具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例一：

本公开实施例一提供一种道路通行状态的获取方法，其流程参照图1所示，包括如下步骤：

S11、获取当前时刻开始向前预设时长内的道路历史交通流量数据；

S12、在道路历史交通流量数据中，确定指定的第一检测时刻所在的观测窗口和对应的至少一个历史窗口；其中，第一检测时刻为当前时刻或者当前时刻的邻近时刻；历史窗口与观测窗口的时长相同且历史窗口早于观测窗口；

S13、根据观测窗口内流量和与至少一个历史窗口内流量和的比较结果，确定该道路在第一检测时刻的流量是否异常。当确定第一检测时刻的道路异常时，执行步骤S14；否则，转向步骤S15；

S14、确定道路当前通行状态异常；

S15、结束当前流程。

本公开实施例提供的上述道路通行状态的获取方法，获取当前时刻开始向前预设时长内的道路历史交通流量数据，在获取到的道路历史交通流量数据中，确定当前时刻或者当前时刻的邻近时刻所在的观测窗口和对应的至少一个历史窗口，然后通过观测窗口和历史窗口流量和的比较结果，确定当前该道路的流量是否发生异常，进而确定道路的通行状态是否异常，本公开实施例可实现实时地跟踪当前时刻开始向前预设时长内的道路历史交通流量数据，进而实时地确定出当前道路的通行状态，而不必像现有技术那样，通过人工的方式采集道路异常信息，或者仅能在一个较长的、固定的时间粒度内确定道路是否异常，检测实时性高，结果更准确，另外，本公开提供的上述道路通行状态的获取方法，根据不同流量的道路设置有不同时间粒度的观测窗口和历史窗口，可以以比较小的时间粒度来依次检测道路的每个时刻是否发生流量异常，从而最终得到所有发生流量异常的时刻所组成的时间段，这个时间段可真实反映实际道路异常的情况，可以避免现有技术中按照固定时间粒度进行检测而带来的种种问题，使得道路异常检测的准确率大大提升。

下面分别对上述流程进行详细的说明。

上述步骤S11中，针对需要进行流量异常监测的道路，获取当前时刻之前预设时长的历史交通流量数据，道路历史交通流量数据中包含可路网中多条道路的历史交通流量数据，可根据需求选择其中包含的一条或多条道路的历史交通流量数据进行后续处理。

一条道路预设时长内的历史交通流量数据的例子参照图2所示，其中横轴表示若干时刻组成的时间轴，从左至右依次对应时间的先后，即越靠左，时间越早，反之则越晚。纵轴表示各个时刻对应的历史流量大小。

对于一条道路来说，若想要判断该道路是否发生异常，例如可以通过当前时刻或者当前时刻的邻近时刻的流量数据与历史交通流量数据的对比结果判断该道路流量是否发生明显变化的方式，来判断当前时刻通过道路的流量是否发生明显变化，也即确定道路发生了流量异常。

本公开实施例中，检测时刻可以为一个时刻点，也可以是一个很小的一个时间段，即预设时长的单位时间。因为历史流量数据的采集可能是一个单位时间(例如5分钟)一个单位时间连续采集得到的，检测时刻也可以是若干个连续的时间点组成的时间段。

第一检测时刻的时长大小采用的是预设时长的单位时间。预设时长可以根据具体情况灵活设定，不同的道路可能选择不同，例如可以根据道路流量的大小确定，由于不同的道路有不同的流量，对于高流量的道路来说，很短的时长内(如1小时、10分钟等)通过的流量就已经很大，流量发生异常波动的可能性也变大，因此这个单位时间的时长可以设置的较短，例如为10分钟，甚至5分钟；对于低流量的道路来说，这个单位时间的时长可以设置的稍长一些。如果单位时间的时长设置的过大，则会无法准确定位异常波动实际发生的时间段，如果单位时间的时长设置的过小，可能带来计算量增加的问题，因此，可以综合道路流量数据、计算能力和计算时间要求等条件选择。

当要确定第一检测时刻的道路是否异常时，首先要确定第一检测时刻所在的观测窗口以及进行对照的历史窗口。第一检测时刻所在的观测窗口为第一检测时刻位于末端的预设时长的时间窗口，参照图3所示，图3中横轴为时间轴，从左至右依次对应时间的先后，即越靠左，时间越早，反之则越晚；纵轴表示时刻对应的历史车流量；三角形箭头所指示位置为检测时刻在时间轴上的位置。

