一种基于大数据的道路隐患处理方法及设备与流程

1.本技术涉及交通控制系统技术领域，尤其涉及一种基于大数据的道路隐患处理方法及设备。


背景技术：

2.随着道路建设的迅速发展，道路可达的地方也越来越多。同时，道路数量的增多，其管理能力要求也不断提高。过去仅需几个摄像头或交警能够完成管理的道路，现在需要更多的监控设备和交警进行道路的管理。
3.虽然监控设备能够实现对道路事故、意外情况、施工等易引发事故或二次事故的隐患情况进行监控，方便交警的管理或道路交通疏导。但是目前监控设备是将监控信息发送至远程的后台，由后台交警人员提供治理方案，不够智能，浪费人工成本，且治理方案过于滞后，不能适应于多变的道路交通。


技术实现要素：

4.本技术实施例提供了一种基于大数据的道路隐患处理方法及设备，用于解决当前道路隐患处理的设备不够智能、及时，道路交通管理浪费人工成本及时间成本的问题。
5.一方面，本技术实施例提供了一种基于大数据的道路隐患处理方法，该方法包括：
6.获取来自多源道路监测设备的路段监控信息；
7.通过预设的路侧信息分类算法，将所述路段监控信息划分为路侧分析信息、云端分析信息；
8.对所述路侧分析信息进行大数据分析，确定当前路段的路况隐患数据；
9.根据所述路况隐患数据及来自云端对所述云端分析信息的分析结果，生成隐患处理信息；
10.基于所述当前路段的位置信息，将所述隐患处理信息发送至相应的交通诱导显示设备和/或相应的联网途经车辆。
11.在本技术的一种实现方式中，所述多源道路检测设备至少包括：道路图像抓拍设备、微波传感器、视频监控设备、气象监测仪、雨量计；
12.其中，所述道路图像专拍设备、所述微波传感器及所述视频监控设备设置于在所述交通诱导显示设备的预设距离之外的道路监控杆。
13.在本技术的一种实现方式中，通过预设的路侧信息分类算法，将所述路段监控信息划分为路侧分析信息、云端分析信息，具体包括：
14.确定所述路段监控信息中各监控子信息对应的隐患判定类型；其中，所述隐患判定类型至少包括以下一种或多种：事故类型、道路拥堵类型、违法类型、天气类型、弱势人群关注类型；
15.根据所述隐患判定类型，生成各所述监控子信息对应的多个隐患判定集合；所述隐患判定集合至少包括一个所述监控子信息，一个所述隐患判定集合对应于至少一个所述
隐患判定类型；
16.基于所述路侧信息分类算法得到的各所述隐患判定集合相应的隐患判定计算资源量，将所述路段监控信息划分为所述路侧分析信息、所述云端分析信息。
17.在本技术的一种实现方式中，根据所述隐患判定类型，生成各所述监控子信息对应的多个隐患判定集合，具体包括：
18.将所述隐患判定类型与预设隐患判定对照表进行匹配，以确定相应的第一隐患判定类型序列；其中，所述第一隐患判定类型序列中的所述隐患判定类型不重复；
19.按照所述第一隐患判定类型序列，生成各所述监控子信息对应的多个所述隐患判定集合；各所述隐患判定集合之间的交集包括空集、非空集合。
20.在本技术的一种实现方式中，对所述路侧分析信息进行大数据分析，确定当前路段的路况隐患数据，具体包括：
21.将所述路侧分析信息输入所述大数据分析相应的若干预设分析模型，以确定所述路侧分析信息相应的若干隐患判定类型的隐患风险分值；
22.根据各所述隐患判定类型的所述隐患风险分值与预设的隐患分值比对表，确定相应的所述路况隐患数据；其中，所述路况隐患数据为影响道路交通的隐患数据。
23.在本技术的一种实现方式中，所述方法还包括：
24.在各所述隐患风险分值中任意所述隐患风险分值大于所述隐患分值比对表中的指标分值阈值的情况下，对所述隐患分值比对表中的各隐患比对分值区间进行修正，以更新所述路况隐患数据的生成标准。
