CN118609370A - 一种基于云计算的车流疏导管控方法 - Google Patents

Abstract

本发明公开了一种基于云计算的车流疏导管控方法，本发明涉及资源分配领域，包括以下步骤：设置车流疏导管理平台，获取基本道路数据，构建道路交通图像，获取其中各路段的车流数据信息和其采集时间；车流数据信息，生成各路段对应的波动性周期；根据所获得的车流数据信息获取各个路段的拥堵等级，生成交通事态图像；根据交通事态图像中各个路段与其他路段的拥堵等级预设判断其中是否存在关联性；根据该路段当前获取的车流数据信息生成对应的疏导方案，根据存在关联性的其他路段的车流数据信息生成对应的辅助疏导方案；根据所获得的疏导方案和辅助疏导方案对相应路段的交通灯和车道进行调控，完成车流数据管控；本发明提高了车流疏导的效率。

Description

一种基于云计算的车流疏导管控方法

技术领域

本发明涉及电网管理领域，具体是一种基于云计算的车流疏导管控方法。

背景技术

随着社会的发展和人们生活水平的提高，人们的出行方式也在不断地改变，随着车辆的不断增多，交通管理也愈发重要，为加强城市交通管理，维护良好的道路交通秩序，保障群众安全畅通出行是我们需要解决的问题，因此，根据道路上的车流进行疏导管控是很有必要的；

公开号为CN109537489B的一种用于交通事故处车流疏导系统及其控制方法公开了一种用于交通事故处车流疏导系统，包括底板；箱体，所述箱体的底部固定于所述底板的顶部；伸缩槽，所述伸缩槽的底部固定于所述箱体的顶部，所述伸缩槽的内壁的两侧之间滑动连接有滑动板，本发明涉及交通指挥设备技术领域。该用于交通事故处车流疏导系统及其控制方法，具有多种控制功能，避免不同道路车辆数量不同，导致时间的浪费，指示牌的旋转，就会进行道路指引，避免车辆随意变道，抢道，提高交通事故的触发性，而且通过显示屏和扬声器的设置，可以进行信息显示和声音提示，提高了道路疏导的便捷性，具有多种道路疏导的功能，以便于不同位置驾驶人员的了解，提高了车辆行驶的流畅性，避免了道路的堵塞；

公开号为CN116959275A的一种城市交通拥堵优化方法及系统公开了一种城市交通拥堵优化方法及系统，涉及交通管理技术的领域，该方法包括获取检测道路图像以及标记检测道路；根据车道匹配关系以确定检测车道区域；于检测车道区域获取车流排队长度；判断车流排队长度是否大于拥堵基准长度；若大于，则将该车道定义为拥堵车道，并根据路口匹配关系以确定拥堵车道相对应的关联车道，且将关联车道的车辆排队长度定义为关联长度；根据时长匹配关系以确定关联长度相对应的基准时长；根据所有的基准时长确定关联需求时长，并根据信号灯周期时长与关联需求时长确定拥堵疏导时长，且控制拥堵车道相对应的信号灯以拥堵疏导时长进行绿灯通行。本申请具有便于对交通拥堵情况进行处理的效果。

然而，仅对存在拥堵的路段进行车流疏导，存在车流疏导效率低下等问题，此外，根据与其相邻的路段对存在拥堵的车流进行疏导，未根据对应路段的拥堵情况进行判断，就将其纳入疏导过程中，也在一定程度上影响了其疏导效率；因此如何提高车流疏导过程中的效率是我们需要解决的问题，为此，现提供一种基于云计算的车流疏导管控方法。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于云计算的车流疏导管控方法。

本发明的目的可以通过以下技术方案实现：一种基于云计算的车流疏导管控方法，包括以下步骤：

步骤S1：设置车流疏导管理平台，获取区域内的基本道路数据，根据基本道路数据构建道路交通图像，设置数据监测节点，获取道路交通图像中各个路段对应的车流数据信息，并标记其采集时间；

