CN111681409A - 数据处理方法、装置、电子设备及可读存储介质 - Google Patents
数据处理方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111681409A CN111681409A CN201910181856.6A CN201910181856A CN111681409A CN 111681409 A CN111681409 A CN 111681409A CN 201910181856 A CN201910181856 A CN 201910181856A CN 111681409 A CN111681409 A CN 111681409A
- Authority
- CN
- China
- Prior art keywords
- target road
- congestion
- road section
- capacity
- data model
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 32
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000013499 data model Methods 0.000 claims abstract description 174
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims description 25
- 238000011144 upstream manufacturing Methods 0.000 claims description 23
- 208000027744 congestion Diseases 0.000 abstract description 348
- 238000007726 management method Methods 0.000 abstract description 51
- 230000007480 spreading Effects 0.000 abstract description 40
- 238000003892 spreading Methods 0.000 abstract description 40
- 238000010586 diagram Methods 0.000 description 25
- 230000001276 controlling effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
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
- G08G1/0125—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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例公开了一种数据处理方法、装置、电子设备及可读存储介质，所述方法包括：根据目标路段的历史交通数据和实时交通数据估计所述目标路段的剩余容车能力；根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
Description
技术领域
本公开涉及计算机技术领域，具体涉及一种数据处理方法、装置、电子设备及可读存储介质。
背景技术
交通拥堵控制是城市交通管理的重要挑战。当交通网络中发现(或者预测到)交通拥堵时，需要结合拥堵区域及周边关联区域进行交通设施(例如，信号灯)协调控制来缓解或消除交通拥堵的影响。一方面需要通过调节拥堵方向的路权分配来尽快疏散拥堵区的车辆，另一方面需要合理控制进入拥堵区域的车流。
目前通过信号灯调控来控制进入拥堵区域车流可以有各种方法，例如，提前分流的方法、红波带的方法等。在提前分流的方法中，可以通过调整进入拥堵区域路径上的信号灯的配时方案来降低驶向拥堵区域方向的路权。在红波带的方法中，可以通过调整进入拥堵区域路径上的信号灯之间的相位配合关系来降低车流驶向拥堵区域方向的效率。
但是，无论提前分流的方法还是红波带的方法都采用削峰填谷的策略，通过降低拥堵区域的车流压力来减缓拥堵程度和恢复交通状态。但是这些方法都会造成车流转移到其它区域，如果没有正确的控制方法，非常容易造成拥堵的蔓延，反而导致更大规模的拥堵。这也是当前的方法在实际交通管理的应用中存在问题的地方。
发明内容
为了解决相关技术中的问题，本公开实施例提供一种数据处理方法、装置、电子设备及可读存储介质。
第一方面，本公开实施例中提供了一种数据处理方法，包括：
根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力；
根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求。
结合第一方面，本公开在第一方面的第一种实现方式中，还包括：
根据所估计的所述目标路段的剩余容车能力调整预设的数据模型中的参数。
结合第一方面的第一种实现方式，本公开在第一方面的第二种实现方式中，所述参数包括所述预设的数据模型中的与所述目标路段的上游路段相关的参数以及与所述目标路段的下游路段相关的参数。
结合第一方面或第一方面的第一种实现方式，本公开在第一方面的第三种实现方式中，所述根据所估计的所述目标路段的剩余容车能力调整预设的数据模型中的参数，包括：
根据所估计的所述目标路段的剩余容车能力以及所述目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数。
结合第一方面的第一种实现方式至第三种实现方式中的任一项，本公开在第一方面的第四种实现方式中，所述根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求，包括：
根据所估计的所述目标路段的剩余容车能力以及经调整的数据模型评估所述目标路段的容车状态是否符合预设要求。
结合第一方面、第一方面的第一种实现方式至第三种实现方式中的任一项，本公开在第一方面的第五种实现方式中，所述根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力，包括：
根据所述目标路段的历史交通数据估计所述目标路段的容车能力；
根据估计出的所述目标路段的容车能力和所述目标路段的当前交通数据计算所述目标路段的剩余容车能力。
结合第一方面、第一方面的第一种实现方式至第三种实现方式中的任一项，本公开在第一方面的第六种实现方式中，所述目标路段的历史交通数据包括所述目标路段的历史排队长度和历史拥堵信息，并且所述目标路段的当前交通数据包括所述目标路段的当前排队长度。
结合第一方面、第一方面的第一种实现方式至第三种实现方式中的任一项，本公开在第一方面的第七种实现方式中，还包括：
根据预设的数据模型或经调整的数据模型控制交通设施。
第二方面，本公开实施例中提供了一种交通设施控制方法，包括：
