获取路况信息的方法和系统.pdf

本公开的实施例提供了一种获取路况信息的方法和系统。所述获取路况信息的方法包括：采集车辆的车辆信息数据以及所述车辆所在道路的图像和/或视频数据；对所述图像和/或视频数据进行去噪处理；分析去噪后的图像和/或视频数据，获得所述车辆所处的道路的路况信息；以及发送所述路况信息。

1.  一种获取路况信息的方法，包括：
采集车辆的车辆信息数据以及所述车辆所在道路的图像和/或视频数据；
对所述图像和/或视频数据进行去噪处理；
分析去噪后的图像和/或视频数据，获得所述车辆所处的道路的路况信息；以及
发送所述路况信息。

2.  根据权利要求1所述的获取路况信息的方法，其中所述车辆信息数据包括所述车辆的坐标的数据。

3.  根据权利要求2所述的获取路况信息的方法，其中所述车辆信息数据进一步包括所述车辆的速度和/或方向的数据。

4.  根据权利要求1所述的获取路况信息的方法，其中对所述图像和/或视频数据进行去噪处理包括：
识别所述图像和/或视频中的车辆、信号灯和交通标志；
获得所述图像和/或视频中的车辆的数目；以及
提取信号灯的状态和交通标志的含义。

5.  根据权利要求4所述的获取路况信息的方法，其中识别所述图像和/或视频中的车辆、信号灯和交通标志包括：
通过提取所述图像和/或视频的方向梯度直方图、哈尔特征，识别所述图像和/或视频中的车辆、信号灯和交通标志。

6.  根据权利要求4所述的获取路况信息的方法，其中获得所述图像和/或视频中的车辆的数目包括：
通过空间矩阵运算获得所述图像和/或视频中的车辆数目。

7.  根据权利要求4所述的获取路况信息的方法，其中提取信号灯的状态和交通标志的含义包括：
通过模式识别算法提取信号灯的状态和交通标志的含义。

8.  根据权利要求1所述的获取路况信息的方法，其中分析去噪 后的图像和/或视频数据，获得所述车辆所处的道路的路况信息包括：
根据在单位时间内和单位道路面积上、从所述图像和/或视频数据统计的车辆数，确定所述车辆所处的道路的车辆密度。

9.  根据权利要求8所述的获取路况信息的方法，其中根据从每个车辆获取的道路的车辆密度，确定所述道路的平均车辆密度。

10.  根据权利要求1所述的获取路况信息的方法，其中分析去噪后的图像和/或视频数据，获得所述车辆所处的道路的路况信息包括：
根据每个车辆的车辆信息数据，确定所述车辆所处的道路的平均通行速度。

11.  根据权利要求1所述的获取路况信息的方法，其中分析去噪后的图像和/或视频数据，获得所述车辆所处的道路的路况信息包括：
根据信号灯的红灯时长、绿灯时长以及车辆信息数据，确定所述车辆所处的道路的实际通行速度。

12.  根据权利要求11所述的获取路况信息的方法，其中根据每个车辆的实际通行速度，确定所述车辆所处的道路的平均通行速度。

13.  根据权利要求1所述的获取路况信息的方法，还包括：
根据各条道路的路况信息，确定各条道路的拥堵等级；以及
基于各条道路的拥堵等级，生成导航引导信息。

14.  一种获取路况信息的系统，包括：
车辆信息采集单元，被配置为采集车辆的车辆信息数据；
图像视频采集单元，被配置为采集所述车辆所在道路的图像和/或视频数据；
数据去噪处理单元，被配置为对所述图像和/或视频数据进行去噪处理；
数据分析单元，被配置为分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息；以及
信息发送单元，被配置为发送所述路况信息。

15.  根据权利要求14所述的获取路况信息的系统，其中所述车辆信息数据包括所述车辆的坐标的数据。

16.  根据权利要求15所述的获取路况信息的系统，其中所述车辆信息数据进一步包括所述车辆的速度和/或方向的数据。

17.  根据权利要求14所述的获取路况信息的系统，其中对所述图像和/或视频数据进行去噪处理包括：
识别所述图像和/或视频中的车辆、信号灯和交通标志；
获得所述图像和/或视频中的车辆的数目；以及
提取信号灯的状态和交通标志的含义。

18.  根据权利要求17所述的获取路况信息的系统，其中识别所述图像和/或视频中的车辆、信号灯和交通标志包括：
通过提取所述图像和/或视频的方向梯度直方图、哈尔特征，识别所述图像和/或视频中的车辆、信号灯和交通标志。