观测窗口即以第一检测时刻为起点，沿着横轴向第一检测时刻的前一时刻的方向(即向左)取预设时长的时间窗口；第一检测时刻对应的历史窗口的数量可以是一个或多个，从时间轴上看，所有的历史窗口均位于观测窗口之前，参照图3所示，即所有历史窗口总是位于观测窗口左侧。

历史窗口的窗口大小，与观测窗口大小相等。

历史窗口选择的方式例如可以为随机选择，之所以采用随机选择的方式，主要是因为历史交通流量数据可能存在的波动，并不是符合理想的均值分布。随机选择历史窗口，并将历史窗口的流量与观测窗口流量进行对比的方式，能够最大限度的降低历史交通流量数据存在异常波动导致对观测窗口选择不当导致检测结果不准确的可能性。

参照图4所示的例子，历史窗口的时长为4天，时刻采用1天为单位时间情形下的历史窗口的示例，可以看到该窗口的流量存在着较大波动。如果利用这个历史窗口与第一检测时刻所在的观测窗口作对比的话，对比结果可能会存在很大的误差。

历史窗口随机选择的数量可以为一个或多个，当选择的历史窗口为一个时，根据这一个历史窗口与观测窗口进行比对就能够确定道路是否发生了异常。

较佳地，随机选择多个历史窗口，该方式能够最大限度的降低历史交通流量数据存在异常波动导致对观测窗口选择不当导致检测结果不准确的可能性。在选择多个历史窗口进行计算时，为了便于计算，本公开实施例中根据观测窗口内流量与一半以上的历史窗口流量和的变化率的比较结果，来判断该第一检测时刻道路流量是否发生了异常，基于此，当历史窗口的数量为多个时，其数量为奇数。

当然，还可以采用其他方式来判断多个历史窗口与观测窗口的流量变化率的比对结果，得出观测窗口的检测时刻是否发生流量异常，在采用其他方式的情况下，则若历史窗口的数量不限于奇数个，采用任何适合的数量均可，本公开实施例不做限定。

在实际应用中，如果限制每一条道路观测窗口的大小，比如3个小时。这样做虽然带来了一定的便利，但是对于不同流量的道路来说，观测窗口的大小固定，就无法根据每一条道路的流量数据的特点准确高效地判断道路是否异常。例如：对于一条高流量道路来说，很小的观测窗口，就可以检测出大量的流量是否异常；对于一条低流量道路来说，检测该道路的流量是否异常则需要很长一段时间的观测。本公开提出的观测窗口和历史窗口时长的计算就是为了解决上述问题，最终使得不同流量的道路能够适应不同时长的观测窗口和历史窗口。因此，观测窗口和历史窗口的具体时长选择，需要根据道路车流量等因素来优化选择，例如采用下述方式：

参照图5所示，可以通过下述流程实现：

S511、遍历预设时长的多个假定值，依次确定在每个假定值下，历史窗口和观测窗口流量和的差的绝对值与假定值的比值大小；

为了便于理解上述步骤S511，此处以一个实例来进行说明：

对于一条较低流量的道路来说，假设获取到的历史交通流量数据以5分钟这个基本单位为一个时刻，即每5分钟表示每一个时刻。观测窗口和历史窗口的时长设为x(表示x个时刻)，其中x＝1、2、3、4、5、6、7(如x＝3表示，观测窗口和历史窗口的时长为15分钟)……

统计每个时刻所在的观测窗口和历史窗口内流量和的差，记为Δt；此处为方便说明，历史窗口默认为选取一个；遍历所有的x，直到取得最小值。

本实例以天为单位时间进行阐述，其他如以小时、分钟等为单位时间的情况下的观测窗口和历史窗口预设时长的确定方式与上述方式相同，此处不再赘述。当历史窗口的选择为多个时，例如可以为3个，分别计算每一个检测时刻对应的观测窗口和历史窗口内流量和的差Δt₁、Δt₂和Δt₃，遍历所有的x，直到取得最小值为止。

S512、选定比值最小时的假定值为历史窗口与观测窗口的时长。

在得到的最小值后，将此时x的大小(x个时刻)确定为观测窗口和历史窗口的时长。

观测窗口和至少一个历史窗口内流量和的比较结果包含两种情况：

第一种、当历史窗口为一个时，根据观测窗口和一个历史窗口内流量和的比较结果便能够确定道路是否异常。

第二种、当历史窗口为多个时，需要根据观测窗口和多个历史窗口内流量和的多组对比数据确定道路是否异常，只有当多组对比数据中一半以上的对比数据被确定为异常时，才能够最终确定道路发生异常。

