段在前N-1个统计周期内所述待测路段的车辆的平均速度的平均值，Vo/为所述待测时间段在前N-1个统计周期内所述待测路段的车辆的平均速度方差;Ot为所述待测时间段在第N统计周期内所述待测路段的车辆的占有率，OM/为所述待测时间段在前N-1个统计周期内所述待测路段的车辆的占有率的平均值，Oo/为所述待测时间段在前N-1个统计周期内所述待测路段的车辆的占有率方差;Ρ1、Ρ2、Ρ3为权重值。
[0043]较佳地，所述相邻时间段包括所述待测时间的前一时间段和后一时间段；
[0044]所述确定模块具体用于:
[0045]判断所述待测时间段在第N统计周期内所对应的交通流参数是否至少符合以下任一条件:
[0046](l)Vt-1-Vt>E I；
[0047](2)Vt-1-Vt>E2，Vt-Vt+i>E3，Qt-1_Qt>E4，Qt-Qt+i>E5 ；
[0048]其中，VmS所述前一时间段在第N统计周期内所述待测路段的车辆的平均速度，Vt+工为所述后一时间段在第N统计周期内所述待测路段的车辆的平均速度，Qh为所述前一时间段在第N统计周期内所述待测路段的车辆的流量，Qt+工为所述后一时间段在第N统计周期内所述待测路段的车辆的流量，El，E2，E3，E4，E5为预设阈值，且El大于E2。
[0049]较佳地，所述确定模块还用于:
[0050]根据所述N-1组交通流参数，确定所述待测时间段在所述前N-1个统计周期内交通流参数的初始平均值以及交通流参数的初始方差；
[0051]删除所述N-1组交通流参数中与所述交通流参数的初始平均值之间的差异不符合第三预设范围的异常交通流参数;所述第三预设范围是根据所述交通流参数的初始方差得到的；
[0052]根据除所述异常交通流参数之外的交通流参数，得到所述前N-1个统计周期内所对应的N-1组交通流参数的平均值。
[0053]较佳地，所述确定模块具体用于:
[0054]删除至少符合以下任一条件的异常交通流参数:
[0055](I) I Qt1-QMt I 2 Kl.Qot;
[0056](2) I Vt1-VMt I >K2.Vot；
[0057](3) I Ot1-OMt I >K3.0ot；
[0058]其中，Qtl为所述待测时间段在第i统计周期内所述待测路段的车辆的流量，QMt为所述待测时间段在前N-1个统计周期内所述待测路段的车辆的流量的初始平均值，Qot为所述待测时间段在前N-1个统计周期内所述待测路段的车辆的流量的初始方差;Vtl为所述待测时间段在第i统计周期内所述待测路段的车辆的平均速度，VMt为所述待测时间段在前N-1个统计周期内所述待测路段的车辆的平均速度的初始平均值，Vot为所述待测时间段在前N-1个统计周期内所述待测路段的车辆的平均速度的初始方差;OtlS所述待测时间段在第i统计周期内所述待测路段的车辆的占有率，OMt为所述待测时间段在前N-1个统计周期内所述待测路段的车辆的占有率的初始平均值，0^为所述待测时间段在前N-1个统计周期内所述待测路段的车辆的占有率的初始方差;i为大于等于I小于等于N-1的整数，K1、K2、K3为权重值。
[0059]本发明的上述实施例中，获取待测时间段在第N统计周期内所对应的交通状态，确定所述交通状态为拥堵状态后，获取所述待测时间段在前N-1个统计周期内所对应的N-1组交通流参数以及所述待测时间的相邻时间段在第N统计周期内所对应的交通流参数;若所述待测时间段在第N统计周期内所对应的交通流参数与所述前N-1个统计周期内所对应的N-1组交通流参数的平均值之间的差异在第一预设范围内，且所述待测时间段在第N统计周期内所对应的交通流参数与所述相邻时间段在第N统计周期内所对应的交通流参数之间的差异在第二预设范围内，则确定所述待测时间段在在第N统计周期内处于突发性拥堵状态。本发明实施例在确定突发性拥堵状态时，综合考虑了待测时间段的交通状态、历史统计信息以及待测时间段的相邻时间段的交通流参数，可以看出确定突发性拥堵状态的依据较为全面，因而为从多维度确定突发性拥堵状态提供了技术依据，进而保证了确定突发性拥堵状态的准确性。本发明实施例通过上述方式，采用数据挖掘技术能够及时识别突发性拥堵，协助交通管理者采取及时的调控措施，提高交通资源的使用效率。
