基于融合数据的高速公路交通时间地图构建方法、系统与流程

本发明涉及智能交通技术领域，尤其涉及一种基于融合数据的高速公路交通时间地图构建方法、系统。

背景技术：

截止2017年底，我国高速公路已达13.65万公里，居世界第一，占到了全球高速公路通车里程的一半。高速公路基础设施建设在促进我国社会经济发展方面，发挥了至关重要的先导性、基础性支撑作用和服务功效。

我国高速公路智能化、信息化得到了大力建设且仍在持续进行，预计到2023年市场规模将接近900亿元。而高速公路智能化系统最主要两个子系统是：智能收费系统和安防监控系统。据不完全统计，全国各级公路主管及经营部门已部署建设了8万余路的视频监控资源，全国收费站共25505个(不含港澳台：来源于百度地图)。

随着我国高速公路联网运营里程的不断增加和运营管理覆盖范围的不断扩大，人们对交通科技提出了更高的期望，希望交通能够步入智能化交通的时代，在掌握高速公路流量的基础上对高速公路未来的车流量做出正确的预测，是我国进行交通建设、步入智能化交通领域的重要条件。对于交通流量的预测现已成为智能交通领域的一个研究热点，准确地预测结果能够为交通管理部门进行交通管制提供决策和支持。

随着大量交通视频设备在高速公路沿线布设并投入使用和联网收费系统，实时交通视频数据与收费站通行数据不间断地传输给高速公路交通管理部门，交通数据呈爆炸式增长，再加上以往对视频信号的分析判断主要依靠人的决策，使得我国高速公路管理与服务的问题日益凸显。高速公路网的感知能力不足，交通预测预警手段欠缺等问题急需改观。充分利用好交通视频监控数据和收费站通行数据，为高速公路管理者在管理当中从被动的信息收集到主动监测，实现决策者由被动式管理向主动式、人性化的管理方式转变，以提高高速公路路面交通通行效率与出行者的旅行感受，就越发显得重要。

技术实现要素：

本发明提供的基于融合数据的高速公路交通时间地图构建方法、系统，主要解决的技术问题是：如何更加准确地预测高速公路的交通运行状况。

为解决上述技术问题，本发明提供一种基于融合数据的高速公路交通时间地图系统，包括：收费站监管子系统、道路监管子系统以及交通态势预测子系统；

所述收费站监管子系统包括于目标高速公路的各出入口处设立的收费站点，所述收费站点包括识别模块、记录模块、数据分析模块以及第一存储模块，所述识别模块用于识别经过所述收费站点的各车辆的车牌、车型；所述记录模块用于记录所述各车辆的进站时间、出站时间；所述数据分析模块用于基于所述各车辆的车牌，实现对所述各车辆的进站与出站的追踪，并分别计算各车辆的行驶时间，并根据该车辆的行驶时间以及该车辆进站收费站点与出站收费站点之间的路程，计算该车辆的第一平均速度；以及针对相同进站收费站点，且相同出站收费站点的每一车辆，所述相同进站收费站点与所述相同出站收费站点为相邻收费站点，根据所述每一车辆的第一平均速度以及所述每一车辆对应的车型，统计相同车型下的所有车辆，在目标路段的第二平均速度；所述目标路段为所述相同进站收费站点与所述相同出站收费站点之间的路段；所述第一存储模块用于存储所述各车辆的所述车牌、所述车型、所述进站时间、所述出站时间、所述第一平均速度以及所述第二平均速度；

所述道路监管子系统包括在所述目标高速公路沿途布设的一个或多个视频监控点、图像处理模块以及第二存储模块，各所述视频监控点用于实时采集其有效监测区域内的交通视频图像；所述图像处理模块用于基于所述视频监控点采集到的交通视频图像，计算各所述视频监控点的有效监测区域内各车辆的单车速度，以及所述各车辆的第三平均速度；所述第二存储模块用于存储所述交通视频图像、所述单车速度、所述第三平均速度；

所述交通态势预测子系统包括设定模块、第一获取模块、第二获取模块，处理模块以及构建模块，所述设定模块用于接收外部设置指令，以设定起始观测时间点t0、滚动预测周期t以及预测时间t；

