CN109035775A - 一种突发事件识别的方法及装置 - Google Patents

Abstract

本发明公开了一种突发事件识别的方法及装置，该方法包括获取待识别路段的至少一种数据源的交通数据，根据至少一种数据源的交通数据，确定至少一种数据源的交通拥堵识别指标，根据待识别路段的所述至少一种数据源的交通拥堵识别指标以及交通拥堵识别指标的历史数据，确定各交通拥堵识别指标对应的待识别路段的突变情况，对各交通拥堵识别指标对应的待识别路段的突变情况进行评估，确定待识别路段的评估值，若待识别路段的评估值大于第一阈值，则确定待识别路段为发生突发事件的路段。通过多数据源对交通状态进行判别，克服了基于单源数据判别交通状态的固有局限性，保证了判别结果的准确性与实际可应用性。

Description

一种突发事件识别的方法及装置

技术领域

本发明实施例涉及交通技术领域，尤其涉及一种突发事件识别的方法及装置。

背景技术

在智能交通领域，能够及时获取突发交通拥堵信息，将会对交通管理和控制有极大帮助，有利于提高交通管控水平，降低城市道路拥堵程度。随着信息化和人工智能技术的发展，交通管理部门能够获取越来越多不同数据源的交通数据，为路段突发交通拥堵事件判断提供了依据。目前路段突发交通拥堵事件主要通过人工视频巡检和市民上报两种途径获取，人工巡检效率低、数量少，主要以市民上报为主，因而市民对突发事件的投诉量居高不下，一方面不能够实时反应交通运行状态，另一方面交通突发事件容易引起突发交通拥堵，如果处理不及时将会造成路段车辆通行缓慢，排队蔓延直到溢出，导致更大面积的交通瘫痪。

发明内容

本发明实施例提供一种突发事件识别的方法及装置，克服了基于单数据源判别交通状态的固有局限性，提高了判别结果的准确性和实际可应用性。

本发明实施例提供的一种突发事件识别的方法，包括：

获取待识别路段的至少一种数据源的交通数据；

根据所述至少一种数据源的交通数据，确定所述至少一种数据源的交通拥堵识别指标；

根据所述待识别路段的所述至少一种数据源的交通拥堵识别指标以及交通拥堵识别指标的历史数据，确定各交通拥堵识别指标对应的所述待识别路段的突变情况；

对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行评估，确定所述待识别路段的评估值；

若所述待识别路段的评估值大于第一阈值，则确定所述待识别路段为发生突发事件的路段。

通过多数据源对交通状态进行判别，克服了基于单源数据判别交通状态的固有局限性，保证了判别结果的准确性与实际可应用性。

可选的，所述根据所述待识别路段的所述至少一种数据源的交通拥堵识别指标以及交通拥堵识别指标的历史数据，确定各交通拥堵识别指标对应的所述待识别路段的突变情况，包括：

针对所述至少一种数据源的任意一种交通拥堵识别指标，获取所述交通拥堵识别指标的当前时刻前预设时间段内的历史数据；

根据所述交通拥堵识别指标的历史数据的均值和方差，确定所述交通拥堵识别指标的历史数据的第一范围阈值；

若所述交通识别指标大于其历史数据的第一范围阈值，则确定所述交通识别指标发生突变；

确定连续n个时间间隔中是否有大于第一数量阈值的时间间隔存在所述交通识别指标发生突变，若是，则确定所述交通拥堵识别指标对应的所述待识别路段的突变情况为疑似有突发事件，否则，确定所述交通识别指标对应的所述待识别路段的突变情况为无突发事件，其中，n为正整数。

可选的，所述对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行评估，确定所述待识别路段的评估值，包括：

对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行打分，并根据所述各交通拥堵识别指标的权重确定所述待识别路段的总分数；所述待识别路段的总分数为除路口指标之外的所有交通拥堵识别指标的得分的累加；

