一种交通特征获得方法、装置、设备及存储介质与流程

1.本公开涉及数据处理技术领域，尤其涉及智能交通技术领域。


背景技术：

2.随着各种智能技术的快速发展，城市交通控制中逐渐引入了智能交通技术，以使得城市道路保持畅通、减少拥塞。基于智能交通技术对城市交通进行控制时，可以对城市区域内的路段拥堵特征和车辆行驶特征等交通特征进行实时分析，并基于分析结果生成用于避免或缓解区域内交通拥堵的交通调控策略，然后按照所生成交通调控策略进行交通控制。
3.可见，交通特征是智能交通技术中生成交通调控策略所依赖的关键信息，在智能交通领域起着关键作用。
4.现有技术中，一般基于大量的样本交通数据训练用于获得交通特征的机器学习模型，然后在应用过程中基于训练得到的机器学习模型对交通数据进行处理，得到交通特征。


技术实现要素：

5.本公开提供了一种交通特征获得方法、装置、设备及存储介质。
6.根据本公开的一方面，提供了一种交通特征获得方法，包括：
7.获得不同时间段内目标区域中拥堵路段的第一描述信息；
8.基于所获得的第一描述信息，确定表征所述目标区域中拥堵路段随时间变化的第一变化信息；
9.获得所述不同时间段中基准时刻下所述目标区域中各类型路段的第二描述信息；
10.基于所获得的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，得到与所述第一变化信息拟合成功的第二变化信息；
11.基于所述第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，获得所述目标区域的交通特征。
12.根据本公开的另一方面，提供了一种交通特征获得装置，包括：
13.第一描述信息获得模块，用于获得不同时间段内目标区域中拥堵路段的第一描述信息；
14.第一变化信息获得模块，用于基于所获得的第一描述信息，确定表征所述目标区域中拥堵路段随时间变化的第一变化信息；
15.第二描述信息获得模块，用于获得所述不同时间段中基准时刻下所述目标区域中各类型路段的第二描述信息；
16.信息拟合模块，用于基于所获得的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，得到与所述第一变化信息拟合成功的第二变化信息；
17.交通特征获得模块，用于基于所述第二变化信息对应的拥堵传播率的取值以及拥
堵疏通率的取值，获得所述目标区域的交通特征。
18.根据本公开的另一方面，提供了一种电子设备，包括：
19.至少一个处理器；以及
20.与所述至少一个处理器通信连接的存储器；其中，
21.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执行前述交通特征获得方法。
22.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述交通特征获得方法。
23.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时前述交通特征获得方法。
24.由以上可见，应用本公开实施例提供的方案获得交通特征时，首先基于目标区域中路段的第一描述信息确定了表征目标区域中拥堵路段随时间变化的第一变化信息，然后基于不同时间段中基准时刻下目标区域中各类型路段的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，从而得到与第一变化信息拟合成功的第二变化信息，进而可以基于第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，成功获得目标区域的交通特征。
25.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
26.附图用于更好地理解本方案，不构成对本公开的限定。其中：
27.图1为本公开实施例提供的第一种交通特征获得方法的流程示意图；
28.图2为本公开实施例提供的一种拥堵路段占比变化趋势示意图；
29.图3为本公开实施例提供的第二种交通特征获得方法的流程示意图；
30.图4为本公开实施例提供的第一种拟合效果示意图；
31.图5为本公开实施例提供的第二种拟合效果示意图；
32.图6为本公开实施例提供的第三种拟合效果示意图；
33.图7为本公开实施例提供的第四种拟合效果示意图；
34.图8为本公开实施例提供的一种交通特征变化趋势示意图；
35.图9为本公开实施例提供的一种交通特征获得装置的结构示意图；
36.图10是用来实现本公开实施例的交通特征获得方法的电子设备的框图。
具体实施方式
37.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
38.首先对本公开实施例所提供方案的执行主体进行说明。
39.本公开实施例所提供方案的执行主体为：任意一台具有数据处理、数据存储等功
能的电子设备。
40.下面对本公开实施例提供的交通特征获得方案进行详细说明。
41.参见图1，为本公开实施例提供的第一种交通特征生成方法的流程示意图，上述方法包括以下步骤s101-步骤s105。
42.步骤s101：获得不同时间段内目标区域中拥堵路段的第一描述信息。
43.上述不同时间段可以是当前时刻前的多个任意时段，可以是连续的时段，也可以是非连续的时段。
44.本公开实施例并不限定各时间段的具体时长，例如，上述时间段的时长可以是5分钟、8分钟、10分钟等。并且，各时间段的时长可以是相同的，也可以是不同的。
45.一种情况下，可以从6:00-10:00以及17:00-20:00这两个时间段内选取上述不同时段。该选取方式的优点参见后续说明。
46.上述目标区域可以是城市、县乡等行政区划包含的任意区域。
47.下面首先介绍确定目标区域内所包含的路段的方式。