19.  根据权利要求17所述的获取路况信息的系统，其中获得所述图像和/或视频中的车辆的数目包括：
通过空间矩阵运算获得所述图像和/或视频中的车辆数目。

20.  根据权利要求17所述的获取路况信息的系统，其中提取信号灯的状态和交通标志的含义包括：
通过模式识别算法提取信号灯的状态和交通标志的含义。

21.  根据权利要求14所述的获取路况信息的系统，其中分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息包括：
根据在单位时间内和单位道路面积上、从所述图像和/或视频数据统计的车辆数，确定所述车辆所处的道路的车辆密度。

22.  根据权利要求21所述的获取路况信息的系统，其中根据从每个车辆获取的道路的车辆密度，确定所述道路的平均车辆密度。

23.  根据权利要求14所述的获取路况信息的系统，其中分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息包括：
根据每个车辆的车辆信息数据，确定所述车辆所处的道路的平均通行速度。

24.  根据权利要求14所述的获取路况信息的系统，其中分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息包括：
根据信号灯的红灯时长、绿灯时长以及车辆信息数据，确定所述车辆所处的道路的实际通行速度。

25.  根据权利要求24所述的获取路况信息的系统，其中根据每个车辆的实际通行速度，确定所述车辆所处的道路的平均通行速度。

26.  根据权利要求14所述的获取路况信息的系统，所述数据分析单元进一步被配置为：
根据各条道路的路况信息，确定各条道路的拥堵等级；以及
基于各条道路的拥堵等级，生成导航引导信息。