步骤S2：获取历史车流数据信息，判断各个路段对应的拥堵等级，根据历史数据信息所属拥堵等级生成其对应的波动性周期，并对其进行储存；

步骤S3：根据所获得的车流数据信息获取道路交通图像内当前时刻各个路段对应的拥堵等级，并对其进行可视化处理，生成交通事态图像；

步骤S4：根据拥堵等级预设车流疏导优先级，获取交通事态图像内车流疏导优先级高的路段，预设基础疏导半径，获取基础疏导半径范围内其他路段的拥堵等级以及其中的波动性周期，根据其当前时刻的拥堵等级和波动性周期内下一时刻的预测拥堵等级，根据其拥堵等级和预测拥堵等级判断其与该路段是否存在关联性关系；

步骤S5：对该路段当前获取的车流数据信息进行分析处理，根据处理结果生成对应的疏导方案，与该路段存在关联性关系的其他路段根据其对应的车流数据信息生成辅助疏导方案；

步骤S6：根据所获得的疏导方案和辅助疏导方案对相应路段的交通灯和车道进行调控，完成车流数据管控。

进一步的，所述构建道路交通图像，采集车流数据信息的过程包括：

设置车流疏导管理平台，其中设置有平台外接窗口，所述平台外接窗口基于卫星影像数据获取对应的道路分布图像，并用于工作人员录入基本道路数据；所述基本道路数据为对应的路段的名称、车道类型信息、岔路口信息、路段位置关系和车辆综合区间；基于道路分布图像和基本道路数据构建道路交通图像；

根据道路交通图像设置数据监测节点，所述数据监测节点内设置有对应的数据采集终端，所述数据采集终端用于获取对应路段的车流数据信息，所述车流数据信息包括车辆流量数据和车辆密度数据，所述车辆流量数据内包括该路段内各个车道对应的车道流量数据；所述车辆密度数据包括该路段内各个车道对应的车道密度数据。

进一步的，所述获取各个路段波动性周期的过程包括：

所述车流疏导管理平台内储存有道路交通图像中各个路段对应的历史车流数据信息，获取历史车流数据信息，根据历史车辆流量数据和历史车辆密度数据对于道路拥堵的重要性程度设置对应的权重因子，并将其与对应的权重因子的关系获取车辆综合数据，并获取其采集时间；

获取道路交通图像中预设有对应道路信息对应的拥堵等级的车辆综合区间；所述拥堵等级根据严重程度从轻到重依次包括不拥堵、轻度拥堵、中度拥堵和严重拥堵；将所获得车辆综合数据与车辆综合区间进行对比分析，根据其所属的车辆综合区间判断其拥堵等级；

根据采集时间将所获得的车辆综合数据设置对应的频谱曲线，根据频谱分析算法将频谱曲线进行频谱特征提取，根据所获得的频谱特征获取其周期性波动，根据周期性波动内各个单位时间对应的车辆综合数据所属拥堵等级进行标记，生成对应路段的波动性周期，并对其进行储存。

进一步的，所述生成交通事态图像的过程包括：

获取所获得的车流数据信息进行分析处理，获取其对应的车辆综合数据，将各个路段信息内所获得的车辆综合数据与其对应的车辆综合区间进行对比分析，获取各个路段信息内所属的拥堵等级，并标记其采集时间；

获取道路交通图像，根据当前采集时间内各个路段信息对应的拥堵等级对道路交通图像进行可视化处理，生成交通事态图像；并根据采集时间对所获得的交通事态图像进行实时更新。

进一步的，所述获取各个路段之间关联性的过程包括：

所述车流疏导管理平台内根据拥堵等级根据其严重程度从轻到重设置有车流疏导优先级，获取交通事态图像，根据车流疏导优先级获取其中优先级高的路段，获取该路段的拥堵等级，根据拥堵等级预设有基础疏导半径，以该路段为中心获取交通事态图像中基础疏导半径范围内的其他路段对应的拥堵等级和波动性周期；

将其他路段对应的拥堵等级进行标记，根据各个其他路段的波动性周期和当前时刻的采集时间获取其所属波动性周期的单位时间，并根据当前单位时间获取波动性周期下一单位时间对应的拥堵等级，并将其记为预测拥堵等级；将其他路段对应的预测拥堵等级进行标记；获取交通事态图像中基础疏导半径范围内对应路段和其他路段的所在位置以及其之间的间隔的岔路口数量，将其他路段对应的岔路口数量进行标记；