48.具体的，可以获得表征路段位置的路段点串信息，然后取路段点串信息与全国县域区域的交集，从而确定出位于目标区域的目标路段点串信息，进而可以确定目标路段点串信息表征的目标路段。
49.其中，上述路段点串信息可以由用经纬度坐标表示的点组成。
50.再介绍获得第一描述信息的具体方式。
51.从第一描述信息的获得流程的角度，可以通过以下方式获得不同时间段对应的第一描述信息。
52.一种实施方式中，针对每一时间段，可以获得该时间段内目标区域中各路段的实际车辆通行速度，然后将所对应实际车辆通行速度小于预设速度的路段确定为该时间段对应的拥堵路段，从而得到所确定拥堵路段对应的第一描述信息，也即该时间段对应的第一描述信息。
53.例如，时间段t1内目标区域中路段p1的实际车辆通行速度为v1，v1小于预设速度v，则目标路段p1为子时间段t1内的拥堵路段。
54.其中，针对一个路段而言，其对应的实际车辆通行速度可以是该时间段内所有在该路段内通行的车辆的速度的平均数、中位数等。
55.另一种实施方式中，针对每一时间段，可以获得该时间段内目标区域中各路段的实际车辆通行速度和无阻通行速度，基于所得实际车辆通行速度和无阻通行速度确定该时间段对应的第一描述信息。具体实施方式详见后续实施例，这里暂不详述。
56.从第一描述信息所包含内容的角度，可以通过以下方式获得不同时间段对应的第一描述信息。
57.一种实施方式中，可以获得不同时间段内目标区域中拥堵路段的数量，作为第一描述信息。
58.显然，这种情况下，第一描述信息越大，则目标区域中拥堵路段的数量越多，表示目标区域的拥堵情况越严重；反之同理，这里不再类推。
59.另一种实施方式中，可以获得不同时间段内目标区域中拥堵路段的占比信息，作为第一描述信息。
60.上述占比信息为拥堵路段的数量相对于各类型路段的数量的占比，也可以称为拥堵指数。
61.显然，这种情况下，第一描述信息越大，则目标区域中拥堵路段的占比越高，表示目标区域的拥堵情况越严重；反之同理，这里不再类推。
62.可见，占比信息为不同时间段内的目标区域中拥堵路段的占比，反映了拥堵路段和全部路段之间的相对数量关系，能够更加全面的表征不同时间段内目标区域内的整体拥堵状况。
63.步骤s102：基于所获得的第一描述信息，确定表征目标区域中拥堵路段随时间变化的第一变化信息。
64.上述第一变化信息可以是数组、键值对、曲线等。
65.例如，将各时间段的标识以及该时间段对应的拥堵路段数量作为数组元素，将各数组元素组成的数组确定为第一变化信息等；又如，将各时间段的标识以及该时间段对应的拥堵路段数量分别作为键值对，将所得键值对确定为第一变化信息等。
66.可以理解的是，根据第一描述信息的不同，第一变化信息表征的含义也不同：
67.若第一描述信息为不同时间段内目标区域中拥堵路段的数量，第一变化信息表征目标区域中拥堵路段的数量随时间的变化；若第一描述信息为不同时间段内目标区域中拥堵路段的占比，第一变化信息表征目标区域中拥堵路段的占比随时间的变化。
68.步骤s103：获得不同时间段中基准时刻下目标区域中各类型路段的第二描述信息。
69.上述基准时刻可以是各不同时间段内的任一时刻，例如，可以是时序最早的首个时间段的起始时刻等。
70.除拥堵路段外，本公开实施例不限定各类型路段中包含的其他具体路段类型。
71.一种情况下，各类型路段包括：拥堵路段、易被传播拥堵的未拥堵路段和从拥堵转变为未拥堵的疏通路段。
72.这样可以包括丰富的路段类型，能够表征路段的多种不同状态，有利于基于各类型路段获得更加全面的第二描述信息。
73.本步骤中，从目标区域中确定各类型路段的第二描述信息的方式可以在前述从目标区域中确定拥堵路段的基础上获得，区别仅为路段类型和确定基准不同，下面进行简要说明。
74.一种实施方式中，可以获得不同时间段中基准时刻下目标区域中各类型路段的数量，作为第二描述信息。
75.另一种实施方式中，可以获得不同时间段中基准时刻下目标区域中各类型路段的占比，作为第二描述信息。
76.这种情况下，所得的占比为不同时间段内中基准时刻下目标区域中各类型路段的占比，反映了各类型路段和全部路段之间的相对数量关系，能够更加全面的表征不同时间段内基准时刻下各类型路段的相对数量关系。
77.步骤s104：基于所获得的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，得到与第一变化信息拟合成功的第二变化信息。
78.上述拥堵传播率表征：拥堵路段在一个时间段内能够有效传染的未拥堵路段的平
均数量。其中，传染表示将未拥堵路段转变为拥堵路段。
79.上述拥堵疏通率表征：一个时间段内能够疏通的拥堵路段的数量占各路段总数的比值。其中，疏通表示将拥堵路段转变为未拥堵路段。
80.具体的，可以首先基于所获得的第二描述信息、拥堵传播率对应的预设值及拥堵疏通率对应的预设值，确定表征目标区域中拥堵路段随时间变化的第二变化信息，然后通过以下方式进行信息拟合，最终得到与第一变化信息拟合成功的第二变化信息：
81.一种实施方式中，可以不断调整第二变化信息，直至使得第二变化信息与第一变化信息成功拟合，这样即得到了与第一变化信息拟合成功的第二变化信息。
82.另一种实施方式中，可以通过反复调整拥堵传播率的取值和拥堵疏通率的取值更新第二变化信息，直至更新后的第二变化信息与第一变化信息拟合成功。具体实施方式详见图3所示实施例中步骤s304-步骤s305，这里不再赘述。
83.步骤s105：基于第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，获得目标区域的交通特征。
84.结合前述步骤可知，第二变化信息与拥堵传播率的取值以及拥堵疏通率的取值是相互关联的，因此，可以确定第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值。
