交通指标计算模型测试方法、交通仿真方法和装置与流程

本申请涉及数据处理技术，尤其涉及智能交通技术领域，具体涉及一种交通指标计算模型测试方法、交通仿真方法和装置。

背景技术：

在智能交通领域，可以通过交通指标计算模型进行交通指标的计算。在交通指标计算模型投入使用之前，需要对交通指标计算模型进行测试，以确保交通指标计算模型的计算精度达到要求。然而，由于交通指标真值无法简单地通过标注交通视频数据而得到，为了获取交通指标真值，往往需要动用大量的人力进行现场调查，这使得交通指标计算模型的测试成本较高。

技术实现要素：

本申请提供了一种交通指标计算模型测试方法、交通仿真方法和装置。

根据第一方面，本申请提供了一种交通指标计算模型测试方法，所述方法包括：

生成预设交通场景的仿真场景的仿真数据，所述仿真场景中设置有仿真道路、仿真信号灯和仿真车流；

将所述仿真数据输入至交通指标计算模型中；

获取所述交通指标计算模型根据所述仿真数据计算得到的交通指标计算结果；

根据所述交通指标计算结果，以及所述仿真场景对应的交通指标真值，确定所述交通指标计算模型的计算精度。

根据第二方面，本申请提供了一种交通仿真方法，所述方法包括：

生成预设交通场景的仿真场景的仿真数据，所述仿真场景中设置有仿真道路、仿真信号灯和仿真车流；

采集所述仿真车流的每个仿真车辆的第一时间和第二时间；所述第一时间为仿真车辆首次出现的时间，所述第二时间为仿真车辆通过道路停止线的时间；

根据所述第一时间、所述第二时间和所述仿真信号灯的运行信息中的至少一项，计算所述仿真场景对应的交通指标真值。

根据第三方面，本申请提供了一种交通指标计算模型测试装置，包括：

生成模块，用于生成预设交通场景的仿真场景的仿真数据，所述仿真场景中设置有仿真道路、仿真信号灯和仿真车流；

输入模块，用于将所述仿真数据输入至交通指标计算模型中；

获取模块，用于获取所述交通指标计算模型根据所述仿真数据计算得到的交通指标计算结果；

第一确定模块，用于根据所述交通指标计算结果，以及所述仿真场景对应的交通指标真值，确定所述交通指标计算模型的计算精度。

根据第四方面，本申请提供了一种交通仿真装置，包括：

生成模块，用于生成预设交通场景的仿真场景的仿真数据，所述仿真场景中设置有仿真道路、仿真信号灯和仿真车流；

采集模块，用于采集所述仿真车流的每个仿真车辆的第一时间和第二时间；所述第一时间为仿真车辆首次出现的时间，所述第二时间为仿真车辆通过道路停止线的时间；

计算模块，用于根据所述第一时间、所述第二时间和所述仿真信号灯的运行信息中的至少一项，计算所述仿真场景对应的交通指标真值。

根据第五方面，本申请提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面中的任一项方法，或者，以使所述至少一个处理器能够执行第二方面中的任一项方法。

根据第六方面，本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面中的任一项方法，或者，所述计算机指令用于使所述计算机执行第二方面中的任一项方法。

根据本申请的技术，通过对交通场景进行仿真，可以为交通指标计算模型提供测试用的交通仿真数据，在交通场景仿真过程中能够容易地得到交通指标真值，从而能够容易地确定交通指标计算模型的计算精度。本申请能够降低交通指标计算模型的测试成本，解决了现有技术中存在的交通指标计算模型的测试成本较高的问题。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的交通指标计算模型测试方法的流程示意图；

