具体实施方式

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。

应当明确，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在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

本申请提供了一种设置公交车道的判定方法、装置、存储介质及终端，以解决上述相关技术问题中存在的问题。本申请提供的技术方案中，由于本申请采用公交车道的多类因素建立模型，并采用层次分析算法针对模型进行分析计算，从而提升了公交车道建设的合理性，进一步降低道路通行资源的无效占用，下面采用示例性的实施例进行详细说明。

下面将结合附图1-附图3，对本申请实施例提供的设置公交车道的判定方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的设置公交车道的判定装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。其中，本申请实施例中的设置公交车道的判定装置可以为用户终端，包括但不限于：个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中用户终端可以叫做不同的名称，例如：用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digital assistant，PDA)、5G网络或未来演进网络中的终端设备等。

请参见图1，为本申请实施例提供了一种设置公交车道的判定方法的流程示意图。如图1所示，本申请实施例的方法可以包括以下步骤：

S101，获取影响设置公交车道的多类因素，并基于多类因素构建层次结构模型；其中，层次结构模型至少包括目标层、第一因素层以及第二因素层；

其中，第一因素层包括道路构成、公交车道现状、交通情况、公交运行以及公交站状态。第二因素层包括车道数量、公交站台类型、公交车道现状、占用公交车道违法情况、交通平均速度、交通流量、公交行驶速度、公交车内饱和度、公交驻停时长、公交站上车人数、公交站下车人数以及公交站等待人数。

通常，多类因素包括道路车道数据、道路公交站数据、公交线路数据、道路平均速度数据、道路交通流量数据、占用公交车道违法数据、路段行驶公交车饱和度数据、公交站上下客流数据、公交站等候人数数据。

例如，道路车道数据指的是路段的单向车道数量，一般为1车道、2车道、3车道、4车道，是公交车道设置的基础；公交车道现状指的是路段的单向车道中是否已设置公交车道，直接影响本方法的评价结果；道路公交站点数据，指的是路段单向方位内公交站点类型，按照长度一般为大型、中型、小型；平均速度数据表示路段的通行情况，即交管行业常用的交通流，反应该路段内公交车行驶情况；交通流量数据指的是路段机动车行驶数量，反应路段通行压力，与公交车道设置有很大影响；占用公交车道违法数据指的是该路段单方向发生的占用公交车道违法数量，其余是否已有公交车道有强关系；公交线路数量指的是路段所承载的公交线路条数，反应路段公交车行驶的重要性；公交车内饱和度指的是行驶在路段内的公交车车内满载情况，反应公车通行需求；公交站上下客流数据指的是在公交站整体的上车、下车客流量；公交站等候人数数据指的是在公交站等候的人群数量；公交行驶速度指的是行驶在路段内的公交速度，与是否已有公交车道、道路平均速度有强关系；公交停驻时间指的是公交车辆在公交站的停驻时长。

需要说明的是，时间指的日期级、小时级的时间数据，在这里仅作为一种分析维度，不参与综合评价计算。

通常，在获取到设置公交车道的多类因素后，可根据获取的多类因素构建层次结构模型，构建的层次结构模型例如图2所示，层次结构模型至少包括目标层、第一因素层以及第二因素层。

在一种可能的实现方式中，在确定道路是否设定为公交车道时，首先获取到设置公交车道的多类因素，然后接收针对多类因素的操作指令，根据操作指令将多类因素进行组合后生成层次结构模型，构建的结构模型中包括目标层、第一因素层以及第二因素层，其中，目标层与第一因素层关联映射，第一因素层与第二因素层关联映射。第一因素层的因素集可表示为U＝{道路构成,交通情况,公交运行,公交站状态,公交车道现状}，第二因素层从属于第一因素层。例如，第二因素层中车道数量与公交站台类型属于第一因素层中的道路构成，第二因素层中公交车道现状与占用公交车道违法情况属于第一因素层中的公交车道现状，第二因素层中交通平均速度与交通流量属于第一因素层中的交通情况，第二因素层中公交行驶速度与公交车内饱和度属于第一因素层中的公交运行，第二因素层中公交驻停时长、公交站上车人数与公交站下车人数以及公交站等待人数属于第一因素层中的公交站状态。

