智慧城市限行方案确定方法、物联网系统、装置和介质与流程

1.本说明书涉及城市规划领域，特别涉及一种智慧城市限行方案确定方法、物联网系统、装置和介质。


背景技术：

2.随着社会经济的不断发展，汽车数量也随之不断增加。日益增加的汽车数量为城市交通带来的严重的拥堵问题，同时车辆排放的尾气也对城市环境造成了不小的破坏。
3.因此，需要提供一种智慧城市限行方案确定方法、物联网系统、介质，以实现在缓解城市拥堵情况的同时减少尾气排放，改善城市环境。


技术实现要素：

4.本说明书实施例之一提供一种智慧城市限行方案确定方法，所述方法包括：通过所述对象平台确定城市的城市污染信息，并通过所述传感网络平台发送至所述管理平台，所述城市污染信息包括城市空气图像、空气质量信息、汽车尾气信息中的至少一种；通过所述管理平台根据所述城市污染信息确定所述城市的最优限行方案，并通过所述服务平台将所述最优限行方案发送至所述用户平台，包括：根据所述城市污染信息确定所述城市的城市污染程度；根据所述城市污染程度确定至少一个候选限行区域；确定所述至少一个候选限行区域的候选限行等级，并生成多个初始限行方案；基于预设算法对多个初始限行方案进行处理，确定所述最优限行方案；以及将所述最优限行方案发送至所述服务平台并转发到所述用户平台。
5.本说明书实施例之一提供一种智慧城市限行方案确定物联网系统，所述智慧城市限行方案确定物联网系统包括用户平台、服务平台、管理平台、传感网络平台以及对象平台；所述对象平台用于确定城市的城市污染信息，并通过所述传感网络平台发送至所述管理平台，所述城市污染信息包括城市空气图像、空气质量信息、汽车尾气信息中的至少一种；所述管理平台用于根据所述城市污染信息确定所述城市的最优限行方案，并通过所述服务平台将所述最优限行方案发送至所述用户平台，包括：根据所述城市污染信息确定所述城市的城市污染程度；根据所述城市污染程度确定至少一个候选限行区域；确定所述至少一个候选限行区域的候选限行等级，并生成多个初始限行方案；基于预设算法对多个初始限行方案进行处理，确定所述最优限行方案；以及将所述最优限行方案发送至所述服务平台并转发到所述用户平台。
6.本说明书一个或多个实施例提供一种智慧城市限行方案确定装置，所述装置包括处理器以及存储器；所述存储器用于存储指令，所述指令被所述处理器执行时，导致所述装置实现所述智慧城市限行方案确定方法。
7.本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行智慧城市限行方案确定方法。
附图说明
8.本说明书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：
9.图1是根据本说明书一些实施例所示的智慧城市限行方案确定物联网系统示意图；
10.图2是根据本说明书一些实施例所示的智慧城市限行方案确定方法的示例性流程图；
11.图3是根据本说明书一些实施例所示的确定最优限行方案的示例性流程图；
12.图4是根据本说明书一些实施例所示的评估模型的示例性结构图；
13.图5是根据本说明书一些实施例所示的污染预测模型的示例性结构图。
具体实施方式
14.为了更清楚地说明本说明书实施例的技术方案，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说明书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说明书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。
15.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”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。
16.如本说明书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。
17.本说明书中使用了流程图用来说明根据本说明书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。
18.图1是根据本说明书一些实施例所示的智慧城市限行方案确定物联网系统示意图。
19.在一些实施例中，智慧城市限行方案确定物联网系统100可以应用于城市的交通管理系统，并用于执行智慧城市限行方案确定方法。其中，城市可以是智慧城市限行方案确定物联网系统100的执行对象，智慧城市限行方案确定物联网系统100可以根据城市的相关信息(如交通情况、污染情况等)确定城市的限行方案。例如，智慧城市限行方案确定物联网系统100可以根据城市的空气污染情况，确定城市当前的限行方案。
20.如图1所示，智慧城市限行方案确定物联网系统100可以包括：依次交互的用户平台110、服务平台120、管理平台130、传感网络平台140和对象平台150。
