交通流量的确定方法及设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种交通流量的确定方法及设备。

背景技术

随着时代的发展和国民生活水平的不断提高，城市公路客货运输发展迅速，道路条件得到很大改善，但也带来了更大的交通负荷。交通道路拥堵、事故频发等成为了许多城市亟待解决的问题。在此背景下，有效的交通管理对于提升城市交通运载能力、提高居民出行满意度显得尤为重要。对于交通管理部门而言，在解决任何交通问题前，都需要对城市的交通现状有基本的了解，并依此进行相关决策的制定。而城市道路流量正是城市交通现状的基础信息之一，其刻画了城市道路中各个路段在不同时间段的车流量情况，是城市拥堵溯源、道路渠化优化的重要依据。

现有城市道路流量还原方法存在还原准确率较低等问题。

发明内容

鉴于上述问题，提出了本申请以提供一种解决上述问题或至少部分地解决上述问题的交通流量的确定方法及设备。

于是，在本申请的一个实施例中，提供了一种交通流量的确定方法，包括：

根据待处理出行轨迹点序列与路网，判断所述待处理出行轨迹点序列所依据的第一轨迹坐标系与所述路网所依据的路网坐标系是否相匹配；

当所述第一轨迹坐标系与所述路网坐标系不相匹配时，对所述待处理出行轨迹点序列中出行轨迹点进行坐标系转换，得到出行轨迹点序列；

在所述路网中还原出所述出行轨迹点序列对应的出行路径；

根据所述出行路径所经过的路段，确定所述路网中路段的流量。

在本申请的又一实施例中，提供了一种交通流量的确定方法，包括：

在路网中，确定出行轨迹点序列中多个出行轨迹点各自的候选路段；

根据所述出行轨迹点序列中出行轨迹点间的排序信息以及所述路网中路段间的拓扑关系，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段；

根据所述多个出行轨迹点各自所处的目标路段，还原所述出行轨迹点序列对应的出行路径；

根据所述出行路径所经过的路段，确定所述路网中路段的流量。

在本申请的又一实施例中，提供了一种电子设备。该电子设备，包括：存储器和处理器，其中，

所述存储器，用于存储程序；

所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述任一项所述的交通流量的确定方法。

实际应用中，采集出行轨迹点的移动设备各种各样，不同移动设备所依据的地理坐标系是不同的，为了减少坐标系差异所带来的统计偏差，本申请实施例提供的技术方案在针对待处理出行轨迹点序列进行出行路径还原之前，会先判断待处理出行轨迹点序列所依据的第一轨迹坐标系与路网所依据的路网坐标系是否匹配；当第一轨迹坐标系与路网坐标系不相匹配时，对待处理出行轨迹点序列中出行轨迹点进行坐标系转换，以提高出行路径的还原准确率，进而提高交通流量统计的准确率。

本申请实施例提供的技术方案中，从出行轨迹点序列中每个出行轨迹点对应的候选路段中确定出每个出行轨迹点所处的目标路段时，是会考虑出行轨迹点间的排序信息以及路网中路段间的拓扑关系的。考虑路网拓扑关系以及出行轨迹点间的排序信息，能够更全面地对轨迹点所属的路段进行判断，可提高出行轨迹点的路段匹配准确性，进而提高交通流量统计的准确率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实施例提供的交通流量的确定的流程示意图；

图2为本申请一实施例提供的交通流量的确定的流程示意图；

图3为本申请一实施例提供的交通流量的确定的流程示意图；

图4为本申请一实施例提供的电子设备的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将根据本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。

此外，在本申请的说明书、权利要求书及上述附图中描述的一些流程中，包含了按照特定顺序出现的多个操作，这些操作可以不按照其在本文中出现的顺序来执行或并行执行。操作的序号如101、102等，仅仅是用于区分各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

图1示出了本申请一实施例提供的交通流量的确定方法的流程示意图。该方法的执行主体可以为客户端，也可以为服务端。其中，所述客户端可以是集成在终端上的一个具有嵌入式程序的硬件，也可以是安装在终端中的一个应用软件，还可以是嵌入在终端操作系统中的工具软件等，本申请实施例对此不作限定。该终端可以为包括手机、平板电脑等任意终端设备。其中，服务端可以是常用服务器、云端或虚拟服务器等，本申请实施例对此不作具体限定。如图1所示，该方法包括：

101、根据待处理出行轨迹点序列与路网，判断所述待处理出行轨迹点序列所依据的第一轨迹坐标系与所述路网所依据的路网坐标系是否相匹配。

102、当所述第一轨迹坐标系与所述路网坐标系不相匹配时，对所述待处理出行轨迹点序列中出行轨迹点进行坐标系转换，得到出行轨迹点序列。

103、在所述路网中还原出所述出行轨迹点序列对应的出行路径。

104、根据所述出行路径所经过的路段，确定所述路网中路段的流量。

上述101中，路网指的是在指定区域内，由各种道路组成的相互联络、交织成网状分布的道路系统。其中，指定区域可以是一个城市区域、一个省区域、一个国家区域，等等。

待处理出行轨迹点序列由在一次出行中采集到的多个出行轨迹点按照采集时间先后排序得到。一次出行指的是从一个停留点出发到另一个停留点的过程。举例来说：用户从家出发到公司这个过程是一次出行，用户从公司出发到家这个过程是一次出行；用户从家出发到商场这个过程是一次出行。

