[go: up one dir, main page]

CN110050300A - 交通拥堵监控系统和方法 - Google Patents

交通拥堵监控系统和方法 Download PDF

Info

Publication number
CN110050300A
CN110050300A CN201780071732.1A CN201780071732A CN110050300A CN 110050300 A CN110050300 A CN 110050300A CN 201780071732 A CN201780071732 A CN 201780071732A CN 110050300 A CN110050300 A CN 110050300A
Authority
CN
China
Prior art keywords
congested
congestion
area
determining
road segment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201780071732.1A
Other languages
English (en)
Other versions
CN110050300B (zh
Inventor
刘国平
程晓澄
孔鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Publication of CN110050300A publication Critical patent/CN110050300A/zh
Application granted granted Critical
Publication of CN110050300B publication Critical patent/CN110050300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及交通拥堵监控系统和方法。所述系统可以执行所述方法以在第一时间点获取与至少两个车辆的速度或位置相关的交通数据；根据交通数据，确定至少两个拥堵路段；通过搜索拓扑结构上接近的拥堵路段，并且通过聚类由搜索生成的拥堵路段，确定一个或以上拥堵区域；对于一个或以上拥堵区域中的每一个区域，确定拥堵区域是正常拥堵区域还是异常拥堵区域；并显示与一个或以上拥堵区域中的至少一个区域相关的拥堵信息，其中，拥堵信息可以包括指示所述一个或以上拥堵区域中的至少一个区域是正常拥堵区域还是异常拥堵区域的指定。