21.用户平台110是以用户为主导的平台。在一些实施例中，用户平台110被配置为终
端设备(如，移动电话、平板电脑等)，可以将城市各区域的车辆限行方案反馈给用户。例如，用户平台110可以将街道a的限行信息提供给用户。
22.在一些实施例中，用户平台110可以向下与服务平台120进行交互。例如，下发城市各区域的车辆限行方案查询指令至服务平台120，接收服务平台120上传的城市各区域的车辆限行方案等。
23.服务平台120是指为用户提供城市各区域的车辆限行方案查询服务的平台。在一些实施例中，服务平台采用集中式布置。其中，集中式布置是指数据或/和信息的接收、处理和发送均由平台统一进行。
24.在一些实施例中，服务平台120可以向下与管理平台130进行交互。例如，下发城市各区域的车辆限行方案查询指令至管理平台130，接收管理平台130上传的车辆限行方案等。
25.在一些实施例中，服务平台还可以向上与用户平台进行交互。例如，接收用户平台110下发的车辆限行方案查询指令，上传车辆限行方案至用户平台110等。
26.管理平台130是用于执行智慧城市限行方案确定方法的平台。在一些实施例中，管理平台130还可以用于响应用户的查询需求，对传感网络平台上传的城市各区域的相关监控数据进行处理，确定城市各区域的车辆限行方案。
27.城市各区域的相关监控数据是指各城市区域不同道路的监控数据，可以包括空气污染的相关数据和交通流量的相关数据。其中，空气污染的相关数据是指对空气质量的监控(如，so2、no2、pm
10、
pm
2.5
等污染物的含量)，可以基于空气质量检测仪等仪器获取。交通流量的相关数据是指各区域内道路的车流量、车辆尾气排放情况、道路拥堵情况等的相关数据，可以基于摄像设备等获取。
28.关于管理平台基于城市各区域的相关监控数据，确定城市各区域的车辆限行方案的更多内容参见图2及其相关描述。
29.在一些实施例中，智慧城市限行方案确定物联网系统还包括传感网络平台140。传感网络平台140是用于获取城市各区域的相关监控数据的平台。在一些实施例中，传感网络平台可以被配置为通信网络和网关。
30.在一些实施例中，传感网络平台140可以向下与对象平台150进行交互。例如，接收对象平台上传的相关监控数据；下发获取相关监控数据的指令至对象平台。在一些实施例中，传感网络平台140还可以向上与管理平台130进行交互。例如，接收管理平台下发的获取相关监控数据的指令；上传传感网络平台的相关监控数据至管理平台。
31.在一些实施例中，智慧城市限行方案确定物联网系统还包括对象平台150。对象平台150是用于获取城市各区域相关监控数据的平台，可以部署在城市的不同区域。在一些实施例中，对象平台被配置为有唯一标识监控设备，可以包括摄像设备(用于获取区域内的图像，如空气能见度等)、汽车尾气监测仪(用于获取尾气排放量情况等)、空气质量检测仪(用于获取空气污染指数等)等相关设备。
32.在一些实施例中，对象平台150可以向上与传感网络平台140进行交互。例如，接收传感网络平台下发的获取相关监控数据的指令；上传相关监控数据至传感网络平台。
33.在一些实施例中，根据实际需要对智慧城市限行方案确定物联网系统100的执行对象(如城市)进行进一步划分(如划分为多个街区)，以确定更为精确的限行方案。例如，可
以根据城市的城市规划以及下属辖区将城市划分出多个区域(如城区、街区等)。在一些实施例中，可以基于各个区域分布式地构建智慧城市限行方案确定物联网系统100。
34.在一些实施例中，管理平台130还可以根据城市区域划分为多个管理分平台。例如，管理平台可以根据城市的街道、社区等行政区域划分为多个不同的管理分平台。在一些实施例中，管理平台130可以包括管理总平台数据库、多个管理分平台。
35.在一些实施例中，管理平台130被配置为第二服务器，采用组合前分式布置。其中，前分式布置是指各分平台对相应的数据进行处理和管理，并将处理好的数据传输至总平台数据库，再由总平台数据库将汇总处理后的数据上传至其他平台。
36.在一些实施例中，管理平台的数据交互包括：各管理分平台从对应的传感网络分平台接收各区域内的相关监控数据；各管理分平台对各区域内的相关监控数据进行处理和运行管理，例如：城市a区域的各道路，其相关监控数据上传到城市a区域车辆管理分平台进行管理；各管理分平台进一步将数据进行处理后上传到管理平台总数据库；管理平台总数据库将汇总处理后的交通相关数据上传至服务平台，上传到服务平台的数据还可以包括城市各区域的车辆限行方案。
37.在一些实施例中，通过管理分平台对不同区域的相关监控数据处理，再汇总到总数据库，可以在减少整个管理平台的数据处理压力的同时，汇集各独立的管理分平台的数据进行统一管理。
38.在一些实施例中，传感网络平台140还可以根据城市区域划分为多个传感网络分平台。例如，传感网络平台可以根据城市的街道、社区等行政区域划分为多个不同的传感网络分平台。