图2是根据本申请第一实施例的交通指标计算模型的测试流程示意图；

图3是根据本申请第二实施例的交通仿真方法的流程示意图；

图4是根据本申请第三实施例的交通指标计算模型测试装置的结构示意图；

图5是根据本申请第三实施例的交通仿真装置的结构示意图；

图6是用来实现本申请实施例的交通指标计算模型测试方法的电子设备的框图；

图7是用来实现本申请实施例的交通仿真方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

第一实施例

如图1所示，本申请提供一种交通指标计算模型测试方法，包括如下步骤：

步骤101：生成预设交通场景的仿真场景的仿真数据，所述仿真场景中设置有仿真道路、仿真信号灯和仿真车流。

上述预设交通场景可以理解为待测试的交通场景，可以预先对预设交通场景进行个性化配置，例如，通过设置配置文件对预设交通场景的相关信息进行个性化配置，该相关信息可以包括车辆的行驶轨迹、车辆个数、信号灯的变化时序、道路信息等等。

这样，可以基于配置文件中的相关信息，生成预设交通场景的仿真场景的仿真数据。具体的，可以基于配置文件中的相关信息，生成仿真道路、仿真信号灯和仿真车流。

需要说明的是，生成仿真道路的过程也可以称为道路仿真，生成仿真信号灯的过程也可以称为信号灯仿真，生成仿真车流的过程也可以称为车流仿真。而道路仿真、信号灯仿真和车流仿真又可统称为交通流仿真。

其中，仿真道路可以包括但不限于车道、路口、道路停止线等，仿真道路的信息包括但不限于车道的转向信息、路口的分支数、路口分支的车道数、道路停止线的坐标信息等信息；仿真信号灯的信息可以包括但不限于红绿灯的运行信息；仿真车流的信息可以包括但不限于仿真车辆的行驶轨迹、行驶速度、转向等信息。仿真道路、仿真信号灯和仿真车流在整个仿真场景中并不是孤立存在的，而是存在相互依赖关系，例如，在路口处可以设置仿真信号灯，仿真车辆在行驶过程中，需要与仿真信号灯进行交互，等等。

步骤102：将所述仿真数据输入至交通指标计算模型中。

在得到预设交通场景的仿真场景的仿真数据之后，可以将该仿真数据输入至交通指标计算模型中。具体的，可以将仿真场景的仿真数据封装成交通指标计算模型可以识别或处理的数据格式，或者说，该仿真数据的数据格式为交通指标计算模型可以识别或处理的数据格式。例如，可以利用机器视觉识别技术，将仿真场景转换成障碍物信息，该障碍物信息即为仿真场景对应的仿真数据。该障碍物信息的数据格式可以是文本、json、xml或protobuf等格式。

在将仿真数据输入至交通指标计算模型之后，交通指标计算模型即可得到该仿真数据，并对该仿真数据进行计算处理，得到相应的交通指标计算结果。该交通指标计算结果可以在后续步骤中用于确定交通指标计算模型的计算精度。

交通指标计算模型可用于计算交通场景的交通指标，在交通指标计算模型投入使用之前，需要对交通指标计算模型进行测试，以确保交通指标计算模型的计算精度满足要求。本申请中的交通指标计算模型可以理解为需要进行精度测试的交通指标计算模型，而上述仿真场景对应的仿真数据可以理解为交通指标计算模型的测试数据，或者说，是交通指标计算模型的上游数据。

现有技术中，一般将摄像头采集到的交通视频数据作为交通指标计算模型的测试数据，而作为测试数据使用的交通视频数据，其交通指标真值无法简单地通过标注交通视频数据而得到，为了获取其交通指标真值，往往需要动用大量的人力进行现场调查，这使得交通指标计算模型的测试成本较高。

鉴于此，本申请中，通过对预设交通场景进行仿真，一方面，可以容易地为交通指标计算模型提供测试用的交通仿真数据，从而无需再通过摄像头采集测试用的交通视频数据，降低了交通指标计算模型的测试成本。另一方面，在对预设交通场景进行仿真的过程中，能够容易地得到该仿真场景下的交通指标真值，该交通指标真值可以在后续步骤中用于确定交通指标计算模型的计算精度，进一步降低了交通指标计算模型的测试成本。