25.在本技术的一种实现方式中，基于所述当前路段的位置信息，将所述隐患处理信息发送至相应的交通诱导显示设备和/或相应的联网途经车辆，具体包括：
26.以所述当前路段的位置信息为中心，确定位于所述当前路段的道路或所述当前路段的道路延长线上，预设范围内的多个待定交通诱导显示设备；
27.根据与所述隐患处理信息对应的隐患波及道路，剔除多个所述待定交通诱导显示设备中，所处道路不在所述隐患波及道路上的待定交通诱导显示设备，以确定所述交通诱导显示设备。
28.在本技术的一种实现方式中，基于所述当前路段的位置信息，将所述隐患处理信息发送至相应的联网途经车辆，具体包括：
29.将所述隐患波及道路发送至所述云端，以便所述云端通过基站设备，获取在所述隐患波及道路行驶的若干联网途径车辆；
30.通过所述基站设备，将所述隐患处理信息发送至相应的联网途经车辆。
31.在本技术的一种实现方式中，所述方法还包括：
32.在所述隐患处理信息为道路封闭的情况下，生成封闭指示信息，并发送至与所述当前路段的位置信息匹配的智能安全锥机器设备，以使所述智能安全锥机器设备移动至相应的车道，对所述车道进行封闭。
33.另一方面，本技术实施例还提供了一种基于大数据的道路隐患处理设备，所述设备包括：
34.至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，
以使所述至少一个处理器能够：
35.获取来自多源道路监测设备的路段监控信息；
36.通过预设的路侧信息分类算法，将所述路段监控信息划分为路侧分析信息、云端分析信息；
37.对所述路侧分析信息进行大数据分析，确定当前路段的路况隐患数据；
38.根据所述路况隐患数据及来自云端对所述云端分析信息的分析结果，生成隐患处理信息；
39.基于所述当前路段的位置信息，将所述隐患处理信息发送至相应的交通诱导显示设备和/或相应的联网途经车辆。
40.本技术能够利用多源道路监测设备采集的数据，进行路况隐患分析，并将相应的路况隐患处理信息传达给车辆驾驶员。能够全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理。实现车、路、人的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。智能地道路交通隐患处理，减少道路隐患处理的人工投入成本，提高道路交通隐患的处理效率。
附图说明
41.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
42.图1为本技术实施例中一种基于大数据的道路隐患处理方法的一种流程示意图；
43.图2为本技术实施例中一种基于大数据的道路隐患处理方法对应的系统结构示意图；
44.图3为本技术实施例中一种基于大数据的道路隐患处理设备的结构示意图。
具体实施方式
45.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
46.交通安全隐患和顽瘴痼疾一直是交通、公路、运管、交警、行政执法等部门重点关注的问题，许多重点隐患路段的事故率以及死亡率长期居高不下，为了提高公路的行车安全，一系列交通辅助措施已经在公路进行了应用，但仍无法显著降低公路的事故发生率，交叉路口视野欠佳、信息提示不及时不显著、事故及诱导信息发布途径不完善发布不及时等问题依然存在。
47.从根本上减少公路交通事故的发生，必须对道路及状态进行全时空监测，并将上述信息实时准确地发送给途径车辆，对道路进行车路协同智能化升级改造，使道路变得智能起来。
48.基于此，本技术实施例提供了一种基于大数据的道路隐患处理方法及设备，用来进行智能地道路交通隐患处理，减少道路隐患处理的人工投入成本，提高道路交通隐患的
处理效率。