将所述待识别路段的总分数确定为所述待识别路段的评估值。

可选的，所述至少一种数据源包括以下数据源之一或任意组合：

微波数据源、电警数据源、线圈数据源、在线地图数据源。

可选的，在所述确定所述待识别路段为发生突发事件的路段之后，还包括：

若所述待识别路段的路口指标为拥堵，则确定所述待识别路段为交通突发拥堵状态。

相应的，本发明实施例还提供了一种突发事件识别的装置，包括：

获取单元，用于获取待识别路段的至少一种数据源的交通数据；

处理单元，用于根据所述至少一种数据源的交通数据，确定所述至少一种数据源的交通拥堵识别指标；根据所述待识别路段的所述至少一种数据源的交通拥堵识别指标以及交通拥堵识别指标的历史数据，确定各交通拥堵识别指标对应的所述待识别路段的突变情况；对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行评估，确定所述待识别路段的评估值；若所述待识别路段的评估值大于第一阈值，则确定所述待识别路段为发生突发事件的路段。

可选的，所述处理单元具体用于：

针对所述至少一种数据源的任意一种交通拥堵识别指标，获取所述交通拥堵识别指标的当前时刻前预设时间段内的历史数据；

根据所述交通拥堵识别指标的历史数据的均值和方差，确定所述交通拥堵识别指标的历史数据的第一范围阈值；

若所述交通识别指标大于其历史数据的第一范围阈值，则确定所述交通识别指标发生突变；

确定连续n个时间间隔中是否有大于第一数量阈值的时间间隔存在所述交通识别指标发生突变，若是，则确定所述交通拥堵识别指标对应的所述待识别路段的突变情况为疑似有突发事件，否则，确定所述交通识别指标对应的所述待识别路段的突变情况为无突发事件，其中，n为正整数。

可选的，所述处理单元具体用于：

对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行打分，并根据所述各交通拥堵识别指标的权重确定所述待识别路段的总分数；所述待识别路段的总分数为除路口指标之外的所有交通拥堵识别指标的得分的累加；

将所述待识别路段的总分数确定为所述待识别路段的评估值。

可选的，所述至少一种数据源包括以下数据源之一或任意组合：

微波数据源、电警数据源、线圈数据源、在线地图数据源。

可选的，所述处理单元还用于：

在所述确定所述待识别路段为发生突发事件的路段之后，若所述待识别路段的路口指标为拥堵，则确定所述待识别路段为交通突发拥堵状态。

相应的，本发明实施例还提供了一种计算设备，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述突发事件识别的方法。

相应的，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述突发事件识别的方法。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种突发事件识别的方法的流程示意图；

图2为本发明实施例提供的一种突发事件识别的装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，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做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。

图1示例性的示出了本发明实施例提供的一种突发事件识别的方法的流程，该流程可以由突发事件识别的装置执行。

如图1所示，该流程具体包括：

步骤101，获取待识别路段的至少一种数据源的交通数据。

在本发明实施例中，该至少一种数据源可以包括以下数据源之一或任意组合：微波数据源、电警数据源、线圈数据源、在线地图数据源等。

需要说明的是，上述数据源的种类仅是示例作用，对数据源的数量不做具体限定，在具体实施时还可以增加其它种类的数据源。例如，该在线地图数据源可以为高德地图或百度地图等在线地图数据源。

在得到待识别路段的至少一种数据源后，对每种数据源基于流量数据判断设备是否异常，如果异常则记录设备异常信息。

步骤102，根据所述至少一种数据源的交通数据，确定所述至少一种数据源的交通拥堵识别指标。

不同的数据源对应拥有不同的交通拥堵识别指标，例如：线圈数据源的交通拥堵识别指标可以为车均占有率、路口绿灯损失；微波数据源的交通拥堵识别指标可以为路段平均速度、路段平均流量、路段平均占有率；电警数据源的交通拥堵识别指标可以为路段平均速度、上游车辆通过比例、排队长度、流量；在线地图数据源的交通拥堵识别指标可以为路段平均速度、路段拥堵状态。

