多场景交通干线协调子区的识别方法、系统及装置

摘要

本发明实施例提供的多场景交通干线协调子区的识别方法、系统及装置，应用于交通技术领域，可以获取目标路网的路网信息和目标路网中各路段的交通流信息；针对任何一路段，计算该路段与多个相邻路段的关联度；针对任何一路段，分别选取该路段的多个上游相邻路段和多个下游相邻路段中对应关联度最大的路段作为该路段的目标上游相邻路段和目标下游相邻路段；识别目标路网中各路段的目标上游相邻路段和目标下游相邻路段，得到多个路段集合；对多个路段集合进行识别，得到多种类型的绿波干线。可见，通过本申请实施例的方法，不但可以得到直行类型的干线还可以通过多个方向的识别得到多种类型的干线。

说明书

技术领域

本发明涉及交通技术领域，特别是涉及一种多场景交通干线协调子区的识别方法、系统及装置。

背景技术

交通干线识别用于获取适宜实行绿波控制的连续交叉口的集合，并通过识别得到的连续交叉口的集合进行对交叉路口进行绿波控制，通过提高车辆的通行效率。

然而，发明人研究发现，现有技术中在识别用于获取适宜实行绿波控制的连续交叉口的集合时，搜索方向一般仅仅为直行路段，而并未考虑左转路段。

发明内容

本发明实施例的目的在于提供一种多场景交通干线协调子区的识别方法、系统及装置，以实现对交通干线中左转路段的识别。具体技术方案如下：

本申请实施例的第一方面，首先提供了一种多场景交通干线协调子区的识别方法，包括：

获取目标路网的路网信息和目标路网中各路段的交通流信息；

针对任何一路段，计算该路段与多个相邻路段的关联度，其中，所述多个相邻路段包括多个方向的上游相邻路段和下游相邻路段的关联度；

针对任何一路段，分别选取该路段的多个上游相邻路段和多个下游相邻路段中对应关联度最大的路段作为该路段的目标上游相邻路段和目标下游相邻路段；

识别所述目标路网中各路段的目标上游相邻路段和目标下游相邻路段，得到多个路段集合；

对所述多个路段集合进行识别，得到多种类型的绿波干线。

可选的，所述对所述多个路段集合进行识别，得到多种类型的绿波干线之后，所述方法还包括：

识别各所述绿波干线的类型；

根据识别到的绿波干线的类型、所述路网信息和各路段的交通流信息，计算得到各所述绿波干线的控制指令。

可选的，所述对所述多个路段集合进行识别，得到多种类型的绿波干线，包括：

将所述多个路段集合通过交叉口进行表示，得到多个交叉口集合；

对所述多个交叉口集合中的各交叉口集合进行交叉口的拼接，得到多种类型的绿波干线。

可选的，所述对所述多个交叉口集合中的各交叉口集合进行交叉口的拼接，得到多种类型的绿波干线之后，所述方法还包括：

识别各所述绿波干线对应的交叉口的数量；

当任一绿波干线对应的交叉口的数量大于预设交叉口数量阈值时，根据该绿波干线中各交叉口的关联度对该绿波干线进行拆分，得到多个拆分后的绿波干线，其中，所述交叉口的关联度为该交叉口对应的多个路段的关联度中的最大值。

可选的，所述识别各所述绿波干线的类型，包括：

根据所述路网信息，识别所述绿波干线中相邻交叉口之间的距离；

当任一相邻交叉口之间的距离小于预设长度阈值时，将该相邻交叉口对应的干线标记为短连线类型的干线。

可选的，所述识别各所述绿波干线的类型，包括：

根据所述路网信息识别所述多种类型的绿波干线中的双向干线；

获取识别到的双向干线的交通流信息；

当所述识别到的双向干线的两个方向的交通流之差大于预设交通流阈值时，将所述识别到的双向干线标记为单向协调干线。

可选的，所述识别各所述绿波干线的类型，包括：

针对任一绿波干线，识别该绿波干线对应的交叉口集合中左转交叉口的数量，其中，所述左转交叉口为左转协调方式的交叉口；

当识别到的左转交叉口的数量为一个时，将该绿波干线标记为L型干线；当识别到的左转交叉口的数量为两个时，将该绿波干线标记为U型干线；

可选的，所述对所述多个路段集合进行识别，得到多种类型的绿波干线之后，所述方法还包括：

针对任一绿波干线，识别与该绿波干线对应的交叉口集合存在相同交叉口的绿波干线；

根据识别到的绿波干线对应的路网信息，得到多种类型的绿波干线集合，其中，所述多种类型的绿波干线包括交叉干线类型的绿波干线、丰字型干线类型的绿波干线、封闭干线类型的绿波干线中的至少一个；

