交通推理器的制作方法

技术特征：
1.一种根据从多个传感器接收到的数据预测交通流量模式并形成基于所述流量模式的输出的系统，其特征在于，每个传感器用于在道路布局已知的空间区域内的相应地点处获取数据，所述系统用于：从所述多个传感器接收数据；根据所述道路布局，将所述接收到的数据与来自所述空间区域内的所述多个传感器的历史数据聚合；根据所述聚合数据，预测所述地点处的交通流量模式，并分析所述接收到的数据以识别所述接收到的数据和所述预测到的交通流量模式之间的偏差，和/或分析所述预测到的交通流量模式以识别其中的车辆特征；输出所述偏差和/或车辆特征。2.根据权利要求1所述的系统，其特征在于，所述系统用于根据所述输出的偏差和/或车辆特征执行交通异常检测、延迟计算、交通堵塞检测和偏移计算中的一个或多个。3.根据权利要求1或2所述的系统，其特征在于，所述车辆特征包括一个地点处的车辆数量和/或车辆在一个地点处的排队长度。4.根据上述权利要求中任一项所述的系统，其特征在于，从所述多个传感器中的每个传感器接收到的所述数据包括值的数据系列。5.根据上述权利要求中任一项所述的系统，其特征在于，所述系统用于通过实现学习的人工智能模型来预测交通流量模式。6.根据上述权利要求中任一项所述的系统，其特征在于，所述系统用于在所述空间区域内的不同大小的相应次区域之间分层地将所述接收到的数据与来自所述多个传感器的历史数据聚合。7.根据上述权利要求中任一项所述的系统，其特征在于，所述相应地点是相应的交通交叉口。8.根据权利要求7所述的系统，其特征在于，每个交叉口包括至少三条相交的车辆通道，所述交通流量模式还根据以下各项中的至少一个来预测：每个方向驶入交叉口的汽车的数量、车辆停在所述交叉口的概率和车辆在所述交叉口驶入每个方向的概率。9.根据权利要求7或8所述的系统，其特征在于，所述预测到的交通流量模式用于确定位于所述交叉口处的交通信号灯的交通信号灯方案。10.根据权利要求9所述的系统，其特征在于，所述系统还用于通过优化所述交叉口处的至少一个交通指标来确定位于所述交叉口处的交通信号灯的交通信号灯方案。11.根据权利要求10所述的系统，其特征在于，所述至少一个交通指标是交通吞吐量、排队长度和所述交通信号灯的浪费的绿灯时间中的一个或多个。12.根据权利要求9至11中任一项所述的系统，其特征在于，所述系统还用于预测所述空间区域内的至少两部车辆的通道，如果这些预测结果指示所述车辆将同时通过同一地点，则调整所述交通信号灯的配时以暂时错开所述通道。13.根据上述权利要求中任一项所述的系统，其特征在于，所述系统部署在多个基于云的实体之间。14.根据上述权利要求中任一项所述的系统，其特征在于，所述多个传感器中的每个传感器包括摄像头、气象传感器、污染传感器、噪音传感器和感应圈中的一个。
15.一种在根据从多个传感器接收到的数据预测交通流量模式并形成基于所述流量模式的输出的系统中实现的方法，其特征在于，每个传感器用于在道路布局已知的空间区域内的相应地点处获取数据，所述方法包括：从所述多个传感器接收数据；根据所述道路布局，将所述接收到的数据与来自所述空间区域内的所述多个传感器的历史数据聚合；根据所述聚合数据，预测所述地点处的交通流量模式，并分析所述接收到的数据以识别所述接收到的数据和所述预测到的交通流量模式之间的偏差，和/或分析所述预测到的交通流量模式以识别其中的车辆特征；输出所述偏差和/或车辆特征。

技术总结
一种根据从多个传感器接收到的数据预测交通流量模式并形成基于所述流量模式的输出的系统，其中，每个传感器用于在道路布局已知的空间区域内的相应地点处获取数据，所述系统用于：从所述多个传感器接收数据；根据所述道路布局，将所述接收到的数据与来自所述空间区域内的所述多个传感器的历史数据聚合；根据所述聚合数据，预测所述地点处的交通流量模式，并分析所述接收到的数据以识别所述接收到的数据和所述预测到的交通流量模式之间的偏差，和/或分析所述预测到的交通流量模式以识别其中的车辆特征；输出所述偏差和/或车辆特征。输出所述偏差和/或车辆特征。输出所述偏差和/或车辆特征。


技术研发人员：拉杜
受保护的技术使用者：华为云计算技术有限公司
技术研发日：2019.10.14
技术公布日：2022/7/9