步骤103：获取所述交通指标计算模型根据所述仿真数据计算得到的交通指标计算结果。

步骤104：根据所述交通指标计算结果，以及所述仿真场景对应的交通指标真值，确定所述交通指标计算模型的计算精度。

在交通指标计算模型根据仿真数据计算得到了交通指标计算结果之后，可以从交通指标计算模型获取该交通指标计算结果。这样，即可根据交通指标计算结果以及仿真场景对应的交通指标真值，确定交通指标计算模型的计算精度。

交通指标计算模型所得到的交通指标计算结果与交通指标真值之间的差异或误差，即可用于表征交通指标计算模型的计算精度。交通指标计算结果与交通指标真值之间的差异或误差越小，交通指标计算模型的计算精度越高，反之则交通指标计算模型的计算精度越低。可以通过设置差异阈值或误差阈值来确定交通指标计算模型的计算精度是否满足要求。

本申请中，通过对预设交通场景进行仿真，可以容易地为交通指标计算模型提供测试用的交通仿真数据，并且，在交通场景仿真过程中能够容易地得到交通指标真值。

本申请中，由于为交通指标计算模型提供了测试用的交通仿真数据和交通指标真值，因此，能省去通过视频或现场统计交通指标真值的过程，极大地提升了测试效率，降低了交通指标计算模型的测试成本。由于测试数据和交通指标真值能够在仿真过程中直接自动生成，有利于快速形成测试闭环，使交通指标计算模型能够脱离对上游数据模块的依赖。此外，还能个性化定制交通场景，提前通过仿真数据对交通指标计算模型进行问题暴露。

本申请中，可以利用地图及标注信息来生成仿真道路。

本申请还提供以下的仿真场景中仿真信号灯的生成方法。

可选的，所述仿真信号灯的生成方法包括：

基于所述预设交通场景中预定义的信号灯时序信息，生成所述仿真信号灯。

该实施方式中，生成仿真信号灯不仅仅包括仿真信号灯的设置位置的确定，还包括仿真信号灯的运行方式的确定。对于前者，一般可以考虑在路口处设置仿真信号灯；而对于后者，可以基于预设交通场景中预定义的信号灯时序信息，例如配置文件中定义的信号灯时序信息，对仿真信号灯的运行方式进行确定。信号灯时序信息也可以理解为信号灯的步进信息，也就是说，仿真信号灯可按照信号灯时序信息进行步进，依次切换灯态颜色即可。

信号灯时序信息可以包括通行周期信息、每个通行周期的灯态时序变化信息、每个通行周期的红灯、黄灯、绿灯起始时间信息、每个通行周期的红灯、黄灯、绿灯结束时间信息等等。

例如，信号灯时序信息可以按照以下方式配置：

右转：红灯起始、结束时间，黄灯起始、结束时间，绿灯起始、结束时间；

直行：红灯起始、结束时间，黄灯起始、结束时间，绿灯起始、结束时间；

左转：红灯起始、结束时间，黄灯起始、结束时间，绿灯起始、结束时间；

掉头：红灯起始、结束时间，黄灯起始、结束时间，绿灯起始、结束时间。

此外，还可以结合各路口实现信号灯时序信息的配置，如下：

南路口：红灯起始、结束时间，黄灯起始、结束时间，绿灯起始、结束时间；

北路口：红灯起始、结束时间，黄灯起始、结束时间，绿灯起始、结束时间；

西路口：红灯起始、结束时间，黄灯起始、结束时间，绿灯起始、结束时间；

东路口：红灯起始、结束时间，黄灯起始、结束时间，绿灯起始、结束时间。

如还有东南路口、西北路口等，则可以按照上述配置方式进行扩充添加。

该实施方式中，基于预设交通场景中预定义的信号灯时序信息生成仿真信号灯的过程较为简单，容易实现，从而能够容易地为交通指标计算模型提供测试用的交通仿真数据。

本申请还提供以下的仿真场景中仿真车流的生成方法。

可选的，所述仿真车流的生成方法包括：

基于所述预设交通场景中预定义的时间偏移和空间偏移，对仿真车辆的数据进行复制，以得到所述仿真车流的数据；

更新所述仿真车流的数据，更新后的数据指示所述仿真车流的每个仿真车辆按照各自的步进向量移动。

在对预设交通场景进行仿真时，需要生成仿真车流的数据，仿真车流可包括若干仿真车辆，且每个仿真车辆均需要行驶于仿真道路。因此，要生成仿真车流的数据，则需要对仿真车辆的数据进行复制。

