道路车流量估算方法、装置、电子设备及存储介质与流程

1.本公开涉及道路流量监测技术领域，尤其涉及一种道路流量估算方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着社会和经济的发展，都市车辆总量急剧增加，道路环境日趋复杂。为有效管理道路车辆运行，监控道路污染物排放情况，对道路车流量进行监测和评估是一种重要方式。
3.除采用人工对道路车流量进行计数外，数值模型和计算机视觉等方法是当前较为主流的方法。在模型估算方面，前人已经开发了多种用于估计和预测交通流量的分析模型，其中一类为基于统计学的模型，如历史均值模型、时间序列模型、贝叶斯网络、马尔科夫链等，另一类是基于机器学习的模型，如支持向量机模型、长短期记忆模型和卷积神经网络模型等。计算机视觉则是利用算法，通过大数据喂养相关模型，使计算机可以通过图像分辨、识别道路车辆，并进行道路车流量计数。
4.上述两类方法均可以实现对道路车流量的估算和短期预测，但是也存在一定的缺陷，如基于统计方法的模型大多只能用于解决线性相关的问题，而现实中车流量变化普遍呈非线性关系，因而往往无法得到良好的预测效果；计算机视觉方法往往需要依赖海量数据用以模型训练，在时间和空间成本方面要求较高，此外该方法还需要长时间连续观测的道路车流量图像数据，往往需要耗费大量的财力物力人力才可实现，且尚无法做到全时段全面覆盖。


技术实现要素：

5.鉴于上述问题，本发明提供了一种道路流量估算方法，以解决至少部分上述问题。
6.本公开的一个方面提供了一种道路流量估算方法，包括：选取一条道路作为基准监测道路；
7.采集各所述基准监测道路上的道路平均车速和道路车流量；基于所述道路平均车速和所述道路车流量，建立单道车辆流密度模型；将所述单道车辆流密度模型乘以模型修改系数，得到与所述基准监测道路所属同一道路类型的待监测道路的车辆流密度模型；利用所述车流量流密度模型，估算所述待监测道路的道路流量。
8.可选地，所述基于所述道路平均车速和所述道路车流量，建立单道车辆流密度模型包括：令flow表示所述道路车流量，speed表示所述道路平均车速，a、和b均表示模型待估计参数，则所述单道车辆流密度模型为：
9.flow＝a*speed*ln(b/speed)。
10.可选地，所述基于所述道路平均车速和所述道路车流量，建立单道车辆流密度模型还包括：建立所述单道车辆流密度模型的损失函数；
11.以所述道路平均车速和所述道路车流量为训练数据，利用梯度下降法训练所述单道车辆流密度模型，使所述损失函数小于预设阈值，得到所述模型待估计参数的解；基于所
述最优解，得到最优的所述单道车辆流密度模型。
12.可选地，所述道路平均车速和所述道路车流量按照采集时间段分为多组所述训练数据，分别用于训练所述单道车辆流密度模型，得到不同时间段对应的所述模型待估参数。
13.可选地，所述模型修改系数包括公路校准系数和车道数，所述将所述单道车辆流密度模型乘以模型修改系数，得到与所述基准监测道路所属同一道路类型的待监测道路的车辆流密度模型包括：令f表示所述公路校准系数，n表示所述待监测道路的车道数，flow表示单道车辆流密度模型，则所述待监测道路的车辆流密度模型flow为：
14.flow＝flow*f*n。
15.可选地，所述方法还包括：采集所述待监测道路的道路平均车速和道路车流量；以所述道路平均车速和所述道路车流量为训练数据训练所述待监测道路的车辆流密度模型，得到所述公路校准系数。
16.可选地，所述方法还包括：按道路类型将路网中的待监测道路进行分类；从各道路类型的待监测道路中各选取一条道路作为所述基准监测道路；分别建立与各所述基准监测道路对应的单道车辆流密度模型；基于各道路类型的单道车辆流密度模型，获得各道路类型包括的待监测道路各自的所述车流量流密度模型。
17.本公开另一方面提供了一种道路流量估算装置，包括：基准监测道路选择模块，用于选取一条道路作为基准监测道路；数据采集模块，用于采集各所述基准监测道路上的道路平均车速和道路车流量；单道车辆流密度模型获取模块，用于基于所述道路平均车速和所述道路车流量，建立单道车辆流密度模型；待监测道路车辆流密度模型获取模块，用于将所述单道车辆流密度模型乘以模型修改系数，得到与所述基准监测道路所属同一道路类型的待监测道路的车辆流密度模型；道路流量估算模块，用于利用所述车流量流密度模型，估算所述待监测道路的道路流量。
18.本公开的另一个方面提供一种电子设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现第一方面中的任一项所述道路流量估算方法中的各个步骤。
19.本公开的另一个方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现第一方面中的任一项道路流量估算方法中的各个步骤。
20.在本公开实施例采用的上述至少一个技术方案能够达到以下有益效果：
21.本公开通过获取基准道路的运行状况建立单道车辆流密度模型，并基于此获得与基准道路同属类型的其它道路的车辆流密度模型，能够以较小的人力物力成本进行道路车流量的估算和预测，并保证较高的准确度。本方法由于计算量适中，因而具有很好的迁移性和扩展性，可以为后续的流处理计算奠定良好的基础。
附图说明
22.为了更完整地理解本公开及其优势，现在将参考结合附图的以下描述，其中：
23.图1示意性示出了本公开实施例提供的一种道路流量估算方法的流程图；
24.图2示意性示出了本公开实施例提供的一种道路流量估算方法的一个道路流量密度曲线拟合结果；
25.图3示意性示出了本公开实施例提供的一种道路流量估算方法的另一个道路流量密度曲线拟合结果；
26.图4示意性示出了本公开实施例提供的一种道路流量估算装置的结构框图；
27.图5示意性示出了本公开实施例提供的一种电子设备的结构框图。
具体实施方式
28.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
29.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
30.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
31.附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
32.因此，本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本公开的上下文中，计算机可读介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，计算机可读介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读介质的具体示例包括：磁存储装置，如磁带或硬盘(hdd)；光存储装置，如光盘(cd-rom)；存储器，如随机存取存储器(ram)或闪存；和/或有线/无线通信链路。
33.图1示意性示出了本公开实施例提供的一种道路流量估算方法的流程图。
34.如图1所示，本公开实施例提供的一种道路流量估算方法包括步骤s110～s150。
35.s110，取一条道路作为基准监测道路。
36.在本公开实施例中，可预先选取一条道路作为基准监测道路，并建模预测其流量，其它道路以基准监测道路为参考，加入经验值等参考系数，估计其它道路的流量。具体实施方法如步骤s120～s150。
37.可以理解的，基准监测道路为具有代表性的道路，可以为监测路网中的主要道路。
38.s120，采集各所述基准监测道路上的道路平均车速和道路车流量。
39.在本公开实施例中，采集的基准监测道路上的道路平均车速和道路车流量作为训练数据，用于建立单道车辆流密度模型。
40.s130，基于所述道路平均车速和所述道路车流量，建立单道车辆流密度模型。
41.在本公开实施例中，采用underwood模型作为单道车辆流密度模型。
42.令flow表示所述道路车流量，speed表示所述道路平均车速，a、和b均表示模型待估计参数，则所述单道车辆流密度模型为：
43.flow＝a*speed*ln(b/speed)。
44.其中，不同的基准监测道路的道路平均车速和道路车流量之间的定量关系不同，导致a和b不同。模型待估计参数a、和b通过下列步骤训练得到。
45.s 131，建立所述单道车辆流密度模型的损失函数。
46.s132，以所述道路平均车速和所述道路车流量为训练数据，利用梯度下降法训练所述单道车辆流密度模型，使所述损失函数小于预设阈值，得到所述模型待估计参数的解。
47.s 133，基于所述最优解，得到最优的所述单道车辆流密度模型。
48.在本公开实施例中，损失函数表示了利用单道车辆流密度模型的到的道路车流量估计值与道路车流量的实际值的差值，损失越小，则说明模型越好。
49.在本公开实施例中，利用梯度下降法优化模型中的模型待估参数，以使模型的损失将可能降低。优化模型的算法并不仅限定于梯度下降法，也可以是其它相关算法。
50.所述道路平均车速和所述道路车流量按照采集时间段分为多组所述训练数据，分别用于训练所述单道车辆流密度模型，得到不同时间段对应的所述模型待估参数。
51.根据不同时间段的数据，可以得到不同时间段单道车辆流密度模型对应的模型待估计参数a和b，使模型可以根据时间段的变化相应调整模型待估计参数，以更准确细致的预估不同时间段的车流量。
52.s140，将所述单道车辆流密度模型乘以模型修改系数，得到与所述基准监测道路所属同一道路类型的待监测道路的车辆流密度模型。
53.在本公开实施例中，所述模型修改系数包括公路校准系数和车道数。
54.令f表示所述公路校准系数，n表示所述待监测道路的车道数，flow表示单道车辆流密度模型，则待监测道路的车辆流密度模型flow为：
55.flow＝flow*f*n。
56.例如，假设待监测道路为北京附近的高速公路，以北五环天辰桥的道路为基准监测道路，其单道车辆流密度模型为flow
北五环
，则高速公路的车辆流密度模型为：
57.flow
高速公路
＝flow
北五环
*f
高速公路
*n；
58.其中，flow
北五环
＝a
北五环
*speed
北五环
*ln(b
北五环
/speed
北五环
)。
59.在本公开实施例中，公路校准系数可以是技术人员根据经验得到的，也可以是根据待监测道路上的实际数据计算得到的。计算方法包括步骤s141～s142。
60.s141，采集所述待监测道路的道路平均车速和道路车流量。
61.s142，以所述道路平均车速和所述道路车流量为训练数据训练所述待监测道路的车辆流密度模型，得到所述公路校准系数。
62.s150，利用所述车流量流密度模型，估算所述待监测道路的道路流量。
63.在本公开实施例中，在获得待监测道路的车流量流密度模型后，基于北五环天辰桥的道路的平均车速，即可估计待监测道路的道路流量。
64.除了上述方法，所述方法还可以包括如下步骤，以进一步提升模型估计的精度。
65.s210，按道路类型将路网中的待监测道路进行分类。
66.s220，从各道路类型的待监测道路中各选取一条道路作为所述基准监测道路。
67.s230，分别建立与各所述基准监测道路对应的单道车辆流密度模型。
68.s240，基于各道路类型的单道车辆流密度模型，获得各道路类型包括的待监测道路各自的所述车流量流密度模型。
69.通过将道路分类，并分别建立作为基准的单道车辆流密度模型，以使不同类型的待监测道路获取更加精确的模型。具体的，道路分类包括高速公路、城市主要道路、次要道路、乡村公路等，进一步的，城市主要道路包括国道，省道，主要大街、城市快速路等，乡村公路包括乡公路、普通道路、县乡村内部道路等。
70.图2示意性示出了本公开实施例提供的一种道路流量估算方法应用于北京北五环天辰桥流量密度曲线结果，图3示意性示出了本公开实施例提供的一种道路流量估算方法应用于北京西直门文慧桥道路流量密度曲线拟合结果。从图中可以看出，本公开提供的方法可以较好的拟合道路流量密度。
71.图4示意性示出了本公开实施例提供的一种道路流量估算装置的结构框图。
72.如图4所示，本公开实施例提供的一种道路流量估算装置的结构框图包括：基准监测道路选择模块410，数据采集模块420，单道车辆流密度模型获取模块430，待监测道路车辆流密度模型获取模块440，道路流量估算模块450。
73.具体的，基准监测道路选择模块410，用于选取一条道路作为基准监测道路；数据采集模块420，用于采集各所述基准监测道路上的道路平均车速和道路车流量；单道车辆流密度模型获取模块430，用于基于所述道路平均车速和所述道路车流量，建立单道车辆流密度模型；待监测道路车辆流密度模型获取模块440，用于将所述单道车辆流密度模型乘以模型修改系数，得到与所述基准监测道路所属同一道路类型的待监测道路的车辆流密度模型；道路流量估算模块450，用于利用所述车流量流密度模型，估算所述待监测道路的道路流量。
74.优选的，在本公开实施例中，道路流量估算装置还包括道路分类模块。其中，道路分类模块，用于按道路类型将待监测道路分类。将道路分类后，基准监测道路选择模块410从各道路类型的待监测道路中各选取一条道路作为基准监测道路，并分别建立与各所述基准监测道路对应的单道车辆流密度模型，基于各道路类型的单道车辆流密度模型，获得各道路类型包括的待监测道路各自的所述车流量流密度模型，以根据道路类型更加细化车流量流密度模型的类别，提高模型准确度。
75.可以理解的是，道路分类模块、基准监测道路选择模块410、数据采集模块420、单道车辆流密度模型获取模块430、待监测道路车辆流密度模型获取模块440、道路流量估算模块450可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，道路分类模块、基准监测道路选择模块410、数据采集模块420、单道车辆流密度模型获取模块430、待监测道路车辆流密度模型获取模块440、道路流量估算模块450中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，道路分类
模块、基准监测道路选择模块410、数据采集模块420、单道车辆流密度模型获取模块430、待监测道路车辆流密度模型获取模块440、道路流量估算模块450中的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。
76.图5示意性示出了本公开实施例提供的一种电子设备的结构框图。
77.如图5所示，本实施例中所描述的电子设备，包括：电子设备500包括处理器510、计算机可读存储介质520。该电子设备500可以执行上面参考图1描述的方法，以实现对特定操作的检测。
78.具体地，处理器510例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))，等等。处理器510还可以包括用于缓存用途的板载存储器。处理器510可以是用于执行参考图1描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
79.计算机可读存储介质520，例如可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。可读存储介质的具体示例包括：磁存储装置，如磁带或硬盘(hdd)；光存储装置，如光盘(cd-rom)；存储器，如随机存取存储器(ram)或闪存；和/或有线/无线通信链路。
80.计算机可读存储介质520可以包括计算机程序521，该计算机程序521可以包括代码/计算机可执行指令，其在由处理器510执行时使得处理器510执行例如上面结合图1所描述的方法流程及其任何变形。
81.计算机程序521可被配置为具有例如包括计算机程序模块的计算机程序代码。例如，在示例实施例中，计算机程序521中的代码可以包括一个或多个程序模块，例如包括521a、模块521b、......。应当注意，模块的划分方式和个数并不是固定的，本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合，当这些程序模块组合被处理器510执行时，使得处理器510可以执行例如上面结合图1所描述的方法流程及其任何变形。
82.根据本发明的实施例，道路分类模块、基准监测道路选择模块410、数据采集模块420、单道车辆流密度模型获取模块430、待监测道路车辆流密度模型获取模块440、道路流量估算模块450中的至少一个可以实现为参考图5描述的计算机程序模块，其在被处理器510执行时，可以实现上面描述的相应操作。
83.本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
84.本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
85.尽管已经参照本公开的特定示例性实施例示出并描述了本公开，但是本领域技术人员应该理解，在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下，可以对本公开进行形式和细节上的多种改变。因此，本公开的范围不应该限于上述实施例，
而是应该不仅由所附权利要求来进行确定，还由所附权利要求的等同物来进行限定。

技术特征：
