基于大数据和边缘计算的数据处理方法及大数据服务器与流程

1.本申请涉及大数据和边缘计算技术领域，特别涉及一种基于大数据和边缘计算的数据处理方法及大数据服务器。


背景技术：

2.随着大数据和互联网相关技术的飞速发展，人们的生产生活方式已然随之发生巨大的变化。大数据的应用涉及方方面面，例如区块链支付、工业制动化、线上云教育、线上云办公、人工智能、智慧园区、智慧医疗和智慧城市等。其中，智慧城市与人们的生活息息相关。随着人们生活水平的提高，大部分家庭已经拥有私家车，这虽然方便了人们的出行，但同时也带来了交通拥堵等大城市病，因此，如何改善交通拥堵这一大城市病是现目前需要考虑的一个问题。


技术实现要素：

3.本申请实施例之一提供一种基于大数据和边缘计算的数据处理方法，所述方法包括：获取待进行交通调度的目标交通街区的目标交通流数据；对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析和行驶变道类轨迹分析，得到行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果；通过预设的针对轨迹分析结果的局部校正模型，对所述行驶减速类的轨迹分析结果进行局部校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹；通过预设的针对轨迹分析结果的全局校正模型，对所述行驶变道类的轨迹分析结果进行全局校正处理，得到包括有行驶变道类轨迹的全局交通流数据在设定时段内对应的行驶轨迹；基于所述局部交通流数据在设定时段内对应的行驶轨迹和所述全局交通流数据在设定时段内对应的行驶轨迹进行交通调度处理，得到所述目标交通流数据中与目标轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹；其中，所述目标轨迹包括行驶减速类轨迹和行驶变道类轨迹中的至少一种，所述目标交通流数据在设定时段内对应的行驶轨迹用于对所述目标交通街区进行交通调度。
4.本申请实施例之一提供一种大数据服务器，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行上述的方法。
5.本申请实施例之一提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序在运行是实现上述的方法。
6.在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
7.本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：图1是根据本发明的一些实施例所示的一种示例性基于大数据和边缘计算的数据处理方法和/或过程的流程图；图2是根据本发明的一些实施例所示的一种示例性基于大数据和边缘计算的数据处理装置的框图；图3是根据本发明的一些实施例所示的一种示例性基于大数据和边缘计算的数据处理系统的框图；以及图4是根据本发明的一些实施例所示的一种示例性大数据服务器中硬件和软件组成的示意图。
具体实施方式
8.为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
9.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
10.如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
11.本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
12.发明人经研究和分析发现，常见的针对智慧交通的调度方法大多是通过人工引导，或者由驾驶员自行进行行驶线路的调整，这样很可能导致交通调度的二次拥堵（也即在调度过程中无法缓解拥堵并可能进一步加剧拥堵）。发明人进一步研究发现，造成上述问题的主要原因是没有考虑不同车辆行驶轨迹之间的互相干扰，也即没有从全局层面出发对某个街区进行调度，这样会耗费过多的时间来进行不同车辆的形式轨迹调度，从而降低交通调度的效率，难以及时地缓解交通拥堵。
13.针对上述问题，发明人针对性地提出了基于大数据和边缘计算的数据处理方法及大数据服务器，能够对目标交通街区的目标交通流数据进行分析行驶减速和行驶变道两类轨迹分析，并通过局部校正模型和全局校正模型分别进行行驶减速类的轨迹分析结果的局部校正处理以及行驶变道类的轨迹分析结果的全局校正处理，这样能够将相互的交通通行
干扰考虑在内，从而实现交通调度处理，以确定出目标交通流数据在设定时段内对应的行驶轨迹，从而实现对目标交通街区的交通调度，提高交通调度的效率，以及时地缓解交通拥堵。
14.首先，对基于大数据和边缘计算的数据处理方法进行示例性的说明，请参阅图1，是根据本发明的一些实施例所示的一种示例性基于大数据和边缘计算的数据处理方法和/或过程的流程图，基于大数据和边缘计算的数据处理方法可以包括以下步骤s1
‑
步骤4所描述的技术方案。