该实施方式中，每复制一个仿真车辆的数据，可更新仿真车辆的数据，更新后的数据可指示仿真车辆的每个仿真车辆按照各自的步进向量移动，这样，仿真车流中的每个仿真车辆均可按照各自的步进向量移动。还可以对仿真车辆进行初始化，具体的，可以基于配置文件中定义的轨迹信息，对仿真车辆进行初始化，以实现仿真车辆按照各自的轨迹以各自的步进向量移动。

例如，假设配置文件中设定了如下的仿真车辆的轨迹点：path＝[(x1，y1)，(x2，y2)，(x3，y3)，…]，配置文件中设定了如下的每个轨迹段的通行速度：v＝[v1，v2，…]。

在仿真车辆进行初始化时，可计算出仿真车辆在每个轨迹段的步进向量为：move_vector＝[(x2-x1，y2-y1)，(x3-x2，y3-y2)，…]。此外，还可以对仿真车辆的步进向量进行归一化处理，得到归一化步进向量为：normal_move_vector＝[(x2-x1，y2-y1)/sqrt((x2-x1)^2+(y2-y1)^2)，(x3-x2，y3-y2)/sqrt((x3-x2)^2+(y3-y2)^2)，…]。

这样，在每一轨迹段内，仿真车辆的步进公式为：point(t_now)＝point(t_prior)+v*(t_now-t_prior)*normal_move_vector[n]，其中，t_now为当前时间，t_prior为前一帧时间，point(t_now)为t_now对应的轨迹点，即当前轨迹点，point(t_prior)为t_prior对应的轨迹点，即前一帧轨迹点，n为仿真车辆当前所在的轨迹段。

仿真车辆在步进过程中，上述步进公式随轨迹段n的变化而调整，即可实现仿真车辆基于指定轨迹以其对应的步进向量进行步进。

该实施方式中，可以基于预设交通场景中预定义的时间偏移和空间偏移，例如配置文件中定义的时间偏移和空间偏移，通过对当前仿真车辆的数据进行复制来得到仿真车流的数据。具体的，根据时间偏移形成仿真车流的方式为，复制当前仿真车辆的数据，并设定新的仿真车辆的起始时间＝当前仿真车辆的起始时间+偏移时间。根据空间偏移形成仿真车流的方式为，复制当前仿真车辆的数据，并对当前仿真车辆的数据进行轨迹点偏移，以得到新的仿真车辆的轨迹点数据。如下：new_path＝path+offset_vector＝[(x1+x_offset，y1+y_offset)，(x2+x_offset，y2+y_offset)，(x3+x_offset，y3+y_offset)，…]，其中，new_path表示新的仿真车辆的轨迹点，path表示当前仿真车辆的轨迹点，offset_vector表示空间偏移量，x_offset表示x轴偏移量，y_offset表示y轴偏移量。

该实施方式中，基于预设交通场景中预定义的通过时间偏移和空间偏移得到仿真车流的数据，其过程较为简单，容易实现，从而能够容易地为交通指标计算模型提供测试用的交通仿真数据。

可选的，所述仿真车流的生成方法还包括：

所述仿真车流的每个仿真车辆按照各自的步进向量移动的过程中，若所述仿真车流的第一仿真车辆满足停车条件，则所述第一仿真车辆停车；若所述第一仿真车辆不再满足所述停车条件，则所述第一仿真车辆继续按照相应的步进向量移动。

上述停车条件例如可以是仿真车辆遇到红灯需停车的条件，或者还可以是其他需要停车的情况。

该实施方式中，由于考虑了仿真车辆的停车条件，使得得到的仿真车流更加能够体现交通场景的特征，从而能够为交通指标计算模型提供更适用的交通仿真数据。

本申请中，通过对交通场景进行仿真，除了可以为交通指标计算模型提供测试用的交通仿真数据，还可以在交通场景仿真过程中得到交通指标真值，该交通指标真值可以用于确定交通指标计算模型的计算精度。