上述步骤S13中，观测窗口和历史窗口内流量和的比较结果，主要是以流量和的变化率为评价标准，流量和变化率的具体计算过程如下：

第一种、当历史窗口为一个时，假设某第一检测时刻对应的历史窗口内的流量和是f_n，观测窗口内的流量和是f_o，流量变化率为flowratio，则流量变化率flowratio的计算公式为：

例如当flowratio<0.9时，确定道路流量出现异常，即在该第一检测时刻该道路发生异常。

第二种、当历史窗口为多个时，假设某一检测时刻历史窗口为5个，其流量和分别为观测窗口内的流量和是f_o，流量变化率为flowratio，则观测窗口相对于5个历史窗口的流量变化率flowratio的计算公式分别为：

只有当上述5组变化率中一半以上变化率的数值均小于0.9时，才能够确定在第一检测时刻该道路流量出现异常，否则，不认为该第一检测时刻道路流量出现异常。

通过上述方式，根据观测窗口和至少一个历史窗口内流量和的比较结果，可以确定第一检测时刻是否发生了异常，并且能够通过一个具体的数值对比较结果进行量化，使得道路异常检测更加的精准。

由于在实际路况中，道路流量异常导致道路通行状态异常往往不是一个瞬间的事件，而会持续一段时间，当监测到某个第一检测时刻道路流量发生异常时，更多的还需获知更多的关于该道路流量异常的信息，例如该道路流量异常是何时开始的，距第一检测时刻持续发生了多久等等，基于此，在上述步骤S13确定道路在第一检测时刻的流量出现异常之后，参照图6所示，本公开实施例还可以执行下述步骤：

S61、当确定第一检测时刻的道路异常时，滑动所述观测窗口，使得滑动后的观测窗口包含第二检测时刻；

上述第二检测时刻为所述道路历史交通流量数据中早于所述第一检测时刻的检测时刻；

S62、根据滑动后的观测窗口和所述至少一个历史窗口的流量和的比较结果，确定所述第二检测时刻的道路流量是否发生异常，若是，则转向S61重复执行滑动观测窗口的操作，否则，则执行下述步骤S63；

S63、确定道路异常情况下最后一个第二检测时刻至道路异常情况下第一检测时刻，为所述道路状态发生异常的时间区间。

为了以示区分，在本公开实施例中，将指定的检测时刻称为第一检测时刻，滑动观测窗口后，第一检测时刻向前移动一个时刻，将之称其为第二检测时刻，再次重复滑动观测窗口后，后续的各检测时刻均称为第二检测时刻。

上述步骤S61中，在每次滑动观测窗口时，其滑动长度，等于一个时刻对应的单位时间，滑动的方向为第一检测时刻的前N个时刻(N大于等于1)的方向。滑动完成后，第一检测时刻所在的观测窗口，向前移动了一个时刻，到达第二检测时刻所在的观测窗口，此时，第二检测窗口同样还是位于该观测窗口的最右端，并且，为了进一步的比较观测窗口和历史窗口的流量和，还需要按照前述选择历史窗口的方式，继续选取第二检测时刻所对应的至少一个历史窗口。选取的方式，与步骤S12中相似，例如可以为随机选择奇数个历史窗口。

根据滑动后的观测窗口和对应的至少一个历史窗口内流量和的比较结果，便可以确定第二检测时刻的道路通行状态是否异常。

在本公开实施例中，滑动后的观测窗口对应的至少一个历史窗口，与滑动前的观测窗口对应的至少一个历史窗口可以完全相同，可以完全不同，也可以部分相同(也就是有部分是不相同的)。

上述步骤S61～S63，通过滑动观测窗口的方式，可以以比较小的时间粒度来依次检测每个时刻是否发生流量异常，从而最终得到从最后一个流量异常情况下的第二检测时刻到流量异常情况下的第一检测时刻的时间段，这个时间段可真实反映实际道路发生流量异常的时间区间的情况，可以避免现有技术中按照固定时间粒度进行检测而带来的种种问题，使得道路通行状态的确定更加精准。

上述步骤S62中，确定第二检测时刻的道路通行状态是否发生异常的方式与上述步骤S13相同，此处不再赘述。

在上述步骤S63即在确定出道路通行状态发生异常的时间区间时，本公开实施例还可以根据流量和的变化率，进一步地确定出道路各时刻发生异常的程度。

例如，可以根据每个检测时刻(第一检测时刻或第二检测时刻)道路发生异常的程度值，进一步确定出整个道路发生异常的时间区间的流量异常程度值。

每个检测时刻的异常程度值N_a的计算公式如下：

其中，sigmoid函数：

当历史窗口为一个时，检测时刻的异常程度值为：

当历史窗口为多个时，计算出每个历史窗口对应下的检测时刻(包含第一检测时刻和至少一个第二检测时刻)的异常程度值，并求和；为了便于说明，此处以5个历史窗口为例，则检测时刻(第一检测时刻或者第二检测时刻)的异常程度值N_a的计算方式如下：