85.并且，第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值分别为：使得第二变化信息与第一变化信息拟合成功时的拥堵传播率和拥堵疏通率，因此，可以认为目标拥堵传播率和目标拥堵疏通率基本可以与第一变化信息表征的拥堵路段随时间变化相匹配。
86.具体的，可以计算第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值之间的比值，然后将上述比值确定为目标区域的交通特征。
87.上述比值也可以称为基本传染数r0，表征目标区域中每个拥堵路段在整个目标时间段内能够有效传染的路段数量，能够较好的反映目标区域内拥挤路段的拥堵传播能力。
88.由以上可见，应用本公开实施例提供的方案获得交通特征时，首先基于目标区域中路段的第一描述信息确定了表征目标区域中拥堵路段随时间变化的第一变化信息，然后基于不同时间段中基准时刻下目标区域中各类型路段的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，从而得到与第一变化信息拟合成功的第二变化信息，进而可以基于第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，成功获得目标区域的交通特征。
89.可见，本方案无需利用机器学习模型即可获得交通特征，这样省去了收集大量样本数据以及采用样本数据训练机器学习模型所需的时间，有利于提高获得交通特征时的效率。
90.并且，机器学习模型的训练一般依赖大量的路段样本数据，在本领域中，路段样本数据的收集难度较高，易出现因缺乏样本数据导致模型训练效率低下、训练效果不好的情况。而应用本公开实施例提供的方案获得交通特征时，可以避免上述情况的出现。
91.另外，本方案在获得交通特征时，是对目标区域内包含的所有路段进行综合分析，整体考虑了目标区域内各路段组成的交通网络。因此，相较于在获得交通特征时仅考虑单一链路的排队论和运动波理论，本方案能够整体的站在目标区域内全体目标路段的角度、
更加全面的得到交通特征，尤其是能够有效的发掘城市交通网络结构的时空特征，适合路网规模的交通特征提取。
92.下面对前述提及的获得不同时间段对应的第一描述信息的另一种方式进行说明。
93.具体的，针对每一时间段，可以按照以下步骤a和步骤b获得该时间段内目标区域中拥堵路段的第一描述信息：
94.步骤a：获得该时间段内目标区域中各路段的实际车辆通行速度和无阻通行速度。
95.其中，上述无阻通行速度可以理解为：路段内车辆在路段在畅通情况下的通行速度。可以是各路段的最大限速，也可以是预先对各路段内车辆在路段畅通情形下的车速进行统计得到的速度等。
96.步骤b：基于所获得的实际车辆通行速度和无阻通行速度，从各路段中确定拥堵路段，得到所确定拥堵路段对应的第一描述信息。
97.其中，可以采用以下方式基于所获得的实际车辆通行速度和无阻通行速度，从各路段中确定拥堵路段。
98.第一种方式，可以计算该时间段内各路段的实际车辆通行速度与无阻通行速度间的比值，将所对应比值小于预设比值的路段确定为拥堵路段。
99.上述预设比值也可称为拥堵阈值，可以由工作人员根据经验设定，例如，可以是0.65、0.7、0.75等。
100.可以理解的是，路段所对应的上述比值越小，表示各路段的实际车辆通行速度与无阻通行速度的相对差距越大，也就是路段在该时间段内的拥堵状况越严重。因此，当上述比值小于预设比值时，可以认为该路段在该时间段内为拥堵路段。
101.本方式中，计算所得的比值为实际车辆通行速度与无阻通行速度间的比值，该比值表征车辆的实际平均通行速度与无阻通行速度间的相对差距，可以较为准确的路段在某一时间段的拥堵状况。
102.第二种方式，可以计算该时间段内各路段的无阻通行速度与实际车辆通行速度间的差值，将所对应差值小于预设差值的路段确定为拥堵路段。
103.其中，上述预设差值可以由工作人员根据经验设定，例如，可以是10、15、20等。
104.可以理解的是，路段所对应的上述差值越小，表示各路段的实际车辆通行速度与无阻通行速度的绝对差距越大，也就是路段在该时间段内的拥堵状况越严重。因此，当上述差值小于预设差值时，可以认为该路段在该时间段内为拥堵路段。
105.由以上可见，各时间段对应的拥堵路段是根据该时间段内各路段的实际车辆通行速度与无阻通行速度共同确定的，这样可以基于实际平均速度和无阻通行速度确定之间的差异，准确、合理的确定各时间段对应的拥堵路段，进而可以获得所确定拥堵路段对应的第一描述信息。
106.下面再对前述提及的从6:00-10:00以及17:00-20:00这两个时间段内选取不同时段的原因进行说明。
107.参见图2，为本公开实施例提供的一种拥堵路段占比变化趋势图。
108.图2是对真实生活场景中对1个月内各日期下某区域中拥堵路段占比进行统计得到的，图2中不同的曲线表示1个月内的不同日期，横坐标表示时间，单位为小时；纵坐标表示拥堵路段实际占比，即拥堵指数。
109.由图2可以总结出以下信息：
110.一天内的拥堵指数最高的时段主要集中在6:00-10:00以及17:00-20:00这两个时间段，上述两个时间段可以被称为早高峰时段和晚高峰时段，且晚高峰时段的拥堵指数普遍高于早高峰时段，周内和周末的早晚高峰时段一般相错开。
111.基于上述分析，将目标时段确定为6:00-10:00以及17:00-20:00这两个时间段，有利于获得拥堵指数最高的时段的交通特征，也即有利于获得拥堵状况最为严重的时段的交通特征。
112.本公开的一个实施例，在获得交通特征之后，还可以基于交通特征和针对目标区域的拥堵优化目标，生成目标区域的交通调控信息。
113.上述拥堵优化目标可以是最小化拥堵的总持续时间、最小化拥堵路段的总数等。
114.本公开实施例不对生成目标区域的交通调控信息的具体方式做限定，例如，可以是在交通特征大于预警阈值时，生成表征拥堵区域预警、拥堵时段预警等的交通调控信息等。这样有利于后续基于交通调控信息对目标区域进行交通控制，从而避免或缓解目标区域内目标路段的拥堵情况。