15.步骤s1，获取待进行交通调度的目标交通街区的目标交通流数据；对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析和行驶变道类轨迹分析，得到行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果。
16.示例性的说明中，目标交通街区的可以是经大数据分析或市民反馈之后存在严重拥堵的街区，比如闹市区、市中心、大型购物中心对应的交通街区。交通流数据可以理解为道路交通流量数据，可以包括车辆和/或行人的运动轨迹数据（速度、加速度）以及相应的时间顺序，交通流数据用于进行交通情况和路网情况的分析，从而实现智慧交通处理。交通流数据轨迹可以用于描述车辆和/或行人的活动轨迹，交通流数据轨迹可以是在电子二维地图中的曲线数据，也可以是二维坐标平面中的曲线数据，在此不做限定。进一步，行驶减速类轨迹分析和行驶变道类轨迹分析可以通过车辆的尾灯、转弯灯的运行数据进行。可以理解，大数据服务器可以与车辆的车载控制器通信以实时获取对应车辆的车灯状态。在实际应用时，减速和变道可能会同时进行，在这里，行驶减速类轨迹分析指代没有出现变道的减速驾驶行为，出现变道的减速驾驶行为可以归类为行驶变道类轨迹分析。
17.步骤s2，通过预设的针对轨迹分析结果的局部校正模型，对所述行驶减速类的轨迹分析结果进行局部校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹。
18.示例性的说明中，局部校正模型可以是时空图卷积神经网络模型，设定时段可以是预先根据目标交通街区的车流密度进行设置的，例如，若车流密度较大，则设定时段可以设置为相对较小，若车流密度较小，则设定时段可以设置为相对较大，在此不作限定。进一步地，局部交通流数据可以是目标交通街区中的部分街道对应的交通流数据，例如目标交通街区存在20条街道，那么局部交通流数据可以是其中的2条或者4条街道，在此不作限定。
19.步骤s3，通过预设的针对轨迹分析结果的全局校正模型，对所述行驶变道类的轨迹分析结果进行全局校正处理，得到包括有行驶变道类轨迹的全局交通流数据在设定时段内对应的行驶轨迹。
20.示例性的说明中，全局校正模型同样可以是时空图卷积神经网络模型，进一步地，局部校正模型和全局校正模型在训练的时候可以采用不同的训练集，也可以在后期模型使用时进行不同的模型参数调整以实现两者的区分，具体实施方式依实际业务需求而定，在此不作限定。进一步地，全局交通流数据可以是目标交通街区中所有街道对应的交通流数据。
21.步骤s4，基于所述局部交通流数据在设定时段内对应的行驶轨迹和所述全局交通流数据在设定时段内对应的行驶轨迹进行交通调度处理，得到所述目标交通流数据中与目标轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹；其中，所述目标轨迹包括
行驶减速类轨迹和行驶变道类轨迹中的至少一种，所述目标交通流数据在设定时段内对应的行驶轨迹用于对所述目标交通街区进行交通调度。
22.示例性的说明中，交通调度处理可以是针对不同的车辆的行驶轨迹的全局调整处理，例如可以结合交通灯调度和遗传算法来实现不同车辆的行驶轨迹的预测，从而实现对目标交通街区中的尽可能多的车辆的行驶轨迹调度。进一步地，大数据服务器可以根据目标交通流数据在设定时段内对应的行驶轨迹生成与不同车辆对应的行驶轨迹调度指示，并下发给对应车辆的车载控制器，这样，处于目标交通街区中的车辆能够根据对应的行驶轨迹调度指示进行行驶轨迹调整，可以理解，目标交通流数据在设定时段内对应的行驶轨迹可以理解为完成调度之后的轨迹，也就是说，大数据服务器可以根据预先分析出的期望行驶轨迹实现对不同车辆的行驶轨迹的反馈调度，由于确定目标交通流数据在设定时段内对应的行驶轨迹是考虑了局部交通流数据和全局交通流数据的干扰的，因而能够快速准确地确定目标交通流数据在设定时段内对应的行驶轨迹，无需耗费较多的时间来确定期望行驶轨迹，这样能够尽可能提高针对目标交通街区的交通调度效率，以及时地缓解交通拥堵。
23.接下来将对一些可选实施例进行说明，这些实施例应当理解为示例，不应理解为实现本方案所必不可少的技术特征。
24.对于一些可能的实施例而言，步骤s1所描述的对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析和行驶变道类轨迹分析，得到行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果，可以包括以下步骤s11
‑
步骤s13所描述的内容。
25.步骤s11，对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析，得到各个交通流数据轨迹中的行驶减速类轨迹分析指标、以及各行驶减速类轨迹分析指标所对应的初始行驶轨迹类型。例如，行驶减速类轨迹分析指标可以通过道路的行人走动情况、或者对应街区的天气情况进行，初始行驶轨迹类型可以包括针对行人走动而进行调整的轨迹类型或者针对天气情况而进行调的轨迹类型。
26.步骤s12，基于各交通流数据轨迹中的行驶减速类轨迹分析指标和相应的初始行驶轨迹类型，确定行驶减速类的轨迹分析结果。
