一种交通数据分析方法、装置、存储介质及设备

摘要

本发明公开了一种交通数据分析方法、装置、存储介质及设备，该方法包括：获取交通数据；根据血缘管理算法将交通数据进行分类计算，构建包含不同类别交通数据的主题库；根据多维度分析算法对交通数据进行分析计算，构建包含不同维度交通数据的专题库；根据主题库和专题库生成交通数据分析结果。该交通数据分析方法将不同来源、不同类型的信息进行融合利用，提高了数据获取的准确性和可靠性。同时借助血缘管理算法及多维度分析算法对原始交通数据进行分析计算，最终汇总形成主题、专题数据库，为城市交通发展决策、道路交通信息服务提供数据基础。通过实施本发明，可以为交通管理提供数据支持，提升数据使用效率，充分发挥信息化的整体效益。

权利要求

1.一种交通数据分析方法，其特征在于，包括：

获取交通数据，所述交通数据包括交通专网数据、互联网数据及公安专网数据；

根据血缘管理算法将所述交通数据进行分类计算，构建包含不同类别交通数据的主题库；

根据多维度分析算法对所述交通数据进行分析计算，构建包含不同维度交通数据的专题库；

根据所述主题库和专题库生成交通数据分析结果；

其中，根据多维度分析算法对所述交通数据进行分析计算，构建包含不同维度交通数据的专题库，包括：根据交通管理维度分析算法对所述交通数据进行分析计算，构建包含交通管理计算结果的专题库，所述交通管理维度分析算法包括根据警力数和交通状态计算警力匹配度；

根据交通组织维度分析算法对所述交通数据进行分析计算，构建包含交通组织计算结果的专题库，所述交通组织维度分析算法包括根据交通死锁因子、溢流指数因子、失衡指数因子、等灯次数因子、行程延误时间因子及绿灯空放时间因子计算信号配时合理率；

根据信息化工程维度分析算法对所述交通数据进行分析计算，构建包含信息化工程计算结果的专题库，所述信息化工程维度分析算法包括计算交通设备的覆盖率；

根据路网形态维度分析算法对所述交通数据进行分析计算，构建包含路网形态计算结果的专题库，所述路网形态维度分析算法包括根据排队长度、失衡指数计算交叉口各路口失衡时长；

根据流量运行维度分析算法对所述交通数据进行分析计算，构建包含流量运行计算结果的专题库，所述流量运行维度分析算法包括计算车辆平均速度、交通流密度与交通流增长率；

根据事故预防维度分析算法对所述交通数据进行分析计算，构建包含事故预防计算结果的专题库，所述事故预防维度分析算法包括计算万车事故数；

根据违法预警维度分析算法对所述交通数据进行分析计算，构建包含违法预警计算的专题库，所述违法预警维度分析算法包括计算违法高发点、违法高发路段的分类结果和数量。

2.根据权利要求1所述的交通数据分析方法，其特征在于，根据交通管理维度分析算法对所述交通数据进行分析计算，构建包含交通管理计算结果的专题库，包括：根据所述交通数据获取第一预设时间内警力数及交通状况数、第二预设时间内警力数及交通状况数；

根据所述第一预设时间内警力数及交通状况数计算得到第一预设时间内平均警力数；

根据所述第二预设时间内警力数及交通状况数计算得到第二预设时间内平均警力数；

根据所述第一预设时间内平均警力数、所述第二预设时间内平均警力数计算得到警力匹配度；

根据所述警力匹配度构建包含交通管理计算结果的专题库。

3.根据权利要求1所述的交通数据分析方法，其特征在于，根据交通组织维度分析算法对所述交通数据进行分析计算，构建包含交通组织计算结果的专题库，包括：根据所述交通数据获取不同路段的交通状况；

根据所述交通状况计算得到交通死锁因子、溢流指数因子、失衡指数因子、等灯次数因子、行程延误时间因子及绿灯空放时间因子；

根据所述交通死锁因子、溢流指数因子、失衡指数因子、等灯次数因子、行程延误时间因子及绿灯空放时间因子计算信号配时合理率；

根据所述信号配时合理率构建包含交通组织计算结果的专题库。

4.根据权利要求1所述的交通数据分析方法，其特征在于，根据信息化工程维度分析算法对所述交通数据进行分析计算，构建包含信息化工程计算结果的专题库，包括：根据所述交通数据获取不同区域各类交通设备数量；

根据不同区域各类交通设备数量计算所述交通设备的覆盖率；

根据所述覆盖率构建包含信息化工程计算结果的专题库。

5.根据权利要求1所述的交通数据分析方法，其特征在于，根据路网形态维度分析算法对所述交通数据进行分析计算，构建包含路网形态计算结果的专题库，包括：根据所述互联网数据获取交叉口各方向车辆排队长度；

根据排队长度获取排队长度最长的第一路口和排队长度最短的第二路口；

根据第一路口和第二路口的排队长度计算失衡指数；

根据失衡指数计算各路口失衡时长；

根据失衡时长构建包含路网形态计算结果的专题库。

6.根据权利要求1所述的交通数据分析方法，其特征在于，根据流量运行维度分析算法对所述交通数据进行分析计算，构建包含流量运行计算结果的专题库，包括：根据所述交通数据获取各路段车流量；

根据车流量计算车辆平均速度、交通流密度与交通流增长率；

根据所述车辆平均速度、交通流密度与交通流增长率构建包含流量运行计算结果的专题库。

7.根据权利要求1所述的交通数据分析方法，其特征在于，根据事故预防维度分析算法对所述交通数据进行分析计算，构建包含事故预防计算结果的专题库，包括：根据所述交通数据获取事故起数；