本申请中，在仿真信号灯和仿真车流步进的过程中，可记录每一次步进过程中的仿真车辆的位置信息和仿真信号灯的运行信息，并将这些信息转换成交通指标计算模型能够识别和处理的数据类型。在仿真信号灯和仿真车流步进的过程中，还可记录每一次步进过程中的关键信息，例如，仿真车辆首次出现的时间信息、仿真车辆通过道路停止线的时间信息和仿真信号灯的运行信息等。这些关键信息可用来计算交通指标真值。

以下提供仿真场景的交通指标真值的计算方法。

可选的，所述交通指标真值的计算方法包括：

采集所述仿真车流的每个仿真车辆的第一时间和第二时间；所述第一时间为仿真车辆首次出现的时间，所述第二时间为仿真车辆通过道路停止线的时间；

根据所述第一时间、所述第二时间和所述仿真信号灯的运行信息中的至少一项，计算所述交通指标真值。

可选的，所述仿真车辆通过道路停止线的确定方法包括：

以由西至东的方向为x轴，由南至北的方向为y轴，将第一路口的道路停止线拟合成第一线性函数y＝f(x)或x＝f’(y)；

获取目标仿真车辆的横坐标x1和纵坐标y1；

若所述第一路口为南路口，则在y1-f(x1)＞0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为北路口，则在y1-f(x1)＜0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为西路口，则在x1-f’(y)＞0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为东路口，则在x1-f’(y)＜0的情况下，确定所述目标仿真车辆通过所述道路停止线。

该实施方式中，y＝f(x)和x＝f’(y)互为反函数。

假设y＝fe(x)为东路口的道路停止线的线性函数，y＝fs(x)为南路口的道路停止线的线性函数，y＝fw(x)为西路口的道路停止线的线性函数，y＝fn(x)为北路口的道路停止线的线性函数，(x，y)分别为道路停止线上的点。则x＝fe’(y)、x＝fs’(y)、x＝fw’(y)和x＝fn’(y)分别为上述各线性函数对应的反函数。

该实施方式中，交通指标包括但不限于交通流量、排队车辆数、车头时距，因此，对于不同的交通指标，其真值计算所需要的参数也可能不同。以下分别结合不同的交通指标，提供对应真值的计算方法。

本申请中，仿真信号灯的运行信息可以包括每个通行周期的绿灯起始时间和绿灯结束时间等信息。

可选的，所述交通指标为交通流量，所述交通流量真值的计算方法包括：

计算所述仿真车流中，所述第二时间位于同一通行周期内的绿灯起始时间至绿灯结束时间之间的仿真车辆的数目；

将所述仿真车辆的数目确定为所述交通流量真值。

可选的，所述交通指标为排队车辆数，所述排队车辆数真值的计算方法包括：

计算所述仿真车流中，所述第一时间小于第一通行周期内的绿灯起始时间，且所述第二时间大于所述第一通行周期内的绿灯起始时间的仿真车辆的数目；

将所述仿真车辆的数目确定为所述排队车辆数真值。

可选的，所述交通指标为车头时距，所述车头时距真值的计算方法包括：

采集第一仿真车辆和第二仿真车辆的第二时间，所述第一仿真车辆和所述第二仿真车辆为相邻且先后通过所述道路停止线的仿真车辆；

将所述第一仿真车辆的第二时间与所述第二仿真车辆的第二时间之间的时间差确定为所述车头时距真值。

上述各交通指标真值的计算方法均较为简单，容易实现，从而能够容易地通过各交通指标真值确定交通指标计算模型的计算精度。

本申请中，上述各交通指标真值可以统称为流向指标真值，除了流向指标真值之外，本申请中的交通指标真值还可以包括车道指标真值。

此外，本申请还可以对生成的仿真场景进行可视化复现，用于检测数据生成效果，也可辅助对交通指标计算模型所存在的交通指标计算问题进行排查。本申请中，可以采用3d动态可视化所生成的仿真场景，也可以采用2d动态可视化所生成的仿真场景。