115.在图1所示实施例的基础上，进行信息拟合，得到与第一变化信息拟合成功的第二变化信息时，可以通过反复调整拥堵传播率的取值和拥堵疏通率的取值更新第二变化信息，直至更新后的第二变化信息与第一变化信息拟合成功。鉴于上述情况，本公开实施例提供了第二种交通特征获得方法。
116.参见图3，为本公开实施例提供的第二种交通特征获得方法的流程示意图，上述方法包括以下步骤s301-步骤s306。
117.步骤s301：获得不同时间段内目标区域中拥堵路段的第一描述信息。
118.步骤s302：基于所获得的第一描述信息，确定表征目标区域中拥堵路段随时间变化的第一变化信息。
119.步骤s303：获得不同时间段中基准时刻下目标区域中各类型路段的第二描述信息。
120.上述步骤s301-步骤s303与前述图1所示实施例中步骤s101-步骤s103相同，这里不再赘述。
121.步骤s304：基于所获得的第二描述信息、拥堵传播率对应的预设值及拥堵疏通率对应的预设值，确定表征目标区域中拥堵路段随时间变化的第二变化信息。
122.一种实施方式中，由于第二描述信息为基准时刻下目标区域中各类型路段的描述信息，那么可以以基准时刻为起点，结合拥堵传播率和拥堵疏通率，确定基准时刻之前以及基准时刻之后的各时段中拥堵路段随时间的变化情况，进而可以根据所确定变化情况得到表征目标区域中拥堵路段随时间变化的第二变化信息。
123.另一种实施方式中，可以以所获得的第二描述信息、拥堵传播率对应的预设值及拥堵疏通率对应的预设值为传染病模型的模型参数，预测所述不同时间段内所述目标区域中拥堵路段的第三描述信息，然后基于预测得到的第三描述信息，获得表征所述目标区域中拥堵路段随时间变化的第二变化信息。具体实施方式详见后续的详细举例，这里暂不详述。
124.步骤s305：通过反复调整拥堵传播率的取值和拥堵疏通率的取值更新第二变化信
息，直至更新后的第二变化信息与第一变化信息表拟合成功。
125.具体的，本步骤可以分别以下步骤c-步骤d来执行。
126.步骤c：调整拥堵传播率的取值和拥堵疏通率的取值，根据所获得的第二描述信息、拥堵传播率调整后的取值及拥堵疏通率调整后的取值，重新确定表征目标区域中拥堵路段随时间变化的变化信息。
127.步骤d：将第二变化信息更新为重新确定的变化信息，然后判断是否拟合成功，若为否，返回调整拥堵传播率的取值和拥堵疏通率的取值的步骤，直至拟合成功。
128.判断拟合成功的方式如下：
129.一种实施方式中，可以从不同的时间段中确定参考时间段，若第二变化信息中参考时间段内对应的第一子信息与第一变化信息中参考时间对应的第二子信息相同，则确定第二变化信息与第一变化信息拟合成功。
130.另一种实施方式中，可以获得所述第二变化信息与所述第一变化信息之间的相似度，若上述相似度不小于预设阈值，则确定第二变化信息与第一变化信息拟合成功。
131.其中，可以通过以下方式获得上述相似度。
132.第一种方式，可以计算第二变化信息和第一变化信息中对应于同一时段的子信息之间的误差，基于所得误差获得上述相似度。
133.上述误差可以是方差、均方误差等。
134.第二种方式，可以分别对第二变化信息和第一变化信息进行曲线拟合，得到第一变化曲线和第二变化曲线，然后确定第一变化曲线和第二变化曲线中相对应的目标点之间的距离，基于所得距离获得上述相似度。
135.由于第二变化信息与所述第一变化信息之间的相似度可以准确的表征两种信息间的拟合程度，进而将上述相似度作为是否拟合成功的判断基准，有利于准确的使得预测变化区域与实际变化区域成功拟合。
136.步骤s306：基于第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，获得目标区域的交通特征。
137.上述步骤与前述图1所示实施例中步骤s105相同，这里不再赘述。
138.由以上可见，在确定初始的第二变化信息后，可以通过反复调整所述拥堵传播率的取值和拥堵疏通率的取值更新所述第二变化信息，直至更新后的第二变化信息与所述第一变化信息表拟合成功，这样可以不断基于更新后的第二变化信息评估第二变化信息与第一变化信息是否拟合成功，有利于逐步得到拟合成功时的第二变化信息。
139.下面对前述提及的基于传染病模型获得表征目标区域中拥堵路段随时间变化的第二变化信息的方式进行具体说明。
140.需要说明的是，本公开实施例不限定获得第二变化信息时所采用的具体传染病模型，例如，上述传染病模型可以是si模型、sir模型、sirs模型、seir模型等，上述模型的区别为模型所涉及的模型参数不同。
141.发明人在实践中发现，sir模型在获得上述第二变化信息时的效果较为突出，因此，下面以sir模型为例，介绍获得第二信息的方式。
142.首先，对下文举例中将要涉及的一些概念进行说明。
143.s类路段：拥堵路段。
144.i类路段：易被传播拥堵的未拥堵路段。
145.r类路段：从拥堵转变为未拥堵的疏通路段。
146.其中，上述s类路段传播拥堵的规律如下：
147.1、s类路段与i类路段有效接触即被感染，也转变为i类路段，该过程可以称为拥堵传染。
148.2、i类路段可疏通，转变为r类路段，该过程可以称为拥堵疏通。
149.3、r类路段不会再次陷入拥堵。
150.基于上述理解，可以建立用以下微分方程表示的sir模型：
[0151][0152]
其中，s(t)、i(t)、r(t)分别表示时间段t内s类路段、i类路段、r类路段的数量，需要预先获得；s(t)、i(t)、r(t)分别表示时间段t内s类路段、i类路段、r类路段的占比；β和γ分别表示前述拥堵传播率和拥堵疏通率。
[0153]
可见，在给定预设的β和γ的情况下，求解上述微分方程并将s_0、i_0、r_0代入得到的通解，可以解出最终的i(t)：时间段t内i类路段的占比，也即获得了上述第二变化信息。
[0154]
其中，s_0、i_0、r_0分别为：基准时刻t＝0时，s类路段、i类路段、r类路段的占比，对应前述第二描述信息。