根据所述事故起数计算得到万车事故数；

根据所述万车事故数构建包含事故预防计算结果的专题库。

8.根据权利要求1所述的交通数据分析方法，其特征在于，根据违法预警维度分析算法对所述交通数据进行分析计算，构建包含违法预警计算结果的专题库，包括：根据所述交通数据获取违法高发路段，所述违法高发路段构成点段样本集；

根据迪杰斯特拉算法计算所述点段样本集中各违法高发路段样本点之间的距离；

根据凝聚层次聚类算法对所述点段样本集进行归类，得到分类结果；

根据分类结果中各点段样本集内样本点之间的距离计算不同类型样本集数量；

根据所述包含不同类型样本集数量的分类结果构建包含违法预警计算结果的专题库。

9.一种交通数据分析装置，其特征在于，包括：

数据获取模块，用于获取交通数据，所述交通数据包括交通专网数据、互联网数据及公安专网数据；

主题库构建模块，用于根据血缘管理算法将所述交通数据进行分类计算，构建包含不同类别交通数据的主题库；

专题库构建模块，用于根据多维度分析算法对所述交通数据进行分析计算，构建包含不同维度交通数据的专题库；

分析结果形成模块，用于根据所述主题库和专题库形成分析结果。

10.一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存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1-8任一项所述的交通数据分析方法。

11.一种交通数据分析设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-8任一项所述的交通数据分析方法。

说明书

一种交通数据分析方法、装置、存储介质及设备

技术领域

[0001] 本发明涉及数据处理技术领域，具体涉及一种交通数据分析方法、装置、存储介质及设备。

背景技术

[0002] 近年来，随着我国居民机动车拥有率的提高和经济的高速发展，城市交通拥堵已成为社会公众关注度极高的热点问题，更是政府决策和交通管理攻克的难题。交通拥堵所造成的社会成本呈几何级数增长，直接影响了城市的可持续发展和整体健康水平。针对这一问题，单纯地依靠加快交通基础设施建设的传统方法是无法解决的。随着物联网的发展，智能化电子终端、智能移动终端等新型硬件的出现及迅速普及，以及移动互联网、车联网、云等的快速发展，交通数据的积累也呈现出几何级数的增长速度。

[0003] 虽然通过物联网和各种交通设备获取了海量交通数据，但是，由于目前数据共享体系尚未建立，信息孤岛情况存在，交通资源综合利用不足，信息化断层导致管理与服务效率低下。这些原因导致了海量交通数据的浪费，巨大的数据无法通过软件系统在合理时间内达到撷取、管理、处理、并整理成缓解交通拥堵有效数据。

发明内容

[0004] 有鉴于此，本发明实施例提供了一种交通数据分析方法、装置、存储介质及设备，以解决现有技术无法将巨大的交通数据通过软件系统在合理时间内达到撷取、管理、处理、并整理成缓解交通拥堵有效数据的问题。

[0005] 本发明提出的技术方案如下：

[0006] 本发明实施例第一方面提供一种交通数据分析方法，该交通数据分析方法包括：获取交通数据，所述交通数据包括交通专网数据、互联网数据及公安专网数据；根据血缘管理算法将所述交通数据进行分类计算，构建包含不同类别交通数据的主题库；根据多维度分析算法对所述交通数据进行分析计算，构建包含不同维度交通数据的专题库；根据所述主题库和专题库生成交通数据分析结果。

[0007] 可选地，根据多维度分析算法对所述交通数据进行分析计算，构建包含不同维度交通数据的专题库，包括：根据交通管理维度分析算法对所述交通数据进行分析计算，构建包含交通管理计算结果的专题库；根据交通组织维度分析算法对所述交通数据进行分析计算，构建包含交通组织计算结果的专题库；根据信息化工程维度分析算法对所述交通数据进行分析计算，构建包含信息化工程计算结果的专题库；根据路网形态维度分析算法对所述交通数据进行分析计算，构建包含路网形态计算结果的专题库；根据流量运行维度分析算法对所述交通数据进行分析计算，构建包含流量运行计算结果的专题库；根据事故预防维度分析算法对所述交通数据进行分析计算，构建包含事故预防计算结果的专题库；根据违法预警维度分析算法对所述交通数据进行分析计算，构建包含违法预警计算的专题库。

[0008] 可选地，根据交通管理维度分析算法对所述交通数据进行分析计算，构建包含交通管理计算结果的专题库，包括：根据所述交通数据获取第一预设时间内警力数及交通状况数、第二预设时间内警力数及交通状况数；根据所述第一预设时间内警力数及交通状况数计算得到第一预设时间内平均警力数；根据所述第二预设时间内警力数及交通状况数计算得到第二预设时间内平均警力数；根据所述第一预设时间内平均警力数、所述第二预设时间内平均警力数计算得到警力匹配度；根据所述警力匹配度构建包含交通管理计算结果的专题库。

[0009] 可选地，根据交通组织维度分析算法对所述交通数据进行分析计算，构建包含交通组织计算结果的专题库，包括：根据所述交通数据获取不同路段的交通状况；根据所述交通状况计算得到交通死锁因子、溢流指数因子、失衡指数因子、等灯次数因子、行程延误时间因子及绿灯空放时间因子；根据所述交通死锁因子、溢流指数因子、失衡指数因子、等灯次数因子、行程延误时间因子及绿灯空放时间因子计算信号配时合理率；根据所述信号配时合理率构建包含交通组织计算结果的专题库。

