基于雾计算的智能交通管控方法及系统与流程

1.本技术涉及交通管控技术领域，具体而言，涉及基于雾计算的智能交通管控方法及系统。


背景技术：

2.随着人工智能的不断发展，可将收到的各类数据和信息在平台进行加工、整理并为指挥者进行分析、研判、决策提供科学、准确的数据，从而对相关事件进行提前处置和果断部署。这样能有效地避免交通堵塞的情况，提高车辆通过的效率，然而，在智能交通管控技术中还存在一些缺陷。


技术实现要素：

3.鉴于此，本技术提供了基于雾计算的智能交通管控方法及系统。
4.第一方面，提供一种基于雾计算的智能交通管控方法，所述方法包括：
5.获取多个目标车辆拍摄图像每个的参考解析车辆行驶描述策略、期望车辆行驶轨迹和实时车辆行驶轨迹，所述参考解析车辆行驶描述策略表征目标车辆拍摄图像在预先设置的参考周期内解析信息的车辆行驶情况；
6.利用所述多个目标车辆拍摄图像的参考解析车辆行驶描述策略，计算出所述多个目标车辆拍摄图像的参考平均解析车辆行驶描述策略；
7.确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息；
8.利用每一目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹，计算出每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围；
9.利用所述多个目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围，计算出每一目标车辆拍摄图像的行驶范围向量；
10.利用所述多个目标车辆拍摄图像的行驶范围向量和参考解析车辆行驶描述策略，计算出所述多个目标车辆拍摄图像的期望平均解析车辆行驶描述策略；
11.基于所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对所述期望车辆行驶轨迹进行控制，确定每一目标车辆拍摄图像的目标车辆行驶轨迹。
12.进一步地，所述获取多个目标车辆拍摄图像每个的参考解析车辆行驶描述策略包括：
13.获取多个目标车辆拍摄图像每个在所述预先设置的参考周期内解析出的解析信息；
14.根据每一目标车辆拍摄图像在预先设置的参考周期内的解析信息确定每一目标车辆拍摄图像的参考解析车辆行驶描述策略。
15.进一步地，所述确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息包括：
16.获取所述多个目标车辆拍摄图像每个在所述预先设置的参考周期内每次解析信息所需的消耗时间；
17.利用每一目标车辆拍摄图像在所述预先设置的参考周期内每次解析信息所需的消耗时间，计算出每一目标车辆拍摄图像解析信息所需的平均消耗时间；
18.确定所述多个目标车辆拍摄图像的车辆行驶轨迹所听从的排布信息；
19.基于每一目标车辆拍摄图像解析信息所需的平均消耗时间和所述车辆行驶轨迹所听从的排布信息，确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息。
20.进一步地，所述利用每一目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹，计算出每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围包括：
21.基于每一目标车辆拍摄图像的车辆行驶轨迹排布信息，计算每一目标车辆拍摄图像车辆行驶对应的期望车辆行驶轨迹的第一行驶范围；
22.基于每一目标车辆拍摄图像的车辆行驶轨迹排布信息，计算每一目标车辆拍摄图像车辆行驶对应的实时车辆行驶轨迹的第二行驶范围；
23.根据每一目标车辆拍摄图像对应的第一行驶范围和第二行驶范围，计算每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围。
24.进一步地，所述基于所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对所述期望车辆行驶轨迹进行控制，确定每一目标车辆拍摄图像的目标车辆行驶轨迹包括：
25.计算所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异；
26.当所述相对差异大于所述预先设置的差异行驶预先设置的范围时，基于对所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中最大期望车辆行驶轨迹的减小，减小当前的期望平均解析车辆行驶描述策略，根据减小后的期望平均解析车辆行驶描述策略更新所述相对差异；
27.当所述相对差异小于等于所述预先设置的差异行驶预先设置的范围时，将每一目标车辆拍摄图像当前的期望车辆行驶轨迹作为每一目标车辆拍摄图像的目标车辆行驶轨迹；其中，每次减小后的期望车辆行驶轨迹为所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中的最大值；