根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力；
根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求；
根据所估计的所述目标路段的剩余容车能力以及所述目标路段的容车状态不符合预设要求的评估结果调整所述预设的数据模型中的参数；
根据预设的数据模型或经调整的数据模型控制交通设施。
第三方面，本公开实施例中提供了一种数据处理装置，包括：
估计模块，被配置为根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力；
评估模块，被配置为根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求。
第四方面，本公开实施例中提供了一种电子设备，包括存储器和处理器；其中，
所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如第一方面、第一方面的第一种实现方式至第七种实现方式、第二方面任一项所述的方法。
第四方面，本公开实施例中提供了一种可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面、第一方面的第一种实现方式至第七种实现方式、第二方面任一项所述的方法。
本公开实施例提供的技术方案可以包括以下有益效果：
根据本公开实施例提供的技术方案，通过根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力；根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
根据本公开实施例提供的技术方案，通过根据所估计的所述目标路段的剩余容车能力调整预设的数据模型中的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
根据本公开实施例提供的技术方案，通过所述参数包括所述预设的数据模型中的与所述目标路段的上游路段相关的参数以及与所述目标路段的下游路段相关的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
根据本公开实施例提供的技术方案，通过所述根据所估计的所述目标路段的剩余容车能力调整预设的数据模型中的参数，包括：根据所估计的所述目标路段的剩余容车能力以及所述目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
根据本公开实施例提供的技术方案，通过所述根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求，包括：根据所估计的所述目标路段的剩余容车能力以及经调整的数据模型评估所述目标路段的容车状态是否符合预设要求，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
根据本公开实施例提供的技术方案，通过所述根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力，包括：根据所述目标路段的历史交通数据估计所述目标路段的容车能力；根据估计出的所述目标路段的容车能力和所述目标路段的当前交通数据计算所述目标路段的剩余容车能力，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
根据本公开实施例提供的技术方案，通过所述目标路段的历史交通数据包括所述目标路段的历史排队长度和历史拥堵信息，并且所述目标路段的当前交通数据包括所述目标路段的当前排队长度，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
根据本公开实施例提供的技术方案，通过根据预设的数据模型或经调整的数据模型控制交通设施，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
根据本公开实施例提供的技术方案，通过根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力；根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求；根据所估计的所述目标路段的剩余容车能力以及所述目标路段的容车状态不符合预设要求的评估结果调整所述预设的数据模型中的参数；根据预设的数据模型或经调整的数据模型控制交通设施，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动来控制交通设施，以实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
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
结合附图，通过以下非限制性实施方式的详细描述，本公开的其它标签、目的和优点将变得更加明显。在附图中：
图1示出根据本公开一实施方式的数据处理方法的流程图；
图2示出根据本公开另一实施方式的数据处理方法的流程图；
图3示出根据本公开图1所示的实施方式的数据处理方法中的步骤S110的一个示例的流程图；
图4示出根据本公开又一实施方式的数据处理方法的流程图；
图5示出根据本公开又一实施方式的数据处理方法的流程图；
图6示出根据本公开一实施方式的交通设施控制方法的流程图；
图7示出根据本公开一实施方式的数据处理方法应用场景的示意图；
图8示出根据本公开一实施方式的数据处理装置的结构框图；
图9示出根据本公开另一实施方式的数据处理装置的结构框图；
图10示出根据本公开图8所示的实施方式的数据处理装置中的估计模块810的一个示例的框图；
图11示出根据本公开又一实施方式的数据处理装置的结构框图；
图12示出根据本公开又一实施方式的数据处理装置的结构框图；
图13示出根据本公开一实施方式的电子设备的结构框图；
图14是适于用来实现根据本公开一实施方式的数据处理方法的计算机系统的结构示意图。
具体实施方式
下文中，将参考附图详细描述本公开的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。
在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的标签、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他标签、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的标签可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
在本公开中，通过根据目标路段的历史交通数据和当前交通数据估计目标路段的剩余容车能力；根据所估计的目标路段的剩余容车能力以及预设的数据模型评估目标路段的容车状态是否符合预设要求，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