待处理出行轨迹点序列中每个出行轨迹点都对应有经维度和采集时间戳。

在一实例中，可确定待处理出行轨迹点序列所依据的第一轨迹坐标系；确定路网所依据的路网坐标系；若第一轨迹坐标系与路网坐标系一致，则判定两者相匹配；否则，判定两者不匹配。其中，待处理出行轨迹点序列中出行轨迹点的坐标信息中可携带有第一轨迹坐标系的标识信息；这样，根据该标识信息即可确定出待处理出行轨迹点序列所依据的第一轨迹坐标系。

在另一实例中，可根据待处理出行轨迹点序列中各出行轨迹点与路网中路段的距离；根据该距离，判断所述待处理出行轨迹点序列所依据的第一轨迹坐标系与所述路网所依据的路网坐标系是否相匹配。

实际应用中，移动终端所依据的地理坐标系一般有：火星坐标系和WGS84(WorldGeodetic System一1984Coordinate System)坐标系。上述路网所依据的路网坐标系可以是火星坐标系和WGS84坐标系中的一种。

以路网坐标系为WGS84坐标系为例进行介绍：若待处理出行轨迹点序列对应的移动终端所依据的地理坐标系(也即上文中的第一轨迹坐标系)为火星坐标系，则上述第一轨迹坐标系与路网坐标系不匹配；若待处理出行轨迹点序列对应的移动终端所依据的地理坐标系为WGS84坐标系，则上述第一轨迹坐标系与路网坐标系相匹配。

上述102中，当所述第一轨迹坐标系与所述路网坐标系不相匹配时，对所述待处理出行轨迹点序列中出行轨迹点进行坐标系转换，得到出行轨迹点序列。具体地，可对所述待处理出行轨迹点序列中出行轨迹点进行一次目标坐标系转路网坐标系的转换操作。上述目标坐标系可以是预先设置的。

在一具体实例中，若移动终端所依据的地理坐标系只有：火星坐标系和WGS84坐标系，且路网坐标系为WGS84坐标系，那么，目标坐标系为火星坐标系。也即，对所述待处理出行轨迹点序列中出行轨迹点进行一次火星坐标系转WGS84坐标系的转换操作，得到出行轨迹点序列。

在另一具体实例中，若移动终端所依据的地理坐标系除了路网坐标系，还包括多个备选坐标系，那么，可以从多个备选坐标系中确定出目标坐标系。注：当存在多个备选坐标系时，可通过遍历的方式从多个备选坐标系中确定出目标坐标系，然后执行上述步骤102中“坐标系转换”的操作，若得到的出行轨迹点序列所依据的第二轨迹坐标系与所述路网坐标系相匹配，则结束遍历，否则继续遍历直至遍历完多个备选坐标系。

上述103中，可通过地图匹配算法，在所述路网中还原出所述出行轨迹点序列对应的出行路径。

上述地图匹配算法可根据实际需要来选择，本申请实施例对此不作具体限定。在一实例中，上述地图匹配算法可以是基于隐马尔科夫模型(Hidden Markov Model，HMM)的。

上述104中，实际应用中，上述待处理出行轨迹点序列为多个，相应的，上述出行轨迹点序列为多个；可根据多个出行轨迹点序列各自对应的出行路径所经过的路段，确定所述路网中路段的流量。例如：可统计多个出行轨迹点序列各自对应的出行路径中通过某一路段的出行路径数量，可将该出行路径数量作为该路段的流量。

实际应用中，可分时间段进行流量统计，具体可根据实际需要来设置，本申请对此不作具体限定。

实际应用中，采集出行轨迹点的移动设备各种各样，不同移动设备所依据的地理坐标系是不同的，为了减少坐标系差异所带来的统计偏差，本申请实施例提供的技术方案在针对待处理出行轨迹点序列进行出行路径还原之前，会先判断待处理出行轨迹点序列所依据的第一轨迹坐标系与路网所依据的路网坐标系是否匹配；当第一轨迹坐标系与路网坐标系不相匹配时，对待处理出行轨迹点序列中出行轨迹点进行坐标系转换，以提高出行路径的还原准确率，进而提高交通流量统计的准确率。

在一实例中，所述待处理出行轨迹点序列是根据基于位置的服务LBS应用采集的地理位置数据确定的。LBS数据具有定位精度高、数据渗透率高、采集成本低的优势。但是，实际应用中，不同用户所使用的移动终端不同，不同的移动终端所使用的地理坐标系也会存在差异，这就导致：不同用户上传的LBS(Location Based Services，基于位置的服务)应用采集的地理位置信息所依据的地理坐标系有可能是不同的。若用户上传的LBS应用采集的地理位置信息所依据的地理坐标系与上述路网所依据的地理坐标系相同，那么将出行轨迹点序列中的出行轨迹点映射到路网中，不会出现较大的偏差；若用户上传的LBS应用采集的地理位置信息所依据的地理坐标系与上述路网所依据的地理坐标系不同，那么，将出行轨迹点序列中的出行轨迹点映射到路网中时，就会出现较大的偏移，甚至影响出行路径的还原准确度，进而影响道路流量的还原程度。因此，需要采用本申请实施例提供的技术方案来减少上述偏移程度，以确保路径还原准确率，进而确保流量还原准确率。

此外，当所述第一轨迹坐标系与所述路网坐标系相匹配时，将待处理出行轨迹点序列作为出行轨迹点序列。

在一种可实现的方案中，上述101中“根据待处理出行轨迹点序列与路网，判断所述待处理出行轨迹点序列所依据的第一轨迹坐标系与所述路网所依据的路网坐标系是否相匹配”，可采用如下步骤来实现：