所述第一获取模块用于按照所述滚动预测周期t，从所述收费站监管子系统获取当前从各所述收费站点进站的车辆，作为第一待测车辆，并获取与所述第一待测车辆车型以及行驶方向匹配的第二平均速度，并将所述匹配的第二平均速度作为第一目标速度v1；

所述第二获取模块，用于按照所述滚动预测周期t，从所述道路监管子系统获取各所述视频监控点当前采集到的其有效监测区域内的各车辆的所述单车速度、所述第三平均速度、以及与所述视频监控点相邻的下游视频监控点的第三平均速度，将所述视频监控点当前采集到的其有效监测区域内的各车辆作为第二待测车辆；并基于所述单车速度、所述第三平均速度以及所述相邻的下游视频监控点的第三平均速度，确定所述第二待测车辆的第二目标速度v2；

所述处理模块，用于将各所述第一待测车辆与各所述第二待测车辆的当前所处位置，加载到所述目标高速公路的交通路网中，并基于所述第一目标速度v1，预测各所述第一待测车辆在预测时间t后的第一行驶距离s1，基于所述第二目标速度v2，预测各所述第二待测车辆在预测时间t后的第二行驶距离s2；

所述构建模块，用于根据所述第一行驶距离s1对应所述目标高速公路的交通路网中所在第一目标位置，将所述第一待测车辆加载到所述第一目标位置，根据所述第二行驶距离s2对应所述目标高速公路的交通路网中所在第二目标位置，将所述第二待测车辆加载到所述第二目标位置，以生成高速公路交通时间地图。

可选的，所述收费站点还包括第一方向预测模块，用于获取所述第一待测车辆通过所述收费站点的最近一次历史通行记录，若所述最近一次历史通行记录为所述收费站点作为进站，则将所述最近一次历史通行记录的出站作为本次通行的所述行驶方向；若所述最近一次历史通行记录为所述收费站点作为出站，则将所述最近一次历史通行记录的进站作为本次通行的所述行驶方向。

可选的，所述收费站点还包括第二方向预测模块，用于获取所述第一待测车辆通过所述收费站点的历史通行记录，根据所述历史通行记录统计走不同方向的发生概率，选择发生概率最大所对应的行驶方向，作为本次通行的所述行驶方向。

可选的，所述第二获取模块用于判断所述下游视频监控点的第三平均速度是否存在，如是，计算所述第三平均速度与所述下游视频监控点的第三平均速度的大小关系，根据所述大小关系以及所述单车速度，计算所述第二目标速度v2；如否，将所述单车速度作为所述第二目标速度v2。

可选的，所述第二获取模块用于在判断所述下游视频监控点的第三平均速度存在时，计算所述单车速度与所述下游视频监控点的第三平均速度的第一差值，在所述第一差值大于0时，计算所述单车速度与所述下游视频监控点的第三平均速度的平均值，作为所述第二目标速度v2；在所述第一差值小于等于0时，将所述单车速度作为所述第二目标速度v2。

可选的，所述第二获取模块用于在判断所述下游视频监控点的第三平均速度存在时，计算所述下游视频监控点的第三平均速度与所述第三平均速度的第一比值，将所述第一比值作为所述第二待测车辆未来行驶速度的影响权重，计算所述单车速度与所述影响权重之间的乘积，作为所述第二目标速度v2。

可选的，所述第二获取模块用于在判断所述下游视频监控点的第三平均速度存在时，计算所述第三平均速度与所述下游视频监控点的第三平均速度的第二差值的绝对值，并计算所述绝对值与所述第三平均速度的第二比值，在所述第二比值小于等于预设阈值时，将所述单车速度作为所述第二目标速度v2；在所述第二比值大于所述预设阈值时，计算所述单车速度与所述下游视频监控点的第三平均速度之间的均值，作为所述第二目标速度v2。

可选的，所述第二获取模块用于在判断所述下游视频监控点的第三平均速度存在时，直接计算所述第二待测车辆的单车速度与所述下游视频监控点的第三平均速度的均值，作为所述第二目标速度v2。