49.以下结合附图，详细说明本技术的各个实施例。
50.本技术实施例提供了一种基于大数据的道路隐患处理方法，如图1所示，该方法可以包括步骤s101-s105：
51.s101，路侧终端获取来自多源道路监测设备的路段监控信息。
52.路侧终端可以是智能路侧设备(road side unit，rsu)，也可以是路侧系统的路侧单元，还可以是其他边缘计算终端，本技术对此不作具体限定。
53.多源道路检测设备至少包括：道路图像抓拍设备、微波传感器、视频监控设备、气象监测仪、雨量计。其中，道路图像专拍设备、微波传感器及视频监控设备设置于在交通诱导显示设备的预设距离之外的道路监控杆。
54.本技术基于大数据的道路隐患处理方法对应的交通系统如图2所示，抓拍设备201、微波传感器202、视频监控设备203设置于道路监控杆204上，气象监测仪205、雨量计206设置于与道路监控杆204一定距离的道路综合杆207上。道路综合杆207还包括交通诱导显示设备208，可以是led显示屏，蓄电池209、太阳能充电板2010及声光报警器2011，此外在道路综合杆207位置处，还可以包含智能安全锥机器人2012。上述各设备与路侧终端210电连接，路侧终端210与后台的服务器集群220(云端)连接。服务器集群220可以通过基站230与其他设备如声光报警器2011网络无线通信，还可以与其他设备如智能安全锥机器人2012的控制设备电连接。
55.本技术在道路监控杆上安装好微波传感器设备，并完成设备调试工作，调整好设备方位，设置好设备参数信息，获取传感器设备回传的数据传输到路侧终端。在同一个道路监控杆上安装好车道监控摄像机，来进行车辆数据获取、抓拍、ai算法识别等功能，打通设备与智能业务系统的数据交互。
56.路段监控信息可以是上述设备采集到的，例如抓拍设备201抓拍的车辆行驶图像、车辆信息，微波传感器采集的车辆的车速、车距或道路障碍物体信息，再例如气象监测仪采集的气象数据。
57.s102，路侧终端通过预设的路侧信息分类算法，将路段监控信息划分为路侧分析信息、云端分析信息。
58.在本技术实施例中，通过路侧信息分类算法，将路段监控信息划分为路侧分析信息、云端分析信息，具体包括：
59.路侧终端确定路段监控信息中各监控子信息对应的隐患判定类型。其中，隐患判定类型至少包括以下一种或多种：事故类型、道路拥堵类型、违法类型、天气类型、弱势人群关注类型。
60.路段监控信息中的各监控子信息包括若干的隐患判定类型，例如某抓拍图像，包含有两辆车相撞，及道路堵车，则该监控子信息(抓拍图像)对应的隐患判定类型包括事故类型、道路拥堵类型。再例如，微波传感器传来车辆通行车速，该信息可以对应于违法类型。
61.随后，根据隐患判定类型，生成各监控子信息对应的多个隐患判定集合。隐患判定集合至少包括一个监控子信息，一个隐患判定集合对应于至少一个隐患判定类型。
62.其中，根据隐患判定类型，生成各监控子信息对应的多个隐患判定集合，具体包括：
63.将隐患判定类型与预设隐患判定对照表进行匹配，以确定相应的第一隐患判定类型序列。其中，第一隐患判定类型序列中的隐患判定类型不重复。按照第一隐患判定类型序列，生成各监控子信息对应的多个隐患判定集合。各隐患判定集合之间的交集包括空集、非空集合。
64.预设隐患判定对照表可以预先存储于路侧终端中，该隐患判定对照表由用户预先设定，用于与隐患判定类型进行匹配，具体匹配规则可以是将隐患判定类型与隐患判定对照表中类型标识进行比对，例如隐患判定类型包括2个类型1、3个类型2、1个类型3，且其中有1个类型1与1个类型3对应于同一监控子信息。路侧终端最终生成的第一隐患判定类型序列为[类型1，类型2，类型3]，而不是[类型1，类型2]。本技术根据第一隐患判定类型序列，可以生成多个隐患判定集合，即2个类型1的隐患判定集合，3个类型2的隐患判定集合及1个类型3的隐患判定集合。