图1示出根据本公开一实施方式的数据处理方法的流程图。如图1所示，所述数据处理方法包括以下步骤S110和S120：
在步骤S110中，根据目标路段的历史交通数据和当前交通数据估计目标路段的剩余容车能力。
在步骤S120中，根据所估计的目标路段的剩余容车能力以及预设的数据模型评估目标路段的容车状态是否符合预设要求。
在本公开中，交通网络中可能存在多个路段，目标路段是交通网络中的一条或多条路段，可能会面临拥堵问题。
在本公开的一个实施例中，目标路段的历史交通数据包括目标路段的历史排队长度和历史拥堵信息，并且目标路段的当前交通数据包括目标路段的当前排队长度。
在本公开的一个实施例中，当前交通数据可以包括当前时间点的实时交通数据，也可以包括距当前时间点在预设时间范围内的交通数据。在一个实施例中，目标路段的当前排队长度可以指的是距当前时间点在预设时间范围内或当前时间点的目标路段的排队长度。例如，在当前时间点为早8:00的情况下，目标路段在早8:00的当前排队长度可以指的是距早8:00在预设时间范围(例如，早8:00的前后10分钟，即，早7:55-8:05)内或早8:00的目标路段的排队长度。本领域技术人员可以理解，预设时间范围可以根据需要任意设置。
根据本公开实施例提供的技术方案，通过目标路段的历史交通数据包括目标路段的历史排队长度和历史拥堵信息，并且目标路段的当前交通数据包括目标路段的当前排队长度，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，目标路段的历史排队长度可以为历史记录中在某个预设时间段或某个时间点目标路段的排队长度。在本公开的一个实施例中，目标路段的历史排队长度可以是一定时间周期内目标路段的平均排队长度，例如，历史排队长度可以包括从当前时刻向前数30天内，在早上8:00-9:00，目标路段的排队长度的平均值。本领域技术人员可以理解，本公开中的历史排队长度不限于此示例，可以是从历史的交通数据中获取的各种值。例如，目标路段在某一特定时间点的历史排队数据可以是目标路段的历史的交通数据中在某些天的同样的特定时间点的排队长度。
在本公开的一个实施例中，目标路段的历史拥堵信息可以为历史记录中在某个预设时间段或某个时间点目标路段的车辆拥堵信息。在本公开的一个实施例中，目标路段的历史拥堵信息可以是一定时间周期内目标路段的平均拥堵时长、车辆通过目标路段的平均时长、目标路段的某一车道的平均拥堵时长、等等。例如，历史拥堵信息可以包括从当前时刻向前数30天内，在早上8:00-9:00，目标路段的拥堵时长的平均值。本领域技术人员可以理解，本公开中的历史拥堵信息不限于此示例，可以是从历史的交通数据中获取的各种值。
在本公开的一个实施例中，可以通过多种方式获取包括目标路段的历史排队长度和历史拥堵信息的历史交通数据以及包括当前排队长度的当前交通数据。例如，可以通过地图应用程序获取历史交通数据和当前交通数据，也可以通过视频记录或视频监控解析获取历史交通数据和当前交通数据，还可以通过雷达测量记录获取历史交通数据和当前交通数据。本领域技术人员可以理解，获取历史交通数据和当前交通数据的手段不限于前述示例。
以下参照图3描述步骤S110的是一个示例。
图3示出根据本公开图1所示的实施方式的数据处理方法中的步骤S110的一个示例的流程图。
如图3所示，图1中的步骤S110包括步骤S310和S320。
在步骤S310中，根据目标路段的历史交通数据估计目标路段的容车能力。
在步骤S320中，根据估计出的目标路段的容车能力和目标路段的当前交通数据计算目标路段的剩余容车能力。
根据本公开实施例提供的技术方案，通过根据目标路段的历史交通数据和当前交通数据估计目标路段的剩余容车能力，包括：根据目标路段的历史交通数据估计目标路段的容车能力；根据估计出的目标路段的容车能力和目标路段的当前交通数据计算目标路段的剩余容车能力，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，路段容车能力(容纳车辆能力)的表现形式可以是路段上的车辆排队长度或车辆数量。在本公开的一个实施例中，目标路段的剩余容车能力指的是当前情况下，除了当前车辆排队长度以外，目标路段还能容纳多少长度的排队车辆，或者除了当前车辆排队数量以外，目标路段还能容纳多少数量的排队车辆。例如，可以将目标路段的剩余容车能力定义为等于目标路段的容车能力-目标路段的当前排队长度。
在本公开的一个实施例中，目标路段的容车能力可以指的是当目标路段上的车辆排队长度达到多少或车辆数量达到多少的时候可能会导致目标路段或目标路段的上游路段的拥堵概率增加，即，指的是在不造成拥堵的前提下的最大容车能力。
在本公开的一个实施例中，如果目标路段在历史上没有出现过拥堵，则可以以目标路段上最大的历史车辆排队长度或最多的排队车辆数量作为目标路段的容车能力。
本领域技术人员可以理解，路段容车能力可以按照各种方式设置，并不一定是一个绝对固定的值。
在本公开的一个实施例中，预设的数据模型可以是相关技术中已有的数据模型，例如，提前分流的数据模型或红波带数据模型。在本公开的实施例中，预设的数据模型可以用于评估当前交通状况。在本公开的实施例中，预设的数据模型还可以用于控制交通，例如，控制路段的交通设施(交通信号灯)，以通过控制交通来尽量减少路段拥堵，保障交通通畅。本领域技术人员可以理解，本公开不对预设的数据模型进行限定，因此省略对数据模型细节的描述。
在本公开的一个实施例中，目标路段的容车状态指的是目标路段容纳车辆的状态，例如，车辆排队状态(例如，车辆排队长度和车辆排队数量)。在本公开的一个实施例中，根据所估计的目标路段的剩余容车能力以及预设的数据模型评估目标路段的容车状态是否符合预设要求可以指的是评估在该数据模型的方案下目标路段的容车能力被超过(即，目标路段容纳车辆的状态超过目标路段的容车能力)的风险是否超过预设阈值。在本公开的实施例中，预设阈值可以是一个预设比例，例如，车辆排队长度与路段长度的比值。又例如，预设阈值还可以是一个预设的车辆排队长度值。又例如，预设阈值还可以是一个路段中车辆通过此路段的预设时间。又例如，针对不同的日期、时刻、天气等，为路段设置不同的容车能力标准，即不同的预设阈值。本公开不限于前述示例，预设要求可以包括除了各种与容车能力相关的条件。
图2示出根据本公开另一实施方式的数据处理方法的流程图。如图2所示的实施方式中的数据处理方法与图1所示的实施方式中的数据处理方法的区别在于在还包括步骤S210。
在步骤S210中，根据所估计的目标路段的剩余容车能力调整预设的数据模型中的参数。
根据本公开实施例提供的技术方案，通过根据所估计的目标路段的剩余容车能力调整预设的数据模型中的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，参数包括预设的数据模型中的与目标路段的上游路段相关的参数以及与目标路段的下游路段相关的参数。