可选的，所述交通态势预测子系统还包括告警模块，用于确定在预测时间t后各监测区间内的车流密度，并在所述车流密度达到预设车流密度阈值时进行告警。

本发明还提供一种基于融合数据的高速公路交通时间地图系统构建方法，包括：

设定起始观测时间点t0、滚动预测周期t以及预测时间t；

按照所述滚动预测周期t，从收费站监管子系统获取当前从各收费站点进站的车辆，作为第一待测车辆，并获取与所述第一待测车辆车型以及行驶方向匹配的第二平均速度，并将所述匹配的第二平均速度作为第一目标速度v1；

按照所述滚动预测周期t，从道路监管子系统获取各视频监控点当前采集到的其有效监测区域内的各车辆的单车速度、第三平均速度、以及与所述视频监控点相邻的下游视频监控点的第三平均速度，将所述视频监控点当前采集到的其有效监测区域内的各车辆作为第二待测车辆；并基于所述单车速度、所述第三平均速度以及所述相邻的下游视频监控点的第三平均速度，确定所述第二待测车辆的第二目标速度v2；

将各所述第一待测车辆与各所述第二待测车辆的当前所处位置，加载到所述目标高速公路的交通路网中，并基于所述第一目标速度v1，预测各所述第一待测车辆在预测时间t后的第一行驶距离s1，基于所述第二目标速度v2，预测各所述第二待测车辆在预测时间t后的第二行驶距离s2；

根据所述第一行驶距离s1对应所述目标高速公路的交通路网中所在第一目标位置，将所述第一待测车辆加载到所述第一目标位置，根据所述第二行驶距离s2对应所述目标高速公路的交通路网中所在第二目标位置，将所述第二待测车辆加载到所述第二目标位置，以生成高速公路交通时间地图。

本发明的有益效果是：

根据本发明提供的基于融合数据的高速公路交通时间地图构建方法、系统，通过高速公路交通数据(视频监控数据与收费站通行数据)对高速公路的交通状况进行预测，发掘并最大限度地提高了高速公路交通数据的利用率，且充分考虑了交通流的持续性，有利于提高预测的准确性；另外，交通发展态势是交通管理者实施管控的决策依据，其可帮助交通管理部门科学、主动、智慧地做出决策，有利于实现智慧交通。

附图说明

图1为本发明实施例一的一种高速公路交通时间地图系统结构示意图；

图2为本发明实施例一的另一种高速公路交通时间地图系统结构示意图；

图3为本发明实施例一的高速公路交通时间地图的示意图；

图4为本发明实施例二的高速公路交通时间地图构建方法流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例一：

为了实现对高速公路交通运行状况的准确预测，以对交通管理部分提供交通管制与疏导决策、支持，本实施例提供一种高速公路交通时间地图系统的方案，通过融合目前高速公路网的监控点视频数据以及收费站通行数据，实现对未来预测时间交通状况的预测，并将预测信息加载到高速公路网上，形成高速公路交通时间地图，高速公路交通时间地图是指交通状况随时间在路网上呈现出的变化趋势，基于该时间地图，交通管理部门的后台管理人员，可以直观获悉未来预测时间的车流分布情况，便于及时作出告警、管控预案，以缓解交通拥堵状况，提高异常事件的处理效率，实现智慧交通。

请参见图1，图1为本实施例提供的高速公路交通时间地图系统结构示意图，该高速公路交通时间地图系统100，包括收费站监管子系统110、道路监管子系统120以及交通态势预测子系统130；其中

收费站监管子系统110包括于目标高速公路的各出入口处设立的收费站点，所述收费站点包括识别模块111、记录模块112、数据分析模块113以及第一存储模块114。

本实施例中，目标高速公路可以根据实际需要预测的路段进行选取，实际需要预测的路段例如可以是交通状况比较拥堵的路段等。目标高速公路可以是某一高速路段全程，或者选取其中部分路段，或者是某座城市的全城所有高速路段，或者是全国所有高速路段。

