本申请涉及一种交通状态监测方法、装置、计算机设备和可读存储介质。所述方法包括：获取目标路段在观测时长内的采样所得车辆GPS数据；根据所述车辆GPS数据计算所述观测时长内各采样周期的交通流离散度；确定所述观测时长内的所述交通流离散度处于预设范围的第一比率；若所述第一比率大于比率阈值，则确定在所述观测时长内所述目标路段的交通状态为拥堵状态。采用本方法能够提高交通状态监测的准确性。性。性。
【技术实现步骤摘要】
交通状态监测方法、装置、计算机设备和可读存储介质
[0001]本申请涉及交通流量监控
，特别是涉及一种交通状态监测方法、装置、计算机设备和可读存储介质。
技术介绍
[0002]近年来随着我国经济的飞速发展，私家车数量日益增加所产生的交通需求，与交通基础设施所能提供的通行能力之间愈加不平衡，交通拥堵问题己成为出行者最大的困扰。为缓解交通拥堵问题，通常需要对各个路段的交通状态进行监测，传统的交通状态监测方法是通过在各个路口埋设车检器以获取交通流量数据，然后基于车检器所对应的分析模型对获取的交通流量数据进行分析，从而得到对应的交通状态。
[0003]然而对于车辆密度大、车流量多的路段，采用传统的交通状态监测方法所获取的交通流量数据往往与实际误差较大，从而导致所监测的交通状态不准确。
技术实现思路
[0004]基于此，有必要针对交通状态监测结果不准确的技术问题，提供一种交通状态监测方法、装置、计算机设备和可读存储介质。
[0005]一种交通状态监测方法，所述方法包括：
[0006]获取目标路段在观测时长内采样所得的车辆GPS数据；
[0007]根据所述车辆GPS数据计算所述观测时长内各采样周期的交通流离散度；
[0008]确定所述观测时长内的所述交通流离散度处于预设范围的第一比率；
[0009]若所述第一比率大于比率阈值，则确定在所述观测时长内所述目标路段的交通状态为拥堵状态。
[0010]在一个实施例中，所述获取目标路段在观测时长内的采样所得车辆GPS数据，包括：
[0011]获取目标路段在观测时长内采样所得的原始车辆GPS数据；
[0012]对所述原始车辆GPS数据进行无效数据剔除处理，得到车辆GPS数据。
[0013]在一个实施例中，所述车辆GPS数据包括车辆数量、车辆速度和车辆位置，所述根据所述车辆GPS数据计算所述观测时长内各采样周期的交通流离散度，包括：
[0014]根据所述车辆数量和所述车辆速度计算速度变异系数；
[0015]根据所述车辆数量和所述车辆位置计算跟车距离变异系数；
[0016]根据所述速度变异系数和所述跟车距离变异系数计算所述观测时长内各采样周期的交通流离散度。
[0017]在一个实施例中，所述根据所述车辆数量和所述车辆位置计算跟车距离变异系数，包括：
[0018]根据所述车辆位置计算跟车距离；
[0019]根据所述车辆数量和所述跟车距离计算跟车距离变异系数。
[0020]在一个实施例中，所述确定所述观测时长内的所述交通流离散度处于预设范围的第一比率，包括：
[0021]获取所述观测时长对应的第一时长和所述采样周期对应的第二时长；
[0022]根据所述第一时长和所述第二时长计算在所述观测时长内的采样次数；
[0023]确定在所述观测时长内所述交通流离散度处于所述预设范围的命中次数；
[0024]根据所述采样次数和所述命中次数，计算在所述观测时长内所述交通流离散度处于预设范围的第一比率。
[0025]在一个实施例中，所述方法还包括：
[0026]根据所述观测时长内各采样周期的交通流离散度，预测目标观测时长内各目标采样周期的交通流离散度，得到预测交通流离散度；
[0027]确定所述目标观测时长内的所述预测交通流离散度处于所述预设范围的第二比率；
[0028]若所述第二比率大于所述比率阈值，则确定在所述目标观测时长内所述目标路段的交通状态为拥堵状态。
[0029]在一个实施例中，所述根据所述观测时长内各采样周期的交通流离散度，预测目标观测时长内各目标采样周期的交通流离散度，包括：
[0030]将所述观测时长内各采样周期的交通流离散度输入交通流离散度预测模型；所述交通流离散度预测模型为自回归移动平均模型；
[0031]通过所述交通流离散度预测模型预测所述目标观测时长内各目标采样周期的交通流离散度。
[0032]在一个实施例中，所述方法还包括：
[0033]根据在所述目标观测时长内所述目标路段的交通状态为拥堵状态，对所述目标路段对应路口的信号灯配时进行调整。
[0034]在一个实施例中，所述方法还包括：
[0035]根据在所述观测时长内所述目标路段的交通状态为拥堵状态生成拥堵提示信息；所述拥堵提示信息用于提示所述目标路段发生拥堵；
