红灯时长挖掘方法、电子设备及计算机程序产品技术

本公开实施例公开了一种红灯时长挖掘方法、电子设备及计算机程序产品，所述方法包括：获取目标时段内的样本数据；所述样本数据包括在所述目标时间段内目标红绿灯前多个样本车辆的停车时长；将所述样本车辆按照所述停车时长排序，获得排序结果；确定以所述排序结果排列的所述样本车辆的所述停车时长的分布信息；基于所述分布信息确定所述样本车辆中所述停车时长的突变拐点；基于所述突变拐点对应的所述停车时长确定所述目标红绿灯的红灯时长。该技术方案由于利用大数据挖掘得到红绿灯的红灯时长，覆盖面积更加广泛，泛化性能更好，并且红灯时长能够精细化到一天中的某个时段，精度更高。更高。更高。

【技术实现步骤摘要】
红灯时长挖掘方法、电子设备及计算机程序产品


[0001]本公开涉及交通
，具体涉及一种红灯时长挖掘方法、电子设备及计算机程序产品。

技术介绍

[0002]目前，城市道路中造成拥堵的主要原因之一是红绿灯，而红绿灯的红灯时长则是各种道路交通场景下所需要的重要信息之一。例如，为了缓解用户在交通拥堵场景下的焦虑情绪，可以将用户当前要通行的红绿灯时长推送给用户。此外，红绿灯的红灯时长还可以用于精准计算通行路口代价，以作为辅助特征预测拥堵、消散等交通状况。已有技术中，红绿灯的红灯时长通常依赖于交管局提供的红绿灯周期及对应路口等，但是这种方式能够获得的红绿灯数据由于覆盖面小，无法满足大部分道路交通场景的需求。
[0003]因此，需要提出一种解决方案，用于挖掘道路上各种红绿灯的红灯时长，以满足各种道路交通场景的需求。