根据识别到的绿波干线集合的类型、所述路网信息和各路段的交通流信息，计算得到各所述绿波干线集合的控制指令。

本申请实施例的第二方面，提供了一种多场景交通干线协调子区的识别系统，包括：数据处理模块、参数配置模块、优化模块、可视化模块；

所述优化模块，用于执行上述任一多场景交通干线协调子区的识别方法步骤。

本申请实施例的第三方面，提供了一种多场景交通干线协调子区的识别装置，包括：

信息获取模块，用于获取目标路网的路网信息和目标路网中各路段的交通流信息；

关联度计算模块，用于针对任何一路段，计算该路段与多个相邻路段的关联度，其中，所述多个相邻路段包括多个方向的上游相邻路段和下游相邻路段的关联度；

关联度选取模块，用于针对任何一路段，分别选取该路段的多个上游相邻路段和多个下游相邻路段中对应关联度最大的路段作为该路段的目标上游相邻路段和目标下游相邻路段；

路段集合获取模块，用于识别所述目标路网中各路段的目标上游相邻路段和目标下游相邻路段，得到多个路段集合；

路段集合识别模块，用于对所述多个路段集合进行识别，得到多种类型的绿波干线。

可选的，所述装置还包括：

干线类型识别模块，用于识别各所述绿波干线的类型；

控制指令计算模块，用于根据识别到的绿波干线的类型、所述路网信息和各路段的交通流信息，计算得到各所述绿波干线的控制指令。

可选的，所述路段集合识别模块，包括：

交叉口表示子模块，用于将所述多个路段集合通过交叉口进行表示，得到多个交叉口集合；

交叉口拼接子模块，用于对所述多个交叉口集合中的各交叉口集合进行交叉口的拼接，得到多种类型的绿波干线。

可选的，所述装置还包括：

交叉口数量识别模块，用于识别各所述绿波干线对应的交叉口的数量；

绿波干线拆分模块，用于当任一绿波干线对应的交叉口的数量大于预设交叉口数量阈值时，根据该绿波干线中各交叉口的关联度对该绿波干线进行拆分，得到多个拆分后的绿波干线，其中，所述交叉口的关联度为该交叉口对应的多个路段的关联度中的最大值。

可选的，所述干线类型识别模块，包括：

干线长度识别子模块，用于根据所述路网信息，识别所述绿波干线中相邻交叉口之间的距离；

短连线标记子模块，用于当任一相邻交叉口之间的距离小于预设长度阈值时，将该相邻交叉口对应的干线标记为短连线类型的干线。

可选的，所述干线类型识别模块，包括：

双向干线识别子模块，用于根据所述路网信息识别所述多种类型的绿波干线中的双向干线；

交通流获取子模块，用于获取识别到的双向干线的交通流信息；

单向协调干线标记子模块，用于当所述识别到的双向干线的两个方向的交通流之差大于预设交通流阈值时，将所述识别到的双向干线标记为单向协调干线。

可选的，所述干线类型识别模块，包括：

左转识别子模块，用于针对任一绿波干线，识别该绿波干线对应的交叉口集合中左转交叉口的数量，其中，所述左转交叉口为左转协调方式的交叉口；

左转标记子模块，用于当识别到的左转交叉口的数量为一个时，将该绿波干线标记为L型干线；当识别到的左转交叉口的数量为两个时，将该绿波干线标记为U型干线；

可选的，所述方法还包括：

相同交叉口识别模块，用于针对任一绿波干线，识别与该绿波干线对应的交叉口集合存在相同交叉口的绿波干线；

干线集合识别模块，用于根据识别到的绿波干线对应的路网信息，得到多种类型的绿波干线集合，其中，所述多种类型的绿波干线包括交叉干线类型的绿波干线、丰字型干线类型的绿波干线、封闭干线类型的绿波干线中的至少一个；

