本技术涉及智能交通系统，具体而言，涉及一种交通流量的确定方法及装置、非易失性存储介质。
背景技术：
1、在当今社会，随着城市化进程的加速和车辆数量的剧增，有效的车辆定位监控变得尤为关键。物联网(internet of things，iot)技术，凭借其高度互联的设备和先进的数据处理能力，为车辆监控提供了革命性的解决方案，能够实时收集和分析车辆的位置、速度等关键信息，从而优化交通流量管理、提升道路安全和改善驾驶体验。
2、然而，车辆定位监控系统在实际应用中面临着多重挑战。首先，定位精度和实时性不足是一大问题，尤其是在复杂的城市环境中，高楼大厦和密集的城市结构常常导致全球定位系统(global positioning system，gps)信号丢失或干扰，影响定位准确性。其次，交通数据的集成和处理能力有限，导致无法高效处理来自各种资源的海量数据，进而影响交通监控系统的响应速度和决策效率。再次，现有系统在极端天气条件下的表现欠佳，以及缺乏有效的用户参与机制，都限制了车辆监控系统的全面应用。
3、针对这些问题，现有技术(中国发明专利：cn116978229a)主要依赖于传统gps定位技术，并尝试通过增加地面监控点和提升服务器处理能力来改善性能。然而，这些措施在解决定位精度、实时性和数据处理能力方面仍然存在不足。特别是在应对复杂城市环境的定位挑战、实时处理大规模交通数据和适应极端天气变化方面，这些现有技术未能提供根本性的解决策略。
4、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本技术实施例提供了一种交通流量的确定方法及装置、非易失性存储介质，以至少解决由于相关技术对车辆定位的准确性和实时性不足，导致无法精准确定交通流量的实时状况的技术问题。
2、根据本技术实施例的一个方面，提供了一种交通流量的确定方法，包括：获取与车辆相关的原始数据，其中，原始数据包括：车辆的位置数据、从车辆所在道路设置的图像采集设备采集的视频数据、从社交平台获取的道路的路况信息，车辆的位置数据包括：车载终端的全球定位系统上传的第一位置数据和地磁传感器上传的第二位置数据；识别视频数据中的车辆位置，得到第三位置数据；根据不同的预设权重，对第一位置数据、第二位置数据以及第三位置数据进行融合处理，得到定位数据；获取预设三维模型，利用车辆所在道路的视频数据以及定位数据，更新预设三维模型，得到目标三维模型，其中，预设三维模型中包括：车辆以及车辆所在的道路；采用目标三维模型对定位数据进行分析，生成车辆的行驶轨迹，并根据道路的路况信息以及车辆的行驶轨迹，确定道路所在目标区域的交通流量。
3、可选地，获取与车辆相关的原始数据，包括：基于第一预定义接口协议，从车载终端的第一预设接口获取第一位置数据；基于第二预定义接口协议，从车载终端的第二预设接口获取第二位置数据；获取预设关键词，在社交平台中查找发布地点在目标区域以及社交平台内容包括预设关键词的目标社交平台内容，其中，目标区域为道路所在的区域；若目标社交平台内容为文本内容，利用自然语言处理技术识别文本内容中道路的路况信息，若目标社交平台内容中存在与文本内容关联的图片内容和视频内容，利用计算机视觉技术识别图片内容和视频内容中道路的路况信息；在社交平台中查找发布地点在目标区域以及社交平台内容包括预设关键词的目标社交平台内容之后，方法还包括：对车辆的位置数据、视频数据、路况信息进行融合处理；利用机器学习和数据挖掘技术，从融合处理后的数据中识别以下至少之一：交通流量的变化率信息、拥堵模式信息、事故发生地点信息，得到识别结果；将识别结果发送至第一信息发布平台，若识别结果中交通流量的变化率大于第一预设阈值和/或相同地点发生事故的次数大于第二预设阈值，将识别结果发送至第二信息发布平台。
4、可选地，获取与车辆相关的原始数据之后，方法还包括：通过如下方法对原始数据进行预处理：去除原始数据中的无效数据和错误数据，并对原始数据进行归一化处理；根据原始数据的数据来源和数据类型，对归一化后的原始数据进行分类处理，得到分类结果；对原始数据进行预处理之后，对原始数据进行数据分析处理，在分析出车辆的位置数据、视频数据以及路况信息中均包括相同的发生事故的目标地点的情况下，确定目标地点的事故信息，并生成包括事故信息的告警信息，其中，事故信息包括以下至少之一：事故发生位置、事故发生时间；对原始数据进行数据分析处理之后，根据分类结果，确定原始数据的标签信息，基于原始数据的标签信息，将原始数据存储于统一数据处理平台。
5、可选地，识别视频数据中的车辆位置，得到第三位置数据，包括：在视频数据中获取包括车辆的第一图像，在第一图像的亮度小于第一预设亮度和/或第一图像的对比度小于第一预设对比度的情况下，对第一图像进行图像增强处理，得到目标图像；通过图像识别模型，识别目标图像中的车辆位置，得到第三位置数据。
6、可选地，根据不同的预设权重，对第一位置数据、第二位置数据以及第三位置数据进行融合处理，得到定位数据，包括：分别将第一位置数据、第二位置数据以及第三位置数据转化为向量形式，得到第一位置数据对应的第一向量、第二位置数据对应的第二向量以及第三位置数据对应的第三向量；在第一位置数据中存在缺失数据的情况下，将第二向量确定为系统状态向量，将第一向量以及第三向量确定为观测向量，根据不同的预设权重，对系统状态向量和观测向量进行卡尔曼滤波处理，得到定位数据；在第二位置数据中存在缺失数据的情况下，将第一向量确定为系统状态向量，将第二向量以及第三向量确定为观测向量，根据不同的预设权重，对系统状态向量和观测向量进行卡尔曼滤波处理，得到定位数据；在第三位置数据中存在缺失数据的情况下，将第一向量确定为系统状态向量，将第二向量以及第三向量确定为观测向量，根据不同的预设权重，对系统状态向量和观测向量进行卡尔曼滤波处理，得到定位数据。
7、可选地，利用车辆所在道路的视频数据以及定位数据，更新预设三维模型，得到目标三维模型，包括：将定位数据整合至预设三维模型，得到第一三维模型；对视频数据的视频帧中的内容进行特征提取，得到第一目标特征，其中，第一目标特征包括以下至少之一：车辆位置、车辆速度、车辆行驶方向、行人位置、道路标志、交通信号；利用深度学习网络确定第一目标特征相较于第一三维模型中的特征是否发生变化，在确定第一目标特征相较于第一三维模型中的特征发生变化的情况下，将变化内容在第一三维模型中更新，得到目标三维模型。
8、可选地，根据不同的预设权重，对第一位置数据、第二位置数据以及第三位置数据进行融合处理，得到定位数据，包括：获取天气数据，对天气数据进行特征提取，得到第二目标特征，其中，第二目标特征包括以下至少之一：光照时间、温度、湿度、降雨量、风速；根据第二目标特征，确定天气数据与车辆的定位精确度指标之间的关联关系；根据关联关系，调整第一位置数据、第二位置数据以及视频数据在融合过程中不同的预设权重，并根据调整后的权重，对第一位置数据、第二位置数据以及车辆所在的道路的视频数据进行融合处理，得到定位数据。
9、可选地，根据关联关系，调整第一位置数据、第二位置数据以及视频数据在融合过程中不同的预设权重，包括：在关联关系指示降雨量与定位精确度指标呈负相关的情况下，降低视频数据在融合过程中的权重，增加第一位置数据、第二位置数据在融合过程中的权重；在关联关系指示风速与定位精确度指标呈负相关的情况下，降低第二位置数据在融合过程中的权重，增加第一位置数据、第三位置数据在融合过程中的权重；在关联关系指示温度与定位精确度指标呈负相关的情况下，降低第一位置数据在融合过程中的权重，增加第二位置数据、第三位置数据在融合过程中的权重。
10、可选地，根据第二目标特征，确定天气数据与车辆的定位精确度指标之间的关联关系之后，方法还包括：根据关联关系，向图像采集设备所在的物联网系统发送第一指令，以调整图像采集设备的曝光时间。
11、可选地，采用目标三维模型对定位数据进行分析，生成车辆的行驶轨迹之后，方法还包括：将车辆的行驶轨迹输入机器学习模型，得到机器学习模型的输出结果，其中，输出结果至少包括：车辆的速度、道路的拥堵指标以及道路的拥堵位置；将道路的拥堵位置发送至信息发布平台，根据车辆的速度以及道路的拥堵指标，向用于控制交通信号灯的控制平台发送第二指令，以对交通信号灯进行控制；根据输出结果，生成交通管理优化建议报告，其中，交通管理优化建议报告中包括以下至少之一：公交线路优化建议、道路建设优化建议、交通信号灯控制时序优化建议、速度大于预设速度的车辆的信息、事故发生数量大于预设数量的道路的信息。
12、可选地，根据道路的路况信息以及车辆的行驶轨迹，确定道路所在目标区域的交通流量，包括：将车辆的行驶轨迹数据以及道路的路况信息输入时间序列分析模型，得到时间序列分析模型输出的目标区域的交通流量信息以及道路拥堵信息，其中，车辆的行驶轨迹数据包括以下至少之一：位置、速度以及行驶方向，道路的路况信息包括以下至少之一：交通拥堵信息、事故信息以及道路封闭信息，时间序列分析模型为利用历史行驶轨迹数据以及历史路况信息训练所得到的；根据目标区域的交通流量信息以及道路拥堵信息，生成交通信号灯控制策略和车流疏导策略，其中，交通信号灯控制策略至少包括：调整信号灯的运行时长以及改变信号灯的运行模式。
13、根据本技术实施例的再一方面，还提供了一种车辆定位装置，包括：获取模块，用于获取与车辆相关的原始数据，其中，原始数据包括：车辆的位置数据、从车辆所在道路设置的图像采集设备采集的视频数据、从社交平台获取的道路的路况信息，车辆的位置数据包括：车载终端的全球定位系统上传的第一位置数据和地磁传感器上传的第二位置数据；识别模块，用于识别视频数据中的车辆位置，得到第三位置数据；融合模块，用于根据不同的预设权重，对第一位置数据、第二位置数据以及第三位置数据进行融合处理，得到定位数据；更新模块，用于获取预设三维模型，利用车辆所在道路的视频数据以及定位数据，更新预设三维模型，得到目标三维模型，其中，预设三维模型中包括：车辆以及车辆所在的道路；确定模块，用于采用目标三维模型对定位数据进行分析，生成车辆的行驶轨迹，并根据道路的路况信息以及车辆的行驶轨迹，确定道路所在目标区域的交通流量。
14、根据本技术实施例的再一方面，还提供了一种非易失性存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的交通流量的确定方法。
15、根据本技术实施例的再一方面，还提供了一种电子设备，包括：存储器和处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的交通流量的确定方法。
16、根据本技术实施例的再一方面，还提供了一种计算机程序，其中，所述计算机程序被处理器执行时实现以上的交通流量的确定方法。
17、根据本技术实施例的再一方面，还提供了一种计算机程序产品，计算机程序产品包括非易失性计算机可读存储介质，其中，非易失性计算机可读存储介质存储计算机程序，计算机程序被处理器执行时实现以上的交通流量的确定方法。
18、在本技术实施例中，采用获取与车辆相关的原始数据，其中，原始数据包括：车辆的位置数据、从车辆所在道路设置的图像采集设备采集的视频数据、从社交平台获取的道路的路况信息，车辆的位置数据包括：车载终端的全球定位系统上传的第一位置数据和地磁传感器上传的第二位置数据；识别视频数据中的车辆位置，得到第三位置数据；根据不同的预设权重，对第一位置数据、第二位置数据以及第三位置数据进行融合处理，得到定位数据；获取预设三维模型，利用车辆所在道路的视频数据以及定位数据，更新预设三维模型，得到目标三维模型，其中，预设三维模型中包括：车辆以及车辆所在的道路；采用目标三维模型对定位数据进行分析，生成车辆的行驶轨迹，并根据道路的路况信息以及车辆的行驶轨迹，确定道路所在目标区域的交通流量的方式，达到了提升对车辆定位的准确性和实时性的目的，从而实现了精准确定交通流量的实时状况的技术效果，进而解决了由于相关技术对车辆定位的准确性和实时性不足，导致无法精准确定交通流量的实时状况的技术问题。
1.一种交通流量的确定方法，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，
3.根据权利要求1至2中任意一项所述的方法，其特征在于，获取与车辆相关的原始数据之后，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，识别所述视频数据中的车辆位置，得到第三位置数据，包括：
5.根据权利要求1所述的方法，其特征在于，根据不同的预设权重，对所述第一位置数据、所述第二位置数据以及所述第三位置数据进行融合处理，得到定位数据，包括：
6.根据权利要求1所述的方法，其特征在于，利用所述车辆所在道路的视频数据以及所述定位数据，更新所述预设三维模型，得到目标三维模型，包括：
7.根据权利要求1所述的方法，其特征在于，根据不同的预设权重，对所述第一位置数据、所述第二位置数据以及所述第三位置数据进行融合处理，得到定位数据，包括：
8.根据权利要求7所述的方法，其特征在于，根据所述关联关系，调整所述第一位置数据、所述第二位置数据以及所述视频数据在融合过程中不同的预设权重，包括：
9.根据权利要求7所述的方法，其特征在于，根据所述第二目标特征，确定所述天气数据与所述车辆的定位精确度指标之间的关联关系之后，所述方法还包括：
10.根据权利要求1所述的方法，其特征在于，采用所述目标三维模型对所述定位数据进行分析，生成所述车辆的行驶轨迹之后，所述方法还包括：
11.根据权利要求1所述的方法，其特征在于，根据所述道路的路况信息以及所述车辆的行驶轨迹，确定所述道路所在目标区域的交通流量，包括：
12.一种交通流量的确定装置，其特征在于，包括：
13.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至11中任意一项所述的交通流量的确定方法。
14.一种电子设备，其特征在于，包括：存储器和处理器，所述处理器用于运行存储在所述存储器中的程序，其中，所述程序运行时执行权利要求1至11中任意一项所述的交通流量的确定方法。
15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任意一项所述的交通流量的确定方法。