[0065]
基于路侧信息分类算法得到的各隐患判定集合相应的隐患判定计算资源量，将路段监控信息划分为路侧分析信息、云端分析信息。
[0066]
路侧信息分类算法用于计算信息的计算资源量，路侧信息分类算法可以根据隐患判定集合对应的隐患判定类型以及隐患判定集合中的数据量，得到计算资源量。例如隐患判定类型a对应的计算资源量为x1，其对应的隐患判定集合中的数据量为x2，那么计算资源量为a*x1+b*x2，a、b为用户预设的计算权重。在计算资源量大于一预设阈值b的情况下，路侧终端将其作为云端分析信息，在计算资源量小于或等于预设阈值b的情况下，路侧终端将其作为路侧分析信息。预设阈值b由用户进行设定根据路侧终端的计算能力或硬件型号进行确定，本技术对此不作具体限定。
[0067]
路侧终端对路侧分析信息进行处理，并将云端分析信息发送至服务器集群进行处理。从而减少路侧终端的计算量，保证信息处理效率。
[0068]
s103，路侧终端对路侧分析信息进行大数据分析，确定当前路段的路况隐患数据。
[0069]
在本技术实施例中，对路侧分析信息进行大数据分析，确定当前路段的路况隐患数据，具体包括：
[0070]
首先，将路侧分析信息输入大数据分析相应的若干预设分析模型，以确定路侧分析信息相应的若干隐患判定类型的隐患风险分值。根据各隐患判定类型的隐患风险分值与预设的隐患分值比对表，确定相应的路况隐患数据。其中，路况隐患数据为影响道路交通的隐患数据。
[0071]
大数据分析包括若干预设分析模型，用于处理路侧分析信息，预设分析模型的ai视频识别算法至少包括：装卸车识别、汽车类型识别、道路扬尘检测、烟气识别、防护用具检测、渣土车清洗识别、吸烟识别、睡岗识别、焊接作业识别、逆行检测、占道经营、聚集检测、斗殴检测、尾随检测、快速移动、滞留检测、视频遮挡、倒地报警、区域内异常人数报警、x光检机报警、测温点异常报警、着火点报警、火情报警、车辆压线报警、抽烟识别、未带安全帽、人群密度检测、停车车辆上限报警、区域入侵、车牌识别、烟雾检测报警、区域内异常车辆报警、区域内车辆方向识别报警、区域内车辆着火报警、车辆拥堵报警、车辆排队报警、热成像热点异常报警、热成像规则间温差异常报警、雷达警戒区检测、温度异常、停车车辆上限报警、火焰检测、烟雾检测、道路障碍检测、团雾检测、消防占道、非机动车检测、人员摔倒检测、压黄线检测、违章变道、施工检测、路障检测、未与前车保持安全距离、飙车、低速检测、
超速检测、非法停车等。预设分析模型可以计算路侧分析信息所包含的各隐患判定类型的隐患风险分值，例如进行超速检测，根据超速的比例，得到其对应的隐患风险分值，超速比例越高隐患风险分值越大。
[0072]
隐患分值比对表可以由用户根据经验进行设定，也可以是通过神经网络模型基于若干历史路侧分析信息的训练，得到的不同隐患判定类型对应的隐患比对分值区间，生成隐患分值比对表。该隐患分值比对表可以理解为隐患风险分值低于隐患分值对应的分值区间最小值，则不将其作为隐患，若位于隐患分值区间内，那么将其作为路况隐患数据。
[0073]
此外，在各隐患风险分值中任意隐患风险分值大于隐患分值比对表中的指标分值阈值的情况下，对隐患分值比对表中的各隐患比对分值区间进行修正，以更新路况隐患数据的生成标准。
[0074]
也就是说，若有一隐患风险分值大于指标分值阈值，如隐患分值区间的最大值，或另一设定阈值(由用户自行设定)，那么路侧终端将对隐患比对分值区间进行修正，例如降低隐患比对分值区间的最小值。
[0075]