S102，计算第一因素层针对目标层的权重值生成第一权重值；

通常，在计算第一因素层针对目标层的权重值时，需要生成判断矩阵，在生成判断矩阵时，用户终端需要根据第一因素层与目标层之间的关系生成多个调查问卷选择题，用户根据预设尺度表针对选择题中的选项进行选择，选择后终端根据用户选择的答案计算评分构成判断矩阵，预设尺度表例如图3所示。

在本申请实施例中，在计算第一因素层针对目标层的权重值时，首先根据目标层与第一因素层生成第一调查问卷，并将第一调查问卷进行展示，当接收到针对第一调查问卷中各题目的答案选项输入的选择指令时，然后获取针对第一调查问卷中各题目的第一所选答案，再基于第一所选答案生成第一判断矩阵，然后将第一判断矩阵按照和积法按列归一化，得到第一权重值，具体是可将第一判断矩阵中的每一列参数进行按列归一化，最后将按列归一化后的矩阵进行按行求和并进行归一化处理后，生成第一权重值。

将按列归一化后的矩阵进行按行求和并进行归一化处理后是指将按列归一化的矩阵进行按行求和后，得到的列矩阵中的每个参数除以影响因素的个数，以进行归一化处理，得到第一权重值。

在一种可能的实现方式中，用户根据预设尺度表针对选择题中的选项进行选择，选择后终端根据用户选择的答案计算评分构成第一判断矩阵为：

在得到第一判断矩阵后，根据第一判断矩阵按照和积法进行按列归一化，得出第一权重值为：

需要说明的是，第一权重值为矩阵。

S103，计算第二因素层针对第一因素层的权重值计算第二因素层针对第一因素层的每个隶属因素的权重值生成多个第二权重值；

其中，权重值基于层次分析算法计算生成。

通常，层次分析算法简称AHP，是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。

在一种可能的实现方式中，计算第二因素层针对第一因素层的每个因素的权重值时，首先根据所述第一因素层与所述第二因素层生成第二调查问卷，并将所述第二调查问卷进行展示，然后当接收到针对第二调查问卷中各题目的答案选项输入的选择指令时，获取针对第二调查问卷中各题目的第二所选答案，再基于所述第二所选答案生成多个第二判断矩阵，并将所述多个第二判断矩阵中每个多个第二判断矩阵的每一列参数进行按列归一化，最后将按列归一化后的矩阵进行按行求和后归一化处理，生成多个第二权重值，需要说明的是第二权重值也为矩阵。

需要说明的是，将按列归一化的矩阵进行按行求和后，得到的列矩阵中的每个参数除以影响因素的个数，以进行归一化处理，得到第二权重值。

S104，计算所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率，并当所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率小于预设阈值，根据第一权重值与多个第二权重值进行组合权向量计算后生成第二因素层针对目标层的目标权重值；

在本申请实施例中，在计算第一权重值的一致性比率时，首先根据第一判断矩阵计算第一最大特征根，再根据第一最大特征根计算第一一致性指标，然后从预设随机一致性检验表中查询第一判断矩阵的参数数量对应的第一随机一致性检验值，最后将第一一致性指标与第一随机一致性检验值的比值确定为第一权重值对应的一致性比率。

例如，当第一判断矩阵为

时，计算出的最大特征根为λ_max＝5.0138。通过第一判断矩阵中的参数数量在预设随机一致性检验表中查询可得出第一随机一致性检验值为1.12，经过计算后，一致性比率为0.0031，一般情况下，上述预设阈值小于0.1，小于预设阈值0.1，说明第一判断矩阵符合一致性检验要求，从而可知第一权重值是合理的。

在本申请实施例中，在计算多个第二权重值的一致性比率时，首先根据多个第二判断矩阵计算多个第二最大特征根，再根据多个第二最大特征根计算多个第二一致性指标，然后从预设随机一致性检验表中查询多个第二判断矩阵的参数数量对应的多个第二随机一致性检验值，最后将多个第二一致性指标与多个第二随机一致性检验值的比值确定为多个第二权重值对应的一致性比率。