[0010] 可选地，根据信息化工程维度分析算法对所述交通数据进行分析计算，构建包含信息化工程计算结果的专题库，包括：根据所述交通数据获取不同区域各类交通设备数量；根据不同区域各类交通设备数量计算所述交通设备的覆盖率；根据所述覆盖率构建包含信息化工程计算结果的专题库。

[0011] 可选地，根据路网形态维度分析算法对所述交通数据进行分析计算，构建包含路网形态计算结果的专题库，包括：根据所述互联网数据获取交叉口各方向车辆排队长度；根据排队长度获取排队长度最长的第一路口和排队长度最短的第二路口；根据第一路口和第二路口的排队长度计算失衡指数；根据失衡指数计算各路口失衡时长；根据失衡时长构建包含路网形态计算结果的专题库。

[0012] 可选地，根据流量运行维度分析算法对所述交通数据进行分析计算，构建包含流量运行计算结果的专题库，包括：根据所述交通数据获取各路段车流量；根据车流量计算车辆平均速度、交通流密度与交通流增长率；根据所述车辆平均速度、交通流密度与交通流增长率构建包含流量运行计算结果的专题库。

[0013] 可选地，根据事故预防维度分析算法对所述交通数据进行分析计算，构建包含事故预防计算结果的专题库，包括：根据所述交通数据获取事故起数；根据所述事故起数计算得到万车事故数；根据所述万车事故数构建包含事故预防计算结果的专题库。

[0014] 可选地，根据违法预警维度分析算法对所述交通数据进行分析计算，构建包含违法预警计算结果的专题库，包括：根据所述交通数据获取违法高发路段，所述违法高发路段构成点段样本集；根据迪杰斯特拉算法计算所述点段样本集中各违法高发路段样本点之间的距离；根据凝聚层次聚类算法对所述点段样本集进行归类，得到分类结果；根据分类结果中各点段样本集内样本点之间的距离计算不同类型样本集数量；根据所述不同类型样本集数量的分类结果构建包含违法预警计算结果的专题库。

[0015] 本发明实施例第二方面提供一种交通数据分析装置，该交通数据分析装置包括：数据获取模块，用于获取交通数据，所述交通数据包括交通专网数据、互联网数据及公安专网数据；主题库构建模块，用于根据血缘管理算法将所述交通数据进行分类计算，构建包含不同类别交通数据的主题库；专题库构建模块，用于根据多维度分析算法对所述交通数据进行分析计算，构建包含不同维度交通数据的专题库；分析结果形成模块，用于根据所述主题库和专题库形成分析结果。

[0016] 本发明实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的交通数据分析方法。

[0017] 本发明实施例第四方面提供一种交通数据分析设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本发明实施例第一方面及第一方面任一项所述的交通数据分析方法。

[0018] 本发明实施例提出的技术方案，具有如下效果：

[0019] 本发明实施例提供的交通数据分析方法、装置、存储介质及设备，充分利用现有的数据资源，如交通专网数据、互联网数据及公安专网数据，将不同来源、不同类型的信息进行融合利用，提高了数据获取的准确性和可靠性。同时借助血缘管理算法及多维度分析算法对原始交通数据进行分析计算，最终汇总形成主题、专题数据库，为城市交通发展决策、道路交通信息服务提供数据基础。通过实施本发明，可以为交通管理提供数据支持，提升数据使用效率，充分发挥信息化的整体效益。

附图说明

[0020] 为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0021] 图1是根据本发明实施例的交通数据分析方法的流程图；

[0022] 图2是根据本发明另一实施例的交通数据分析方法的流程图；

[0023] 图3是根据本发明另一实施例的交通数据分析方法的流程图；

[0024] 图4是根据本发明另一实施例的交通数据分析方法的流程图；

[0025] 图5是根据本发明另一实施例的交通数据分析方法的流程图；

[0026] 图6是根据本发明另一实施例的交通数据分析方法的流程图；

[0027] 图7是根据本发明另一实施例的交通数据分析方法的流程图；

[0028] 图8是根据本发明另一实施例的交通数据分析方法的流程图；

[0029] 图9是根据本发明实施例的交通数据分析装置的结构框图；

[0030] 图10是本发明实施例提供的交通数据分析设备的硬件结构示意图。

具体实施方式

[0031] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0032] 本发明实施例提供一种交通数据分析方法，如图1所示，该交通数据分析方法包括如下步骤：

[0033] 步骤S101：获取交通数据，交通数据包括交通专网数据、互联网数据及公安专网数据。其中，交通专网数据包括来自信号机、视频监控、诱导屏、停车位、防撞设施、道路监控等设备设施的数据；互联网数据主要是来自关于路况和警情等相关数据；公安专网数据包括重点车辆数据、公安交通管理综合应用平台数据、集成指挥平台数据以及互联网信息发布系统的数据等。

[0034] 步骤S102：根据血缘管理算法将交通数据进行分类计算，构建包含不同类别交通数据的主题库。具体地，在根据血缘管理算法将交通数据进行分类计算之前，可以首先对获取的交通数据进行清洗，形成标准库。血缘管理算法可以针对标准库中的数据进行分类，分类时可以根据数据之间的“血缘”关系，例如某两个数据都是从一个数据中经过复杂的变换得到，则可以通过血缘管理算法，将这三个数据分为同一类别，因此经过分类计算之后可以根据数据的不同类别形成包含机动车主题域、驾驶人主题域、道路主题域、事件主题域及违法主题域的主题库。