识别模块111用于识别经过收费站点的各车辆的车牌、车型；其中车型包括但不限于小型汽车、小型货车、中型客户、大型客户、中型货车、大型货车等。

记录模块112用于记录经过收费站点的各车辆的进站时间、出站时间。

数据分析模块113用于基于各车辆的车牌，实现对所述各车辆的进站与出站的追踪，并分别计算各车辆的行驶时间，并根据该车辆的行驶时间以及该车辆进站收费站点与出站收费站点之间的路程，计算该车辆的第一平均速度。请参见如下表1所示：

表1

数据分析模块113还用于，针对相同进站收费站点，且相同出站收费站点的每一车辆，且该相同进站收费站点与该相同出站收费站点为相邻收费站点，根据每一车辆的第一平均速度以及每一车辆对应的车型，统计相同车型下的所有车辆，在目标路段的第二平均速度。目标路段为该相同进站收费站点与该相同出站收费站点之间的路段。

可选的，数据分析模块113还用于分时段统计不同车型在目标路段的第二平均速度。比如白天、晚上、高峰与非高峰或其他典型时段。这样可以使得预测结果更加准确。

以上述表1为例，假设收费站点toll1与toll2为相邻收费站点，数据分析模块113基于历史通行数据，可以得到小型汽车在目标路段(toll1至toll2的路段)的第二平均速度为：100km/h+83km/h＝91.5km/h。

实际应用中，针对相同进站收费站点与相同出站收费站点的同一车型的车辆较多，实际所计算得到的第二平均速度更能准确反映该车型的平均速度。

第一存储模块114用于存储通过收费站点的各车辆的车牌、车型、进站时间、出站时间、第一平均速度以及第二平均速度。

收费站点还包括第一方向预测模块115，请参见图2，第一方向预测模块115用于获取第一待测车辆通过该收费站点的最近一次历史通行记录，若最近一次历史通行记录为该收费站点作为进站，则将该最近一次历史通行记录的出站作为本次通行的行驶方向；若最近一次历史通行记录为该收费站点作为出站，则将该最近一次历史通行记录的进站作为本次通行的行驶方向。

例如，当前将从收费站点toll1进站的车辆“沪a1234*”作为第一待测车辆时，方向预测模块115可以获取该车辆最近一次通过该收费站点toll1的历史通行记录，该收费站点toll1可能是出站，也可能是进站，当上一次是从收费站点toll1进站时，那么本次该车辆的通行方向很有可能与上一次的通行方向相同，即向上一次的出站方向行驶；若上一次是从该收费站点toll1出站，那么本次从该收费站点toll1进站，很有可能是驶回原目的地，也即向上一次通行的进站方向行驶，以返回到原目的地。基于该方式，可以在一定程度上准确预测第一待测车辆的行驶方向，但并不能完全保证。

实际应用中，当该第一待测车辆不存在通过该收费站点的历史通行记录时，则可以采取随机确定的方式，来确定本次行驶方向。或者采用现有其他方式确定。

本实施例还提供一种行驶方向的预测方法：收费站点还包括第二方向预测模块116，用于获取第一待测车辆通过该收费站点的历史通行记录，根据历史通行记录统计走不同方向的发生概率，选择发生概率最大所对应的行驶方向，作为本次通行的行驶方向。

统计该第一待测车辆历史通行记录，确定其行驶规律，确定本次行走不同方向的概率并进行分配；例如从本收费站进站的次数为10次，其中9次为走a方向，那么本次走a方向的概率为90％，其中1次走b方向，这本次走b方向的概率为10％。此时可以选择a方向作为本次行驶方向。若规律不明显，则再以最近一次历史通行记录确定行驶方向；再或者没有记录则随机分配。

可选的，可以在进入收费站点后的匝道分道处，设置一监控摄像头，以准确捕捉第一待测车辆的行驶方向。

道路监管子系统120包括在目标高速公路沿途布设的一个或多个视频监控点121、图像处理模块122以及第二存储模块123。

各视频监控点121用于实时采集各自有效监测区域内的交通视频图像。

图像处理模块122用于基于视频监控点121采集到的交通视频图像，计算各视频监控点121有效监测区域内各车辆的单车速度，以及经过其有效监测区域内的各车辆的第三平均速度。