进一步地，当所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率小于预设阈值，可根据第一权重值与多个第二权重值进行组合权向量计算后生成第二因素层针对目标层的目标权重值。

在一种可能的实现方式中，根据第一权重值与多个第二权重值进行组合权向量计算后可得到第二因素层针对目标层(公交车道设置评估)的目标权重值为：

即，上述目标权重值依次是第二因素层中的各因素车道数量，公交站台类型，公交车道现状，公交车道设置，交通平均速度，交通流量，公交行驶速度，公交车内饱和度，公交驻停时长，公交站上车人数，公交站下车人数，公交站等待人数针对目标层公交车道设置的影响权重，具体是0.0181是车道数量针对公交车道设置的权重值，0.0543是公交站台类型针对公交车道设置的权重值，0.0579是公交车道现状针对公交车道设置的权重值，0.0145是占用公交车道违法情况针对公交车道设置的权重值,0.0471是交通平均速度针对道路构成的权重值,0.0941是交通流量针对公交车道设置的权重值,0.0692是公交行驶速度针对公交车道设置的权重值,0.0241是公交车内饱和度针对公交车道设置的权重值,0.0256是公交驻停时长针对公交车道设置的权重值,0.0092是公交站上车人数针对公交车道设置的权重值,0.4081是公交站下车人数针对公交车道设置的权重值,0.0680是公交站等待人数针对公交车道设置的权重值。

S105，获取并预处理目标道路在预设时间段内的多类数据；

其中，所述多类数据包括所述多类因素中每一类因素对应的数据，例如目标道路在一定的时间段中包括的日期类型数据、时间段数据、公交车道现状、公交站点类型。

通常，数据的预处理包括标准化处理与正向化处理。

在一种可能的实现方式中，首先获取目标道路在预设时间段内的多类数据，然后采用标准分数法将多类数据进行标准化处理，生成多类标准化数据，最后将多类标准化数据进行正向化处理，生成矩阵。

具体的，标准分数法也称为z分数(z-score)，是一个数与平均数的差再除以标准差的过程。在统计学中，标准分数是一个观测或数据点的值高于被观测值或测量值的平均值的标准偏差的符号数。

例如，获取某路段A在工作日7:00-12:00各因素小时维度的统计数据，构成5*12矩阵，考虑到数据级差异、方向差异，因此按照z score进行归一化处理、统一正向化处理，实现对此路段各因素在时间维度上的数据标准集X。

具体分为：第一步，按照表1内容，获取各因素数据。

表1

第二步，对各类数据进行标准化处理：

此步包括两部分内容，一是对各类数据按照z score进行标准化处理，计算过程比较简单，基于均值、标准差的简单逻辑计算；另一个是考虑到各因素数据存在正向、逆向、适度等不同表现，因此需要进行统一的正向化处理，对逆向数据直接采用负数(即x′_i＝-x_i)进行转换，对适度数据采用均值差的绝对值的负数(即x′_i＝-|x_i-k|)进行转换。

在一种可能的实现方式中，得到的结果可以为：其中i＝5，j＝12，x为矩阵中的每一个参数。

S106，将所述预处理后生成的矩阵与所述目标权重值作积，生成综合评价值；

在一种可能的实现方式中，按照综合评价模型，对各因素归一化数据、权重值进行计算,得出小时维度的综合评价值Z，具体计算公式为：

S107，根据综合评价值判定目标道路在预设时间段内是否设置公交车道。

在一种可能的实现方式中，首先加载判定等级表，再从判定等级表中识别综合评价值所属的值域范围，当阈值范围在判定等级表中对应的评价指标为建议或者推荐时，然后确定目标道路在预设时间段内可以设置公交车道，最后输出目标道路在预设时间段内可以设置公交车道的信息发送至相关部门确认，收到相关部门确认在该预设时间段内设置公交车道的确认指令后，启动公交车道开启指令，则道路上的公交车道指示装置开启，指示车辆遵守公交车道相关管控制度及指令。