Description

交通拥堵监控系统和方法
技术领域
本申请一般涉及用于交通管制的方法和系统，更具体地，涉及用于监控交通拥堵的系统和方法。
背景技术
交通拥堵可包括正常拥堵和异常拥堵。正常拥堵通常是由在高峰时段内出行的人数和车辆数量增加造成的，这在很大程度上是可以预测的。异常拥堵可能是由于交通事故或恶劣天气造成的，这是不可预测的。对于正常拥堵，交通可以在一定时间内自行通畅。但是，对于异常拥堵，交通可能需要在交通管制部门的疏导下更快地改善。因此，交通管理部门需要及时了解异常拥堵。一般而言，交通管制部门依靠经验来确定异常拥堵，使得交通管制效率低下且不准确。因此，希望提供用于监控拥堵的系统和方法，至少用于有效且准确地确定异常拥堵。
发明内容
本申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
根据本申请的第一方面，提供了一种系统。该系统可包括至少一个存储指令集的存储设备；至少一个处理器被配置用于与存储设备通信。当执行指令集时，至少一个处理器被配置为使系统执行以下操作。至少一个处理器可以在第一时间点获取与至少两个车辆的速度或位置相关的交通数据。至少一个处理器可以基于交通数据，确定至少两个拥堵路段。所述至少一个处理器可以通过搜索拓扑结构上接近的拥堵路段，并且通过聚类由所述搜索生成的所述拥堵路段，确定一个或以上拥堵区域。对于一个或以上拥堵区域中的每一个区域，至少一个处理器可以确定拥堵区域是正常拥堵区域还是异常拥堵区域。所述至少一个处理器可以显示与所述一个或以上拥堵区域中的至少一个相关的拥堵信息，其中，拥堵信息包括指示一个或以上拥堵区域中的至少一个区域是正常拥堵区域还是异常拥堵区域的指定。
在一些实施例中，使用具有噪声的基于密度的聚类(DBSCAN)算法和Dijkstra算法，确定一个或以上拥堵区域。
在一些实施例中，至少一个处理器可以启动用于确定一个或以上拥堵区域的第一迭代过程。第一迭代过程可包括至少两个迭代。第一迭代过程中的每个迭代可以包括从至少两个拥堵路段选择一个拥堵路段作为第一目标路段。第一迭代过程中的每个迭代还可以包括从至少两个拥堵路段确定一个或以上第一拥堵路段。第一目标路段与一个或以上第一拥堵路段中的每一个路段之间的拓扑距离可以小于阈值距离。第一迭代过程中的每个迭代还可以包括将一个或以上第一拥堵路段添加到集群。第一迭代过程中的每个迭代还可以包括基于集群确定与第一目标路段相关的拥堵区域。所述至少一个处理器可以基于在第一迭代过程中的每个迭代中确定的拥堵区域来确定一个或以上拥堵区域。
在一些实施例中，至少一个处理器可以基于集群，启动用于确定与第一目标路段相关的拥堵区域的第二迭代过程。第二迭代过程可包括至少两个迭代。第二迭代过程中的每个迭代可以包括从集群中选择一个拥堵路段作为第二目标路段。第二迭代过程中的每个迭代还可以包括从至少两个拥堵路段中确定一个或以上第二拥堵路段。第二目标路段与一个或以上第二拥堵路段中的每一个路段之间的拓扑距离可以小于阈值距离。第二迭代过程中的每个迭代还可以包括将一个或以上第二拥堵路段添加到集群。所述至少一个处理器可以将集群中的第一目标路段和拥堵路段聚集为与第一目标路段相关的拥堵区域。
在一些实施例中，第二迭代过程中的至少两个迭代中的至少一个迭代还可以包括确定在集群中已经选择作为第二目标路段的所有拥堵路段。第二迭代过程中的至少两个迭代中的至少一个迭代还可以包括响应于确定，终止第二迭代过程。
在一些实施例中，第二迭代过程中的至少两个迭代中的至少一个迭代还可以包括确定集群中的至少一个拥堵路段尚未被选择为第二目标路段。第二迭代过程中的至少两个迭代中的至少一个迭代可以进一步包括响应于确定，启动第二迭代过程的新迭代。
在一些实施例中，第一迭代过程中的至少两个迭代中的至少一个迭代可以进一步包括确定至少两个拥堵路段中的每一个路段被包括在由第一迭代过程中的每个迭代确定的拥堵区域中。第二迭代过程中的至少两个迭代中的至少一个迭代可以进一步包括响应于确定，终止第一迭代过程。
在一些实施例中，第一迭代过程中的至少两个迭代中的至少一个迭代可以进一步包括确定至少两个拥堵路段中的至少一个路段不包括在由第一迭代过程中的每个迭代确定的拥堵区域中。第一迭代过程中的至少两个迭代中的至少一个迭代可以进一步包括响应于确定，启动第一迭代过程的新迭代。
在一些实施例中，对于至少两个拥堵路段中的每一个路段，至少一个处理器可以获取与拥堵路段相关的历史拥堵数据。至少一个处理器可以基于历史拥堵数据，确定拥堵路段的拥堵概率。至少一个处理器可以确定拥堵概率是否大于阈值概率。响应于确定拥堵概率小于或等于阈值概率，至少一个处理器可以将拥堵路段确定为异常拥堵路段。对于一个或以上拥堵区域中的每一个区域，所述至少一个处理器可以确定拥堵区域中的异常拥堵路段的数量是否大于阈值数。响应于确定拥堵区域中的异常拥堵路段数量大于阈值数，至少一个处理器可以将拥堵区域确定为异常拥堵区域；或者，响应于确定拥堵区域中的异常拥堵路段的数量小于或等于阈值数，确定拥堵区域为正常拥堵区域。
在一些实施例中，至少一个处理器可以获取对应于第一时间点之前的至少一个相似拥堵区域的历史拥堵信息，其中，所述至少一个相似拥堵区域基本上相似于所述拥堵信息正在被显示的所述至少一个拥堵区域。所述至少一个处理器可以将所述至少一个相似拥堵区域的历史拥堵信息与所述拥堵信息正在被显示的所述至少一个拥堵区域的所述拥堵信息进行比较。
根据本申请的又一方面，提供了一种方法。该方法可以在具有一个或以上处理器和一个或以上存储介质的计算设备上实现。所述方法可以包括一个或以上下述操作。一个或以上处理器可以在第一时间点获取与至少两个车辆的速度或位置相关的交通数据。一个或以上处理器可以基于交通数据，确定至少两个拥堵路段。一个或以上处理器可以通过搜索拓扑结构上接近的拥堵路段，并且通过聚类由所述搜索生成的所述拥堵路段，确定一个或以上拥堵区域。对于一个或以上拥堵区域中的每一个区域，一个或以上处理器可以确定拥堵区域是正常拥堵区域还是异常拥堵区域。一个或以上处理器可以显示与一个或以上拥堵区域中的至少一个区域相关的拥堵信息，其中，拥堵信息包括指示一个或以上拥堵区域中的至少一个区域是正常拥堵区域还是异常拥堵区域的指定。
根据本申请的又一方面，提供了一种系统。该系统可以包括交通数据获取模块，被配置用于在第一时间点获取与至少两个车辆的速度或位置相关的交通数据；拥堵路段确定模块，被配置为基于交通数据，确定至少两个拥堵路段；聚类模块，被配置为通过搜索拓扑结构上接近的拥堵路段，并且通过聚类由所述搜索生成的所述拥堵路段，确定一个或以上拥堵区域；分配模块，被配置用于为一个或以上拥堵区域中的每一个区域确定拥堵区域是正常拥堵区域还是异常拥堵区域；显示模块，被配置用于显示与一个或以上拥堵区域中的至少一个区域相关的拥堵信息，其中，拥堵信息包括指示一个或以上拥堵区域中的至少一个区域是正常拥堵区域还是异常拥堵区域的指定。
根据本申请的又一方面，非暂时性计算机可读介质可包括至少一个指令集。至少一个指令集可以由计算设备的一个或以上处理器执行。一个或以上处理器可以在第一时间点获取与至少两个车辆的速度或位置相关的交通数据。一个或以上处理器可以基于交通数据，确定至少两个拥堵路段。一个或以上处理器可以通过搜索拓扑结构上接近的拥堵路段，并且通过聚类由所述搜索生成的所述拥堵路段，确定一个或以上拥堵区域。对于一个或以上拥堵区域中的每一个区域，一个或以上处理器可以确定拥堵区域是正常拥堵区域还是异常拥堵区域。一个或以上处理器可以显示与一个或以上拥堵区域中的至少一个区域相关的拥堵信息，其中，拥堵信息包括指示一个或以上拥堵区域中的至少一个是正常拥堵区域还是异常拥堵区域的指令。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例是非限制性的示例性实施例，在这些实施例中，各图中相同的编号表示相似的结构，其中：
图1是根据本申请的一些实施例所示的示例性交通拥堵监控系统的示意图；
图2是根据本申请的一些实施例所示的可以在其上实现处理引擎的计算设备的示例性硬件和/或软件组件的示意图；
图3是根据本申请的一些实施例所示的可以在其上实现一个或以上用户终端的移动设备的示例性硬件和/或软件组件的示意图；
图4是根据本申请的一些实施例所示的示例性处理引擎的示意框图。
图5是根据本申请的一些实施例所示的用于显示与至少一个拥堵区域相关的拥堵信息的示例性过程的流程图；
图6是根据本申请的一些实施例所示的用于基于DBSCAN算法和Dijkstra算法确定一个或以上拥堵区域的示例性过程的流程图；
图7是根据本申请的一些实施例所示的用于确定异常拥堵路段的示例性过程的流程图。
图8是根据本申请的一些实施例所示的用于确定异常拥堵区域的示例性过程的流程图。
图9是根据本申请的一些实施例所示的用于产生交通变化信息的示例性过程的流程图。
图10是根据本申请的一些实施例所示的用于显示与异常拥堵区域相关的示例性拥堵信息的示意图；以及
图11A和11B是根据本申请的一些实施例所示的用于显示与异常拥堵区域相关的示例性交通变化信息的示意图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和利用本申请，并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲，显然可以对所披露的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请并不限于所描述的实施例，而应该被给予与权利要求一致的最广泛的范围。
本申请中所使用的术语仅用于描述特定的示例性实施例，并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本申请说明书中，术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
根据以下对附图的描述，本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本申请说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。
本申请中使用了流程图用来说明根据本申请的一些实施例的系统所执行的操作。应当理解的是，流程图中的操作可以不按顺序执行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
此外，虽然本申请中的系统和方法主要涉及监控交通拥堵，但是还应该理解，这仅是一个示例性实施例。本申请的系统和方法的应用场景可以包括网页、浏览器插件、客户端、客户系统、内部分析系统、人工智能机器人等或其任意组合。
本申请的一个方面涉及用于监控交通拥堵的系统和方法。根据本申请的目的，交通拥堵监控系统可以获取至少两个车辆的实时位置和实时速度。交通拥堵监控系统可以基于实时位置和实时速度确定车辆拥堵的至少两个拥堵路段。交通拥堵监控系统可以通过使用DBSCAN算法和Dijkstra算法，搜索拓扑结构上接近的拥堵路段，并且聚类由所述搜索生成的拥堵路段来确定拥堵区域。交通拥堵监控系统可以确定拥堵区域中的拥堵是否是难以预测并且不经常发生的异常拥堵(例如，由诸如交通事故的偶然事件引起)。交通拥堵监控系统可以显示具有异常拥堵的拥堵区域。交通拥堵监控系统还可以显示所述异常拥堵从何时开始、所述异常拥堵的一部分何时结束、所述异常拥堵已经持续或将会持续多长时间、或者所述异常拥堵波及到哪里。
图1是根据一些实施例的示例性交通拥堵监控系统100的示意图。交通拥堵监控系统100可以包括服务器110、网络120、用户终端130、存储设备140和定位系统150。
在一些实施例中，服务器110可以是单个服务器，也可以是服务器组。所述服务器组可以是集中式的，也可以是分布式的(例如，服务器110可以是分布式的系统)。在一些实施例中，服务器110可以是本地的，也可以是远程的。例如，服务器110可以经由网络120访问存储在用户终端130和/或存储设备140中的信息和/或数据。又例如，服务器110可以直接连接到用户终端130和/或存储设备140以访问存储的信息和/或数据。在一些实施例中，服务器110可以在云平台上实施。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，服务器110可以在本申请中的图2描述的包含了一个或以上组件的计算设备200上执行。