27.步骤s13，对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶变道类轨迹分析，得到行驶变道类的轨迹分析结果。
28.可以理解，通过实施上述步骤s11
‑
步骤s13，在确定行驶减速类的轨迹分析结果时能够考虑不同的行驶减速类轨迹分析指标及其对应的初始行驶轨迹类型，从而确保行驶减速类的轨迹分析结果能够将实时路面情况和天气情况考虑在内，从而确保轨迹分析结果的完整性和准确性。
29.对于一些可能的实施例而言，步骤s13所描述的对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶变道类轨迹分析，得到行驶变道类的轨迹分析结果，进一步可以包括以下步骤s131
‑
步骤s134所描述的内容。
30.步骤s131，对所述目标交通流数据中的多个交通流数据轨迹分别进行车辆姿态识别，得到各交通流数据轨迹分别对应的车辆姿态识别结果。例如，车辆姿态识别可以结合车辆的陀螺传感器进行。
31.步骤s132，对所述目标交通流数据中的多个交通流数据轨迹分别进行车辆车速识别，得到各交通流数据轨迹分别对应的车辆车速识别结果。
32.步骤s133，将对应于相同车辆对象的车辆姿态识别结果和车辆车速识别结果进行关联。
33.步骤s134，基于所述目标交通流数据中与目标车辆姿态识别结果相关联的车辆车速识别结果进行行驶变道类轨迹分析处理，得到行驶变道类的轨迹分析结果；其中，所述目标车辆姿态识别结果是被标记的车辆对象对应的车辆姿态识别结果。
34.这样一来，在应用上述步骤s131
‑
步骤s134所描述的内容时，能够对车辆姿态识别结果和车辆车速识别结果进行关联分析，从而确保得到的行驶变道类的轨迹分析结果与实际的车辆行驶状态相匹配，这样可以从全局层面实现行驶变道类轨迹分析。
35.对于一些可能的实施例，步骤s2所描述的通过预设的针对轨迹分析结果的局部校正模型，对所述行驶减速类的轨迹分析结果进行局部校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹，可以包括以下步骤s21
‑
步骤s24所描述的内容。
36.步骤s21，对所述行驶减速类的轨迹分析结果中的每个交通流数据轨迹分别进行轨迹类型匹配，得到每个交通流数据轨迹各自对应的唯一行驶轨迹类型。
37.步骤s22，基于每个交通流数据轨迹中与相应唯一行驶轨迹类型对应的行驶减速类轨迹分析指标的分析指标更新记录，分别进行轨迹分析指标更新处理，得到更新后的行驶减速类的轨迹分析结果。
38.步骤s23，对所述更新后的行驶减速类的轨迹分析结果进行不间断更新处理，得到多个包括有行驶减速类轨迹的局部候选交通流数据在设定时段内对应的行驶轨迹。
39.步骤s24，根据各所述局部候选交通流数据在设定时段内对应的行驶轨迹分别所对应的行驶减速类型，对属于相同行驶减速类型的局部候选交通流数据在设定时段内对应的行驶轨迹进行局部轨迹校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹。
40.如此设计，基于上述步骤s21
‑
步骤s24，能够对行驶减速类型进行考虑，从而对属于相同行驶减速类型的局部候选交通流数据在设定时段内对应的行驶轨迹进行局部轨迹校正处理，这样可以尽可能消除局部交通流数据对全局交通流数据的干扰和影响，便于后续更加快速地确定目标交通流数据在设定时段内对应的行驶轨迹。
41.进一步地，在步骤s21中，对所述行驶减速类的轨迹分析结果中的每个交通流数据轨迹分别进行轨迹类型匹配，得到每个交通流数据轨迹各自对应的唯一行驶轨迹类型，可以包括以下步骤s211
‑
步骤s213。
42.步骤s211，针对所述行驶减速类的轨迹分析结果中的每个交通流数据轨迹，当交通流数据轨迹的初始行驶轨迹类型的类型数量为不低于两个时，获取每个初始行驶轨迹类型的交通拥挤评价信息。例如，交通拥挤评价信息可以用于表征出现交通拥挤的原因。
43.步骤s212，当交通拥挤评价信息对应的交通拥挤系数最高的初始行驶轨迹类型为一个时，将所述交通拥挤评价信息对应的交通拥挤系数最高的初始行驶轨迹类型作为相应交通流数据轨迹的唯一行驶轨迹类型。例如，交通拥挤系数用于表征交通拥挤程度，交通拥挤系数越高，表明道路越拥挤。
44.步骤s213，当所述交通拥挤评价信息对应的交通拥挤系数最高的初始行驶轨迹类型为不低于两个时，针对每个交通拥挤评价信息对应的交通拥挤系数最高的初始行驶轨迹
类型，获取对应的行驶减速类轨迹分析指标的轨迹分析指标更新频率；根据最高的轨迹分析指标更新频率所对应的初始行驶轨迹类型，确定相应交通流数据轨迹所对应的唯一行驶轨迹类型。例如，轨迹分析指标更新频率用于表征行驶减速类轨迹分析指标的实时变化情况，可以理解，交通情况是实时变化的，通过考虑轨迹分析指标更新频率，能够准确可靠地确定相应交通流数据轨迹与行驶轨迹类型的一一对应关系。
45.可以理解，在应用上述步骤s211
‑
步骤s213所描述的内容时，在进行轨迹类型匹配时能够将实时变化的交通情况考虑在内，从而准确可靠地确定相应交通流数据轨迹与行驶轨迹类型的一一对应关系。