可选的，根据滚动预测周期t获取视频监控点121当前采集到的视频图像帧，以及该当前视频图像帧的前一帧(实际并不限于前一帧)，由于前后帧图像中可能存在多辆车，因此需要识别前一帧图像中的车辆与后一帧图像中车辆的对应关系，也即需要对车辆实现追踪，从而才能准确地得到各待测车辆的单车速度。

可选的，基于前一帧与当前帧图像，获取车辆图像的重合度，可以实现车辆追踪。两车图像重合度越高，表明越有可能是同一辆车。然后，基于前后两帧图像中，该待测车辆所处像素点位置的移动，确定其实际移动距离；根据视频摄像头图像采集帧率，可以确定两帧图像之间的时间差(即移动时间)，从而根据实际移动距离、移动时间，可以计算得到该待测车辆的单车速度。

在计算得到该监控点下，各第一待测车辆的单车速度后，即可得到该监控点下各第一待测车辆的第三平均速度。假设该监控点下存在三辆第一待测车辆，其单车速度分别为a1、a2和a3，那么该监控点下各车辆的第三平均速度即为(a1+a2+a3)/3。

应当理解的是，上述计算第一待测车辆的单车速度的方式并不限于此，完全可以采用现有其他方式，只要能够确定各第一待测车辆的单车速度即可。

需要说明的是，当该视频监控点121当前有效监测区域内，不存在第一待测车辆时，可以进行标记处理。

第二存储模块123用于存储视频监控点121采集的交通视频图像、各第一待测车辆的单车速度、第三平均速度。

交通态势预测子系统130包括设定模块131、第一获取模块132、第二获取模块133，处理模块134以及构建模块135。

其中，设定模块131用于接收外部设置指令，以设定起始观测时间点t0、滚动预测周期t以及预测时间t。

针对需要预测的目标高速公路，考虑到路网上受监控点布设间距的影响，通常相邻监控点之间是存在监控盲区的，处于该监控盲区的车辆，就无法被这两相邻监控点所监控到。因此在构建高速公路交通时间地图时，就会因为遗漏掉这些处于监测盲区内的车辆，导致所构建的高速公路交通时间地图存在较大误差。为此，本实施例通过预先设定起始观测时间点t0，来降低这种误差的影响。具体的，起始观测时间点t0的选定原则是：目标高速公路上车辆最少的时刻，最大限度控制初始状态的误差对车流密度预测的影响。例如，选择凌晨3点作为起始观测时间点t0。

滚动预测周期t可以根据系统处理性能、目标高速公路的监控数据量或者交通管理部门需求进行灵活设定，若系统处理性能较高，监控数据量较小，滚动预测周期t则可以设置为较小，使预测频率更高，提高预测准确性；相反，若系统处理性能较低，监控数据量较大，则滚动预测周期t需要设置得相对较大，避免系统处理负荷过重，导致瘫痪的问题。

滚动预测周期t例如设置为1秒钟、10秒钟、1分钟、5分钟、10分钟等。

第一获取模块132用于按照滚动预测周期t，从收费站监管子系统110获取当前从各收费站点进站的车辆，作为第一待测车辆，并获取与第一待测车辆的车型以及行驶方向匹配的第二平均速度，并将该匹配的第二平均速度作为第一目标速度v1。

在第二平均速度是针对不同车型分时段统计的，则该匹配的第二平均速度还需要考虑所处时段。比如周一高峰应参考历史周一高峰时段同车型的第二平均车速。

需要说明的是，收费站监管子系统110可以获取历史通行数据，得到不同车型在目标路段的第二平均速度。例如小型汽车，在一个方向的目标路段(例如收费站点toll1至toll2)的第二平均速度为91.5km/h，在另一个方向的目标路段(例如收费站点toll1至收费站点toll3)的第二平均速度为90km/h。当从该收费站点toll1进站的第一待测车辆的车型为小型汽车，且行驶方向为toll1时，那么第一获取模块132就可以确定与该第一待测车辆匹配的第二平均速度为91.5km/h。

