本申请涉及交通控制,尤其涉及交通流量估计方法、装置、电子设备及存储介质。
背景技术:
1、近年来,智能交通系统(its)和网联车(cv)技术的发展为交通量估算提供了巨大的机遇。在过去的几年中,研究者利用线圈检测器信息和cv的gps数据来估算交通量。然而,线圈检测器的安装和可靠性限制了这种交通量估算方法的应用和精度。因此,如何利用网联车技术准确高效的估计交通流量成为目前研究的热点问题之一。
技术实现思路
1、本申请实施例提供了一种交通流量估计方法、装置、电子设备及存储介质,可以基于联网车辆的轨迹数据实现准确高效的交通流量估计。
2、第一方面,本申请实施例提供了一种交通流量估计方法,包括:
3、获取在当前交通信号周期内交叉口的n个联网车辆的轨迹数据,并根据所述n个联网车辆的轨迹数据对交叉口冲击波进行重构,得到所述交叉口的最大可能排队长度;n为大于或等于1的整数;
4、基于所述最大可能排队长度和所述n个联网车辆中最后一个联网车辆的停车点到所述交叉口停车线的距离计算概率补偿值;
5、基于所述概率补偿值和所述n个联网车辆中最后一个联网车辆的停车点到所述交叉口停车线的距离,估计所述交叉口的排队长度;
6、基于所述交叉口的排队长度和所述n个联网车辆到达所述交叉口停车线的时间进行估计处理,得到所述交叉口在当前交通信号周期内的周期交通流量。
7、第二方面,本申请实施例提供了一种交通估算方法,包括:
8、获取p个交通信号周期的p个周期交通流量,其中,每个周期交通信号周期的周期交通流量是通过第一方面的方法得到的;
9、基于所述p个周期交通流量估计周期级的交通到达率;
10、按照周期级交通流量服从泊松分布的理论,基于所述交通到达率,估计未检测到联网车辆的交通信号周期内在未来目标时间段内的交通流量。
11、第三方面,本申请实施例提供了一种交通流量估计装置,包括:
12、获取单元,用于获取在当前交通信号周期内交叉口的n个联网车辆的轨迹数据,并根据所述n个联网车辆的轨迹数据对交叉口冲击波进行重构,得到所述交叉口的最大可能排队长度;n为大于或等于1的整数;
13、计算单元,用于基于所述最大可能排队长度和所述n个联网车辆中最后一个联网车辆的停车点到所述交叉口停车线的距离计算概率补偿值;
14、估计单元,用于基于所述概率补偿值和所述n个联网车辆中最后一个联网车辆的停车点到所述交叉口停车线的距离,估计所述交叉口的排队长度;
15、处理单元,用于基于所述交叉口的排队长度和所述n个联网车辆到达所述交叉口停车线的时间进行估计处理,得到所述交叉口在当前交通信号周期内的周期交通流量。
16、第四方面,本申请实施例提供了一种交通流量估计装置,包括:
17、获取单元,用于获取p个交通信号周期的p个周期交通流量,其中,每个周期交通信号周期的周期交通流量是通过权利要求1-10任一项所述的方法确定的;p为大于或等于1的整数;
18、估计单元,用于基于所述p个周期交通流量估算周期级的交通到达率;
19、所述估计单元,还用于按照周期级交通流量服从泊松分布的理论,基于所述交通到达率,估计未检测到联网车辆的交通信号周期内在未来目标时间段内的交通流量。
20、第五方面,本申请实施例提供了一种电子设备,包括:
21、处理器,适用于实现一条或多条计算机程序;计算机存储介质,所述计算机存储介质存储有一条或多条计算机程序,所述一条或多条计算机程序适于由处理器加载并执行前述第一方面的交通流量估计方法和第二方面的交通流量估计方法。
22、第六方面,本申请实施例提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被电子设备的处理器执行时,用于执行前述第一方面的交通流量估计方法和第二方面的交通流量估计方法。
23、第七方面,本申请实施例提供了一种计算机程序产品或计算机程序,所述计算机程序产品包括计算机程序,该计算机程序可以指计算机程序,计算机程序存储在计算机存储介质中;处理器从计算机存储介质中读取计算机程序,该处理器执行计算机程序,使得电子设备执行前述第一方面的交通流量估计方法和第二方面的交通流量估计方法。
24、本申请实施例,针对当前交通信号周期内检测到联网车辆的情况,基于检测到的n个联网车辆的轨迹数据对交叉口进行冲击波重构,得到交叉口的最大可能排队长队;然后基于最大可能排队长队和n个联网车辆中最后一个联网车辆的停车点到交叉口停车线的距离计算概率补偿值;进而,基于概率补偿值和最后一个联网车辆的停车点到交叉口停车线的距离,计算交叉口的排队长度;最后基于所述交叉口的排队长度和所述n个联网车辆到达所述交叉口停车线的时间进行估计处理,得到所述交叉口在当前交通信号周期内的周期交通流量。可见,在上述交通流量估算过程中,利用了联网车辆的轨迹数据,并没有用到线圈检测器,克服了现有技术方案由于依赖线圈检测器而影响估计精度,实现利用稀疏的联网车辆估计交通流量,并且保证了估计流量的准确度。
25、针对未检测到联网车辆的交通信号周期内,基于历史多个交通信号周期内估计的周期交通流量,利用贝叶斯方法来进行流量估算,现有技术在未检测到联网车辆的情况下是无法进行交通流量估计的,与现有技术相比,本申请克服了交通流量估计对周期内是否检测到联网车辆的依赖,可以应用在更多的场景中进行交通流量估计。
1.一种交通流量估计方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述n个联网车辆的轨迹数据对交叉口冲击波进行重构,得到所述交叉口的最大可能排队长度,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一数量和所述第二数量对所述交叉口冲击波进行重构,得到所述交叉口的最大可能排队长度,包括:
4.根据权利要求3所述的方法,其特征在于,根据所述l个联网车辆的轨迹数据进行集结波重构和消散波重构,按照冲击波理论基于重构的集结波和消散波计算第一候选排队长度,所述l等于n,且n大于1;或者l等于m;包括:
5.根据权利要求4所述的方法,其特征在于,若l等于n,且n等于1,则根据所述l个联网车辆的轨迹数据进行集结波重构和消散波重构,包括:
6.根据权利要求4所述的方法,若l等于m,则所述根据所述n-m个联网车辆的轨迹数据计算n-m个第二候选排队长度,包括:
7.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
8.根据权利要求7所述的方法,其特征在于,所述基于贝叶斯推断对重构的冲击波波速进行纠偏处理,包括:
9.根据权利要求1所述的方法,其特征在于,若所述当前交通信号周内到达所述交叉口的车辆服从泊松分布,所述基于所述最大可能排队长度和所述n个联网车辆中最后一个联网车辆的停车点到所述交叉口停车线的距离计算概率补偿值,包括:
10.根据权利要求1所述的方法,其特征在于,所述基于所述交叉口的排队长度和所述n个车辆到达所述交叉口停车线的时间进行流量处理处理,得到所述交叉口在当前交通信号周期内的交通流量,包括:
11.一种交通流量估计方法,其特征在于,包括:
12.根据权利要求11所述的方法,其特征在于,所述基于所述p个周期交通流量估算周期级的交通到达率,包括;
13.根据权利要求11所述的方法,其特征在于,所述方法还包括:
14.一种交通流量估计装置,其特征在于,包括:
15.一种交通流量估计装置,其特征在于,包括:
16.一种电子设备,其特征在于,包括:
17.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-10任一项所述的交通流量估计方法,或者如权利要求11-13任一项所述的交通流量估计方法。