46.在另外的一个实施例中，步骤s22所描述的基于每个交通流数据轨迹中与相应唯一行驶轨迹类型对应的行驶减速类轨迹分析指标的分析指标更新记录，分别进行轨迹分析指标更新处理，得到更新后的行驶减速类的轨迹分析结果，可以包括以下步骤s221
‑
步骤s224所描述的内容。
47.步骤s221，对于每个交通流数据轨迹，获取各交通流数据轨迹中与相应唯一行驶轨迹类型对应的行驶减速类轨迹分析指标的指标热度信息。例如，指标热度信息可以用于表征行驶减速类轨迹分析指标的使用热度，指标热度越高，表明对应的行驶减速类轨迹分析指标的使用越频繁。
48.步骤s222，当所述指标热度信息对应的当前指标热度在预设指标热度区间内时，维持相对应的行驶减速类轨迹分析结果，维持的所述行驶减速类轨迹分析结果包括行驶减速类轨迹分析指标、以及所述行驶减速类轨迹分析指标对应的唯一行驶轨迹类型。例如，预设指标热度区间可以根据实际情况进行适应性调整，在此不作更多说明。
49.步骤s223，当所述指标热度信息对应的当前指标热度不在所述预设指标热度区间内时，将相应的交通流数据轨迹的行驶减速类轨迹分析结果进行删除。
50.步骤s224，基于各交通流数据轨迹各自对应的行驶减速类轨迹分析结果，得到更新后的行驶减速类的轨迹分析结果。
51.可以理解，通过执行上述步骤s221
‑
步骤s224，能够在确定更新后的行驶减速类的轨迹分析结果时对行驶减速类轨迹分析指标的指标热度信息进行分析，从而将行驶减速类轨迹分析指标的历史使用情况考虑在内，这样可以确保更新后的行驶减速类的轨迹分析结果尽可能与主流的分析结果相匹配，进而为后续的交通调度提供可靠的决策依据。
52.对于进一步的实施例而言，步骤s23所描述的对所述更新后的行驶减速类的轨迹分析结果进行不间断更新处理，得到多个包括有行驶减速类轨迹的局部候选交通流数据在设定时段内对应的行驶轨迹，可以包括以下步骤s231
‑
步骤s235。
53.步骤s231，对所述更新后的行驶减速类的轨迹分析结果进行不间断更新处理，得到多组的自动驾驶轨迹和非自动驾驶轨迹。
54.步骤s232，确定每组自动驾驶轨迹和非自动驾驶轨迹之间的交通流数据在设定时段内对应的行驶轨迹比较结果。
55.步骤s233，当所述交通流数据在设定时段内对应的行驶轨迹比较结果对应的相似度大于或等于预设相似度时，将相应组的自动驾驶轨迹和非自动驾驶轨迹所构成的交通流数据在设定时段内对应的行驶轨迹作为局部候选交通流数据在设定时段内对应的行驶轨迹。例如，预设相似度可以根据实际情况进行调整，在此不作限定。
56.步骤s234，对于每个局部候选交通流数据在设定时段内对应的行驶轨迹，根据所述局部候选交通流数据在设定时段内对应的行驶轨迹中各交通流数据轨迹分别对应的更新后的唯一行驶轨迹类型，确定统计次数最多的目标行驶减速类型。
57.步骤s235，将所述目标行驶减速类型，作为相对应局部候选交通流数据在设定时段内对应的行驶轨迹所包括的行驶减速类轨迹所对应的行驶减速类型。
58.这样一来，在对所述更新后的行驶减速类的轨迹分析结果进行不间断更新处理时，能够对自动驾驶轨迹和非自动驾驶轨迹进行区别分析，从而确保针对轨迹分析结果的更新处理不会将自动驾驶轨迹和非自动驾驶轨迹进行混淆，进而便民更新处理出现偏差。
59.对于一些可能的实施例而言，所述行驶减速类的轨迹分析结果中的行驶减速类轨迹分析结果包括主动减速分析结果和被动减速分析结果，基于此，步骤s231所描述的所述对所述更新后的行驶减速类的轨迹分析结果进行不间断更新处理，得到多组的自动驾驶轨迹和非自动驾驶轨迹，可以包括以下步骤s2311
‑
步骤s2314。
60.步骤s2311，将所述更新后的行驶减速类的轨迹分析结果中，处于当次更新处理中的首个被动减速分析结果所对应的交通流数据轨迹作为当前组的自动驾驶轨迹。
61.步骤s2312，遍历所述当前组的自动驾驶轨迹之后的交通流数据轨迹。
62.步骤s2313，当遍历至的当前交通流数据轨迹对应主动减速分析结果、且从所述当前交通流数据轨迹开始的全局预设时长内交通流数据轨迹所对应的行驶减速类轨迹分析结果均为主动减速分析结果时，将所述当前交通流数据轨迹作为所述当前组的非自动驾驶轨迹。
63.步骤s2314，将所述当前组的非自动驾驶轨迹之后的首个被动减速分析结果所对应的交通流数据轨迹，作为下一次更新处理的当前组的自动驾驶轨迹，并返回所述遍历所述当前组的自动驾驶轨迹之后的交通流数据轨迹的步骤继续执行，直至得到多组的自动驾驶轨迹和非自动驾驶轨迹。
64.如此，在应用上述步骤s2311
‑
步骤s2314进行自动驾驶轨迹和非自动驾驶轨迹的区分时，能够结合主动减速分析结果和被动减速分析结果进行综合考虑，这样可以尽可能确保自动驾驶轨迹和非自动驾驶轨迹之间的精准区分，避免自动驾驶轨迹和非自动驾驶轨迹之间出现的交叉和混淆。
65.对于可选的实施例而言，在步骤2313所描述的当遍历至的当前交通流数据轨迹对应主动减速分析结果、且从所述当前交通流数据轨迹开始的全局预设时长内交通流数据轨迹所对应的行驶减速类轨迹分析结果均为主动减速分析结果时，将所述当前交通流数据轨迹作为所述当前组的非自动驾驶轨迹之前，所述方法还可以包括以下步骤a