在一些实施例中，服务器110可以包括处理引擎112。处理引擎112可以处理与交通拥堵监控有关的信息和/或数据，以执行本申请中描述的一个或以上的功能。例如，处理引擎112可以通过搜索拓扑结构上接近的拥堵路段并且聚类由所述搜索生成的拥堵路段来确定一个或以上拥堵区域。又例如，处理引擎112可以确定拥堵区域是正常拥堵区域还是异常拥堵区域。在一些实施例中，所述处理引擎112可包括一个或以上处理引擎(例如，单芯片处理引擎或多芯片处理引擎)。仅作为示例，处理引擎112可以包括一个或以上硬件处理器，例如中央处理单元(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图像处理单元(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中，交通拥堵监控系统100中的一个或以上组件(例如，服务器110、用户终端130、存储设备140和定位系统150)可以经由网络120将信息和/或数据发送到拥堵监控100中的其他组件。例如，服务器110可以经由网络120从用户终端130获取交通数据。在一些实施例中，网络120可以是有线网络或无线网络等或其任意组合。仅作为示例，网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网路(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通信(NFC)网络等或其任意组合。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点例如基站和/或互联网交换点120-1、120-2、......，交通拥堵监控系统100的一个或以上组件可以通过它们连接到网络120以交换数据和/或信息。
在一些实施例中，用户终端130可以包括移动设备140-1、平板计算机140-2、膝上型计算机140-3等，或其任何组合。在一些实施例中，移动设备140-1可以包括智能家居设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等，或其任何组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等，或其任意组合。在一些实施例中，可穿戴设备可以包括手环、鞋袜、眼镜、头盔、手表、衣物、背包、智慧配饰等或其任意组合在一些实施例中，移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)、膝上型电脑、台式机等或其任意组合。在一些实施例中，虚拟现实设备和/或增强型虚拟现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等，或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括Google GlassTM、RiftConTM、FragmentsTM、Gear VRTM等。在一些实施例中，用户终端130可以是具有定位技术的设备，用于定位用户终端130的位置。在一些实施例中，用户终端130可以向服务器110发送定位信息。例如，用户终端130可以获取至少两个车辆的位置并将位置发送到服务器110。
存储设备140可以存储数据和/或指令。在一些实施例中，存储设备140可以存储从用户终端130和/或处理引擎112获取的数据。例如，存储设备140可以存储从用户终端130获取的交通数据。在一些实施例中，存储设备140可以存储服务器110用来执行或使用来完成本申请中描述的示例性方法的数据和/或指令。例如，存储设备140可以存储服务器110可以执行或用于确定一个或以上拥堵区域的数据和/或指令。在一些实施例中，存储设备140可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机访问存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，所述存储设备140可以在云平台上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中，存储设备140可以连接到网络120以与交通拥堵监控系统100中的一个或以上组件(例如，服务器110、用户终端130等)通信。交通拥堵监控系统100中的一个或以上组件可以经由网络120访问存储设备140中存储的数据或指令。在一些实施例中，存储设备140可以直接连接到交通拥堵监控系统100(例如，服务器110、用户终端130等)中的一个或以上组件或与之通信。在一些实施例中，存储设备140可以是服务器110的一部分。
定位系统150可以确定与对象(例如，用户终端130)相关的信息。例如，定位系统150可以实时确定用户终端130的位置。在一些实施例中，定位系统150可以是全球定位系统(GPS)、全球导航卫星系统(GLONASS)、罗盘导航系统(COMPASS)、北斗导航卫星系统、伽利略定位系统、准天顶卫星系统(QZSS)等。该信息可以包括对象的位置、高度、速度或加速度、累积里程数或当前时间。位置可以是坐标的形式，例如纬度坐标和经度坐标等。定位系统150可以包括一个或以上的卫星，例如卫星150-1、卫星150-2和卫星150-3。卫星150-1至150-3可以独立地或共同地确定上述信息。卫星定位系统150可以通过无线连接将上述信息发送给网络120或用户终端130。
图2是根据本申请的一些实施例所示的可以在其上实现处理引擎112的计算设备的示例性硬件和/或软件组件的示意图。如图2所示，计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210(例如，逻辑电路)可以执行计算机指令(例如，程序代码)并且根据这里描述的技术来执行处理引擎112的功能。例如，处理器210可以包括接口电路210-a和其中的处理电路210-b。接口电路可以被配置用于接收来自总线(图2中未示出)的电子信号，其中电子信号编码用于处理电路的结构化数据和/或指令。处理电路可以进行逻辑计算，然后将结论、结果和/或指令编码确定为电信号。然后，接口电路可以经由总线从处理电路发出电信号。
所述计算机指令可以包括例如执行在此描述的特定功能的常规、程序、对象、组件、数据结构、过程、模块和功能。例如，处理器210可以处理从用户终端130、存储设备140和/或交通拥堵监控系统100的任何其他组件获取的交通数据。在一些实施例中，处理器210可以包括一个或以上硬件处理器，诸如微控制器、微处理器、精简指令集计算机(RISC)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高阶RISC机器(ARM)、可编程逻辑设备(PLD)、能够执行一个或以上功能的任何电路或处理器或类似物，或其任何组合。
仅仅为了说明，在计算设备200中仅描述了一个处理器。然而，应该注意的是，本申请中的计算设备200还可以包括多个处理器，由此执行的操作和/或方法步骤如本申请中所描述的一个处理器也可以由多个处理器联合地或单独地执行。例如，如果在本申请中，计算设备200的处理器执行步骤A和步骤B，应当理解的是，步骤A和步骤B也可以由计算设备200的两个或以上不同的处理器共同地或独立地执行(例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一和第二处理器共同地执行步骤A和步骤B)。
存储器220可以存储从用户终端130、存储设备140和/或交通拥堵监控系统100的任何其他组件获取的数据/信息。在一些实施例中，存储器220可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。例如，大容量存储器可以包括磁盘、光盘、固态硬盘等。可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘和磁带等。易失性读取和写入存储器可以包括随机存取存储器(RAM)。RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，存储器220可以存储一个或以上程序和/或指令以执行在本申请中描述的示例性方法。例如，存储器220可以存储用于处理引擎112的程序，用于将拥堵路段确定为正常拥堵路段或异常拥堵路段。
I/O 230可以输入和/或输出信号、数据、信息等。在一些实施例中，I/O 230可以使用户能够与处理引擎112交互。在一些实施例中，I/O 230可以包括输入设备和输出设备。示例性的输入设备可以包括键盘、鼠标、触控屏幕、麦克风等，或其任何组合。输出设备的示例可包括显示设备、扬声器、打印机、投影仪等，或其组合。显示设备的示例可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、弯曲屏幕、电视设备、阴极射线管(CRT)、触控屏幕等，或其任意组合。
通信端口240可以连接到网络(例如，网络120)以促进数据通信。通信端口240可以在处理引擎112、用户终端130、定位系统150或存储设备140之间建立连接。连接可以是有线连接、无线连接、可以启用数据传输和/或接收的任何其他通信连接，和/或这些连接的任何组合。有线连接可以包括例如电缆、光缆、电话线等，或其任何组合。有线连接可以包括例如电缆、光缆、电话线等或其任意组合。无线连接可以包括例如蓝牙链路、Wi-Fi链路、WiMax链路、WLAN链路、紫蜂链路、移动网络链路(例如3G、4G、5G等)等或其任意组合。在一些实施例中，通信端口240可以是和/或包括标准化通信端口，诸如RS232、RS485等。
图3是根据本申请的一些实施例所示的移动设备的示例性硬件和/或软件组件的示意图。用户终端130可以在移动设备上实现。如图3所示，移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、内存360和存储器390。在一些实施例中，任何其他合适的组件，包括但不限于系统总线或控制器(未示出)，也可包括在移动设备300内。在一些实施例中，操作系统370(例如，iOSTM、AndroidTM、Windows Phone TM等)和一个或以上应用程序380可从存储器390下载至内存360以及由CPU340执行。用户与信息流的交互可以通过I/O 350实现，并通过网络120提供给处理引擎112和/或交通拥堵监控系统100的其他组件。
为了实施本申请描述的各种模块、单元及其功能，计算机硬件平台可用作本文中描述的一个或以上组件的硬件平台。具有用户接口组件的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端设备。若程控得当，计算机亦可用作服务器。
本领域普通技术人员将理解，当交通拥堵监控系统100的元件执行时，该元件可以通过电信号和/或电磁信号执行。例如，当处理引擎112处理诸如做出确定或显示信息的任务时，处理引擎112可以在其处理器中操作逻辑电路以处理这样的任务。当处理引擎112从用户终端130接收数据(例如，交通数据)时，处理引擎112的处理器可以通过输入端口接收编码数据的电信号。如果用户终端130经由有线网络与处理引擎112通信，则输入端口可以物理地连接到电缆。如果用户终端130经由无线网络与处理引擎112通信，则处理引擎112的输入端口可以是一个或以上天线，其可以将电信号转换为电磁信号。在诸如用户终端130和/或服务器110的电子设备内，当其处理器处理指令，发出指令和/或执行动作时，指令和/或动作通过电信号进行。例如，当处理器从存储介质(例如存储设备140)检索或保存数据时，它可以向存储介质的读/写设备发送电信号，该读/写设备可以在存储介质中读取或写入结构化数据。该结构化数据可以电信号的形式经由电子设备的总线传输至处理器。此处，电信号可以指一个电信号、一系列电信号和/或至少两个不连续的电信号。
图4是根据本申请的一些实施例所示的示例性处理引擎的示意框图。处理引擎112可以包括交通数据获取模块410、拥堵路段确定模块420、聚类模块430、分配模块440和显示模块450。
交通数据获取模块410可以被配置用于获取对应于第一时间点(例如，当前时间)的交通数据。交通数据可以与特定区域(例如，北京)中的交通拥堵监控系统100的至少两个用户车辆相关。车辆的交通数据可以包括车辆的速度、车辆的位置、车辆的标识等，或其任何组合。车辆可包括马、马车、人力车(例如，独轮车、自行车、三轮车等)、电动车(例如，电动自行车、电动三轮车等)、汽车(例如，出租车、公共汽车、私家车等)、火车、地铁、船只、飞机(例如，飞机、直升机、航天飞机、火箭、热气球等)等，或其任何组合。
在一些实施例中，用户的终端(例如，用户终端130)可以经由安装在终端中的应用程序与处理引擎112建立通信(例如，无线通信)。在一些实施例中，该应用可以涉及交通拥堵监控系统100。终端可以通过应用从交通数据获取交通数据和/或将交通数据发送到处理引擎112。