分别对基础疏导半径范围内的其他路段对应的拥堵等级、预测拥堵等级以及岔路口数量进行处理，基于大数据算法获取各个路段之间不同数据信息对应的相关性数据，将所获得的相关性数据分别与拥堵等级、预测拥堵等级以及岔路口数量相乘并获取其总和，获取综合关联数据；预设关联阈值，当综合关联数据大于等于关联阈值，则表面两路段之间存在关联性；当综合关联数据小于关联阈值时，则两路段之间不存在关联性；

将存在关联性的其他路段根据其综合关联数据进行临时储存。

进一步的，所述获取路段对应的疏导方案的过程包括：

获取对应的路段所采集到的车辆流量数据和车辆密度数据，获取其中车道流量数据和车道密度数据对应的车道类型，根据车道类型对车道流量数据和车道密度数据进行处理，根据车道类型获取对应的平均车道流量和平均密度数据获取对应车道类型的平均车辆综合数据，将不同车道类型对应的平均车辆综合数据进行对比分析，获取其差值数据，根据最小的平均车辆综合数据设置差值阈值，将差值数据与差值阈值进行对比分析，当差值数据大于差值阈值时，则对该路段设置车道灵活疏导；当差值数据小于等于差值阈值时，则不对该路段设置车道灵活疏导；

所述车流疏导管理平台内预设有平均车辆综合数据关于通行时间的交通灯控制调节曲线，将该路段内对应车道类型的平均车辆综合数据映射至交通灯控制调节曲线中，获取通行时间，设置交通灯灵活疏导；

将对应路段所获得的车道灵活疏导和交通灯灵活疏导生成疏导方案。

进一步的，所述根据关联性结果设置辅助疏导方案的过程包括：

获取与其存在关联性的其他路段，由存在关联性的其他路段获取其当前时刻的车流数据信息和其之间的位置关系；所述位置关系包括车流导入关系和车流导出关系；

当其他路段与其对应的位置关系为车流导入关系时，获取该路段的平均车辆综合，并将其映射至交通灯控制调节曲线，获取其通行时间；根据该路段当前的拥堵等级设置缓慢通行时间系数，根据所获得的缓慢通行时间系数对该路段的通行时间进行分析处理，获取该路段的辅助通行时间；

当其他路段与其对应的位置关系为车流导出关系，获取其通行时间，根据该路段当前的拥堵等级设置加快通行时间系数；根据所获得加快通行时间系数对该路段的通行时间进行分析处理，获取该路段的辅助通行时间；

根据与对应路段存在关联性的其他路段对应的辅助通行时间生成辅助疏导方案。

进一步的，所述车流疏导管控的过程包括：

根据所获得的疏导方案和辅助疏导方案对相应路段的交通灯和车道控制信号进行调控，将各个路段对应的交通灯根据所生成的通行时间和辅助通行时间进行调节，完成车流疏导管控。

与现有技术相比，本发明的有益效果是：

通过对各个路段设置波动性周期，根据波动性周期获取在对应时间内的预测拥堵等级、当前时间的拥堵等级以及各个路段之间的岔路口数量，获取各个路段之间的关联性数据，根据关联性数据判断对应的路段是否存在关联性，当对应的路段需要进行车流疏导时，则可根据与其相互关联的路段对其进行辅助疏导，从而在一定程度上提高了对应路段车流疏导过程中的效率；此外，将各个路段设置对应的波动性周期，对其在不同单位时间内的拥堵等级进行预测，根据预测结果不仅能够判断该路段内的车流数据信息是否存在异常，还能提前采取防范措施。

附图说明

图1为本申请实施例一种基于云计算的车流疏导管控方法的原理图。

具体实施方式

如图1所示，一种基于云计算的车流疏导管控方法，包括以下步骤：

步骤S1：设置车流疏导管理平台，获取区域内的基本道路数据，根据基本道路数据构建道路交通图像，设置数据监测节点，获取道路交通图像中各个路段对应的车流数据信息，并标记其采集时间；