应当理解的是，通常一个收费站点有两个行驶方向，但本实施例对此并不做限制，当存在多个行驶方向时，收费站监管子系统110，这需要根据历史通行记录，确定到不同车型在各个方向的第二平均速度。第一获取模块132同样，只需要根据第一待测车辆的车型以及行驶方向，即可确定与该车型在该行驶方向匹配的第二平均速度(分时段统计时还需要获知当前时段)。

第二获取模块133，用于按照滚动预测周期t，从道路监管子系统120获取各视频监控点121当前采集到的其有效监测区域内的各车辆的单车速度、第三平均速度、以及与该视频监控点相邻的下游视频监控点的第三平均速度，将该视频监控点121当前采集到的其有效监测区域内的各车辆作为第二待测车辆；并基于其单车速度、第三平均速度以及该相邻的下游视频监控点的第三平均速度，确定第二待测车辆的第二目标速度v2。

可选的，第二获取模块133用于判断该下游视频监控点的第三平均速度是否存在，如果存在，则计算该视频监控点121第三平均速度与下游视频监控点的第三平均速度的大小关系，根据该大小关系以及第二待测车辆的单车速度，计算第二待测车辆的第二目标速度v2；如果相邻下游视频监控点不存在第三平均速度，表明该下游监控点的有效监测区域内不存在待测车辆，因此可以认为下游视频监控点的相应路段通行状况比较顺畅，因此可以将该第二待测车辆的单车速度作为第二目标速度v2，以用于预测。

本视频监控点121的该第三平均速度，可以反映本视频监控点121当前有效监测区域内的车辆通行状况，而与之相邻的下游视频监控点的第三平均速度，也可以反映该下游视频监控点有效监测区域内的车辆通行状况。综合考虑了交通流的连续性特性，结合当前通行状况与下游通行状况，以获取用于预测的第二目标速度，可以使得预测结果更加准确。

可选的，第二获取模块133用于在判断该相邻下游视频监控点的第三平均速度存在时，直接计算第二待测车辆的单车速度与该相邻下游视频监控点的第三平均速度的均值，作为第二目标速度v2。

可选的，第二获取模块133用于在判断该下游视频监控点的第三平均速度存在时，计算第二待测车辆的单车速度与下游视频监控点的第三平均速度的第一差值，在第一差值大于0时，即大小关系为第二待测车辆的单车速度大于相邻下游监控点的第三平均速度时，计算其单车速度与该下游视频监控点的第三平均速度的平均值，将该平均值作为第二待测车辆的第二目标速度v2；在第一差值小于等于0时，即大小关系为第二待测车辆的单车速度小于等于相邻下游监控点的第三平均速度时，表明下游路段相对更加通畅，不会对本视频监控点121的第二待测车辆的通行产生较大影响，因此将其单车速度作为第二目标速度v2。

可选的，第二获取模块133用于在判断该相邻下游视频监控点的第三平均速度存在时，计算该下游视频监控点的第三平均速度与本视频监控点的第三平均速度的第一比值，将该第一比值作为第二待测车辆未来行驶速度的影响权重，计算其单车速度与该影响权重之间的乘积，作为第二目标速度v2。

可选的，第二获取模块133用于在判断该相邻下游视频监控点的第三平均速度存在时，计算本视频监控点的第三平均速度与该下游视频监控点的第三平均速度的第二差值的绝对值，并计算该绝对值与本视频监控点的第三平均速度的第二比值，在第二比值小于等于预设阈值时，表明本视频监控点所处路段通行状况与相邻下游视频监控点所处路段的通行状况相当，此时将第二待测车辆的单车速度作为第二目标速度v2；在第二比值大于预设阈值时，表明当前路段与下游路段的通行状况相差较多，要么当前路段通行顺畅，下游拥堵，或者当前路段拥堵，下游顺畅；此时计算第二待测车辆的单车速度与该下游视频监控点的第三平均速度之间的均值，将该均值作为第二目标速度v2。

其中，预设阈值可以根据实际情况灵活设置，例如设置为5％、10％、20％等。

处理模块134，用于将各第一待测车辆与各第二待测车辆的当前所处位置，加载到目标高速公路的交通路网中，并基于第一目标速度v1，预测第一待测车辆在预测时间t后的第一行驶距离s1，基于第二目标速度v2，预测第二待测车辆在预测时间t后的第二行驶距离s2。