1011、确定所述待处理出行轨迹点序列中各出行轨迹点与路网中距离其最近路段的距离。

1012、根据所述待处理出行轨迹点序列中各出行轨迹点与路网中距离其最近路段的距离，判断所述待处理出行轨迹点序列所依据的第一轨迹坐标系与所述路网所依据的路网坐标系是否相匹配。

在一实例中，上述1012可采用如下步骤来实现：

根据所述待处理出行轨迹点序列中各出行轨迹点与路网中距离其最近路段的距离，确定平均距离；

若所述平均距离大于或等于预设距离阈值，则判定所述待处理出行轨迹点序列所依据的第一轨迹坐标系与所述路网所依据的路网坐标系不相匹配；

若所述平均距离小于预设距离阈值，则判定所述待处理出行轨迹点序列所依据的第一轨迹坐标系与所述路网所依据的路网坐标系相匹配。

上述平均距离也即所述待处理出行轨迹点序列中各出行轨迹点与路网中距离其最近路段的距离的平均值。

在一具体实例中，可在路网中每个路段上按照预设间隔(例如50米)进行路段位置点的采集，得到路段位置点集合；所述待处理出行轨迹点序列中包括第四出行轨迹点；第四出行轨迹点指代的是待处理出行轨迹点序列中的任意出行轨迹点。确定第四出行轨迹点在预设等级、S2映射下的目标地理网格序号；其中，预设等级可以是13等级；从路段位置点集合中抽取地理网格序号与所述目标地理网格序号相同的多个路段位置点，作为抽选集合；若抽选集合为空，则记该第四出行轨迹点在路网中距离其最近路段的距离为预设距离，该预设距离由所述预设等级确定，当预设等级为13等级时，预设距离可以为1000米；若抽选集合不为空，则将该轨迹点到抽选集合内所有路段位置点的距离中最小值作为该第四出行轨迹点在路网中距离其最近路段的距离；确定所述待处理出行轨迹点序列中各出行轨迹点与路网中距离其最近路段的距离的平均距离；若该平均距离大于或等于预设距离阈值(例如300米)，则判定第一轨迹坐标系与路网坐标系不匹配；否则，判定第一轨迹坐标系与路网坐标系匹配。其中，S2是一种常用的地理位置编码方法，用于建立经纬度坐标点与平面网格编号的双向映射。

可选地，上述方法，还可包括：

105、判断所述出行轨迹点序列所依据的第二轨迹坐标系与所述路网坐标系是否相匹配。

106、当所述第二轨迹坐标系与所述路网坐标系相匹配时，触发所述在所述路网中还原出所述出行轨迹点序列对应的出行路径的步骤。

上述105中，经过坐标系转换，出行轨迹点序列所依据的轨迹坐标系与待处理出行轨迹点序列所依据的轨迹坐标系是不同的。

判断所述出行轨迹点序列所依据的第二轨迹点坐标系与所述路网坐标系是否相匹配的方式可参照上述各实施例中相应内容，在此不再详述。

上述106中，当所述第二轨迹坐标系与所述路网坐标系相匹配时，触发所述在所述路网中还原出所述出行轨迹点序列对应的出行路径的步骤。

在一实例中，当所述第二轨迹坐标系与所述路网坐标系不匹配时，忽略所述出行轨迹点序列。

为了进一步提高交通流量还原准确率，在执行所述地图匹配之前，上述方法，还包括：

107、确定所述出行轨迹点序列中出行轨迹点处的运动状态信息。

108、当所述运动状态信息异常时，从所述出行轨迹点序列中删除异常出行轨迹点。

其中，所述异常出行轨迹点是从所述出行轨迹点和所述出行轨迹点序列中所述出行轨迹点的前一出行轨迹点中确定出的。

上述107中，运动状态信息可包括：位移速度和角速度。

上述108中，当位移速度异常或角速度异常时，从所述出行轨迹点序列中删除异常出行轨迹点。

实际应用中，当位移速度异常或角速度异常时，在出行轨迹点序列中删除所述出行轨迹点序列中所述出行轨迹点的前一出行轨迹点，得到删除后出行轨迹点序列；重新确定所述删除后出行轨迹点序列中所述出行轨迹点处的运动状态信息；当重新确定的运动状态信息正常时，将所述出行轨迹点序列中所述出行轨迹点的前一出行轨迹点确定为异常出行轨迹点；否则将所述出行轨迹点确定为异常出行轨迹点。

具体地，位移速度大于或等于预设位移速度阈值时，确定位移速度异常；否则，确定位移速度正常。角速度大于或等于预设角速度阈值时，确定角速度异常；否则，确定角速度正常。

具体地，记(lng

(1)从第二个轨迹点开始，根据当前轨迹点与前一轨迹点的数据，计算当前轨迹点的速度：

其中，i＞2，dis(lng

(2)从第二个轨迹点开始，根据当前轨迹点与前一轨迹点的数据，计算点(lng

(3)从第三个轨迹点开始，计算当前轨迹点的角速度：

其中，angdiff(ang

在一种可实现的方案中，上述103中“在所述路网中还原出所述出行轨迹点序列对应的出行路径”，可采用如下步骤来实现：

1031、在所述路网中，确定出行轨迹点序列中多个出行轨迹点各自的候选路段。

1032、从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段。

1033、根据所述多个出行轨迹点各自所处的目标路段，还原所述出行轨迹点序列对应的出行路径。

上述1031中，在一种可实现的方案中，可根据路网中位于各出行轨迹点所在区域内的多条路段确定各出行轨迹点对应的候选路段。各出行轨迹点所在区域的大小可根据实际需要来设定，本申请实施例对此不作具体限定。例如：该区域可以是以该出行轨迹点为中心，以预设长度为半径的圈形区域内。