此外，道路发生异常的时间区间内包含多个不同的检测时刻(即第一检测时刻和至少一个第二检测时刻)，因此还需要计算道路发生异常的时间区间的整体异常值N_b，假设道路发生异常的时间区间内包含3个检测时刻，每个检测时刻对应的异常程度值分别为：N¹ _a、N² _a和N³ _a，检测时刻的异常程度值如前述，则该道路在异常时间区间的整体异常程度值N_b的计算方式如下：

N_b＝N¹ _a+N² _a+N³ _a

本公开提供的上述道路异常检测方法，根据不同流量的道路设置有不同时间粒度的观测窗口和历史窗口，可以以比较小的时间粒度来依次检测道路的每个时刻是否发生流量异常，从而最终得到所有发生流量异常的时刻所组成的时间段，这个时间段可真实反映实际道路异常的情况，可以避免现有技术中按照固定时间粒度进行检测而带来的种种问题，使得道路异常检测的准确率大大提升。

另外，本方案不仅能够检测出道路通行状态是否异常，还可以确定道路通行状态发生异常的时间区间以及道路发生异常的程度值，并以此为依据确定道路异常的严重程度。因此，采用本方案对道路的实时交通流量进行监控之后，可以大大提升主动发现道路通行状态出现异常的能力，并且使得实时交通流量波动带来的准确率不足的问题得到很大地改善，从而实现更加快速、准确地定位出现异常的道路。此外，本方案的实施不需要大量的人工，可以节省大量的人工成本，同时能够降低道路异常检测过程中人为因素的影响。

实施例二

本公开实施例二为道路通行状态的获取方法的一种具体实例。

参照图7A所示，横轴表示由57个时刻组成的时间轴，纵轴表示每个时刻对应的历史流量大小，三角形箭头指示位置为检测时刻a的位置。假设每个时刻时长为10分钟，根据获取到的历史交通流量数据，可以得知每个时刻对应的历史流量。检测时刻a所在的观测窗口的时长的确定方式参照上述实施例一，检测时刻a所在的观测窗口以及对应的历史窗口的时长为3*10＝30分钟。历史窗口为随机选择的3个窗口，且都位于检测时刻a所在的观测窗口之前。检测时刻a所在的观测窗口为A，历史窗口为A1、A2和A3。

根据检测时刻a所在的观测窗口A和历史窗口A1、A2和A3内流量和的比较结果，即可以确定检测时刻a该道路是否异常。具体关于观测窗口A和历史窗口A1、A2和A3内流量和变化率的计算过程，参照上述实施例一，此处不再赘述，假设道路通行状态在检测时刻a发生了异常。

若检测时刻a为当前时刻或者当前时刻的邻近时刻，则可以监测到该道路在当前时刻或者当前时刻的稍早或稍晚的时刻发生了流量异常。

进一步地，将滑动时间窗口沿时间轴向左滑动一个时刻(10分钟)，滑动后位置见图7B中的时间窗口B，图7B为检测时刻a的前一时刻b(三角形箭头指示位置为检测时刻b的位置)所在的观测窗口以及对应的历史窗口B1、B2和B3的示意图，在图7B中历史窗口B1、B2和B3可以与图7A中的历史窗口A1、A2和A3相同，也可以与历史窗口A1、A2和A3不相同，或者部分相同。在确定出检测时刻b所在的观测窗口及对应的历史窗口之后，同样需要计算检测时刻b所在的观测窗口及对应的历史窗口内流量和的变化率，假设道路的通行状态在检测时刻b也发生了异常。

继续向前滑动时间窗口，直至检测到道路在某个检测时刻流量正常，将道路流量检测正常的检测时刻之前的所有发生异常的检测时刻所在的时间段之和作为道路异常的时间段，例如，在上述检测时刻b检测前的检测时刻c(图中未示意出)，检测道路在检测时刻c流量正常，则由时刻a和时刻b之和的组成的时间段是该道路发生流量异常的时间区间。

