【技术实现步骤摘要】
本专利技术涉及道路状况预测，特别涉及一种基于边缘计算的道路状况预测方法及系统。
技术介绍
1、随着国家的不断发展进步，社会人口不断增加的同时，人民的生活水平也在不断提高，出行成为了日常生活中必不可少的环节，所以当前道路中人流量和车流量都很庞大，这很容易导致出行事故的发生，因此，为了保证道路通行安全，需要进行道路状况预测，道路状况预测是指利用传感器、数据处理和分析技术，对道路的交通流量、拥堵程度、交通事故概率等信息进行实施预测，进行道路状况预测可以提前预警道路状况和可能发生的交通事故，有效地减少交通拥堵，进而提高交通安全。
2、现有技术，申请号：202210093295.6，公开了一种道路状态预测方法：包括：获取当前时段的输入车流数据；输入车流数据包括车流密度和车流密度对应的平均车速；输入车流数据包括第一道路的第一输入车流数据和第二道路的第二输入车流数据；第一道路与第二道路相连；基于输入车流数据，确定输入车流量；输入车流量包括第一道路对应的第一输入车流量和第二道路的对应的第二输入车流量；获取第三道路的当前时段的平均车速；第三道路为第一道路和第二道路的汇入道路；获取预先建立的道路状态预测模型；道路状态预测模型用于预测第三道路的道路状态。以上技术方案虽然实现了道路状态预测，但是采集数据运用的为固定安装的传感器，会出现采集的数据不完整的情况，从而导致预测结果错误。
3、因此，如何保证道路预测结果的准确性，从而实现出行安全，是道路状况预测
亟待解决的问题之一。
技术实现思路
1、本专利技术旨在至少一定程度上解决上述技术中的技术问题。为此，本专利技术的目的在于提供一种基于边缘计算的道路状况预测方法及系统，通过边缘设备采集目标道路及其关联道路的道路数据，对道路数据进行预处理，基于预处理后的道路数据对目标道路进行道路状况预测，达到保证道路预测结果的准确性，从而实现出行安全的技术效果。
2、本专利技术提供一种基于边缘计算的道路状况预测方法，包括：
3、接收用户请求，根据用户请求确定目标道路；
4、利用第一边缘设备，采集目标道路对应的目标道路数据；
5、确定目标道路的道路信息，根据道路信息确定目标道路的关联道路；
6、利用第二边缘设备，采集关联道路对应的关联道路数据；
7、对目标道路数据进行数据预处理，得到预处理目标道路数据；
8、对关联道路数据进行数据预处理，得到预处理关联道路数据；
9、基于预处理目标道路数据和预处理关联道路数据对目标道路进行道路状况预测。
10、优选的，基于边缘计算的道路状况预测方法，目标道路数据包括目标道路在不同时间的目标车辆数据和目标行人数据。
11、优选的，基于边缘计算的道路状况预测方法，确定目标道路的道路信息，根据道路信息确定目标道路的关联道路，包括：
12、确定目标道路的名称信息和位置信息；其中，位置信息包括目标道路起点位置信息和目标道路终点位置信息；
13、基于目标道路的名称信息和位置信息，通过预设地理信息系统确定目标道路的关联道路。
14、优选的，基于边缘计算的道路状况预测方法，对目标道路数据进行数据预处理，得到预处理目标道路数据，包括：
15、对目标道路数据进行离群数据检测操作，根据检测结果剔除目标道路数据中的离群数据，得到优化目标道路数据；
16、对优化目标道路数据进行缺失数据填补操作，将完成缺失数据填补的优化目标道路数据作为预处理目标道路数据。
17、优选的，基于边缘计算的道路状况预测方法，对目标道路数据进行离群数据检测操作，根据检测结果剔除目标道路数据中的离群数据，得到优化目标道路数据，包括：
18、确定当前进行离群数据检测操作的为目标道路数据中的目标车辆数据；
19、选择任一目标车辆数据作为待处理车辆数据，根据待处理车辆数据所处的预设车辆数据范围，确定待处理车辆数据对应的第一影响系数；
20、基于第一影响系数，利用预设第二影响系数计算公式确定待处理车辆数据对应的第二影响系数；
21、将第一影响系数与第二影响系数相乘所得的乘积作为待处理车辆数据的离群影响系数；
22、对所有的目标车辆数据进行以上操作，得到每个目标车辆数据对应的离群影响系数；
23、将所有离群影响系数的均值作为平均离群影响系数，将所有目标车辆数据的数据均值作为平均车辆数据；
24、根据目标车辆数据和目标车辆数据对应的获取时间，建立以时间为横轴，目标车辆数据为纵轴的时间-车辆坐标系；
25、根据时间-车辆坐标系的横轴确定中间时间，在时间-车辆坐标系中，根据中间时间和平均车辆数据确定目标点；
26、在时间-车辆坐标系中确定以目标点为圆心，平均离群影响系数为半径的比较区域；