集合指令计算模块，用于根据识别到的绿波干线集合的类型、所述路网信息和各路段的交通流信息，计算得到各所述绿波干线集合的控制指令。

本申请实施例的另一方面提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述任一多场景交通干线协调子区的识别方法步骤。

本申请实施例的另一方面提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一多场景交通干线协调子区的识别方法步骤。

本申请实施例的另一方面提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一多场景交通干线协调子区的识别方法步骤。

本发明实施例有益效果：

本发明实施例提供的多场景交通干线协调子区的识别方法、系统及装置，可以获取目标路网的路网信息和目标路网中各路段的交通流信息；针对任何一路段，计算该路段与多个相邻路段的关联度，其中，多个相邻路段包括多个方向的上游相邻路段和下游相邻路段的关联度；针对任何一路段，分别选取该路段的多个上游相邻路段和多个下游相邻路段中对应关联度最大的路段作为该路段的目标上游相邻路段和目标下游相邻路段；识别目标路网中各路段的目标上游相邻路段和目标下游相邻路段，得到多个路段集合；对多个路段集合进行识别，得到多种类型的绿波干线。可见，通过本申请实施例的方法，可以计算各路段的多个方向的上游相邻路段和下游相邻路段的关联度，然后根据计算得到的多个方向的关联度进行路段集合的识别，得到多种类型的绿波干线，从而不但可以得到直行类型的干线还可以通过多个方向的识别得到多种类型的干线。

当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。

图1a为本申请实施例提供的十字型交叉干线的示意图；

图1b为本申请实施例提供的丰字型干线的示意图；

图1c为本申请实施例提供的组合干线的示意图；

图1d为本申请实施例提供的口字型交叉干的示意图；

图2为本申请实施例提供的多场景交通干线协调子区的识别方法的一种流程示意图；

图3为本申请实施例提供的路网的静态数据的示意图；

图4为本申请实施例提供的预设的关联度模型的示意图；

图5为本申请实施例提供的对多个路段集合进行识别的流程示意图；

图6为本申请实施例提供的识别各绿波干线的类型的一种流程示意图；

图7为本申请实施例提供的识别各绿波干线的类型的另一种流程示意图；

图8为本申请实施例提供的识别各绿波干线的类型的又一种流程示意图；

图9为本申请实施例提供的对多个路段集合进行识别的一种流程示意图；

图10为本申请实施例提供的多场景交通干线协调子区的识别装置的一种结构示意图；

图11为本申请实施例提供的电子设备的一种结构示意图。

具体实施方式

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基于本申请所获得的所有其他实施例，都属于本发明保护的范围。

首先，对本申请实施例中可能使用到的专业术语进行解释：

绿波控制：指一条主干道中若干个连续交叉口交通信号间的协调控制。目的是使行驶在主干道协调控制的交叉口的车辆，可以不遇红灯或者少遇红灯而通过这个协调控制系统中的各交叉口。

干线协调子区：指一条主干道中若干个连续交叉口，这些交叉口由能够实现绿波控制。

干线分段：一般干线中的交叉口数量在3—5之间，能够获取较好的控制效果，当干线交叉口的数量过多时，需要对干线进行分段。

短连线路段：当干线中的两个连续交叉口的长度小于200m时，称该两个交叉口形成的路段为短连线路段。

交叉干线：当多条干线相交时，称之为交叉口干线，交叉干线可以分为十字型交叉干线参见图1a、丰字型干线参见图1b，组合干线参见图1c、口字型交叉干线等，十字型交叉干线，表示两条干线相交的情况，丰字型干线，表示一条干线与多条干线相交的情况。组合干线，由十字型或丰字型干线组合形成的干线。封闭干线参见图1d，至少存在四条干线形成了一闭合的区域，如口字型干线，田字型干线。

