姿态识别结果是被标记的车辆对象对应的车辆姿态识别结果。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述通过预设的针对轨迹分析结果的局部校正模型，对所述行驶减速类的轨迹分析结果进行局部校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹，包括：对所述行驶减速类的轨迹分析结果中的每个交通流数据轨迹分别进行轨迹类型匹配，
得到每个交通流数据轨迹各自对应的唯一行驶轨迹类型；基于每个交通流数据轨迹中与相应唯一行驶轨迹类型对应的行驶减速类轨迹分析指标的分析指标更新记录，分别进行轨迹分析指标更新处理，得到更新后的行驶减速类的轨迹分析结果；对所述更新后的行驶减速类的轨迹分析结果进行不间断更新处理，得到多个包括有行驶减速类轨迹的局部候选交通流数据在设定时段内对应的行驶轨迹；根据各所述局部候选交通流数据在设定时段内对应的行驶轨迹分别所对应的行驶减速类型，对属于相同行驶减速类型的局部候选交通流数据在设定时段内对应的行驶轨迹进行局部轨迹校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹；其中，所述对所述行驶减速类的轨迹分析结果中的每个交通流数据轨迹分别进行轨迹类型匹配，得到每个交通流数据轨迹各自对应的唯一行驶轨迹类型，包括：针对所述行驶减速类的轨迹分析结果中的每个交通流数据轨迹，当交通流数据轨迹的初始行驶轨迹类型的类型数量为不低于两个时，获取每个初始行驶轨迹类型的交通拥挤评价信息；当交通拥挤评价信息对应的交通拥挤系数最高的初始行驶轨迹类型为一个时，将所述交通拥挤评价信息对应的交通拥挤系数最高的初始行驶轨迹类型作为相应交通流数据轨迹的唯一行驶轨迹类型；当所述交通拥挤评价信息对应的交通拥挤系数最高的初始行驶轨迹类型为不低于两个时，针对每个交通拥挤评价信息对应的交通拥挤系数最高的初始行驶轨迹类型，获取对应的行驶减速类轨迹分析指标的轨迹分析指标更新频率；根据最高的轨迹分析指标更新频率所对应的初始行驶轨迹类型，确定相应交通流数据轨迹所对应的唯一行驶轨迹类型；其中，所述基于每个交通流数据轨迹中与相应唯一行驶轨迹类型对应的行驶减速类轨迹分析指标的分析指标更新记录，分别进行轨迹分析指标更新处理，得到更新后的行驶减速类的轨迹分析结果，包括：对于每个交通流数据轨迹，获取各交通流数据轨迹中与相应唯一行驶轨迹类型对应的行驶减速类轨迹分析指标的指标热度信息；当所述指标热度信息对应的当前指标热度在预设指标热度区间内时，维持相对应的行驶减速类轨迹分析结果，维持的所述行驶减速类轨迹分析结果包括行驶减速类轨迹分析指标、以及所述行驶减速类轨迹分析指标对应的唯一行驶轨迹类型；当所述指标热度信息对应的当前指标热度不在所述预设指标热度区间内时，将相应的交通流数据轨迹的行驶减速类轨迹分析结果进行删除；基于各交通流数据轨迹各自对应的行驶减速类轨迹分析结果，得到更新后的行驶减速类的轨迹分析结果。5.根据权利要求4所述的方法，其特征在于，所述对所述更新后的行驶减速类的轨迹分析结果进行不间断更新处理，得到多个包括有行驶减速类轨迹的局部候选交通流数据在设定时段内对应的行驶轨迹，包括：对所述更新后的行驶减速类的轨迹分析结果进行不间断更新处理，得到多组的自动驾驶轨迹和非自动驾驶轨...

【专利技术属性】
技术研发人员：顾小菊，
申请(专利权)人：顾小菊，
类型：发明
国别省市：