其中s1＝v1*t；s2＝v2*t。第一待测车辆一般存在多辆，由于进站收费站点不同、行驶方向不同或者车型不同等，其对应的第一目标速度v1一般是不同的；同样，对于各第二待测车辆，由于其单车速度、本视频监控点的第三平均速度以及相邻下游视频监控点的第三平均速度不同，其对应的第二目标速度v2也可能是不同的。

构建模块135，用于根据第一行驶距离s1对应目标高速公路的交通路网中所在第一目标位置，将相应第一待测车辆加载到该第一目标位置；根据第二行驶距离s2对应目标高速公路的交通路网中所在第二目标位置，将相应第二待测车辆加载到该第二目标位置，以生成高速公路交通时间地图。

可选的，继续参见图2，交通态势预测子系统130还可以包括告警模块136，用于确定在预测时间t后各监测区间内的车流密度，并在车流密度达到预设车流密度阈值时进行告警。应当理解的是，车流密度指的是单位长度路段上的车流量。

可选的，继续参见图2，交通态势预测子系统130还可以包括展示模块137，用于展示高速公路交通时间地图。

请参见图3所示，图3为本实施例提供的高速公路交通时间地图的示意图：

针对第一待测车辆a1，在预测时间t后，预测将从位置k1，行驶到位置k1’(第一目标位置)；针对第二待测车辆a2，在预测时间t后，预测将从位置k2，行驶到位置k2’(第二目标位置)。通过该交通时间地图，一是实现了对交通状况的准确预测，另外以交通时间地图的形式进行展示，直观明了。

本实施例提供的高速公路交通时间地图系统，根据目前高速公路网的监控点视频数据与收费站通行数据，实现了对高速公路交通时间地图的构建以及车流密度的预估，基于该高速公路交通时间地图，交通管理部门可以十分方便地了解到，预测时间t内任意时刻目标高速公路的交通通行状况；同时，以交通时间地图的形式进行展示，更直观、明了。

实施例二：

在实施例在上述实施例一的基础上，提供一种高速公路交通时间地图构建方法，请参见图4，该方法主要包括如下步骤：

s401、设定起始观测时间点t0、滚动预测周期t以及预测时间t。

s402、按照滚动预测周期t，从收费站监管子系统获取当前从各收费站点进站的车辆，作为第一待测车辆，并获取与第一待测车辆的车型以及行驶方向匹配的第二平均速度，并将该匹配的第二平均速度作为第一目标速度v1。

可选的，获取第一待测车辆通过该收费站点的最近一次历史通行记录，若最近一次历史通行记录为该收费站点作为进站，则将最近一次历史通行记录的出站作为本次通行的行驶方向；若最近一次历史通行记录为该收费站点作为出站，则将最近一次历史通行记录的进站作为本次通行的行驶方向。

实际应用中，当该第一待测车辆不存在通过该收费站点的历史通行记录时，则可以采取随机确定的方式，来确定本次行驶方向。或者采用现有其他方式确定。

需要说明的是，收费站监管子系统可以获取历史通行数据，得到不同车型在目标路段的第二平均速度。例如小型汽车，在一个方向的目标路段(例如收费站点toll1至toll2)的第二平均速度为91.5km/h，在另一个方向的目标路段(例如收费站点toll1至收费站点toll3)的第二平均速度为90km/h。当从该收费站点toll1进站的第一待测车辆的车型为小型汽车，且行驶方向为toll2时，那么就可以确定与该第一待测车辆匹配的第二平均速度为90km/h。

s403、按照滚动预测周期t，从道路监管子系统获取各视频监控点当前采集到的其有效监测区域内的各车辆的单车速度、第三平均速度、以及与该视频监控点相邻的下游视频监控点的第三平均速度，将该视频监控点当前采集到的其有效监测区域内的各车辆作为第二待测车辆；并基于其单车速度、第三平均速度以及该相邻的下游视频监控点的第三平均速度，确定第二待测车辆的第二目标速度v2。