具体地，所述多个出行轨迹点中包括第一出行轨迹点，根据路网中位于第一出行轨迹点的周围区域内的多条路段，确定第一出行轨迹点对应的候选路段。在一具体实例中，可将这多条路段直接作为第一出行轨迹点对应的候选路段。在另一具体实例中，可对这多条路径进行筛选，以得到第一出行轨迹点对应的候选路段。具体地，筛选方式将在下述各实施例中详细介绍。

实际应用中，上述出行轨迹点序列的数量可以为一个或多个；每个出行轨迹点对应的候选路段的数量可以为一个或多个。

上述1032中，可通过地图匹配算法，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段。

地图匹配算法可根据实际需要来选择，本申请实施例对此不作具体限定。

在一实例中，可根据所述出行轨迹点序列中出行轨迹点间的排序信息以及所述路网中路段间的拓扑关系，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段。具体实现过程将在下述各实施例中详细介绍。

上述1032，在一实例中，可按照多个出行轨迹点的排序信息，对多个出行轨迹点各自所处的目标路段进行排序；根据排序结果，还原所述出行轨迹点序列对应的出行路径。

下面将介绍一种候选路段的筛选方式：

具体地，所述多个出行轨迹点中包括第一出行轨迹点。上述1031中“在路网中，确定所述第一出行轨迹点对应的候选路段”，具体可采用如下步骤来实现：

S11、在路网中，确定出所述第一出行轨迹点对应的初始候选路段。

S12、当所述初始候选路段的路段类型为与封闭道路相关的道路类型时，确定所述路网中所述初始候选路段所在区域的至少一个封闭道路路段。

S13、确定所述出行轨迹点序列与所述路网中所述初始候选路段所在区域的至少一个封闭道路路段的匹配程度。

S14、当所述匹配程度大于或等于第一预设匹配阈值时，根据所述初始候选路段，确定所述第一出行轨迹点对应的候选路段。

上述S11中，根据路网中位于第一出行轨迹点所在区域内的多条路段，确定第一出行轨迹点对应的初始候选路段。在一具体实例中，可将这多条路段直接作为第一出行轨迹点对应的初始候选路段。

上述S12中，与封闭道路相关的道路类型包括：封闭道路类型、封闭道路的入口匝道类型以及封闭道路的出口匝道类型。封闭道路可以是高速、城市快速路，等等。

实际应用中，一旦车辆进入封闭道路后，该车辆需要在封闭道路上行驶一段时间，不可能很快就从封闭道路上下来，这是由封闭道路的特性决定的。基于此，可对第一出行轨迹点对应的初始候选路段进行筛选。

当所述初始候选路段的路段类型为与封闭道路相关的道路类型时，确定所述路网中所述初始候选路段所在区域的至少一个封闭道路路段。在一实例中，所述路网中所述初始候选路段所在区域的至少一个封闭道路路段可包括：所述路网中所述初始候选路段所在区域的所有封闭道路路段。

上述S13中，可计算出行轨迹点序列中每个出行轨迹点与上述至少一个封闭道路路段的最短距离；确定出现轨迹点序列中最短距离小于或等于预设最短距离阈值的出行轨迹点数量；根据该出行轨迹点数据，确定上述匹配程度。在一实例中，出行轨迹点数据越大，匹配程度就越大。

上述S14中，若匹配程度大于或等于第一预设匹配阈值，则将初始候选路段作为第一出行轨迹点对应的候选路段；否则，则忽略该初始候选路段。

在一种可实现的方案中，为了减少计算量并提高匹配程度的计算准确率，可对所述路网中所述初始候选路段所在区域的至少一个封闭道路路段的数量进行精简。具体地，上述S12中“当所述初始候选路段的路段类型为与封闭道路相关的道路类型时，确定所述路网中所述初始候选路段所在区域的至少一个封闭道路路段”，可包括如下步骤中一个或多个：

S121、当所述初始候选路段的路段类型为封闭道路类型或封闭道路的入口匝道类型时，在所述路网中确定以所述初始候选路段为起点路段，在预设时长内所能抵达的至少一个第一封闭道路路段，以作为所述路网中所述初始候选路段所在区域的至少一个封闭道路路段。

S122、当所述初始候选路段的路段类型为封闭道路类型或封闭道路的出口匝道类型时，在所述路网中确定出以所述初始候选路段为终点路段，在预设时长内可能途径的至少一个第二封闭道路路段，以作为所述路网中所述初始候选路段所在区域的至少一个封闭道路路段。

上述S121中，可按照预设交通速度，在所述路网中确定以所述初始候选路段为起点路段，在预设时长内所能抵达的至少一个第一封闭道路路段。上述预设交通速度可以是路网中封闭道路的最高限速。

相应的，上述S13中“确定所述出行轨迹点序列与所述路网中所述初始候选路段所在区域的至少一个封闭道路路段的匹配程度”，可采用如下步骤来实现：

S131a、当所述初始候选路段的路段类型为封闭道路类型或封闭道路的入口匝道类型时，从所述多个出行轨迹点中，确定出采集时间戳位于所述第一出行轨迹点的第一采集时间戳与第二时间戳之间的至少一个第一目标出行轨迹点。