‑
步骤c所描述的技术方案。
66.步骤a，当由遍历至的当前交通流数据轨迹与所述当前组的自动驾驶轨迹所确定的交通流数据在设定时段内对应的行驶轨迹的持续更新时长小于设定更新时长阈值时，确定所述当前交通流数据轨迹对应的行驶减速类轨迹分析结果是否为主动减速分析结果。
67.步骤b，在所述当前交通流数据轨迹对应被动减速分析结果时，将所述当前交通流数据轨迹作为所述当前组所对应的交通流数据在设定时段内对应的行驶轨迹中的其中一交通流数据轨迹。
68.步骤c，在所述当前交通流数据轨迹对应主动减速分析结果、且从所述当前交通流
数据轨迹开始的全局预设时长内的行驶减速类轨迹分析结果中包括被动减速分析结果时，将从所述当前交通流数据轨迹开始的所述全局预设时长内的首个被动减速分析结果所对应的交通流数据轨迹，作为遍历的下一交通流数据轨迹，并返回所述当由遍历至的当前交通流数据轨迹与所述当前组的自动驾驶轨迹所确定的交通流数据在设定时段内对应的行驶轨迹的持续更新时长小于设定更新时长阈值时，确定所述当前交通流数据轨迹对应的行驶减速类轨迹分析结果是否为主动减速分析结果的步骤继续执行。
69.更进一步地，步骤s2311所描述的将所述更新后的行驶减速类的轨迹分析结果中，处于当次更新处理中的首个被动减速分析结果所对应的交通流数据轨迹作为当前组的自动驾驶轨迹，可以包括：确定所述更新后的行驶减速类的轨迹分析结果中，处于当次更新处理中的首个被动减速分析结果所对应的目标交通流数据；当所述目标交通流数据的后一交通流数据轨迹所对应的行驶减速类轨迹分析结果为主动减速分析结果时，将所述目标交通流数据对应的行驶减速类轨迹分析结果进行删除；当所述目标交通流数据的后一交通流数据轨迹所对应的行驶减速类轨迹分析结果为被动减速分析结果时，将所述目标交通流数据作为当前组的自动驾驶轨迹。
70.对于一些可能的实施例而言，步骤s24所描述的根据各所述局部候选交通流数据在设定时段内对应的行驶轨迹分别所对应的行驶减速类型，对属于相同行驶减速类型的局部候选交通流数据在设定时段内对应的行驶轨迹进行局部轨迹校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹，可以包括以下步骤s241和步骤s242。
71.步骤s241，确定各所述局部候选交通流数据在设定时段内对应的行驶轨迹分别所对应的行驶减速类型。
72.步骤s242，当在时序先后上相邻的多于一个的局部候选交通流数据在设定时段内对应的行驶轨迹均属于相同的行驶减速类型时，将所述多于一个的局部候选交通流数据在设定时段内对应的行驶轨迹进行行驶轨迹融合，得到与所述相同的行驶减速类型对应的局部交通流数据在设定时段内对应的行驶轨迹。如此设计，在进行局部轨迹校正处理时，通过时序先后顺序进行轨迹融合，能够尽可能改善不同局部交通流数据之间的互相干扰和影响，从而为后续的全局性交通调度提供准确的决策依据。
73.对于一些可能的实施例而言，步骤s3所描述的通过预设的针对轨迹分析结果的全局校正模型，对所述行驶变道类的轨迹分析结果进行全局校正处理，得到包括有行驶变道类轨迹的全局交通流数据在设定时段内对应的行驶轨迹，可以包括以下步骤s31和步骤s32所描述的内容。
74.步骤s31，对所述行驶变道类的轨迹分析结果进行不间断更新处理，得到多个包括有行驶变道类轨迹的全局候选交通流数据在设定时段内对应的行驶轨迹。
75.步骤s32，根据各所述全局候选交通流数据在设定时段内对应的行驶轨迹所对应的行驶变道类型，对属于相同行驶变道类型的全局候选交通流数据在设定时段内对应的行驶轨迹进行全局轨迹校正处理，得到包括有行驶变道类轨迹的全局交通流数据在设定时段内对应的行驶轨迹。
76.可以理解，通过上述步骤s31和步骤s32，能够将行驶变道类型考虑在内，从而考虑全局候选交通流数据之间的交通通行干扰（例如变道产生的拥堵或者车祸等），这样能够确
保在进行全局轨迹校正处理时将上述的交通通行干扰进行尽可能的消除，从而确保包括有行驶变道类轨迹的全局交通流数据在设定时段内对应的行驶轨迹尽可能不受局部交通流数据的通行干扰。
77.在一个可替换的实施中，步骤s4所描述的基于所述局部交通流数据在设定时段内对应的行驶轨迹和所述全局交通流数据在设定时段内对应的行驶轨迹进行交通调度处理，得到所述目标交通流数据中与目标轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹，可以包括以下步骤s41
‑
步骤s43所描述的内容。
78.步骤s41，当所述全局交通流数据在设定时段内对应的行驶轨迹完全处于所述局部交通流数据在设定时段内对应的行驶轨迹内时，或者，所述局部交通流数据在设定时段内对应的行驶轨迹完全处于所述全局交通流数据在设定时段内对应的行驶轨迹内时，更新所述全局交通流数据在设定时段内对应的行驶轨迹并维持所述局部交通流数据在设定时段内对应的行驶轨迹，得到与行驶减速类轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹。
