一种路段拥堵测量方法、装置、计算机设备及存储介质

摘要

本申请实施例属于人工智能技术领域，涉及一种路段拥堵测量方法。本申请实施例所述方法通过道路卡口采集待预测路段及其关联路段的过车记录数据，并对采集的所述过车记录数据进行处理，统计各关联路段和待预测路段中的车流量，进而计算出各个关联路段的拥堵指数以及对待预测路段造成的拥堵权重从而预测出所述待预测路段未来的拥堵状况。本申请还提供一种路段拥堵测量装置、计算机设备及存储介质。本申请实施例基于待预测道路的实际车辆情况预测道路未来的拥堵情况，数据准确度高，预测结果精确率高。

权利要求

1.一种路段拥堵测量方法，其特征在于，包括下述步骤：

从车流量数据库中提取待预测路段及其关联路段入口处和出口处设置的道路卡口上报的过车记录数据，其中，所述关联路段为所述待预测路段所有的连通路段且所述关联路段与所述待预测路段行进路径方向相同，通过预置的若干个起始时间和若干个终点时间，以形成多个时间段，分别在每一个所述时间段内获取所述待预测路段中各个道路卡口的过车记录数据，以及所述关联路段中各个道路卡口的过车记录数据；

根据所述过车记录数据，获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量；

根据所述关联路段与所述待预测路段上的车流量计算各个关联路段对所述待预测路段拥堵的拥堵权重；

根据各个关联路段的车辆数量分别计算所述各个关联路段的拥堵指数；

根据所述各关联路段对所述待预测路段拥堵的拥堵权重和所述各关联路段的拥堵指数计算所述待预测路段的拥堵预测值，其中，在进行预测时，获取所述待预测路段当前所处的时间段，根据所述待预测路段当前所处的时间信息选取与当前所处的时间信息匹配的所述各关联路段对所述待预测路段拥堵的权重；

根据所述拥堵预测值与预设的拥堵阈值的大小关系确定所述待预测路段的拥堵状况；

所述根据各个关联路段的车辆数量分别计算所述各个关联路段的拥堵指数具体包括：根据路段距离设置拥堵指数映射表中的拥堵指数，其中，所述拥堵指数映射表包含不同车辆数量及车辆数量对应的拥堵指数；

根据各个关联路段的车辆数量，从预设的拥堵指数映射表中分别确定所述各个关联路段的拥堵指数。

2.根据权利要求1所述的路段拥堵测量方法，其特征在于，所述过车记录数据包括卡口信息、车牌信息和时间信息；所述从车流量数据库中提取待预测路段及其关联路段入口处和出口处设置的道路卡口上报的过车记录数据具体包括以下步骤：获取所述待预测路段及其所有关联路段的所有卡口信息；

基于所述卡口信息，获取其对应的道路卡口经过车辆的车牌信息以及车辆通过的时间信息。

3.根据权利要求2所述的路段拥堵测量方法，其特征在于，所述获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量具体包括：根据所述关联路段与所述待预测路段所述预定时间段内的入口处道路卡口上报的过车记录数据所包括的车牌信息数量减去出口处道路卡口上报的过车记录数据所包括的车牌信息数量，分别确定所述关联路段与所述待预测路段的车辆数量；

根据所述关联路段与所述待预测路段上所述预定时间段内的车辆数量与所述预定时间的比值分别确定所述预定时间段内所述关联路段与所述待预测路段上的车流量。

4.根据权利要求2所述的路段拥堵测量方法，其特征在于，所述获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量具体包括:根据所述关联路段与所述待预测路段所述预定时间段内的入口处道路卡口上报的过车记录数据所包括的车牌信息数量减去出口处道路卡口上报的过车记录数据所包括的车牌信息数量，分别确定所述关联路段与所述待预测路段的车辆数量；

根据所述关联路段与所述待预测路段入口处和出口处的道路卡口上报的过车记录数据所包括的车牌信息的数量与所述预定时间的比值，分别确定所述预定时间段内所述关联路段与所述待预测路段上的车流量。

5.根据权利要求1-4任意一项所述的路段拥堵测量方法，其特征在于，所述根据所述关联路段与所述待预测路段上的车流量计算各个关联路段对所述待预测路段拥堵的拥堵权重具体包括：根据以下公式计算所述各关联路段对所述待预测路段的拥堵权重：

其中，Qi表示第i个关联路段对所述待预测路段的拥堵权重，D表示所述待预测路段的车流量，Ci表示第i个关联路段的车流量，n为关联路段的总数量，i和n均为大于等于1的整数。

6.根据权利要求1-4任意一项所述的路段拥堵测量方法，其特征在于，所述根据所述各关联路段对所述待预测路段拥堵的拥堵权重和所述各关联路段的拥堵指数计算所述待预测路段的拥堵预测值包括：根据以下公式计算所述待预测路段的拥堵预测值：