根据本公开实施例提供的技术方案，通过参数包括预设的数据模型中的与目标路段的上游路段相关的参数以及与目标路段的下游路段相关的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，步骤S210包括：根据所估计的目标路段的剩余容车能力以及目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数。
根据本公开实施例提供的技术方案，通过根据所估计的目标路段的剩余容车能力调整预设的数据模型中的参数，包括：根据所估计的目标路段的剩余容车能力以及目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，预设的数据模型中的参数可以是预设的数据模型中的目标路段的上游路段的协调权重和目标路段的下游路段的协调权重。
例如，当目标路段的剩余容车状态不符合预设要求(例如，低于某一容车阈值)时，可以提高目标路段的下游路段的协调权重，降低目标路段的上游路段的协调权重。即，控制目标路段的下游路段加强疏导车辆的程度，控制目标路段的上游路段降低向目标路段疏导车辆的程度。
例如，当目标路段的剩余容车状态符合预设要求(例如，高于某一容车阈值)时，可以降低目标路段的下游路段的协调权重，提高目标路段的上游路段的协调权重。即，控制目标路段的下游路段降低疏导车辆的程度，控制目标路段的上游路段提高向目标路段疏导车辆的程度。
在本公开的一个实施例中，步骤S120包括：根据所估计的目标路段的剩余容车能力以及经调整的数据模型评估目标路段的容车状态是否符合预设要求。
根据本公开实施例提供的技术方案，通过根据所估计的目标路段的剩余容车能力以及预设的数据模型评估目标路段的容车状态是否符合预设要求，包括：根据所估计的目标路段的剩余容车能力以及经调整的数据模型评估目标路段的容车状态是否符合预设要求，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，经调整的数据模型指的是经过参数调整的数据模型。
在本公开的一个实施例中，在对预设的数据模型中的参数进行了调整之后，根据所估计的目标路段的剩余容车能力以及经调整的数据模型评估目标路段的容车状态是否符合预设要求。接下来，可以根据所估计的目标路段的剩余容车能力以及目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数。
在本公开的一个实施例中，由于路段的实时交通数据状况随时会改变，路段的当前剩余容车能力也会随时改变，因此本公开的实施方式实质上是可以根据当前的交通状况调整预设的数据模型中的参数，因此可以使得经参数调整的数据模型更加适合当前的交通情况。即，在考虑路段容车能力溢出风险的情况下，对数据模型进行参数调整(反馈迭代)，使得数据模型对当前的交通状况及时做出反馈。因此，每一次经参数调整(反馈迭代)的数据模型可以比本次参数调整(反馈迭代)之前的数据模型更精确地评估目标路段的容车状态是否符合预设要求，进而可以比本次参数调整(反馈迭代)之前的数据模型更精确地控制交通(例如，控制交通信号灯之类的交通设施)，以减少交通拥堵。
需要注意的是，在没有评估目标路段的容车状态是否符合预设要求之前或者在评估出目标路段的容车能力符合预设要求时，仅根据所估计的目标路段的剩余容车能力调整预设的数据模型中的参数。在评估出目标路段的容车状态不符合预设要求时，换言之，在评估出在当前的数据模型产出的优化结果中存在超过目标路段容车能力的风险时，再根据所估计的目标路段的剩余容车能力以及目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数。
本领域技术人员可以理解，对预设的数据模型中的参数进行的调整的步骤以及对目标路段的容车状态是否符合预设要求进行评估的步骤是可以循环迭代执行的。这样可以一直优化数据模型，并且根据数据模型的优化结果评估在该优化方案下目标路段的容车状态是否符合预设要求，即，是否存在目标路段容车能力被超过的风险，进而可以根据经参数调整的数据模型更精确地控制交通(例如，控制交通信号灯之类的交通设施)，以减少交通拥堵。
以下参照图4和图5描述根据本公开的其他实施方式。
图4示出根据本公开又一实施方式的数据处理方法的流程图。如图4所示的实施方式中的数据处理方法与图1所示的实施方式中的数据处理方法的区别在于在还包括步骤S410。
图5示出根据本公开又一实施方式的数据处理方法的流程图。如图5所示的实施方式中的数据处理方法与图2所示的实施方式中的数据处理方法的区别在于在还包括步骤S410。
在步骤S410中，根据预设的数据模型或经调整的数据模型控制交通设施。
根据本公开实施例提供的技术方案，通过根据预设的数据模型或经调整的数据模型控制交通设施，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，根据预设的数据模型或经调整的数据模型控制交通设施指的是可以根据预设的数据模型或经调整的数据模型对交通系统中的信号灯等交通设施进行控制，以控制进入目标路段车流。
以下参照图6描述根据本公开一实施方式的交通设施控制方法的示例。
图6示出根据本公开一实施方式的交通设施控制方法的流程图。所述交通设施控制方法包括以下步骤S610、S620、S630和S640：
在步骤S610中，根据目标路段的历史交通数据和当前交通数据估计目标路段的剩余容车能力。
在步骤S620中，根据所估计的目标路段的剩余容车能力以及预设的数据模型评估目标路段的容车状态是否符合预设要求。
在步骤S630中，根据所估计的目标路段的剩余容车能力以及目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数。
在步骤S640中，根据预设的数据模型或经调整的数据模型控制交通设施。
在本公开的一个实施例中，由于路段的实时交通数据状况随时会改变，路段的当前剩余容车能力也会随时改变，因此本公开的实施方式实质上是可以根据当前的交通状况调整预设的数据模型中的参数，因此可以使得经参数调整的数据模型更加适合当前的交通情况。即，在考虑路段容车能力溢出风险的情况下，对数据模型进行参数调整(反馈迭代)，使得数据模型对当前的交通状况及时做出反馈。因此，每一次经参数调整(反馈迭代)的数据模型可以比本次参数调整(反馈迭代)之前的数据模型更精确地评估目标路段的容车状态是否符合预设要求，进而可以比本次参数调整(反馈迭代)之前的数据模型更精确地控制交通(例如，控制交通信号灯之类的交通设施)，以减少交通拥堵。
根据本公开实施例提供的技术方案，通过根据目标路段的历史交通数据和当前交通数据估计目标路段的剩余容车能力；根据所估计的目标路段的剩余容车能力以及预设的数据模型评估目标路段的容车状态是否符合预设要求；根据所估计的目标路段的剩余容车能力以及目标路段的容车状态不符合预设要求的评估结果调整所述预设的数据模型中的参数；根据预设的数据模型或经调整的数据模型控制交通设施，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动来控制交通设施，以实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，参数包括预设的数据模型中的与目标路段的上游路段相关的参数以及与目标路段的下游路段相关的参数。