在一些实施例中，用户的用户终端130可以通过安装在用户终端130中的速度传感器确定与用户相关的车辆的速度。例如，当司机驾驶车辆时，司机的智能手机可以通过安装在智能手机中的速度传感器确定车辆的速度。在一些实施例中，用户终端130可以通过周期性地(例如每1、2、5、10、20或30秒)监控车辆的位置，计算位置之间的道路距离，以及通过考虑各个位置变化之间经过的时间来计算速度来确定车辆的速度。
在一些实施例中，用户的用户终端130可以通过用户终端130中的定位技术来确定车辆的位置。位置技术可以包括GPS(全球定位系统)、GLONASS(全球导航卫星系统)、COMPASS(罗盘导航系统)、伽利略定位系统、QZSS(准天顶卫星系统)、Wi-Fi(无线保真定位技术)、车辆具有的各种定位和速度测量系统或其任意组合。
在一些实施例中，安装在用户终端130中的应用可以指示用户终端130不断地将车辆的实时位置和车辆的实时速度发送到处理引擎112。因此，处理引擎112可以实时或基本上实时地接收车辆的位置和车辆的速度。
车辆的识别可以包括车牌号、车辆识别号(VIN)等，或其任意组合。在一些实施例中，用户可以通过应用程序的界面输入车辆的标识。在一些实施例中，用户终端130可以自动确定车辆的标识。例如，当司机第一使次用该应用程序时，司机可以注册该应用程序的帐户。司机可以输入车辆的标识并将车辆绑定到应用程序。当用户终端130通过绑定到车辆的应用程序将车辆的速度和位置发送到处理引擎112时，用户终端130还可以将车辆的标识发送到处理引擎112。又例如，乘客可以通过申请请求出租车服务的订单。在出租车服务的行程期间，乘客的用户终端130可以确定接受订单的司机的车辆的速度和位置，并且将车辆的速度和位置以及车辆的标识发送到处理引擎112。
在一些实施例中，交通数据还可包括道路信息。道路信息可以包括交通事故信息、道路维护信息、事件信息(例如，音乐会)等，或其任意组合。用户可以通过安装在用户终端130中的应用的界面输入道路信息，并将道路信息发送到处理引擎112。例如，用户可以输入在海淀道3号发生事故的道路信息，并将道路信息发送到处理引擎112。
拥堵路段确定模块420可以被配置用于基于业务数据，确定至少两个拥堵路段。路段指的是在正常交通中面向特定方向的道路的一段。在一些实施例中，某个区域(例如，北京)的道路网络可以包括至少两个路段。在一些实施例中，对于路段，拥堵路段确定模块420可以确定路段的面积。在一些实施例中，路段的面积指的是特定的横向面积，例如1200平方米。在一些实施例中，路段的面积指的是容纳车辆的面积，例如3个车道、300米长，而不是特定的横向面积。拥堵路段确定模块420可以基于对应于第一时间点的交通数据，确定路段上的车辆总数。拥堵路段确定模块420可以基于路段的面积和路段上的车辆总数，确定路段上的交通密度。拥堵路段确定模块420可以基于对应于第一时间点的交通数据，确定速度低于第一阈值(例如，5km/h)的车辆的数量。拥堵路段确定模块420可以确定路段上的交通密度是否大于第二阈值(例如，12平方米/车，或5米/车/车道)以及在路段上车辆总数中速度低于第一阈值的车辆数量的比例是否大于第三阈值(例如，90％)。响应于确定所述路段上的交通密度大于第二阈值并且所述比例大于第三阈值，拥堵路段确定模块420可以将所述路段确定为拥堵路段。
聚类模块430可以被配置为通过搜索拓扑结构上接近的拥堵路段，并聚类通过所述搜索生成的拥堵路段，确定一个或以上拥堵区域。拥堵区域可包括一个或以上道路、一个或以上交叉点等，或其任意组合。例如，拥堵区域可以包括北京中关村大街以及北京中关村大街与北四环西路的交叉口。
在一些实施例中，如果两个拥堵路段被认为拓扑结构上接近，则所述两个拥堵路段之间可以具有小于第四阈值的拓扑距离。在一些实施例中，两个路段之间的拓扑距离指的是所述两个路段之间的路线的长度。因此，在一些实施例中，地理上靠近的两个路段(例如，在相反方向上的两个相邻的高速公路段)可能在拓扑结构上不接近。在一些实施例中，如果在两个路段之间存在一条以上路线，则聚类模块430可以选择在所述一条以上路线的长度中最短的路线长度，作为所述两条路段之间的拓扑距离。在一些实施例中，聚类模块430可以选择与在正常交通条件下花费最短时间的路线相对应的路线长度，作为两个路段之间的拓扑距离。在一些实施例中，聚类模块430可以使用DBSCAN算法和Dijkstra算法，确定一个或以上拥堵区域(例如，如本申请中结合图6的其他地方所述)。
分配模块440可以被配置用于确定拥堵区域是正常拥堵区域还是异常拥堵区域。交通拥堵可包括正常拥堵和异常拥堵。正常拥堵是指易于预测和经常发生的拥堵。例如，正常拥堵可能是由于在高峰时段内出行的人数和车辆数量的增加造成的，这可能是可预测的和规律的。异常拥堵是指难以预测且不经常发生的拥堵。例如，异常拥堵可能是由意外事件引起的，例如交通事故或车辆故障。正常拥堵区域是指具有正常拥堵的拥堵区域。异常拥堵区域是指具有异常拥堵的拥堵区域。
在一些实施例中，对于所述一个或以上拥堵区域中的每一个区域，分配模块440可以基于与至少两个拥堵路段相关的历史拥堵数据，确定所述拥堵区域是正常拥堵区域或异常拥堵区域(例如，如本申请中结合图7和8的其他地方所述)。与对应于第一时间点的拥堵路段相关的历史拥堵数据可以包括对应第一时间点之前的时间段中的一个或以上对应时间点，所述拥堵路段被确定为拥堵路段的次数。所述一个或以上对应的时间点可以对应于预定分类(例如，工作日或周末)的第一时间点。例如，与拥堵路段相关的对应于某个工作日上午8:00(例如，当前时间)的历史拥堵数据可以包括在一段时间内(例如，过去30个工作日)对应于每个工作日上午8:00将所述拥堵路段确定为拥堵路段的次数。
在一些实施例中，分配模块440可以基于历史拥堵数据，确定所述拥堵区域中的每个拥堵路段的拥堵概率。分配模块440可以通过将拥堵路段被确定为一个或以上对应时间点处的拥堵路段的次数除以相应时间点的数量来确定拥堵路段的拥堵概率。例如，与所述拥堵路段相关的对应于某个工作日上午8:00(例如，当前时间)的历史拥堵数据表示对应过去30个工作日中每个工作日上午8:00，所述拥堵路段被确定为拥堵路段的次数等于27。分配模块440可以将所述拥堵路段的拥堵概率确定为90％(例如，27/30＝90％)。分配模块440可以基于拥堵概率，确定所述拥堵路段是否是异常拥堵路段。正常拥堵路段指的是具有正常拥堵的拥堵路段(例如，具有高于阈值的概率)。异常拥堵路段指的是具有异常拥堵的拥堵路段(例如，具有低于阈值的概率)。
在一些实施例中，分配模块440可以确定拥堵区域中是否存在至少一个异常拥堵路段。响应于确定拥堵区域中存在至少一个异常拥堵路段，分配模块440可以将拥堵区域确定为异常拥堵区域。响应于确定拥堵区域中没有异常拥堵路段，分配模块440可以将拥堵区域确定为正常拥堵区域。
在一些实施例中，分配模块440可以确定拥堵区域中的异常拥堵路段的数量是否等于或高于阈值(例如，2、3、4、5、10等)。响应于确定拥堵区域中的异常拥堵路段的数量等于或高于阈值，分配模块440可以将拥堵区域确定为异常拥堵区域。响应于确定拥堵区域中的异常拥堵路段的数量低于阈值，分配模块440可以将拥堵区域确定为正常拥堵区域。
在一些实施例中，分配模块440可以基于确定拥堵区域是正常拥堵区域还是异常区域的结果，指定所述一个或以上拥堵区域中的每一个区域是正常拥堵区域或异常拥堵区域。例如，响应于确定一个拥堵区域是正常拥堵区域，分配模块440可以将指定所述拥堵区域是正常拥堵区域。又例如，响应于确定一个拥堵区域是异常拥堵区域，分配模块440可以指定所述拥堵区域是异常拥堵区域。
显示模块450可以被配置为显示与所述一个或以上拥堵区域中的至少一个区域相关的拥堵信息。在一些实施例中，显示模块450可以显示与至少一个异常拥堵区域相关的拥堵信息和/或与至少一个正常拥堵区域相关的拥堵信息。
在一些实施例中，与拥堵区域相关的拥堵信息可以包括第一时间点、正常拥堵区域或异常拥堵区域的标记、与拥堵区域中至少一个拥堵路段相关的正常拥堵路段或异常拥堵路段的标记、拥堵区域中的至少一个拥堵路段的标识(ID)、关于异常拥堵的兴趣点(POI)、交通变化信息等，或其任意组合。可以通过文本、颜色等或其任意组合来呈现正常拥堵区域或异常拥堵区域的指定。例如，可以通过绿色圆圈来标识正常拥堵区域，并且可以通过红色圆圈来标识异常拥堵区域。正常拥堵路段或异常拥堵路段的标记可以通过文本、颜色等或其任意组合来呈现。例如，正常拥堵路段的标记可以用绿色填充，并且异常拥堵路段的标记可以用红色填充。关于异常拥堵的POI指的是可能导致异常拥堵发生的事件(例如，交通事故)的位置。显示模块450可以基于由用户发送的道路信息(例如，在海淀大街3号发生的事故)获取POI(例如，如本申请中结合图5的其他地方所描述的)。
在一些实施例中，处理引擎112可以每隔一段时间(例如，每1、2、3、4、5或10分钟)执行过程500。对于对应于第一时间点的拥堵区域，显示模块450可以确定对应于第一时间点之前的至少一个相似拥堵区域。例如，处理引擎112可以每两分钟执行一次过程500。对于对应于上午8:02(例如，当前时间)的拥堵区域，显示模块450可以确定对应于上午8:00的先前相似拥堵区域。先前相似拥堵区域可以与对应于第一时间点的拥堵区域基本相似。例如，先前相似拥堵区域和对应于第一时间点的拥堵区域可以具有高百分比(例如，大于60％、70％、80％或90％)的共同路段。在一些实施例中，显示模块450可以基于至少一个先前相似拥堵区域，显示与对应于第一时间点的拥堵区域相关的交通变化信息(例如，如本申请中结合图9所述)。交通变化信息可以指示何时开始拥堵(例如，正常拥堵和/或异常拥堵)、先前拥堵的部分何时结束、拥堵波及到哪里、拥堵已经持续多久或可能持续多久等，或其任意组合。交通变化信息可以通过文本或图像(例如，屏幕角落处的较小图像)或其任意组合来显示。可选地或另外地，显示模块450可以按时间顺序逐个显示对应于第一时间点的拥堵区域和至少一个相似拥堵区域，以呈现动态效果，这样可以显示交通变化信息。仅作为示例，显示模块450可以显示仅与异常拥堵相关的交通变化信息。
处理引擎112中的模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合电缆等或其任意组合。无线连接可以包括局域网络(LAN)、广域网络(WAN)、蓝牙、紫蜂网络、近场通信(NFC)等或其任意组合。两个或以上模块可以合并成一个模块，以及任意一个模块可以拆分成两个或以上单元。例如，聚类模块430可以作为单个模块集成在分配模块440中，单个模块可以确定一个或以上拥堵区域，并且确定拥堵区域是针对每个拥堵区域的正常拥堵区域还是异常拥堵区域。又例如，显示模块450可以分为两个单元。第一单元可以被配置为显示拥堵信息。第二单元可以被配置为确定交通变化信息。
应该注意的是，上述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，可以根据本申请的描述，做出各种各样的变化和修改。然而，这些变化和修改不会背离本申请的范围。例如，处理引擎112还可以包括存储模块(图4中未示出)。存储模块可以被配置用于存储在处理引擎112中的任何组件执行的任何过程期间生成的数据。又例如，处理引擎112的每个组件可包括存储装置。附加地或替代地，计算设备120的组件可以共享公共存储装置。
图5是根据本申请的一些实施例所示的用于显示与至少一个拥堵区域相关的拥堵信息的示例性过程的流程图。在一些实施例中，过程500可以在图1中所示的交通拥堵监控系统100中实现。例如，过程500可以作为指令的形式存储在存储介质(例如，存储设备150或处理引擎112的存储器220)中，并且由服务器110(例如，服务器110的处理引擎112、处理引擎112的处理器220，或图4所示的处理引擎112中的一个或以上模块)调用和/或执行。以下呈现的所示过程500的操作旨在是说明性的。在一些实施例中，过程500可以利用未描述的一个或以上附加操作，和/或没有所讨论的一个或以上操作来完成。另外，如图5所示和下面描述的过程500的操作的顺序不是限制性的。
在510中，交通数据获取模块410(或处理引擎112和/或接口电路210-a)可以获取与第一时间点(例如，当前时间)相对应的交通数据。交通数据可以与特定区域(例如，北京)中的交通拥堵监控系统100的至少两个用户车辆相关。车辆的交通数据可以包括车辆的速度、车辆的位置、车辆的标识等，或其任意组合。车辆可包括马、马车、人力车(例如，独轮车、自行车、三轮车等)、电动车(例如，电动自行车、电动三轮车等)、汽车(例如，出租车、公共汽车、私家车等)、火车、地铁、船只、飞机(例如，飞机、直升机、航天飞机、火箭、热气球等)等，或其任意组合。