39.在一些实施例中，传感网络平台的数据交互包括：监控相关数据在对应的分平台进行处理和运行管理，例如，部署在城市a区域的监控设备，其数据上传到城市a区域传感网络分平台；传感网络分平台将处理后的相关监控数据上传至对应的管理分平台。
40.在一些实施例中，对象平台150还包括多个对象分平台。多个对象分平台分别对应多个不同的监控设备。多个对象分平台各自获取相关监控数据后上传至各自对应的传感网络分平台。
41.在一些实施例中，智慧城市限行方案确定物联网系统100可以用于执行智慧城市限行方案确定方法，智慧城市限行方案确定物联网系统包括用户平台、服务平台、管理平台；对象平台用于确定城市的城市污染信息，并通过传感网络平台发送至管理平台，城市污染信息包括城市空气图像、空气质量信息、汽车尾气信息中的至少一种；管理平台用于根据城市污染信息确定城市的最优限行方案，包括：根据城市污染信息确定城市的城市污染程度；根据城市污染程度确定至少一个候选限行区域；确定至少一个候选限行区域的候选限行等级，并生成多个初始限行方案；基于预设算法对多个初始限行方案进行处理，确定最优限行方案。关于智慧城市限行方案确定方法的更多内容可以参见图2及其相关描述。
42.在一些实施例中，对象平台150还用于基于污染预测模型处理城市污染信息，确定城市的城市污染程度，污染预测模型为机器学习模型。关于确定城市污染程度的更多内容可以参见图2及其相关描述。
43.在一些实施例中，管理平台130还可以用于基于预设算法对多个初始限行方案进行至少一轮迭代处理，确定最优限行方案。关于确定最优限行方案的更多内容可以参见图3
及其相关描述。
44.本说明书的一些实施例还提供一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行智慧城市限行方案确定方法。
45.需要注意的是，以上对于一种智慧城市限行方案确定物联网系统及其内部模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的用户平台110、服务平台120、管理平台130、传感网络平台140和对象平台150可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
46.图2是根据本说明书一些实施例所示的智慧城市限行方案确定方法的示例性流程图。在一些实施例中，流程200可以由智慧城市限行方案确定物联网系统100执行。如图2所示，流程200包括下述步骤：
47.步骤210，通过对象平台确定城市的城市污染信息，并通过传感网络平台发送至管理平台。在一些实施例中，步骤210可以由对象平台150执行。
48.城市污染信息可以是反映城市污染情况的信息。其中，城市污染情况可以包括因车辆而造成的污染(如车辆尾气污染等)。例如，城市污染信息可以包括城市空气图像、空气质量信息、汽车尾气信息中的至少一种。
49.城市空气图像可以指城市中各个区域的天空图像。其中，城市空气图像可以反映空气的可见污染情况(如雾霾情况、空气颜色等)。在一些实施例中，城市空气图像可以由对象平台中的预设的不同位置传感器(如摄像设备)获取。
50.空气质量信息可以指反映城市中空气情况、质量、组分等信息的气象数据。例如，空气质量信息可以包括空气中pm2.5、pm10、空气中氮氧化合物等污染物的组分和含量。在一些实施例中，空气质量信息可以由气象检测站、气象检测点等气象机构确定。
51.汽车尾气信息可以是能直接或间接反映城市内汽车尾气排放情况。例如，汽车尾气信息可以包括当前或未来一段时间内的城市内各个道路的车辆数量以及对应的尾气排放量。
52.在一些实施例中，汽车尾气信息可以由对象平台的传感器确定。例如，可以通过对象平台中的预设的不同位置摄像设备获取城市各个道路的图像，并根据该图像预估各个道路的车辆以及车辆的总尾气排放量。示例性地，可以通过目标检测算法确定图像中的车辆数量，再基于图像中的车辆数量预估(如回归分析)城市内各个道路的车辆数量以及对应的尾气排放量。
53.在一些实施例中，对象平台在获取城市污染信息后可以实时或周期性地将信息打包，并通过传感网络平台发送到管理平台。
54.步骤220，通过管理平台根据城市污染信息确定城市的最优限行方案，并通过所述服务平台将所述最优限行方案发送至所述用户平台。在一些实施例中，步骤220可以由管理平台130执行。
55.限行可以指对城市内的车辆的进出或行驶进行的限制的管制措施。例如，限行可
以包括车牌号限行，即车辆的车牌号满足预设条件(如尾号为特定数字或字母)的车辆不能进入特定区域或街道。再例如，限行可以包括特定车辆限行，即限制特定车辆类型(如重型货车)或其他相关属性(如排量高于3.0的车辆)的车辆进入特定区域或街道。
56.限行方案可以包括该城市的各个限行管制措施的具体内容、执行时间、适用范围等信息。例如，城市a的当前限行方案可以包括外省车辆不能进入该城市的二环，尾号为2、7的本地车辆在8:00～16:00不能进入该城市的五环。