28.其中，在将每一目标车辆拍摄图像当前的期望车辆行驶轨迹作为每一目标车辆拍摄图像的目标车辆行驶轨迹之前，所述方法还包括：
29.计算所述相对差异与所述预先设置的差异行驶预先设置的范围间的差值；当所述差值小于等于预先设置的预先设置的范围时，执行将每一目标车辆拍摄图像当前的期望车辆行驶轨迹作为每一目标车辆拍摄图像的目标车辆行驶轨迹的操作；
30.当所述差值大于所述预先设置的预先设置的范围时，基于对所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中最小期望车辆行驶轨迹的增加，增加当前的期望平均解析车辆行驶描述策略，根据增加后的期望平均解析车辆行驶描述策略更新所述相对差异；其中，每次增加后的期望车辆行驶轨迹为所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中的最小值。
31.第二方面，提供一种基于雾计算的智能交通管控系统，包括数据采集端和数据处理终端，所述数据采集端和所述数据处理终端通信连接，所述数据处理终端具体用于：
32.获取多个目标车辆拍摄图像每个的参考解析车辆行驶描述策略、期望车辆行驶轨迹和实时车辆行驶轨迹，所述参考解析车辆行驶描述策略表征目标车辆拍摄图像在预先设置的参考周期内解析信息的车辆行驶情况；
33.利用所述多个目标车辆拍摄图像的参考解析车辆行驶描述策略，计算出所述多个目标车辆拍摄图像的参考平均解析车辆行驶描述策略；
34.确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息；
35.利用每一目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹，计算出每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围；
36.利用所述多个目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围，计算出每一目标车辆拍摄图像的行驶范围向量；
37.利用所述多个目标车辆拍摄图像的行驶范围向量和参考解析车辆行驶描述策略，计算出所述多个目标车辆拍摄图像的期望平均解析车辆行驶描述策略；
38.基于所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对所述期望车辆行驶轨迹进行控制，确定每一目标车辆拍摄图像的目标车辆行驶轨迹。
39.进一步地，所述数据处理终端具体用于：
40.获取多个目标车辆拍摄图像每个在所述预先设置的参考周期内解析出的解析信息；
41.根据每一目标车辆拍摄图像在预先设置的参考周期内的解析信息确定每一目标车辆拍摄图像的参考解析车辆行驶描述策略。
42.进一步地，所述数据处理终端具体用于：
43.获取所述多个目标车辆拍摄图像每个在所述预先设置的参考周期内每次解析信息所需的消耗时间；
44.利用每一目标车辆拍摄图像在所述预先设置的参考周期内每次解析信息所需的消耗时间，计算出每一目标车辆拍摄图像解析信息所需的平均消耗时间；
45.确定所述多个目标车辆拍摄图像的车辆行驶轨迹所听从的排布信息；
46.基于每一目标车辆拍摄图像解析信息所需的平均消耗时间和所述车辆行驶轨迹所听从的排布信息，确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息。
47.进一步地，所述数据处理终端具体用于：
48.基于每一目标车辆拍摄图像的车辆行驶轨迹排布信息，计算每一目标车辆拍摄图像车辆行驶对应的期望车辆行驶轨迹的第一行驶范围；
49.基于每一目标车辆拍摄图像的车辆行驶轨迹排布信息，计算每一目标车辆拍摄图像车辆行驶对应的实时车辆行驶轨迹的第二行驶范围；
50.根据每一目标车辆拍摄图像对应的第一行驶范围和第二行驶范围，计算每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围。
51.进一步地，所述数据处理终端具体用于：
52.计算所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异；
53.当所述相对差异大于所述预先设置的差异行驶预先设置的范围时，基于对所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中最大期望车辆行驶轨迹的减小，减小当前的期望平均解析车辆行驶描述策略，根据减小后的期望平均解析车辆行驶描述策略更新所述相对差异；
54.当所述相对差异小于等于所述预先设置的差异行驶预先设置的范围时，将每一目标车辆拍摄图像当前的期望车辆行驶轨迹作为每一目标车辆拍摄图像的目标车辆行驶轨迹；其中，每次减小后的期望车辆行驶轨迹为所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中的最大值；
55.其中，所述数据处理终端具体还用于：