步骤S2：获取历史车流数据信息，判断各个路段对应的拥堵等级，根据历史数据信息所属拥堵等级生成其对应的波动性周期，并对其进行储存；

步骤S3：根据所获得的车流数据信息获取道路交通图像内当前时刻各个路段对应的拥堵等级，并对其进行可视化处理，生成交通事态图像；

步骤S4：根据拥堵等级预设车流疏导优先级，获取交通事态图像内车流疏导优先级高的路段，预设基础疏导半径，获取基础疏导半径范围内其他路段的拥堵等级以及其中的波动性周期，根据其当前时刻的拥堵等级和波动性周期内下一时刻的预测拥堵等级，根据其拥堵等级和预测拥堵等级判断其与该路段是否存在关联性关系；

步骤S5：对该路段当前获取的车流数据信息进行分析处理，根据处理结果生成对应的疏导方案，与该路段存在关联性关系的其他路段根据其对应的车流数据信息生成辅助疏导方案；

步骤S6：根据所获得的疏导方案和辅助疏导方案对相应路段的交通灯和车道进行调控，完成车流数据管控。

需要进一步说明的是，在具体实施过程中，所述设置车流疏导管理平台，获取区域内的基本道路数据和基本商业数据，所述车流疏导管理平台根据基本道路数据构建道路交通图像，并对道路交通图像内对应的基本道路数据进行标记的过程包括：

设置车流疏导管理平台，所述车流疏导管理平台用于对需要进行车流疏导的城市道路进行分析管控，其中设置有平台外接窗口，所述平台外接窗口用于车流疏导管理平台基于卫星影像数据获取对应的道路分布图像，由该车流疏导管理平台内的工作人员录入基本道路数据；所述基本道路数据包括路段的名称、车道类型信息、岔路口信息、路段位置关系和车辆综合区间；

将平台外接窗口内所获得的道路分布图像和对应的基本道路数据进行分析处理，将对应的基本道路数据分别与道路分布图像内各个道路进行匹配，根据匹配结果对道路分布图像进行标记，构建对应的道路交通图像；

所述车流疏导管理平台获取完成构建的道路交通图像，对其进行分析处理，根据道路交通图像中的交叉点对道路进行划分，获取对应的路段信息，根据其道路名称和划分结果设置对应的标记。

所述根据道路交通图像设置流量监测节点，所述流量监测节点用于获取其对应位置处的车辆流量数据和车辆密度数据，对各个流量监测节点内所获得的数据信息进行标记和储存的过程包括：

获取道路交通图像，并根据所述道路交通图像获取其中对应的路段信息，根据所设置的路段信息设置数据监测节点；所述数据监测节点中设置有流量监测终端和密度监测终端；所述数据监测节点根据道路交通图像内的路段信息获取其中的车道信息，根据车道信息分别设置对应的监测区域；

所述流量监测终端内预设有各个车道信息对应的流量监测区域，获取流量监测区域内的视频数据；预设流量单位时间，根据流量单位时间对所获得的视频数据进行视频帧处理，对各个流量单位时间内的视频帧进行特征提取，获取车辆图像数据，获取流量单位时间内各个车道流量监测区域内的车辆图像数据的车辆数量，获取车道流量数据，获取路段信息内的各个车道信息对应的车道流量数据，将其进行加法运算，获取该路段信息内的车辆流量数据

所述密度监测终端内预设有各个车道信息对应的密度监测区域，获取密度监测区域内的视频数据；预设密度单位时间，根据密度单位时间对所获得的视频数据进行视频帧处理，对各个密度单位时间内各个车道密度监测区域内的车辆图像数据的车辆数量，获取车道密度数据，获取路段信息内的各个车道信息对应的车道流量数据，将其进行加密运算，获取该路段信息内的车辆密度数据；