上述交通拥堵识别指标仅是示例作用，在实际应用时可以根据具体情况增加或减少。

不同的交通拥堵识别指标需要分别进行计算，下面将具体描述计算过程，其中，在线地图数据源是以高德地图数据源为例。

1)计算线圈数据源的交通拥堵识别指标可以包括车均占有率、路口绿灯损失。

a)车均占有率使用公式(1)来计算。

该公式(1)为：

其中，为路段l在时间段t内的平均占有率；n为车道数；o_i,t为时间段t内通过路段l的相位j的占有率；q_i,t为时间段t内通过路段l的相位j的流量。

b)路口绿灯损失

路口绿灯损失＝各进口路段绿灯损失之和。

2)计算微波数据源的交通拥堵识别指标可以包括路段平均速度、路段平均流量、路段平均占有率。

a)路段平均速度使用公式(2)来计算。

该公式(2)为：

其中，为路段l在时间段t内的平均速度(米/秒)；n为车道数；v_i,t为时间段t内通过路段l的车道i的速度(米/秒)；q_i,t为时间段t内通过路段l的车道i的车辆数(辆)。

b)路段平均流量使用公式(3)来计算。

该公式(3)为：

其中，为时间段t内通过路段l的平均每车道通过的车辆数，q_i,t为时间段t内通过路段l的车道i的车辆数；n为车道数。

c)路段平均占有率使用公式(4)来计算。

该公式(4)为：

其中，为路段l在时间段t内的平均占有率；n为车道数；o_i,t为时间段t内通过路段l的车道i的占有率，q_i,t为时间段t内通过路段l的车道i的流量。

3)计算电警数据源的交通拥堵识别指标可以包括路段平均速度、上游车辆通过比例、排队长度、流量。

a)路段平均速度使用公式(5)来计算。

该公式(5)为：

其中，为路段l在时间段t内的平均速度(米/秒)；L为路段l长度(米)，n为在时间段t内路段l上下游路口匹配到的车辆数；t_k,t为剔除噪声后，时间段t内通过路段l的车辆k的行程时间。

b)上游车辆通过比例

首先统计时段内进入路段的流量Q_in，然后统计该时段内匹配到的车辆数Q_ma，最后计算上游车辆通过比例：R_{up_cr}＝Q_in/Q_ma。

c)排队长度

每一时间间隔，计算时间段t内，每进口道的排队长度。该数据存储将用作历史流量数据。

d)流量

每一时间间隔，统计时间段t内，每进口道的通过车辆数，即去除重复数据后的数据条数。该数据存储将用作历史流量数据。

4)计算高德地图数据源的交通拥堵识别指标可以包括路段平均速度、路段拥堵状态。

a)路段平均速度使用公式(6)来计算。

该公式(6)为：

其中，为路段l在时间段t内的平均速度(米/秒)；n为路段l在时间段t内的有效数据量；v_k,t为时间段t内通过路段l的车辆k的速度(米/秒)。

b)路段拥堵状态

高德路段状态分为通畅、拥堵和严重拥堵等几个等级，根据高德路段状态判定路段拥堵计算拥堵指数。

步骤103，根据所述待识别路段的所述至少一种数据源的交通拥堵识别指标以及交通拥堵识别指标的历史数据，确定各交通拥堵识别指标对应的所述待识别路段的突变情况。

在得到各交通拥堵识别指标之后，就根据其各自对应的历史数据判别待识别路段的突变情况。该突变情况可以分为疑似有突变事件和无突变事件。

具体可以为：针对至少一种数据源的任意一种交通拥堵识别指标，获取交通拥堵识别指标的当前时刻前预设时间段内的历史数据，根据交通拥堵识别指标的历史数据的均值和方差，确定交通拥堵识别指标的历史数据的第一范围阈值，若交通识别指标大于其历史数据的第一范围阈值，则确定交通识别指标发生突变，确定连续n个时间间隔中是否有大于第一数量阈值的时间间隔存在交通识别指标发生突变，若是，则确定交通拥堵识别指标对应的待识别路段的突变情况为疑似有突发事件，否则，确定交通识别指标对应的待识别路段的突变情况为无突发事件，其中，n为正整数。该第一范围阈值可以依据历史数据进行确定，主要是根据历史数据的均值和方差来确定。