56.计算所述相对差异与所述预先设置的差异行驶预先设置的范围间的差值；当所述差值小于等于预先设置的预先设置的范围时，执行将每一目标车辆拍摄图像当前的期望车辆行驶轨迹作为每一目标车辆拍摄图像的目标车辆行驶轨迹的操作；
57.当所述差值大于所述预先设置的预先设置的范围时，基于对所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中最小期望车辆行驶轨迹的增加，增加当前的期望平均解析车辆行驶描述策略，根据增加后的期望平均解析车辆行驶描述策略更新所述相对差异；其中，每次增加后的期望车辆行驶轨迹为所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中的最小值。
58.本技术实施例所提供的基于雾计算的智能交通管控方法及系统，目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹，预测出目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围，进而计算出每一目标车辆拍摄图像的行驶范围向量，将行驶范围向量与能够表征多个目标车辆拍摄图像整体解析信息车辆行驶情况的参考平均解析车辆行驶描述策略进行加权，可以预测出期望平均解析车辆行驶描述策略，并通过期望平均解析车辆行驶描述策略和参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对期望车辆行驶轨迹进行控制，可以准确的确定每一目标车辆拍摄图像的目标车辆行驶轨迹，实现了对目标车辆拍摄图像车辆行驶对应的交通车流量的均衡，有效降低目标车辆拍摄图像使用过程中出现交通堵塞的行驶范围。
附图说明
59.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
60.图1为本技术实施例所提供的一种基于雾计算的智能交通管控方法的流程图。
61.图2为本技术实施例所提供的一种基于雾计算的智能交通管控装置的框图。
62.图3为本技术实施例所提供的一种基于雾计算的智能交通管控系统的架构图。
具体实施方式
63.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
64.请参阅图1，示出了一种基于雾计算的智能交通管控方法，该方法可以包括以下步骤100
‑
步骤700所描述的技术方案。
65.步骤100，获取多个目标车辆拍摄图像每个的参考解析车辆行驶描述策略、期望车辆行驶轨迹和实时车辆行驶轨迹，所述参考解析车辆行驶描述策略表征目标车辆拍摄图像在预先设置的参考周期内解析信息的车辆行驶情况。
66.示例性的，车辆行驶情况用于表征在设定区间内车流量以及车辆行驶状况。
67.步骤200，利用所述多个目标车辆拍摄图像的参考解析车辆行驶描述策略，计算出所述多个目标车辆拍摄图像的参考平均解析车辆行驶描述策略。
68.示例性的，车辆行驶描述策略用于表征车辆的形式速度。
69.步骤300，确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息。
70.示例性的，车辆行驶轨迹排布信息用于表征车辆行驶轨迹形成的分布图。
71.步骤400，利用每一目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹，计算出每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围。
72.步骤500，利用所述多个目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围，计算出每一目标车辆拍摄图像的行驶范围向量。
73.步骤600，利用所述多个目标车辆拍摄图像的行驶范围向量和参考解析车辆行驶描述策略，计算出所述多个目标车辆拍摄图像的期望平均解析车辆行驶描述策略。
74.步骤700，基于所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对所述期望车辆行驶轨迹进行控制，确定每一目标车辆拍摄图像的目标车辆行驶轨迹。
75.可以理解，在执行上述步骤100
‑
步骤700所描述的技术方案时，目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹，预测出目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围，进而计算出每一目标车辆拍摄图像的行驶范围向量，将行驶范围向量与能够表征多个目标车辆拍摄图像整体解析信息车辆行驶情况的参考平均解析车辆行驶描述策略进行加权，可以预测出期望平均解析车辆行驶描述策略，并通过期望平均解析车辆行驶描述策略和参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对期望车辆行驶轨迹进行控制，可以准确的确定每一目标车辆拍摄图像的目标车辆行驶轨迹，实现了对目标车辆拍摄图像车辆行驶对应的交通车流量的均衡，有效降低目标车辆拍摄图像使用过程中出现交通堵塞的行驶范围。