可选的，基于其单车速度、第三平均速度以及该相邻的下游视频监控点的第三平均速度，确定第二待测车辆的第二目标速度v2包括：

判断该相邻下游视频监控点的第三平均速度是否存在，如果存在，则计算该视频监控点第三平均速度与该相邻下游视频监控点的第三平均速度的大小关系，根据该大小关系以及第二待测车辆的单车速度，计算第二待测车辆的第二目标速度v2；如果相邻下游视频监控点不存在第三平均速度，表明该下游监控点的有效监测区域内不存在待测车辆，因此可以认为下游视频监控点的相应路段通行状况比较顺畅，因此可以将该第二待测车辆的单车速度作为第二目标速度v2，以用于预测。

本视频监控点的该第三平均速度，可以反映本视频监控点当前有效监测区域内的车辆通行状况，而与之相邻的下游视频监控点的第三平均速度，也可以反映该相邻下游视频监控点有效监测区域内的车辆通行状况。综合考虑了交通流的连续性影响特性，结合当前通行状况与下游通行状况，以获取用于预测的第二目标速度v2，可以使得预测结果更加准确。

可选的，在判断该相邻下游视频监控点的第三平均速度存在时，直接计算第二待测车辆的单车速度与该相邻下游视频监控点的第三平均速度的均值，作为第二目标速度v2。

可选的，在判断该相邻下游视频监控点的第三平均速度存在时，计算第三平均速度与该相邻下游视频监控点的第三平均速度的第一差值，在第一差值大于0时，即大小关系为第二待测车辆的第三平均速度大于相邻下游监控点的第三平均速度时，表明下游路段相对拥堵，对第二待测车辆将来的通行会产生一定影响，为了保证预测的准确性，通过计算其单车速度与该相邻下游视频监控点的第三平均速度的平均值，将该平均值作为第二待测车辆的第二目标速度v2。

在第一差值小于等于0时，即大小关系为第二待测车辆的第三平均速度小于等于相邻下游监控点的第三平均速度时，表明下游路段相对更加通畅，不会对本视频监控点的第二待测车辆的通行产生较大影响，因此直接将其单车速度作为第二目标速度v2。

可选的，在判断该相邻下游视频监控点的第三平均速度存在时，计算该相邻下游视频监控点的第三平均速度与本视频监控点的第三平均速度的第一比值，将该第一比值作为第二待测车辆未来行驶速度的影响权重，计算其单车速度与该影响权重之间的乘积，作为第二目标速度v2。

可选的，在判断该相邻下游视频监控点的第三平均速度存在时，计算本视频监控点的第三平均速度与该下游视频监控点的第三平均速度的第二差值的绝对值，并计算该绝对值与第三平均速度的第二比值，在第二比值小于等于预设阈值时，将第二待测车辆的单车速度作为第二目标速度v2；在第二比值大于预设阈值时，计算第二待测车辆的单车速度与该下游视频监控点的第三平均速度之间的均值，将该均值作为第二目标速度v2。

其中，预设阈值可以根据实际情况灵活设置，例如设置为5％、10％、20％等。

需要说明的是，步骤s402与s403的执行顺序并不限制，两者可并行处理。

s404、将各第一待测车辆与各第二待测车辆的当前所处位置，加载到目标高速公路的交通路网中，并基于第一目标速度v1，预测第一待测车辆在预测时间t后的第一行驶距离s1，基于第二目标速度v2，预测第二待测车辆在预测时间t后的第二行驶距离s2。

其中s1＝v1*t；s2＝v2*t。第一待测车辆一般存在多辆，由于进站收费站点不同、行驶方向不同或者车型不同等，各第一待测车辆各自对应的第一目标速度v1一般是不同的；同样，对于各第二待测车辆，由于其单车速度、本视频监控点的第三平均速度以及相邻下游视频监控点的第三平均速度不同，其对应的第二目标速度v2也很有可能是不同的。

s405、根据第一行驶距离s1对应目标高速公路的交通路网中所在第一目标位置，将第一待测车辆加载到该第一目标位置，根据第二行驶距离s2对应目标高速公路的交通路网中所在第二目标位置，将第二待测车辆加载到该第二目标位置，以生成高速公路交通时间地图。

显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(rom/ram、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。

以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。