作为示例，图2示出了一种具体的交通指标计算模型的测试流程。

需要说明的是，本申请中的交通指标计算模型测试方法中的多种可选的实施方式，彼此可以相互结合实现，也可以单独实现，对此本申请不作限定。

本申请的上述实施例至少具有如下优点或有益效果：

本申请中，通过对预设交通场景进行仿真，可以容易地为交通指标计算模型提供测试用的交通仿真数据，并且，在交通场景仿真过程中能够容易地得到交通指标真值。因为采用上述技术手段，本申请能够容易地确定交通指标计算模型的计算精度，从而能够降低交通指标计算模型的测试成本，很好地解决了现有技术中存在的交通指标计算模型的测试成本较高的问题。

第二实施例

如图3所示，本申请提供一种交通仿真方法，包括如下步骤：

步骤301：生成预设交通场景的仿真场景的仿真数据，所述仿真场景中设置有仿真道路、仿真信号灯和仿真车流；

步骤302：采集所述仿真车流的每个仿真车辆的第一时间和第二时间；所述第一时间为仿真车辆首次出现的时间，所述第二时间为仿真车辆通过道路停止线的时间；

步骤303：根据所述第一时间、所述第二时间和所述仿真信号灯的运行信息中的至少一项，计算所述仿真场景对应的交通指标真值。

可选的，所述仿真信号灯的生成方法包括：

基于所述预设交通场景中预定义的信号灯时序信息，生成所述仿真信号灯。

可选的，所述仿真车流的生成方法包括：

基于所述预设交通场景中预定义的时间偏移和空间偏移，对仿真车辆的数据进行复制，以得到所述仿真车流的数据；

更新所述仿真车流的数据，更新后的数据指示所述仿真车流的每个仿真车辆按照各自的步进向量移动。

可选的，所述仿真车流的生成方法还包括：

所述仿真车流的每个仿真车辆按照各自的步进向量移动的过程中，若所述仿真车流的第一仿真车辆满足停车条件，则所述第一仿真车辆停车；若所述第一仿真车辆不再满足所述停车条件，则所述第一仿真车辆继续按照相应的步进向量移动。

可选的，所述仿真车辆通过道路停止线的确定方法包括：

以由西至东的方向为x轴，由南至北的方向为y轴，将第一路口的道路停止线拟合成第一线性函数y＝f(x)或x＝f’(y)；

获取目标仿真车辆的横坐标x1和纵坐标y1；

若所述第一路口为南路口，则在y1-f(x1)＞0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为北路口，则在y1-f(x1)＜0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为西路口，则在x1-f’(y1)＞0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为东路口，则在x1-f’(y1)＜0的情况下，确定所述目标仿真车辆通过所述道路停止线。

可选的，所述交通指标为交通流量，所述交通流量真值的计算方法包括：

计算所述仿真车流中，所述第二时间位于同一通行周期内的绿灯起始时间至绿灯结束时间之间的仿真车辆的数目；

将所述仿真车辆的数目确定为所述交通流量真值。

可选的，所述交通指标为排队车辆数，所述排队车辆数真值的计算方法包括：

计算所述仿真车流中，所述第一时间小于第一通行周期内的绿灯起始时间，且所述第二时间大于所述第一通行周期内的绿灯起始时间的仿真车辆的数目；

将所述仿真车辆的数目确定为所述排队车辆数真值。

可选的，所述交通指标为车头时距，所述车头时距真值的计算方法包括：

采集第一仿真车辆和第二仿真车辆的第二时间，所述第一仿真车辆和所述第二仿真车辆为相邻且先后通过所述道路停止线的仿真车辆；

将所述第一仿真车辆的第二时间与所述第二仿真车辆的第二时间之间的时间差确定为所述车头时距真值。

本申请中，交通仿真方法的相关实施方式均可以参照第一实施例中与交通仿真相关的任一实施方式，第一实施例中与交通仿真相关的任一实施方式均适用于第二实施例中的交通仿真方法，且能够达到相同的有益效果，为避免重复，这里不再赘述。