57.最优限行方案可以指以最大化降低车辆造成的城市污染为目标在可行的限行方案中确定的最优解。即最优限行方案是各个能执行的限行方案中能最大化降低城市污染的方案。在一些实施例中，最优限行方案还可以是能实现预设净化目标的各个限行方案中，限行代价最小的方案。
58.在一些实施例中，限行方案可以通过限行等级进行描述。其中，限行等级可以反映限行管制措施的具体限制程度，限行等级越高，对车辆的限制程度越高。例如，0级可以表示不限行；1级可以表示限制一个尾号(如尾号3)；2级可以表示限制2个尾号(如尾号3和7)；3级可以表示限制3个尾号(如尾号3、7和0)。再例如，4级可以表示限制尾气排量大于阈值的车辆通行(如限制尾气排量大于3.2l的汽车)。在一些实施例中，考虑到不同的限行方案可能可以实现相同或类似的限行效果，则同一限行等级可以包括多个限行措施。例如，限制一个尾号的车辆以及限制外地车辆可以均为1级。
59.在一些实施例中，管理平台130可以根据城市污染信息确定各个区域的限行等级，从而确定最优限行方法。并将确定好的最优限行方案发送到服务平台，通过服务平台将最优限行方案发送至用户平台，具体过程如图2所示，步骤220可以进一步包括如下子步骤：
60.步骤221，根据城市污染信息确定城市的城市污染程度。
61.城市污染程度可以用于定量描述城市空气的污染情况。例如，城市污染程度可以通过等级表征。等级越高城市的污染情况越严重。在一些实施例中，城市污染程度还可以反映车辆对城市的污染情况。
62.在一些实施例中，管理平台可以根据预设规则处理城市污染信息以确定城市的城市污染程度。例如，可以将城市污染程度的预设标准(如各个等级的预设标准)与城市污染信息进行对比，以确定城市污染程度。在一些实施例中，管理平台还可以根据城市污染信息中道路部分的相关信息以及非道路部分(如郊区、居民区)的相关信息确定城市的污染总情况以及非车辆的污染情况进而确定车辆对城市的污染情况。
63.在一些实施例中，管理平台的各个管理分平台可以处理各个城市中区域的城市污染信息，进而确定各个区域的城市污染程度。
64.在一些实施例中，可以基于机器学习算法预估城市的城市污染程度，即污染预测模型可以基于污染预测模型处理所述城市污染信息，确定所述城市的城市污染程度。其中，污染预测模型为训练好的机器学习模型。
65.为进一步说明书评估模型的数据处理过程，本说明书图5提供了一种评估模型的示例性结构图。
66.如图5所示，污染预测模型500可以包括图像处理层510以及输出层520。其中，图像处理层510可以是卷积神经网络(constitutional neural networks,cnn)模型，输出层520可以是深度神经网络(deep neural networks，dnn)模型。在一些实施例中，可以将城市污
染信息中的城市空气图像输入图像处理层510确定城市空气图像的图像特征。然后将图像特征以及城市污染信息中的其他污染信息(如空气质量信息、汽车尾气信息等)输入输出层520，以确定空气污染程度等级。
67.在一些实施例中，图像处理层510的输出可以为输出层520的输入，则图像处理层510、输出层520可以联合训练得到。
68.在一些实施例中，联合训练的样本数据包括城市或区域的历史污染信息，标签可以为基于对应的历史污染信息手工标注的空气污染程度等级。将历史污染信息中的图像信息输入图像处理层510，得到图像处理层510输出的图像特征；将图像特征作为训练样本数据，和历史污染信息中的其他信息输入输出层520，得到输出层520输出的空气污染程度等级。基于手工标注的空气污染程度等级和模型输出的空气污染程度等级构建损失函数，同步更新图像处理层510和输出层520的参数。通过参数更新，得到训练好的图像处理层510和输出层520。
69.步骤222，根据城市污染程度确定至少一个候选限行区域。
70.限行区域可以指执行限行措施的城市区域。候选限行区域可以指管理平台根据城市污染程度确定的，可能执行限行措施的候选区域。例如，候选限行区域可以为城市的一个区、城市某主干道、城市的某一环线区域等；
71.在一些实施例中，可以根据各个区域的城市污染程度判断该区域是否为候选限行区域。例如，当各个区域的城市污染程度高于污染程度阈值时，可以将对应区域作为候选限行区域。
72.在一些实施例中，可以基于其他相关数据(如车流量数据)确定候选限行区域。例如，可以基于第三方平台(如交通部门)获取的车流量数据，将车流量数据高于阈值的区域确定为初始候选限行方案。
73.步骤223，确定至少一个候选限行区域的候选限行等级，并生成多个初始限行方案。
74.候选限行等级可以指计划在候选限行区域执行的限行措施的等级。其中，候选限行等级可以根据候选限行区域的城市污染程度确定。例如，城市污染程度越高，候选限行等级越高。其中，当候选限行等级越高时，城市对车辆的限行越为严格。