[0035] 步骤S103：根据多维度分析算法对交通数据进行分析计算，构建包含不同维度交通数据的专题库。具体地，可以根据交通管理维度分析算法、交通组织维度分析算法、信息化工程维度分析算法、路网形态维度分析算法、流量运行维度分析算法、事故预防维度分析算法、违法预警维度分析算法等维度对交通数据进行分析计算，构建包含不同维度交通数据的专题库。

[0036] 步骤S104：根据主题库和专题库生成交通数据分析结果。具体地，上述分析算法形成的标准库、主题库与专题库等可以构成一个基于Hadoop存储计算框架构的数据分析平台，依据该数据分析平台对数据的分析计算，可以将分析结果以数据看板的方式进行展示。同时，依据该数据分析平台中的专题库，可以针对每个维度形成专项数据分析图表，并以周报、月报、季度报的方式推送至相关用户。

[0037] 本发明实施例提供的交通数据分析方法，充分利用现有的数据资源，如交通专网数据、互联网数据及公安专网数据，将不同来源、不同类型的信息进行融合利用，提高了数据获取的准确性和可靠性。同时借助血缘管理算法及多维度分析算法对原始交通数据进行分析计算，最终汇总形成主题、专题数据库，为城市交通发展决策、道路交通信息服务提供数据基础。通过实施本发明，可以为交通管理提供数据支持，提升数据使用效率，充分发挥信息化的整体效益。

[0038] 作为本发明实施例一种可选的实施方式，根据交通管理维度分析算法对交通数据进行分析计算时，可以依据执勤执法和科技执法两个指标进行分析计算，其中，执勤执法包括事故与警力匹配度、拥堵与警力匹配度、违法与警力匹配度、警力投放率、万车警情数、万人警员数、警均警车数、人均执法次数与车均执法次数等九个方面的计算算法；科技执法包括主干道路违法停车率、重点车辆违法率、信息化执法查处率及主干道路机动车违法率等四个方面的计算算法。

[0039] 具体地，在上述几个方面的计算算法中，首先说明执勤执法指标中事故与警力匹配度、拥堵与警力匹配度、违法与警力匹配度三个方面计算算法的计算过程，如图2所示，这三个方面的计算算法包括如下步骤：

[0040] 步骤S201：根据交通数据获取第一预设时间内警力数及交通状况数、第二预设时间内警力数及交通状况数；其中，事故与警力匹配度计算算法可以获取当前时刻警力数、当前时刻累计未处结事故数、近30日每日相同时刻警力数与近30日每日相同时刻日累计未处结事故数；拥堵与警力匹配度计算算法可以获取当前时刻警力数、当前时刻拥堵路段总里程、近30日每日相同时刻警力数与近30日每日相同时刻拥堵路段总里程；违法与警力匹配度计算算法可以获取近30日平均警力数、近30日平均累计违法事件数、近180日每日相同时刻警力数与近180日每日相同时刻累计违法事件数。

[0041] 步骤S202：根据第一预设时间内警力数及交通状况数计算得到第一预设时间内平均警力数；其中，事故与警力匹配度计算算法可以根据当前时刻警力数/当前时刻累计未处结事故数计算得到当前时刻每个未处结事故平均警力数；拥堵与警力匹配度计算算法可以根据当前时刻警力数/当前时刻拥堵路段总里程计算得到当前时刻每千米拥堵路段平均警力数；违法与警力匹配度计算算法可以根据近30日平均警力数/近30日平均累计违法事件数计算得到近30日每个违法事件平均警力数。

[0042] 步骤S203：根据第二预设时间内警力数及交通状况数计算得到第二预设时间内平均警力数；其中，事故与警力匹配度计算算法可以根据(1≤i≤30)计算得到近30日每个未处结事故平均警力数，拥堵与警力匹配度计算算法可以根据 (1≤i≤30)计算得到近30日每千米拥堵路段平
均警力数，违法与警力匹配度计算算法可以根据 (1
≤i≤180)计算得到近180日每个违法事件平均警力数。

[0043] 步骤S204：根据第一预设时间内平均警力数、第二预设时间内平均警力数计算得到警力匹配度；其中，事故与警力匹配度计算算法可以根据当前时刻每个未处结事故平均警力数/近30日每个未处结事故平均警力数计算得到事故与警力匹配度；拥堵与警力匹配度计算算法可以根据当前时刻每个拥堵路段平均警力数/近30日每个拥堵路段平均警力数计算得到拥堵与警力匹配度；违法与警力匹配度计算算法可以根据近30日每个违法事件平均警力数/近180日每个违法事件平均警力数计算得到违法与警力匹配度。

[0044] 步骤S205：根据警力匹配度构建包含交通管理计算结果的专题库。具体地，可以根据事故与警力匹配度、拥堵与警力匹配度与违法与警力匹配度构建包含交通管理计算结果的专题库。此外，该包含交通管理计算结果的专题库还可以包括其他方面计算算法的计算结果。

[0045] 其中，警力投放率可以基于交通数据中警员定位数据、勤务排班数据进行计算，具体地，可以根据在线大于30分钟且有位移、同时执勤时间大于4小时的警员数/系统中记录的警员总数计算得到警力投放率；同时，计算每万机动车发生的警情起数可以得到万车警情数；计算每万人分配的警员数量可以得到万人警员数；计算正常工作的警车数量与执勤警员数量之比可以得到警均警车数；此外，基于交通数据中指挥调度系统数据，计算每名执勤警员单日内出警执法的次数可以得到人均执法次数；基于指挥调度系统数据，计算每辆警车单日内出警执法的次数可以得到车均执法次数。