其中，所述第二时间戳为所述第一采集时间戳与所述预设时长之和。

S132a、确定所述至少一个第一目标出行轨迹点中各第一目标出行轨迹点距离所述至少一个第一封闭道路路段的最短距离。

S133a、根据所述至少一个第一目标出行轨迹点中最短距离小于或等于预设距离阈值的第一目标出行轨迹点的第一数量，确定所述出行轨迹点序列与所述路网中所述初始候选路段所在区域的至少一个封闭道路路段的匹配程度。

上述S132a中，计算第一目标出行轨迹点到每个第一封闭道路路段的距离；比较第一目标出行轨迹点到至少一个第一封闭道路路段中各路段的距离，以确定出最短距离。

上述S133a中，在一实例中，可将第一数量作为匹配程度；在另一实例中，可将第一数量与至少一个第一目标出行轨迹点的数量的比值作为匹配程度。

上述S122中，可按照预设交通速度，在所述路网中确定出以所述初始候选路段为终点路段，在预设时长内可能途径的至少一个第二封闭道路路段。

相应的，上述S13中“确定所述出行轨迹点序列与所述路网中所述初始候选路段所在区域的至少一个封闭道路路段的匹配程度”，可采用如下步骤来实现：

S131b、当所述初始候选路段的路段类型为封闭道路类型或封闭道路的出口匝道类型时，从所述多个出行轨迹点中，确定出采集时间戳位于第三时间戳与所述第一出行轨迹点的第一采集时间戳之间的至少一个第二目标出行轨迹点。

其中，所述第三时间戳为所述第一采集时间戳与所述预设时长之差。

S132b、根据所述至少一个第二目标出行轨迹点中各第二目标出行轨迹点距离所述至少一条第二封闭道路路段的最短距离。

S133b、根据所述至少一个第二目标出行轨迹点中最短距离小于或等于预设距离阈值的第二目标出行轨迹点的第二数量，确定所述出行轨迹点序列与所述路网中所述初始候选路段所在区域的至少一个封闭道路路段的匹配程度。

上述S132b中，计算第二目标出行轨迹点到每个第二封闭道路路段的距离；比较第二目标出行轨迹点到至少一个第二封闭道路路段中各路段的距离，以确定出最短距离。

上述S133b中，在一实例中，可将第二数量作为匹配程度；在另一实例中，可将第二数量与至少一个第二目标出行轨迹点的数量的比值作为匹配程度。

沿用上例：

1、初始化状态转移矩阵序列S

其中，S

2、依次对出行轨迹点序列中第i个轨迹点进行如下操作(其中，i大于等于1且小于等于n，其中，n为出行轨迹点序列中出行轨迹点个数)：

以第i个轨迹点所在位置为圆心，100米为半径，筛选区域内的所有路段，得到路段候选集C

结合当前S

2、对C

遍历C

计算路段r

计算目标角速度dr

其中，若dr

3、对C

遍历C

若r

以路段r

取所述出行轨迹点序列中采集时间戳在[ts

对集合

计算：

其中，若

若

若r

以路段r

取所述出行轨迹点序列中采集时间戳在[ts

对集合

计算：

其中，若

若

4、使用C

5、求解S

实际应用中，移动设备在移动的过程中，如果移动设备断网或者移动设备穿越隧道，会导致部分移动轨迹点无法被采集到，这可能会导致最终还原得到的出行路径是不连续的。为了提高出行路径的还原程度，上述1033中“根据所述多个出行轨迹点各自所处的目标路段，还原所述出行轨迹点序列对应的出行路径”，可采用如下步骤来实现：

S31、当所述路网中第三出行轨迹点所处的目标路段与第二出行轨迹点所处的目标路段不邻接时，利用最短路径算法，寻找由所述第二出行轨迹点所处的目标路段抵达所述第三出行轨迹点所处的目标路段的最短路径。

S32、根据所述多个出行轨迹点各自所处的目标路段以及所述最短路径，还原所述第一出行轨迹点序列对应的出行路径。

其中，所述出行轨迹点序列中包括：相邻的第二出行轨迹点和第三出行轨迹点；在所述第一出行轨迹点序列中，所述第二出行轨迹点位于所述第三出行轨迹点之前。

最短路径算法的选取可根据实际需要来确定，最短路径算法的具体实现可参见现有技术。

具体地，将多个出行轨迹点各自所处的目标路段按照对应出行轨迹点的采集时间戳升序排列，从第二个目标路径开始，若当前路段

可选地，所述待处理出行轨迹点序列是根据基于位置的服务LBS应用采集的地理位置数据确定的；所述出行轨迹点序列为多个。考虑到实际应用中可能存在某些用户未使用LBS应用，那么这些用户的出行轨迹点就无法获取得到，在统计交通流程时，也就无法统计到这些用户。为了进一步提高流量统计准确率，上述104中“根据所述出行路径所经过的路段，确定所述路网中路段的流量”，可采用如下步骤来实现：