【附图说明】
[0060]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0061]图1为本发明实施例提供的一种确定突发性拥堵状态的方法示意图；
[0062]图2为本发明实施例提供的一种确定突发性拥堵状态的装置的结构示意图。
【具体实施方式】
[0063]为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0064]图1示出了本发明实施例提供的一种确定突发性拥堵状态的方法，包括以下步骤:
[0065]步骤101，获取待测时间段在第N统计周期内所对应的交通状态;其中，所述交通状态是根据获取的待测时间段内的待测路段在第N统计周期内所对应的交通流参数确定的;N为正整数；
[0066]步骤102，确定所述交通状态为拥堵状态后，获取所述待测时间段在前N-1个统计周期内所对应的N-1组交通流参数以及所述待测时间的相邻时间段在第N统计周期内所对应的交通流参数；
[0067]步骤103，若所述待测时间段在第N统计周期内所对应的交通流参数与所述前N-1个统计周期内所对应的N-1组交通流参数的平均值之间的差异在第一预设范围内，且所述待测时间段在第N统计周期内所对应的交通流参数与所述相邻时间段在第N统计周期内所对应的交通流参数之间的差异在第二预设范围内，则确定所述待测时间段在在第N统计周期内处于突发性拥堵状态。
[0068]本发明实施例在确定突发性拥堵状态时，综合考虑了待测时间段交通状态、历史统计信息以及待测时间段的前后时间段的交通流参数，可以看出确定突发性拥堵状态的依据较为全面，因而为从多维度确定突发性拥堵状态提供了技术依据，进而保证了确定突发性拥堵状态的准确性。本发明实施例通过上述方式，采用数据挖掘技术能够及时识别突发性拥堵，协助交通管理者采取及时的调控措施，提高交通资源的使用效率。
[0069]本发明实施例中，交通状态可有多种划分方式，比如，可以预设交通状态分别为畅通、缓行和拥堵等三个状态，也可以预设交通状态分别为空闲、畅通、缓行、比缓行速度更慢的缓行、以及拥堵等五个状态。本发明实施例中，预设的交通状态中最高级别均为拥堵，本发明实施例对具体如何对交通状态进行区分不做具体限制。
[0070]本发明实施例中，每个时间段内的待测路段的交通流参数可以包括以下任意一种或任意组合:该时间段内待测路段的车辆的流量、该时间段内待测路段的车辆的平均速度，以及该时间段内待测路段的车辆的占有率;其中，车辆的占有率为该时间段内待测路段的车辆占用预设位置点的总时长与该时间段的时长的比值。为更加全面准确地反应出交通状态，本发明实施例中优选交通流参数包括上述三个方面。
[0071]本发明实施例中一个统计周期可以为一天，或者为一天中的一个时间段，比如，一个统计周期为一天中的1点至18点。
[0072]具体来说，以一个统计周期为一天为例，在一天内每10分钟为一个时间段。可见，一个统计周期内包括多个时间段。以多个时间段中的一个时间段为例进行介绍，通过设备测量该时间段内待测路段上车辆的流量;测量该时间段内待测路段上每个车辆的速度，之后计算得到该时间段内的车辆的平均速度;在预设位置点处设置一个感应器，若汽车经过该预设位置点，则通过该感应器获取汽车经过该预设位置点的时长，进而计算出该时间段内所有车辆经过该预设位置点的总时长，并使用该总时长除以该时间段的时长10分钟，所得到的值即为该时间段内待测路段的车辆的占有率。
[0073]本发明实施例中，待测时间段可以为一个统计周期内包括的多个时间段中的任一个。根据统计周期的划分，待测时间段的相邻时间段可以为待测时间段的前一时间段或待测时间段的后一时间段，或者也可以为待测时间段的前一时间段和后一时间段。具体地，若一个统计周期为一天中的10点至18点，则对于一个统计周期的第一个时间段，S卩10:00-10:10这一时间段，其相邻时间段为该时间段的后一时间段，S卩10:10-10:20，而无前一时间段；对于一个统计周期的最后一个时间段，即17:50-18:00这一时间段，其相邻时间段为该时间段的前一时间段，即17:40-17:50，而无后一时间段;而对于除上述第一个时间段和最后一个时间段之外的其它时间段，其相邻时间