[0046] 科技执法指标中四个方面的计算算法可以包括：根据主要干道每公里的违法停车数量(主干道违法车辆数据除以主干道公里数)计算得到主干道违法停车率；根据区域范围内、单位时间内重点车辆违法数量占比计算得到重点车辆违法率；根据交通数据中电警、卡口数据计算违法抓拍的执法占比从而得到信息化执法查处率；根据主要干道、主要路口守法机动车辆占通行汽车数比率计算得到主干道路机动车违法率。

[0047] 作为本发明实施例一种可选的实施方式，根据交通组织维度分析算法对交通数据进行分析计算时，可以依据设备组织和设施组织两个指标进行分析计算，其中，设备组织包括交通信息服务诱导率、施工占道措施率、信号配时合理率等三个方面的计算算法；设施组织包括标志标线施划率、防撞设施设置率、警示设施设置率等三个方面的计算算法。

[0048] 具体地，在上述几个方面的计算算法中，首先说明设备组织指标中信号配时合理率计算算法的计算过程，如图3所示，该计算算法包括如下步骤：

[0049] 步骤S301：根据交通数据获取不同路段的交通状况。具体地，该交通状况包括交通死锁的状况、交通溢流的状况、交通失衡的状况、等灯的状况、行程延误的状况、绿灯放空的状况等。

[0050] 步骤S302：根据交通状况计算得到交通死锁因子、溢流指数因子、失衡指数因子、等灯次数因子、行程延误时间因子及绿灯空放时间因子。具体地，发生交通死锁时，值为1；未发生死锁时，值为0，当死锁值为0时，死锁因子为1；死锁值为1时，死锁因子为0。发生交通溢流时，可以获取路口各方向直行溢流指数平均值x，x取值为[0，1]，溢流指数因子y＝－
10x+10，y取值为[0，10]。发生交通失衡时，可以获取路口各方向直行失衡指数平均值x，x取值为[0，1]，失衡指数因子y＝－10x+10，y取值为[0，10]。计算等灯次数因子时可以获取路口各方向直行等灯次数平均值x，x取值为[0，+∞)，等灯次数因子y＝－10x+10，y取值为(10，+∞)。计算行程延误时间因子时可以获取路口各方向直行行程延误时间平均值x，x取值为[0，+∞)，行程延误时间因子 y取值为(0，10]。计算绿灯空放时间因子时可以获取路口各方向直行绿灯空放时间平均值x，x取值为[0，+∞)，绿灯空放时间因子y取值为(0，10]。其中，交通死锁因子、溢流指数因子、失衡指数因子、等灯次数因子、行程延误时间因子及绿灯空放时间因子可以在预设时间内更新一次，例如可以每
5min更新一次。

[0051] 步骤S303：根据交通死锁因子、溢流指数因子、失衡指数因子、等灯次数因子、行程延误时间因子及绿灯空放时间因子计算信号配时合理率。具体地，信号配时合理率可以根据“死锁因子＊(a＊溢流指数因子+b＊失衡指数因子+c＊等灯次数因子+d＊行程延误时间因子+e＊绿灯空放时间因子)”进行计算，其中，a，b，c，d，e为权重，可以根据实际对其进行赋值，例如，a＝0.3，b＝0.25，c＝0.2，d＝0.15，e＝0.1。

[0052] 步骤S304：根据信号配时合理率构建包含交通组织计算结果的专题库。具体地，计算得到信号配时合理率后，可以根据计算结果对交通状况进行等级划分，例如可以根据信号配时合理率计算结果分为四个等级，其中，8.0－10.0分表示健康；6.0－7.9分表示良好；4.0－5.9表示一般；0－3.9分表示较差。此外，该包含交通组织计算结果的专题库还可以包括其他方面计算算法的计算结果。

[0053] 其中，交通信息服务诱导率可以根据以下方法进行计算：根据诱导信息发布系统日志获取已进行交通诱导发布的路段数；根据互联网路况数据获取区域内处于拥堵及严重拥堵的路段总数；根据已发布交通诱导的路段数与处于拥堵及严重拥堵路段总数的比值计算得到交通信息服务诱导率。此外，施工占道措施率可以基于施工占道和交通管制系统的基础数据进行计算，具体可以计算已执行施工占道及管制信息的路段数量与审批通过应当在当前执行的施工占道及管制信息的路段数量之比，从而得到施工占道措施率。

[0054] 设施组织指标中三个方面的计算算法可以包括：基于六合一系统计算事故黑点的数量，结合交通设备设施基础数据分析防撞设施的设置数量与事故黑点数量之比计算得到防撞设施设置率。基于六合一系统计算事故黑点的数量，结合交通设备设施基础数据分析警示设施的设置数量与事故黑点数量之比计算得到警示设施设置率。此外，还可以根据以下方法计算标志标线施划率：根据施划清晰交通标志的道路里程数/全部道路里程计算得到标志施划率；根据施划清晰交通标线的道路里程数/全部道路里程计算得到标线施划率；根据标志施划率与标线施划率的均值计算标志标线施划率；其中，道路总里程即为选定道路的总长度。