举例来说，首先，基于历史数据计算阈值。获取当前时间前15分钟的历史数据，计算历史数据的均值和方差并计算出历史数据的3σ范围如果则认为超出历史范围。

然后进行多数据源的各指标突变判别，例如：

1)微波数据源的指标

(1)如果当前时刻得到的微波数据源的指标(速度、流量、占有率)超出其历史范围，则认为突变；

(2)连续n个时间间隔，有m％的指标发生突变，则认为疑似有突发事件，否则认为无突发事件。n和m为正整数。

2)电警数据源的指标

a)流量突变

第1步，针对流量数据，以5分钟为时间窗，1分钟为时间间隔，每一时间间隔，统计当前时间窗内，每进口道的通过车辆数。

第2步，由于历史数据为1分钟数据，所以需要将历史数据转化为5分钟数据，以5分钟时间窗将历史多个1分钟的流量数据合并为多个5分钟时间窗的流量。

第3步，每一时间间隔，计算其对应的历史多个时间窗的5分钟流量的均值和方差。如果当前流量超出其历史范围，则认为流量发生突变。

如果连续n个时间间隔，有m％流量发生突变，则认为疑似有突发事件，否则认为无突发事件。

b)速度突变

第1步，每一时间间隔(默认1分钟，可配置)计算5分钟时间窗(可配置)内的过车平均速度。即5分钟时间窗内每一辆车的平均速度。

第2步，获取历史平均速度，根据历史数据获取机制，确定历史数据获取时间范围，获取与该时间范围有交集的历史速度数据，并计算历史平均速度和方差。如果当前时段平均速度超出其历史范围，则认为速度发生突变。

第3步，如果连续n个时间间隔，有m％速度发生突变，则认为疑似有突发事件，否则认为无突发事件。

c)上游车辆通过比例突变

第1步，如果当前时间点，上游车辆通过比例超过历史数据的3σ范围，则认为该进口道上游车辆通过比例发生突变。

第2步，连续n个时间间隔，有m％进口道上游车辆通过比例发生突变，则认为该进口道对应路段疑似有突发事件，否则认为无突发事件。

d)排队长度突变

第1步，如果当前时间点，排队长度超过历史数据的3σ范围，则认为该进口道排队长度发生突变。

第2步，连续n个时间间隔，有m％排队长度发生突变，则认为该进口道对应路段疑似有突发事件。

3)高德数据源的指标

(1)如果当前时刻得到的速度超出其历史范围，则认为突变；

(2)连续n个时间间隔，有m％的指标发生突变，则认为疑似有突发事件，否则认为无突发事件。

4)线圈数据源的指标

(1)如果当前时刻得到的数据指标(占有率、绿损)超出其历史范围，则认为突变；

(2)连续n个时间间隔，有m％的指标发生突变，则认为疑似有突发事件，否则认为无突发事件。

步骤104，对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行评估，确定所述待识别路段的评估值。

在确定待识别路段的评估值时，可以通过打分的方式来实现，具体的：

对各交通拥堵识别指标对应的待识别路段的突变情况进行打分，并根据各交通拥堵识别指标的权重确定待识别路段的总分数，该待识别路段的总分数为除路口指标之外的所有交通拥堵识别指标的得分的累加后得到的。可以将该待识别路段的总分数确定为待识别路段的评估值。

具体的打分过程如下：

待识别路段是否发生突发事件，需要先对每个交通拥堵识别指标的突变情况进行打分，其中，交通拥堵识别指标对应的待识别路段的突变情况为疑似有突发事件时，打分为1；交通拥堵识别指标对应的待识别路段的突变情况为无突发事件时，打分为-1；交通拥堵识别指标不存在数据时，打分为0。具体可见表1所示的打分表。

表1

上述表1中的α、β为权重系数。其中，由于不同的数据源对应的权重不同，相同数据源中各指标的权重也不同，不同数据源的相同的指标对应的权重也不同。除了高德地图数据源中的路况指标外，如果某指标认为发生疑似突发事件，则其得分为1；如果该指标没有数据源，则该指标得分为0；如果该指标在历史正常范围内，则该指标得分为-1分。