在一些实施例中，用户的终端(例如，用户终端130)可以经由安装在终端中的应用程序与处理引擎112建立通信(例如，无线通信)。在一些实施例中，该应用可以涉及交通拥堵监控系统100。终端可以通过应用从交通数据获取交通数据和/或将交通数据发送到处理引擎112。
在一些实施例中，用户的用户终端130可以通过安装在用户终端130中的速度传感器确定与用户相关的车辆的速度。例如，当司机驾驶车辆时，司机的智能手机可以通过安装在智能手机中的速度传感器来确定车辆的速度。在一些实施例中，用户终端130可以通过周期性地(例如，每1、2、5、10、20或30秒)监控车辆的位置，计算位置之间的道路距离来确定车辆的速度，并通过考虑各种位置变化之间经过的时间来计算速度。
在一些实施例中，用户的用户终端130可以通过用户终端130中的定位技术来确定车辆的位置。位置技术可以包括GPS(全球定位系统)、GLONASS(全球导航卫星系统)、COMPASS(罗盘导航系统)、伽利略定位系统、QZSS(准天顶卫星系统)、Wi-Fi(无线保真定位技术)、车辆具有的各种定位和速度测量系统或其任意组合。
在一些实施例中，安装在用户终端130中的应用可以指示用户终端130不断地将车辆的实时位置和车辆的实时速度发送到处理引擎112。因此，处理引擎112可以实时或基本上实时地接收车辆的位置和车辆的速度。
车辆的识别可包括车牌号、车辆标识(VIN)等，或其任意组合。在一些实施例中，用户可以通过应用程序的界面输入车辆的标识。在一些实施例中，用户终端130可以自动确定车辆的标识。例如，司机可以在司机第一次使用该申请时登记该申请的账户。司机可以输入车辆的标识并将车辆绑定到应用程序中。当用户终端130通过绑定了车辆的应用程序将车辆的速度和位置发送到处理引擎112时，用户终端130还可以将车辆的标识发送到处理引擎112。又例如，乘客可以通过申请请求出租车服务的订单。在出租车服务的行程期间，乘客的用户终端130可以确定接受订单的司机的车辆的速度和位置，并且将车辆的速度和位置以及车辆的标识发送到处理引擎112。
在一些实施例中，交通数据还可以包括道路信息。道路信息可包括交通事故信息、道路维护信息、事件信息(例如，音乐会)等，或其任意组合。用户可以通过安装在用户终端130中的应用程序的界面输入道路信息，并将道路信息发送到处理引擎112。例如，用户可以输入在海淀道3号发生事故的道路信息，并将道路信息发送到处理引擎112。
在520中，拥堵路段确定模块420(或处理引擎112和/或处理电路210-b)可以基于业务数据，确定至少两个拥堵路段。路段指的是正常交通中面向特定方向的道路的一部分。在一些实施例中，某个区域(例如，北京)的道路网络可以包括至少两个路段。在一些实施例中，对于路段，拥堵路段确定模块420可以确定路段的面积。在一些实施例中，路段的面积指的是特定的横向面积，例如1200平方米。在一些实施例中，路段的面积指的是容纳车辆的面积，例如3个车道、300米长，而不是特定的横向面积。拥堵路段确定模块420可以基于对应于第一时间点的交通数据，确定路段上的车辆总数。拥堵路段确定模块420可以基于路段的面积和路段上的车辆总数，确定路段上的交通密度。拥堵路段确定模块420可以基于对应于第一时间点的交通数据，确定速度低于第一阈值(例如，5km/h)的车辆的数量。拥堵路段确定模块420可以确定路段上的交通密度是否大于第二阈值(例如，12平方米/车，或5米/车/车道)以及在路段上车辆总数中速度低于第一阈值的车辆数量的比例是否大于第三阈值(例如，90％)。响应于确定所述路段上的交通密度大于第二阈值并且所述比例大于第三阈值，拥堵路段确定模块420可以将所述路段确定为拥堵路段。
在530中，聚类模块430可以通过搜索拓扑结构上接近的拥堵路段，并聚类通过所述搜索生成的拥堵路段，确定一个或以上拥堵区域。拥堵区域可包括一个或以上道路、一个或以上交叉点等，或其任意组合。例如，拥堵区域可以包括北京中关村大街以及北京中关村大街与北四环西路的交叉口。
在一些实施例中，如果两个拥堵路段被认为拓扑结构上接近，则所述两个拥堵路段之间可以具有小于第四阈值的拓扑距离。在一些实施例中，两个路段之间的拓扑距离指的是所述两个路段之间的路线的长度。因此，在一些实施例中，地理上靠近的两个路段(例如，在相反方向上的两个相邻的高速公路段)可能在拓扑结构上不接近。在一些实施例中，如果在两个路段之间存在一条以上路线，则聚类模块430可以选择在所述一条以上路线的长度中最短的路线长度，作为所述两条路段之间的拓扑距离。在一些实施例中，聚类模块430可以选择与在正常交通条件下花费最短时间的路线相对应的路线长度，作为两个路段之间的拓扑距离。在一些实施例中，聚类模块430可以使用DBSCAN算法和Dijkstra算法，确定一个或以上拥堵区域(例如，如本申请中结合图6的其他地方所述)。
在540中，对于一个或以上拥堵区域中的每一个，分配模块440(或处理引擎112和/或处理电路210-b)可以确定拥堵区域是正常拥堵区域还是异常拥堵区域。交通拥堵可能包括正常拥堵和异常拥堵。正常拥堵是指易于预测和定期发生的拥堵。例如，正常拥堵可能是由于在高峰时段内越来越多的人和车辆造成的。异常拥堵是指难以预测且不经常发生的拥堵。例如，异常拥堵可能是由交通事故或车辆故障等意外事故引起的。正常拥堵区域是指具有正常拥堵的拥堵区域。异常拥堵区域是指具有异常拥堵的拥堵区域。
在一些实施例中，对于所述一个或以上拥堵区域中的每一个区域，分配模块440可以基于与至少两个拥堵路段相关的历史拥堵数据，确定所述拥堵区域是正常拥堵区域或异常拥堵区域(例如，如本申请中结合图7和8的其他地方所述)。与对应于第一时间点的拥堵路段相关的历史拥堵数据可以包括对应第一时间点之前的时间段中的一个或以上对应时间点，所述拥堵路段被确定为拥堵路段的次数。所述一个或以上对应的时间点可以对应于预定分类(例如，工作日或周末)的第一时间点。例如，与拥堵路段相关的对应于某个工作日上午8:00(例如，当前时间)的历史拥堵数据可以包括在一段时间内(例如，过去30个工作日)对应于每个工作日上午8:00将所述拥堵路段确定为拥堵路段的次数。
在一些实施例中，分配模块440可以基于历史拥堵数据，确定所述拥堵区域中的每个拥堵路段的拥堵概率。分配模块440可以通过将拥堵路段被确定为一个或以上对应时间点处的拥堵路段的次数除以相应时间点的数量来确定拥堵路段的拥堵概率。例如，与所述拥堵路段相关的对应于某个工作日上午8:00(例如，当前时间)的历史拥堵数据表示对应过去30个工作日中每个工作日上午8:00，所述拥堵路段被确定为拥堵路段的次数等于27。分配模块440可以将所述拥堵路段的拥堵概率确定为90％(例如，27/30＝90％)。分配模块440可以基于拥堵概率，确定所述拥堵路段是否是异常拥堵路段。正常拥堵路段指的是具有正常拥堵的拥堵路段(例如，具有高于阈值的概率)。异常拥堵路段指的是具有异常拥堵的拥堵路段(例如，具有低于阈值的概率)。
在一些实施例中，分配模块440可以确定拥堵区域中是否存在至少一个异常拥堵路段。响应于确定拥堵区域中至少存在一个异常拥堵路段，分配模块440可以将拥堵区域确定为异常拥堵区域。响应于确定拥堵区域中没有异常拥堵路段，分配模块440可以将拥堵区域确定为正常拥堵区域。
在一些实施例中，分配模块440可以确定拥堵区域中的异常拥堵路段的数量是否等于或高于阈值(例如，2、3、4、5、10等)。响应于确定拥堵区域中的异常拥堵路段的数量等于或高于阈值，分配模块440可以将拥堵区域确定为异常拥堵区域。响应于确定拥堵区域中的异常拥堵路段的数量低于阈值，分配模块440可以将拥堵区域确定为正常拥堵区域。
在一些实施例中，分配模块440可以基于确定拥堵区域是正常拥堵区域还是异常区域的结果，指定所述一个或以上拥堵区域中的每一个区域是正常拥堵区域或异常拥堵区域。例如，响应于确定一个拥堵区域是正常拥堵区域，分配模块440可以将指定所述拥堵区域是正常拥堵区域。又例如，响应于确定一个拥堵区域是异常拥堵区域，分配模块440可以指定所述拥堵区域是异常拥堵区域。
在550中，显示模块450(或处理引擎112和/或处理电路210-b)可以显示与所述一个或以上拥堵区域中的至少一个相关的拥堵信息。在一些实施例中，显示模块450可以显示与至少一个异常拥堵区域相关的拥堵信息和/或与至少一个正常拥堵区域相关的拥堵信息。
在一些实施例中，与拥堵区域相关的拥堵信息可以包括第一时间点、正常拥堵区域或异常拥堵区域的标记、与拥堵区域中至少一个拥堵路段相关的正常拥堵路段或异常拥堵路段的标记、拥堵区域中的至少一个拥堵路段的标识(ID)、关于异常拥堵的兴趣点(POI)、交通变化信息等，或其任意组合。可以通过文本、颜色等或其任意组合来呈现正常拥堵区域或异常拥堵区域的指定。例如，可以通过绿色圆圈来标识正常拥堵区域，并且可以通过红色圆圈来标识异常拥堵区域。正常拥堵路段或异常拥堵路段的标记可以通过文本、颜色等或其任意组合来呈现。例如，正常拥堵路段的标记可以用绿色填充，异常拥堵路段的标记可以用红色填充。关于异常拥堵的POI是指可能导致异常拥堵发生的事件(例如，交通事故)的位置。显示模块450可以基于由用户发送的道路信息(例如，在海淀大街3号发生的事故)获取POI(例如，如本申请中结合图5的其他地方所描述的)。
在一些实施例中，处理引擎112可以每隔一段时间(例如，每1、2、3、4、5或10分钟)执行过程500。对于对应于第一时间点的拥堵区域，显示模块450可以确定对应于第一时间点之前的至少一个相似拥堵区域。例如，处理引擎112可以每两分钟执行一次过程500。对于对应于上午8:02(例如，当前时间)的拥堵区域，显示模块450可以确定对应于上午8:00的先前相似拥堵区域。先前相似拥堵区域可以与对应于第一时间点的拥堵区域基本相似。例如，先前相似拥堵区域和对应于第一时间点的拥堵区域可以具有高百分比(例如，大于60％、70％、80％或90％)的共同路段。在一些实施例中，显示模块450可以基于至少一个先前相似拥堵区域，显示与对应于第一时间点的拥堵区域相关的交通变化信息(例如，如本申请中结合图9所述)。交通变化信息可以指示何时开始拥堵(例如，正常拥堵和/或异常拥堵)、先前拥堵的部分何时结束、拥堵波及到哪里、拥堵已经持续多久或可能持续多久等，或其任意组合。交通变化信息可以通过文本或图像(例如，屏幕角落处的较小图像)或其任意组合来显示。可选地或另外地，显示模块450可以按时间顺序逐个显示对应于第一时间点的拥堵区域和至少一个相似拥堵区域，以呈现动态效果，这样可以显示交通变化信息。仅作为示例，显示模块450可以显示仅与异常拥堵相关的交通变化信息。
图6是根据本申请的一些实施例所示的用于基于DBSCAN算法和Dijkstra算法确定一个或以上拥堵区域的示例性过程的流程图。在一些实施例中，过程600可以在图1所示的交通拥堵监控系统100中实现。例如，过程600可以作为指令的形式存储在存储介质(例如，存储设备140或处理引擎112的存储器220)中，并且由服务器110调用和/或执行(例如，服务器110的处理引擎112、处理引擎112的处理器220，或图4所示的处理引擎112中的一个或以上模块)。以下呈现的所示过程600的操作旨在是说明性的。在一些实施例中，过程600可以利用未描述的一个或以上附加操作，和/或没有所讨论的一个或以上操作来完成。另外，如图6所示和下面描述的过程600的操作的顺序不是限制性的。在一些实施例中，可以根据过程600执行图5中所示的步骤530。
聚类模块420可以基于至少两个拥堵路段来启动用于确定一个或以上拥堵区域的第一迭代过程。第一迭代过程可包括至少两个迭代(例如，步骤610-690)。
在610中，聚类模块430(或处理引擎112，和/或处理电路210-b)可以从至少两个拥堵路段中选择一个拥堵路段作为第一目标路段。
在620中，聚类模块430(或处理引擎112，和/或处理电路210-b)可以从所述至少两个拥堵路段中确定一个或以上第一拥堵路段。在一些实施例中，聚类模块430可以通过这些路段在拓扑距离方面与第一目标路段的接近程度来选择一个或以上第一拥堵路段。例如，第一目标路段与一个或以上第一拥堵路段中的每一个之间的拓扑距离可小于阈值距离(例如，10米)。两个路段之间的拓扑距离指的是所述两个路段之间的路线长度。在一些实施例中，如果在两个路段之间存在一条以上路线，则聚类模块430可以选择在所述一条以上路线的长度中最短的路线长度作为所述两条路段之间的拓扑距离。在一些实施例中，聚类模块430可以选择在正常交通状况下行驶时间最短的路线相对应的路线长度作为所述两个路段之间的拓扑距离。
阈值距离可以是预定的或可调节的。在一些实施例中，阈值距离至少可以部分地确定与第一目标路段相关的待处理的路段的数量。在一些实施例中，可以调整阈值距离以增加或减少与第一目标路段相关的待处理的路段的数量。
在630中，聚类模块430(或处理引擎112，和/或处理电路210-b)可以将一个或以上第一拥堵路段添加到集群。