举例说明，在某一隐患风险分值为50，其隐患判定类型为事故类型，事件为发生车祸，指标分值阈值为40，那么该路段对应的隐患分值比对表中相关的隐患判定类型的隐患比对分值区间的最小值可以按照预设降低步长进行减小。例如某隐患判定类型的隐患比对分值区间为(10,40)，修正为(5,40)，换言之，在发生一严重的隐患的情况下，可以调整确定路况隐患数据的生成标准，从而避免发生二次事故。例如原本堵车在堵10辆车时判断为路况隐患数据，在修正后，堵5辆车即判断为路况隐患数据。
[0076]
通过上述隐患分值比对表修正，可以避免发生二次事故的概率，更加智能地对道路隐患进行处理。
[0077]
s104，路侧终端根据路况隐患数据及来自云端对云端分析信息的分析结果，生成隐患处理信息。
[0078]
在本技术实施例中，路侧终端在得到路况隐患数据之后，也可以接收云端对云端分析信息的分析结果，进而可以同时或者先后地生成隐患处理信息。隐患处理信息是基于路况隐患数据生成的隐患风险治理方案，例如隐患为发生了车祸，隐患处理信息可以是对某车道进行封闭；再例如隐患为下雨了，隐患处理信息为提示驾驶员控制车速在30公里/小时以内。再如，交叉口的前方道路发生拥堵，隐患处理信息为提示驾驶员拉链式行驶。分析结果由云端的服务器集群进行生成，用于将计算资源量大的数据进行处理，例如将若干路侧分析信息进行整合，得到的预测未来时段的车流量或车辆拥堵状况等，作为分析结果。
[0079]
s105，路侧终端基于当前路段的位置信息，将隐患处理信息发送至相应的交通诱导显示设备和/或相应的联网途经车辆。
[0080]
在本技术实施例中，基于当前路段的位置信息，将隐患处理信息发送至相应的交通诱导显示设备和/或相应的联网途经车辆，具体包括：
[0081]
路侧终端可以以当前路段的位置信息为中心，确定位于当前路段的道路或当前路段的道路延长线上，预设范围内的多个待定交通诱导显示设备。并根据与隐患处理信息对应的隐患波及道路，剔除多个待定交通诱导显示设备中，所处道路不在隐患波及道路上的待定交通诱导显示设备，以确定交通诱导显示设备。
[0082]
在本技术实施例中，交通诱导显示设备具有若干个，用于向驾驶员发布信息，例如
提示天气状况，前方路段的隐患及道路实时情况。如图2所示，一般的交通诱导显示设备处于微波传感器等设备的沿道路反向的预设距离内，用于提示即将行驶至隐患发生地的车辆驾驶员。但是，由于道路四通八达，道路并非仅如图2中一条，道路存在交叉口及汇入口。因此，本技术将以当前路段的位置信息为中心，确定位于当前路段的道路或当前路段的道路延长线上，预设范围内的多个待定交通诱导显示设备，并从该多个待定交通诱导显示设备中，确定哪些待定交通诱导显示设备对应路段行驶车辆，将受到隐患的影响，从而确定待发送隐患处理信息的交通诱导显示设备。
[0083]
此外，基于当前路段的位置信息，将隐患处理信息发送至相应的联网途经车辆，具体包括：
[0084]
路侧终端可以将隐患波及道路发送至云端，以便云端通过基站设备，获取在隐患波及道路行驶的若干联网途径车辆。通过基站设备，将隐患处理信息发送至相应的联网途经车辆。
[0085]
也就是说，本技术可以通过云端及基站，确定联网途径车辆，并将隐患处理信息发送至这些联网途径车辆。本技术可以通过lte-v2x向联网途径车辆发送隐患处理信息。
[0086]
在本技术的一个实施例中，在隐患处理信息为道路封闭的情况下，生成封闭指示信息，并发送至与当前路段的位置信息匹配的智能安全锥机器设备，以使智能安全锥机器设备移动至相应的车道，对车道进行封闭。
[0087]
换言之，本技术通过路侧终端控制智能安全锥机器人进行自动地车道封闭，通过路侧终端控制智能安全锥机器人可以更加高效、低延时地完成隐患处理。
[0088]
此外，本技术的通讯可以采用5g通信，进一步保证隐患处理效率。
[0089]