79.步骤s42，当所述局部交通流数据在设定时段内对应的行驶轨迹中的在后交通流数据轨迹，与所述全局交通流数据在设定时段内对应的行驶轨迹中的在前交通流数据轨迹发生交叉时，维持所述局部交通流数据在设定时段内对应的行驶轨迹作为与行驶减速类轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹，并将所述局部交通流数据在设定时段内对应的行驶轨迹中的非自动驾驶轨迹作为所述全局交通流数据在设定时段内对应的行驶轨迹的自动驾驶轨迹，得到更新后的全局交通流数据在设定时段内对应的行驶轨迹，将所述更新后的全局交通流数据在设定时段内对应的行驶轨迹作为与行驶变道类轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹。
80.步骤s43，当所述全局交通流数据在设定时段内对应的行驶轨迹中的在后交通流数据轨迹，与所述局部交通流数据在设定时段内对应的行驶轨迹中的在前交通流数据轨迹发生交叉时，维持所述局部交通流数据在设定时段内对应的行驶轨迹作为与行驶减速类轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹，并将所述局部交通流数据在设定时段内对应的行驶轨迹中的自动驾驶轨迹作为所述全局交通流数据在设定时段内对应的行驶轨迹的非自动驾驶轨迹，得到更新后的全局交通流数据在设定时段内对应的行驶轨迹，将更新后的全局交通流数据在设定时段内对应的行驶轨迹作为与行驶变道类轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹。
81.可以理解，通过实施上述步骤s41
‑
步骤s43所描述的内容，能够对全局交通流数据以及局部交通流数据对应的形式轨迹的包含关系考虑在内，并结合自动驾驶轨迹和非自动驾驶轨迹确定目标交通流数据在设定时段内对应的行驶轨迹，这样一来，在确定目标交通流数据在设定时段内对应的行驶轨迹（期望行驶轨迹）时，能够尽可能削弱全局交通流数据以及局部交通流数据之间的相互的交通通行干扰，从而减少确定期望行驶轨迹的耗时，这样能够提高针对目标交通街区的交通调度效率，使得大数据服务器能够快速地基于期望行驶轨迹进行行驶策略相关的指示信息的生成和下发，从而快速地改善目标交通街区的拥堵情况。
82.在一个可替换的实施例中，在步骤s4之后，所述方法还可以包括以下步骤s5所描述的内容。步骤s5：根据与目标轨迹相对应的目标交通流数据在设定时段内对应的行驶轨
迹生成行驶轨迹调度指示，并将所述行驶轨迹调度指示下发给所述目标交通街区中的车载控制器。如此设计，能实现对目标交通街区中的车辆的全局性调度，从而快速地缓解交通拥堵情况。
83.其次，针对上述基于大数据和边缘计算的数据处理方法，本发明实施例还提出了一种示例性的基于大数据和边缘计算的数据处理装置200，如图2所示，基于大数据和边缘计算的数据处理装置200可以包括以下的功能模块。
84.数据获取模块210，用于获取待进行交通调度的目标交通街区的目标交通流数据；对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析和行驶变道类轨迹分析，得到行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果。
85.局部校正模块220，用于通过预设的针对轨迹分析结果的局部校正模型，对所述行驶减速类的轨迹分析结果进行局部校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹。
86.全局校正模块230，用于通过预设的针对轨迹分析结果的全局校正模型，对所述行驶变道类的轨迹分析结果进行全局校正处理，得到包括有行驶变道类轨迹的全局交通流数据在设定时段内对应的行驶轨迹。
87.数据处理模块240，用于基于所述局部交通流数据在设定时段内对应的行驶轨迹和所述全局交通流数据在设定时段内对应的行驶轨迹进行交通调度处理，得到所述目标交通流数据中与目标轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹；其中，所述目标轨迹包括行驶减速类轨迹和行驶变道类轨迹中的至少一种，所述目标交通流数据在设定时段内对应的行驶轨迹用于对所述目标交通街区进行交通调度。
88.然后，基于上述的方法实施例和装置实施例，本发明实施例还提出了一种系统实施例，也即基于大数据和边缘计算的数据处理系统，请结合参阅图3，基于大数据和边缘计算的数据处理系统30可以包括大数据服务器10和车载控制器20。其中，大数据服务器10和车载控制器20通信用以实施上述方法，进一步地，基于大数据和边缘计算的数据处理系统30的功能性描述如下。