获取路况信息的方法和系统
技术领域
本公开的实施例涉及获取路况信息的方法和系统，并且更具体地涉及一种基于图像和/或视频的获取路况信息的方法和系统。
背景技术
城市路况挖掘系统的首要技术是通过获取交通信息并进行数据挖掘，从中提取交通状态信息，对交通状态信息进行数据融合来实现。通常情况下，需要周期性的采集数据，并对数据进行处理，通过数据挖掘的相关技术，得到城市历史和当前路况，进而通过交通诱导等方式，减轻和防止交通拥堵，并最终实现交通流在路网各个路段上的合理分配，提高城市交通效率。
目前交通信息数据的主要来源有三类：物理传感器、浮动车和视频检测器。通过物理传感器采集数据的设备包括：线圈检测器、超声波检测器、红外检测器等。这些传感器多为固定传感器，采集某一固定位置或区域内的车辆通行情况。浮动车是指安装有定位和无线通信装置的普通车辆，这种车辆能够与交通信息中心进行信息交换。当浮动车在道路上行驶时，可以即时上报车辆的经纬度坐标、瞬时速度、方向、回传时间等信息。视频检测器为固定点检测设备，通过对采集交通图像进行图像分析，可同时检测多个车道的交通参数。
采集到上述不同来源的数据后，通过数据融合、大数据分析等技术手段，可以计算得出城市各条道路的车流量、平均车速、车头时距、时间占有率、空间占有率、车辆密度等信息，对各条道路的交通状态做出分类。一般可以将交通状况分为：畅通、缓行、拥堵和严重拥堵四类。最后，通过广播、网页展示等方式，可以将当前交通状况展现给使用者，并通过导航等方式对车辆做出引导，从而实现避免拥堵、 提高运行效率的作用。
中国专利申请第200710043538.0号公开了一种可视化智能交通管理系统及其实现方法，它包含：电子车牌、远距离车辆识别装置、数据存储装置及通讯接口装置。所述远距离车辆识别装置不间断地安装在道路上，将车辆电子车牌中的车辆信息识别后存入所述数据存储装置，并与所述通讯接口装置通讯连接，实时上传给城市交通指挥中心，对车辆进行远程定位跟踪、远程测速、各路段车流量统计以及繁忙状态下的自动疏导。
中国专利申请第03134351.1号涉及一种基于GPS技术的汽车交通管理方法，该方法对无线发送接收的单元发送的地理信息进行编码，再对无线发送接收单元接收的地理信息进行解码。编码方式是将某一种车辆的车号作为编码，经确认的其它车辆编码的地理位置信息才能被接收处理，并显示距离信息。这种基于GPS技术的汽车交通管理方法，可以实现随时了解在公路上行驶的前后车辆的距离及距离变化，同时不受环境影响。
通过物理传感器或者视频检测技术采集交通数据，需要在城市的各条道路、交叉口等统一安装物理、视频传感器。因此存在安装和维护成本高、覆盖范围小、仅能检测固定位置的数据等缺点。受人力、资金等因素制约，这种固定式传感器难以获得大规模推广。
浮动车技术能够实时采集到车辆的运行状态，目前是最为普遍使用的交通信息采集方法。但是在实际应用中，交通状况受车流量、车头时距、车辆密度等多方面因素的影响,而该方法只能采集到单一车辆的坐标、速度等数据，难以对道路的整体情况做出评估。且由于需要安装特定采集车辆坐标、速度的设备(如GPS设备等)，在安装量有限的条件下，难以实时、准确的提供道路状况。而且，车辆的行驶速度受红绿灯等信号设施的影响较大，单一的速度数据不能反映出车辆前方的红绿灯状态。对于低速行驶的车辆，难以区分是由红灯还是拥堵导致。因此，对于道路拥堵状态的分类准确率较低。
发明内容
本公开的实施例旨在提供能够克服上述缺点的用于获取路况信息的方法和系统。
根据本公开的一个方面，提供了一种获取路况信息的方法，该方法包括：采集车辆的车辆信息数据以及所述车辆所在道路的图像和/或视频数据；对所述图像和/或视频数据进行去噪处理；分析去噪后的图像和/或视频数据，获得所述车辆所处的道路的路况信息；以及发送所述路况信息。
在一个实施例中，所述车辆信息数据包括所述车辆的坐标的数据。
在又一个实施例中，所述车辆信息数据进一步包括所述车辆的速度和/或方向的数据。
在再一个实施例中，对所述图像和/或视频数据进行去噪处理包括：识别所述图像和/或视频中的车辆、信号灯和交通标志；获得所述图像和/或视频中的车辆的数目；以及提取信号灯的状态和交通标志的含义。
在再一个实施例中，识别所述图像和/或视频中的车辆、信号灯和交通标志包括：通过提取所述图像和/或视频的方向梯度直方图、哈尔特征，识别所述图像和/或视频中的车辆、信号灯和交通标志。
在再一个实施例中，获得所述图像和/或视频中的车辆的数目包括：通过空间矩阵运算获得所述图像和/或视频中的车辆数目。
在再一个实施例中，提取信号灯的状态和交通标志的含义包括：通过模式识别算法提取信号灯的状态和交通标志的含义。
在再一个实施例中，分析去噪后的图像和/或视频数据，获得所述车辆所处的道路的路况信息包括：根据在单位时间内和单位道路面积上、从所述图像和/或视频数据统计的车辆数，确定所述车辆所处的道路的车辆密度。
在再一个实施例中，根据从每个车辆获取的道路的车辆密度，确定所述道路的平均车辆密度。