本申请实施例的第一方面，首先提供了一种多场景交通干线协调子区的识别方法，包括：

获取目标路网的路网信息和目标路网中各路段的交通流信息；

针对任何一路段，计算该路段与多个相邻路段的关联度，其中，多个相邻路段包括多个方向的上游相邻路段和下游相邻路段的关联度；

针对任何一路段，分别选取该路段的多个上游相邻路段和多个下游相邻路段中对应关联度最大的路段作为该路段的目标上游相邻路段和目标下游相邻路段；

识别目标路网中各路段的目标上游相邻路段和目标下游相邻路段，得到多个路段集合；

对多个路段集合进行识别，得到多种类型的绿波干线。

可见，通过本申请实施例的方法，可以计算各路段的多个方向的上游相邻路段和下游相邻路段的关联度，然后根据计算得到的多个方向的关联度进行路段集合的识别，得到多种类型的绿波干线，从而不但可以得到直行类型的干线还可以通过多个方向的识别得到多种类型的干线。

具体的，参见图2，图2为本申请实施例提供的多场景交通干线协调子区的识别方法的一种流程示意图，包括：

步骤S21，获取目标路网的路网信息和目标路网中各路段的交通流信息。

其中，本申请实施例中的交通流信息可以为交通流量数据，具体的可以包括直行流量和左转流量。在实际使用过程中，可以获取车辆的动态数据和路网的静态数据，然后从车辆的动态数据和路网的静态数据中提取交通流量数据。例如，可以获取：1)流量数据：对交叉口路口的流量进行空间和时间上的汇聚，按照一定的时间间隔(如5分钟或15分钟)获取各路段一天的左转流量、直行流量的时间序列数据；2)饱和度数据：交叉口路口的饱和度进行空间和时间上的汇聚，按照一定的时间间隔(如5分钟或15分钟)获取各路段一天的左转饱和度和直行饱和度的时间序列数据；3)行程速度数据：获取路段的速度，按照一定的时间间隔(如5分钟或15分钟)获取各路段一天速度的时间序列数据。

在实际使用过程中，获取目标路网的路网信息可以预先获取路网的静态数据，也可以在获取目标路网中各路段的交通流量数据时获取路网的静态数据。具体的，参见图3，获取各路段的长度，并根据路网的拓扑数据，获取各路段的直行进入路段编号(简称上游左转路段)和左转进行路段编号(上游直行路段)，以及路段直行流量进入的路段编号(下游直行路段)和左转进入的路段编号(下游左转路段)。

本申请实施例的方法应用于服务器或智能终端，可以通过服务器或智能终端实施，具体的，该智能终端可以是电脑、手机等。

步骤S22，针对任何一路段，计算该路段与多个相邻路段的关联度。

其中，多个相邻路段包括多个方向的上游相邻路段和下游相邻路段的关联度。可以通过预设的关联度模型进行计算。

参见图4，

(1)上游关联度计算

计算上游直行关联度和上游左转关联度，取I

上游直行关联度：

上游左转关联度：

(2)下游关联度计算

计算下游游直行关联度和下游游左转关联度取I

下游直行关联度：

下游左转关联度：

步骤S23，针对任何一路段，分别选取该路段的多个上游相邻路段和多个下游相邻路段中对应关联度最大的路段作为该路段的目标上游相邻路段和目标下游相邻路段。

其中，针对任何一路段，分别选取该路段的多个上游相邻路段和多个下游相邻路段中对应关联度最大的路段作为该路段的目标上游相邻路段和目标下游相邻路段，包括：

针对任何一路段，分别选取该路段的多个上游相邻路段和多个下游相邻路段中对应关联度最大值作为目标上游关联度和目标下游关联度；根据目标上游关联度和目标下游关联度选取对应的路段作为该路段的目标上游相邻路段和目标下游相邻路段。例如，针对某一路段，该路段上游左转方向的关联度为0.5，上游右转方向的关联度为0.1，上游直行方向的关联度为0.4，则该路段的目标上游相邻路段为上游左转方向的路段。