89.一种基于大数据和边缘计算的数据处理系统，包括互相之间通信的大数据服务器和车载控制器，所述车载控制器为处于目标交通街区内的车载控制器；其中，所述大数据服务器用于：获取待进行交通调度的目标交通街区的目标交通流数据；对所述目标交通流数据中的多个交通流数据轨迹分别进行行驶减速类轨迹分析和行驶变道类轨迹分析，得到行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果；通过预设的针对轨迹分析结果的局部校正模型，对所述行驶减速类的轨迹分析结果进行局部校正处理，得到包括有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹；通过预设的针对轨迹分析结果的全局校正模型，对所述行驶变道类的轨迹分析结果进行全局校正处理，得到包括有行驶变道类轨迹的全局交通流数据在设定时段内对应的行驶轨迹；基于所述局部交通流数据在设定时段内对应的行驶轨迹和所述全局交通流数据在设定时段内对应的行驶轨迹进行交通调度处理，得到所述目标交通流数据中与目标轨迹
相对应的目标交通流数据在设定时段内对应的行驶轨迹；其中，所述目标轨迹包括行驶减速类轨迹和行驶变道类轨迹中的至少一种，所述目标交通流数据在设定时段内对应的行驶轨迹用于对所述目标交通街区进行交通调度。
90.进一步地，请结合参阅图4，大数据服务器10可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
91.处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(central processing unit，cpu)、专用集成电路(application
‑
specific integrated circuit，asic)、专用指令集处理器(application
‑
specific instruction
‑
set processor，asip)、图形处理单元(graphics processing unit，gpu)、物理处理单元(physics processing unit，ppu)、数字信号处理器(digital signal processor，dsp)、现场可编程门阵列(field programmable gate array，fpga)、可编程逻辑器件(programmable logic device，pld)、控制器、微控制器单元、精简指令集计算机(reduced instruction
‑
set computer，risc)、微处理器等或其任意组合。
92.网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(local area network，lan)、广域网(wide area network，wan)、无线局域网络(wireless local area network，wlan)、城域网(metropolitan area network，man)、公用电话交换网(public telephone switched network，pstn)、蓝牙网络、无线个域网络、近场通讯(near field communication，nfc)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。
93.存储器130可以是，但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read
‑
only memory，prom），可擦除只读存储器（erasable programmable read
‑
only memory，eprom），电可擦除只读存储器（electric erasable programmable read
‑
only memory，eeprom）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
94.可以理解，图4所示的结构仅为示意，大数据服务器10还可包括比图2中所示更多或者更少的组件，或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
95.综上，上述基于大数据和边缘计算的数据处理方法及大数据服务器，对待进行交通调度的目标交通流数据的多个交通流数据轨迹分别进行行驶减速类轨迹分析和行驶变道类轨迹分析，得到行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果，即对目标交通流数据中的交通流数据轨迹进行了分类，分为行驶减速类和行驶变道类；而由于行驶减速类轨迹和行驶变道类轨迹的交通拥挤影响程度不相同，并且轨迹分析结果中可能存在各种轨迹分析结果不准确的问题，则通过不同的校正模型分别对行驶减速类的轨迹分析结果和行驶变道类的轨迹分析结果进行校正处理，得到包含有行驶减速类轨迹的局部交通流数据在设定时段内对应的行驶轨迹和包含行驶变道类轨迹的全局交通流数据在设定时段
内对应的行驶轨迹。
96.由于局部交通流数据在设定时段内对应的行驶轨迹和全局交通流数据在设定时段内对应的行驶轨迹可能存在相互的交通通行干扰，相互的交通通行干扰影响调度效率，因此基于局部交通流数据在设定时段内对应的行驶轨迹和全局交通流数据在设定时段内对应的行驶轨迹进行交通调度处理，得到与目标轨迹相对应的目标交通流数据在设定时段内对应的行驶轨迹，能够快速并准确地确定目标轨迹的交通流数据在设定时段内对应的行驶轨迹，无需耗费较多的时间来确定目标轨迹对应的交通流数据在设定时段内对应的行驶轨迹，从而尽可能提高针对目标交通街区的交通调度效率。