将所获得的车道流量数据和车道密度数据对应的车道类型进行标记；

将所获得的各个路段信息中的车辆流量数据以及其中对应的车道流量数据和各个路段信息中的车辆密度数据以及其中对应车道的车道密度数据进行储存，并根据流量单位时间和密度单位时间分别对其采集时间进行标记；

需要进一步说明的是，在具体实施过程中，所述流量监测区域和密度监测区域所对应的监测区域存在不同，且其中视频数据对应的采集方法也有所不同。

获取历史数据信息，对历史数据信息进行分析处理，判断各个路段信息对应的历史数据信息所属拥堵等级，根据历史数据信息所属拥堵等级生成各个路段信息对应的波动性周期；其具体实施过程包括：

获取各个路段信息的历史数据信息，所述历史数据信息中包括该路段信息的历史车辆流量数据、历史车辆密度数据以及其分别所对应的采集时间；根据历史车辆流量数据和历史车辆密度数据对于道路拥堵的重要性程度设置对应的权重因子，并将其与对应的权重因子的关系获取车辆综合数据；

该车流疏导管理平台内所设置的道路交通图像中预设有对应道路信息对应的拥堵等级的车辆流量区间、车辆密度区间以及车辆综合区间，所述拥堵等级包括不拥堵、轻度拥堵、中度拥堵和严重拥堵；

将所获得车辆综合数据与车辆综合区间进行对比分析；判断对应路段信息内对应车辆综合数据所属车辆综合区间，根据其所属的车辆综合区间判断其拥堵等级；

将各个路段信息内对应的历史数据信息进行分析处理，将对应单位时间内所获得的车辆流量数据和车辆密度数据分别不同拥堵等级对应的车辆流量区间和车辆密度区间进行对比分析，获取其拥堵等级；当车辆流量数据和车辆密度数据所属区间对应的拥堵等级不相等时，则将该历史数据信息标记为异常；将存在异常的路段在车流疏导管理平台内进行标记和处理，避免意外情况发生；

将各个路段信息内经过对比分析的历史数据信息在对应单位时间内所属的拥堵等级和其对应的车辆综合数据；设置单位时间关于对应车辆综合数据对应的频谱曲线，根据频谱分析算法将频谱曲线进行频谱特征提取，根据所获得的频谱特征判断是否存在周期性波动，若存在周期性波动，则根据其周期性波动设置对应的波动性周期；若不存在周期性波动，则延长对应的频谱曲线，进行重复分析，直至获取其波动性周期；

需要进一步说明的是，在具体实施过程中，所述车流疏导管理平台将道路交通图像中各个路段信息对应的波动性周期进行储存和标记；此外，所述车流疏导管理平台根据历史数据信息的更新处理，对各个路段信息对应的波动性周期进行更新矫正，将矫正后的波动性周期与道路交通图像中的各个路段信息相互关联。

对所获得的车辆流量数据和车辆密度数据进行分析处理，获取当前对应路段信息的拥堵等级，将所获得的道路交通图像中对各个路段信息的拥堵等级进行可视化处理，获取交通事态图像，其具体实施过程包括：

获取所述车流疏导管理平台内所设置的关于车辆流量数据和车辆密度数据对应的权重因子，根据所获得的权重因子分别与对应的车辆流量数据和车辆密度数据进行分析处理，获取车辆综合数据；

获取该平台内所储存的对应路段信息的对应拥堵等级的车辆综合区间；将各个路段信息内所获得的车辆综合数据与其对应的车辆综合区间进行对比分析，获取各个路段信息内所属的拥堵等级，并根据车辆流量数据和车辆密度数据的采集时间进行标记；

获取道路交通图像，根据当前采集时间内各个路段信息对应的拥堵等级进行可视化处理，所述拥堵等级包括不拥堵、轻度拥堵、中度拥堵和严重拥堵；当拥堵等级为不拥堵时，则对应该路段信息进行绿色标记；当拥堵等级为轻度拥堵时，则对该路段信息标记为蓝色；当拥堵等级为中度拥堵时，则对该路段信息标记为橙色；当拥堵等级为严重拥堵时，则对该路段信息标记为红色；根据道路交通图像中对应路段信息的标记结果生成交通事态图像；