75.在一些实施例中，各个候选限行等级与城市污染程度可以存在一个对应关系。例如，城市污染程度小于3，则可以候选限行等级可以为1；城市污染程度大于3小于5，则可以候选限行等级可以为2。
76.在一些实施例中，为保证初始限行方案的多样性，同一候选限行区域可以生成多个候选限行等级。例如，可以对基于城市污染程度确定的限行等级进行上下浮动(如加减1级)以确定多个候选限行等级。
77.在一些实施例中，候选限行等级还可以与交通流量相关，即在确定候选限行等级时，交通流量可以作为一个参考因素。其中，交通流量越大限行造成的交通影响可能较大，应使用等级较低的限行方案。例如，相同城市污染程度，交通流量越大的候选限行等级越小。再例如，相同交通流量，城市污染程度越大候选，候选限行等级越大。
78.在一些实施例中，为确保初始限行方案的多样性还可以直接随机确定各个候选限行区域的初始限行等级。即为各个应当执行限行措施的候选限行区域随机生成限行等级并
作为对应的候选限行等级。
79.初始限行方案可以指以候选限行区域为执行区域，以候选限行等级为限行措施的限行方案。在一些实施例中，限行方案可以以向量形式呈现，即可以先对城市的各个区域进行编码，并按照编码顺序将各个区域的现行等级依次作为向量的元素值。其中，向量的各个元素可以分别与城市的各个区域对应，对应的元素值可以反映该区域的限行等级。在一些实施例中，对于存在多个限行等级的区域，可以对应生成多个初始限行方案，每个初始限行方案对应不同的限行等级。
80.步骤224，基于预设算法对多个初始限行方案进行处理，确定最优限行方案。
81.预设算法可以是能优化初始限行方案的算法。即预设算法可以优化初始限行方案，以确定最优限行方案。例如，预设算法可以包括机器学习算法，可以基于机器学习算法处理初始限行方案，以输出最优限行方案。
82.在一些实施例中，基于预设算法对多个初始限行方案进行处理可以为迭代处理，即可以基于所述预设算法对所述多个初始限行方案进行至少一轮迭代处理，确定所述最优限行方案。其中，每轮迭代处理可以确定至少一个新的限行方案，可以基于各轮处理后的多个限行方案从中确定最优限行方案。关于迭代处理的更多内容可以参见图4及其相关内容。
83.步骤225，将最优限行方案发送至服务平台并转发到用户平台。
84.在一些实施例中，当管理平台确定最优限行方案后，可以根据最优限行方案进行数据打包并发送至服务平台进行存储。服务平台可以根据需要将对应的最优限行方案发送到用户平台。例如，管理平台可以提前根据历年数据生成未来各个时间段(如节假日、重大活动等)的最优限行方案，并提前存储于服务平台中并实时更新。当用户需要调用对应的限行方案时(如邻近节假日)，可以生成调用指令并发送到服务平台，服务平台可以响应于调用指令调用服务平台中与调用指令对应的最优限行方案并发送到用户平台，以将最优限行方案呈现给用户。
85.基于本说明书提供智慧城市限行方案可以基于城市污染信息定城市的城市污染程度从而确定最优限行方案，并通过执行限行方案降低车辆尾气对城市空气的影响，降低城市污染。
86.图3是根据本说明书一些实施例所示的迭代处理方法的示例性流程图。在一些实施例中，流程300可以由管理平台执行。其中，流程300可以描述迭代处理中第n轮的迭代过程。
87.如图3所示，流程300包括下述步骤：
88.步骤310，获取本轮第一候选限行方案以及对应的评价参数。
89.第一候选限行方案可以是每一轮迭代过程中的初始候选限行方案。即在每轮迭代中，第一候选限行方案可以作为该轮迭代的初始值进行迭代处理。其中，第一候选限行方案的呈现形式与初始限行方案一致，可以呈现为包含各个区域的限行等级的向量。
90.在一些实施例中，第一候选限行方案可以根据上一轮迭代处理的结果确定。在一些实施例中，对于第一轮迭代(即n＝1)时，第一候选限行方案可以是步骤223中确定的初始限行方案。对于其他轮迭代(即n＞1)时，该本轮第一候选限行方案根据上一轮第二候选限行方案以及上一轮第三候选限行方案确定。其中，第二候选限行方案以及第三候选限行方案可以时每轮迭代的处理结果，关于每轮迭代中第二候选限行方案的相关内容可以参见步
骤320的相关描述。关于第三候选限行方案参见330。
91.评价参数可以反映执行候选限行方案后对交通情况的影响。其中，评价参数越高，限行方案的效果越好，即限行方案实施后对交通状况的正面影响越好(如明显改善拥堵时间等)。在一些实施例中，评价参数还可以反映执行候选限行方案后对空气污染情况的影响。例如，在交通状况不变的情况下，评价参数越大，执行限行方案后空气污染的净化程度越大。
92.在一些实施例中，评价参数可以表征为执行限行方案后的城市交通状况的变化情况(如平均拥堵时间、拥堵路段的数量、平均堵车长度等参数的减少值)和车辆导致的城市污染的变化情况(如尾气排放总量的减少值)的加权和。