根据本公开实施例提供的技术方案，通过参数包括预设的数据模型中的与目标路段的上游路段相关的参数以及与目标路段的下游路段相关的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，步骤S620包括：根据所估计的目标路段的剩余容车能力以及经调整的数据模型评估目标路段的容车状态是否符合预设要求。
根据本公开实施例提供的技术方案，通过根据所估计的目标路段的剩余容车能力以及预设的数据模型评估目标路段的容车状态是否符合预设要求，包括：根据所估计的目标路段的剩余容车能力以及经调整的数据模型评估目标路段的容车状态是否符合预设要求，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，步骤S610包括：根据目标路段的历史交通数据估计目标路段的容车能力；根据估计出的目标路段的容车能力和目标路段的当前交通数据计算目标路段的剩余容车能力。
根据本公开实施例提供的技术方案，通过根据目标路段的历史交通数据和当前交通数据估计目标路段的剩余容车能力，包括：根据目标路段的历史交通数据估计目标路段的容车能力；根据估计出的目标路段的容车能力和目标路段的当前交通数据计算目标路段的剩余容车能力，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，目标路段的历史交通数据包括目标路段的历史排队长度和历史拥堵信息，并且目标路段的当前交通数据包括目标路段的当前排队长度。
根据本公开实施例提供的技术方案，通过目标路段的历史交通数据包括目标路段的历史排队长度和历史拥堵信息，并且目标路段的当前交通数据包括目标路段的当前排队长度，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
以下参照图7描述根据本公开一实施方式的数据处理方法应用场景的示例。
图7示出根据本公开一实施方式的数据处理方法应用场景的示意图。
如图7所示，可以通过地图应用程序、视频记录、视频监控、雷达测量(监控)记录等方式获取目标路段的历史排队长度、当前排队长度以及历史拥堵信息。
可以根据获取的目标路段的历史排队长度和历史拥堵信息进行目标路段的容车能力拟合以估算目标路段的容车能力。例如，目标路段的容车能力可以指的是当目标路段上车辆数达到多少(或多少排队长度)的时候可能会导致目标路段或目标路段的上游路段的拥堵概率大幅增加，即，指的是在不造成拥堵的前提下的最大容车能力。又例如，如果历史上目标路段未出现过拥堵，则可以以目标路段的最大历史排队长度为目标路段的容车能力。
可以根据估算出的目标路段的容车能力以及获取的目标路段的当前排队长度来估计目标路段的剩余容车能力。即，目标路段的剩余容车能力＝目标路段的容车能力-目标路段的当前排队长度。
在一个实施例中，可以根据目标路段的剩余容车能力来调整数据模型的参数。例如，当目标路段的剩余容车能力不符合预设要求(例如，低于某一阈值)时，可以提高目标路段的下游路段的协调权重，降低目标路段的上游路段的协调权重。即，控制目标路段的下游路段加强疏导车辆的程度，控制目标路段的上游路段降低向目标路段疏导车辆的程度。例如，当目标路段的剩余容车能力符合预设要求(例如，高于某一阈值)时，可以降低目标路段的下游路段的协调权重，提高目标路段的上游路段的协调权重。即，控制目标路段的下游路段降低疏导车辆的程度，控制目标路段的上游路段提高向目标路段疏导车辆的程度。
在一个实施例中，可以根据目标路段的剩余容车能力以及目标路段的容车状态是超过目标路段的容车能力会(即，可能会出现拥堵)的评估结果来调整数据模型的参数。本领域技术人员可以理解，目标路段的容车能力会被超过的评估结果在一定意义上与目标路段的剩余容车能力较低类似，并且可以基于这种类似来对数据模型的参数进行调整。对数据模型进行参数调整使得在将数据模型用于交通控制(例如，交通信号灯的控制)时，调节路段的当前的车辆排队情况，尽量使得路段当前的车辆排队情况不超过路段容车能力。但是，需要注意，目标路段的剩余容车能力与目标路段的容车能力是两个不同的指标。
在对数据模型的参数进行调整之后，可以将调整后的参数(例如，前述目标路段的上游路段或下游路段的协调权重)代入数据模型，即，诸如红波带之类的已有的信号灯协调控制模型。此时的数据模型可被称为经调整的数据模型。
接下来，可以根据所估计的目标路段的剩余容车能力以及经调整的数据模型评估目标路段的容车状态是否符合预设要求。如果目标路段的容车状态不符合预设要求，即，根据数据模型产出的结果评估目标路段的容车能力存在被超过的风险，则需要将此评估结果反馈到调整数据模型的参数的步骤，以调整数据模型的参数。如果目标路段的容车状态符合预设要求，则结束此次的数据处理操作。
根据此应用场景的方案，可以通过基于数据模型的数据分析来估算路网上各路段的容车能力，并基于路段上的车辆排队状态和容车能力来动态调控信号灯，从而做到交通流削峰填谷的同时不会造成拥堵蔓延。
图8示出根据本公开一实施方式的数据处理装置800的结构框图。
如图8所示，数据处理装置800包括估计模块810和评估模块820。
估计模块810被配置为根据目标路段的历史交通数据和实时交通数据估计目标路段的剩余容车能力。
评估模块820被配置为根据所估计的目标路段的剩余容车能力以及预设的数据模型评估目标路段的容车状态是否符合预设要求。
根据本公开实施例提供的技术方案，通过估计模块，被配置为根据目标路段的历史交通数据和实时交通数据估计目标路段的剩余容车能力；评估模块，被配置为根据所估计的目标路段的剩余容车能力以及预设的数据模型评估目标路段的容车状态是否符合预设要求，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
图9示出根据本公开另一实施方式的数据处理装置900的结构框图。
如图9所示的实施方式中的数据处理装置与图8所示的实施方式中的数据处理装置的区别在于在还包括调整模块910。
调整模块910被配置为根据所估计的目标路段的剩余容车能力调整预设的数据模型中的参数。
根据本公开实施例提供的技术方案，通过调整模块，被配置为根据所估计的目标路段的剩余容车能力调整预设的数据模型中的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，参数包括预设的数据模型中的与目标路段的上游路段相关的参数以及与目标路段的下游路段相关的参数。
根据本公开实施例提供的技术方案，通过参数包括预设的数据模型中的与目标路段的上游路段相关的参数以及与目标路段的下游路段相关的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，调整模块910还被配置为：根据所估计的所述目标路段的剩余容车能力以及所述目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数。