在再一个实施例中，分析去噪后的图像和/或视频数据，获得所述车辆所处的道路的路况信息包括：根据每个车辆的车辆信息数据，确定所述车辆所处的道路的平均通行速度。
在再一个实施例中，分析去噪后的图像和/或视频数据，获得所述车辆所处的道路的路况信息包括：根据信号灯的红灯时长、绿灯时长以及车辆信息数据，确定所述车辆所处的道路的实际通行速度。
在再一个实施例中，根据每个车辆的实际通行速度，确定所述车辆所处的道路的平均通行速度。
在再一个实施例中，所述方法还包括：根据各条道路的路况信息，确定各条道路的拥堵等级；以及基于各条道路的拥堵等级，生成导航引导信息。
根据本公开的另一个方面，提供了一种获取路况信息的系统，包括：车辆信息采集单元，被配置为采集车辆的车辆信息数据；图像视频采集单元，被配置为采集所述车辆所在道路的图像和/或视频数据；数据去噪处理单元，被配置为对所述图像和/或视频数据进行去噪处理；数据分析单元，被配置为分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息；以及信息发送单元，被配置为发送所述路况信息。
在又一个实施例中，所述车辆信息数据包括所述车辆的坐标的数据。
在再一个实施例中，所述车辆信息数据进一步包括所述车辆的速度和/或方向的数据。
在再一个实施例中，对所述图像和/或视频数据进行去噪处理包括：识别所述图像和/或视频中的车辆、信号灯和交通标志；获得所述图像和/或视频中的车辆的数目；以及提取信号灯的状态和交通标志的含义。
在再一个实施例中，识别所述图像和/或视频中的车辆、信号灯和交通标志包括：通过提取所述图像和/或视频的方向梯度直方图、哈尔特征，识别所述图像和/或视频中的车辆、信号灯和交通标志。
在再一个实施例中，获得所述图像和/或视频中的车辆的数目包括：通过空间矩阵运算获得所述图像和/或视频中的车辆数目。
在再一个实施例中，提取信号灯的状态和交通标志的含义包括：通过模式识别算法提取信号灯的状态和交通标志的含义。
在再一个实施例中，分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息包括：根据在单位时间内和单位道路面积上、从所述图像和/或视频数据统计的车辆数，确定所述车辆所处的道路的车辆密度。
在再一个实施例中，根据从每个车辆获取的道路的车辆密度，确定所述道路的平均车辆密度。
在再一个实施例中，分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息包括：根据每个车辆的车辆信息数据，确定所述车辆所处的道路的平均通行速度。
在再一个实施例中，分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息包括：根据信号灯的红灯时长、绿灯时长以及车辆信息数据，确定所述车辆所处的道路的实际通行速度。
在再一个实施例中，根据每个车辆的实际通行速度，确定所述车辆所处的道路的平均通行速度。
在再一个实施例中，所述数据分析单元进一步被配置为：根据各条道路的路况信息，确定各条道路的拥堵等级；以及基于各条道路的拥堵等级，生成导航引导信息。
本公开的实施例能够同时采集车辆的坐标、速度以及图像和/或视频数据。通过分析图像和/或视频数据获得车辆密度等道路信息，并且通过采集的车辆的速度结合图像和/或视频数据中分析得到的信号灯信息等获得道路的实际通行速度。本公开的实施例所提供的车载装置(例如，手机)安装方便，可以同时在多个车辆上进行安装。通过对多个车辆的以上多种数据进行综合分析，能够极大提升道路状况分类的准确率，进一步克服现有路况信息获取系统实时率低、准确性差等缺点。
附图说明
本文所提供的附图用来提供对本公开的进一步的理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
图1示意性地图示了根据本公开的实施例的获取路况信息的方法的流程图；
图2示意性地图示了根据本公开的实施例的计算道路的平均车辆密度的方法的流程图；
图3示意性地图示了根据本公开的实施例的计算道路的平均通行速度的方法的流程图；以及
图4示意性地图示了根据本公开的实施例的用于获取路况信息的系统的框图。
具体实施方式
在下文中，将参考附图详细描述本公开的各个示例性实施例。应当注意，这些附图和描述仅涉及示例性的优选实施例。应该指出的是，根据以下描述，很容易设想出本文所公开的结构和方法的备选实施例，并且可以在不脱离本公开要求保护的原理的情况下使用这些备选实施例。
应当理解，给出这些示例性实施例仅仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。
本文所使用的术语“包括”、“包含”及类似术语应该被理解为是开放式术语，即“包括/包含但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一个实施例”表示“至少一个另外的实施例”。本文所使用的术语“道路”不仅可以指“单个车道”，还可以指“包含多个同向行驶的车道的道路”或者可以应用本公开的实施例的其他车辆通行单位。本文所 使用的术语“图像”和“视频”通常是可替代的，因为视频可以看作按照时间轴排列的一系列图像，而图像可以被看作是视频中的一帧。因此在本文中“图像”和“视频”可以互相替代地使用，除非上下文另外明确指明。其他术语的相关定义将在下文描述中给出。
图1示意性地图示了根据本公开的实施例的获取路况信息的方法100的流程图。如图1所示，该方法100包括步骤S101至步骤S104。
在步骤S101，采集车辆的车辆信息数据以及所述车辆所在道路的图像和/或视频数据。根据本公开的实施例，车辆信息数据包括车辆的坐标的数据，例如，使用GPS、基站定位装置等采集的车辆的坐标。通过考察连续的车辆坐标，也可以进一步得出车辆的速度和方向的数据。根据本公开的实施例，车辆信息数据包括车辆的坐标、速度和方向的数据。例如，在一些GPS装置中，可以直接得到车辆的坐标、速度和方向的数据。图像和/或视频数据可以是通过安装在车辆上的手机、行车记录仪、单/双目摄像头等图像和/或视频采集装置采集的。
在步骤S102，对所述图像和/或视频数据进行去噪处理。在通常情况下，由于网络带宽等的限制，并且由于车载采集设备中数据去噪处理单元的性能的提升，可以在车辆上对采集的图像和/或视频数据进行去噪处理，便于通过网络进行传输。在本公开的实施例中，对图像和/或视频数据的处理包括：识别所述图像和/或视频中的车辆、信号灯和交通标志；获得所述图像和/或视频中的车辆的数目；以及提取信号灯的状态和交通标志的含义。在本公开的实施例中，通过提取所述图像和/或视频的方向梯度直方图(HoG)、哈尔(Haar)特征，识别所述图像和/或视频中的车辆、信号灯和交通标志。在本公开的实施例中，通过空间矩阵运算获得所述图像和/或视频中的车辆数目。如果需要，还可以通过空间矩阵运算进一步获取车辆之间的距离和角度。在本公开的实施例中，通过模式识别算法提取信号灯的状态和交通标志的含义。例如，交通信号灯的状态可以是红灯、绿灯。例如，交通标志可以是限速60km/h。此外，还可以对路况信息数据以及从图像和/或视频数据提取到的数据进行压缩，进而方便网络传输。
在步骤S103，分析去噪后的图像和/或视频数据，获得所述车辆所处的道路的路况信息。
图2示意性地图示了根据本公开的实施例的计算道路的平均车辆密度的方法200的流程图。根据本公开的实施例，如图2所示，方法200包括步骤S201。在步骤S201，根据在单位时间内和单位道路面积上、从所述图像和/或视频数据统计的车辆数，确定所述车辆所处的道路的车辆密度。具体计算方法可以如下所述。车辆密度是一个瞬时值，它不仅随着时间的变化而变动，而且随着测量区间的变化而变化。因此，常将瞬时密度用一定时间内的平均值表示。具体而言，首先，统计在一定时间(例如，5分钟)内某车辆前方的图像和/或视频数据中的车辆数。另外，从已知的地图数据或者其他数据中获得关于道路的尺寸(例如，道路长度和宽度)或者道路的坐标的数据。并且，可以结合从车辆信息数据中获得的车辆坐标，确定车辆前方对车辆数进行统计的道路的长度，并且基于此获得所统计的道路长度内的车辆密度。例如，通过计算该车辆前方一定距离L内在一定周期内的平均车辆数，可以得出该道路的车辆密度。具体计算公式为：
ρ=NvL*W1T---(1)]]>
其中，N_v为车辆前方距离L内的总车辆数；W为道路宽度；T为统计时长；ρ为道路的车辆密度。
根据本公开的进一步优选的实施例，如图2所示，方法200还可以包括步骤S202。在步骤S202，根据从每个车辆获取的道路的车辆密度，确定所述道路的平均车辆密度。例如，可以从n辆在同一道路上行驶的车辆接收数据，并且将所有这些车辆得到的车辆密度按照车辆数n进行平均，这样可以对该道路上的车辆密度进行更加准确的评估。
根据本公开的实施例，根据每个车辆的车辆信息数据，确定所述车辆所处的道路的平均通行速度。具体计算公式为：
V^=1nΣVi---(2)]]>
其中，Vⁱ是从车辆信息数据中获得的各个车辆的通行速度；n表示采 集车辆的数目；表示道路的平均通行速度。如上文所述，经过对多个数据的统计平均之后，得到的数据更加准确可靠。
图3示意性地图示了根据本公开的实施例的计算道路的平均通行速度的方法300的流程图。根据本公开的实施例，如图3所示，方法300可以包括步骤S301和步骤S302。在步骤S301，根据所述车辆的速度和绿灯、红灯时长，确定在红绿灯周期内所述车辆行驶的路程。在步骤S302，将所述车辆的路程除以绿灯时长，确定所述车辆的实际通行速度。下文进行更加详细的描述。首先分析前方信号灯的状态，可以获得在一定周期(例如，5分钟)内，该信号灯的红灯时长T_LR和绿灯时长T_LG。通过车辆信息数据中记录的速度数据(或者从连续的坐标数据获得的速度数据)V，可以得出在该段时间(等于T_LR+T_LG)内通过的路程，并且将该路程除以绿灯时长T_LG，即可以得到实际通行速度V_L。具体计算公式为：
