交通状态监测方法、装置、计算机设备和可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113628434A(43)申请公布日2021.11.09(21)申请号202010372669.9(22)申请日2020.05.06(71)申请人深圳市万普拉斯科技有限公司地址518000广东省深圳市前海深港合作区前湾一路1号A栋201室(72)发明人陈清元(74)专利代理机构广州华进联合专利商标代理有限公司44224代理人董慧(51)Int.Cl.G08G1/01(2006.01)权利要求书2页说明书14页附图4页(54)发明名称交通状态监测方法、装置、计算机设备和可读存储介质(57)摘要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。CN113628434ACN113628434A权利要求书1/2页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度，得到预测交通流离散度；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；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。7.根据权利要求6所述的方法，其特征在于，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：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；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2CN113628434A权利要求书2/2页离散度。8.根据权利要求6所述的方法，其特征在于，所述方法还包括：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。9.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；将所述拥堵提示信息发送至目标终端。10.一种交通状态监测装置，其特征在于，所述装置包括：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；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；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；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。11.一种计算机设备，包括存储器