[0155]
由以上可见，基于拥堵传染以及拥堵疏通的思想，通过传染病模型可以快捷、准确的获得获得表征目标区域中拥堵路段随时间变化的第二变化信息。
[0156]
由上述举例可知，调整β和γ可以得到更新后的第二变化信息，因此，通过反复调整β和γ即可得到与第一变化信息拟合成功时的第二变化信息。
[0157]
下面对基于sir模型获得的拟合成功时的第二变化信息相对于第一变化信息的拟合效果进行说明。
[0158]
首先参见图4和图5，分别为本公开实施例提供的第一种拟合效果示意图和第二种拟合效果示意图。
[0159]
其中，图4为针对目标区域a1早高峰时段的拟合效果示意图，图5中横坐标表示早高峰时段中各时段的时段序号，纵坐标表示拥挤路段的占比；标记为i的曲线表示基于sir模型得到的第二变化信息对应的曲线，标记为c(t)的曲线为第一变化信息对应的曲线。
[0160]
同样的，图5为针对目标区域a1晚高峰时段的拟合效果示意图，图5中坐标和曲线的含义与图4类似，区别仅为所针对时段不同，不再赘述。
[0161]
结合图4和图5可以明显看出，针对目标区域p1的早高峰时段和晚高峰时段，基于sir模型得到的第二变化信息均可以很好的拟合第一变化信息。
[0162]
再分别参见图6、图7，分别为本公开实施例提供的第三种拟合效果示意图和第四种拟合效果示意图。
[0163]
其中，图6和图7分别为针对目标区域a2早高峰时段和晚高峰时段的拟合效果示意
图，图5和图6中坐标和曲线的含义与图4类似，区别仅为所针对目标区域及时段不同，这里不再赘述。
[0164]
结合图6和图7也可以明显看出，针对目标区域a2的早高峰时段和晚高峰时段，基于sir模型得到的第二变化信息均可以很好的拟合第一变化信息。
[0165]
针对其他目标区域的拟合效果不再一一附图举例。
[0166]
综上可见，基于sir模型获得的第二变化信息对于第一变化信息的拟合效果较好。
[0167]
下面对所得的交通特征进行分析。
[0168]
参见图8，为本公开实施例提供的一种交通特征变化趋势示意图。
[0169]
其中，图8各坐标系中不同曲线表示分别为早高峰(morning)和晚高峰(afternoon)对应的交通特征变化趋势曲线，p表示前文中预设比值，也即拥堵阈值；横坐标表示1个月内的各个日期序号，纵坐标表示交通特征；各坐标系中的曲线分别表示早高峰时段和晚高峰时段对应的交通特征；灰色区域内的曲线对应周末时段。
[0170]
由图8可见，无论在何种拥堵阈值下均可以看出，在周末时，所得的交通特征最小，也就是路段拥堵程度最低。在除周末外的工作日中，早、晚高峰时段的交通特征呈现v形趋势。其中，周一和周五交通特征大于周中，且早高峰时段的交通特征快于晚高峰时段，这与生活中早高峰时间紧快堵快散的情况基本相符合。
[0171]
与上述交通特征获得方法相对应的，本公开实施例还提供了一种交通特征获得装置。
[0172]
参见图9，为本公开实施例提供的一种交通特征获得装置的结构示意图，上述装置包括以下模块901-905。
[0173]
第一描述信息获得模块901，用于获得不同时间段内目标区域中拥堵路段的第一描述信息；
[0174]
第一变化信息获得模块902，用于基于所获得的第一描述信息，确定表征所述目标区域中拥堵路段随时间变化的第一变化信息；
[0175]
第二描述信息获得模块903，用于获得所述不同时间段中基准时刻下所述目标区域中各类型路段的第二描述信息；
[0176]
信息拟合模块904，用于基于所获得的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，得到与所述第一变化信息拟合成功的第二变化信息；
[0177]
交通特征获得模块905，用于基于所述第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，获得所述目标区域的交通特征。
[0178]
由以上可见，应用本公开实施例提供的方案获得交通特征时，首先基于目标区域中路段的第一描述信息确定了表征目标区域中拥堵路段随时间变化的第一变化信息，然后基于不同时间段中基准时刻下目标区域中各类型路段的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，从而得到与第一变化信息拟合成功的第二变化信息，进而可以基于第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，成功获得目标区域的交通特征。
[0179]
可见，本方案无需利用机器学习模型即可获得交通特征，这样省去了收集大量样本数据以及采用样本数据训练机器学习模型所需的时间，有利于提高获得交通特征时的效
率。
[0180]
并且，机器学习模型的训练一般依赖大量的路段样本数据，在本领域中，路段样本数据的收集难度较高，易出现因缺乏样本数据导致模型训练效率低下、训练效果不好的情况。而应用本公开实施例提供的方案获得交通特征时，可以避免上述情况的出现。
[0181]
另外，本方案在获得交通特征时，是对目标区域内包含的所有路段进行综合分析，整体考虑了目标区域内各路段组成的交通网络。因此，相较于在获得交通特征时仅考虑单一链路的排队论和运动波理论，本方案能够整体的站在目标区域内全体目标路段的角度、更加全面的得到交通特征，尤其是能够有效的发掘城市交通网络结构的时空特征，适合路网规模的交通特征提取。
[0182]
本公开的一个实施例中，
[0183]
所述第一描述信息获得模块901，具体用于获得不同时间段内目标区域中拥堵路段的占比信息，作为第一描述信息；
[0184]
可见，占比信息为不同时间段内的目标区域中拥堵路段的占比，反映了拥堵路段和全部路段之间的相对数量关系，能够更加全面的表征不同时间段内目标区域内的整体拥堵状况。
[0185]
和/或
[0186]
所述第二描述信息获得模块903，具体用于获得所述不同时间段中基准时刻下所述目标区域中各类型路段的占比信息，作为第二描述信息。