在一些实施例中，聚类模块430可以基于所述集群启动用于确定与第一目标路段对应的拥堵区域的第二迭代过程。第二迭代过程可以包括至少两个迭代(例如，步骤640-670)。
在640中，聚类模块430(或处理引擎112，和/或处理电路210-b)可以从所述集群中选择一个拥堵路段作为第二目标路段。
在650中，聚类模块430(或处理引擎112，和/或处理电路210-b)可以从所述至少两个拥堵路段中确定一个或以上第二拥堵路段。在一些实施例中，第二目标路段与一个或以上第二拥堵路段中的每一个之间的拓扑距离可以小于阈值距离。
在660中，聚类模块430(或处理引擎112，和/或处理电路210-b)可以将一个或以上第二拥堵路段添加到所述集群。
在670中，聚类模块430(或处理引擎112，和/或处理电路210-b)可以确定所述集群中的所有拥堵路段是否已被选择为第二目标路段。响应于确定所述集群中至少有一个拥堵路段未被选为第二目标路段，过程600可以进行到步骤640以启动第二迭代过程的新迭代。响应于确定所述集群中的所有拥堵路段已被选为第二目标路段，过程600可以进行到步骤680。
在680中，聚类模块430(或处理引擎112，和/或处理电路210-b)可以将第一目标路段和所述集群中的拥堵路段聚类为拥堵区域。
在690中，聚类模块430(或处理引擎112，和/或处理电路210-b)可以确定所述至少两个拥堵路段中的每一个是否已经被处理(例如，所述至少两个拥堵路段中的每一个是否已被确定为第一目标路段、第二目标路段、第一拥堵路段或第二拥堵路段，或者所述至少两个拥堵路段中的每一个是否都被包括在第一迭代过程中已经执行的每个迭代中确定的拥堵区域中)。在一些实施例中，响应于确定所述至少两个拥堵路段中的至少一个尚未被处理，过程600可以进行到步骤610以启动第一迭代过程的新迭代。响应于确定所述至少两个拥堵路段中的每一个都已经被处理，聚类模块430可以终止第一迭代过程并输出在第一迭代过程的至少两个迭代中每个迭代中确定的拥堵区域。
图7是根据本申请的一些实施例所示的用于确定异常拥堵路段的示例性过程的流程图。在一些实施例中，过程700可以在图1所示的交通拥堵监控系统100中实现。例如，过程700可以作为指令的形式存储在存储介质(例如，存储设备140或处理引擎112的存储器220)中，并且由服务器110(例如，服务器110的处理引擎112、处理引擎112的处理器220，或图4所示的处理引擎112中的一个或以上模块)调用和/或执行。下面呈现的所示过程700的操作旨在说明性的。在一些实施例中，过程700可以利用未描述的一个或以上附加操作，和/或没有所讨论的一个或以上操作来完成。另外，如图7所示和下面描述的过程700的操作的顺序不是限制性的。在一些实施例中，可以根据过程700来执行图5中所示的步骤540的一部分。
在一些实施例中，对于一个拥堵路段，分配模块440(或处理引擎112和/或处理器210)可以执行过程700以确定所述拥堵路段是正常拥堵路段还是异常拥堵路段。分配模块440(或处理引擎112和/或处理器210)可以逐个或同时处理至少两个拥堵路段。
在710中，分配模块440(或处理引擎112和/或接口电路210-a)可以从存储介质(例如，存储设备140或处理引擎112的存储器220)获取与拥堵路段相关的历史拥堵数据。与对应于第一时间点的拥堵路段相关的历史拥堵数据可以包括对应于第一时间点之前的时间段中的一个或以上对应时间点，所述拥堵路段被确定为拥堵路段的次数。在一些实施例中，所述一个或以上对应时间点可以对应于预定分类(例如，工作日或周末)的第一时间点。例如，与对应于工作日上午8：00(例如，当前时间)的拥堵路段相关的历史拥堵数据可以包括对应于过去30个工作日的每个工作日上午8：00，所述拥堵路段被确定为拥堵路段的次数。
在720中，分配模块440(或处理引擎112和/或接口电路210-a)可以基于历史拥堵数据来确定所述拥堵路段的拥堵概率。分配模块440可以通过将对应一个或以上对应时间点，所述拥堵路段被确定为拥堵路段的次数除以所述一个或以上对应时间点的数量来确定拥堵概率。例如，与拥堵路段相关的对应于工作日上午8：00(例如，当前时间)的历史拥堵数据表示对应于过去30个工作日中每个工作日上午8：00，所述拥堵路段被确定为拥堵路段的次数等于27。分配模块440可以将所述拥堵路段的拥堵概率确定为90％(例如，27/30＝90％)。
在730中，分配模块440(或处理引擎112和/或接口电路210-a)可以确定所述拥堵概率是否大于阈值概率(例如，50％、60％、70％、80％或90％)。响应于确定所述拥堵概率大于阈值概率，过程700可以进行到740以确定所述拥堵路段为正常拥堵路段。响应于确定所述拥堵概率等于或小于阈值概率，过程700可以进行到750，从而将所述拥堵路段确定为异常拥堵路段。
图8是示出根据本申请的一些实施例的用于确定异常拥堵区域的示例性过程的流程图。在一些实施例中，过程800可以在图1所示的交通拥堵监控系统100中实现。例如，过程800可以作为指令的形式存储在存储介质(例如，存储设备140或处理引擎112的存储器220)中，并且由服务器110(例如，服务器110的处理引擎112、处理引擎112的处理器220，或图4所示的处理引擎112中的一个或以上模块)调用和/或执行。以下呈现的所示过程800的操作旨在是说明性的。在一些实施例中，过程800可以利用未描述的一个或以上附加操作，和/或没有所讨论的一个或以上操作来完成。另外，如图8所示和下面描述的过程800的操作的顺序不是限制性的。在一些实施例中，可以根据过程800来执行图5中所示的步骤540的一部分。在一些实施例中，分配模块440(或处理引擎112和/或处理器210)可以基于过程700的确定结果来执行过程800。过程700的确定结果可以指示至少两个拥堵路段中的每一个是正常拥堵路段还是异常拥堵路段。
在一些实施例中，对于一个拥堵区域，分配模块440(或处理引擎112和/或处理器210)可以执行过程800以确定所述拥堵路段是正常拥堵区域还是异常拥堵区域。分配模块440(或处理引擎112和/或处理器210)可以逐个或同时处理至少两个拥堵区域。
在810中，分配模块440(或处理引擎112和/或接口电路210-a)可以判断拥堵区域中异常拥堵路段的数量(也称为计数)是否大于阈值数(例如1、2、3、4、5、10等)。响应于确定拥堵区域中的异常拥堵路段的数量大于阈值数，过程800可以进行到820以将所述拥堵区域确定为异常拥堵区域。响应于确定所述拥堵区域中的异常拥堵路段的数量小于或等于阈值数，过程800可以进行到830以将所述拥堵区域确定为正常拥堵区域。
图9是根据本申请的一些实施例所示的用于生成交通变化信息的示例性过程的流程图。在一些实施例中，过程900可以在图1所示的交通拥堵监控系统100中实现。例如，过程900可以作为指令的形式存储在存储介质(例如，存储设备140或处理引擎112的存储器220)中，并且由服务器110(例如，服务器110的处理引擎112、处理引擎112的处理器220，或图4所示的处理引擎112中的一个或以上模块)调用和/或执行。以下呈现的所示过程900的操作旨在是说明性的。在一些实施例中，过程900可以利用未描述的一个或以上附加操作，和/或没有所讨论的一个或以上操作来完成。另外，如图9所示和下面描述的过程900的操作的顺序不是限制性的。在一些实施例中，可以根据过程900执行图5中所示的步骤550。
在一些实施例中，对于对应于第一时间点的一个拥堵区域，分配模块440(或处理引擎112和/或处理器210)可以确定对应于第一时间点之前的至少一个相似拥堵区域。在一些实施例中，针对至少一个正常拥堵区域和/或至少一个异常拥堵区域，分配模块440(或处理引擎112和/或处理器210)可以逐个或同时地执行过程900。
在910中，对于与第一时间点相对应的至少一个拥堵区域，显示模块450(或处理引擎112，和/或处理电路210-a)可以确定对应于第一时间点之前的至少一个相似拥堵区域。例如，处理引擎112可以每两分钟执行过程500。对于对应于上午8：02(例如，当前时间)的拥堵区域，显示模块450可以确定对应于上午8：00的相似拥堵区域。相似拥堵区域可以与对应于第一时间点的拥堵区域基本相似。例如，相似拥堵区域和对应于第一时间点的拥堵区域可以具有高百分比(例如，大于60％、70％、80％或90％)的共同路段。
仅作为示例，显示模块450可以从存储介质(例如，存储设备140，或处理引擎112的存储器220)中获取对应于第一时间点的至少一个拥堵区域中的拥堵路段的第一ID和对应于第一时间点之前的至少一个拥堵区域中的拥堵路段的第二ID。显示模块450可以将第一ID与第二ID进行比较，并确定第一ID和第二ID之间的Jaccard索引。响应于确定对应于第一时间点之前的拥堵区域与对应于第一时间点的拥堵区域之间的Jaccard索引大于阈值，显示模块450可以确定对应于第一时间点之前的拥堵区域为相似拥堵区域。
在920中，显示模块450(或处理引擎112和/或接口电路210-a)可以获取至少一个相似拥堵区域的历史拥堵信息。相似拥堵区域的历史拥堵信息可以包括在第一时间点之前的时间点、正常拥堵区域或异常拥堵区域的指定、与相似拥堵区域中的至少一个拥堵路段相关的正常拥堵路段或异常拥堵路段的标记、相似拥堵区域中的至少一个拥堵路段的ID、关于异常拥堵的POI等，或其任意组合。
在930中，显示模块450(或处理引擎112和/或接口电路210-a)可以将至少一个相似拥堵区域的历史拥堵信息与对应于第一时间点的拥堵区域的拥堵信息进行比较。交通变化信息可以指示何时开始拥堵(例如，正常拥堵和/或异常拥堵)、部分或全部先前的拥堵何时结束、拥堵波及到哪里、拥堵已经持续或可能持续多久等，或其任何组合。
例如，显示模块450可以将对应于第一时间点的异常拥堵区域中的异常拥堵路段与至少一个相似拥堵区域中的异常拥堵路段进行比较，以获取指示异常拥堵点波及的位置的结果。又例如，显示模块450可以将第一时间点与在第一时间点之前的至少一个时间点进行比较，以获取指示异常拥堵何时开始、异常拥堵何时结束，或者异常拥堵持续多长时间的结果。
可以通过文本或图像或其组合来显示交通变化信息。可选地或另外地，显示模块450可以按照时间顺序逐个显示对应于第一时间点的拥堵区域和至少一个相似拥堵区域，以呈现动态效果，这样可以部分或全部示出交通变化信息。仅作为示例，显示模块450可以显示仅与异常拥堵相关的交通变化信息。
图10是根据本申请的一些实施例的用于显示与异常拥堵区域相关的示例性拥堵信息的示意图。如图10所示，显示模块450显示第一时间点(例如，2017年8月28日上午8点)、在异常拥堵区域中具有异常拥堵的每条道路的名称(例如，街道A、街道B、街道C和街道D)、异常拥堵区域的指定(例如，虚线矩形和“异常拥堵区域”的文本)、正常拥堵的标记(例如，较浅的颜色)、异常拥堵的标记(例如，较暗的颜色)，以及导致异常拥堵的交通事故的POI。
图11A和11B是根据本申请的一些实施例的用于显示与异常拥堵区域相关的示例性交通变化信息的示意图。如图11A和11B所示，区域1120是对应于上午8：02(例如，当前时间)的异常拥堵区域。区域1110是对应于上午8：00的异常拥堵区域。区域1110包括异常拥堵的街道A，区域1120包括异常拥堵的街道A和异常拥堵的街道B。区域1110是区域1120的相似拥堵区域。区域1110和区域1120可以按时间顺序显示(例如，区域1120显示在区域1110之后)，其表示交通事故造成的异常拥堵在上午8：00至上午8：02的时间段内从A街蔓延至B街。
上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明披露仅作为示例，并不构成对本申请的限制。虽然此处并未明确说明，但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域的普通技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“系统”。此外，本申请的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式，其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号，例如在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF等，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。然而，本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (21)