其中，Y为所述拥堵预测值，Qi表示第i个关联路段对所述待预测路段的拥堵权重，Gi表示第i个关联路段的拥堵指数，n为关联路段的总数量，i和n均为大于等于1的整数。

7.一种路段拥堵测量装置，其特征在于，包括：

数据提取模块，用于从车流量数据库中提取待预测路段及其关联路段入口处和出口处设置的道路卡口上报的过车记录数据，其中，所述关联路段为所述待预测路段所有的连通路段且所述关联路段与所述待预测路段行进路径方向相同，通过预置的若干个起始时间和若干个终点时间，以形成多个时间段，分别在每一个所述时间段内获取所述待预测路段中各个道路卡口的过车记录数据，以及所述关联路段中各个道路卡口的过车记录数据；

获取模块，用于根据所述过车记录数据，获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量；

拥堵权重计算模块，用于根据所述关联路段与所述待预测路段上的车流量计算各个关联路段对所述待预测路段拥堵的拥堵权重；

拥堵指数计算模块，用于根据各个关联路段的车辆数量分别计算所述各个关联路段的拥堵指数；

拥堵预测值计算模块，用于根据所述各关联路段对所述待预测路段拥堵的拥堵权重和所述各关联路段的拥堵指数计算所述待预测路段的拥堵预测值，其中，在进行预测时，获取所述待预测路段当前所处的时间段，根据所述待预测路段当前所处的时间信息选取与当前所处的时间信息匹配的所述各关联路段对所述待预测路段拥堵的权重；

拥堵判断模块，用于根据所述拥堵预测值与预设的拥堵阈值的大小关系确定所述待预测路段的拥堵状况；

所述根据各个关联路段的车辆数量分别计算所述各个关联路段的拥堵指数具体包括：根据路段距离设置拥堵指数映射表中的拥堵指数，其中，所述拥堵指数映射表包含不同车辆数量及车辆数量对应的拥堵指数；

根据各个关联路段的车辆数量，从预设的拥堵指数映射表中分别确定所述各个关联路段的拥堵指数。

8.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的路段拥堵测量方法的步骤。

9.一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至6中任一项所述的路段拥堵测量方法的步骤。

说明书

一种路段拥堵测量方法、装置、计算机设备及存储介质

技术领域

[0001] 本申请涉及人工智能技术领域，具体涉及交通道路拥堵预测技术领域，尤其涉及一种路段拥堵测量方法、装置、计算机设备及存储介质。

背景技术

[0002] 道路卡口指的是分布在道路口用于采集车辆信息数据的电子装置，道路口的电子眼是所述道路卡口的一种，道路卡口采用光电技术、图像处理技术和模式识别技术等采集过往的每一辆车辆的图像等信息数据。

[0003] 道路卡口采集到的车辆的信息数据保存在车流量数据库中，通过所述车流量数据库可以准确识别出车辆，还可以获取在单位时间内通过一个路段的车量数。

[0004] 目前市面上的主流地图软件包括百度、高德，这些软件判断道路是否拥堵的方式，几乎都是通过布设很多的信息节点，通过出租车、公交车、用户app等传送的信息去判断实时路况，还没有通过过车记录数据去判断路况的解决方案。

发明内容

[0005] 本申请实施例的目的在于提出一种路段拥堵测量方法、装置、计算机设备及存储介质，通过道路卡口采集待预测路段及其关联路段的过车记录数据，根据过车记录数据来确定所述待预测路段未来的拥堵状况。

[0006] 为了解决上述技术问题，本申请实施例提供一种路段拥堵测量方法，采用了如下所述的技术方案：

[0007] 一种路段拥堵测量方法，包括下述步骤：

[0008] 从车流量数据库中提取待预测路段及其关联路段入口处和出口处设置的道路卡口上报的过车记录数据，其中，所述关联路段为所述待预测路段所有的连通路段且所述关联路段与所述待预测路段行进路径方向相同；

[0009] 根据所述过车记录数据，获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量；

[0010] 根据所述关联路段与所述待预测路段上的车流量计算各个关联路段对所述待预测路段拥堵的拥堵权重；

[0011] 根据各个关联路段的车辆数量分别计算所述各个关联路段的拥堵指数；

[0012] 根据所述各关联路段对所述待预测路段拥堵的拥堵权重和所述各关联路段的拥堵指数计算所述待预测路段的拥堵预测值；

[0013] 根据所述拥堵预测值与预设的拥堵阈值的大小关系确定所述待预测路段的拥堵状况。

[0014] 进一步，所述过车记录数据包括卡口信息、车牌信息和时间信息；所述从车流量数据库中提取待预测路段及其关联路段入口处和出口处设置的道路卡口上报的过车记录数据具体包括以下步骤：

[0015] 获取所述待预测路段及其所有关联路段的所有卡口信息；

[0016] 基于所述卡口信息，获取其对应的道路卡口经过车辆的车牌信息以及车辆通过的时间信息。

[0017] 进一步，所述获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量具体包括：

[0018] 根据所述关联路段与所述待预测路段所述预定时间段内的入口处道路卡口上报的过车记录数据所包括的车牌信息数量减去出口处道路卡口上报的过车记录数据所包括的车牌信息数量，分别确定所述关联路段与所述待预测路段的车辆数量；