第三实施例

如图4所示，本申请提供一种交通指标计算模型测试装置400，包括：

生成模块401，用于生成预设交通场景的仿真场景的仿真数据，所述仿真场景中设置有仿真道路、仿真信号灯和仿真车流；

输入模块402，用于将所述仿真数据输入至交通指标计算模型中；

获取模块403，用于获取所述交通指标计算模型根据所述仿真数据计算得到的交通指标计算结果；

第一确定模块404，用于根据所述交通指标计算结果，以及所述仿真场景对应的交通指标真值，确定所述交通指标计算模型的计算精度。

可选的，生成模块401具体用于：

基于所述预设交通场景中预定义的信号灯时序信息，生成所述仿真信号灯。

可选的，生成模块401具体用于：

基于所述预设交通场景中预定义的时间偏移和空间偏移，对仿真车辆进行复制的数据，以得到所述仿真车流的数据；

更新所述仿真车流的数据，更新后的数据指示所述仿真车流的每个仿真车辆按照各自的步进向量移动。

可选的，生成模块401还用于：

所述仿真车流的每个仿真车辆按照各自的步进向量移动的过程中，若所述仿真车流的第一仿真车辆满足停车条件，则所述第一仿真车辆停车；若所述第一仿真车辆不再满足所述停车条件，则所述第一仿真车辆继续按照相应的步进向量移动。

可选的，交通指标计算模型测试装置400还包括：

计算模块，用于采集所述仿真车流的每个仿真车辆的第一时间和第二时间；所述第一时间为仿真车辆首次出现的时间，所述第二时间为仿真车辆通过道路停止线的时间；

根据所述第一时间、所述第二时间和所述仿真信号灯的运行信息中的至少一项，计算所述交通指标真值。

可选的，交通指标计算模型测试装置400还包括第二确定模块，用于：

以由西至东的方向为x轴，由南至北的方向为y轴，将第一路口的道路停止线拟合成第一线性函数y＝f(x)或x＝f’(y)；

获取目标仿真车辆的横坐标x1和纵坐标y1；

若所述第一路口为南路口，则在y1-f(x1)＞0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为北路口，则在y1-f(x1)＜0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为西路口，则在x1-f’(y1)＞0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为东路口，则在x1-f’(y1)＜0的情况下，确定所述目标仿真车辆通过所述道路停止线。

可选的，所述交通指标为交通流量，所述计算模块具体用于：

计算所述仿真车流中，所述第二时间位于同一通行周期内的绿灯起始时间至绿灯结束时间之间的仿真车辆的数目；

将所述仿真车辆的数目确定为所述交通流量真值。

可选的，所述交通指标为排队车辆数，所述计算模块具体用于：

计算所述仿真车流中，所述第一时间小于第一通行周期内的绿灯起始时间，且所述第二时间大于所述第一通行周期内的绿灯起始时间的仿真车辆的数目；

将所述仿真车辆的数目确定为所述排队车辆数真值。

可选的，所述交通指标为车头时距，所述计算模块具体用于：

采集第一仿真车辆和第二仿真车辆的第二时间，所述第一仿真车辆和所述第二仿真车辆为相邻且先后通过所述道路停止线的仿真车辆；

将所述第一仿真车辆的第二时间与所述第二仿真车辆的第二时间之间的时间差确定为所述车头时距真值。

本申请提供的交通指标计算模型测试装置400能够实现上述交通指标计算模型测试方法实施例中的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。