在另一种可能的实现方式中，当阈值范围在判定等级表中对应的评价指标为不建议或者不推荐时，首先确定目标道路在预设时间段内不能设置公交车道，然后输出目标道路在预设时间段内不能设置公交车

道的信息发送至相关部门。

进一步地，根据步骤S105至步骤S107可以对多个时间段进行分析，按照表格方式进行表达，即是此路段在工作日、7:00-12:00范围内，每小时的公交车道建设综合评价值，具体见表2。

表2

然后建立公交车道设置建议评价集，包括推荐、建议、不建议、不推荐等4个指标，按照预先设置的综合评价值与评价集里的对应关系，查找对应时间段对应的舒适度的评价等级，其中，综合评价值(阈值)与评价等级之间的对应关系可根据实际需要设置动态调整，具体见表3：

表3

最后将表2中的综合评价值与表3中的阈值进行对比，分析出每个时间段的评价指标，例如表4所示。

表4

在一个优选的实施方式中，在公交车道灵活可调的路段，还可以将采用上述模型车道得到的评价结果作为灵活调整公交车道设置时间的基准/依据。

根据上述模型得到的公交车道设置的评价结果生成相应的执行指令，如计算得到某路段在工作日内8:00-9:00时推荐设置公交车道，将相应指令至道路管控方，道路管控方开启公交车道信号指令(如公交车道信号灯)，将原本的非公交车道作为公交车道管控使用，执行一段时间之后，当根据上述模型得到的公交车道设置的评价结果为不推荐设置公交车道时，可关闭公交车道的信号指令，道路恢复为正常车道，这样便于根据当前路段的交通状况进行动态调整公交车道的设置，公交车道的最小有效设置周期也可以不限于小时级还可以细粒度到半小时级，刻钟级，以更精确，灵活的调整公交车道的设置时段，改善交通，提高道路利用率，

需要说明的是，为了实现公交车道的动态设置，一方面，周期性获取目标路段关于影响公交车道设置的相关因素的数据集，经预处理后，与各因素对应的目标权重值求和积，即得到综合评价值，该综合评价值与数据的获取周期相对应，采集周期可以为1h，也可以为30min，甚至可以间隔15min，以实现公交车道的动态设置，尤其是在遭遇短时高车流或者拥堵的情况下，如节假日上午的出城客流或下午的返城客流较大时，或者是发生局部拥堵时，通过短时的公交专用车道的设置，使得公交车可以快速通过，通过道路主动管控的方式减少拥堵。

再者，公交车道按需动态设置，公交车道在非必要设置时间可作为普通车道使用，又可以提高道路的利用效率，避免了资源的浪费。

需要说明的是，当公交车道灵活设置时，将模型设置于交管控制后台，不间断实时获取并监测影响公交车道设置的因素集中各影响因素的参数，并根据模型获取公交车道设置的评价结果，评价结果可进一步经交管部门人工确认后，发送至公交车道设置的执行端(如公交车道信号控制端)，以执行包含有公交车道运行指令。可按照此方式对所有路段进行判定，辅助公交车道建设或运行。

在本申请实施例中，设置公交车道的判定装置首先获取影响设置公交车道的多类因素，并基于多类因素构建层次结构模型；其层次结构模型至少包括目标层、第一因素层以及第二因素层，再计算第一因素层针对目标层的权重值生成第一权重值，然后计算第二因素层针对第一因素层的权重值计算第二因素层针对第一因素层的每个隶属因素的权重值生成多个第二权重值；权重值基于层次分析算法计算生成，其次计算所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率，并当所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率小于预设阈值，根据第一权重值与多个第二权重值进行组合权向量计算后生成第二因素层针对目标层的目标权重值，再获取并预处理目标道路在预设时间段内的多类数据；其中，所述多类数据包括所述多类因素中每一类因素对应的数据，并将所述预处理后生成的矩阵与所述目标权重值作积，生成综合评价值，最后根据综合评价值判定目标道路在预设时间段内是否设置公交车道。由于本申请采用公交车道的多类因素建立模型，并采用层次分析算法针对模型进行分析计算，从而提升了公交车道建设的合理性，进一步降低道路通行资源的无效占用。

