本技术涉及智慧交通，尤其涉及一种交通拥堵预警方法、装置、设备、介质及程序产品。
背景技术：
1、随着城市化进程的不断推进，城市人口和机动车数量迅速增加，交通拥堵问题日益严重。交通拥堵不仅导致通行效率降低、出行时间增加，还带来了能源浪费、环境污染和交通事故等一系列问题。如何有效地缓解交通拥堵，已经成为建设智慧交通所亟待解决的重要课题。
2、相关技术中，较为常用的拥堵预测方式主要采用机器学习的方法，通过提取和交通运行相关的特征变量，并通过大量的历史数据训练得到相应的神经网络模型，一方面特征变量的识别和获取较难，且模型训练需要大量历史数据和训练时间，导致模型训练过程复杂，另一方面神经网络的可解释性较差，导致拥堵预测的准确率通常无法保障。
技术实现思路
1、本技术提供一种交通拥堵预警方法、装置、设备、介质及程序产品，以至少解决上述技术问题之一。
2、根据本技术的第一方面，提供一种交通拥堵预警方法，包括：
3、获取根据预置通行流量算法模型确定的至少一个拥堵指标的指标标准值；其中，所述拥堵指标用于指示路段的交通拥堵程度，所述通行流量算法模型是基于卡口数据和路况数据构建得到；
4、根据所述拥堵指标，对所述路段的当前交通信息中关于各个拥堵指标的当前数值与对应的指标标准值进行比对分析，生成用于指示交通拥堵的预警信息。
5、在一种实施方式中，所述拥堵指标包括如下至少之一：流量、速度、路况、速度斜率和流量斜率；所述方法还包括：
6、根据预设时间段内的历史卡口数据和历史路况数据，确定历史单位时间内的流量数据、平均车速数据以及路况运行数据；
7、根据所述单位时间内的所述流量数据和所述平均车速数据，构建用于确定流量、速度、速度斜率和流量指标中任意指标之一的所述通行流量算法模型；以及，根据所述路况运行数据，确定用于描述畅通程度的运行状况等级；
8、所述获取根据预置通行流量算法模型确定的至少一个拥堵指标的指标标准值，包括：
9、获取根据所述预置通行流量算法模型确定的流量、速度、速度斜率和流量斜率中任意指标之一的指标标准值，以及根据所述运行状况等级确定的路况指标的指标标准值。
10、在一种实施方式中，所述根据所述单位时间内的所述流量数据和所述平均车速数据，构建用于确定流量、速度、速度斜率和流量指标中任意指标之一的所述通行流量算法模型，包括：
11、构建初始通行流量算法模型，所述初始算法模型包括格林希尔兹模型；
12、将所述单位时间内的平均车速数据作为横轴数据，并将所述单位时间内的流量数据作为纵轴数据，拟合确定所述格林希尔兹模型中的曲线常数项，以得到所述通行流量算法模型。
13、在一种实施方式中，所述方法还包括：
14、根据预设时间窗口，对所述历史卡口数据和所述历史路况数据进行滑窗处理，得到经过滑窗处理后的历史卡口数据和历史路况数据；
15、所述根据预设时间段内的历史卡口数据和历史路况数据，确定历史单位时间内的流量数据、平均车速数据以及路况运行数据，包括：
16、根据经过滑窗处理后的历史卡口数据和历史路况数据，确定历史单位时间内的流量数据、平均车速数据以及路况运行数据。
17、在一种实施方式中，所述拥堵指标的指标标准值包括如下中的至少之一：速度指标的指标标准值包括用于指示最小速度值的速度临界值和用于指示最大速度值的速度预警值、流量指标的指标标准值包括用于指示最小流量的流量预警值、路况指标的指标标准值包括用于指示路况进入拥堵状态的等级预警值、速度斜率指标的指标标准值包括用于指示速度斜率为负的第一斜率预警值，以及流量斜率指标的指标标准值包括用于指示流量斜率为正的第二斜率预警值。
18、在一种实施方式中，所述对所述当前交通信息中关于各个拥堵指标的当前数值与对应的指标标准值进行比对分析，包括如下至少之一：
19、若当前交通信息关于速度指标的当前速度值达到所述速度临界值，且小于所述速度预警值，则确定当前交通信息未达到所述速度指标的指标标准值；
20、若当前交通信息关于流量指标的当前流量达到所述流量预警值，则确定当前交通信息未达到所述流量指标的指标标准值；
21、若当前交通信息关于路况指标的当前路况等级达到所述等级预警值，则确定当前交通信息未达到所述路况指标的指标标准值；
22、若当前交通信息关于速度斜率指标的当前速度斜率达到所述第一斜率预警阈值，则确定当前交通信息未达到所述速度斜率指标的指标标准值；
23、若当前交通信息关于流量斜率指标的当前流量斜率达到所述第二斜率预警阈值，则确定当前交通信息未达到所述流量斜率指标的指标标准值。
24、在一种实施方式中，所述当前交通信息包括从当前时刻向前推移第一预设时间间隔的时间推移时刻之间的交通信息；
25、所述生成用于指示交通拥堵的预警信息，包括：
26、若各个拥堵指标的当前数值未达到对应的指标标准值，且未达到对应的指标标准值在第二预设时间间隔内达到预设数量次，则生成用于指示交通拥堵的预警信息，其中，所述第二预设时间间隔小于所述第一预设时间间隔。
27、在一种实施方式中，所述方法还包括：
28、将所述预警信息发送至前方路段为所述路段的车辆，和/或交通管理平台，使得所述车辆和/或所述交通管理平台根据所述预警信息执行相关交通决策。
29、第二方面，本技术还提供一种交通拥堵预警装置，包括：
30、指标获取模块，其设置为获取根据预置通行流量算法模型确定的至少一个拥堵指标的指标标准值；其中，所述拥堵指标用于指示路段的交通拥堵程度，所述通行流量算法模型是基于卡口数据和路况数据构建得到；
31、预警生成模块，其设置为根据所述拥堵指标，对所述路段的当前交通信息中关于各个拥堵指标的当前数值与对应的指标标准值进行比对分析，生成用于指示交通拥堵的预警信息。
32、在一种实施方式中，所述拥堵指标包括如下至少之一：流量、速度、路况、速度斜率和流量斜率；所述装置还包括：
33、数据获取模块，根据预设时间段内的历史卡口数据和历史路况数据，确定历史单位时间内的流量数据、平均车速数据以及路况运行数据；
34、模型构建模块，其设置为根据所述单位时间内的所述流量数据和所述平均车速数据，构建用于确定流量、速度、速度斜率和流量指标中任意指标之一的所述通行流量算法模型；以及，根据所述路况运行数据，确定用于描述畅通程度的运行状况等级；
35、所述指标获取模块，具体设置为获取根据所述预置通行流量算法模型确定的流量、速度、速度斜率和流量斜率中任意指标之一的指标标准值，以及根据所述运行状况等级确定的路况指标的指标标准值。
36、在一种实施方式中，所述模型构建模块，包括：
37、初始模型构建单元，其设置为构建初始通行流量算法模型，所述初始算法模型包括格林希尔兹模型；
38、拟合确定单元，其设置为将所述单位时间内的平均车速数据作为横轴数据，并将所述单位时间内的流量数据作为纵轴数据，拟合确定所述格林希尔兹模型中的曲线常数项，以得到所述通行流量算法模型。
39、在一种实施方式中，所述装置还包括：
40、滑窗处理模块，其设置为根据预设时间窗口，对所述历史卡口数据和所述历史路况数据进行滑窗处理，得到经过滑窗处理后的历史卡口数据和历史路况数据；
41、所述数据获取模块，具体设置为根据经过滑窗处理后的历史卡口数据和历史路况数据，确定历史单位时间内的流量数据、平均车速数据以及路况运行数据。
42、在一种实施方式中，所述拥堵指标的指标标准值包括如下中的至少之一：速度指标的指标标准值包括用于指示最小速度值的速度临界值和用于指示最大速度值的速度预警值、流量指标的指标标准值包括用于指示最小流量的流量预警值、路况指标的指标标准值包括用于指示路况进入拥堵状态的等级预警值、速度斜率指标的指标标准值包括用于指示速度斜率为负的第一斜率预警值，以及流量斜率指标的指标标准值包括用于指示流量斜率为正的第二斜率预警值。
43、在一种实施方式中，所述预警生成模块，包括如下分析单元至少之一：
44、第一分析单元，其设置为在当前交通信息关于速度指标的当前速度值达到所述速度临界值，且小于所述速度预警值时，确定当前交通信息未达到所述速度指标的指标标准值；
45、第二分析单元，其设置为在当前交通信息关于流量指标的当前流量达到所述流量预警值时，确定当前交通信息未达到所述流量指标的指标标准值；
46、第三分析单元，其设置为在当前交通信息关于路况指标的当前路况等级达到所述等级预警值时，确定当前交通信息未达到所述路况指标的指标标准值；
47、第四分析单元，其设置为在当前交通信息关于速度斜率指标的当前速度斜率达到所述第一斜率预警阈值时，确定当前交通信息未达到所述速度斜率指标的指标标准值；
48、第五分析单元，其设置为在当前交通信息关于流量斜率指标的当前流量斜率达到所述第二斜率预警阈值时，确定当前交通信息未达到所述流量斜率指标的指标标准值。
49、在一种实施方式中，所述当前交通信息包括从当前时刻向前推移第一预设时间间隔的时间推移时刻之间的交通信息；所述预警生成模块，包括：
50、信息生成单元，其设置为在各个拥堵指标的当前数值未达到对应的指标标准值，且未达到对应的指标标准值在第二预设时间间隔内达到预设数量次时，生成用于指示交通拥堵的预警信息，其中，所述第二预设时间间隔小于所述第一预设时间间隔。
51、在一种实施方式中，所述装置还包括：
52、发送模块，其设置为将所述预警信息发送至前方路段为所述路段的车辆，和/或交通管理平台，使得所述车辆和/或所述交通管理平台根据所述预警信息执行相关交通决策。
53、第三方面，本技术还提供一种电子设备，所述电子设备包括：存储器和处理器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，使得所述电子设备执行上述第一方面任一项提供的交通拥堵预警方法。
54、第四方面，本技术还提供一种计算机可读存储介质存储，所述计算机可读存储介质存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述第一方面任一项提供的交通拥堵预警装置方法。
55、第五方面，本技术还提供一种计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现如上述第一方面任一项提供的交通拥堵预警方法。
56、本技术提供的交通拥堵预警方法、装置、设备、介质及程序产品，替代相关技术通过大量历史交通数据进行特征提取并构建神经网络模型，利用训练好的神经网络模型对实时交通流数据进行拥堵预测，本技术从交通流理论出发，利用由卡口数据和路况数据构建得到的交通流算法模型，通过获取该模型预确定道路段拥堵的指标标准值的方式，对路段交通进行比对分析，无需大量数据样本进行训练，且能够实现对拥堵路段的高效识别和预警。并且，通过交通流理论的算法可解释性更强，能够符合大众认知的解释拥堵前速度和流量(或其它指标)的变化规律，通过该规律来实现拥堵预警，准确性也更高。
1.一种交通拥堵预警方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述拥堵指标包括如下至少之一：流量、速度、路况、速度斜率和流量斜率；所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述单位时间内的所述流量数据和所述平均车速数据，构建用于确定流量、速度、速度斜率和流量指标中任意指标之一的所述通行流量算法模型，包括：
4.根据权利要求2或3所述的方法，其特征在于，还包括：
5.根据权利要求1-4任一项所述的方法，其特征在于，所述拥堵指标的指标标准值包括如下中的至少之一：速度指标的指标标准值包括用于指示最小速度值的速度临界值和用于指示最大速度值的速度预警值、流量指标的指标标准值包括用于指示最小流量的流量预警值、路况指标的指标标准值包括用于指示路况进入拥堵状态的等级预警值、速度斜率指标的指标标准值包括用于指示速度斜率为负的第一斜率预警值，以及流量斜率指标的指标标准值包括用于指示流量斜率为正的第二斜率预警值。
6.根据权利要求5所述的方法，其特征在于，所述对所述当前交通信息中关于各个拥堵指标的当前数值与对应的指标标准值进行比对分析，包括如下至少之一：
7.根据权利要求1-4任一项所述的方法，其特征在于，所述当前交通信息包括从当前时刻向前推移第一预设时间间隔的时间推移时刻之间的交通信息；
8.根据权利要求1-4任一项所述的方法，其特征在于，还包括：
9.一种交通拥堵预警装置，其特征在于，包括：
10.一种电子设备/计算机可读存储介质/计算机程序产品，其特征在于，所述电子设备包括：存储器和处理器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，使得所述电子设备执行权利要求1至8中任一项所述的交通拥堵预警方法；和/或
