[發明專利]交通流高峰識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 201810411904.1
• 申請日: 2018-05-02
• 公開（公告）號: CN110444011B
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 葉賽敏
• 申請（專利權）人: 杭州海康威視系統技術有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 祁獻民

1.一種交通流高峰識別方法，其特征在于，包括：

獲取當前時間段內的交通流數據；

根據獲取的當前時間段內的交通流數據，通過相似度計算，判斷所述當前時間段內的交通流數據是否與高峰時段所對應的時變模式相匹配；其中，所述時變模式通過對交通流歷史數據進行交通流時變模式提取獲得；

若所述當前時段內的交通流數據與高峰時段所對應的時變模式相匹配，則確定當前時間段為交通流高峰時段；

其中，對交通流歷史數據進行交通流時變模式提取獲得時變模式包括：

將第一參數的歷史時間序列數據做時序分割處理，得到第一參數的時序分割子序列；

將第二參數的歷史時間序列數據做時序分割處理，得到第二參數的時序分割子序列；其中，所述第二參數的時序分割子序列中子序列的個數，與所述第一參數的時序分割子序列中子序列的個數相等，所述第二參數的時序分割子序列中子序列的寬度，與所述第一參數的時序分割子序列中子序列的寬度相等；

根據第一參數的時序分割子序列和第二參數的時序分割子序列，計算第一參數的時序分割子序列和第二參數的時序分割子序列中對應的每個子序列的CRQA指數；

將每個子序列的CRQA指數作為特征向量，組合得到向量集合，其中，所述CRQA指數包括遞歸度REC、確定率DET、香農熵ENTROPY、最長對角線LMAX、趨勢TREND；

通過譜聚類模型對所述向量集合做聚類分析，得到與交通流高峰時段相匹配的交通流時變模式；

其中，所述第一參數為流量，所述第二參數為速度。

2.根據權利要求1所述的交通流高峰識別方法，其特征在于，所述交通流歷史數據根據如下方式獲得：

從存儲交通流參數基礎數據的數據庫中，獲取第一參數的歷史數據和第二參數的歷史數據；其中，所述第一參數和第二參數為能夠反映交通流量變化規律的參數。

3.根據權利要求2所述的交通流高峰識別方法，其特征在于，在獲取交通流歷史數據之后，所述方法還包括：

對獲取的交通流歷史數據進行篩選，篩選出監測路段在指定時間長度內的第一參數的歷史數據和第二參數的歷史數據，其中所述指定時間長度內該路段出現過高峰時段；

將篩選出的第一參數的歷史數據和第二參數的歷史數據，分別按第一時間步長進行換算，得到相同時間步長的第一參數的歷史時間序列數據和第二參數的歷史時間序列數據。

4.根據權利要求1所述的交通流高峰識別方法，其特征在于，所述通過譜聚類模型對所述向量集合做聚類分析，得到與交通流高峰時段相匹配的交通流時變模式包括：

通過譜聚類模型對向量集合做聚類分析，將結果分為至少兩種模式，所述至少兩種模式包括對應于交通流高峰時段的模式和對應于非交通流高峰時段的模式。

5.根據權利要求1所述的交通流高峰識別方法，其特征在于，所述獲取當前時間段內的交通流數據包括：

從存儲交通流參數基礎數據的數據庫中，獲取當前時間段內所述第一參數的當前數據和所述第二參數的當前數據。

6.根據權利要求5所述的交通流高峰識別方法，其特征在于，在獲取當前時間段內的交通流數據之后，所述方法還包括：

將所述第一參數的當前數據和第二參數的當前數據，分別按第二時間步長進行換算，得到相同時間步長的第一參數的當前時間序列數據和第二參數的當前時間序列數據；

其中，所述根據獲取的當前時間段內的交通流數據，通過相似度計算，判斷所述當前時間段內的交通流數據是否與高峰時段所對應的時變模式相匹配包括：

根據第一參數的當前時間序列數據和第二參數的當前時間序列數據，計算CRQA指數；

將計算得到的CRQA指數作為特征向量，分別計算該特征向量與各個模式類中心的歐氏距離；

判斷該特征向量與高峰時段所對應的時變模式的類中心的歐氏距離，相對于該特征向量與非高峰時段所對應的時變模式的類中心的歐氏距離是否為最短，若為最短，則確定所述當前時間段內的交通流數據與高峰時段所對應的時變模式相匹配。