[0187]
这种情况下，所得的占比为不同时间段内中基准时刻下目标区域中各类型路段的占比，反映了各类型路段和全部路段之间的相对数量关系，能够更加全面的表征不同时间段内基准时刻下各类型路段的相对数量关系。
[0188]
本公开的一个实施例中，所述交通特征获得模块905，具体用于计算所述第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值之间的比值；将所述比值确定为所述目标区域的交通特征。
[0189]
上述比值可以表征目标区域中每个拥堵路段在整个目标时间段内能够有效传染的路段数量，能够较好的反映目标区域内拥挤路段的拥堵传播能力。
[0190]
本公开的一个实施例中，所述信息拟合模块904，包括：
[0191]
第二变化信息确定子模块，用于基于所获得的第二描述信息、拥堵传播率对应的预设值及拥堵疏通率对应的预设值，确定表征所述目标区域中拥堵路段随时间变化的第二变化信息；
[0192]
第二变化信息更新子模块，用于通过反复调整所述拥堵传播率的取值和拥堵疏通率的取值更新所述第二变化信息，直至更新后的第二变化信息与所述第一变化信息表拟合成功。
[0193]
由以上可见，在确定初始的第二变化信息后，可以通过反复调整所述拥堵传播率的取值和拥堵疏通率的取值更新所述第二变化信息，直至更新后的第二变化信息与所述第一变化信息表拟合成功，这样可以不断基于更新后的第二变化信息评估第二变化信息与第一变化信息是否拟合成功，有利于逐步得到拟合成功时的第二变化信息。
[0194]
本公开的一个实施例中，所述第二变化信息确定子模块，具体用于以所获得的第二描述信息、拥堵传播率对应的预设值及拥堵疏通率对应的预设值为传染病模型的模型参
数，预测所述不同时间段内所述目标区域中拥堵路段的第三描述信息；基于预测得到的第三描述信息，获得表征所述目标区域中拥堵路段随时间变化的第二变化信息。
[0195]
由以上可见，基于拥堵传染以及拥堵疏通的思想，通过传染病模型可以快捷、准确的获得获得表征目标区域中拥堵路段随时间变化的第二变化信息。
[0196]
本公开的一个实施例中，所述第二变化信息更新子模块，具体用于调整所述拥堵传播率的取值和拥堵疏通率的取值；根据所获得的第二描述信息、拥堵传播率调整后的取值及拥堵疏通率调整后的取值，重新确定表征所述目标区域中拥堵路段随时间变化的变化信息，并将所述第二变化信息更新为重新确定的变化信息；获得所述第二变化信息与所述第一变化信息之间的相似度；在所述相似度不小于预设阈值的情况下，返回所述调整所述拥堵传播率的取值和拥堵疏通率的取值的步骤，直至所述相似度小于所述预设阈值。
[0197]
由于第二变化信息与所述第一变化信息之间的相似度可以准确的表征两种信息间的拟合程度，进而将上述相似度作为是否拟合成功的判断基准，有利于准确的使得预测变化区域与实际变化区域成功拟合。
[0198]
本公开的一个实施例中，所述第一描述信息获得模块901，包括：
[0199]
速度获得子模块，用于针对每一时间段，获得该时间段内目标区域中各路段的实际车辆通行速度和无阻通行速度；
[0200]
拥堵路段确定子模块，用于基于所获得的实际车辆通行速度和无阻通行速度，从各路段中确定拥堵路段，得到所确定拥堵路段对应的第一描述信息。
[0201]
由以上可见，各时间段对应的拥堵路段是根据该时间段内各路段的实际车辆通行速度与无阻通行速度共同确定的，这样可以基于实际平均速度和无阻通行速度确定之间的差异，准确、合理的确定各时间段对应的拥堵路段，进而可以获得所确定拥堵路段对应的第一描述信息。
[0202]
本公开的一个实施例中，所述拥堵路段确定子模块，具体用于计算该时间段内各路段的实际车辆通行速度与无阻通行速度间的比值；将所述比值小于预设比值的路段确定为拥堵路段。
[0203]
本方式中，计算所得的比值为实际车辆通行速度与无阻通行速度间的比值，该比值表征车辆的实际平均通行速度与无阻通行速度间的相对差距，可以较为准确的路段在某一时间段的拥堵状况。
[0204]
本公开的一个实施例中，所述各类型路段包括：拥堵路段、易被传播拥堵的未拥堵路段和从拥堵转变为未拥堵的疏通路段。
[0205]
这样可以包括丰富的路段类型，能够表征路段的多种不同状态，有利于基于各类型路段获得更加全面的第二描述信息。
[0206]
本公开的一个实施例中，所述装置还包括：
[0207]
交通调控信息生成模块，用于基于所述交通特征和针对所述目标区域的拥堵优化目标，生成所述目标区域的交通调控信息。根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0208]
这样有利于后续基于交通调控信息对目标区域进行交通控制，从而避免或缓解目标区域内目标路段的拥堵情况。
[0209]
本公开的一个实施例中，提供了一种电子设备，包括：
[0210]
至少一个处理器；以及
[0211]
与所述至少一个处理器通信连接的存储器；其中，
[0212]
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执行前述交通特征获得方法。
[0213]
本公开的一个实施例中，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述交通特征获得方法。
[0214]
本公开的一个实施例中，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现前述交通特征获得方法。
[0215]
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0216]