76.在一种可替换的实施例中，发明人发现，获取多个目标车辆拍摄图像每个的参考解析车辆行驶描述策略时，存在参考周期内解析出的解析信息不准确的问题，从而难以准确地获取多个目标车辆拍摄图像每个的参考解析车辆行驶描述策略，为了改善上述技术问
题，步骤100所描述的获取多个目标车辆拍摄图像每个的参考解析车辆行驶描述策略的步骤，具体可以包括以下步骤q1和步骤q2所描述的技术方案。
77.步骤q1，获取多个目标车辆拍摄图像每个在所述预先设置的参考周期内解析出的解析信息。
78.步骤q2，根据每一目标车辆拍摄图像在预先设置的参考周期内的解析信息确定每一目标车辆拍摄图像的参考解析车辆行驶描述策略。
79.可以理解，在执行上述步骤q1和步骤q2所描述的技术方案时，获取多个目标车辆拍摄图像每个的参考解析车辆行驶描述策略时，改善参考周期内解析出的解析信息不准确的问题，从而能够准确地获取多个目标车辆拍摄图像每个的参考解析车辆行驶描述策略。
80.在一种可替换的实施例中，发明人发现，确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息时，存在每次解析信息所需的消耗时间不准确的问题，从而难以准确地确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息，为了改善上述技术问题，步骤300所描述的确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息的步骤，具体可以包括以下步骤w1
‑
步骤w4所描述的技术方案。
81.步骤w1，获取所述多个目标车辆拍摄图像每个在所述预先设置的参考周期内每次解析信息所需的消耗时间。
82.步骤w2，利用每一目标车辆拍摄图像在所述预先设置的参考周期内每次解析信息所需的消耗时间，计算出每一目标车辆拍摄图像解析信息所需的平均消耗时间。
83.步骤w3，确定所述多个目标车辆拍摄图像的车辆行驶轨迹所听从的排布信息。
84.步骤w4，基于每一目标车辆拍摄图像解析信息所需的平均消耗时间和所述车辆行驶轨迹所听从的排布信息，确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息。
85.可以理解，在执行上述步骤w1
‑
步骤w4所描述的技术方案时，确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息时，改善每次解析信息所需的消耗时间不准确的问题，从而能够准确地确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息。
86.在一种可替换的实施例中，发明人发现，利用每一目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹时，存在计算每一目标车辆拍摄图像车辆行驶对应的期望车辆行驶轨迹的第一行驶范围不精确的问题，从而难以精确地计算出每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围，为了改善上述技术问题，步骤400所描述的利用每一目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹，计算出每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围的步骤，具体可以包括以下步骤r1
‑
步骤r3所描述的技术方案。
87.步骤r1，基于每一目标车辆拍摄图像的车辆行驶轨迹排布信息，计算每一目标车辆拍摄图像车辆行驶对应的期望车辆行驶轨迹的第一行驶范围。
88.步骤r2，基于每一目标车辆拍摄图像的车辆行驶轨迹排布信息，计算每一目标车辆拍摄图像车辆行驶对应的实时车辆行驶轨迹的第二行驶范围。
89.步骤r3，根据每一目标车辆拍摄图像对应的第一行驶范围和第二行驶范围，计算每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围。
90.可以理解，在执行上述步骤r1
‑
步骤r3所描述的技术方案时，利用每一目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹时，改善计算每一目标车辆拍摄图像车辆行驶对应的期望车辆行驶轨迹的第一行驶范围不精确的问题，从而能够精确地计算出每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围。
91.在一种可替换的实施例中，发明人发现，基于所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对所述期望车辆行驶轨迹进行控制时，存在相对差异不准确的问题，从而难以准确地确定每一目标车辆拍摄图像的目标车辆行驶轨迹，为了改善上述技术问题，步骤700所描述的基于所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对所述期望车辆行驶轨迹进行控制，确定每一目标车辆拍摄图像的目标车辆行驶轨迹的步骤，具体可以包括以下步骤y1