[0055] 作为本发明实施例一种可选的实施方式，根据信息化工程维度分析算法对交通数据进行分析计算时，可以依据设备建设和设备运维两个指标进行分析计算，其中，设备建设包括车均信息化停车位、诱导屏覆盖率、单位道路长度监控设备覆盖率、停车泊位供给率等五个方面的计算算法；设备运维包括设备健康率、运维服务闭合率等两个方面的计算算法。

[0056] 具体地，在上述几个方面的计算算法中，首先说明设备建设中诱导屏覆盖率、单位道路长度监控设备覆盖率两个方面计算算法的计算过程，如图4所示，这两个方面的计算算法包括如下步骤：

[0057] 步骤S401：根据交通数据获取不同区域各类交通设备数量；具体地，可以获取不同区域交通诱导屏的数量及监控设施的数量。

[0058] 步骤S402：根据不同区域各类交通设备数量计算交通设备的覆盖率。具体地，诱导屏覆盖率可以根据获取的不同区域交通诱导屏的数量，计算交通诱导屏覆盖区域占总区域面积的比值。单位道路长度监控设备覆盖率可以根据获取的监控设施的数量，计算在单位道路长度内，监控设施在区域内监控设施的覆盖占比。

[0059] 步骤S403：根据覆盖率构建包含信息化工程计算结果的专题库。具体地，可以根据诱导屏覆盖率、单位道路长度监控设备覆盖率构建包含信息化工程计算结果的专题库。此外，该包含信息化工程计算结果的专题库还可以包括其他方面计算算法的计算结果。例如，可以基于车驾管数据和停车场数据，计算车均信息化停车位的数量从而得到车均信息化停车位；还可以根据交管局道路规划基础数据获取停车场基本数据，根据选定辖区停车泊位总数/选定辖区汽车保有量计算得到停车泊位供给率。

[0060] 设备运维指标中两个方面的计算算法可以包括：基于运维数据，计算交通管理设施设备的健康程度，从而得到设备健康率；还可以基于运维数据计算运维服务解决事件数与事件总数的比值，从而得到运维服务闭合率。

[0061] 作为本发明实施例一种可选的实施方式，根据路网形态维度分析算法对交通数据进行分析计算时，可以依据交叉口、路段、区域及全维四个指标进行分析计算，其中，交叉口包括进口道平均等灯次数、交叉口失衡时长及绿灯损失时长等三个方面的计算算法；路段包括关键路段平均行程速度、常堵点路段、一小时可达平均里程、干线单方向均分失衡时长等四个方面的计算算法；区域包括重点区域平均行程速度、路网密度、拥堵里程比例、拥堵持续时间等四个方面的计算算法；全维包括异常拥堵时长、拥堵延时等四个方面的计算算法。

[0062] 具体地，在上述几个方面的计算算法中，首先说明交叉口指标中交叉口失衡时长及干线单方向均分失衡时长两个方面计算算法的计算过程，如图5所示，这两个方面的计算算法包括如下步骤：

[0063] 步骤S501：根据互联网数据获取交叉口各方向车辆排队长度；具体地，可以根据互联网数据获取交叉口各进口或干线上路口方向的车辆排队长度，将每个进口方向Di的排队长度记为Li(i＝1，2，3，…，n)。

[0064] 步骤S502：根据排队长度获取排队长度最长的第一路口和排队长度最短的第二路口；具体地，假设有n个进口方向，可以从n个方向中选取排队长度最长的方向Dp，则Lmax＝max1≤i≤n(Li)，同时在n个方向选取排队长度最小的方向Dq，则Lmin＝min1≤i≤n(Li)，Li表示各个路口的排队长度。

[0065] 步骤S503：根据第一路口和第二路口的排队长度计算失衡指数；具体地，失衡指数可以根据 计算，当该失衡指数大于0.5时，则判断该交叉口失衡。

[0066] 步骤S504：根据失衡指数计算各路口失衡时长；具体地，当根据失衡指数判定交叉口或干线失衡时，可以记录当前时间tm，之后间隔5min计算失衡指数，当判定不属于交叉口失衡的状态时，记录时间tn，根据tm与tn的时间差计算得到失衡时长，该失衡时时长为交叉口失衡时长或干线单方向均分失衡时长。

[0067] 步骤S505：根据失衡时长构建包含路网形态计算结果的专题库。具体地，可以根据计算得到的交叉口失衡时长、干线单方向均分失衡时长构建包含路网形态计算结果的专题库。此外，该包含路网形态计算结果的专题库还可以包括其他方面计算算法的计算结果。

[0068] 其中，进口道平均等灯次数可以基于卡口数据和信号控制平台配时方案数据进行计算，具体可以根据行车延误时间与交通信号灯周期的比值计算得到进口道平均等灯次数。此外，还可以根据以下方法计算绿灯损失时间：基于交通数据中区域路网数据获取当前交叉口的进口方向个数；依次对每个进口方向计算绿初损失时间，具体为绿灯启亮后，第一个通过卡口的车辆时刻与绿灯启亮时刻的差值；对各个进口方向绿初损失时间求和得到交叉口绿初损失时间；依次对每个进口方向计算绿灯空放时间，具体为红灯启亮时刻，最后一个通过卡口的车辆时刻与该时刻的差值；对各个进口方向绿灯空放时间求和得到交叉口绿灯空放时间；对交叉口绿灯空放时间与交叉口绿初损失时间求和得到交叉口的绿灯损失时间。