1041、将多个所述出行轨迹点序列各自对应的出行路径中相同的出行路径划分为一组，得到多组出行路径。

1042、根据每组出行路径对应的出发小区内使用LBS应用的用户占比，对每组出行路径的出行路径数量进行修正，得到每组出行路径的修正后出行路径数量。

1043、根据所述多组出行路径以及所述多组出行路径各自的修正后出行路径数量，确定所述路网中路段的流量。

上述1042中，每组出行路径对应的出发小区指的是每组出行路径中第一个出行轨迹点所属的交通小区。可按照特定尺度或者规则将待统计区域划分成多个交通小区。

可将出行路径数量除以用户占比得到的商作为修正后出行路径数量。

上述1043中，路网中包括第一路段；根据所述多组出行路径以及所述多组出行路径各自的修正后出行路径数量，确定经过所述第一路段的出行路径的数量，以作为第一路段的流量。

具体地，确定经过所述第一路段的至少一组出行路径；将至少一组出行路径中各组出行路径对应的修改后出行路径数量之和作为经过所述第一路段的出行路径的数量。

具体地，假设所研究区域依照特定尺度或规则划分为M个小区，记为Q

按照(出发时间片，出发小区，到达时间片，到达小区，路径序列)这一五元组对出行路径进行汇聚，统计每一组出行路径的出行路径数，即为该组出行量，并记为

在此基础上，依照如下规则进行流量校准：

计算校准系数：对每个小区Q

其中，

流量校准：对每个小区Q

此外，还可计算路径识别结果的质量评价指标，包括匹配距离和邻接率，具体计算方法如下：

匹配距离：对每个轨迹点，计算该点到匹配路段中心点的球面距离，记为该点的匹配距离；计算所有轨迹点的匹配距离并取平均值，得到总体匹配距离。

邻接率：每相邻两条路径中，下一条路径在当前路径的下游集合内的比例。假设轨迹中有N条路段记为r

其中，若r

上述匹配距离和邻接率可提供给用户，以由用户判断统计得到的路段流量是否可信，进而决定后续的决策。

可选地，上述方法，还可包括：

109、根据基于位置的服务LBS应用采集的地理位置数据，确定多个初始出行轨迹点序列。

110、根据所述多个初始出行轨迹点序列各自对应的移动速度，确定出出行方式为汽车出行方式的目标初始出行轨迹点序列。

111、将所述目标初始出行轨迹点序列确定为所述待处理出行轨迹点序列。

LBS数据虽然具有渗透率高、密度高、定位精度好的特点，但往往是被动采集，缺少出行相关信息。因此需要对原始LBS数据进行如下处理，以获取出行数据：

识别每个用户不同出行段和对应停留点，并进行切分，得到初始出行轨迹点序列；识别每个初始出行轨迹点序列对应的出行方式；保留所有出行方式为汽车出行方式的目标初始出行轨迹点序列；将目标初始出行轨迹点序列确定为所述待处理出行轨迹点序列。上述移动速度可以是平均移动速度。平均移动速度是初始出行轨迹点序列中每个出行轨迹点处的位移速度的平均值。

图2示出了本申请一实施例提供的交通流量的确定方法的流程示意图。该方法的执行主体可以为客户端，也可以为服务端。其中，所述客户端可以是集成在终端上的一个具有嵌入式程序的硬件，也可以是安装在终端中的一个应用软件，还可以是嵌入在终端操作系统中的工具软件等，本申请实施例对此不作限定。该终端可以为包括手机、平板电脑等任意终端设备。其中，服务端可以是常用服务器、云端或虚拟服务器等，本申请实施例对此不作具体限定。如图2所示，该方法包括：

201、在路网中，确定出行轨迹点序列中多个出行轨迹点各自的候选路段。

202、根据所述出行轨迹点序列中出行轨迹点间的排序信息以及所述路网中路段间的拓扑关系，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段。

203、根据所述多个出行轨迹点各自所处的目标路段，还原所述出行轨迹点序列对应的出行路径。

204、根据所述出行路径所经过的路段，确定所述路网中路段的流量。

上述201中，出行轨迹点序列由在一次出行中采集到的多个出行轨迹点按照采集时间先后排序得到。一次出行指的是从一个停留点出发到另一个停留点的过程。举例来说：用户从家出发到公司这个过程是一次出行，用户从公司出发到家这个过程是一次出行；用户从家出发到商场这个过程是一次出行。

出行轨迹点序列中每个出行轨迹点都对应有经度、维度和采集时间戳。

在一种可实现的方案中，可根据路网中位于各出行轨迹点所在区域内的多条路段确定各出行轨迹点对应的候选路段。各出行轨迹点所在区域的大小可根据实际需要来设定，本申请实施例对此不作具体限定。例如：该区域可以是以该出行轨迹点为中心，以预设长度为半径的圈形区域内。

具体地，所述多个出行轨迹点中包括第一出行轨迹点，根据路网中位于第一出行轨迹点的周围区域内的多条路段，确定第一出行轨迹点对应的候选路段。在一具体实例中，可将这多条路段直接作为第一出行轨迹点对应的候选路段。在另一具体实例中，可对这多条路径进行筛选，以得到第一出行轨迹点对应的候选路段。具体地，筛选方式将在下述各实施例中详细介绍。

实际应用中，上述出行轨迹点序列的数量可以为一个或多个；每个出行轨迹点对应的候选路段的数量可以为一个或多个。

上述202中，路网中路段间的拓扑关系是指路网中路段之间的邻接关系以及上下游关系。根据路网中路段间的拓扑关系，可确定出每个路段所邻接的上游路段集合和下游路段集合。本文中的邻接指的毗连的意思，也即每个路段与其所邻接的上游路段集合和下游路段集合中的任意路段直接连接，而不是通过其他路段间接连接。