‑
步骤y3所描述的技术方案。
92.步骤y1，计算所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异。
93.步骤y2，当所述相对差异大于所述预先设置的差异行驶预先设置的范围时，基于对所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中最大期望车辆行驶轨迹的减小，减小当前的期望平均解析车辆行驶描述策略，根据减小后的期望平均解析车辆行驶描述策略更新所述相对差异。
94.步骤y3，当所述相对差异小于等于所述预先设置的差异行驶预先设置的范围时，将每一目标车辆拍摄图像当前的期望车辆行驶轨迹作为每一目标车辆拍摄图像的目标车辆行驶轨迹。
95.示例性的，每次减小后的期望车辆行驶轨迹为所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中的最大值。
96.可以理解，在执行上述步骤y1
‑
步骤y3所描述的技术方案时，基于所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对所述期望车辆行驶轨迹进行控制时，改善相对差异不准确的问题，从而能够准确地确定每一目标车辆拍摄图像的目标车辆行驶轨迹。
97.基于上述基础，在将每一目标车辆拍摄图像当前的期望车辆行驶轨迹作为每一目标车辆拍摄图像的目标车辆行驶轨迹之前，还可以包括以下步骤a1
‑
步骤a3所描述的技术方案。
98.步骤a1，计算所述相对差异与所述预先设置的差异行驶预先设置的范围间的差值。
99.步骤a2，当所述差值小于等于预先设置的预先设置的范围时，执行将每一目标车辆拍摄图像当前的期望车辆行驶轨迹作为每一目标车辆拍摄图像的目标车辆行驶轨迹的操作。
100.步骤a3，当所述差值大于所述预先设置的预先设置的范围时，基于对所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中最小期望车辆行驶轨迹的增加，增加当前的期望平均解析车辆行驶描述策略，根据增加后的期望平均解析车辆行驶描述策略更新所述相
对差异。
101.示例性的，每次增加后的期望车辆行驶轨迹为所述多个目标车辆拍摄图像当前的期望车辆行驶轨迹中的最小值。
102.可以理解，在执行上述步骤a1
‑
步骤a3所描述的技术方案时，通过精确地计算所述相对差异与所述预先设置的差异行驶预先设置的范围间的差值，从而提高更新所述相对差异的精度。
103.基于上述基础，预先设置的差异行驶预先设置的范围包括参考交通拥堵情况，还可以包括以下步骤s1
‑
步骤s5所描述的技术方案。
104.步骤s1，获取多个实时拍摄图像对应的车辆行驶区域在所述预先设置的参考周期内的统计交通拥堵情况。
105.步骤s2，将所述统计交通拥堵情况作为所述参考交通拥堵情况。
106.步骤s3，或，获取多个实时拍摄图像对应的车辆行驶区域在所述预先设置的参考周期内的统计交通拥堵情况。
107.步骤s4，获取所述多个实时拍摄图像在所述预先设置的参考周期内的参考监控路况信息。
108.步骤s5，基于所述参考监控路况信息对所述统计交通拥堵情况进行神经网络训练，得到所述参考交通拥堵情况。
109.可以理解，在执行上述步骤s1
‑
步骤s5所描述的技术方案时，通过统计交通拥堵情况，从而提高得到所述参考交通拥堵情况的精度。
110.在上述基础上，请结合参阅图2，提供了一种基于雾计算的智能交通管控装置200，应用于ggggg，所述装置包括：
111.车辆行驶解析模型210，用于获取多个目标车辆拍摄图像每个的参考解析车辆行驶描述策略、期望车辆行驶轨迹和实时车辆行驶轨迹，所述参考解析车辆行驶描述策略表征目标车辆拍摄图像在预先设置的参考周期内解析信息的车辆行驶情况；
112.描述策略计算模型220，用于利用所述多个目标车辆拍摄图像的参考解析车辆行驶描述策略，计算出所述多个目标车辆拍摄图像的参考平均解析车辆行驶描述策略；
113.驶轨迹排布模型230，用于确定每一目标车辆拍摄图像的车辆行驶轨迹排布信息；
114.行驶范围计算模型240，用于利用每一目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹，计算出每一目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围；
115.范围向量计算模型250，用于利用所述多个目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围，计算出每一目标车辆拍摄图像的行驶范围向量；
116.描述策略解析模型260，用于利用所述多个目标车辆拍摄图像的行驶范围向量和参考解析车辆行驶描述策略，计算出所述多个目标车辆拍摄图像的期望平均解析车辆行驶描述策略；