[0069] 路段指标中三个方面的计算算法可以包括：基于卡口过车数据，获取经过关键路段起点到终点车辆行驶所需的行程时间，对所有车辆行程时间求均值可以得到关键路段平均行程速度。基于互联网数据和路网基础数据计算得到一小时可达平均里程。此外，还可以根据以下方法计算常堵点路段：根据预设门限值确定日拥堵道路(例如日拥堵道路可以是平均5天内4天拥堵时间均超过1小时的道路)；根据凝聚层次聚类法对日拥堵道路进行聚类，获取常堵点段数。

[0070] 区域指标中三个方面的计算算法可以包括：基于卡口数据计算区域内各路段上所有车辆行程速度的均值得到重点区域平均行程速度。基于辖区内道路总长度与辖区区域总面积的比值计算得到路网密度。基于卡口数据、路网数据计算路段的交通拥堵指数，交通拥堵指数处于1.8至2.2范围内的时长为拥堵持续时间。此外，还可以根据以下方法计算常堵点路段：根据基础地图数据获取区域路网总长度；根据互联网数据、卡口数据判定交通拥堵的总里程；根据拥堵总里程与区域路网总长度的比值得到拥堵里程比例。

[0071] 全维指标中两个方面的计算算法可以包括：异常拥堵时长计算算法和拥堵延时计算算法。

[0072] 其中，异常拥堵时长计算算法包括如下步骤：基于卡口数据、区域路网数据计算评测路段的交通拥堵指数；获取历史某一时间段(一天/周/月)评测路段的卡口数据，计算评测路段的历史平均车速v、标准差σ和均值μ；获取当前评测路段5分钟内车辆的平均车速判断该平均速度是否处于[μ-3σ，μ-3σ]范围内，如果不处于该范围内，进行下一步，否则判定当前路段不属于异常拥堵路段；获取三台合一系统和交通事件检测器的交通事件数据，判断当前路段是否出现了交通事件情况，如果出现，判定当前路段属于异常拥堵路段，记录当前时间为t1；间隔5分钟判断当前路段当前的交通拥堵状况，当发现不再属于异常拥堵的状态时，记录当前时间为t2；异常拥堵时长即为t2-t1。

[0073] 拥堵延时计算算法包括如下步骤：获取卡口数据，计算车辆通过道路的实际行程时间；根据路网基础数据确定该路段的自由流速度；根据道路长度与自由流速度的比值确定该道路的自由流行程时间；根据实际行程时间与自由流速度的差值确定拥堵延时。

[0074] 作为本发明实施例一种可选的实施方式，根据流量运行维度分析算法对交通数据进行分析计算时，可以依据行程速度、交通流密度、交通流量同比增长率、月不均系数及出行结构分析等五个指标进行分析计算，其中，出现结构分析包括高峰/平峰时段流量分析、车辆类型流量分析、出行迁徙分析及区域驶向分析等四个方面的计算算法。

[0075] 具体地，在上述几个指标中，首先说明行程速度、交通流密度、交通流量同比增长率三个指标的计算过程，如图6所示，这三个指标的计算过程包括如下步骤：

[0076] 步骤S601：根据交通数据获取各路段车流量；

[0077] 步骤S602：根据车流量计算车辆平均速度、交通流密度与交通流增长率；

[0078] 步骤S603：根据车辆平均速度、交通流密度与交通流增长率构建包含流量运行计算结果的专题库。

[0079] 具体地，可以基于卡口数据计算当前时刻10分钟内在途车辆的平均行程速度得到车辆平均速度(行程速度)；交通流密度为单位长度路段上车辆的密集程度；交通流增长率(交通流量同比增长率)为当前时刻交通流量与去年相同时刻交通流量的比值。

[0080] 此外，该包含流量运行计算结果的专题库还可以包括其他方面计算算法的计算结果。如月不均系数为年平均日交通量与月平均日交通量的比值；基于卡口数据计算区域出行车辆的不同时段的行驶数量可以得到高峰/平峰时段流量分析的计算结果；基于六合一系统、卡口数据对出行车辆的使用性质分布情况进行分析可以得到车辆类型流量分析的计算结果；通过卡口数据分析每辆车的出发地以及目的地，记录为两个地市间的一次迁徙，汇总得到各个辖区之间车辆的车辆通行状况可以得到出行迁徙分析的计算结果；基于卡口数据计算区域驶入、驶出车辆数可以得到区域驶向分析的计算结果。

[0081] 作为本发明实施例一种可选的实施方式，根据事故预防维度分析算法对交通数据进行分析计算时，可以依据万车事故数、事故起数、伤亡人数、经济损失及重点车辆数等五个指标进行分析计算。

[0082] 具体地，在上述几个指标中，首先说明万车事故数、事故起数两个指标的计算过程，如图7所示，这两个指标的计算过程包括如下步骤：

[0083] 步骤S701：根据交通数据获取事故起数；具体地，可以从六合一系统中分别获取轻微、一般、重大、特大事故的个数，以及事故总起数。

[0084] 步骤S702：根据事故起数计算得到万车事故数；其中，万车事故数＝10000×累计加权事故数/(机动车总数＊机动车活跃度)，事故权重可以采用以下权重进行分配：特大事故/4＝重大事故/3＝一般事故/3＝轻微事故/1。

[0085] 步骤S703：根据万车事故数构建包含事故预防计算结果的专题库。此外，该包含事故预防计算结果的专题库还可以包括其他方面计算算法的计算结果。例如伤亡人数为从六合一系统中获取的轻微、一般、重大、特大事故的死亡人数，以及所有事故的总死亡人数；经济损失为从六合一系统中获取的轻微、一般、重大、特大事故的经济损失，以及所有事故的总经济损失；重点车辆数为从六合一系统中获取的两客一危一货、校车、农村面包车的数量，以及所有重点车辆的总数。