[0019] 根据所述关联路段与所述待预测路段上所述预定时间段内的车辆数量与所述预定时间的比值分别确定所述预定时间段内所述关联路段与所述待预测路段上的车流量。

[0020] 进一步，所述获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量具体包括:

[0021] 根据所述关联路段与所述待预测路段所述预定时间段内的入口处道路卡口上报的过车记录数据所包括的车牌信息数量减去出口处道路卡口上报的过车记录数据所包括的车牌信息数量，分别确定所述关联路段与所述待预测路段的车辆数量；

[0022] 根据所述关联路段与所述待预测路段入口处和出口处的道路卡口上报的过车记录数据所包括的车牌信息的数量与所述预定时间的比值，分别确定所述预定时间段内所述关联路段与所述待预测路段上的车流量。

[0023] 进一步，所述根据各个关联路段的车辆数量分别计算所述各个关联路段的拥堵指数具体包括：

[0024] 根据各个关联路段的车辆数量，从预设的拥堵指数映射表中分别确定所述各个关联路段的拥堵指数，所述拥堵指数映射表包含不同车辆数量及车辆数量对应的拥堵指数。

[0025] 进一步，所述根据所述关联路段与所述待预测路段上的车流量计算各个关联路段对所述待预测路段拥堵的拥堵权重具体包括：

[0026] 根据以下公式计算所述各关联路段对所述待预测路段的拥堵权重：

[0027]

[0028] 其中，Qi表示第i个关联路段对所述待预测路段的拥堵权重，D表示所述待预测路段的车流量，Ci表示第i个关联路段的车流量，n为关联路段的总数量，i和n均为大于等于1的整数。

[0029] 进一步，所述根据所述各关联路段对所述待预测路段拥堵的拥堵权重和所述各关联路段的拥堵指数计算所述待预测路段的拥堵预测值包括：

[0030] 根据以下公式计算所述待预测路段的拥堵预测值：

[0031]

[0032] 其中，Y为所述拥堵预测值，Qi表示第i个关联路段对所述待预测路段的拥堵权重，Gi表示第i个关联路段的拥堵指数，n为关联路段的总数量，i和n均为大于等于1的整数。

[0033] 为了解决上述技术问题，本申请实施例提供一种路段拥堵测量装置，采用了如下所述的技术方案：

[0034] 一种路段拥堵测量装置，包括：

[0035] 数据提取模块，用于从车流量数据库中提取待预测路段及其关联路段入口处和出口处设置的道路卡口上报的过车记录数据，其中，所述关联路段为所述待预测路段所有的连通路段且所述关联路段与所述待预测路段行进路径方向相同；

[0036] 获取模块，用于根据所述过车记录数据，获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量；

[0037] 拥堵权重计算模块，用于根据所述关联路段与所述待预测路段上的车流量计算各个关联路段对所述待预测路段拥堵的拥堵权重；

[0038] 拥堵指数计算模块，用于根据各个关联路段的车辆数量分别计算所述各个关联路段的拥堵指数；

[0039] 拥堵预测值计算模块，用于根据所述各关联路段对所述待预测路段拥堵的拥堵权重和所述各关联路段的拥堵指数计算所述待预测路段的拥堵预测值；

[0040] 拥堵判断模块，用于根据所述拥堵预测值与预设的拥堵阈值的大小关系确定所述待预测路段的拥堵状况。

[0041] 为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

[0042] 一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述的路段拥堵测量方法的步骤。

[0043] 为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

[0044] 一种计算机可读存储介质，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上述所述的路段拥堵测量方法的步骤。

[0045] 与现有技术相比，本申请实施例主要有以下有益效果：

[0046] 本申请实施例提供一种路段拥堵测量方法、装置、计算机设备及存储介质，通过道路卡口采集待预测路段及其关联路段的过车记录数据，并对过车记录数据进行处理，计算各个关联路段的拥堵指数以及对待预测路段造成的拥堵权重进而计算出所述待预测路段的拥堵预测值，根据该拥堵预测值与预设的拥堵阈值的大小关系确定所述待预测路段未来的拥堵状况。本申请基于待预测道路的实际车辆情况预测道路未来的拥堵情况，数据准确度高，预测结果精确率高。

附图说明

[0047] 为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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。

[0048] 图1是本申请可以应用于其中的示例性系统架构图；

[0049] 图2根据本申请的路段拥堵测量方法的一个实施例的流程图；

[0050] 图3是图2中步骤202的一种具体实施方式的流程图；

[0051] 图4是本申请的一种路段的示意图；

[0052] 图5是图2中步骤202的一种具体实施方式的流程图；

[0053] 图6根据本申请的路段拥堵测量装置的一个实施例的结构示意图；

[0054] 图7是根据本申请的计算机设备的一个实施例的结构示意图。

具体实施方式

[0055] 除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

[0056] 在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

[0057] 为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

[0058] 如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

[0059] 用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

[0060] 终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于用户设备、网络设备或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备其包括但不限于任何一种可与用户通过触摸板进行人机交互的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如android操作系统、IOS操作系统等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。当然，本领域技术人员应能理解上述终端设备仅为举例，其他现有的或今后可能出现的终端设备如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