下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。

请参见图4，其示出了本发明一个示例性实施例提供的设置公交车道的判定装置的结构示意图。该设置公交车道的判定装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括模型构建模块10、第一权重值计算模块20、多个第二权重值计算模块30、目标权重值生成模块40、数据获取模块50、综合评价值生成模块60以及判定模块70。

模型构建模块10，用于获取影响设置公交车道的多类因素，并基于多类因素构建层次结构模型；其中，层次结构模型至少包括目标层、第一因素层以及第二因素层；

第一权重值计算模块20，用于计算第一因素层针对目标层的权重值生成第一权重值；

多个第二权重值计算模块30，用于计算第二因素层针对第一因素层的权重值计算第二因素层针对第一因素层的每个隶属因素的权重值生成多个第二权重值；其中，权重值基于层次分析算法计算生成；

目标权重值生成模块40，用于计算所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率，并当所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率小于预设阈值，根据第一权重值与多个第二权重值进行组合权向量计算后生成第二因素层针对目标层的目标权重值；

数据获取模块50，用于获取并预处理目标道路在预设时间段内的多类数据；其中，多类数据包括该多类因素中每一类因素对应的数据；

综合评价值生成模块60，用于将所述预处理后生成的矩阵与所述目标权重值作积，生成综合评价值；

判定模块70，用于根据综合评价值判定目标道路在预设时间段内是否设置公交车道。

需要说明的是，上述实施例提供的设置公交车道的判定装置在执行设置公交车道的判定方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的设置公交车道的判定装置与设置公交车道的判定方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请实施例中，设置公交车道的判定装置首先获取影响设置公交车道的多类因素，并基于多类因素构建层次结构模型；其层次结构模型至少包括目标层、第一因素层以及第二因素层，再计算第一因素层针对目标层的权重值生成第一权重值，然后计算第二因素层针对第一因素层的权重值计算第二因素层针对第一因素层的每个隶属因素的权重值生成多个第二权重值；权重值基于层次分析算法计算生成，其次计算所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率，并当所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率小于预设阈值，根据第一权重值与多个第二权重值进行组合权向量计算后生成第二因素层针对目标层的目标权重值，再获取并预处理目标道路在预设时间段内的多类数据；其中，该多类数据包括所述多类因素中每一类因素对应的数据，并将所述预处理后生成的矩阵与所述目标权重值作积，生成综合评价值，最后根据综合评价值判定目标道路在预设时间段内是否设置公交车道。由于本申请采用公交车道的多类因素建立模型，并采用层次分析算法针对模型进行分析计算，从而提升了公交车道建设的合理性，进一步降低道路通行资源的无效占用。

本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的设置公交车道的判定方法。本发明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各个方法实施例的设置公交车道的判定方法。

请参见图5，为本申请实施例提供了一种终端的结构示意图。如图5所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。

其中，通信总线1002用于实现这些组件之间的连接通信。

其中，用户接口1003可以包括显示屏(Display)、摄像头(Camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。

其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。

其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。

其中，存储器1005可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图5所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设置公交车道的判定应用程序。

在图5所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的设置公交车道的判定应用程序，并具体执行以下操作：

获取影响设置公交车道的多类因素，并基于多类因素构建层次结构模型；其中，层次结构模型至少包括目标层、第一因素层以及第二因素层；

计算第一因素层针对目标层的权重值生成第一权重值；

计算第二因素层针对第一因素层的权重值计算第二因素层针对第一因素层的每个隶属因素的权重值生成多个第二权重值；其中，权重值基于层次分析算法计算生成；

计算所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率，并当所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率小于预设阈值，根据第一权重值与多个第二权重值进行组合权向量计算后生成第二因素层针对目标层的目标权重值；