步骤S24，识别目标路网中各路段的目标上游相邻路段和目标下游相邻路段，得到多个路段集合。

其中，根据各路段与相邻路段之间的关联度进行干线路段的识别，可以基于深度/广度图搜索算法采用类似拼图的思想，依次搜索路段的上游和下游各相邻路段，对于上游路段，若目标路段的上游关联度不为空，且路段的上游关联度和协调方向均等于上游相邻路段的下游关联度和协调方向，则将该路段加入到干线路段集合中；对于下游路段，若目标路段的下游关联度不为空，且路段的下游关联度和协调方向均等于下游相邻路段的上游关联度和协调方向，则将该路段加入到干线集合中。将该干线集合作为顶点，获取该干线的两个边界路段的上游路段和下游路段，依次进行搜索，直至边缘路段或关联度为空，停止搜索，直至路网中的所有的交叉口遍历完成，得到多个干线路段集合。

具体的，在实际使用过程中的步骤可以包括：

步骤一：遍历路网路段集合，选择一个目标路段，将目标路段作为一个顶点，获取与目标路段相邻的所有路段，包括上游所有路段和下游所有路段，同时将该目标交叉口从路网路段集合移除。

步骤二：搜索所有上游路段，若目标路段的上游关联度不为空，且其路段的上游关联度和协调方向均等于上游路段的下游关联度和协调方向，则将该上游路段加入到干线列表中，并将该交叉口从路网路段集合移除，若为空，上游停止搜索。

步骤三：搜索所有的下游路段，若目标路段的下游关联度不为空，且路段的下游关联度和协调方向均等于下游相邻路段的上游关联度和协调方向，则将该路段加入到干线列表中，并将该交叉口从路网路段集合移除。若为空，下游停止搜索。

步骤四：获取干线列表的边界的两个路段，分别获取起始路段的所有上游相邻路段，若上游路段存在，跳转到步骤二，若不存在，起始路段停止搜索。获取终端路段的所有下游相邻路段，若下游路段存在，跳转到步骤三，若不存在，终端路段停止搜索。

步骤五：上游和下游路段均停止搜索，若干线列表中的路段数量大于或等于2，则获取的干线列表为一条干线，同时判断路网路段集合中数量是否大于0，若是，跳转到步骤一，若否，停止搜索。

步骤六：输出路网中各干线路段集合。

步骤S25，对多个路段集合进行识别，得到多种类型的绿波干线。

可选的，对多个路段集合进行识别，得到多种类型的绿波干线之后，方法还包括：识别各绿波干线的类型；根据识别到的绿波干线的类型、路网信息和各路段的交通流信息，计算得到各绿波干线的控制指令。具体的，可以根据不同的绿波干线类型(场景)，采取不同的绿波控制算法，计算干线的公共周期和相位差。

可见，通过本申请实施例的方法，可以计算各路段的多个方向的上游相邻路段和下游相邻路段的关联度，然后根据计算得到的多个方向的关联度进行路段集合的识别，得到多种类型的绿波干线，从而不但可以得到直行类型的干线还可以通过多个方向的识别得到多种类型的干线。

可选的，参见图5，步骤S25对多个路段集合进行识别，得到多种类型的绿波干线，包括：

步骤S251，将多个路段集合通过交叉口进行表示，得到多个交叉口集合；

步骤S252，对多个交叉口集合中的各交叉口集合进行交叉口的拼接，得到多种类型的绿波干线。

在实际使用过程中，对多个交叉口集合中的各交叉口集合进行交叉口的拼接，得到多种类型的绿波干线，可以包括：

步骤一：基于深度/广度图搜索算法的初步形成的干线路段，将路段转化为由交叉口表示，比如路段AB则可以由交叉口A和交叉口B表示。比如干线路段集合为[路段AB，路段BC，路段CD]，转化后为干线交叉口集合[交叉口A，交叉口B，交叉口C，交叉口D]。

步骤二：遍历干线交叉口集合，将任一存在相同交叉口数量大于或等于2的干线交叉口放入到一个干线集合，作为双向协调干线，并标记协调方向和协调转向，例如，干线交叉口集合1为[交叉口A，交叉口B，交叉口C，交叉口D]，干线交叉口集合2为[交叉口D,交叉口C，交叉口B，交叉口A]，则双向协调干线为[交叉口A，交叉口B，交叉口C，交叉口D]。