这样，不断地向着检测时刻的前一时刻的方向滑动检测时刻所在的观测窗口便能够最终确定道路发生流量异常(通行状态异常)的时间区间。在确定出道路发生流量异常的时间区间之后，还可以根据上述实施例一中提供的道路异常程度的计算方式，计算出该时间区间内道路发生流量异常的程度值，以衡量该道路发生流量异常的严重程度。

基于同一发明构思，本公开实施例还提供了一种道路异常检测装置及服务器，由于这些装置和服务器所解决问题的原理与前述道路异常检测方法相似，因此该装置和服务器的实施可以参见前述方法的实施，重复之处不再赘述。

参照图8所示，本公开实施例还提供一种道路通行状态的获取装置，包括：获取模块81、历史窗口确定模块82、流量异常确定模块83；和道路状态确定模块84，其中：

获取模块81，用于获取当前时刻开始向前预设时长内的道路历史交通流量数据；

窗口确定模块82，用于在道路历史交通流量数据中，确定指定的第一检测时刻所在的观测窗口和对应的至少一个历史窗口；所述第一检测时刻为所述当前时刻或者所述当前时刻的邻近时刻；所述历史窗口与所述观测窗口的时长相同且所述历史窗口早于所述观测窗口；

流量异常确定模块83，用于根据观测窗口内流量和与至少一个历史窗口内流量和的比较结果，确定所述道路在所述第一检测时刻的流量是否异常；

道路状态确定模块84，用于当流量异常确定模块确定第一检测时刻的道路的流量异常时，确定所述道路当前通行状态异常。

在一个实施例中，该道路通行状态的获取装置，参照图8所示，还可以包括：时间窗滑动模块85和时间区间确定模块86；其中：

时间窗滑动模块85，用于当流量异常确定模块83确定所述第一检测时刻的道路异常时，滑动所述观测窗口，使得滑动后的观测窗口包含第二检测时刻；以及在第二检测时刻道路的流量发生异常时，再次滑动观测窗口；直至道路的流量正常；第二检测时刻为所述道路历史交通流量数据中早于所述第一检测时刻的检测时刻；

上述流量异常确定模块83，还用于根据滑动后的观测窗口和所述至少一个历史窗口的流量和的比较结果，确定所述第二检测时刻的道路是否发生异常；

时间区间确定模块86，用于确定从道路异常情况下最后一个第二检测时刻至道路异常情况下的所述第一检测时刻，为所述道路状态发生异常的时间区间。

在一个实施例中，上述窗口确定模块82，具体用于确定所述第一检测时刻位于末端的预设时长的时间窗口作为所述观测窗口；从所述观测窗口之前随机选择奇数个历史窗口。

在一个实施例中，所述历史窗口为一个的情况下，上述流量异常确定模块83，具体用于根据所述观测窗口内流量和与所述历史窗口内流量和，确定观测窗口内流量和相对于所述历史窗口内流量和的变化率；当确定所述变化率小于预设的变化率阈值时，确定所述第一检测时刻或第二检测时刻的道路流量发生异常。

在一个实施例中，所述历史窗口为多个的情况下，所述流量异常确定模块83，具体用于针对每个历史窗口，根据所述观测窗口内流量和与所述历史窗口内流量和，确定观测窗口内流量和分别相对于每个所述历史窗口流量和的变化率；当确定所述观测窗口内流量和相对于一半以上的历史窗口流量和的变化率小于预设的变化率阈值时，确定所述第一检测时刻或第二检测时刻的道路流量发生异常。

在一个实施例中，时间窗滑动模块85，具体用于将所述观测窗口向前移动所述检第一测时刻对应的一个或多个单位时间。

在一个实施例中，上述道路通行状态的获取装置，参照图8所示，还可以包括：流量异常程度计算模块87，用于根据所述观测窗口内流量和相对于各个历史窗口流量和的变化率，确定第一检测时刻和每个第二检测时刻的流量异常程度值；累计第一检测时刻和所有第二检测时刻的流量异常程度值，得到所述道路发生流量异常的时间区间的流量异常程度值。

在一个实施例中，时间窗滑动模块85，还用于遍历所述预设时长的多个假定值，依次确定在每个假定值下，历史窗口和观测窗口流量和的差的绝对值与所述假定值的比值大小；选定所述比值最小时的所述假定值为历史窗口与所述观测窗口的时长。

本公开实施例还提供一种交通通行状态监测服务器，包括：存储器和处理器；其中，所述存储器存储有计算机程序，所述程序被处理器执行时能够实现上述的道路通行状态的获取方法。

本公开实施例还提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述的道路通行状态的获取方法。

关于上述实施例中的道路异常检测装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。