1.一种交通拥堵监控系统，包括：
至少一个存储有指令集的存储设备；以及
至少一个处理器被配置用于与所述存储设备通信，其中，当执行所述指令集时，所述至少一个处理器被配置为使所述系统：
在第一时间点获取与至少两个车辆的速度或位置相关的交通数据；
基于所述交通数据，确定至少两个拥堵路段；
通过搜索拓扑结构上接近的拥堵路段，并且通过聚类由所述搜索生成的所述拥堵路段，确定一个或以上拥堵区域；
对于所述一个或以上拥堵区域中的每一个区域，确定所述拥堵区域是正常拥堵区域或异常拥堵区域；以及
显示与所述一个或以上拥堵区域中的至少一个区域相关的拥堵信息，其中，所述拥堵信息包括指示所述一个或以上拥堵区域中的所述至少一个区域是所述正常拥堵区域还是所述异常拥堵区域的指定。
2.根据权利要求1所述的系统，其特征在于，确定所述一个或以上拥堵区域是通过以下方式进行的：
具有噪声的基于密度的聚类(DBSCAN)算法和Dijkstra算法。
3.根据权利要求1所述的系统，其特征在于，确定所述一个或以上拥堵区域，所述至少有一个处理器被配置为使所述系统：
启动第一迭代过程以确定所述一个或以上拥堵区域，所述第一迭代过程包括至少两个迭代，并且所述第一迭代过程中的每次迭代包括：
从所述至少两个拥堵路段中选择一个拥堵路段作为第一目标路段；
从所述至少两个拥堵路段中确定一个或以上第一拥堵路段，所述第一目标路段与所述一个或以上第一拥堵路段中的每一个路段之间的拓扑距离小于阈值距离；
将所述一个或以上第一拥堵路段添加到集群；以及
基于所述集群确定与所述第一目标路段相关的拥堵区域；以及
基于所述第一迭代过程中的每次迭代中确定的所述拥堵区域，确定所述一个或以上拥堵区域。
4.根据权利要求3所述的系统，其特征在于，所述第一迭代过程中的所述至少两个迭代中的至少一个迭代还包括：
确定所述至少两个拥堵路段中的每一个路段是否包括在所述第一迭代过程中的每次迭代确定的所述拥堵区域中；
响应于确定所述至少两个拥堵路段中的每一个路段包括在所述第一迭代过程中的每次迭代确定的所述拥堵区域中，终止所述第一迭代过程；以及
响应于确定所述至少两个拥堵路段中的至少一个不包括在所述第一迭代过程中的每次迭代中确定的拥堵区域中，启动所述第一迭代过程的新迭代。
5.根据权利要求3所述的系统，其特征在于，基于所述集群确定与所述第一目标路段相关的所述拥堵区域，所述至少有一个处理器被配置为使所述系统：
启动第二迭代过程，用于基于所述集群确定与所述第一目标路段相关的所述拥堵区域，所述第二迭代过程包括至少两个迭代，所述第二迭代过程中的每次迭代包括：
从所述集群中选择一个拥堵路段作为第二目标路段；
从所述至少两个拥堵路段中确定一个或以上第二拥堵路段，所述第二目标路段与所述一个或以上第二拥堵路段中的每一个路段之间的拓扑距离小于所述阈值距离；以及
将所述一个或以上第二拥堵路段添加到所述集群；以及
将所述第一目标路段和所述集群中的所述拥堵路段作为与所述第一目标路段相关的所述拥堵区域。
6.根据权利要求5所述的系统，其特征在于，所述第二迭代过程中的所述至少两个迭代中的至少一个迭代还包括：
确定所述集群中的所有拥堵路段是否已被选为所述第二目标路段；
响应于确定所述集群中所有拥堵路段被选为所述第二目标路段，终止所述第二迭代过程；以及
响应于确定所述集群中至少一个拥堵路段未被选为所述第二目标路段，启动所述第二迭代过程的新迭代。
7.根据权利要求1所述的系统，其特征在于，确定所述拥堵区域是否是所述正常拥堵区域或所述异常拥堵区域，所述至少有一个处理器被配置为使所述系统：
对于所述至少两个拥堵路段中的每一个，
获取与所述拥堵路段相关的历史拥堵数据；
基于所述历史拥堵数据，确定所述拥堵路段的拥堵概率；
确定所述拥堵概率是否大于阈值概率；以及
响应于确定所述拥堵概率小于或等于所述阈值概率，将所述拥堵路段确定为异常拥堵路段；
对于所述一个或以上拥堵区域中的每一个区域，
确定所述拥堵区域中的异常拥堵路段数量是否大于阈值数；以及
响应于确定所述拥堵区域中的所述异常拥堵路段的数量大于所述阈值数，将所述拥堵区域确定为所述异常拥堵区域；或者响应于确定所述拥堵区域中的所述异常拥堵路段的数量小于或等于所述阈值数，将所述拥堵区域确定为所述正常拥堵区域。
8.根据权利要求1所述的系统，其特征在于，所述拥堵信息还包括由以下内容生成的交通变更信息：
获取对应于所述第一时间点之前的至少一个相似拥堵区域的历史拥堵信息，其中，所述至少一个相似拥堵区域基本上相似于所述拥堵信息正在被显示的所述至少一个拥堵区域；以及
将所述至少一个相似拥堵区域的所述历史拥堵信息与所述拥堵信息正在被显示的所述至少一个拥堵区域的所述拥堵信息进行比较。
9.一种实现于具有一个或以上处理器和一个或以上存储介质的计算设备的交通拥堵监控方法，所述方法包括：
在第一时间点获取与至少两个车辆的速度或位置相关的交通数据；
基于所述交通数据，确定至少两个拥堵路段；
通过搜索拓扑结构上接近的拥堵路段，并且通过聚类由所述搜索生成的所述拥堵路段，确定一个或以上拥堵区域；
对于所述一个或以上拥堵区域中的每一个区域，确定所述拥堵区域是正常拥堵区域还是异常拥堵区域；以及
显示与所述一个或以上拥堵区域中的至少一个区域相关的拥堵信息，其中，所述拥堵信息包括指示所述一个或以上拥堵区域中的所述至少一个区域是所述正常拥堵区域还是所述异常拥堵区域的指定。
10.根据权利要求9所述的方法，其特征在于，确定所述一个或以上拥堵区域是通过以下方式进行的：
具有噪声的基于密度的聚类(DBSCAN)算法和Dijkstra算法。
11.根据权利要求9所述的方法，其特征在于，确定所述一个或以上拥堵区域包括：
启动第一迭代过程以确定所述一个或以上拥堵区域，所述第一迭代过程包括至少两个迭代，并且所述第一迭代过程中的每次迭代包括：
从所述至少两个拥堵路段中选择一个拥堵路段作为第一目标路段；
从所述至少两个拥堵路段确定一个或以上第一拥堵路段，所述第一目标路段与所述一个或以上第一拥堵路段中的每一个之间的拓扑距离小于阈值距离；
将所述一个或以上第一拥堵路段添加到集群；以及
基于所述集群确定与所述第一目标路段相关的拥堵区域；以及
基于所述第一迭代过程中的每次迭代中确定的所述拥堵区域，确定所述一个或以上拥堵区域。
12.根据权利要求11所述的方法，其特征在于，所述第一迭代过程中的所述至少两个迭代中的至少一个还包括：
确定所述至少两个拥堵路段中的每一个路段是否包括在所述第一迭代过程中的每次迭代确定的所述拥堵区域中；
响应于确定所述至少两个拥堵路段中的每一个路段包括在所述第一迭代过程中的每次迭代确定的所述拥堵区域中，终止所述第一迭代过程；以及
响应于确定所述至少两个拥堵路段中的至少一个不包括在所述第一迭代过程中的每次迭代中确定的拥堵区域中，启动所述第一迭代过程的新迭代。
13.根据权利要求11所述的方法，其特征在于，基于所述集群确定与所述第一目标路段相关的所述拥堵区域包括：
启动第二迭代过程，用于基于所述集群确定与所述第一目标路段相关的所述拥堵区域，所述第二迭代过程包括至少两个迭代，所述第二迭代过程中的每次迭代包括：
从所述集群中选择一个拥堵路段作为第二目标路段；
从所述至少两个拥堵路段确定一个或以上第二拥堵路段，所述第二目标路段与所述一个或以上第二拥堵路段中的每一个路段之间的拓扑距离小于所述阈值距离；以及
将所述一个或以上第二拥堵路段添加到所述集群；以及
将所述第一目标路段和所述集群中的所述拥堵路段作为与所述第一目标路段相关的所述拥堵区域。
14.根据权利要求13所述的方法，其特征在于，所述第二迭代过程中的所述至少两个迭代中的至少一个迭代还包括：
确定所述集群中的所有拥堵路段是否已被选为所述第二目标路段；
响应于确定所述集群中所有拥堵路段被选为所述第二目标路段，终止所述第二迭代过程；以及
响应于确定所述集群中至少一个拥堵路段未被选为所述第二目标路段，启动所述第二迭代过程的新迭代。
15.根据权利要求9所述的方法，其特征在于，确定所述拥堵区域是否是所述正常拥堵区域或所述异常拥堵区域包括：
对于所述至少两个拥堵路段中的每一个，
获取与所述拥堵路段相关的历史拥堵数据；
基于所述历史拥堵数据，确定所述拥堵路段的拥堵概率；
确定所述拥堵概率是否大于阈值概率；以及
响应于确定所述拥堵概率小于或等于所述阈值概率，将所述拥堵路段确定为异常拥堵路段；
对于所述一个或以上拥堵区域中的每一个，
确定所述拥堵区域中的异常拥堵路段数量是否大于阈值数；以及
响应于确定所述拥堵区域中的所述异常拥堵路段的数量大于所述阈值数，将所述拥堵区域确定为所述异常拥堵区域；或者响应于确定所述拥堵区域中的所述异常拥堵路段的数量小于或等于所述阈值数，将所述拥堵区域确定为所述正常拥堵区域。
16.根据权利要求9所述的方法，其特征在于，所述拥堵信息还包括由以下内容生成的交通变更信息：
获取对应于所示第一时间点之前的至少一个相似拥堵区域的历史拥堵信息，其中，所述至少一个相似拥堵区域基本上相似于所述拥堵信息正在被显示的所述至少一个拥堵区域；以及
将所述至少一个相似拥堵区域的所述历史拥堵信息与所述拥堵信息正在被显示的所述至少一个拥堵区域的所述拥堵信息进行比较。
17.一种暂时性计算机可读介质，包括至少一个指令集，其特征在于，当由计算设备的一个或以上处理器执行时，所述至少一个指令集使所述计算设备执行一种方法，所述方法包括：
在第一时间点获取与至少两个车辆的速度或位置相关的交通数据；
基于所述交通数据，确定至少两个拥堵路段；
通过搜索拓扑结构上接近的拥堵路段，并且通过聚类由所述搜索生成的所述拥堵路段，确定一个或以上拥堵区域；
对于所述一个或以上拥堵区域中的每一个区域，确定所述拥堵区域是正常拥堵区域还是异常拥堵区域；以及
显示与所述一个或以上拥堵区域中的至少一个区域相关的拥堵信息，其中，所述拥堵信息包括指示所述一个或以上拥堵区域中的所述至少一个区域是所述正常拥堵区域还是所述异常拥堵区域的指定。
18.根据权利要求17所述的非暂时性计算机可读介质，其特征在于，所述确定所述一个或以上拥堵区域是用以下方式进行的：
具有噪声的基于密度的聚类(DBSCAN)算法和Dijkstra算法。
19.根据权利要求17所述的非暂时性计算机可读介质，其特征在于，所述确定所述一个或以上拥堵区域包括：
启动第一迭代过程以确定所述一个或以上拥堵区域，所述第一迭代过程包括至少两个迭代，并且所述第一迭代过程中的每次迭代包括：
从所述至少两个拥堵路段中选择一个拥堵路段作为第一目标路段；
从所述至少两个拥堵路段确定一个或以上第一拥堵路段，所述第一目标路段与所述一个或以上第一拥堵路段中的每一个之间的拓扑距离小于阈值距离；
将所述一个或以上第一拥堵路段添加到集群；以及
基于所述集群确定与所述第一目标路段相关的拥堵区域；以及
基于所述第一迭代过程中的每次迭代中确定的所述拥堵区域，确定所述一个或以上拥堵区域。
20.根据权利要求19所述的非暂时性计算机可读介质，其特征在于，基于所述集群，确定与所述第一目标路段相关的所述拥堵区域包括：
启动第二迭代过程，用于基于所述集群确定与所述第一目标路段相关的所述拥堵区域，所述第二迭代过程包括至少两个迭代，所述第二迭代过程中的每次迭代包括：
从所述集群中选择一个拥堵路段作为第二目标路段；
从所述至少两个拥堵路段确定一个或以上第二拥堵路段，所述第二目标路段与所述一个或以上第二拥堵路段中的每一个路段之间的拓扑距离小于所述阈值距离；以及
将所述一个或以上第二拥堵路段添加到所述集群；以及
将所述第一目标路段和所述集群中的所述拥堵路段作为与所述第一目标路段相关的所述拥堵区域。
21.一种交通拥堵监控系统，包括：
交通数据获取模块，被配置用于在第一时间点获取与至少两个车辆的速度或位置相关的交通数据；
拥堵路段确定模块，被配置用于基于所述交通数据，确定至少两个拥堵路段；
聚类模块，被配置用于通过搜索拓扑结构上接近的拥堵路段，并且通过聚类由所述搜索生成的所述拥堵路段，确定一个或以上拥堵区域；
分配模块，被配置用于为所述一个或以上拥堵区域中的每一个区域确定所述拥堵区域是正常拥堵区域还是异常拥堵区域；以及
显示模块，被配置用于显示与所述一个或以上拥堵区域中的至少一个区域相关的拥堵信息，其中，所述拥堵信息包括指示所述一个或以上拥堵区域中的所述至少一个是所述正常拥堵区域还是所述异常拥堵区域的指定。
CN201780071732.1A 2017-11-13 2017-11-13 交通拥堵监控系统和方法 Active CN110050300B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/110644 WO2019090753A1 (en) 2017-11-13 2017-11-13 Systems and methods for monitoring traffic congestion