步骤三：将干线与其他干线的相同交叉口数量均小于2，识别为单向协调干线，并标记各交叉口的协调方向和转向。例如，干线交叉口集合2为[交叉口A，交叉口B，交叉口C，交叉口D]，则单向协调干线为[交叉口A，交叉口B，交叉口C，交叉口D]。

步骤三：输出单向协调干线和双向协调干线。

可选的，对多个交叉口集合中的各交叉口集合进行交叉口的拼接，得到多种类型的绿波干线之后，上述方法还包括：识别各绿波干线对应的交叉口的数量；当任一绿波干线对应的交叉口的数量大于预设交叉口数量阈值时，根据该绿波干线中各交叉口的关联度对该绿波干线进行拆分，得到多个拆分后的绿波干线，其中，交叉口的关联度为该交叉口对应的多个路段的关联度中的最大值。

具体的，对多个交叉口的集合中的每一交叉路口集合进行分段的步骤包括：

步骤一：计算干线中各交叉口之间的关联度，若为单向干线，直接取关联度即可，若为双向干线，取交叉口间两个路段关联度中的最大值。

步骤二，获取干线关联度中最小值，从关联度最小值的两交叉口之间断开

步骤三：判断断开后的干线的交叉口数量是否大于所允许的最大交叉口数量，若小于，作为新的干线，若大于，转入到步骤二。

步骤四：直至所有干线长度小于所允许的最大交叉口数量，停止分段。

可选的，参见图6，识别各绿波干线的类型，包括：

步骤S61，根据所述路网信息，识别所述绿波干线中相邻交叉口之间的距离；

步骤S62，当任一相邻交叉口之间的距离小于预设长度阈值时，将该相邻交叉口对应的干线标记为短连线类型的干线。

例如，针对多个交叉路口分段中每一交叉路口分段进行短连线类型的干线的标记可以包括：当干线中两个交叉口之间的长度较短时(一般小于200m),对于这两交叉口控制与一般正常干线优化方法有所不同，所以需要识别短连线路段。其主要操作方法为，基于已经形成的干线，遍历各个干线，将相连交叉口之间的距离小于200m的路段标记为短连线路段。

可选的，参见图7，识别各绿波干线的类型，包括：

步骤S71，根据路网信息识别多种类型的绿波干线中的双向干线；获取识别到的双向干线的交通流信息；

步骤S72，当识别到的双向干线的两个方向的交通流之差大于预设交通流阈值时，将识别到的双向干线标记为单向协调干线。

例如，当存在双向干线，一个方向的流量均值之和大于另一个方向的30％时，为了保证协调控制的效果，保证流量较多方向的绿波，将流量较高的方向作为单向协调干线。

可选的，参见图8，识别各绿波干线的类型，包括：

步骤S81，针对任一绿波干线，识别该绿波干线对应的交叉口集合中左转交叉口的数量，其中，左转交叉口为左转协调方式的交叉口；

步骤S82，当识别到的左转交叉口的数量为一个时，将该绿波干线标记为L型干线；当识别到的左转交叉口的数量为两个时，将该绿波干线标记为U型干线。

可选的，参见图9，对多个路段集合进行识别，得到多种类型的绿波干线之后，上述方法还包括：

步骤S91，针对任一绿波干线，识别与该绿波干线对应的交叉口集合存在相同交叉口的绿波干线；

步骤S92，根据识别到的绿波干线对应的路网信息，得到多种类型的绿波干线集合，其中，多种类型的绿波干线包括交叉干线类型的绿波干线、丰字型干线类型的绿波干线、封闭干线类型的绿波干线中的至少一个；

步骤S93，根据识别到的绿波干线集合的类型、路网信息和各路段的交通流信息，计算得到各绿波干线集合的控制指令。

具体的，根据识别到的绿波干线对应的路网信息，得到多种类型的绿波干线集合，可以包括：

1、针对一个目标干线A1，提取干线中交叉口编号集合S1，依次遍历干线集合(除A1以外)，提取任一干线A2中的交叉口编号集合S2，若S1和S2中存在相同的交叉口编号，将这两条干线加入到交叉干线集合中，并将这两条干线从干线集合中移除，将转到步骤2。若否，遍历下一个干线，直至所有干线遍历完成。

2、提取交叉干线集合中交叉口编号集合S，依次遍历干线集合，对于任一条干线，若干线的交叉口编号与S有交集，则将该干线加入到交叉干线集合中，并在干线集合中移除该干线，重复步骤2，若否，遍历下一个干线，直至遍历完干线集合中所有干线，将此交叉干线集合作为最终的交叉干线。

3、对于干线集合，遍历干线集合，对于任一干线，转至步骤1，直至所有的干线集合遍历完成，交叉干线识别完成。

4、遍历交叉干线，计算各交叉干线中交叉口流量的均值，并将按照流量均值大小设置干线的优先级，最大的流量的干线的优先级设置为1，后续按照2，3等顺序排列。

输出干线识别结果。如图1a，图1b，图1c，图1d所示，但不仅仅这四类交叉场景，其他场景也可以被识别出来。

本申请实施例的第二方面，提供了一种多场景交通干线协调子区的识别系统，包括：数据处理模块、参数配置模块、优化模块、可视化模块；

优化模块，用于执行上述任意交通干线协调子区的识别方法。

为了说明本申请实施例的交通干线协调子区的识别系统，以下结合具体具体实施例进行说明，包括：数据处理模块、配置模块、优化模块、可视化模块；

数据处理模块，包括：数据处理和静态数据处理；

(1)数据处理

对交叉口路口的流量和饱和度进行空间和时间上的汇聚，按照一定的时间间隔(如5分钟或15分钟)获取各路段一天的左转流量、直行流量，以及左转饱和度和直行饱和度的时间序列数据，按照一定的时间间隔(如5分钟或15分钟)获取各路段一天速度的时间序列数据。

(2)静态数据处理

获取各路段的长度，并根据路网的拓扑数据，获取各路段的直行进入路段编号(简称上游左转路段)和左转进行路段编号(上游直行路段)，以及路段直行流量进入的路段编号(下游直行路段)和左转进入的路段编号(下游左转路段)

配置模块：

配置时间段：选择识别干线协调子区的时间范围，比如输入开始时间为7：00，结束时间为9：00，优化模块则会识别7：00-9：00之间的干线场景

配置人工干线：配置人工干线的交叉口编号以及转向和方向，在优化模块中会考虑人工干线，并将人工干线融合到干线场景识别算法中。若不配置，则算法无需考虑人工干线的情况，直接进行干线场景识别。

配置瓶颈交口：由于瓶颈路段流量过多不适宜干线控制，则配置瓶颈交叉口编号以及方向，在优化模块中，在识别干线场景时不会考虑瓶颈路段。若不配置，则无需考虑。

优化模块：

实现路网路段关联度计算，并基于深度/广度图搜索算法，自动识别单向协调干线、双向协调干线、交叉干线、左转协调干线、短连线路段等干线场景

可视化模块：

将干线场景识别的结果在地图上展示，更为方便地显示结果。

以德阳89个交叉口作为实验为例，根据路网的流量数据、饱和度数据、速度数据以及路网数据等进行数据处理，开始时间为9：00，结束时间配置为17：00，人工干线配置为空，瓶颈路段配置为空，通过优化模块进行识别，结果传入可视化模块。

可见，通过本申请实施例的系统，可以获取目标路网中各路段的直行流量和左转流量，并通过计算路段与相邻路段之间的关联度识别得到多个干线路段集合，并通过干线路段集合识别得到多种类型的干线，从而能够实现对左转协调方式的识别以及多种场景干线的识别。

本申请实施例的第三方面，提供了一种多场景交通干线协调子区的识别装置，参见图10，包括：

信息获取模块1001，用于获取目标路网的路网信息和目标路网中各路段的交通流信息；

关联度计算模块1002，用于针对任何一路段，计算该路段与多个相邻路段的关联度，其中，多个相邻路段包括多个方向的上游相邻路段和下游相邻路段的关联度；

关联度选取模块1003，用于针对任何一路段，分别选取该路段的多个上游相邻路段和多个下游相邻路段中对应关联度最大的路段作为该路段的目标上游相邻路段和目标下游相邻路段；

路段集合获取模块1004，用于识别目标路网中各路段的目标上游相邻路段和目标下游相邻路段，得到多个路段集合；

路段集合识别模块1005，用于对多个路段集合进行识别，得到多种类型的绿波干线。

可选的，上述装置还包括：

干线类型识别模块，用于识别各绿波干线的类型；

控制指令计算模块，用于根据识别到的绿波干线的类型、路网信息和各路段的交通流信息，计算得到各绿波干线的控制指令。

可选的，路段集合识别模块，包括：

交叉口表示子模块，用于将多个路段集合通过交叉口进行表示，得到多个交叉口集合；

交叉口拼接子模块，用于对多个交叉口集合中的各交叉口集合进行交叉口的拼接，得到多种类型的绿波干线。

可选的，上述装置还包括：

交叉口数量识别模块，用于识别各绿波干线对应的交叉口的数量；

绿波干线拆分模块，用于当任一绿波干线对应的交叉口的数量大于预设交叉口数量阈值时，根据该绿波干线中各交叉口的关联度对该绿波干线进行拆分，得到多个拆分后的绿波干线，其中，交叉口的关联度为该交叉口对应的多个路段的关联度中的最大值。

可选的，干线类型识别模块，包括：

干线长度识别子模块，用于根据路网信息，识别各拆分后的绿波干线的长度；

短连线标记子模块，用于当任一拆分后的绿波干线的长度小于预设长度阈值时，将该拆分后的绿波干线标记为短连线类型的干线。

可选的，干线类型识别模块，包括：

双向干线识别子模块，用于根据路网信息识别多种类型的绿波干线中的双向干线；

交通流获取子模块，用于获取识别到的双向干线的交通流信息；

单向协调干线标记子模块，用于当识别到的双向干线的两个方向的交通流之差大于预设交通流阈值时，将识别到的双向干线标记为单向协调干线。

可选的，干线类型识别模块，包括：

左转识别子模块，用于针对任一绿波干线，识别该绿波干线对应的交叉口集合中左转交叉口的数量，其中，左转交叉口为左转协调方式的交叉口；

左转标记子模块，用于当识别到的左转交叉口的数量为一个时，将该绿波干线标记为L型干线；当识别到的左转交叉口的数量为两个时，将该绿波干线标记为U型干线；

可选的，上述装置还包括：

相同交叉口识别模块，用于针对任一绿波干线，识别与该绿波干线对应的交叉口集合存在相同交叉口的绿波干线；

干线集合识别模块，用于根据识别到的绿波干线对应的路网信息，得到多种类型的绿波干线集合，其中，多种类型的绿波干线包括交叉干线类型的绿波干线、丰字型干线类型的绿波干线、封闭干线类型的绿波干线中的至少一个；

集合指令计算模块，用于根据识别到的绿波干线集合的类型、路网信息和各路段的交通流信息，计算得到各绿波干线集合的控制指令。

可见，通过本申请实施例的装置，可以计算各路段的多个方向的上游相邻路段和下游相邻路段的关联度，然后根据计算得到的多个方向的关联度进行路段集合的识别，得到多种类型的绿波干线，从而不但可以得到直行类型的干线还可以通过多个方向的识别得到多种类型的干线。

本发明实施例还提供了一种电子设备，如图11所示，包括处理器1101、通信接口1102、存储器1103和通信总线1104，其中，处理器1101，通信接口1102，存储器1103通过通信总线1104完成相互间的通信，

存储器1103，用于存放计算机程序；

处理器1101，用于执行存储器1103上所存放的程序时，实现如下步骤：

获取目标路网的路网信息和目标路网中各路段的交通流信息；

针对任何一路段，计算该路段与多个相邻路段的关联度，其中，多个相邻路段包括多个方向的上游相邻路段和下游相邻路段的关联度；

针对任何一路段，分别选取该路段的多个上游相邻路段和多个下游相邻路段中对应关联度最大的路段作为该路段的目标上游相邻路段和目标下游相邻路段；

识别目标路网中各路段的目标上游相邻路段和目标下游相邻路段，得到多个路段集合；

对多个路段集合进行识别，得到多种类型的绿波干线。

上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一多场景交通干线协调子区的识别方法的步骤。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一多场景交通干线协调子区的识别方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，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，对于系统实施例而言，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。

以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。