1.一种道路流量估算方法，其特征在于，包括：选取一条道路作为基准监测道路；采集各所述基准监测道路上的道路平均车速和道路车流量；基于所述道路平均车速和所述道路车流量，建立单道车辆流密度模型；将所述单道车辆流密度模型乘以模型修改系数，得到与所述基准监测道路所属同一道路类型的待监测道路的车辆流密度模型；利用所述车流量流密度模型，估算所述待监测道路的道路流量。2.根据权利要求1所述的方法，其特征在于，所述基于所述道路平均车速和所述道路车流量，建立单道车辆流密度模型包括：令flow表示所述道路车流量，speed表示所述道路平均车速，a、和b均表示模型待估计参数，则所述单道车辆流密度模型为：flow＝a*speed*ln(b/speed)。3.根据权利要求2所述的方法，其特征在于，所述基于所述道路平均车速和所述道路车流量，建立单道车辆流密度模型还包括：建立所述单道车辆流密度模型的损失函数；以所述道路平均车速和所述道路车流量为训练数据，利用梯度下降法训练所述单道车辆流密度模型，使所述损失函数小于预设阈值，得到所述模型待估计参数的解；基于所述最优解，得到最优的所述单道车辆流密度模型。4.根据权利要求3所述的方法，其特征在于，所述道路平均车速和所述道路车流量按照采集时间段分为多组所述训练数据，分别用于训练所述单道车辆流密度模型，得到不同时间段对应的所述模型待估参数。5.根据权利要求1所述的方法，其特征在于，所述模型修改系数包括公路校准系数和车道数，所述将所述单道车辆流密度模型乘以模型修改系数，得到与所述基准监测道路所属同一道路类型的待监测道路的车辆流密度模型包括：令f表示所述公路校准系数，n表示所述待监测道路的车道数，flow表示单道车辆流密度模型，则所述待监测道路的车辆流密度模型flow为：flow＝flow*f*n。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：采集所述待监测道路的道路平均车速和道路车流量；以所述道路平均车速和所述道路车流量为训练数据训练所述待监测道路的车辆流密度模型，得到所述公路校准系数。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：按道路类型将路网中的待监测道路进行分类；从各道路类型的待监测道路中各选取一条道路作为所述基准监测道路；分别建立与各所述基准监测道路对应的单道车辆流密度模型；基于各道路类型的单道车辆流密度模型，获得各道路类型包括的待监测道路各自的所述车流量流密度模型。8.一种道路流量估算装置，其特征在于，包括：基准监测道路选择模块，用于选取一条道路作为基准监测道路；
数据采集模块，用于采集各所述基准监测道路上的道路平均车速和道路车流量；单道车辆流密度模型获取模块，用于基于所述道路平均车速和所述道路车流量，建立单道车辆流密度模型；待监测道路车辆流密度模型获取模块，用于将所述单道车辆流密度模型乘以模型修改系数，得到与所述基准监测道路所属同一道路类型的待监测道路的车辆流密度模型；道路流量估算模块，用于利用所述车流量流密度模型，估算所述待监测道路的道路流量。9.一种电子设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1至7中的任一项所述道路流量估算方法中的各个步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至7中的任一项道路流量估算方法中的各个步骤。

技术总结
一种道路流量估算方法，包括：按道路类型将待监测道路分类，各道路类型的待监测道路中各选取一条道路作为基准监测道路，采集各基准监测道路上的道路平均车速和道路车流量，基于道路平均车速和道路车流量，建立单道车辆流密度模型，将单道车辆流密度模型乘以模型修改系数，得到与基准监测道路所属同一道路类型的待监测道路的车辆流密度模型，利用车流量流密度模型，估算待监测道路的道路流量。相应的，本公开还提供了一种道路流量估算装置、电子设备及存储介质。本公开提供的方法能够以较小的人力物力成本进行道路车流量的估算和预测，并保证较高的准确度。较高的准确度。较高的准确度。


技术研发人员：杨妍妍 沈秀娥 王蓬睿 冯谦 卢洋 粟京平 刘保献
受保护的技术使用者：北京市生态环境监测中心
技术研发日：2022.12.26
技术公布日：2023/7/13