93.在一些实施例中，第一候选限行方案的评价参数可以根据当前迭代轮次获取。其中，对于第一轮迭代，可以根据预设算法处理第一候选限行方案(即初始限行方案)，以确定第一候选限行方案的评价参数。对于其他轮迭代，考虑到该轮第一候选限行方案可以是上一轮的第二候选限行方案或第三候选限行方案，上一轮的第二候选限行方案或第三候选限行方案已在上一轮迭代中确定了评价参数，则可以直接调用对应的评价参数作为本轮第一候选限行方案的评价参数。
94.在一些实施例中，可以预估执行限行方案后的城市交通情况以及城市污染情况以确定评价参数。关于确定评价参数的更多内容可以参见图5及其相关描述。
95.步骤320，根据本轮第一候选限行方案的评价参数，从本轮第一候选限行方案中确定本轮第二候选限行方案。
96.第二候选限行方案可以第一候选限行方案中限行效果更好的至少部分限行方案。例如，第二候选限行方案可以是第一候选限行方案中评价参数高于阈值或评价参数前几的限行方案。
97.在一些实施例中，针对多个第一候选限行方案的每一个，可以基于该第一候选限行方案对应的评价参数，确定第一候选限行方案的选择参数，选择参数用于表征第一候选限行方案被确定为第二候选限行方案的初始概率，其中选择参数越大第一候选限行方案被确定为第二候选限行方案的概率越高。例如，可以基于该第一候选限行方案对应的评价参数与所有第一候选限行方案的评价参数总和的比值大小，确定该第一候选限行方案的选择参数。
98.在一些实施例中，可以基于多个第一候选限行方案中每一个对应的选择参数，从多个第一候选限行方案中确定多个第二候选限行方案。例如，可以将选择参数大于预设的选择参数阈值的第一候选限行方案确定为第二候选限行方案。
99.步骤330，对本轮第二候选限行方案进行变换处理，确定本轮第三候选限行方案。
100.第三候选限行方案可以是对第二候选限行方案的限行等级进行至少部分修改的限行方案。例如，可以调整第二候选限行方案的至少部分限行区域以及限行等级以确定第三候选限行方案。
101.在一些实施例中，变换处理可以指对第二候选限行方案中的限行区域与限行等级的变化规则。例如，变换处理可以包括随机变化，即变换变化第二候选限行方案中任意区域的现行等级。
102.在一些实施例中，变换处理可以包括第一变换处理和第二变换处理。在一些实施
例中，第一变换处理与第二变换处理按比例随机执行。例如，100次变换处理中，第二变换处理可以不高于5次。
103.第一变换处理可以包括对多个第二候选限行方案中，同一候选限行区域的限行等级进行交换，生产多个第三候选限行方案。例如，第二候选限行方案分别为(1,1,2,3)以及(1,2,1,3)则第一变换处理可以将第三区域的限行等级进行交换，则交换后的第三候选限行方案可以为(1,1,1,3)以及(1,2,2,3)。
104.第二变换处理包括对于多个第二候选限行方案中的一个或多个候选限行区域的限行等级进行调整，生产多个第三候选限行方案。例如，第二候选限行方案可以为(1,1,2,3)则第二变换处理可以将第二区域与第三区域的限行等级进行交换，则交换后的第三候选限行方案可以为(1,2,1,3)。
105.在一些实施例中，还可以优先将第二候选限行方案中，初始城市污染程度较高的区域对应的候选限行等级进行交换或调整，以降低第二候选限行方案的总城市污染程度。本说明书的一些实施例通过改变第二候选限行方案中，污染程度较的区域对应的候选限行等级，可以提高确定最优限行方案的效率。
106.在一些实施例中，在完成变换处理后，可以确定各个第二候选限行方案与第三候选限行方案的评价参数，并将多个二候选限行方案与第三候选限行方案的评价参数将按从大到小进行排序，进而淘汰掉评价参数排名低于预设排名阈值的二候选限行方案和/或第三候选限行方案。
107.步骤340，重复执行上述迭代处理，直到预设条件被满足。
108.预设条件可以指迭代处理完成的判定条件。即当预设条件被满足时，可以结束该迭代操作并执行后续操作(如步骤350)。在预设条件未被满足时，可以将本轮迭代的轮次加1(即n＝n+1)以执行一下轮迭代处理，直到预设条件被满足。
109.在一些实施例中，预设条件可以包括迭代次数超阈值、评价参数收敛、评价参数满足阈值条件中的至少一个。
110.在一些实施例中，当预设条件为迭代次数超阈值时，当完成本轮迭代后，可以判断本轮的迭代轮次(即数值n)是否大于等于预设迭代次数阈值(如50次)，若大于，则预设条件被满足。可以结束迭代。若否，则继续下一轮迭代处理，直到迭代轮次大于预设迭代次数阈值。
111.在一些实施例中，当预设条件为评价参数收敛时，可以判断本轮迭代确定的最大评价参数与上几轮参数的差值，若在多次迭代中最大评价参数不变或两次迭代之间的最大评价参数差值低于某个收敛阈值(如0.1)，则预设条件被满足。可以结束迭代。否则，则继续执行迭代处理。
112.在一些实施例中，当预设条件为评价参数满足阈值条件时，则可以通过本轮迭代中第三候选限行方案的最大评价参数是否满足阈值条件(如高于预设评价参数阈值)。具体地，步骤340可以通过以下子步骤实现：
113.步骤341，确定本轮第三候选限行方案的评价参数。