[0061] 服务器105可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。其也可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

[0062] 需要说明的是，本申请实施例所提供的路段拥堵测量方法一般由服务器执行，相应地，路段拥堵测量装置一般设置于服务器中。

[0063] 应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

[0064] 继续参考图2，示出了根据本申请的一种路段拥堵测量方法的一个实施例的流程图。所述的路段拥堵测量方法，包括以下步骤。

[0065] 步骤201，从车流量数据库中提取待预测路段及其关联路段入口处和出口处设置的道路卡口上报的过车记录数据。

[0066] 在本实施例中，路段拥堵测量方法运行于其上的电子设备(例如图1所示的终端设备)可以通过有线连接方式或者无线连接方式提取待预测路段及其关联路段在入口处和出口处设置道路卡口上报的过车记录数据。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

[0067] 具体的，所述关联路段为所述待预测路段的连通路段，其与所述待预测路段直接连通，并且有车流量加入所述待预测路段，或者能够分流所述待预测路段的车流量。在本申请中，待预测路段和关联路段应当理解成具有方向性，并且至少两条以上，一条用于车辆汇入所述待预测路段，一条用于车辆驶出所述待预测路段，本申请实施例测量的是同方向的车流，即所述关联路段与所述待预测路段行进路径方向相同的车流。

[0068] 进一步地，所述道路卡口设置在所述待预测路段与所述关联路段的入口以及出口，所述道路卡口包括但不限于电子眼、视频设备(如DVR，Digital Video Recorder硬盘录像机)等其他监控设备，所述道路卡口采用光电技术、图像处理技术和模式识别技术等采集过往的每一辆车辆的图像等信息数据，采集到的车辆的信息数据保存在车流量数据库中。通过所述车流量数据库可以识别出车辆，还可以获取在单位时间内通过一个路段的车量数。

[0069] 请参阅图3，图中示出步骤201一个实施方式的流程图，步骤201，提取待预测路段及其关联路段入口处和出口处设置的道路卡口上报的过车记录数据，包括以下步骤。

[0070] 步骤2011：获取待预测路段及其所有关联路段的所有卡口信息。

[0071] 步骤2012：基于卡口信息，获取其对应的道路卡口经过车辆的车牌信息以及车辆通过的时间信息。

[0072] 在本实施例中，所述过车记录数据包括卡口信息、车牌信息和时间信息，其中，所述卡口信息包括所述道路卡口的卡口编号和位置信息，所述卡口编号用于唯一标识道路卡口，所述位置信息用于记载所述道路卡口的位置。所述车牌信息包括车牌号码，作为本实施例中车辆唯一性特征，用于识别车辆。所述时间信息是指所述车辆通过所述道路卡口的具体时间。

[0073] 进一步地，将获取的过车记录数据保存至数据库中，并且所述卡口信息、车牌信息和时间信息之间建立映射关系。具体地，本实施例根据所述位置信息获取所述卡口信息获取待预测路段及其所有关联路段的所有卡口信息，进一步以卡口信息为过滤条件，获取所有相关所述道路卡口的过车记录数据，获取信息具体如表1所示。基于获取的信息可进一步根据预设的条件提取过车记录数据。

[0074] 表1

[0075] 卡口编号 车牌号码 出现时间025 X.A55689 2018年1月1日-7:12am
025 X.A56214 2018年1月1日-7:15am
026 X.A55689 2018年1月1日-7:30am
026 X.P21463 2018年1月1日-7:21am
031 X.A55689 2018年1月1日-7:45am
031 X.P21463 2018年1月1日-7:33am
014 X.A55689 2018年1月1日-7:59am
014 X.P21463 2018年1月1日-7:43am

[0076] 本实施例针对不同的时间段的行车量对待预测路口进行预测分析，具体的，本实施例提取相对应时间段的获取所述待预测路段和所述关联路段的道路卡口的数据。在提取所述过车记录数据时，首先预置获取过车记录数据的起始时间和终点时间，然后根据所述起始时间和所述终点时间获取待预测路段各个道路卡口的过车记录数据和所有关联路段各个道路卡口的过车记录数据。例如，如果预置的获取过车记录数据的起始时间为早上7:00，终点时间为早上10：00，则获取早上7:00至早上10：00道路卡口记录的过车记录数据。

[0077] 以图4所示道路为例，若设置的时间为7:00-10：00，则获取图中待预测路段以及关联路段Ⅰ、关联路段Ⅱ、关联路段Ⅲ以及关联路段Ⅳ各个道路卡口在早上7:00至早上10：00记录的过车记录数据。

[0078] 需要说明的是，可以预置多个所述起始时间和多个所述终点时间，形成多个时间段，分别在每一个时间段内获取待预测路段各个道路卡口的过车记录数据和关联路段各个道路卡口的过车记录数据。