Publications (2)

Publication Number Publication Date
CN110050300A true CN110050300A (zh) 2019-07-23
CN110050300B CN110050300B (zh) 2021-08-17

Family

ID=66437660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780071732.1A Active CN110050300B (zh) 2017-11-13 2017-11-13 交通拥堵监控系统和方法

Country Status (4)

Country Link
US (1) US11024163B2 (zh)
CN (1) CN110050300B (zh)
TW (1) TWI734941B (zh)
WO (1) WO2019090753A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110275193A (zh) * 2019-08-14 2019-09-24 中国人民解放军军事科学院国防科技创新研究院 一种基于因子图的集群卫星协同导航方法
CN110379163A (zh) * 2019-07-26 2019-10-25 银江股份有限公司 一种基于轨迹数据的车辆异常减速区域检测方法及系统
CN111028505A (zh) * 2019-11-28 2020-04-17 北京世纪高通科技有限公司 交通拥堵的治理方法及装置
CN112150814A (zh) * 2020-02-27 2020-12-29 周国霞 基于智能交通的信息处理方法、装置及智能交通系统
CN112185108A (zh) * 2020-08-27 2021-01-05 银江股份有限公司 基于时空特征的城市路网拥堵模式识别方法、设备及介质
CN113823095A (zh) * 2021-11-22 2021-12-21 浙江大华技术股份有限公司 交通状态的确定方法、装置、存储介质及电子装置
CN116561199A (zh) * 2022-01-28 2023-08-08 腾讯科技（深圳）有限公司 拥堵路段的显示方法、装置、设备、介质及程序产品
US11754410B1 (en) 2022-07-11 2023-09-12 Chengdu Qinchuan Iot Technology Co., Ltd. Methods and internet of things systems for determining government traffic routes in smart cities
CN118762518A (zh) * 2024-07-31 2024-10-11 奇瑞汽车股份有限公司 拥堵路段分析方法及装置

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11257362B2 (en) * 2018-04-18 2022-02-22 International Business Machines Corporation Determining traffic congestion patterns
US11100793B2 (en) * 2019-01-15 2021-08-24 Waycare Technologies Ltd. System and method for detection and quantification of irregular traffic congestion
US20220301422A1 (en) * 2019-09-12 2022-09-22 Nippon Telegraph And Telephone Corporation Anomaly detection system, anomaly detecting apparatus, anomaly detection method and program
TWI761863B (zh) * 2020-06-19 2022-04-21 英業達股份有限公司 交通狀況偵測方法
CN112256519A (zh) * 2020-09-15 2021-01-22 郑州金惠计算机系统工程有限公司 一种数据流异常的监测方法、装置、电子设备及存储介质
US12112621B2 (en) * 2020-09-23 2024-10-08 Here Global B.V. Method and apparatus for traffic report certainty estimation
CN112434075B (zh) * 2020-10-23 2024-06-14 北京千方科技股份有限公司 一种基于etc门架的交通异常检测方法、装置、存储介质及终端
CN112991724B (zh) * 2021-02-09 2022-08-12 重庆大学 一种高速公路异常事件发生位置与事发时间的估计方法及装置
JP7591422B2 (ja) 2021-02-18 2024-11-28 本田技研工業株式会社 情報処理方法、及び、情報処理装置
CN113326449B (zh) * 2021-05-27 2023-07-25 北京百度网讯科技有限公司 预测交通流量的方法、装置、电子设备和介质
CN114093162B (zh) * 2021-10-15 2023-02-24 山东省公安厅交通警察总队 一种拥堵路况下收费站管控方法及系统
CN114495488B (zh) * 2021-12-30 2023-05-02 北京掌行通信息技术有限公司 常发拥堵时空范围提取方法和系统
CN115545996B (zh) * 2022-12-02 2023-03-10 成都智元汇信息技术股份有限公司 一种基于相似度矩阵的地铁异常历史客流识别方法及装置
CN115879016B (zh) * 2023-02-20 2023-05-16 中南大学 共享单车出行潮汐时段的预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3473299B2 (ja) * 1996-11-28 2003-12-02 株式会社日立製作所 道路状況監視装置
CN102968901A (zh) * 2012-11-30 2013-03-13 青岛海信网络科技股份有限公司 获取区域拥堵信息的方法及区域拥堵分析装置
CN106887137A (zh) * 2015-12-15 2017-06-23 高德信息技术有限公司 拥堵事件提示方法及装置
CN107123264A (zh) * 2017-05-31 2017-09-01 温州市鹿城区中津先进科技研究院 一种基于交通大数据判断异常拥堵的方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3994937B2 (ja) * 2003-07-29 2007-10-24 アイシン・エィ・ダブリュ株式会社 自動車用交通情報通知システム及びナビゲーションシステム
US7355528B2 (en) * 2003-10-16 2008-04-08 Hitachi, Ltd. Traffic information providing system and car navigation system
US7899611B2 (en) * 2006-03-03 2011-03-01 Inrix, Inc. Detecting anomalous road traffic conditions
US7912628B2 (en) * 2006-03-03 2011-03-22 Inrix, Inc. Determining road traffic conditions using data from multiple data sources
US8718928B2 (en) * 2008-04-23 2014-05-06 Verizon Patent And Licensing Inc. Traffic monitoring systems and methods
TWM432106U (en) * 2011-12-29 2012-06-21 zhi-mao Li Traffic sensing communication device
CN103578272B (zh) * 2013-08-30 2015-07-15 百度在线网络技术（北京）有限公司 一种异常路况识别方法及装置
CN104240499B (zh) 2014-06-23 2016-08-24 银江股份有限公司 一种基于微波数据的异常拥堵点判别方法
CN104157139B (zh) 2014-08-05 2016-01-13 中山大学 一种交通拥堵预测方法及可视化方法
US9518837B2 (en) * 2014-12-02 2016-12-13 Here Global B.V. Monitoring and visualizing traffic surprises
JP6229981B2 (ja) * 2014-12-26 2017-11-15 パナソニックＩｐマネジメント株式会社 車両感知器異常検知装置、交通状況分析装置、車両感知器異常検知システム、交通状況分析システムおよびプログラム
US11100797B2 (en) * 2015-06-05 2021-08-24 Apple Inc. Traffic notifications during navigation
US10515543B2 (en) * 2016-08-29 2019-12-24 Allstate Insurance Company Electrical data processing system for determining status of traffic device and vehicle movement
CN106781511B (zh) * 2017-03-22 2019-07-26 北京工业大学 一种基于gps数据和交通事故类型的拥堵时间预测方法
CN106960571B (zh) * 2017-03-30 2020-10-16 百度在线网络技术（北京）有限公司 道路拥堵瓶颈点确定方法、装置、服务器及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3473299B2 (ja) * 1996-11-28 2003-12-02 株式会社日立製作所 道路状況監視装置
CN102968901A (zh) * 2012-11-30 2013-03-13 青岛海信网络科技股份有限公司 获取区域拥堵信息的方法及区域拥堵分析装置
CN106887137A (zh) * 2015-12-15 2017-06-23 高德信息技术有限公司 拥堵事件提示方法及装置
CN107123264A (zh) * 2017-05-31 2017-09-01 温州市鹿城区中津先进科技研究院 一种基于交通大数据判断异常拥堵的方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110379163A (zh) * 2019-07-26 2019-10-25 银江股份有限公司 一种基于轨迹数据的车辆异常减速区域检测方法及系统
CN110275193A (zh) * 2019-08-14 2019-09-24 中国人民解放军军事科学院国防科技创新研究院 一种基于因子图的集群卫星协同导航方法
CN110275193B (zh) * 2019-08-14 2020-12-11 中国人民解放军军事科学院国防科技创新研究院 一种基于因子图的集群卫星协同导航方法
CN111028505A (zh) * 2019-11-28 2020-04-17 北京世纪高通科技有限公司 交通拥堵的治理方法及装置
CN112150814A (zh) * 2020-02-27 2020-12-29 周国霞 基于智能交通的信息处理方法、装置及智能交通系统
CN112150814B (zh) * 2020-02-27 2022-04-15 深圳市品轩智能图像技术有限公司 基于智能交通的信息处理方法、装置及智能交通系统
CN112185108B (zh) * 2020-08-27 2021-11-16 银江技术股份有限公司 基于时空特征的城市路网拥堵模式识别方法、设备及介质
CN112185108A (zh) * 2020-08-27 2021-01-05 银江股份有限公司 基于时空特征的城市路网拥堵模式识别方法、设备及介质
CN113823095A (zh) * 2021-11-22 2021-12-21 浙江大华技术股份有限公司 交通状态的确定方法、装置、存储介质及电子装置
CN113823095B (zh) * 2021-11-22 2022-05-03 浙江大华技术股份有限公司 交通状态的确定方法、装置、存储介质及电子装置
CN116561199A (zh) * 2022-01-28 2023-08-08 腾讯科技（深圳）有限公司 拥堵路段的显示方法、装置、设备、介质及程序产品
US11754410B1 (en) 2022-07-11 2023-09-12 Chengdu Qinchuan Iot Technology Co., Ltd. Methods and internet of things systems for determining government traffic routes in smart cities
CN118762518A (zh) * 2024-07-31 2024-10-11 奇瑞汽车股份有限公司 拥堵路段分析方法及装置
CN118762518B (zh) * 2024-07-31 2025-10-31 奇瑞汽车股份有限公司 拥堵路段分析方法及装置

Also Published As

Publication number Publication date
US11024163B2 (en) 2021-06-01
CN110050300B (zh) 2021-08-17
TWI734941B (zh) 2021-08-01
US20200160695A1 (en) 2020-05-21
TW201933157A (zh) 2019-08-16
WO2019090753A1 (en) 2019-05-16

Similar Documents

Publication Publication Date Title
TWI734941B (zh) 用於監控交通壅塞的系統和方法
CN110675621B (zh) 预测交通信息的系统和方法
CN109564100B (zh) 基于位置信息执行动作的系统与方法
CN110914855B (zh) 区域划分系统和方法
CN110998239B (zh) 用于确定地图中的新路径的系统和方法
US11004335B2 (en) Systems and methods for speed prediction
CN112154473A (zh) 用于推荐上车点的系统和方法
CN108780156A (zh) 用于确定移动设备的路径的系统和方法
CN110402370B (zh) 用于确定服务请求的推荐信息的系统和方法
US11676485B2 (en) Systems and methods for determining traffic information of a region
WO2019218335A1 (en) Systems and methods for recommending a personalized pick-up location
WO2019237945A1 (en) Systems and methods for navigation services
WO2021052451A1 (zh) 一种确定预估到达时间的方法和系统
CN112041858A (zh) 提供出行建议的系统和方法
CN111279386A (zh) 用于新道路确定的系统和方法
CN110781412B (zh) 用于识别路网中孤岛区域的系统和方法
CN111385340A (zh) 数据处理方法和系统
US20230023255A1 (en) Controlled ingestion of map update data
CN111223293B (zh) 分析交通拥堵的系统和方法
CN110651305A (zh) 车辆价值评估的系统和方法
CN110352414B (zh) 为大数据添加索引的系统和方法
WO2022126354A1 (en) Systems and methods for obtaining estimated time of arrival in online to offline services
CN110889962B (zh) 规划路线和轨迹路线比较方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant