[发明专利]交通信息处理方法、装置和计算设备

权利要求书

1.一种交通信息处理方法，其特征在于，包括如下步骤：

对路况检测系统提供的路况检测图像数据进行识别，生成车流信息及人流信息；

根据车流信息和/或人流信息，通过训练后的深度学习模型，生成至少一个时刻的拥堵信息；针对多个场景训练相应的多个深度学习模型，在应用时有针对性的获取相关的深度学习模型；

基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理；

采用的所述深度学习模型与所执行的所述拥堵应对处理具有对应关系。

2.根据权利要求1所述的交通信息处理方法，其特征在于，根据车流信息和/或人流信息，通过训练后的深度学习模型，生成任一时刻的拥堵信息，包括：

根据特定道路所述任一时刻的车流信息和/或人流信息，通过所述训练后的深度学习模型，生成该特定道路所述任一时刻的拥堵程度；

所述基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理，包括：

当该特定道路当前时刻的拥堵程度大于或等于第一阈值，执行相应的拥堵应对处理。

3.根据权利要求2所述的交通信息处理方法，其特征在于，

所述特定道路为特定路口，

所述根据特定道路所述任一时刻的车流信息和/或人流信息，通过所述训练后的深度学习模型，生成该特定道路所述任一时刻的拥堵程度，包括：

根据特定路口所述任一时刻的车流信息和人流信息，通过所述训练后的深度学习模型，生成该特定路口所述任一时刻的拥堵程度；

或者，所述特定道路为特定行驶道，

所述根据特定道路所述任一时刻的车流信息和/或人流信息，通过所述训练后的深度学习模型，生成该特定道路所述任一时刻的拥堵程度，包括：

根据特定行驶道所述任一时刻的车流信息，通过所述训练后的深度学习模型，生成该特定行驶道所述任一时刻的拥堵程度。

4.根据权利要求2所述的交通信息处理方法，其特征在于，所述执行拥堵应对处理，包括以下至少一项：

将所述特定道路以及所述特定道路当前时刻的拥堵程度推送至预定管理平台；

确定所述特定道路对应的管理警员，将所述特定道路以及所述特定道路当前时刻的拥堵程度发送至该管理警员的终端设备；

将所述特定道路当前时刻的路况检测图像数据发送至预定管理平台；

将所述特定道路当前时刻的路况检测图像数据发送至该管理警员的终端设备。

5.根据权利要求1-4任一项所述的交通信息处理方法，其特征在于，基于所述至少一个时刻的拥堵信息，执行相应的拥堵应对处理，包括以下至少一项：

基于各个道路当前时刻的拥堵信息，确定特殊车辆的调度策略；

基于各个道路当前时刻的拥堵信息，确定信号灯的调控策略；

基于各个道路至少一个时刻的拥堵信息，生成相关业务报告。

6.根据权利要求1所述的交通信息处理方法，其特征在于，所述根据车流信息和/或人流信息，通过训练后的深度学习模型，生成至少一个时刻的拥堵信息，包括：

根据直至当前时刻的至少一个时刻的车流信息，确定车流轨迹信息；

根据直至当前时刻的至少一个时刻的人流信息，确定人流轨迹信息；

基于车流轨迹信息和/或人流轨迹信息，通过训练后的深度学习模型，预测拥堵程度大于或等于第二阈值的道路及对应的时刻。

7.根据权利要求6所述的交通信息处理方法，其特征在于，

所述道路为路口，

所述基于车流轨迹信息和/或人流轨迹信息，通过训练后的深度学习模型，预测拥堵程度大于或等于第二阈值的道路及对应的时刻，包括：

基于车流轨迹信息和人流轨迹信息，通过训练后的深度学习模型，预测拥堵程度大于或等于第二阈值的路口及对应的时刻；

或者，所述道路为行驶道，

所述基于车流轨迹信息和/或人流轨迹信息，通过训练后的深度学习模型，预测拥堵程度大于或等于第二阈值的道路及对应的时刻，包括：

基于车流轨迹信息，通过训练后的深度学习模型，预测拥堵程度大于或等于第二阈值的行驶道及对应的时刻。