本技术通过上述方案，能够实现车辆自动抓拍、车牌识别和车速测定，在全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现车、路、人的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统，通过与公安交警、城管、交通局等政府部门对接，共享有关信号控制、电子卡口、公交客运等实时流量统计数据，完善网联道路感知、网联交通检测能力，路侧终端可以与交警、城管部门的共建共享，选取重点区域建成5g-v2x车路云一体化基础设施及配套服务。
[0090]
进而，本技术能够利用多源道路监测设备采集的数据，进行路况隐患分析，并将相应的路况隐患处理信息传达给车辆驾驶员，智能地道路交通隐患处理，减少道路隐患处理的人工投入成本，提高道路交通隐患的处理效率。
[0091]
图3为本技术实施例提供的一种基于大数据的道路隐患处理设备的结构示意图，如图3所示，设备包括：
[0092]
至少一个处理器；以及，与至少一个处理器通信连接的存储器。其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
[0093]
获取来自多源道路监测设备的路段监控信息。通过预设的路侧信息分类算法，将路段监控信息划分为路侧分析信息、云端分析信息。对路侧分析信息进行大数据分析，确定当前路段的路况隐患数据。根据路况隐患数据及来自云端对云端分析信息的分析结果，生成隐患处理信息。基于当前路段的位置信息，将隐患处理信息发送至相应的交通诱导显示
设备和/或相应的联网途经车辆。
[0094]
本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0095]
本技术实施例提供的设备与方法是一一对应的，因此，设备也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备的有益技术效果。
[0096]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0097]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种基于大数据的道路隐患处理方法，其特征在于，所述方法包括：获取来自多源道路监测设备的路段监控信息；通过预设的路侧信息分类算法，将所述路段监控信息划分为路侧分析信息、云端分析信息；对所述路侧分析信息进行大数据分析，确定当前路段的路况隐患数据；根据所述路况隐患数据及来自云端对所述云端分析信息的分析结果，生成隐患处理信息；基于所述当前路段的位置信息，将所述隐患处理信息发送至相应的交通诱导显示设备和/或相应的联网途经车辆。2.根据权利要求1所述方法，其特征在于，所述多源道路检测设备至少包括：道路图像抓拍设备、微波传感器、视频监控设备、气象监测仪、雨量计；其中，所述道路图像专拍设备、所述微波传感器及所述视频监控设备设置于在所述交通诱导显示设备的预设距离之外的道路监控杆。3.根据权利要求1所述方法，其特征在于，通过预设的路侧信息分类算法，将所述路段监控信息划分为路侧分析信息、云端分析信息，具体包括：确定所述路段监控信息中各监控子信息对应的隐患判定类型；其中，所述隐患判定类型至少包括以下一种或多种：事故类型、道路拥堵类型、违法类型、天气类型、弱势人群关注类型；根据所述隐患判定类型，生成各所述监控子信息对应的多个隐患判定集合；所述隐患判定集合至少包括一个所述监控子信息，一个所述隐患判定集合对应于至少一个所述隐患判定类型；基于所述路侧信息分类算法得到的各所述隐患判定集合相应的隐患判定计算资源量，将所述路段监控信息划分为所述路侧分析信息、所述云端分析信息。4.