结合所述出行轨迹点序列中出行轨迹点间的排序信息以及所述路网中路段间的拓扑关系，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段。也就是说，在从每个出行轨迹点对应的候选路段中确定出该出行轨迹点所处的目标路段时，是会考虑出行轨迹点间的排序信息以及路网中路段间的拓扑关系的。考虑路网拓扑关系以及出行轨迹点间的排序信息，能够更全面地对轨迹点所属的路段进行判断，进而提高出行轨迹点的路段匹配准确性。

在一实例中，除了考虑上述排序信息和拓扑关系，还可考虑出行轨迹点到各自的候选路段的距离，可进一步提高出行轨迹点的路段匹配准确性。具体地，上述201中“根据所述出行轨迹点序列中出行轨迹点间的排序信息以及所述路网中路段间的拓扑关系，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段”，可包括：根据所述出行轨迹点序列中出行轨迹点间的排序信息、出行轨迹点到其对应的候选路段的距离以及所述路网中路段间的拓扑关系，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段。

上述203中，在一实例中，可按照多个出行轨迹点的排序信息，对多个出行轨迹点各自所处的目标路段进行排序；根据排序结果，还原所述出行轨迹点序列对应的出行路径。

上述204中，实际应用中，上述出行轨迹点序列为多个；可根据多个出行轨迹点序列各自对应的出行路径，确定所述路网中路段的流量。例如：可统计多个出行轨迹点序列各自对应的出行路径中通过某一路段的出行路径数量，可将该出行路径数量作为该路段的流量。

实际应用中，可分时间段进行流量统计，具体可根据实际需要来设置，本申请对此不作具体限定。

本申请实施例提供的技术方案中，从出行轨迹点序列中每个出行轨迹点对应的候选路段中确定出每个出行轨迹点所处的目标路段时，是会考虑出行轨迹点间的排序信息以及路网中路段间的拓扑关系的。考虑路网拓扑关系以及出行轨迹点间的排序信息，能够更全面地对轨迹点所属的路段进行判断，进而提高出行轨迹点的路段匹配准确性。

在一种可实现的方案中，上述202中“根据所述出行轨迹点序列中出行轨迹点间的排序信息以及所述路网中路段间的拓扑关系，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段”，可采用如下步骤来实现：

2021、根据所述路网中路段间的拓扑关系，确定从所述出行轨迹点序列中前一出行轨迹点的候选路段转移到后一出行轨迹点的候选路段的转移概率。

其中，所述前一出行轨迹点和所述后一出行轨迹点在所述出行轨迹点序列中相邻。

2022、根据所述转移概率，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段。

上述2021中，根据所述路网中路段间的拓扑关系，确定后一出行轨迹点的候选路段是否位于前一出行轨迹点的候选路段所邻接的下游路段集合中和/或从前一出行轨迹点的候选路段转移到后一出行轨迹点的候选路段的转移路径长度，以得到确定结果；根据确定结果，确定相应的转移概率。其中，在实际应用中，从前一出行轨迹点的候选路段转移到后一出行轨迹点的候选路段可能存在多条转移路径，可选择其中长度最短的一条转移路径的长度作为上述转移路径长度。

具体地，若后一出行轨迹点的候选路段位于前一出行轨迹点的候选路段所邻接的下游路段集合中，则将相应的转移概率设置为第一转移概率；若后一出行轨迹点的候选路段未位于前一出行轨迹点的候选路段所邻接的下游路段集合中，则根据前一出行轨迹点的候选路段转移到后一出行轨迹点的候选路段的转移路径长度，确定相应的转移概率。根据转移路径长度确定的转移概率小于第一转移概率；根据转移路径长度确定的转移概率与转移路径长度成反比。

实际应用中，每个出行轨迹点的候选路段的数量为一个或多个；因此，可根据所述路网中路段间的拓扑关系，确定从前一出行轨迹点的各候选路段转移到后一出行轨迹点的各候选路段的转移概率。例如：后一出行轨迹点的候选路段包括第一候选路段，第一候选路段指的是后一出行轨迹点的任意候选路段，可确定从前一出行轨迹点的各候选路段转移到第一候选路段的转移概率。

出行轨迹点序列涉及多组出行轨迹点，每组出行轨迹点包括相邻的前一出行轨迹点和后一出行轨迹点。可针对每组出行轨迹点，按照上述步骤1021计算出相应的转移概率。

上述2022中，在一实例中，按照多个出行轨迹点的排序信息，对所述多个出行轨迹点各自的候选路段进行组合，得到多个候选路段序列；每一个候选路段序列中多个候选路段分别来自于多个出行轨迹点的候选路段集合，其中，每个出行轨迹点的一个或多个候选路段构成该出行轨迹点的候选路段集合。

根据所述转移概率，计算所述多个候选路段序列各自的发生概率；根据发生概率最大的候选路段序列，确定出所述多个出行轨迹点各自所处的目标路段。

具体地，多个候选路段序列中包括第一候选路段序列；根据所述第一候选路段序列中候选路段的排序信息，确定多组候选路段；每组候选路段包括第一候选路段序列中相邻的两个候选路段；将多组候选路段各自对应的转移概率的乘积作为第一候选路段序列的发生概率。其中，每组候选路段对应的转移概率就是每组候选路段中前一候选路段转移到后一候选路段的转移概率。

将发生概率最大的候选路段序列中对应于每个出行轨迹点的候选路段作为该出行轨迹点所处的目标路段。注：候选路段序列中候选路段与出行轨迹点序列中出行轨迹点一一对应。

实际应用中，上述202中“根据所述出行轨迹点序列中出行轨迹点间的排序信息以及所述路网中路段间的拓扑关系，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段”，还可包括如下步骤：