根据所获得的车辆流量数据和车辆密度数据对所生成的交通事态图像进行实时更新。

所述车流疏导管理平台内根据拥堵等级根据其严重程度从轻到重设置有车流疏导优先级，获取交通事态图像，根据车流疏导优先级获取其中优先级高的路段，获取该路段的拥堵等级，根据拥堵等级预设有基础疏导半径，以该路段为中心获取交通事态图像中基础疏导半径范围内的其他路段对应的拥堵等级和波动性周期；

将其他路段对应的拥堵等级进行标记，根据各个其他路段的波动性周期和当前时刻的采集时间获取其所属波动性周期的单位时间，并根据当前单位时间获取波动性周期下一单位时间对应的拥堵等级，并将其记为预测拥堵等级；将其他路段对应的预测拥堵等级进行标记；获取交通事态图像中基础疏导半径范围内对应路段和其他路段的所在位置以及其之间的间隔的岔路口数量，将其他路段对应的岔路口数量进行标记；

分别对基础疏导半径范围内的其他路段对应的拥堵等级、预测拥堵等级以及岔路口数量进行处理，基于大数据算法获取各个路段之间不同数据信息对应的相关性数据，将所获得的相关性数据分别与拥堵等级、预测拥堵等级以及岔路口数量相乘并获取其总和，获取综合关联数据；预设关联阈值，当综合关联数据大于等于关联阈值，则表面两路段之间存在关联性；当综合关联数据小于关联阈值时，则两路段之间不存在关联性；

将存在关联性的其他路段根据其综合关联数据进行临时储存。

获取对应的路段所采集到的车辆流量数据和车辆密度数据，获取其中车道流量数据和车道密度数据对应的车道类型，根据车道类型对车道流量数据和车道密度数据进行处理，根据车道类型获取对应的平均车道流量和平均密度数据获取对应车道类型的平均车辆综合数据，将不同车道类型对应的平均车辆综合数据进行对比分析，获取其差值数据，根据最小的平均车辆综合数据设置差值阈值，将差值数据与差值阈值进行对比分析，当差值数据大于差值阈值时，则对该路段设置车道灵活疏导；当差值数据小于等于差值阈值时，则不对该路段设置车道灵活疏导；

所述车流疏导管理平台内预设有平均车辆综合数据关于通行时间的交通灯控制调节曲线，将该路段内对应车道类型的平均车辆综合数据映射至交通灯控制调节曲线中，获取通行时间，设置交通灯灵活疏导；

将对应路段所获得的车道灵活疏导和交通灯灵活疏导生成疏导方案；

需要进一步说明的是，在具体实施过程中，对应的路段内设置有灵活车道，所述灵活车道用于根据需求设置对应的车道类型，所述车道类型包括左转车道、直行车道和右转车道。

获取与其存在关联性的其他路段，由存在关联性的其他路段获取其当前时刻的车流数据信息和其之间的位置关系；所述位置关系包括车流导入关系和车流导出关系；

当其他路段与其对应的位置关系为车流导入关系时，获取该路段的平均车辆综合，并将其映射至交通灯控制调节曲线，获取其通行时间；根据该路段当前的拥堵等级设置缓慢通行时间系数，根据所获得的缓慢通行时间系数对该路段的通行时间进行分析处理，获取该路段的辅助通行时间；

当其他路段与其对应的位置关系为车流导出关系，获取其通行时间，根据该路段当前的拥堵等级设置加快通行时间系数；根据所获得加快通行时间系数对该路段的通行时间进行分析处理，获取该路段的辅助通行时间；

根据与对应路段存在关联性的其他路段对应的辅助通行时间生成辅助疏导方案；

需要进一步说明的是，在具体实施过程中，该平台内所设置的系数信息根据数字孪生技术根据各个路段的历史车流数据信息进行分析训练所获得的。

根据所获得的疏导方案和辅助疏导方案对相应路段的交通灯和车道控制信号进行调控，将各个路段对应的交通灯根据所生成的通行时间和辅助通行时间进行调节，完成车流疏导管控。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (8)

