【技术实现步骤摘要】
本申请涉及交通，尤其涉及一种确定目标区域的拥堵程度的方法和电子设备。
技术介绍
1、智能交通系统是一种在大范围、全方位发挥作用的、实时的、准确的综合交通运输管理系统。交通控制与交通诱导是疏通交通拥堵情况的重要手段，而当前拥堵情况是在交通控制或交通诱导过程中的一个影响因素。
2、相关技术中，衡量区域拥堵的指标主要是道路网严重拥堵里程比例、道路网行程时间比、道路网延误时间比和区域交通指数等，但是应用这些指标确定的区域拥堵情况与实际拥堵情况差别较大，不准确，且不直观。
技术实现思路
1、本申请示例性的实施方式中提供一种确定目标区域的拥堵程度的方法和电子设备，可以得到较为准确的在途车辆数，将其作为区域拥堵的判断标准更直观，在区域缓堵时可以量化区域外围需要控制的车辆数，提高疏散交通拥堵的效果。
2、根据示例性的实施方式中的第一方面，提供一种确定目标区域的拥堵程度的方法，包括：
3、确定目标区域；其中，目标区域包括m个外围监测点和n个边界路口；m和n分别为整数；
4、应用第一预测模型，基于第一参数集合，预测第一时间段的第一在途车辆数；其中，第一预测模型是分时段多元线性回归模型；第一参数集合中包括影响第一在途车辆数的至少一个参数；第一参数集合是根据m个外围监测点和n个边界路口监测到的第一过车数据确定的；
5、应用第二预测模型，基于第二参数集合，预测第一时间段的第二在途车辆数；其中，第二预测模型为holt-winters模型，第二参数集合
6、选择第一在途车辆数和第二在途车辆数作为第一时间段的目标在途车辆数；
7、若目标在途车辆数满足预设拥堵条件，则确定目标区域在第一时间段拥堵。
8、本申请实施例，将在途车辆数作为判断是否拥堵的判断标准，在预测在途车辆数的预测过程中，可以分别根据m个外围监测点和n个边界路口监测到的过车数据确定相应的参数集合，而后分别应用分时段多元线性回归模型和holt-winters模型分别进行预测，分别得到第一在途车辆数和第二在途车辆数，再选择其中一个作为目标在途车辆数。当目标在途车辆数满足预设拥堵条件，则确定目标区域在第一时间段拥堵。应用该方式，可以得到较为准确的在途车辆数，应用在途车辆数作为区域拥堵的判断标准更直观、控制目标可量化。并且，预测的拥堵程度更准确，在区域缓堵时可以量化区域外围需要控制的车辆数。
9、在一种可选的实施方式中，应用第一预测模型，基于第一参数集合，预测第一时间段的第一在途车辆数之前，还包括：
10、根据历史参数集合，构建第一预测模型；
11、其中，历史参数集合包括多组历史参数，每组历史参数包括第二历史时间段之后的第一设定时长内的进区车辆数、第二历史时间段之前的第二设定时长内的出区车辆数、第二历史时间段的在途车辆数，以及，与第一时间段时间属性相同的各个时间区间的在途车辆数的平均值。
12、上述实施例，在构建第一预测模型时，历史参数集合中考虑了第二历史时间段之前、之后等相应的过车数据，同时，还考虑了需要预测的第一时间段的属性。应用该方式构建的第一预测模型对第一时间段的在途车辆数进行预测，预测结果更准确。
13、在一种可选的实施方式中，应用第一预测模型，基于第一参数集合，预测第一时间段的第一在途车辆数，包括：
14、将第一参数集合输入至第一预测模型，得到第一在途车辆数；
15、其中，第一参数集合包括当前时刻之后的第一时间段内的进区车辆数、当前时刻之前的与第一时间段时长一致的第三设定时长内的出区车辆数、当前时刻的在途车辆数，以及，第一时间段时间属性相同的各个时间区间的在途车辆数的平均值。
16、上述实施例，将当前时刻的各个过车数据作为第一参数集合输入至第一预测模型，可以得到当前时刻之后的第一时间段后的第一在途车辆数。
17、在一种可选的实施方式中，方法还包括：
18、针对每个边界路口，计算边界路口关联的各个外围监测点在第一时间段内到达边界路口的车辆数之和，作为边界路口的进区车辆数；
19、确定各个边界路口的进区车辆数之和为第一时间段的进区车辆数。
20、上述实施例，在计算第一参数集合中的第一时间段的进区车辆数的过程中，针对每个边界路口单独计算，再进行叠加。在每个路口的进区车辆数的计算过程中，考虑到该边界路口关联的各个外围监测点，计算结果更准确。
21、在一种可选的实施方式中，方法还包括：