117.行驶轨迹确定模型270，用于基于所述期望平均解析车辆行驶描述策略和所述参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对所述期望车辆行驶轨迹进行控制，确定每一目标车辆拍摄图像的目标车辆行驶轨迹。
118.在上述基础上，请结合参阅图3，示出了一种基于雾计算的智能交通管控系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。
119.在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
120.综上，基于上述方案，目标车辆拍摄图像的车辆行驶轨迹排布信息、期望车辆行驶轨迹和实时车辆行驶轨迹，预测出目标车辆拍摄图像的全局车辆行驶轨迹符合对应的期望车辆行驶轨迹矩阵的行驶范围，进而计算出每一目标车辆拍摄图像的行驶范围向量，将行驶范围向量与能够表征多个目标车辆拍摄图像整体解析信息车辆行驶情况的参考平均解析车辆行驶描述策略进行加权，可以预测出期望平均解析车辆行驶描述策略，并通过期望平均解析车辆行驶描述策略和参考平均解析车辆行驶描述策略间的相对差异，以及预先设置的差异行驶预先设置的范围对期望车辆行驶轨迹进行控制，可以准确的确定每一目标车辆拍摄图像的目标车辆行驶轨迹，实现了对目标车辆拍摄图像车辆行驶对应的交通车流量的均衡，有效降低目标车辆拍摄图像使用过程中出现交通堵塞的行驶范围。
121.应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd
‑
rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本技术的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
122.需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
123.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可能会对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
124.同时，本技术使用了特定词语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本技术的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
125.此外，本领域技术人员可以理解，本技术的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全
由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本技术的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
126.计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质，或任何上述介质的组合。
127.本技术各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如java、scala、smalltalk、eiffel、jade、emerald、c 、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，动态编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
128.此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
129.同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
130.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本技术一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
131.针对本技术引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本技术作为参考。与本技术内容不一致
或产生冲突的申请历史文件除外，对本技术权利要求最广范围有限制的文件(当前或之后附加于本技术中的)也除外。需要说明的是，如果本技术附属材料中的描述、定义、和/或术语的使用与本技术所述内容有不一致或冲突的地方，以本技术的描述、定义和/或术语的使用为准。
132.最后，应当理解的是，本技术中所述实施例仅用以说明本技术实施例的原则。其他的变形也可能属于本技术的范围。因此，作为示例而非限制，本技术实施例的替代配置可视为与本技术的教导一致。相应地，本技术的实施例不仅限于本技术明确介绍和描述的实施例。
133.以上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。