1.一种基于云计算的车流疏导管控方法，其特征在于，包括以下步骤：

步骤S1：设置车流疏导管理平台，获取区域内的基本道路数据，根据基本道路数据构建道路交通图像，设置数据监测节点，获取道路交通图像中各个路段对应的车流数据信息，并标记其采集时间；

步骤S2：获取历史车流数据信息，判断各个路段对应的拥堵等级，根据历史数据信息所属拥堵等级生成其对应的波动性周期，并对其进行储存；

步骤S3：根据所获得的车流数据信息获取道路交通图像内当前时刻各个路段对应的拥堵等级，并对其进行可视化处理，生成交通事态图像；

步骤S4：根据拥堵等级预设车流疏导优先级，获取交通事态图像内车流疏导优先级高的路段，预设基础疏导半径，获取基础疏导半径范围内其他路段的拥堵等级以及其中的波动性周期，根据其当前时刻的拥堵等级和波动性周期内下一时刻的预测拥堵等级，根据其拥堵等级和预测拥堵等级判断其与该路段是否存在关联性关系；

步骤S5：对该路段当前获取的车流数据信息进行分析处理，根据处理结果生成对应的疏导方案，与该路段存在关联性关系的其他路段根据其对应的车流数据信息生成辅助疏导方案；

步骤S6：根据所获得的疏导方案和辅助疏导方案对相应路段的交通灯和车道进行调控，完成车流数据管控。

2.根据权利要求1所述的一种基于云计算的车流疏导管控方法，其特征在于，所述构建道路交通图像，采集车流数据信息的过程包括：

设置车流疏导管理平台，其中设置有平台外接窗口，所述平台外接窗口基于卫星影像数据获取对应的道路分布图像，并用于工作人员录入基本道路数据；所述基本道路数据为对应的路段的名称、车道类型信息、岔路口信息、路段位置关系和车辆综合区间；基于道路分布图像和基本道路数据构建道路交通图像；

根据道路交通图像设置数据监测节点，所述数据监测节点内设置有对应的数据采集终端，所述数据采集终端用于获取对应路段的车流数据信息，所述车流数据信息包括车辆流量数据和车辆密度数据，所述车辆流量数据内包括该路段内各个车道对应的车道流量数据；所述车辆密度数据包括该路段内各个车道对应的车道密度数据。

3.根据权利要求2所述的一种基于云计算的车流疏导管控方法，其特征在于，所述获取各个路段波动性周期的过程包括：

所述车流疏导管理平台内储存有道路交通图像中各个路段对应的历史车流数据信息，获取历史车流数据信息，根据历史车辆流量数据和历史车辆密度数据对于道路拥堵的重要性程度设置对应的权重因子，并将其与对应的权重因子的关系获取车辆综合数据，并获取其采集时间；

获取道路交通图像中预设有对应道路信息对应的拥堵等级的车辆综合区间；所述拥堵等级根据严重程度从轻到重依次包括不拥堵、轻度拥堵、中度拥堵和严重拥堵；将所获得车辆综合数据与车辆综合区间进行对比分析，根据其所属的车辆综合区间判断其拥堵等级；

根据采集时间将所获得的车辆综合数据设置对应的频谱曲线，根据频谱分析算法将频谱曲线进行频谱特征提取，根据所获得的频谱特征获取其周期性波动，根据周期性波动内各个单位时间对应的车辆综合数据所属拥堵等级进行标记，生成对应路段的波动性周期，并对其进行储存。

4.根据权利要求3所述的一种基于云计算的车流疏导管控方法，其特征在于，所述生成交通事态图像的过程包括：

获取所获得的车流数据信息进行分析处理，获取其对应的车辆综合数据，将各个路段信息内所获得的车辆综合数据与其对应的车辆综合区间进行对比分析，获取各个路段信息内所属的拥堵等级，并标记其采集时间；