如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(rom)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(ram)1003中的计算机程序，来执行各种适当的动作和处理。在ram 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、rom 1002以及ram 1003通过总线1004彼此相连。输入/输出(i/o)接口1005也连接至总线1004。
[0217]
设备1000中的多个部件连接至i/o接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0218]
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如交通特征获得方法。例如，在一些实施例中，交通特征获得方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由rom 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到ram 1003并由计算单元1001执行时，可以执行上文描述的交通特征获得方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行交通特征获得方法。
[0219]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出
装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0220]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0221]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0222]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0223]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0224]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0225]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0226]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种交通特征获得方法，包括：获得不同时间段内目标区域中拥堵路段的第一描述信息；基于所获得的第一描述信息，确定表征所述目标区域中拥堵路段随时间变化的第一变化信息；获得所述不同时间段中基准时刻下所述目标区域中各类型路段的第二描述信息；基于所获得的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，得到与所述第一变化信息拟合成功的第二变化信息；基于所述第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，获得所述目标区域的交通特征。2.根据权利要求1所述的方法，其中，所述获得不同时间段内目标区域中拥堵路段的第一描述信息，包括：获得不同时间段内目标区域中拥堵路段的占比信息，作为第一描述信息；和/或所述获得所述不同时间段中基准时刻下所述目标区域中各类型路段的第二描述信息，包括：获得所述不同时间段中基准时刻下所述目标区域中各类型路段的占比信息，作为第二描述信息。3.根据权利要求1所述的方法，其中，所述基于所述第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，获得所述目标区域的交通特征，包括：计算所述第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值之间的比值；将所述比值确定为所述目标区域的交通特征。4.根据权利要求1-3中任一项所述的方法，其中，所述基于所获得的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，得到与所述第一变化信息拟合成功的第二变化信息，包括：基于所获得的第二描述信息、拥堵传播率对应的预设值及拥堵疏通率对应的预设值，确定表征所述目标区域中拥堵路段随时间变化的第二变化信息；通过反复调整所述拥堵传播率的取值和拥堵疏通率的取值更新所述第二变化信息，直至更新后的第二变化信息与所述第一变化信息表拟合成功。5.根据权利要求4所述的方法，其中，所述基于所获得的第二描述信息、拥堵传播率对应的预设值及拥堵疏通率对应的预设值，确定表征所述目标区域中拥堵路段随时间变化的第二变化信息，包括：以所获得的第二描述信息、拥堵传播率对应的预设值及拥堵疏通率对应的预设值为传染病模型的模型参数，预测所述不同时间段内所述目标区域中拥堵路段的第三描述信息；基于预测得到的第三描述信息，获得表征所述目标区域中拥堵路段随时间变化的第二变化信息。6.根据权利要求4所述的方法，其中，所述通过反复调整所述拥堵传播率的取值和拥堵疏通率的取值更新所述第二变化信息，直至更新后的第二变化信息与所述第一变化信息拟合成功，包括：调整所述拥堵传播率的取值和拥堵疏通率的取值；