[0079] 步骤202：根据过车记录数据，获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量。

[0080] 在本实施例中，通过所述车辆的车牌信息对各个道路卡口的过车记录数据对车辆进行识别，所述时间信息记载所述车辆出现在各个道路卡口的出现时间，即本实施例在所述车辆信息通过某一个道路卡口时，记录识别车辆在该道路卡口的出现时间。进一步地，所述位置信息将所述道路卡口在所述待预测路段或所述关联路段中的位置进行关联，从而确定被识别出的车辆在所述待预测路段或所述关联路段中的位置。具体地，本实施例是将卡口编号与所述待预测路段或所述关联路段进行关联。

[0081] 请参阅图5，图中示出步骤202的一个实施方式的流程图，步骤202，根据所述过车记录数据，获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量可以如下所述。

[0082] 当识别出任一车辆时，获取该车辆的经过所述道路卡口的时间信息和该道路卡口的卡口编号，并对于获取到的同一车辆的所有出现时间按照时间的先后进行排序。对同一车辆的过车记录数据按照时间顺序排列，其所有出现时间对应的卡口编号的排序与其所述所有出现时间的排序对应，例如，如下述表2所示。

[0083] 表2

[0084]

[0085] 以表2所示车辆X.A55689为例，其所有出现时间对应的卡口编号的排序为025其所有出现时间对应的卡口。卡口编号025、026、031、014对应的道路卡口在所述待预测路段、所述关联路段Ⅰ、所述关联路段Ⅳ中的位置如图4中所示。。

[0086] 步骤2021：根据所述关联路段与所述待预测路段所述预定时间段内的入口处道路卡口上报的过车记录数据所包括的车牌信息数量减去出口处道路卡口上报的过车记录数据所包括的车牌信息数量，分别确定所述关联路段与所述待预测路段的车辆数量。

[0087] 由于仅仅在每条关联路段与所述待预测路段的入口处和出口处设置有道路卡口，即在两条路段的交界处设置道路卡口，所以，对于每个路段的相同方向路径，如果在预定时间内一辆车的车牌信息仅仅在入口处的道路卡口有记录而在出口处的道路卡口没有记录，说明该车在该路段行走，因此，可以分别根据所述关联路段与所述待预测路段所述预定时间段内的入口处道路卡口上报的过车记录数据所包括的车牌信息数量减去出口处道路卡口上报的过车记录数据所包括的车牌信息数量确定所述关联路段与所述待预测路段的车辆数量。为避免遗漏计算在所述预定时间开始之前进入路段而在预定时间截止时还没有驶出该路段的车辆，可选地，所述预定时间根据该路段的距离设置，例如对于1000米的路段，所述预定时间可以设置1小时。

[0088] 步骤2022：根据所述关联路段与所述待预测路段上所述预定时间段内的车辆数量与所述预定时间的比值分别确定所述预定时间段内所述关联路段与所述待预测路段上的车流量。

[0089] 其中，所述根据所述关联路段与所述待预测路段上所述预定时间段内的车辆数量与所述预定时间的比值分别确定所述预定时间段内所述关联路段与所述待预测路段上的车流量可以通过如下公式实现：：

[0090] 车流量＝车辆数量/预定时间

[0091] 在本申请的另一实施例中，针对所述关联路段与所述待预测路段的任意一个路段，也可以分别计算该路段的入口处和出口处的车流量，即根据该路段入口处和出口处的道路卡口上报的过车记录数据所包括的车牌信息的数量，计算单位时间通过的车辆数，即根据如下公式计算：

[0092] 车流量＝卡口通过车辆数/预定时间

[0093] 通过卡口通过车辆数来计算所述关联路段与所述待预测路段的车流量时，既可以将所述关联路段与所述待预测路段各自的入口处或出口处的车流量分别作为所述关联路段与所述待预测路段的车流量，也可以将所述关联路段与所述待预测路段各自的入口处和出口处的车流量的平均值分别作为所述关联路段与所述待预测路段的车流量，本实施例并不限制。

[0094] 在本申请的另一实施例中，还可以获取所述预定时间段内各关联路段的车辆行进速度，例如，基于车牌信息识别各个关联路段的车辆并根据各个关联路段的每个车辆经过同一关联路段的入口和出口两个道路卡口的时间信息和该两个道路卡口之间的距离计算每辆车辆的车速，根据各个关联路段上所有车辆的车速分别计算各个关联路段的车辆行进速度。

[0095] 例如，计算各个关联路段的所有车辆的平均车辆行进速度，即根据如下公式各个关联路段的车辆行进速度：

[0096]

[0097] 其中，V为一个关联路段的平均车辆行进速度，vi为该关联路段的第i个车辆的车辆行进速度，n为该关联路段的所有车辆的数量。

[0098] 例如，针对表2中的车辆X.A55689，可以在预置的地图数据中调取卡口编号025、026、031、014对应的道路卡口的距离，例如，卡口编号025与卡口编号026对应的道路卡口的距离为l1，卡口编号026与卡口编号031对应的道路卡口的距离为l2，卡口编号031与卡口编号014对应的道路卡口的距离为l3，则车辆在所述待预测路段、所述关联路段Ⅰ、所述关联路段Ⅳ中的路程为l1+l2+l3。然后可以应用多种计算方式计算所述同一车辆在所述待预测路段和至少一个所述关联路段中的行进速度。

[0099] 在本实施例的一种可选方式中，分段求取所述同一车辆在相邻两个道路卡口之间的速度。例如，用l1除以第一个出现时间(2018年1月1日-7:12AM)与第二个出现时间(2018年1月1日-7:30AM)之间的时间差得到的速度v1，l2除以第二个出现时间(2018年1月1日-7:30AM)与第三个出现时间(2018年1月1日-7:45AM)之间的时间差得到的速度v2，以及l3除以第三个出现时间(2018年1月1日-7:45AM)与第四个出现时间(2018年1月1日-7:59AM)之间的时间差得到的速度v3，然后在计算v1、v2和v3的平均速度值，则该平均速度值即为该车在该路段的行车速度。

[0100] 步骤203：计算各个关联路段对所述待预测路段拥堵的拥堵权重。

[0101] 例如，根据所述关联路段与所述待预测路段上的车流量计算各个关联路段对所述待预测路段拥堵的拥堵权重。

[0102] 在本申请的一些实施例中，可以采用时间维度上的神经网络模型对获得的车辆数据进行分析。所述时间维度上的神经网络模型能够处理时间序列数据，所述时间序列数据指的是按照时间的顺序收集到的数据。在本申请中，获得道路卡口采集的过车记录数据实质上是按照时间的顺序表示的。例如，所述过车记录数据按照时间的顺序表示成【出现时间】+【卡口编号】：【2018年1月1日-7:12AM】+【025】、【2018年1月1日-7:30AM】+【026】、【2018年1月1日-7:45AM】+【031】、【2018年1月1日-7:59AM】+【014】。

[0103] 如图4中所示，带箭头的虚线部分示意了进入所述待预测路段的车流轨迹和从所述待预测路段流出的车流轨迹。带箭头的实线部分示意了不进入所述待预测路段但会对所述待预测路段的拥堵状况产生影响的车流轨迹，即所述关联路段Ⅰ和所述关联路段Ⅱ的拥堵状况会影响进入所述待预测路段的车流量。当所述关联路段Ⅰ和所述关联路段Ⅱ进入所述待预测路段的车流量增加，所述待预测路段的拥堵状况取决于从所述待预测路段流出至所述关联路段Ⅲ和所述关联路段Ⅳ的车流量。所述关联路段Ⅲ和所述关联路段Ⅳ的拥堵状况会影响从所述待预测路段流出的车流量。

[0104] 各关联路段对所述待预测路段拥堵的权重取决于：(1)对于向所述待预测路段输入车流量的关联路段(例如，所述关联路段Ⅰ和所述关联路段Ⅱ)，其对所述待预测路段拥堵的权重取决于其向所述待预测路段输入车流量，当所述关联路段向所述待预测路段输入车流量越大，其对所述待预测路段拥堵的权重就越大。(2)对于从所述待预测路段分流车流量的关联路段(例如，所述关联路段Ⅲ和所述关联路段Ⅳ)，其对所述待预测路段拥堵的权重取决于从所述待预测路段输出至所述关联路段的车流量，当从所述待预测路段输出至所述关联路段的车流量越大时，其对所述待预测路段拥堵的权重就越大。

[0105] 例如，根据以下公式计算所述各关联路段对所述待预测路段的拥堵权重：

[0106]

[0107] 其中，Qi表示第i个关联路段对所述待预测路段的拥堵权重，D表示所述待预测路段的车流量，Ci表示第i个关联路段的车流量，n为关联路段的总数量，i和n均为大于等于1的整数。

[0108] 需要说明的是，所述各关联路段的拥堵权重在不同时间段会有变化，其变化的主要原因与车流量有关。由于在不同的时间段车流量是不一样的，因此不同时间段各关联路段的拥堵权重也会发生变化，所以，所述各关联路段的拥堵权重是计算预定时间段的拥堵权重。

[0109] 步骤204：根据各个关联路段的车辆数量分别计算所述各个关联路段的拥堵指数。

[0110] 在本实施例中，在预定时间段内，根据各个关联路段的车辆数量与从预设的拥堵指数映射表中分别确定所述各个关联路段的拥堵指数，所述拥堵指数映射表包含不同车辆数量及车辆数量对应的拥堵指数，因此，根据所述车辆数量可快速查找出各关联路段的拥堵指数，例如，所述辆数量与拥堵指数映射表可以如下表3：

[0111] 表3

[0112]车辆数量 拥堵指数
10 0.1
20 0.2
30 0.3
……  
100 1

[0113] 其中，所述拥堵指数映射表中的拥堵指数可以根据路段距离进行设置，例如1000米，可以设置30辆车辆的拥堵指数为0.1，依次类推，在此不再赘述。

[0114] 步骤205：根据所述各关联路段对所述待预测路段拥堵的拥堵权重和所述各关联路段的拥堵指数计算所述待预测路段的拥堵预测值。

[0115] 在本实施例中，由于在不同的时间段所述各关联路段对所述待预测路段拥堵的拥堵权重不一样，而且在不同的时间段所述各关联路段的拥堵指数也不一样。因此对所述待预测路段的拥堵状况进行预测时所述各关联路段对所述待预测路段拥堵的拥堵权重和所述各关联路段的拥堵指数要根据不同的时间段来取值。具体的，在进行预测时，获取所述待预测路段当前所处的时间段，据所述待预测路段当前所处的时间信息选取与当前所处的时间信息匹配的所述各关联路段对所述待预测路段拥堵的权重，基于待预测道路的实际车辆情况预测道路未来的拥堵情况，数据准确度高，预测结果精确率高堵权重和所述各关联路段的拥堵指数需要更新，并替换现有的拥堵权重和拥堵指数。

[0116] 例如，基于所述拥堵权重和拥堵指数，根据公式 得出所述待预测路段的拥堵预测值，其中，Y为所述拥堵预测值，Qi表示第i个关联路段对所述待预测路段的拥堵权重，Gi表示第i个关联路段的拥堵指数，n为关联路段的总数量，i和n均为大于等于1的整数。

[0117] 步骤206：根据所述拥堵预测值与预设的拥堵阈值的大小关系确定所述待预测路段的拥堵状况。

[0118] 例如，当所述拥堵预测值大于等于所述待预测路段的预设的拥堵指数阈值时，确定所述待预测路段将会产生拥堵，当所述拥堵预测值小于所述待预测路段的拥堵指数阈值时，确定所述待预测路段将不会发生拥堵，而是会畅通。

[0119] 在本申请的另一实施例中，还可以设置多个拥堵指数阈值范围与拥堵等级映射关系表，根据所述拥堵预测值处于那个拥堵指数阈值范围来确定所述待预测路段的拥堵等级，例如，如下表4所示。

[0120] 表4

[0121]拥堵指数阈值 拥堵等级
1-20 第一级
21-50 第二级
50-100 第三级
>100 第四级

[0122] 本申请通过道路卡口采集待预测路段及其关联路段的过车记录数据，并对过车记录数据进行处理，计算各个关联路段的拥堵指数以及对待预测路段造成的拥堵权重进而预测出所述待预测路段未来的拥堵状况，本申请实施例基于待预测道路的实际车辆情况预测道路未来的拥堵情况，数据准确度高，预测结果精确率高。

[0123] 为解决上述技术问题，本申请实施例还提供与图2所示方法路段拥堵测量方法对应装置的一个实施例的示意图，具体请参阅图6，图6为本实施例路段拥堵测量装置的结构示意图。

[0124] 所述路段拥堵预测600包括数据提取模块601，获取模块602，拥堵权重计算模块603，拥堵指数计算模块604、拥堵预测值计算模块605和拥堵判断模块606，其中，所述数据提取模块601、所述获取模块602、所述拥堵权重计算模块603、所述拥堵指数计算模块604、所述拥堵预测值计算模块605和所述拥堵判断模块606相互之间通过总线连接，每个模块通过电路、芯片或处理器实现。

[0125] 所述数据提取模块601，用于从车流量数据库中提取待预测路段及其关联路段入口处和出口处设置的道路卡口上报的过车记录数据，其中，所述关联路段为所述待预测路段所有的连通路段且所述关联路段与所述待预测路段行进路径方向相同。

[0126] 例如，所述数据提取模块601用于获取所述待预测路段及其所有关联路段的所有卡口信息，基于所述卡口信息，获取其对应的道路卡口经过车辆的车牌信息以及车辆通过的时间信息，具体可以参考前述方法实施例的步骤201描述的内容，在此不再赘述。

[0127] 所述获取模块602，用于根据所述过车记录数据，获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量。

[0128] 例如，所述获取模块602用于分别根据所述关联路段与所述待预测路段所述预定时间段内的入口处道路卡口上报的过车记录数据所包括的车牌信息数量减去出口处道路卡口上报的过车记录数据所包括的车牌信息数量确定所述关联路段与所述待预测路段的车辆数量。

[0129] 所述获取模块602还用于根据所述关联路段与所述待预测路段上所述预定时间段内的车辆数量与所述预定时间的比值分别确定所述预定时间段内所述关联路段与所述待预测路段上的车流量。

[0130] 所述获取模块602获取预定时间段内所述关联路段与所述待预测路段上的车辆数量和车流量具体可以参考前述方法实施例的步骤202所描述的内容，在此不再赘述。

[0131] 所述拥堵权重计算模块603，用于根据所述关联路段与所述待预测路段上的车流量计算各个关联路段对所述待预测路段拥堵的拥堵权重。

[0132] 例如，所述拥堵权重计算模块603用于根据所述关联路段与所述待预测路段上的车流量计算各个关联路段对所述待预测路段拥堵的拥堵权重时，可以根据以下公式计算所述各关联路段对所述待预测路段的拥堵权重：