V_L＝V*(T_LR+T_LG)/T_LG          (3)
根据本公开的进一步优选的实施例，如图3所示，方法300还可以包括步骤S303。在步骤S303，对每个车辆的实际通行速度进行平均，确定所述车辆所处的道路的平均通行速度。具体计算公式为：
V^L=1nΣVLi---(4)]]>
其中，是通过公式(3)计算得到的各个车辆实际通行速度；n表示采集车辆的数目；表示道路的平均通行速度。
根据本公开的实施例，根据各条道路的路况信息，确定各条道路的拥堵等级；并且基于各条道路的拥堵等级，生成导航引导信息。根据以上方法计算得出各条道路的平均通行速度和车辆密度之后，根据道路等级和历史情况，可以综合判断出各条道路的拥堵程度。道路的拥堵程度可以分为4个等级：畅通、缓行、拥堵和严重拥堵。此外，根据获得的各条道路的拥堵等级，生成导航引导信息，进而引导车辆向道路拥堵等级较低(例如，畅通等)的道路行驶，缓解交通拥堵状况。
在步骤S104，发送所述路况信息。例如，可以通过网络、无线电 等向移动终端发送道路拥堵程度和导航引导信息。用户可以随时利用包括手机、收音机等在内的移动终端接收路况信息和导航引导信息。用户在获取路况信息之后，可以规划自己的行程。例如，用户也可以在固定终端接收路况信息，进而提前准备自己的出行等等。
图4示意性地图示了根据本公开的实施例的获取路况信息的系统400的框图。如图4所示，系统400包括：车辆信息采集单元401、图像视频采集单元402、数据去噪处理单元403、数据分析单元404以及信息发送单元405。车辆信息采集单元401被配置为采集车辆的车辆信息数据。图像视频采集单元402被配置为采集所述车辆所在道路的图像和/或视频数据。数据去噪处理单元403被配置为对所述图像和/或视频数据进行去噪处理。数据分析单元404被配置为分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息。信息发送单元405被配置为发送所述路况信息。注意，本文所描述的单元可以实现在单独的一个设备中，或者也可以分别实现在不同的设备中，或者也可以一部分实现在单独的一个设备中，其他部分实现在不同的设备中，因此以上实施例并不旨在限制系统所具体实现的物理形式。在本公开的一个优选实施例中，系统400的车辆信息采集单元401、图像视频采集单元402和数据去噪处理单元403被实现在车辆上，而数据分析单元404和信息发送单元405被实现在服务器中，在二者之间通过网络等通信媒介进行信息传输。
根据本公开的实施例，所述车辆信息数据包括所述车辆的坐标的数据。根据本公开的实施例，所述车辆信息数据进一步包括所述车辆的速度和/或方向的数据。
根据本公开的实施例，对所述图像和/或视频数据进行去噪处理包括：识别所述图像和/或视频中的车辆、信号灯和交通标志；获得所述图像和/或视频中的车辆的数目；以及提取信号灯的状态和交通标志的含义。
根据本公开的实施例，识别所述图像和/或视频中的车辆、信号灯和交通标志包括：通过提取所述图像和/或视频的方向梯度直方图、哈 尔特征，识别所述图像和/或视频中的车辆、信号灯和交通标志。
根据本公开的实施例，获得所述图像和/或视频中的车辆的数目包括：通过空间矩阵运算获得所述图像和/或视频中的车辆数目。
根据本公开的实施例，提取信号灯的状态和交通标志的含义包括：通过模式识别算法提取信号灯的状态和交通标志的含义。
根据本公开的实施例，分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息包括：根据在单位时间内和单位道路面积上、从所述图像和/或视频数据统计的车辆数，确定所述车辆所处的道路的车辆密度。根据本公开的实施例，根据从每个车辆获取的道路的车辆密度，确定所述道路的平均车辆密度。
根据本公开的实施例，分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息包括：根据每个车辆的车辆信息数据，确定所述车辆所处的道路的平均通行速度。
根据本公开的实施例，分析去噪后的图像和/或视频数据，获取所述车辆所处的道路的路况信息包括：根据信号灯的红灯时长、绿灯时长以及车辆信息数据，确定所述车辆所处的道路的实际通行速度。根据本公开的实施例，根据每个车辆的实际通行速度，确定所述车辆所处的道路的平均通行速度。
根据本公开的实施例，数据分析单元404进一步被配置为：根据各条道路的路况信息，确定各条道路的拥堵等级；以及基于各条道路的拥堵等级，生成导航引导信息。
显然，本领域的技术人员应该明白，上述的本公开的各个单元或各个步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本公开不限制于任何特定的硬件和软件结合。
以上所述仅为本公开可选实施例，并不用于限制本公开，对于本 领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开的保护范围之内。