97.需要理解的是，针对上述内容，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定相关技术术语所指代的含义，例如针对一些值、系数、权重、指数、因子等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0~1，又例如1~10，再例如50~100，在此均不作限定。
98.本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。
99.本发明实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
100.应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd
‑
rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
101.本申请实施例可能带来的有益效果包括但不限于：（1）结合交通灯调度和遗传算法来实现不同车辆的行驶轨迹的预测，从而实现对目标交通街区中的尽可能多的车辆的行驶轨迹调度，（2）根据预先分析出的期望行驶轨迹实现对不同车辆的行驶轨迹的反馈调度，（3）确定目标交通流数据在设定时段内对应的行驶轨迹是考虑了局部交通流数据和全局交通流数据的干扰的，因而能够快速准确地确定目标交通流数据在设定时段内对应的行驶轨迹，无需耗费较多的时间来确定期望行驶轨迹，这样能够尽可能提高针对目标交通街区的
交通调度效率，以及时地缓解交通拥堵。
102.需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
103.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域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。
104.同时，本申请使用了特定词语来描述本申请的实施例。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、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
105.此外，本领域技术人员可以理解，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工序、机器、产品或物质的组合，或对他们的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(包括固件、常驻软件、微码等)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“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
106.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储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讯、传播或传输供使用的程序。位于计算机存储介质上的程序编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、或类似介质，或任何上述介质的组合。
107.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多种程序语言编写，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。该程序编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）。
108.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。
109.同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，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。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。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。
110.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
111.针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
112.最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。