技术实现思路

[0004]本公开实施例提供一种红灯时长挖掘方法、电子设备及计算机程序产品。
[0005]第一方面，本公开实施例中提供了一种红灯时长挖掘方法，其中，包括：
[0006]获取目标时段内的样本数据；所述样本数据包括在所述目标时间段内目标红绿灯前多个样本车辆的停车时长；
[0007]将所述样本车辆按照所述停车时长排序，获得排序结果；
[0008]确定以所述排序结果排列的所述样本车辆的所述停车时长的分布信息；
[0009]基于所述分布信息确定所述样本车辆中所述停车时长的突变拐点；
[0010]基于所述突变拐点对应的所述停车时长确定所述目标红绿灯的红灯时长。
[0011]进一步地，所述分布信息包括以所述停车时长为纵坐标，以所述样本车辆在所述排序结果中的排序序号为横坐标的点。
[0012]进一步地，所述分布信息包括两部分：分布相对均匀的第一分布信息以及从所述第一分布信息突变后分布不均匀的第二分布信息；所述突变拐点位于基于所述第一分布信息以及所述第二分布信息之间。
[0013]进一步地，所述方法还包括：
[0014]获取基于多个目标时间段内的所述样本数据确定的多个所述红灯时长；
[0015]将多个所述红灯时长进行聚合，获得所述目标红绿灯的红灯时长的分布信息。
[0016]进一步地，所述获取目标时段内的样本数据，包括：
[0017]获取在目标时间段内所述目标红绿灯关联的两个连通路段上的轨迹数据；
[0018]基于所述样本车辆的所述轨迹数据确定从所述两个连通路段中的第一路段进入第二路段时，所述样本车辆的停车时长是否大于或等于预设长度；
[0019]将大于或等于所述预设长度的所述停车时长作为目标时段内的所述样本数据，加
入样本数据集。
[0020]进一步地，获取在目标时间段内所述目标红绿灯关联的两个连通路段上的轨迹数据之后，所述方法还包括：
[0021]基于预训练的轨迹分类模型确定所述轨迹数据的类别；
[0022]将所述类别为非机动车辆的所述轨迹数据剔除。
[0023]第二方面，本公开实施例中提供了一种交通状况分析方法，包括：利用第一方面所述的方法确定的目标红绿灯的红灯时长分析所述目标红绿灯所在道路的交通状况。
[0024]第三方面，本公开实施例中提供了一种基于位置的服务提供方法，包括：利用第二方面所述的方法得到的交通状况为被导航对象提供位置服务，所述基于位置的服务包括：导航、地图渲染、路线规划中的一种或多种。
[0025]第四方面，本公开实施例中提供了一种红灯时长挖掘装置，其中，包括：
[0026]第一获取模块，被配置为获取目标时段内的样本数据；所述样本数据包括在所述目标时间段内目标红绿灯前多个样本车辆的停车时长；
[0027]第二获取模块，被配置为将所述样本车辆按照所述停车时长排序，获得排序结果；
[0028]第一确定模块，被配置为确定以所述排序结果排列的所述样本车辆的所述停车时长的分布信息；
[0029]第二确定模块，被配置为基于所述分布信息确定所述样本车辆中所述停车时长的突变拐点；
[0030]第三确定模块，被配置为基于所述突变拐点对应的所述停车时长确定所述目标红绿灯的红灯时长。
[0031]第五方面，本公开实施例中提供了一种交通状况分析装置，包括：利用第四方面所述的装置确定的目标红绿灯的红灯时长分析所述目标红绿灯所在道路的交通状况。
[0032]第六方面，本公开实施例中提供了一种基于位置的服务提供装置，包括：利用第五方面所述的装置得到的交通状况为被导航对象提供位置服务，所述基于位置的服务包括：导航、地图渲染、路线规划中的一种或多种。
[0033]所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
[0034]在一个可能的设计中，上述装置的结构中包括存储器和处理器，所述存储器用于存储一条或多条支持上述装置执行上述对应方法的计算机指令，所述处理器被配置为用于执行所述存储器中存储的计算机指令。上述装置还可以包括通信接口，用于上述装置与其他设备或通信网络通信。
[0035]第七方面，本公开实施例提供了一种电子设备，包括存储器、处理器以及存储在存储器上的计算机程序，其中，所述处理器执行所述计算机程序以实现上述任一方面所述的方法。
[0036]第八方面，本公开实施例提供了一种计算机可读存储介质，用于存储上述任一装置所用的计算机指令，该计算机指令被处理器执行时用于实现上述任一方面所述的方法。
[0037]第九方面，本公开实施例提供了一种计算机程序产品，其包含计算机指令，该计算机指令被处理器执行时用于实现上述任一方面所述的方法。
[0038]本公开实施例提供的技术方案可以包括以下有益效果：
[0039]本公开实施例在挖掘红灯时长的过程中，首先获得目标时段中样本车辆的停车时长，进而通过停车时长对样本车辆进行排序，并获得按照排序结果排列的各样本车辆的停车时长的分布信息，基于该分布信息确定样本车辆的停车时长的突变拐点，并基于突变拐点对应的停车时长确定红灯时长。本公开实施例在挖掘红灯时长时，由于不依赖于红绿灯的周期时长，准确度更高；此外，本公开实施例由于利用大数据挖掘得到红绿灯的红灯时长，覆盖面积更加广泛，泛化性能更好，并且红灯时长能够精细化到一天中的某个时段，精度更高。
[0040]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0041]结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。在附图中：
[0042]图1示出根据本公开一实施方式的红灯时长挖掘方法的流程图；
[0043]图2示出根据本公开一实施方式中样本车辆的停车时长的分布信息示意图；
[0044]图3示出根据本公开一实施方式中停车时长的分布信息中的拐点挖掘方式的效果示意图；
[0045]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种红灯时长挖掘方法，其中，包括：获取目标时段内的样本数据；所述样本数据包括在所述目标时间段内目标红绿灯前多个样本车辆的停车时长；将所述样本车辆按照所述停车时长排序，获得排序结果；确定以所述排序结果排列的所述样本车辆的所述停车时长的分布信息；基于所述分布信息确定所述样本车辆中所述停车时长的突变拐点；基于所述突变拐点对应的所述停车时长确定所述目标红绿灯的红灯时长。2.根据权利要求1所述的方法，其中，所述分布信息包括以所述停车时长为纵坐标，以所述样本车辆在所述排序结果中的排序序号为横坐标的点。3.根据权利要求1或2所述的方法，其中，所述分布信息包括两部分：分布相对均匀的第一分布信息以及从所述第一分布信息突变后分布不均匀的第二分布信息；所述突变拐点位于基于所述第一分布信息以及所述第二分布信息之间。4.根据权利要求1或2所述的方法，其中，所述方法还包括：获取基于多个目标时间段内的所述样本数据确定的多个所述红灯时长；将多个所述红灯时长进行聚合，获得所述目标红绿灯的红灯时长的分布信息。5.根据权利要求1或2所述的方法，其中，所述获取目标时段内的样本数据，包括：获取在目标时间段内所述目标红绿灯关联的两个连通路段上的轨迹数据；基于所述样本车辆的所...

【专利技术属性】
技术研发人员：李奕衡，刘羽飞，王登，左帆，周海洋，
申请(专利权)人：高德软件有限公司，
类型：发明
国别省市：