第四实施例

如图5所示，本申请提供一种交通仿真装置500，包括：

生成模块501，用于生成预设交通场景的仿真场景的仿真数据，所述仿真场景中设置有仿真道路、仿真信号灯和仿真车流；

采集模块502，用于采集所述仿真车流的每个仿真车辆的第一时间和第二时间；所述第一时间为仿真车辆首次出现的时间，所述第二时间为仿真车辆通过道路停止线的时间；

计算模块503，用于根据所述第一时间、所述第二时间和所述仿真信号灯的运行信息中的至少一项，计算所述仿真场景对应的交通指标真值。

可选的，生成模块401具体用于：

基于所述预设交通场景中预定义的信号灯时序信息，生成所述仿真信号灯。

可选的，生成模块401具体用于：

基于所述预设交通场景中预定义的时间偏移和空间偏移，对仿真车辆的数据进行复制，以得到所述仿真车流的数据；

更新所述仿真车流的数据，更新后的数据指示所述仿真车流的每个仿真车辆按照各自的步进向量移动。

可选的，生成模块401还用于：

所述仿真车流的每个仿真车辆按照各自的步进向量移动的过程中，若所述仿真车流的第一仿真车辆满足停车条件，则所述第一仿真车辆停车；若所述第一仿真车辆不再满足所述停车条件，则所述第一仿真车辆继续按照相应的步进向量移动。

可选的，交通仿真装置500还包括确定模块，用于：

以由西至东的方向为x轴，由南至北的方向为y轴，将第一路口的道路停止线拟合成第一线性函数y＝f(x)或x＝f’(y)；

获取目标仿真车辆的横坐标x1和纵坐标y1；

若所述第一路口为南路口，则在y1-f(x1)＞0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为北路口，则在y1-f(x1)＜0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为西路口，则在x1-f’(y1)＞0的情况下，确定所述目标仿真车辆通过所述道路停止线；

若所述第一路口为东路口，则在x1-f’(y1)＜0的情况下，确定所述目标仿真车辆通过所述道路停止线。

可选的，所述交通指标为交通流量，计算模块503具体用于：

计算所述仿真车流中，所述第二时间位于同一通行周期内的绿灯起始时间至绿灯结束时间之间的仿真车辆的数目；

将所述仿真车辆的数目确定为所述交通流量真值。

可选的，所述交通指标为排队车辆数，计算模块503具体用于：

计算所述仿真车流中，所述第一时间小于第一通行周期内的绿灯起始时间，且所述第二时间大于所述第一通行周期内的绿灯起始时间的仿真车辆的数目；

将所述仿真车辆的数目确定为所述排队车辆数真值。

可选的，所述交通指标为车头时距，计算模块503具体用于：

采集第一仿真车辆和第二仿真车辆的第二时间，所述第一仿真车辆和所述第二仿真车辆为相邻且先后通过所述道路停止线的仿真车辆；

将所述第一仿真车辆的第二时间与所述第二仿真车辆的第二时间之间的时间差确定为所述车头时距真值。

本申请提供的交通仿真装置500能够实现上述交通仿真方法实施例中的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图6所示，是根据本申请实施例的交通指标计算模型测试方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的交通指标计算模型测试方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的交通指标计算模型测试方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的交通指标计算模型测试方法对应的程序指令/模块(例如，附图4所示的生成模块401、输入模块402、获取模块403和第一确定模块404)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行问题解析装置的各种功能应用以及数据处理，即实现上述方法实施例中的交通指标计算模型测试方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据交通指标计算模型测试方法的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至交通指标计算模型测试方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

交通指标计算模型测试方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与交通指标计算模型测试方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

如图7所示，是根据本申请实施例的交通仿真方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。

存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的交通指标计算模型测试方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的交通指标计算模型测试方法。

存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的交通指标计算模型测试方法对应的程序指令/模块(例如，附图5所示的生成模块501、采集模块502和计算模块503)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行问题解析装置的各种功能应用以及数据处理，即实现上述方法实施例中的交通指标计算模型测试方法。

存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据交通指标计算模型测试方法的电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至交通指标计算模型测试方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

交通指标计算模型测试方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。

输入装置703可接收输入的数字或字符信息，以及产生与交通指标计算模型测试方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过对预设交通场景进行仿真，可以容易地为交通指标计算模型提供测试用的交通仿真数据，并且，在交通场景仿真过程中能够容易地得到交通指标真值。因为采用上述技术手段，本申请能够容易地确定交通指标计算模型的计算精度，从而能够降低交通指标计算模型的测试成本，很好地解决了现有技术中存在的交通指标计算模型的测试成本较高的问题。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。