打分完成之后，就可以将各指标的得分与其对应的权重进行相乘之后累加，这样就得到该路段的总得分。

需要说明的是，上述对各交通拥堵识别指标对应的待识别路段的突变情况进行评估的方法仅是示例作用，其它的可以用于评估的方法都可应用于本发明实施例。

步骤405，若所述待识别路段的评估值大于第一阈值，则确定所述待识别路段为发生突发事件的路段。

例如，待识别路段的评估值为待识别路段的总得分时，如果待识别路段的总得分大于第一阈值，表明该路段为突发事件发生路段。该第一阈值可以依据经验设置。

然后在根据路况指标信息，确定是否为拥堵。若路况指标为拥堵，则可以确定该路段为交通突发拥堵路段。

上述实施例表明，获取待识别路段的至少一种数据源的交通数据，根据至少一种数据源的交通数据，确定至少一种数据源的交通拥堵识别指标，根据待识别路段的所述至少一种数据源的交通拥堵识别指标以及交通拥堵识别指标的历史数据，确定各交通拥堵识别指标对应的待识别路段的突变情况，对各交通拥堵识别指标对应的待识别路段的突变情况进行评估，确定待识别路段的评估值，若待识别路段的评估值大于第一阈值，则确定待识别路段为发生突发事件的路段。基于多源大数据的交通状态判别技术能够利用线圈、电警、微波、在线地图采集到的交通数据对交通状态进行判别，克服了基于单源数据判别交通状态的固有局限性，保证了判别结果的准确性与实际可应用性，并对同一指标根据不同数据源进行加权处理，加强了判别力度，使得判别结果更符合驾驶员感受。

基于相同的技术构思，图2示例性的示出了本发明实施例提供的一种突发事件识别的装置的结构，该装置可以执行突发事件识别的流程。

如图2所示，该装置包括：

获取单元201，用于获取待识别路段的至少一种数据源的交通数据；

处理单元202，用于根据所述至少一种数据源的交通数据，确定所述至少一种数据源的交通拥堵识别指标；根据所述待识别路段的所述至少一种数据源的交通拥堵识别指标以及交通拥堵识别指标的历史数据，确定各交通拥堵识别指标对应的所述待识别路段的突变情况；对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行评估，确定所述待识别路段的评估值；若所述待识别路段的评估值大于第一阈值，则确定所述待识别路段为发生突发事件的路段。

可选的，所述处理单元202具体用于：

针对所述至少一种数据源的任意一种交通拥堵识别指标，获取所述交通拥堵识别指标的当前时刻前预设时间段内的历史数据；

根据所述交通拥堵识别指标的历史数据的均值和方差，确定所述交通拥堵识别指标的历史数据的第一范围阈值；

若所述交通识别指标大于其历史数据的第一范围阈值，则确定所述交通识别指标发生突变；

确定连续n个时间间隔中是否有大于第一数量阈值的时间间隔存在所述交通识别指标发生突变，若是，则确定所述交通拥堵识别指标对应的所述待识别路段的突变情况为疑似有突发事件，否则，确定所述交通识别指标对应的所述待识别路段的突变情况为无突发事件，其中，n为正整数。

可选的，所述处理单元202具体用于：

对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行打分，并根据所述各交通拥堵识别指标的权重确定所述待识别路段的总分数；所述待识别路段的总分数为除路口指标之外的所有交通拥堵识别指标的得分的累加；

将所述待识别路段的总分数确定为所述待识别路段的评估值。

可选的，所述至少一种数据源包括以下数据源之一或任意组合：

微波数据源、电警数据源、线圈数据源、在线地图数据源。

可选的，所述处理单元202还用于：

在所述确定所述待识别路段为发生突发事件的路段之后，若所述待识别路段的路口指标为拥堵，则确定所述待识别路段为交通突发拥堵状态。

基于相同的技术构思，本发明实施例还提供了一种计算设备，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述突发事件识别的方法。

基于相同的技术构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述突发事件识别的方法。

本发明是参照根据本发明实施例的方法、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。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

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

Claims (12)

1.一种突发事件识别的方法，其特征在于，包括：

获取待识别路段的至少一种数据源的交通数据；

根据所述至少一种数据源的交通数据，确定所述至少一种数据源的交通拥堵识别指标；

根据所述待识别路段的所述至少一种数据源的交通拥堵识别指标以及交通拥堵识别指标的历史数据，确定各交通拥堵识别指标对应的所述待识别路段的突变情况；

对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行评估，确定所述待识别路段的评估值；

若所述待识别路段的评估值大于第一阈值，则确定所述待识别路段为发生突发事件的路段。

2.如权利要求1所述的方法，其特征在于，所述根据所述待识别路段的所述至少一种数据源的交通拥堵识别指标以及交通拥堵识别指标的历史数据，确定各交通拥堵识别指标对应的所述待识别路段的突变情况，包括：