获取道路交通图像，根据当前采集时间内各个路段信息对应的拥堵等级对道路交通图像进行可视化处理，生成交通事态图像；并根据采集时间对所获得的交通事态图像进行实时更新。

5.根据权利要求4所述的一种基于云计算的车流疏导管控方法，其特征在于，所述获取各个路段之间关联性的过程包括：

所述车流疏导管理平台内根据拥堵等级根据其严重程度从轻到重设置有车流疏导优先级，获取交通事态图像，根据车流疏导优先级获取其中优先级高的路段，获取该路段的拥堵等级，根据拥堵等级预设有基础疏导半径，以该路段为中心获取交通事态图像中基础疏导半径范围内的其他路段对应的拥堵等级和波动性周期；

将其他路段对应的拥堵等级进行标记，根据各个其他路段的波动性周期和当前时刻的采集时间获取其所属波动性周期的单位时间，并根据当前单位时间获取波动性周期下一单位时间对应的拥堵等级，并将其记为预测拥堵等级；将其他路段对应的预测拥堵等级进行标记；获取交通事态图像中基础疏导半径范围内对应路段和其他路段的所在位置以及其之间的间隔的岔路口数量，将其他路段对应的岔路口数量进行标记；

分别对基础疏导半径范围内的其他路段对应的拥堵等级、预测拥堵等级以及岔路口数量进行处理，基于大数据算法获取各个路段之间不同数据信息对应的相关性数据，将所获得的相关性数据分别与拥堵等级、预测拥堵等级以及岔路口数量相乘并获取其总和，获取综合关联数据；预设关联阈值，当综合关联数据大于等于关联阈值，则表面两路段之间存在关联性；当综合关联数据小于关联阈值时，则两路段之间不存在关联性；将存在关联性的其他路段根据其综合关联数据进行临时储存。

6.根据权利要求5所述的一种基于云计算的车流疏导管控方法，其特征在于，所述获取路段对应的疏导方案的过程包括：

获取对应的路段所采集到的车辆流量数据和车辆密度数据，获取其中车道流量数据和车道密度数据对应的车道类型，根据车道类型对车道流量数据和车道密度数据进行处理，根据车道类型获取对应的平均车道流量和平均密度数据获取对应车道类型的平均车辆综合数据，将不同车道类型对应的平均车辆综合数据进行对比分析，获取其差值数据，根据最小的平均车辆综合数据设置差值阈值，将差值数据与差值阈值进行对比分析，当差值数据大于差值阈值时，则对该路段设置车道灵活疏导；当差值数据小于等于差值阈值时，则不对该路段设置车道灵活疏导；

所述车流疏导管理平台内预设有平均车辆综合数据关于通行时间的交通灯控制调节曲线，将该路段内对应车道类型的平均车辆综合数据映射至交通灯控制调节曲线中，获取通行时间，设置交通灯灵活疏导；

将对应路段所获得的车道灵活疏导和交通灯灵活疏导生成疏导方案。

7.根据权利要求6所述的一种基于云计算的车流疏导管控方法，其特征在于，所述根据关联性结果设置辅助疏导方案的过程包括：

获取与其存在关联性的其他路段，由存在关联性的其他路段获取其当前时刻的车流数据信息和其之间的位置关系；所述位置关系包括车流导入关系和车流导出关系；

当其他路段与其对应的位置关系为车流导入关系时，获取该路段的平均车辆综合，并将其映射至交通灯控制调节曲线，获取其通行时间；根据该路段当前的拥堵等级设置缓慢通行时间系数，根据所获得的缓慢通行时间系数对该路段的通行时间进行分析处理，获取该路段的辅助通行时间；

当其他路段与其对应的位置关系为车流导出关系，获取其通行时间，根据该路段当前的拥堵等级设置加快通行时间系数；根据所获得加快通行时间系数对该路段的通行时间进行分析处理，获取该路段的辅助通行时间；

根据与对应路段存在关联性的其他路段对应的辅助通行时间生成辅助疏导方案。

8.根据权利要求7所述的一种基于云计算的车流疏导管控方法，其特征在于，所述车流疏导管控的过程包括：

根据所获得的疏导方案和辅助疏导方案对相应路段的交通灯和车道控制信号进行调控，将各个路段对应的交通灯根据所生成的通行时间和辅助通行时间进行调节，完成车流疏导管控。