27、在时间-车辆坐标系中，以每个目标车辆数据所处位置为圆心，每个目标车辆数据对应的离群影响系数为半径，确定每个目标车辆数据对应的目标影响区域；
28、将每个目标车辆数据对应的目标影响区域与比较区域的比值作为目标区域重叠指数；
29、当目标区域重叠指数小于等于预设重叠阈值时，计算目标车辆数据所处位置到比较区域的最小距离；
30、当最小距离大于第一预设距离阈值时，确定目标车辆数据为第一离群数据；
31、计算第一离群数据与时间-车辆坐标系中除目标点之外的所有目标车辆数据之间的差值，将小于预设差值阈值的差值个数作为第一离群数据的局部密度；
32、确定局部密度最大的第一离群数据为标准离群数据；
33、计算除标准离群数据外的第一离群数据与标准离群数据之间的欧氏距离；
34、将除标准离群数据外的第一离群数据的局部密度与对应欧式距离的比值作为第一离群数据的离群度；
35、将离群度与预设离群度量值进行比较，当离群度小于预设离群度量值时，将对应的第一离群数据剔除，将完成数据剔除后的目标车辆数据作为优化目标车辆数据；
36、对目标道路的目标行人数据进行以上操作，得到优化目标行人数据；
37、优化目标车辆数据和优化目标行人数据组成优化目标道路数据。
38、优选的，基于边缘计算的道路状况预测方法，对优化目标道路数据进行缺失数据填补操作，将完成缺失数据填补的优化目标道路数据作为预处理目标道路数据，包括：
39、确定当前进行缺失值填补操作的为优化目标车辆数据，按照采集时间的先后顺序对优化目标车辆数据进行排序操作，得到排序目标车辆数据；
40、基于排序目标车辆数据和采集时间确定数据时间轴；
41、根据数据时间轴确定缺失数据对应的时刻，作为待填充时刻；
42、确定待填充时刻的前一时刻对应的排序目标车辆数据，作为第一填充数据；
43、确定待填充时刻的后一时刻对应的排序目标车辆数据，本文档来自技高网...
【技术保护点】
1.一种基于边缘计算的道路状况预测方法，其特征在于，包括：
2.如权利要求1所述的基于边缘计算的道路状况预测方法，其特征在于，所述目标道路数据包括目标道路在不同时间的目标车辆数据和目标行人数据。
3.如权利要求1所述的基于边缘计算的道路状况预测方法，其特征在于，确定所述目标道路的道路信息，根据所述道路信息确定目标道路的关联道路，包括：
4.如权利要求2所述的基于边缘计算的道路状况预测方法，其特征在于，对所述目标道路数据进行数据预处理，得到预处理目标道路数据，包括：
5.如权利要求4所述的基于边缘计算的道路状况预测方法，其特征在于，对目标道路数据进行离群数据检测操作，根据检测结果剔除目标道路数据中的离群数据，得到优化目标道路数据，包括：
6.如权利要求5所述的基于边缘计算的道路状况预测方法，其特征在于，对所述优化目标道路数据进行缺失数据填补操作，将完成缺失数据填补的优化目标道路数据作为预处理目标道路数据，包括：
7.如权利要求6所述的基于边缘计算的道路状况预测方法，其特征在于，所述预处理关联道路数据包括预处理关
8.如权利要求7所述的基于边缘计算的道路状况预测方法，其特征在于，基于预处理目标道路数据和预处理关联道路数据对目标道路进行道路状况预测，包括：
9.如权利要求8所述的基于边缘计算的道路状况预测方法，其特征在于，基于所述数据均值和若干组子预处理目标车辆数据确定预处理目标车辆数据对应的第一车辆指数，包括：
10.一种基于边缘计算的道路状况预测系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于边缘计算的道路状况预测方法，其特征在于，包括：
2.如权利要求1所述的基于边缘计算的道路状况预测方法，其特征在于，所述目标道路数据包括目标道路在不同时间的目标车辆数据和目标行人数据。
3.如权利要求1所述的基于边缘计算的道路状况预测方法，其特征在于，确定所述目标道路的道路信息，根据所述道路信息确定目标道路的关联道路，包括：
4.如权利要求2所述的基于边缘计算的道路状况预测方法，其特征在于，对所述目标道路数据进行数据预处理，得到预处理目标道路数据，包括：
5.如权利要求4所述的基于边缘计算的道路状况预测方法，其特征在于，对目标道路数据进行离群数据检测操作，根据检测结果剔除目标道路数据中的离群数据，得到优化目标道路数据，包括：
6.如权利...
【专利技术属性】
技术研发人员：田森溧，胡华荣，
申请(专利权)人：南京清正源信息技术有限公司，
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。