22、针对每个边界路口，确定边界路口的历史od车流规律数据表；其中，历史od车流规律数据表中包括p条数据，每条数据包括历史日期范围内的一个特征日，一个外围监测点到一个边界路口的过车信息；过车信息包括到达边界路口的车辆数占离开外围监测点的车辆数的比例、离开时间、外围监测点到边界路口的时长、和平均到达时间；
23、将第一时间段与历史od车流规律数据表匹配，确定匹配到的历史到达时间段；
24、根据匹配到的历史到达时间段和平均到达时间，确定出发时间段；
25、应用出发时间段的过车数、对应的比例，以及设定系数，确定一个边界路口进区预测车辆数；其中，设定系数为匹配到的历史到达时间段与第一时间段的重合程度。
26、上述实施例，在计算第一参数集合中的一个边界路口进区预测车辆数的过程中，构建每个边界路口的历史od车流规律数据表，将需要预测的第一时间段与该od车流规律数据表进行匹配，进而计算一个边界路口的进区预测车辆数，预测结果更准确。
27、在一种可选的实施方式中，应用第二预测模型，基于第二参数集合，预测第一时间段的第二在途车辆数，包括：
28、获取第二参数集合；其中，第二参数集合为当前时刻之前的第三历史时间段内的在途车辆数；
29、将第三时间段内的在途车辆数输入至预先构建的holt-winters模型，得到第一时间段的第二在途车辆数。
30、上述实施例，考虑到在途车辆数具备趋势性、季节性和随机性等特性，这里应用holt-winters模型，充分利用其和交通流特征共有特性，预测得到的第一时间段的第二在途车辆数更符合交通流的实际情况。
31、在一种可选的实施方式中，所选择第一在途车辆数和第二在途车辆数作为第一时间段的目标在途车辆数，包括：
32、将当前时刻检测到的实际在途车辆数，与应用第一预测模型对第一历史时刻进行预测到的第一历史在途车辆数进行比对，确定第一误差；
33、将当前时刻检测到的实际在途车辆数，与应用第二预测模型对第二历史时刻进行预测到的第二历史在途车辆数进行比对，确定第二误差；
34、若第一误差小于第二误差，则选择第一在途车辆数作为第一时间段的目标在途车辆数；
35、若第二误差小于本文档来自技高网...
【技术保护点】
1.一种确定目标区域的拥堵程度的方法，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，所述应用第一预测模型，基于第一参数集合，预测第一时间段的第一在途车辆数之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述应用第一预测模型，基于第一参数集合，预测第一时间段的第一在途车辆数，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1所述方法，其特征在于，所述应用第二预测模型，基于第二参数集合，预测所述第一时间段的第二在途车辆数，包括：
7.根据权利要求1～6任一项所述的方法，其特征在于，所选择所述第一在途车辆数和所述第二在途车辆数作为所述第一时间段的目标在途车辆数，包括：
8.一种电子设备，其特征在于，包括处理器和存储器；
9.根据权利要求8所述的电子设备，其特征在于，所述应用第一预测模型，基于第一参数集合，预测第一时间段的第一在途车辆数之前，所述处理器还被配置为执行：>
10.根据权利要求9所述的电子设备，其特征在于，所述处理器具备被配置为执行：
...【技术特征摘要】
1.一种确定目标区域的拥堵程度的方法，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，所述应用第一预测模型，基于第一参数集合，预测第一时间段的第一在途车辆数之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述应用第一预测模型，基于第一参数集合，预测第一时间段的第一在途车辆数，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1所述方法，其特征在于，所述应用第二...
【专利技术属性】
技术研发人员：马晓龙，刘艾强，姚洋，王玉波，李文杰，
申请(专利权)人：青岛海信网络科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。