根据本公开实施例提供的技术方案，通过调整模块，还被配置为：根据所估计的所述目标路段的剩余容车能力以及所述目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，评估模块820还被配置为：根据所估计的目标路段的剩余容车能力以及经调整的数据模型评估目标路段的容车状态是否符合预设要求。
根据本公开实施例提供的技术方案，通过评估模块，还被配置为：根据所估计的目标路段的剩余容车能力以及经调整的数据模型评估目标路段的容车状态是否符合预设要求，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
图10示出根据本公开图8所示的实施方式的数据处理装置中的估计模块810的一个示例的框图。如图10所示，估计模块810包括估计子模块1010和计算子模块1020。
估计子模块1010被配置为根据目标路段的历史交通数据估计目标路段的容车能力。
计算子模块1020被配置为根据估计出的目标路段的容车能力和目标路段的实时交通数据计算目标路段的剩余容车能力。
根据本公开实施例提供的技术方案，通过估计模块包括：估计子模块，被配置为根据目标路段的历史交通数据估计目标路段的容车能力；计算子模块，被配置为根据估计出的目标路段的容车能力和所述目标路段的实时交通数据计算所述目标路段的剩余容车能力，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，目标路段的历史交通数据包括目标路段的历史排队长度和历史拥堵信息，并且目标路段的实时交通数据包括目标路段的实时排队长度。
根据本公开实施例提供的技术方案，通过目标路段的历史交通数据包括目标路段的历史排队长度和历史拥堵信息，并且目标路段的实时交通数据包括目标路段的实时排队长度，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
图11示出根据本公开又一实施方式的数据处理装置1100的结构框图。如图11所示的实施方式中的数据处理装置与图8所示的实施方式中的数据处理装置的区别在于在还包括控制模块1110。
图12示出根据本公开又一实施方式的数据处理装置1200的结构框图。如图12所示的实施方式中的数据处理装置与图9所示的实施方式中的数据处理装置的区别在于在还包括控制模块1110。
控制模块1110被配置为根据预设的数据模型或经调整的数据模型控制交通设施。
根据本公开实施例提供的技术方案，通过控制模块，被配置为根据预设的数据模型或经调整的数据模型控制交通设施，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在根据本公开的实施例中，可以将参照图8至图12描述的实施例分别与参照图1至图7描述的实施例结合以全部或部分实现参照1-7描述的技术方案的技术效果。
以上描述了数据处理装置的内部功能和结构，在一个可能的设计中，该数据处理装置的结构可实现为电子设备，如图13中所示，该电子设备1300可以包括处理器1301以及存储器1302。
所述存储器1302用于存储支持数据处理装置执行上述任一实施例中数据处理方法的程序，所述处理器1301被配置为用于执行所述存储器1302中存储的程序。
所述存储器1302用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器1301执行以实现以下步骤：
根据目标路段的历史交通数据和实时交通数据估计所述目标路段的剩余容车能力；
根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求。
根据本公开实施例提供的技术方案，通过根据目标路段的历史交通数据和实时交通数据估计所述目标路段的剩余容车能力；根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，所述一条或多条计算机指令还被所述处理器1301执行以实现以下步骤：
根据所估计的所述目标路段的剩余容车能力调整预设的数据模型中的参数。
根据本公开实施例提供的技术方案，通过根据所估计的所述目标路段的剩余容车能力调整预设的数据模型中的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，所述参数包括所述预设的数据模型中的与所述目标路段的上游路段相关的参数以及与所述目标路段的下游路段相关的参数。
根据本公开实施例提供的技术方案，通过所述参数包括所述预设的数据模型中的与所述目标路段的上游路段相关的参数以及与所述目标路段的下游路段相关的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，所述根据所估计的所述目标路段的剩余容车能力调整预设的数据模型中的参数，包括：
根据所估计的所述目标路段的剩余容车能力以及所述目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数。
根据本公开实施例提供的技术方案，通过所述根据所估计的所述目标路段的剩余容车能力调整预设的数据模型中的参数，包括：根据所估计的所述目标路段的剩余容车能力以及所述目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，在此基础上调整预设的数据模型中的参数，并且可以通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，所述根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求，包括：
根据所估计的所述目标路段的剩余容车能力以及经调整的数据模型评估所述目标路段的容车状态是否符合预设要求。
根据本公开实施例提供的技术方案，通过所述根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求，包括：根据所估计的所述目标路段的剩余容车能力以及经调整的数据模型评估所述目标路段的容车状态是否符合预设要求，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，所述根据目标路段的历史交通数据和实时交通数据估计所述目标路段的剩余容车能力，包括：
根据所述目标路段的历史交通数据估计所述目标路段的容车能力；
根据估计出的所述目标路段的容车能力和所述目标路段的实时交通数据计算所述目标路段的剩余容车能力。
根据本公开实施例提供的技术方案，通过所述根据目标路段的历史交通数据和实时交通数据估计所述目标路段的剩余容车能力，包括：根据所述目标路段的历史交通数据估计所述目标路段的容车能力；根据估计出的所述目标路段的容车能力和所述目标路段的实时交通数据计算所述目标路段的剩余容车能力，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，所述目标路段的历史交通数据包括所述目标路段的历史排队长度和历史拥堵信息，并且所述目标路段的实时交通数据包括所述目标路段的实时排队长度。
