一种交通瓶颈的识别方法及识别装置与流程

1.本发明涉及智能交通领域，尤其涉及一种交通瓶颈的识别方法及识别装置。


背景技术：

2.随着智能技术的发展，已经将智能技术引入到对城市交通的管理领域。目前在对城市交通瓶颈进行挖掘时，主要通过浮动车和微波雷达的数据来进行交通瓶颈挖掘。具体的挖掘方法为：首先根据路段的速度对各时段的路段的交通状态进行估计，然后计算路段发生拥堵的总概率和每天的均衡度，最后计算交通瓶颈的严重程度。该挖掘方法在进行路段交通状态估计的时候，直接通过阈值法——当路段速度小于某个阈值时则判定为拥堵。该操作虽然容易，但是忽略了交通环境的动态随机性和拥堵状态的持续性，对真实拥堵状态的判别不顾准确，鲁棒性较差。


技术实现要素：

3.本发明提供了一种交通瓶颈的识别方法及识别装置，以提高对真实拥堵状态判别的准确性，同时使识别方法具有较好的鲁棒性。
4.第一方面，本发明提供了一种交通瓶颈的识别方法，该识别方法包括：
5.获取路网拓扑；
6.采集路网拓扑中每个路段在某个第一设定时长内的过车数据；
7.根据过车数据，判断每个路段在该第一设定时长内是否处于异常状态；
8.如果路段没有处于异常状态，则继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态；
9.如果路段处于异常状态，则累加一次该路段在某个第二设定时长内出现异常状态的次数，继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态；其中，第二设定时长大于第一设定时长；
10.判断第二设定时长结束时，每个路段出现异常状态的次数是否大于预设阈值；
11.如果路段出现异常状态的次数大于预设阈值，则识别该路段为瓶颈路段；
12.如果路段出现异常状态的次数不大于预设阈值，则继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态。
13.在上述的方案中，在判断路段在第一设定时长内处于异常状态之后，还进一步统计第二设定时长内该路段出现异常状态的次数是否大于预设阈值，仅在该路段第二设定时长内出现异常状态的次数大于预设阈值时，才将该路段识别为瓶颈路段，从而考虑到路段交通特征的动态波动性，利用滑动时间窗来识别路网拓扑中的瓶颈路段。即本技术的识别方法，相比现有的方法，考虑由于交通环境的动态随机性导致检测数据指标的波动性，同时在深入分析路段出现拥堵时交通指标变化特点的基础上，采用滑动时间窗来识别比瓶颈路段，能够更准确地识别真实拥堵状态，同时使识别方法具有较好的鲁棒性。
14.在一个具体的实施方式中，根据过车数据，判断每个路段在该第一设定时长内是
否处于异常状态包括：根据过车数据，判断每个路段是否满足：在该第一设定时长内的速度小于预设速度阈值，且在该第一设定时长内的交通饱和度大于预设饱和度阈值；如果该路段满足，则判断该路段处于异常状态；如果该路段不满足，则判断该路段没有处于异常状态。通过既统计每个路段在该第一设定时长内的速度是否满足相应指标，又统计每个路段在该第一设定时长内的交通饱和度是否满足相应指标，从而更加准确的判断每个路段在某个第一设定时长内是否处于异常状态。
15.在一个具体的实施方式中，该识别方法还包括：根据每个瓶颈路段的上下游路段的过车数据，寻找每个瓶颈路段的上游关联路段和下游关联路段，以更加准确的描述真实拥堵状态。
16.在一个具体的实施方式中，根据每个瓶颈路段的上下游路段的过车数据，寻找每个瓶颈路段的上游关联路段包括：根据路网拓扑，获取与每个瓶颈路段通过交叉口相连的所有上游路段；采集每个瓶颈路段的所有上游路段的交通流量；计算每个瓶颈路段的所有上游路段的总交通流量；根据每个瓶颈路段的所有上游路段的总路段数，计算每个瓶颈路段的所有上游路段的平均交通流量；从每个瓶颈路段的所有上游路段中，筛选出交通流量高于平均交通流量的上游路段，视为该瓶颈路段的上游关联路段，以更准确的描述每个瓶颈路段的上游关联路段情况。
17.在一个具体的实施方式中，根据每个瓶颈路段的上下游路段的过车数据，寻找每个瓶颈路段的上游关联路段包括：根据路网拓扑，获取与每个瓶颈路段通过交叉口相连的所有上游路段；采集每个瓶颈路段的所有上游路段的交通流量；从每个瓶颈路段的所有上游路段中，筛选出交通流量最大的上游路段，作为该瓶颈路段的上游关联路段，以更有针对性的描述每个瓶颈路段的上游关联路段情况。
18.在一个具体的实施方式中，根据每个瓶颈路段的上下游路段的过车数据，寻找每个瓶颈路段的下游关联路段包括：根据每个瓶颈路段上的车道转向信息，寻找每个瓶颈路段的下游关联路段，以快速且准确的识别出每个瓶颈路段的下游关联路段。
19.在一个具体的实施方式中，该识别方法还包括：将每个瓶颈路段、以及该瓶颈路段的上游关联路段和下游关联路段，组成一个路段集合，以全面的描述每个瓶颈路段周围的真实拥堵状态。
20.在一个具体的实施方式中，该识别方法还包括：根据路网拓扑，合并存在交集路段的不同路段集合为一个瓶颈区域，使合并后的任意两个瓶颈区域之间均不存在交集路段，以更加准确的描述每个真实拥堵状态的瓶颈区域。
21.在一个具体的实施方式中，根据路网拓扑，合并存在交集路段的不同路段集合为一个瓶颈区域，使合并后的任意两个路段集合之间均不存在交集路段包括：将每个路段视为一个节点，将通过交叉口直接相连的两个路段，视为通过一条有向线段连接两个路段对应的两个节点，构建每个路段集合的有向图；根据路网拓扑，合并存在交集节点的不同有向图为一个瓶颈区域的连通子图，使合并后的任意两个连通子图之间均不存在交集节点，以便于快速且准确的合并存在交集路段的不同路段集合为一个瓶颈区域。
22.第二方面，本发明还提供了一种交通瓶颈的识别装置，该识别装置包括：路网拓扑采集模块、过车数据采集模块、异常状态判断模块、异常状态次数累加模块、异常状态次数判断模块、瓶颈路段识别模块。其中，路网拓扑采集模块用于获取路网拓扑。过车数据采集
模块用于采集路网拓扑中每个路段在某个第一设定时长内的过车数据。异常状态判断模块用于根据过车数据，判断每个路段在该第一设定时长内是否处于异常状态。过车数据采集模块及异常状态判断模块还用于在完成一个第一设定时长内的过车数据采集及判断之后，还继续采集每个路段在下一个第一设定时长内的过车数据，并判断每个路段在该下一个第一设定时长内是否处于异常状态。异常状态次数累加模块用于在该路段处于异常状态时，累加一次该路段在某个第二设定时长内出现异常状态的次数，且第二设定时长大于第一设定时长。异常状态次数判断模块用于判断第二设定时长结束时，每个路段出现异常状态的次数是否大于预设阈值。瓶颈路段识别模块用于在异常状态次数判断模块判断该路段出现异常状态的次数大于预设阈值时，识别该路段为瓶颈路段。
23.在上述的方案中，在判断路段在第一设定时长内处于异常状态之后，还进一步统计第二设定时长内该路段出现异常状态的次数是否大于预设阈值，仅在该路段第二设定时长内出现异常状态的次数大于预设阈值时，才将该路段识别为瓶颈路段，从而考虑到路段交通特征的动态波动性，利用滑动时间窗来识别路网拓扑中的瓶颈路段。即本技术的识别方法，相比现有的方法，考虑由于交通环境的动态随机性导致检测数据指标的波动性，同时在深入分析路段出现拥堵时交通指标变化特点的基础上，采用滑动时间窗来识别比瓶颈路段，能够更准确地识别真实拥堵状态，同时使识别方法具有较好的鲁棒性。
附图说明
24.图1为本发明实施例提供的一种交通瓶颈的识别方法的流程图；
25.图2为基于图1提供的交通瓶颈的识别方法的另一种流程图；
26.图3为本发明实施例提供的另一种交通瓶颈的识别方法的流程图；
27.图4为本发明实施例提供的另一种交通瓶颈的识别方法的流程图；
28.图5为本发明实施例提供的另一种交通瓶颈的识别方法的流程图；
29.图6为本发明实施例提供的另一种交通瓶颈的识别方法的流程图。
具体实施方式
30.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，所描述的实施例仅仅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，本领域普通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。
31.为了方便理解本发明实施例提供的交通瓶颈的识别方法，下面首先说明一下本发明实施例提供的识别方法的应用场景，该识别方法用于识别路网拓扑中的交通瓶颈。下面结合附图对该交通瓶颈的识别方法进行详细的叙述。
32.参考图1及图2，本发明实施例提供的交通瓶颈的识别方法包括：
33.s10：获取路网拓扑；
34.s20：采集路网拓扑中每个路段在某个第一设定时长内的过车数据；
35.s30：根据过车数据，判断每个路段在该第一设定时长内是否处于异常状态；
36.s41：如果路段没有处于异常状态，则继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态；
37.s42：如果路段处于异常状态，则累加一次该路段在某个第二设定时长内出现异常状态的次数，继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态；其中，第二设定时长大于第一设定时长；
38.s50：判断第二设定时长结束时，每个路段出现异常状态的次数是否大于预设阈值；
39.s61：如果路段出现异常状态的次数大于预设阈值，则识别该路段为瓶颈路段；
40.s62：如果路段出现异常状态的次数不大于预设阈值，则继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态。
41.在上述的方案中，在判断路段在第一设定时长内处于异常状态之后，还进一步统计第二设定时长内该路段出现异常状态的次数是否大于预设阈值，仅在该路段第二设定时长内出现异常状态的次数大于预设阈值时，才将该路段识别为瓶颈路段，从而考虑到路段交通特征的动态波动性，利用滑动时间窗来识别路网拓扑中的瓶颈路段。即本技术的识别方法，相比现有的方法，考虑由于交通环境的动态随机性导致检测数据指标的波动性，同时在深入分析路段出现拥堵时交通指标变化特点的基础上，采用滑动时间窗来识别比瓶颈路段，能够更准确地识别真实拥堵状态，同时使识别方法具有较好的鲁棒性。下面结合附图对上述每个步骤进行详细的介绍。
42.首先，参考图1及图2，获取路网拓扑，该路网拓扑中包含有多个交叉口、以及连接在两个交叉口之间的路段，在路网拓扑中可以包含有多个路段，以描述要监测的某个区域的道路分布情况。其中的路段为车道级路段，即每个路段均具有单向行驶的方向。具体获取时，参考图3及图4，可以通过获取诸如但不限于路网拓扑、检测数据、监测平台配置数据、早晚高峰模式识别结果、车道属性和车道检测数据，作为获取路网拓扑的参考信息。
43.接下来，继续参考图1、图2及图3，采集路网拓扑中每个路段在某个第一设定时长内的过车数据。具体的，可以采集路网拓扑中每个路段在某个第一设定时长内的速度数据、交通饱和度数据、交通流量数据等，以了解每个路段的交通状态信息。该第一设定时长可以为3分钟、5分钟、8分钟、10分钟、15分钟、20分钟等任意时长。
44.接下来，如图1、图2、图3及图4所示，根据过车数据，判断每个路段在该第一设定时长内是否处于异常状态。如果路段没有处于异常状态，则继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态。如果路段处于异常状态，则累加一次该路段在某个第二设定时长内出现异常状态的次数，继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态。其中，第二设定时长大于第一设定时长，第二设定时长可以为10 分钟、20分钟、30分钟、40分钟、50分钟、60分钟、80分钟、100分钟、120分钟等。
45.在上述的操作中，无论针对每个路段的判断结果是处于异常状态，还是没有处于异常状态，都需要继续采集每个路段的下一个第一设定时长的过车数据，并继续判断每个路段在下一个第一设定时长内是否处于异常状态。但是，在判断路网拓扑中存在路段在该第一设定时长内处于异常状态时，需要针对该路段累加在某个第二设定时长内处于异常状态的次数，即在该第二设定时长内，需要统计同一个路段处于异常状态的次数，依次或同时将路网拓扑中的每个路段都需要统计出在某个第二设定时长内处于异常状态的次数。例
如，该路网拓扑中有的路段在一个第二设定时长内处于异常状态的次数为零次，有的路段在该一个第二设定时长内处于异常状态的次数为两次，有的路段在该一个第二设定时长内处于异常状态的次数为五次等。以考虑每个路段交通特征的动态波动，便于后续利用滑动时间窗来识别瓶颈路段。
46.另外，在具体根据过车数据，判断每个路段在该第一设定时长内是否处于异常状态时，可以根据过车数据，判断每个路段是否满足如下的判断条件：在该第一设定时长内的速度小于预设速度阈值，且在该第一设定时长内的交通饱和度大于预设饱和度阈值。该预设速度阈值可以为2千米/小时、3千米/小时、4千米/小时、5千米/小时等，其中的预设饱和度阈值可以为0.8、1.0、1.2、1.5、2.0等。如果路网拓扑中存在路段满足该判断条件，则判断该路段处于异常状态。如果路网拓扑的存在路段不满足该判断条件，则判断该路段没有处于异常状态。通过既统计每个路段在该第一设定时长内的速度是否满足相应指标，又统计每个路段在该第一设定时长内的交通饱和度是否满足相应指标，从而更加准确的判断每个路段在某个第一设定时长内是否处于异常状态。应当理解的是，判断每个路段在第一设定时长内是否处于异常状态的方式，并不限于上述示出的方式，除此之，还可以采用其他的判断方式。
47.接下来，参考图1、图2及图3，判断第二设定时长结束时，每个路段出现异常状态的次数是否大于预设阈值。该预设阈值可以为3次、4次、5次、6次等。如果路段出现异常状态的次数不大于预设阈值，则继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态。即在针对每个路段在第二设定时长内出现异常状态的次数不大于预设阈值时，说明该路段并不是瓶颈路段，需要继续采集每个路段在下一个第一设定时长的过车数据，并继续判断每个路段在下一个第一设定时长内是否处于异常状态。如果路段出现异常状态的次数大于预设阈值，则识别该路段为瓶颈路段。可能识别出当前路网拓扑中存在的瓶颈路段的个数可能有1个，也可能有2个、3 个、4个、5个、6个、7个等多个。通过仅在该路段第二设定时长内出现异常状态的次数大于预设阈值时，才将该路段识别为瓶颈路段，从而考虑到路段交通特征的动态波动性，利用滑动时间窗来识别路网拓扑中的瓶颈路段。即本技术的识别方法，相比现有的方法，考虑由于交通环境的动态随机性导致检测数据指标的波动性，同时在深入分析路段出现拥堵时交通指标变化特点的基础上，采用滑动时间窗来识别比瓶颈路段，能够更准确地识别真实拥堵状态，同时使识别方法具有较好的鲁棒性。
48.另外，参考图4及图5，该识别方法还可以进一步包括：根据每个瓶颈路段的上下游路段的过车数据，寻找每个瓶颈路段的上游关联路段和下游关联路段，以更加准确的描述真实拥堵状态。
49.在具体根据每个瓶颈路段的上下游路段的过车数据，寻找每个瓶颈路段的上游关联路段时，可以先根据路网拓扑，获取与每个瓶颈路段通过交叉口相连的所有上游路段，即针对每个瓶颈路段只向上关联一次。之后，可以采集每个瓶颈路段的所有上游路段的交通流量，计算每个瓶颈路段的所有上游路段的总交通流量。再根据每个瓶颈路段的所有上游路段的总路段数，计算每个瓶颈路段的所有上游路段的平均交通流量。然后，从每个瓶颈路段的所有上游路段中，筛选出交通流量高于平均交通流量的上游路段，视为该瓶颈路段的上游关联路段，以更准确的描述每个瓶颈路段的上游关联路段情况。
50.应当注意的是，寻找每个瓶颈路段的上游关联路段的方式并不限于上述示出的方式，除此之外，还可以采用其他的方式。例如，参考图5，可以先根据路网拓扑，获取与每个瓶颈路段通过交叉口相连的所有上游路段。之后，采集每个瓶颈路段的所有上游路段的交通流量。然后，从每个瓶颈路段的所有上游路段中，筛选出交通流量最大的上游路段，作为该瓶颈路段的上游关联路段，以更有针对性的描述每个瓶颈路段的上游关联路段情况。
51.在根据每个瓶颈路段的上下游路段的过车数据，寻找每个瓶颈路段的下游关联路段时，参考图5，可以根据每个瓶颈路段上的车道转向信息，针对每个瓶颈路段只向下关联一次，寻找每个瓶颈路段的下游关联路段，以快速且准确的识别出每个瓶颈路段的下游关联路段。
52.接下来，参考图4及图5，该识别方法还可以进一步包括：将每个瓶颈路段、以及该瓶颈路段的上游关联路段和下游关联路段，组成一个路段集合，以全面的描述每个瓶颈路段周围的真实拥堵状态。如果路网拓扑中只有一个瓶颈路段，则只能组成一个路段集合。而如果路网拓扑中存在多个瓶颈路段时，则会针对每个瓶颈路段及其上下游关联路段组成一个路段集合，从而会组成多个路段集合。
53.接下来，参考图4及图6，该识别方法还可以进一步包括：根据路网拓扑，合并存在交集路段的不同路段集合为一个瓶颈区域，即在路段集合的个数为多个时，考虑到多个路段集合之间可能会存在交集路段，这些交集路段也就是相交的路段集合的公共路段，通过对这些存在交集路段的路段集合进行合并形成瓶颈区域，从而能够使合并后的任意两个瓶颈区域之间均不存在交集路段，以更加准确的描述每个真实拥堵状态的瓶颈区域。
54.在根据路网拓扑，合并存在交集路段的不同路段集合为一个瓶颈区域，使合并后的任意两个路段集合之间均不存在交集路段时，参考图6，可以先将每个路段视为一个节点，将通过交叉口直接相连的两个路段，视为通过一条有向线段连接两个路段对应的两个节点，其中的有向线段表示对应路段的行驶方向，使整个路网拓扑视为一张通过节点和有向线段连接的拓扑图，从而能够构建出每个路段集合的有向图，可以直观的看出不同的路段集合之间是否具有相交的路段。之后，如图6所示，根据路网拓扑，合并存在交集节点的不同有向图为一个瓶颈区域的连通子图，使合并后的任意两个连通子图之间均不存在交集节点，即每个瓶颈区域对应会产生一个连通子图，从而最终能够输出多个连通子图，来描述每个瓶颈区域内的真实拥堵情况，便于快速且准确的合并存在交集路段的不同路段集合为一个瓶颈区域。应当理解的是，合并存在交集路段的不同路段集合为一个瓶颈区域的方式并不限于上述示出的方式，除此之外，还可以采用其他的方式。
55.上述示出的识别方法，在判断路段在第一设定时长内处于异常状态之后，还进一步统计第二设定时长内该路段出现异常状态的次数是否大于预设阈值，仅在该路段第二设定时长内出现异常状态的次数大于预设阈值时，才将该路段识别为瓶颈路段，从而考虑到路段交通特征的动态波动性，利用滑动时间窗来识别路网拓扑中的瓶颈路段。即本技术的识别方法，相比现有的方法，考虑由于交通环境的动态随机性导致检测数据指标的波动性，同时在深入分析路段出现拥堵时交通指标变化特点的基础上，采用滑动时间窗来识别比瓶颈路段，能够更准确地识别真实拥堵状态，同时使识别方法具有较好的鲁棒性。
56.另外，本发明实施例还提供了一种交通瓶颈的识别装置，该识别装置包括：路网拓扑采集模块、过车数据采集模块、异常状态判断模块、异常状态次数累加模块、异常状态次
数判断模块、瓶颈路段识别模块。其中，路网拓扑采集模块用于获取路网拓扑。过车数据采集模块用于采集路网拓扑中每个路段在某个第一设定时长内的过车数据。异常状态判断模块用于根据过车数据，判断每个路段在该第一设定时长内是否处于异常状态。过车数据采集模块及异常状态判断模块还用于在完成一个第一设定时长内的过车数据采集及判断之后，还继续采集每个路段在下一个第一设定时长内的过车数据，并判断每个路段在该下一个第一设定时长内是否处于异常状态。异常状态次数累加模块用于在该路段处于异常状态时，累加一次该路段在某个第二设定时长内出现异常状态的次数，且第二设定时长大于第一设定时长。异常状态次数判断模块用于判断第二设定时长结束时，每个路段出现异常状态的次数是否大于预设阈值。瓶颈路段识别模块用于在异常状态次数判断模块判断该路段出现异常状态的次数大于预设阈值时，识别该路段为瓶颈路段。
57.在上述的方案中，在判断路段在第一设定时长内处于异常状态之后，还进一步统计第二设定时长内该路段出现异常状态的次数是否大于预设阈值，仅在该路段第二设定时长内出现异常状态的次数大于预设阈值时，才将该路段识别为瓶颈路段，从而考虑到路段交通特征的动态波动性，利用滑动时间窗来识别路网拓扑中的瓶颈路段。即本技术的识别方法，相比现有的方法，考虑由于交通环境的动态随机性导致检测数据指标的波动性，同时在深入分析路段出现拥堵时交通指标变化特点的基础上，采用滑动时间窗来识别比瓶颈路段，能够更准确地识别真实拥堵状态，同时使识别方法具有较好的鲁棒性。
58.在设置上述每个功能模块时，每个功能模块可以为实现相应功能的硬件和软件的集合件，其中的硬件可以为传感器、存储介质、运算介质等，其中的存储介质可以为各种类型的存储器，其中的运算介质可以为各种类型的处理器。其中的软件可以为存储在存储介质中的程序代码，或运行在运算介质中的程序代码。另外，上述功能模块在具体执行相应的功能时，可以按照上述示出的交通瓶颈的识别方法中的对应方法执行相应的功能。且该交通瓶颈的识别装置所包含的功能模块除了上述示出的各个模块之外，还可以包含其他的功能模块，来执行上述交通瓶颈的识别方法中的其他方法，
59.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种交通瓶颈的识别方法，其特征在于，包括：获取路网拓扑；采集所述路网拓扑中每个路段在某个第一设定时长内的过车数据；根据所述过车数据，判断每个路段在该第一设定时长内是否处于异常状态；如果所述路段没有处于异常状态，则继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态；如果所述路段处于异常状态，则累加一次该路段在某个第二设定时长内出现异常状态的次数，继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态；其中，所述第二设定时长大于所述第一设定时长；判断所述第二设定时长结束时，每个路段出现异常状态的次数是否大于预设阈值；如果所述路段出现异常状态的次数大于所述预设阈值，则识别该路段为瓶颈路段；如果所述路段出现异常状态的次数不大于所述预设阈值，则继续采集该路段在下一个第一设定时长内的过车数据，并判断该路段在该下一个第一设定时长内是否处于异常状态。2.如权利要求1所述的识别方法，其特征在于，所述根据所述过车数据，判断每个路段在该第一设定时长内是否处于异常状态包括：根据所述过车数据，判断每个路段是否满足：在该第一设定时长内的速度小于预设速度阈值，且在该第一设定时长内的交通饱和度大于预设饱和度阈值；如果所述路段满足，则判断该路段处于异常状态；如果所述路段不满足，则判断该路段没有处于异常状态。3.如权利要求1所述的识别方法，其特征在于，还包括：根据每个瓶颈路段的上下游路段的过车数据，寻找每个瓶颈路段的上游关联路段和下游关联路段。4.如权利要求3所述的识别方法，其特征在于，所述根据每个瓶颈路段的上下游路段的过车数据，寻找每个瓶颈路段的上游关联路段包括：根据所述路网拓扑，获取与每个瓶颈路段通过交叉口相连的所有上游路段；采集每个瓶颈路段的所有上游路段的交通流量；计算每个瓶颈路段的所有上游路段的总交通流量；根据每个瓶颈路段的所有上游路段的总路段数，计算每个瓶颈路段的所有上游路段的平均交通流量；从每个瓶颈路段的所有上游路段中，筛选出交通流量高于所述平均交通流量的上游路段，视为该瓶颈路段的上游关联路段。5.如权利要求3所述的识别方法，其特征在于，所述根据每个瓶颈路段的上下游路段的过车数据，寻找每个瓶颈路段的上游关联路段包括：根据所述路网拓扑，获取与每个瓶颈路段通过交叉口相连的所有上游路段；采集每个瓶颈路段的所有上游路段的交通流量；从每个瓶颈路段的所有上游路段中，筛选出交通流量最大的上游路段，作为该瓶颈路段的上游关联路段。6.如权利要求3所述的识别方法，其特征在于，所述根据每个瓶颈路段的上下游路段的
过车数据，寻找每个瓶颈路段的下游关联路段包括：根据每个瓶颈路段上的车道转向信息，寻找每个瓶颈路段的下游关联路段。7.如权利要求3所述的识别方法，其特征在于，还包括：将每个瓶颈路段、以及该瓶颈路段的上游关联路段和下游关联路段，组成一个路段集合。8.如权利要求7所述的识别方法，其特征在于，还包括：根据所述路网拓扑，合并存在交集路段的不同路段集合为一个瓶颈区域，使合并后的任意两个瓶颈区域之间均不存在交集路段。9.如权利要求8所述的识别方法，其特征在于，所述根据所述路网拓扑，合并存在交集路段的不同路段集合为一个瓶颈区域，使合并后的任意两个路段集合之间均不存在交集路段包括：将每个路段视为一个节点，将通过交叉口直接相连的两个路段，视为通过一条有向线段连接所述两个路段对应的两个节点，构建每个路段集合的有向图；根据所述路网拓扑，合并存在交集节点的不同有向图为一个瓶颈区域的连通子图，使合并后的任意两个连通子图之间均不存在交集节点。10.一种交通瓶颈的识别装置，其特征在于，包括：路网拓扑采集模块，用于获取路网拓扑；过车数据采集模块，用于采集所述路网拓扑中每个路段在某个第一设定时长内的过车数据；异常状态判断模块，用于根据所述过车数据，判断每个路段在该第一设定时长内是否处于异常状态；所述过车数据采集模块及异常状态判断模块，还用于在完成一个第一设定时长内的过车数据采集及判断之后，还继续采集每个路段在下一个第一设定时长内的过车数据，并判断每个路段在该下一个第一设定时长内是否处于异常状态；异常状态次数累加模块，用于在该路段处于异常状态时，累加一次该路段在某个第二设定时长内出现异常状态的次数；其中，所述第二设定时长大于所述第一设定时长；异常状态次数判断模块，用于判断所述第二设定时长结束时，每个路段出现异常状态的次数是否大于预设阈值；瓶颈路段识别模块，用于在所述异常状态次数判断模块判断该路段出现异常状态的次数大于所述预设阈值时，识别该路段为瓶颈路段。

技术总结
本发明提供了一种交通瓶颈的识别方法及识别装置，该识别方法在判断路段在第一设定时长内处于异常状态之后，还进一步统计第二设定时长内该路段出现异常状态的次数是否大于预设阈值，仅在该路段第二设定时长内出现异常状态的次数大于预设阈值时，才将该路段识别为瓶颈路段，从而考虑到路段交通特征的动态波动性，利用滑动时间窗来识别路网拓扑中的瓶颈路段。即本申请的识别方法，相比现有的方法，考虑由于交通环境的动态随机性导致检测数据指标的波动性，同时在深入分析路段出现拥堵时交通指标变化特点的基础上，采用滑动时间窗来识别比瓶颈路段，能够更准确地识别真实拥堵状态，同时使识别方法具有较好的鲁棒性。同时使识别方法具有较好的鲁棒性。同时使识别方法具有较好的鲁棒性。


技术研发人员：丁可
受保护的技术使用者：杭州海康威视数字技术股份有限公司
技术研发日：2021.12.23
技术公布日：2023/6/28