获取并预处理目标道路在预设时间段内的多类数据；其中，该多类数据包括该多类因素中每一类因素对应的数据；

将所述预处理后生成的矩阵与所述目标权重值作积，生成综合评价值；

根据综合评价值判定目标道路在预设时间段内是否设置公交车道。

在一个实施例中，处理器1001在执行根据综合评价值判定目标道路在预设时间段内是否设置公交车道时，具体执行以下操作：

加载判定等级表；

从判定等级表中识别综合评价值所属的值域范围；

当阈值范围在判定等级表中对应的评价指标为建议或者推荐时，确定目标道路在预设时间段内可以设置公交车道；

输出目标道路在预设时间段内可以设置公交车道的信息发送至相关部门；

或者，

当阈值范围在判定等级表中对应的评价指标为不建议或者不推荐时，确定目标道路在预设时间段内不能设置公交车道；

输出目标道路在预设时间段内不能设置公交车道的信息发送至相关部门。

在一个实施例中，处理器1001在执行计算第一因素层针对目标层的权重值生成第一权重值时，具体执行以下操作：

根据目标层与第一因素层生成第一调查问卷，并将第一调查问卷进行展示；

当接收到针对第一调查问卷中各题目的答案选项输入的选择指令时，获取针对第一调查问卷中各题目的第一所选答案；

基于第一所选答案生成第一判断矩阵；

将第一判断矩阵中的每一列参数进行按列归一化；

将按列归一化后的矩阵进行按行求和、均值，生成第一权重值。

在一个实施例中，处理器1001在执行计算第二因素层针对第一因素层的权重值计算第二因素层针对第一因素层的每个隶属因素的权重值生成多个第二权重值时，具体执行以下操作：

根据所述第一因素层与所述第二因素层生成第二调查问卷，并将所述第二调查问卷进行展示；

当接收到针对第二调查问卷中各题目的答案选项输入的选择指令时，获取针对第二调查问卷中各题目的第二所选答案；

基于所述第二所选答案生成多个第二判断矩阵；

将所述多个第二判断矩阵中每个多个第二判断矩阵的每一列参数进行按列归一化；

将按列归一化后的矩阵进行按行求和、均值，生成多个第二权重值。

在一个实施例中，处理器1001在执行计算所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率时，具体执行以下操作：

根据第一判断矩阵计算第一最大特征根；

根据第一最大特征根计算第一一致性指标；

从预设随机一致性检验表中查询第一判断矩阵的参数数量对应的第一随机一致性检验值；

将第一一致性指标与第一随机一致性检验值的比值确定为第一权重值对应的一致性比率；

以及，

根据多个第二判断矩阵计算多个第二最大特征根；

根据多个第二最大特征根计算多个第二一致性指标；

从预设随机一致性检验表中查询多个第二判断矩阵的参数数量对应的多个第二随机一致性检验值；

将多个第二一致性指标与多个第二随机一致性检验值的比值确定为多个第二权重值对应的一致性比率。

在一个实施例中，处理器1001在执行获取并预处理目标道路在预设时间段内的多类数据；其中，该多类数据包括所述多类因素中每一类因素对应的数据时，具体执行以下操作：

获取目标道路在预设时间段内的多类数据；

采用标准分数法将多类数据进行标准化处理，生成多类标准化数据；

将多类标准化数据进行正向化处理，生成矩阵。

在本申请实施例中，设置公交车道的判定装置首先获取影响设置公交车道的多类因素，并基于多类因素构建层次结构模型；其层次结构模型至少包括目标层、第一因素层以及第二因素层，再计算第一因素层针对目标层的权重值生成第一权重值，然后计算第二因素层针对第一因素层的权重值计算第二因素层针对第一因素层的每个隶属因素的权重值生成多个第二权重值；权重值基于层次分析算法计算生成，其次计算所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率，并当所述第一因素层和所述多个第二因素层各自的判断矩阵的一致性比率小于预设阈值，根据第一权重值与多个第二权重值进行组合权向量计算后生成第二因素层针对目标层的目标权重值，再获取并预处理目标道路在预设时间段内的多类数据；其中，所述多类数据为所述多类因素中每一类因素对应的数据，并将所述预处理后生成的矩阵与所述目标权重值作积，生成综合评价值，最后根据综合评价值判定目标道路在预设时间段内是否设置公交车道。由于本申请采用公交车道的多类因素建立模型，并采用层次分析算法针对模型进行分析计算，从而提升了公交车道建设的合理性，进一步降低道路通行资源的无效占用。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。

以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。