根据本公开实施例提供的技术方案，通过所述目标路段的历史交通数据包括所述目标路段的历史排队长度和历史拥堵信息，并且所述目标路段的实时交通数据包括所述目标路段的实时排队长度，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
在本公开的一个实施例中，所述一条或多条计算机指令还被所述处理器1301执行以实现以下步骤：
根据预设的数据模型或经调整的数据模型控制交通设施。
根据本公开实施例提供的技术方案，通过根据预设的数据模型或经调整的数据模型控制交通设施，可以在相关技术的拥堵控制方法的基础上对拥堵进行更准确的判断，通过数据驱动实现对拥堵的更精细的管控，合理控制进入拥堵区域的车流。因此，可以实现针对拥堵更优化的控制管理、避免拥堵蔓延和“以堵治堵”。
所述处理器1301用于执行前述各方法步骤中的全部或部分步骤。
其中，所述电子设备的结构中还可以包括通信接口，用于电子设备与其他设备或通信网络通信。
本公开示例性实施例还提供了一种计算机存储介质，用于储存所述数据处理装置所用的计算机软件指令，其包含用于执行上述任一实施例中数据处理方法所涉及的程序，从而具备方法所带来的技术效果。
图14是适于用来实现根据本公开一实施方式的数据处理方法的计算机系统的结构示意图。
如图14所示，计算机系统1400包括中央处理单元(CPU)1401，其可以根据存储在只读存储器(ROM)1402中的程序或者从存储部分1408加载到随机访问存储器(RAM)1403中的程序而执行上述图1-7所示的实施方式中的各种处理。在RAM1403中，还存储有系统1400操作所需的各种程序和数据。CPU1401、ROM1402以及RAM1403通过总线1404彼此相连。输入/输出(I/O)接口1405也连接至总线1404。
以下部件连接至I/O接口1405：包括键盘、鼠标等的输入部分1406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1407；包括硬盘等的存储部分1408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1410也根据需要连接至I/O接口1405。可拆卸介质1411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1410上，以便于从其上读出的计算机程序根据需要被安装入存储部分1408。
特别地，根据本公开的实施方式，上文参考图1-7描述的方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行图1-7的数据处理方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分1409从网络上被下载和安装，和/或从可拆卸介质1411被安装。
附图中的流程图和框图，图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法，从而具备方法所带来的技术效果。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种数据处理方法，其特征在于，包括：
根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力；
根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求。
2.根据权利要求1所述的方法，其特征在于，还包括：
根据所估计的所述目标路段的剩余容车能力调整预设的数据模型中的参数。
3.根据权利要求2所述的方法，其特征在于，所述参数包括所述预设的数据模型中的与所述目标路段的上游路段相关的参数以及与所述目标路段的下游路段相关的参数。
4.根据权利要求2所述的方法，其特征在于，所述根据所估计的所述目标路段的剩余容车能力调整预设的数据模型中的参数，包括：
根据所估计的所述目标路段的剩余容车能力以及所述目标路段的容车状态不符合预设要求的评估结果调整预设的数据模型中的参数。
5.根据权利要求2至4任一项所述的方法，其特征在于，所述根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求，包括：
根据所估计的所述目标路段的剩余容车能力以及经调整的数据模型评估所述目标路段的容车状态是否符合预设要求。
6.根据权利要求1至4任一项所述的方法，其特征在于，所述根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力，包括：
根据所述目标路段的历史交通数据估计所述目标路段的容车能力；
根据估计出的所述目标路段的容车能力和所述目标路段的当前交通数据计算所述目标路段的剩余容车能力。
7.根据权利要求1至4任一项所述的方法，其特征在于，所述目标路段的历史交通数据包括所述目标路段的历史排队长度和历史拥堵信息，并且所述目标路段的当前交通数据包括所述目标路段的当前排队长度。
8.根据权利要求1至4任一项所述的方法，其特征在于，还包括：
根据预设的数据模型或经调整的数据模型控制交通设施。
9.一种交通设施控制方法，其特征在于，包括：
根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力；
根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求；
根据所估计的所述目标路段的剩余容车能力以及所述目标路段的容车状态不符合预设要求的评估结果调整所述预设的数据模型中的参数；
根据预设的数据模型或经调整的数据模型控制交通设施。
10.一种数据处理装置，其特征在于，包括：
估计模块，被配置为根据目标路段的历史交通数据和当前交通数据估计所述目标路段的剩余容车能力；
评估模块，被配置为根据所估计的所述目标路段的剩余容车能力以及预设的数据模型评估所述目标路段的容车状态是否符合预设要求。
11.一种电子设备，其特征在于，包括存储器和处理器；其中，
所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1至8任一项所述的方法。
12.一种可读存储介质，其上存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910181856.6A CN111681409A (zh) | 2019-03-11 | 2019-03-11 | 数据处理方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910181856.6A CN111681409A (zh) | 2019-03-11 | 2019-03-11 | 数据处理方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111681409A true CN111681409A (zh) | 2020-09-18 |
Family