[0086] 作为本发明实施例一种可选的实施方式，根据违法预警维度分析算法对交通数据进行分析计算时，可以依据违法起数、万车违法数及违法高发点段等三个指标进行分析计算。

[0087] 具体地，在上述几个指标中，首先说明违法高发点段指标的计算过程如图8所示，该计算过程包括如下步骤：

[0088] 步骤S801：根据交通数据获取违法高发路段，违法高发路段构成点段样本集；其中，单个的违法高发路段作为点段样本集的一个样本点Xi，所有的违法高发路段即组成点段样本集，单个样本点的具体位置为记录在地图上违法高发路段中点处的坐标。

[0089] 步骤S802：根据迪杰斯特拉算法计算点段样本集中各违法高发路段样本点之间的距离；具体地，在根据迪杰斯特拉算法计算两个样本点p、q之间的距离dN时，可以采用计算，vi和vj表示p、q之间经过的最短路径的顶点。

[0090] 步骤S803：根据凝聚层次聚类算法对点段样本集进行归类，得到分类结果；具体地，可以根据第一预设阈值对点段样本集进行归类，例如，可以在该点段样本集中随机选择一个样本点作为基准点，将与基准点距离在第一预设阈值范围内的样本点归为一类，将其他样本点按此规则继续归类，即在其他样本点中继续随机选择一个样本点作为基准点，查找与该基准点在第一预设阈值范围内的样本点再次归为一类，直到点段样本集中所有样本点分类完成，得到样本集的分类结果。可选地，上述第一预设阈值可以是300米，也可以是其他数值，本申请对此不做限定。

[0091] 步骤S804：根据分类结果中各点段样本集内样本点之间的距离判定该样本集的点/段属性；具体地，可以对分类结果中所有样本集分别进行判断，选择其中一个样本集，根据第二预设阈值和第三预设阈值判断该样本集类型，例如第二预设阈值为500米，第三预设阈值为1000米，当该样本集中的所有样本点之间的最大距离小于500米时，则判断该样本集为“点”，当该样本集中的样本点之间的最大距离大于500米且小于1000米时，则判断该样本集为“段”，对所有样本集判断完成后可以计算“点”或“段”样本集的数量。

[0092] 步骤S805：根据包含不同类型样本集数量的分类结果构建包含违法预警计算结果的专题库。此外，该包含违法预警计算结果的专题库还可以包括其他方面计算算法的计算结果。例如，可以从六合一系统中分别获取不同记分分值违法的起数，以及违法总起数作为违法起数；还可以10000×累计违法数/(机动车总数＊机动车活跃度)得到万车违法数。

[0093] 本发明实施例提供的交通数据分析方法，根据获取的不同类型、不同来源的交通数据，具体采用交通管理维度分析算法、交通组织维度分析算法、信息化工程维度分析算法、路网形态维度分析算法、流量运行维度分析算法、事故预防维度分析算法、违法预警维度分析算法，对各维度进行具体计算指标的划分，实现了对交通数据的标准化、归一化、异常值的计算。同时不同维度的计算结果可以推送至相关用户，为交通管理人员对道路交通健康态势的整体掌握、整体分析提供决策支持。

[0094] 本发明实施例还提供一种交通数据分析装置，如图9所示，该交通分析装置包括：

[0095] 数据获取模块1，用于获取交通数据，交通数据包括交通专网数据、互联网数据及公安专网数据；详细内容参见上述方法实施例中步骤S101的相关描述。

[0096] 主题库构建模块2，用于根据血缘管理算法将交通数据进行分类计算，构建包含不同类别交通数据的主题库；详细内容参见上述方法实施例中步骤S102的相关描述。

[0097] 专题库构建模块3，用于根据多维度分析算法对交通数据进行分析计算，构建包含不同维度交通数据的专题库；详细内容参见上述方法实施例中步骤S103的相关描述。

[0098] 分析结果形成模块4，用于根据主题库和专题库形成分析结果。详细内容参见上述方法实施例中步骤S104的相关描述。

[0099] 本发明实施例提供的交通数据分析装置，充分利用现有的数据资源，如交通专网数据、互联网数据及公安专网数据，将不同来源、不同类型的信息进行融合利用，提高了数据获取的准确性和可靠性。同时借助血缘管理算法及多维度分析算法对原始交通数据进行分析计算，最终汇总形成主题、专题数据库，为城市交通发展决策、道路交通信息服务提供数据基础。通过实施本发明，可以为交通管理提供数据支持，提升数据使用效率，充分发挥信息化的整体效益。

[0100] 本发明实施例还提供了一种交通数据分析设备，如图10所示，该交通数据分析设备可以包括处理器51和存储器52，其中处理器51和存储器52可以通过总线或者其他方式连接，图10中以通过总线连接为例。

[0101] 处理器51可以为中央处理器(Central Processing Unit，CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

[0102] 存储器52作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的交通数据分析装置对应的程序指令/模块(例如，图9所示的数据获取模块1、主题库构建模块2、专题库构建模块3和分析结果形成模块4)。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的交通数据分析方法。

[0103] 存储器52可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器51所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至处理器51。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

[0104] 所述一个或者多个模块存储在所述存储器52中，当被所述处理器51执行时，执行如图1－8所示实施例中的交通数据分析方法。

[0105] 上述交通数据分析设备具体细节可以对应参阅图1至图8所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

[0106] 本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。

[0107] 虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。