114.在一些实施例中，第三候选限行方案的评价参数可以基于评估模型确定。关于评估模型的更多描述可以参见图4及其相关描述。
115.步骤342，根据本轮第三候选限行方案的评价参数，判断本轮迭代是否满足预设条
件。
116.在步骤342中，预设条件可以表征为评级参数的数值调整(如评级参数阈值)。即当本轮迭代的各个第三候选限行方案的最大评价参数满足预设条件(如大于评价参数阈值)，则本轮迭代已满足预设条件。反之，则不满足预设条件。
117.步骤343，若否，则根据本轮第二候选限行方案以及本轮第三候选限行方案确定下一轮第一候选限行方案，并执行下一轮迭代处理。即当本轮迭代不满足预设条件时，可以进行下一轮迭代。
118.在一些实施例中，可以根据评价参数对本轮第二候选限行方案以及本轮第三候选限行方案进行筛选，以确定下一轮第一候选限行方案。即可以先获取所述本轮第二候选限行方案的评价参数以及所述本轮第三候选限行方案的评价参数。基于所述本轮第二候选限行方案的评价参数以及所述本轮第三候选限行方案的评价参数对所述本轮第二候选限行方案以及所述本轮第三候选限行方案进行筛选，将筛选后的候选限行方案作为所述下一轮第一候选限行方案。
119.步骤344，若是，则结束迭代处理。即当本轮迭代满足预设条件时，可以结束迭代并确最优限行方案(即执行步骤350)。
120.步骤350，当预设条件被满足时，根据历史迭代的各个历史第三候选限行方案，确定最优限行方案。
121.在一些实施例中，最优限行方案可以基于各个历史第三候选限行方案的评价参数确定。即可以先获取历史第三候选限行方案的评价参数，然后可以根据历史迭代的各个历史第三候选限行方案的评价参数，确定评价参数最低的候选限行方案作为最优限行方案。
122.基于本说明书一些实施例提供的迭代处理方法，可以通过对第二候选限行方案进行处理以扩展候选限行方案，并通过评价参数从各个候选限行方案确定最优限行方案，提高了最优限行方案的精确度。
123.图4是根据本说明书一些实施例所示的评估模型的示例性结构图。
124.评估模型可以是一种训练好的机器学习模型。评估模型可以用于预估执行候选限行方案后，城市污染程度与交通状况的变化。然后，可以基于执行候选限行方案后，城市污染程度与交通状况的变化确定该限行方案的评价参数。
125.如图4所示，可以基于评估模型400对本轮第三候选限行方案进行处理，确定本轮第三候选限行方案对应的城市污染程度影响值和交通状况影响值。其中，评估模型400可以是训练好的机器学习模型。例如，评估模型400可以是dnn模型、cnn模型。评估模型400的输入可以包括第三候选限行方案，输出可以包括执行第三候选限行方案后的城市污染程度影响值和交通状况影响值。
126.需要说明的是，评估模型400也可以根据实际情况对其他候选限行方案进行处理，以确定该候选限行方案的评价参数。例如，在第一轮迭代中，评估模型400也可以对初始候选限行方案进行处理，以确定第一候选限行方案及其对应的评价参数。
127.城市污染程度影响值可以反映执行候选限行方案后城市污染程度的变化值。即执行候选限行方案后城市污染程度相对于未执行限行方案前的城市污染程度的差值。其中，当城市污染程度影响值越大，限行方案的执行效果越高，城市的空气质量越高。在一些实施例中，城市污染程度影响值可以通过车辆尾气总排放量的减少值表征。即城市污染程度影
响值可以为执行限行方案前(或不执行限行方案时)车辆尾气总排放量与执行该限行方案后车辆尾气总排放量的差值的绝对值。
128.交通状况影响值可以反映执行候选限行方案后交通状况的变化值。其中，当交通状况影响值越大，限行方案的执行后城市的交通状况越好。在一些实施例中，城市污染程度影响值可以通过平均拥堵时间、拥堵路段的数量、平均堵车长度等数据的减少值表征。例如，可以根据执行该限行方案前后平均拥堵时间、拥堵路段的数量、平均堵车长度等数据的变化值进行处理(如加权求和)确定城市污染程度影响值。
129.在一些实施例中，可以基于预设处理规则处理城市污染程度影响值以及交通状况影响值，以确定该候选限行方案的评价参数。例如，可以对城市污染程度影响值以及交通状况影响值的相关参数(如车辆尾气总排放量的变化值、平均拥堵时间、拥堵路段的数量、平均堵车长度等数据的变化值)进行加权处理，从而确定评价参数。
130.在一些实施例中，评估模型400的输入还可以包括各个候选限行区域的空气污染程度和车流量。其中，空气污染程度可以为污染预测模型的输出。车流量可以为城市中各个道路中汽车数量、车辆速度等相关数据。在一些实施例中，车流量可以从第三方平台(如交通部门)获取。
131.在一些实施例中，可以基于多组带有标识的训练样本训练评估模型400。具体的，将带有标识的训练样本输入评估模型，通过训练更新评估模型的参数。在一些实施例中，一组训练样本可以包括：城市执行的限行方案以及未执行限行方案时的车流量以及空气污染程度。在一些实施例中，标签可以是执行限行方案前后的城市污染程度变化值以及交通情况变化值。