[0133]

[0134] 其中，Qi表示第i个关联路段对所述待预测路段的拥堵权重，D表示所述待预测路段的车流量，Ci表示第i个关联路段的车流量，n为关联路段的总数量，i和n均为大于等于1的整数。

[0135] 需要说明的是，所述各关联路段的拥堵权重在不同时间段会有变化，其变化的主要原因与车流量有关。由于在不同的时间段车流量是不一样的，因此不同时间段各关联路段的拥堵权重也会发生变化，所以，所述各关联路段的拥堵权重是计算预定时间段的拥堵权重。

[0136] 所述拥堵权重计算模块603计算所述各关联路段对所述待预测路段的拥堵权重可以参考前述方法实施例的步骤203所描述的内容，在此不再赘述。

[0137] 所述拥堵指数计算模块604，用于根据各个关联路段的车辆数量分别计算所述各个关联路段的拥堵指数。

[0138] 例如，所述拥堵指数计算模块604用于在预定时间段内，根据各个关联路段的车辆数量与从预设的拥堵指数映射表中分别确定所述各个关联路段的拥堵指数，所述拥堵指数映射表包含不同车辆数量及车辆数量对应的拥堵指数，因此，根据所述车辆数量可快速查找出各关联路段的拥堵指数。

[0139] 所述拥堵指数映射表的定义可以参考前述方法实施例步骤204所描述的内容，在此不再赘述。

[0140] 所述拥堵预测值计算模块605，用于根据所述各关联路段对所述待预测路段拥堵的拥堵权重和所述各关联路段的拥堵指数计算所述待预测路段的拥堵预测值。

[0141] 例如，所述拥堵预测值计算模块605用于根据以下公式计算所述待预测路段的拥堵预测值：

[0142]

[0143] 其中，Y为所述拥堵预测值，Qi表示第i个关联路段对所述待预测路段的拥堵权重，Gi表示第i个关联路段的拥堵指数，n为关联路段的总数量，i和n均为大于等于1的整数。

[0144] 所述拥堵预测值计算模块605计算所述待预测路段的拥堵预测值的具体过程可以参考前述方法实施例步骤205所描述的内容，在此不再赘述。

[0145] 所述拥堵判断模块606，用于根据所述拥堵预测值与预设的拥堵阈值的大小关系确定所述待预测路段的拥堵状况。

[0146] 例如，当所述拥堵判断模块606判断所述拥堵预测值大于等于所述待预测路段的拥堵指数阈值时，确定所述待预测路段将会产生拥堵，当判断所述拥堵预测值小于所述待预测路段的拥堵指数阈值时，确定所述待预测路段将不会发生拥堵，而是会畅通。

[0147] 在本申请的另一实施例中，还可以设置多个拥堵指数阈值范围与拥堵等级映射关系表，所述拥堵判断模块606用于根据所述拥堵预测值处于那个拥堵指数阈值范围来确定所述待预测路段的拥堵等级。

[0148] 所述拥堵判断模块606判断拥堵状况的过程，可以如上述方法实施例的步骤206所述，在此不再赘述。

[0149] 本申请通过道路卡口采集待预测路段及其关联路段的过车记录数据，并对过车记录数据进行处理，计算各个关联路段的拥堵指数以及对待预测路段造成的拥堵权重进而预测出所述待预测路段未来的拥堵状况，本申请实施例基于待预测道路的实际车辆情况预测道路未来的拥堵情况，数据准确度高，预测结果精确率高。

[0150] 为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图7，图7为本实施例计算机设备基本结构框图。

[0151] 所述计算机设备7包括通过系统总线相互通信连接存储器71、处理器72、网络接口73。需要指出的是，图中仅示出了具有组件71-73的计算机设备7，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

[0152] 所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

[0153] 所述存储器71至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器71可以是所述计算机设备7的内部存储单元，例如该计算机设备7的硬盘或内存。在另一些实施例中，所述存储器71也可以是所述计算机设备7的外部存储设备，例如该计算机设备7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器71还可以既包括所述计算机设备7的内部存储单元也包括其外部存储设备。本实施例中，所述存储器71通常用于存储安装于所述计算机设备7的操作系统和各类应用软件，例如路段拥堵测量方法的程序代码等。此外，所述存储器71还可以用于暂时地存储已经输出或者将要输出的各类数据。

[0154] 所述处理器72在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器72通常用于控制所述计算机设备7的总体操作。本实施例中，所述处理器72用于运行所述存储器71中存储的程序代码或者处理数据，例如运行所述路段拥堵测量方法的程序代码。

[0155] 所述网络接口73可包括无线网络接口或有线网络接口，该网络接口73通常用于在所述计算机设备7与其他电子设备之间建立通信连接。

[0156] 本申请还提供了另一种实施方式，即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物流投保程序，所述物流投保程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的路段拥堵测量方法的步骤。

[0157] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

[0158] 显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。