[0036]将所述拥堵提示信息发送至目标终端。
[0037]一种交通状态监测装置，所述装置包括：
[0038]数据获取模块，用于获取目标路段在观测时长内采样所得的车辆GPS数据；
[0039]交通流离散度计算模块，用于根据所述车辆GPS数据计算所述观测时长内各采样周期的交通流离散度；
[0040]比率确定模块，用于确定所述观测时长内的所述交通流离散度处于预设范围的第一比率；
[0041]交通状态确定模块，用于若所述第一比率大于比率阈值，则确定在所述观测时长内所述目标路段的交通状态为拥堵状态。
[0042]在一个实施例中，所述数据获取模块，还用于：
[0043]获取目标路段在观测时长内采样所得的原始车辆GPS数据；
[0044]对所述原始车辆GPS数据进行无效数据剔除处理，得到车辆GPS数据。
[0045]在一个实施例中，所述车辆GPS数据包括车辆数量、车辆速度和车辆位置，所述交
通流离散度计算模块，还用于：
[0046]根据所述车辆数量和所述车辆速度计算速度变异系数；
[0047]根据所述车辆数量和所述车辆位置计算跟车距离变异系数；
[0048]根据所述速度变异系数和所述跟车距离变异系数计算所述观测时长内各采样周期的交通流离散度。
[0049]在一个实施例中，所述交通流离散度计算模块，还用于：
[0050]根据所述车辆位置计算跟车距离；
[0051]根据所述车辆数量和所述跟车距离计算跟车距离变异系数。
[0052]在一个实施例中，所述比率确定模块，还用于：
[0053]获取所述观测时长对应的第一时长和所述采样周期对应的第二时长；
[0054]根据所述第一时长和所述第二时长计算在所述观测时长内的采样次数；
[0055]确定在所述观测时长内所述交通流离散度处于所述预设范围的命中次数；
[0056]根据所述采样次数和所述命中次数，计算在所述观测时长内所述交通流离散度处于预设范围的第一比率。
[0057]在一个实施例中，所述装置还包括：交通流离散度预测模块，其中：
[0058]所述交通流离散度预测模块，用于根据所述观测时长内各采样周期的交通流离散度，预测目标观测时长内各目标采样周期的交通流离散度，得到预测交通流离散度；
[0059]所述比率确定模块，还用于确定所述目标观测时长内的所述预测交通流离散度处于所述预设范围的第二比率；
[0060]所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交通状态监测方法，其特征在于，所述方法包括：获取目标路段在观测时长内采样所得的车辆GPS数据；根据所述车辆GPS数据计算所述观测时长内各采样周期的交通流离散度；确定所述观测时长内的所述交通流离散度处于预设范围的第一比率；若所述第一比率大于比率阈值，则确定在所述观测时长内所述目标路段的交通状态为拥堵状态。2.根据权利要求1所述的方法，其特征在于，所述获取目标路段在观测时长内采样所得的车辆GPS数据，包括：获取目标路段在观测时长内采样所得的原始车辆GPS数据；对所述原始车辆GPS数据进行无效数据剔除处理，得到车辆GPS数据。3.根据权利要求1所述的方法，其特征在于，所述车辆GPS数据包括车辆数量、车辆速度和车辆位置，所述根据所述车辆GPS数据计算所述观测时长内各采样周期的交通流离散度，包括：根据所述车辆数量和所述车辆速度计算速度变异系数；根据所述车辆数量和所述车辆位置计算跟车距离变异系数；根据所述速度变异系数和所述跟车距离变异系数计算所述观测时长内各采样周期的交通流离散度。4.根据权利要求3所述的方法，其特征在于，所述根据所述车辆数量和所述车辆位置计算跟车距离变异系数，包括：根据所述车辆位置计算跟车距离；根据所述车辆数量和所述跟车距离计算跟车距离变异系数。5.根据权利要求1所述的方法，其特征在于，所述确定所述观测时长内的所述交通流离散度处于预设范围的第一比率，包括：获取所述观测时长对应的第一时长和所述采样周期对应的第二时长；根据所述第一时长和所述第二时长计算在所述观测时长内的采样次数；确定在所述观测时长内所述交通流离散度处于所述预设范围的命中次数；根据所述采样次数和所述命中次数，计算在所述观测时长内所述交通流离散度处于预设范围的第一比率。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述观测时长内各采样周期的交通流离散度，预测目标观测时长内各目标采样周期的交通流离散...
【专利技术属性】
技术研发人员：陈清元，
申请(专利权)人：深圳市万普拉斯科技有限公司，
类型：发明
国别省市：
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。