ID=72451181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910181856.6A Pending CN111681409A (zh) | 2019-03-11 | 2019-03-11 | 数据处理方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111681409A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112581757A (zh) * | 2020-12-09 | 2021-03-30 | 曾李 | 一种智慧交通信息处理方法、装置及服务器 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104537851A (zh) * | 2014-12-26 | 2015-04-22 | 清华大学 | 实时反馈动态交通信号控制系统 |
| CN105247545A (zh) * | 2014-01-27 | 2016-01-13 | 马丁·埃赖斯埃赖斯 | 用于监视并控制车辆路线以优化使用其负载容量的方法 |
| CN106355885A (zh) * | 2016-11-24 | 2017-01-25 | 深圳市永达电子信息股份有限公司 | 基于大数据分析平台的交通信号动态控制方法及系统 |
-
2019
- 2019-03-11 CN CN201910181856.6A patent/CN111681409A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105247545A (zh) * | 2014-01-27 | 2016-01-13 | 马丁·埃赖斯埃赖斯 | 用于监视并控制车辆路线以优化使用其负载容量的方法 |
| CN104537851A (zh) * | 2014-12-26 | 2015-04-22 | 清华大学 | 实时反馈动态交通信号控制系统 |
| CN106355885A (zh) * | 2016-11-24 | 2017-01-25 | 深圳市永达电子信息股份有限公司 | 基于大数据分析平台的交通信号动态控制方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112581757A (zh) * | 2020-12-09 | 2021-03-30 | 曾李 | 一种智慧交通信息处理方法、装置及服务器 |
| CN112581757B (zh) * | 2020-12-09 | 2021-11-16 | 广东君略科技咨询有限公司 | 一种智慧交通信息处理方法、装置及服务器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110784825B (zh) | 车辆行驶轨迹的生成方法、装置 | |
| Lee et al. | Driving aggressiveness management policy to enhance the performance of mixed traffic conditions in automated driving environments | |
| CN110379180B (zh) | 一种交通信号控制方法、交通信号控制装置及终端设备 | |
| US20130197790A1 (en) | Method and system for traffic performance analysis, network reconfiguration, and real-time traffic monitoring | |
| CN111583713B (zh) | 车辆驾驶预警方法和装置 | |
| CN111951567B (zh) | 数据的处理方法、装置、设备及计算机存储介质 | |
| CN111710187B (zh) | 确定车辆驾驶风险的方法、装置、介质及电子设备 | |
| US10775787B2 (en) | Information sharing method, apparatus, system and device applicable to unmanned vehicle | |
| CN113723191B (zh) | 道路拥堵预测方法、基于位置的服务提供方法及程序产品 | |
| US11257361B2 (en) | Vehicle driving shockwave prediction system for active safe driving and method thereof | |
| US20130275044A1 (en) | Method and apparatus for transporting residue of vehicle position data via wireless network | |
| CN113506443A (zh) | 排队长度与交通量估算方法、装置、设备及可读存储介质 | |
| CN115273453A (zh) | 车路协同中管理路侧设备的方法、装置、云控平台和系统 | |
| CN112528711B (zh) | 用于处理信息的方法和装置 | |
| CN113269339B (zh) | 一种网约车任务自动创建和分发的方法及系统 | |
| CN111681409A (zh) | 数据处理方法、装置、电子设备及可读存储介质 | |
| Younes | Real-time traffic distribution prediction protocol (TDPP) for vehicular networks | |
| CN112230663B (zh) | 车辆定位数据的监测方法、装置 | |
| CN113506453B (zh) | 公交车优先信号控制方法、装置、设备及可读存储介质 | |
| CN110888113A (zh) | 车载雷达控制方法、装置、设备和存储介质 | |
| US20190228644A1 (en) | Server device and information collection system | |
| CN111866080B (zh) | 车辆请求的处理方法、装置 | |
| EP4130670A1 (en) | Slope point screening method, terminal device, medium and slope calculation method and system | |
| CN113516847A (zh) | 基于车联网v2x的高速公路防拥堵控制方法及系统 | |
| US20240196375A1 (en) | Cooperative intelligent transport system and method with cpm significance index for redundancy mitigation |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200918 |