2023、在根据所述转移概率，从所述多个出行轨迹点各自的候选路段中确定出所述多个出行轨迹点各自所处的目标路段之前，根据所述后一出行轨迹点到所述后一出行轨迹点的候选路段的距离，对从所述出行轨迹点序列中前一出行轨迹点的候选路段转移到所述后一出行轨迹点的候选路段的转移概率进行修正。

后一出行轨迹点到后一出行轨迹点的候选路段的距离可以是垂直距离，或者是后一出行轨迹点到该候选路段的端点的最小距离，又或者是后一出行轨迹点到该候选路段的中点的距离，本申请实施例对此不作具体限定，可根据实际需要来选择。

针对同一转移概率，距离越大，其对应的修正后转移概率越小；距离越小，其对应的修改后转移概率越大。注：修正后转移概率与修正前转移概率之间的大小关系可根据实际需要来设置，本申请实施例对此不作具体限定。

也就是说，后一出行轨迹点到后一出行轨迹点的候选路段越小，那么从前一出行轨迹点的候选路段转移到后一出行轨迹点的候选路段的转移概率应该越大，这是符合实际情况的。

需要补充说明的是，从前一出行轨迹点的候选路段转移到后一出行轨迹点的候选路段的过程本质上也是一种状态转移，因此，上述转移概率也可称之为状态转移概率。

在实际应用中，可采用基于隐马尔科夫模型(Hidden Markov Model，HMM)的地图匹配算法来实现上述步骤202。

这里需要说明的是：本申请实施例提供的所述方法中各步骤未尽详述的内容可参见上述实施例中的相应内容，此处不再赘述。此外，本申请实施例提供的所述方法中除了上述各步骤以外，还可包括上述各实施例中其他部分或全部步骤，具体可参见上述各实施例相应内容，在此不再赘述。

本申请实施例提供的技术方案可应用于各个城市的交通流量的统计。下面将结合图3对本申请实施例提供的技术方案进行场景举例。如图3所示，交通流程的确定方法主要包括如下几个步骤：

301、获取LBS轨迹点数据。

具体地，获取目标城市A中所有LBS用户的LBS轨迹点数据。

302、出行数据获取。

也即初始出行轨迹点序列的获取。

303、坐标系匹配度检查与坐标系转换。

304、轨迹点运动状态分析。

305、异常轨迹点识别。

306、地图匹配。

307、不连续路径补全。

308、匹配距离与连续性评估。

309、轨迹汇聚与流量校准。

经过如上步骤可获取到目标城市A路网中各路段的交通流量的统计结果，后续可根据统计结果提升城市A的交通运载能力。

综上所述，本申请提供了一种基于位置服务数据的城市道路流量还原方案，在获取LBS出行数据后，通过坐标系路网契合度检查计算LBS轨迹点坐标系与路网数据坐标系的匹配程度，并对坐标系不匹配的轨迹坐标点进行坐标系转换；通过轨迹点运动状态分析，使用速度、角度变化率过滤异常坐标点；通过不连续轨迹补全，对信号盲区处的路径进行补全，从而还原完整出行路径；通过匹配距离与连续性两个量化指标，实现对路径识别结果的质量评价；最后通过轨迹汇聚与流量校准，对LBS数据的采样偏差进行修正，进而完成道路流量产出。

本方案使用LBS数据作为城市道路流量还原的主要数据集，LBS数据采集过程不依赖城市道路中的特定装置，采集成本低、渗透率高；LBS定位精度通常为米级，相比浮动车中安装的GPS设备的定位精度显著提升，从而提升道路流量统计的准确度。针对LBS数据相关特点，设计了一套用于城市道路流量还原的出行路径识别方法，包括坐标系契合度检查与转换、基于轨迹点运动状态的异常点识别、不连续轨迹补全等技术，同时设计了匹配距离、邻接率指标用于评价路径识别结果。该方法弥补了传统地图匹配模型应用于LBS数据中容易出现错误路径识别、输出轨迹不连续等问题，能够输出可靠、完整的出行路径识别结果。

图4示出了本申请一实施例提供的电子设备的结构示意图。如图4所示，所述电子设备包括存储器1101以及处理器1102。存储器1101可被配置为存储其它各种数据以支持在电子设备上的操作。这些数据的示例包括用于在电子设备上操作的任何应用程序或方法的指令。存储器1101可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random-Access Memory，SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable read only memory)，EEPROM)，可擦除可编程只读存储器(Electrical Programmable Read Only Memory，EPROM)，可编程只读存储器(Programmable Read Only Memory，PROM)，只读存储器(Read Only Memory，ROM)，磁存储器，快闪存储器，磁盘或光盘。

所述存储器1101，用于存储程序；

所述处理器1102，与所述存储器1101耦合，用于执行所述存储器1101中存储的所述程序，以实现上述各方法实施例提供的交通流量的确定方法。

进一步，如图4所示，电子设备还包括：通信组件1103、显示器1104、电源组件1105、音频组件1106等其它组件。图4中仅示意性给出部分组件，并不意味着电子设备只包括图4所示组件。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被计算机执行时能够实现上述各方法实施例提供的交通流量的确定方法的步骤或功能。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM(Read Only Memory，只读存储器)/RAM(Static Random-Access Memory，随机存取存储器、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。