针对所述至少一种数据源的任意一种交通拥堵识别指标，获取所述交通拥堵识别指标的当前时刻前预设时间段内的历史数据；

根据所述交通拥堵识别指标的历史数据的均值和方差，确定所述交通拥堵识别指标的历史数据的第一范围阈值；

若所述交通识别指标大于其历史数据的第一范围阈值，则确定所述交通识别指标发生突变；

确定连续n个时间间隔中是否有大于第一数量阈值的时间间隔存在所述交通识别指标发生突变，若是，则确定所述交通拥堵识别指标对应的所述待识别路段的突变情况为疑似有突发事件，否则，确定所述交通识别指标对应的所述待识别路段的突变情况为无突发事件，其中，n为正整数。

3.如权利要求1所述的方法，其特征在于，所述对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行评估，确定所述待识别路段的评估值，包括：

对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行打分，并根据所述各交通拥堵识别指标的权重确定所述待识别路段的总分数；所述待识别路段的总分数为除路口指标之外的所有交通拥堵识别指标的得分的累加；

将所述待识别路段的总分数确定为所述待识别路段的评估值。

4.如权利要求1所述的方法，其特征在于，所述至少一种数据源包括以下数据源之一或任意组合：

微波数据源、电警数据源、线圈数据源、在线地图数据源。

5.如权利要求1至4任一项所述的方法，其特征在于，在所述确定所述待识别路段为发生突发事件的路段之后，还包括：

若所述待识别路段的路口指标为拥堵，则确定所述待识别路段为交通突发拥堵状态。

6.一种突发事件识别的装置，其特征在于，包括：

获取单元，用于获取待识别路段的至少一种数据源的交通数据；

处理单元，用于根据所述至少一种数据源的交通数据，确定所述至少一种数据源的交通拥堵识别指标；根据所述待识别路段的所述至少一种数据源的交通拥堵识别指标以及交通拥堵识别指标的历史数据，确定各交通拥堵识别指标对应的所述待识别路段的突变情况；对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行评估，确定所述待识别路段的评估值；若所述待识别路段的评估值大于第一阈值，则确定所述待识别路段为发生突发事件的路段。

7.如权利要求6所述的装置，其特征在于，所述处理单元具体用于：

针对所述至少一种数据源的任意一种交通拥堵识别指标，获取所述交通拥堵识别指标的当前时刻前预设时间段内的历史数据；

根据所述交通拥堵识别指标的历史数据的均值和方差，确定所述交通拥堵识别指标的历史数据的第一范围阈值；

若所述交通识别指标大于其历史数据的第一范围阈值，则确定所述交通识别指标发生突变；

确定连续n个时间间隔中是否有大于第一数量阈值的时间间隔存在所述交通识别指标发生突变，若是，则确定所述交通拥堵识别指标对应的所述待识别路段的突变情况为疑似有突发事件，否则，确定所述交通识别指标对应的所述待识别路段的突变情况为无突发事件，其中，n为正整数。

8.如权利要求6所述的装置，其特征在于，所述处理单元具体用于：

对所述各交通拥堵识别指标对应的所述待识别路段的突变情况进行打分，并根据所述各交通拥堵识别指标的权重确定所述待识别路段的总分数；所述待识别路段的总分数为除路口指标之外的所有交通拥堵识别指标的得分的累加；

将所述待识别路段的总分数确定为所述待识别路段的评估值。

9.如权利要求6所述的装置，其特征在于，所述至少一种数据源包括以下数据源之一或任意组合：

微波数据源、电警数据源、线圈数据源、在线地图数据源。

10.如权利要求6至9任一项所述的装置，其特征在于，所述处理单元还用于：

在所述确定所述待识别路段为发生突发事件的路段之后，若所述待识别路段的路口指标为拥堵，则确定所述待识别路段为交通突发拥堵状态。

11.一种计算设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至5任一项所述的方法。

12.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至5任一项所述的方法。