根据所获得的第二描述信息、拥堵传播率调整后的取值及拥堵疏通率调整后的取值，重新确定表征所述目标区域中拥堵路段随时间变化的变化信息，并将所述第二变化信息更新为重新确定的变化信息；获得所述第二变化信息与所述第一变化信息之间的相似度；在所述相似度不小于预设阈值的情况下，返回所述调整所述拥堵传播率的取值和拥堵疏通率的取值的步骤，直至所述相似度小于所述预设阈值。7.根据权利要求1所述的方法，其中，所述获得不同时间段内目标区域中拥堵路段的第一描述信息，包括：针对每一时间段，按照以下方式获得该时间段内目标区域中拥堵路段的第一描述信息：获得该时间段内目标区域中各路段的实际车辆通行速度和无阻通行速度；基于所获得的实际车辆通行速度和无阻通行速度，从各路段中确定拥堵路段，得到所确定拥堵路段对应的第一描述信息。8.根据权利要求7所述的方法，其中，所述基于所获得的实际车辆通行速度和无阻通行速度，从各路段中确定拥堵路段，包括：计算该时间段内各路段的实际车辆通行速度与无阻通行速度间的比值；将所对应比值小于预设比值的路段确定为拥堵路段。9.根据权利要求1-3、5-8中任一项所述的方法，其中，所述各类型路段包括：拥堵路段、易被传播拥堵的未拥堵路段和从拥堵转变为未拥堵的疏通路段。10.根据权利要求1-3、5-8中任一项所述的方法，还包括：基于所述交通特征和针对所述目标区域的拥堵优化目标，生成所述目标区域的交通调控信息。11.一种交通特征获得装置，包括：第一描述信息获得模块，用于获得不同时间段内目标区域中拥堵路段的第一描述信息；第一变化信息获得模块，用于基于所获得的第一描述信息，确定表征所述目标区域中拥堵路段随时间变化的第一变化信息；第二描述信息获得模块，用于获得所述不同时间段中基准时刻下所述目标区域中各类型路段的第二描述信息；信息拟合模块，用于基于所获得的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，得到与所述第一变化信息拟合成功的第二变化信息；交通特征获得模块，用于基于所述第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，获得所述目标区域的交通特征。12.根据权利要求11所述的装置，其中，所述第一描述信息获得模块，具体用于获得不同时间段内目标区域中拥堵路段的占比信息，作为第一描述信息；和/或所述第二描述信息获得模块，具体用于获得所述不同时间段中基准时刻下所述目标区
域中各类型路段的占比信息，作为第二描述信息。13.根据权利要求11所述的装置，其中，所述交通特征获得模块，具体用于计算所述第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值之间的比值；将所述比值确定为所述目标区域的交通特征。14.根据权利要求11-13中任一项所述的装置，其中，所述信息拟合模块，包括：第二变化信息确定子模块，用于基于所获得的第二描述信息、拥堵传播率对应的预设值及拥堵疏通率对应的预设值，确定表征所述目标区域中拥堵路段随时间变化的第二变化信息；第二变化信息更新子模块，用于通过反复调整所述拥堵传播率的取值和拥堵疏通率的取值更新所述第二变化信息，直至更新后的第二变化信息与所述第一变化信息表拟合成功。15.根据权利要求14所述的装置，其中，所述第二变化信息确定子模块，具体用于以所获得的第二描述信息、拥堵传播率对应的预设值及拥堵疏通率对应的预设值为传染病模型的模型参数，预测所述不同时间段内所述目标区域中拥堵路段的第三描述信息；基于预测得到的第三描述信息，获得表征所述目标区域中拥堵路段随时间变化的第二变化信息。16.根据权利要求14所述的装置，其中，所述第二变化信息更新子模块，具体用于调整所述拥堵传播率的取值和拥堵疏通率的取值；根据所获得的第二描述信息、拥堵传播率调整后的取值及拥堵疏通率调整后的取值，重新确定表征所述目标区域中拥堵路段随时间变化的变化信息，并将所述第二变化信息更新为重新确定的变化信息；获得所述第二变化信息与所述第一变化信息之间的相似度；在所述相似度不小于预设阈值的情况下，返回所述调整所述拥堵传播率的取值和拥堵疏通率的取值的步骤，直至所述相似度小于所述预设阈值。17.根据权利要求11所述的装置，其中，所述第一描述信息获得模块，包括：速度获得子模块，用于针对每一时间段，获得该时间段内目标区域中各路段的实际车辆通行速度和无阻通行速度；拥堵路段确定子模块，用于基于所获得的实际车辆通行速度和无阻通行速度，从各路段中确定拥堵路段，得到所确定拥堵路段对应的第一描述信息。18.根据权利要求17所述的装置，其中，所述拥堵路段确定子模块，具体用于计算该时间段内各路段的实际车辆通行速度与无阻通行速度间的比值；将所述比值小于预设比值的路段确定为拥堵路段。19.根据权利要求11-13、15-18中任一项所述的装置，其中，所述各类型路段包括：拥堵路段、易被传播拥堵的未拥堵路段和从拥堵转变为未拥堵的疏通路段。20.根据权利要求11-13、15-18中任一项所述的装置，还包括：交通调控信息生成模块，用于基于所述交通特征和针对所述目标区域的拥堵优化目标，生成所述目标区域的交通调控信息。21.一种电子设备，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执行权利要求1-10中任一项所述的方法。22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。23.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。

技术总结
本公开提供了一种交通特征获得方法、装置、设备及存储介质，涉及数据处理领域，尤其涉及智能交通领域。具体实现方案为：获得不同时间段内目标区域中拥堵路段的第一描述信息；基于所获得的第一描述信息，确定表征目标区域中拥堵路段随时间变化的第一变化信息；获得不同时间段中基准时刻下目标区域中各类型路段的第二描述信息；基于所获得的第二描述信息、拥堵传播率对应的预设值以及拥堵疏通率对应的预设值进行信息拟合，得到与第一变化信息拟合成功的第二变化信息；基于第二变化信息对应的拥堵传播率的取值以及拥堵疏通率的取值，获得目标区域的交通特征。应用本公开实施例提供的方案可以提高获得交通特征时的效率。方案可以提高获得交通特征时的效率。方案可以提高获得交通特征时的效率。


技术研发人员：肖逸雄 袁昊 路新江 周景博 窦德景
受保护的技术使用者：百度在线网络技术（北京）有限公司
技术研发日：2023.02.09
技术公布日：2023/6/7