132.在一些实施例中，标签的获取方式可以根据城市的历史数据确定。例如，可以从历史数据中获取未执行限行方案。在一些实施例中，模型可以基于上述样本，通过各种方法进行训练，更新模型参数。例如，可以基于梯度下降法进行训练。在一些实施例中，当训练的评估模型满足预设条件时，训练结束。其中，预设条件可以是损失函数结果收敛或小于预设阈值等。
133.基于本说明书一些实施例提供的评估模型，可以机器学习算法合理预估各个限行方案的执行效果，提高了对候选限行方案评价的合理性，进而可以更合理地确定最优限行方案。
134.在一些实施例中，考虑到实际交通情况的复杂性，在评估模型中可以不直接输出交通状况影响值的具体数据，而输出交通状况的执行限行方案后的交通特征向量(如限行后各个区域的车流量)，然后根据历史数据进行聚类算法以确定更准确的交通状况影响值。
135.在一些实施例中，在进行聚类前可以根据历史数据确定一个或多个聚类中心。具体可以包括如下步骤：
136.获取城市交通情况的历史数据，并对应生成各个历史数据的历史特征向量，以确定第一历史检测数据集合。其中，第一历史检测数据集合可以包括历史特征向量以及对应的历史城市交通情况(如平均拥堵时间、拥堵路段的数量、平均堵车长度等数据)。历史特征向量的元素可以与历史城市交通情况对应。
137.基于第一历史检测数据集合确定第一聚类中心集合。其中，第一聚类中心集合可以包括一个或多个聚类中心。聚类中心可以代表检测结果的类型。在一些实施例中，可以通
过聚类算法对第一历史检测向量的集合进行聚类，确定第一聚类中心集合。聚类算法可以包括但不限于k-means(k均值)聚类和/或基于密度的聚类方法(dbscan)等。
138.在确定一个或多个聚类中心后，可以该限行方案的特征向量与聚类结果进行比较，以确定聚类中心，从而确定交通状况影响值。具体可以包括以下步骤：
139.基于所述第一检测数据集合，确定所述第一检测数据集合对应的第一向量；基于执行限行方案后的交通特征向量以及所述第一聚类中心集合，确定第一目标聚类中心；其中，第一目标聚类中心可以指第一聚类中心集合中与执行限行方案后的交通特征向量距离最近的聚类中心。计算距离的方法可以包括但不限于欧式距离、余弦距离、马氏距离、切比雪夫距离和/或曼哈顿距离等。
140.在确定第一目标聚类中心后，可以根据该聚类中心的平均交通情况作为执行限行方案后的交通情况，并与为执行限行方案的交通情况进行对比以确定执行限行方案后的交通情况影响值。进而计算出该候选限行方案的评估参数。
141.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，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
142.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书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，本说明书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。
143.此外，除非权利要求中明确说明，本说明书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，并非用于限定本说明书流程和方法的顺序。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说明书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。
144.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，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说明书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。
145.一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
±
20％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。尽管本说明书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。
146.针对本说明书引用的每个专利、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说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
147.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。