根据权利要求3所述方法，其特征在于，根据所述隐患判定类型，生成各所述监控子信息对应的多个隐患判定集合，具体包括：将所述隐患判定类型与预设隐患判定对照表进行匹配，以确定相应的第一隐患判定类型序列；其中，所述第一隐患判定类型序列中的所述隐患判定类型不重复；按照所述第一隐患判定类型序列，生成各所述监控子信息对应的多个所述隐患判定集合；各所述隐患判定集合之间的交集包括空集、非空集合。5.根据权利要求1所述方法，其特征在于，对所述路侧分析信息进行大数据分析，确定当前路段的路况隐患数据，具体包括：将所述路侧分析信息输入所述大数据分析相应的若干预设分析模型，以确定所述路侧分析信息相应的若干隐患判定类型的隐患风险分值；根据各所述隐患判定类型的所述隐患风险分值与预设的隐患分值比对表，确定相应的所述路况隐患数据；其中，所述路况隐患数据为影响道路交通的隐患数据。6.根据权利要求5所述方法，其特征在于，所述方法还包括：在各所述隐患风险分值中任意所述隐患风险分值大于所述隐患分值比对表中的指标分值阈值的情况下，对所述隐患分值比对表中的各隐患比对分值区间进行修正，以更新所述路况隐患数据的生成标准。
7.根据权利要求1所述方法，其特征在于，基于所述当前路段的位置信息，将所述隐患处理信息发送至相应的交通诱导显示设备和/或相应的联网途经车辆，具体包括：以所述当前路段的位置信息为中心，确定位于所述当前路段的道路或所述当前路段的道路延长线上，预设范围内的多个待定交通诱导显示设备；根据与所述隐患处理信息对应的隐患波及道路，剔除多个所述待定交通诱导显示设备中，所处道路不在所述隐患波及道路上的待定交通诱导显示设备，以确定所述交通诱导显示设备。8.根据权利要求7所述方法，其特征在于，基于所述当前路段的位置信息，将所述隐患处理信息发送至相应的联网途经车辆，具体包括：将所述隐患波及道路发送至所述云端，以便所述云端通过基站设备，获取在所述隐患波及道路行驶的若干联网途径车辆；通过所述基站设备，将所述隐患处理信息发送至相应的联网途经车辆。9.根据权利要求1所述方法，其特征在于，所述方法还包括：在所述隐患处理信息为道路封闭的情况下，生成封闭指示信息，并发送至与所述当前路段的位置信息匹配的智能安全锥机器设备，以使所述智能安全锥机器设备移动至相应的车道，对所述车道进行封闭。10.一种基于大数据的道路隐患处理设备，其特征在于，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取来自多源道路监测设备的路段监控信息；通过预设的路侧信息分类算法，将所述路段监控信息划分为路侧分析信息、云端分析信息；对所述路侧分析信息进行大数据分析，确定当前路段的路况隐患数据；根据所述路况隐患数据及来自云端对所述云端分析信息的分析结果，生成隐患处理信息；基于所述当前路段的位置信息，将所述隐患处理信息发送至相应的交通诱导显示设备和/或相应的联网途经车辆。

技术总结
本申请提供了一种基于大数据的道路隐患处理方法及设备，属于交通控制系统技术领域。该方法获取来自多源道路监测设备的路段监控信息。通过预设的路侧信息分类算法，将路段监控信息划分为路侧分析信息、云端分析信息。对路侧分析信息进行大数据分析，确定当前路段的路况隐患数据。根据路况隐患数据及来自云端对云端分析信息的分析结果，生成隐患处理信息。基于当前路段的位置信息，将隐患处理信息发送至相应的交通诱导显示设备和/或相应的联网途经车辆。通过上述方法，解决当前道路隐患处理的设备不够智能、及时，道路交通管理浪费人工成本及时间成本的问题。成本及时间成本的问题。成本及时间成本的问题。


技术研发人员：付其超 张厚森 李光鹏 张健 李正雄
受保护的技术使用者：浪潮智慧科技有限公司
技术研发日：2023.03.21
技术公布日：2023/6/26