交通拥堵预测方法及装置、存储介质制造方法及图纸

一种交通拥堵预测方法、装置及存储介质，一个实施例的方法包括：对获取的输入数据进行嵌入处理，获得嵌入处理后数据，嵌入处理后数据为卷积神经网络可以识别的格式的数据，输入数据包括时间周期标识以及时间段标识；采用卷积神经网络对嵌入处理后数据进行处理，从嵌入处理后数据中提取出数据特征，获得卷积神经网络处理结果；采用循环神经网络对卷积神经网络处理结果进行处理，获得循环神经网络处理结果；对循环神经网络处理结果进行自编码处理，获得自编码处理结果；对自编码处理结果进行全连接处理，获得全连接处理结果；对全连接处理结果进行分类处理，获得交通拥堵预测结果。本实施例方案提高了交通拥堵预测的准确性。

Traffic congestion prediction method and device, storage medium

A traffic congestion prediction method, device and storage medium. The method of one embodiment includes: embedding the acquired input data, obtaining the embedded data, embedding the processed data into data in a format recognized by convolutional neural network, and input data including time period identification and time period identification. The data after embedding are processed by convolution neural network, and the data features are extracted from the data after embedding, and the processing results of convolution neural network are obtained; the processing results of convolution neural network are processed by cyclic neural network, and the processing results of cyclic neural network are obtained; the processing results of cyclic neural network are processed by cyclic neural network. The result of self-coding is obtained by self-coding, the result of self-coding is processed by full connection, and the result of full connection is processed by classification, and the result of traffic congestion prediction is obtained. The scheme of this embodiment improves the accuracy of traffic congestion prediction.

【技术实现步骤摘要】
交通拥堵预测方法及装置、存储介质
本专利技术涉及交通信息
，特别是涉及一种交通拥堵预测方法、一种交通拥堵预测装置、以及一种存储介质。
技术介绍
随着城市汽车保有量的不断增长，而城市交通道路的建设收到诸多限制发展较慢，无法随着汽车保有量的增长而快速发展，因此，交通拥堵已经成为城市交通的一个较为普遍的现象，严重影响了居民的日常出行。对于这种现象，目前出现了很多中对实时的交通流进行分析，分析识别出交通道路中的拥堵路段的方案，以给出行的用户提供参考。然而，虽然这种方式可以使得在出行时可以避免拥堵路段，在一定程度上大大便利了居民的日常出行，然而由于是实时的对交通拥堵进行预测，并不具有一定的前瞻性。据此，对交通拥堵进行预测成为一个较为重要的发展方向。通过对交通拥堵情况进行预测，对交通诱导、最佳路径规划、交通管理与控制具有非常重要的意义。然而，目前的交通拥堵预测的方案，大多数是针对交通流进行预测，无法对具体的某一路段的交通拥堵度进行预测，而且普遍存在的准确率低的问题。
技术实现思路
基于此，本专利技术实施例的目的在于提供一种交通拥堵预测方法、一种交通拥堵预测装置、以及一种存储介质，以提高交通拥堵本文档来自技高网...

【技术保护点】
1.一种交通拥堵预测方法，其特征在于，包括步骤：对获取的输入数据进行嵌入处理，获得嵌入处理后数据，所述嵌入处理后数据为卷积神经网络可以识别的格式的数据，所述输入数据包括时间周期标识以及时间段标识；采用卷积神经网络对所述嵌入处理后数据进行处理，从所述嵌入处理后数据中提取出数据特征，获得卷积神经网络处理结果；采用循环神经网络对所述卷积神经网络处理结果进行处理，获得循环神经网络处理结果；对所述循环神经网络处理结果进行自编码处理，获得自编码处理结果；对所述自编码处理结果进行全连接处理，获得全连接处理结果；对所述全连接处理结果进行分类处理，获得交通拥堵预测结果。

【技术特征摘要】
1.一种交通拥堵预测方法，其特征在于，包括步骤：对获取的输入数据进行嵌入处理，获得嵌入处理后数据，所述嵌入处理后数据为卷积神经网络可以识别的格式的数据，所述输入数据包括时间周期标识以及时间段标识；采用卷积神经网络对所述嵌入处理后数据进行处理，从所述嵌入处理后数据中提取出数据特征，获得卷积神经网络处理结果；采用循环神经网络对所述卷积神经网络处理结果进行处理，获得循环神经网络处理结果；对所述循环神经网络处理结果进行自编码处理，获得自编码处理结果；对所述自编码处理结果进行全连接处理，获得全连接处理结果；对所述全连接处理结果进行分类处理，获得交通拥堵预测结果。2.根据权利要求1所述的交通拥堵预测方法，其特征在于，对获取的输入数据进行嵌入式处理之前，还包括步骤：对获取的输入数据进行归一化处理。3.根据权利要求1所述的交通拥堵预测方法，其特征在于，在获得卷积神经网络处理结果之后，采用循环神经网络对所述卷积神经网络处理结果进行处理之前，还包括步骤：采用第一退出比例对所述卷积神经网络处理结果进行退出处理。4.根据权利要求1所述的交通拥堵预测方法，其特征在于，在获得循环神经网络处理结果之后，对所述循环神经网络处理结果进行自编码处理之前，还包括步骤：采用第二退出比例对所述循环神经网络处理结果进行退出处理。5.根据权利要求1所述的交通拥堵预测方法，其特征在于，卷积神经网络与循环神经网络之间、循环神经网络与自编码处理的网络之间、自编码处理的神经网络与全连接处理的网络之间均为全连接。6.一种交通拥堵预测装置，其特征在于，包括：输入层模块、神经网络层模块以及输出层模块，所述神经网络层模块包括依次连接的卷积神经网络层模块、循环神经网络层模块、自编码隐藏层模块以及全连接层模块；所述输入层模块，获取输入数据，并对所述输入数据进行嵌入处理，获得嵌入处理后数据，所述嵌入处...

【专利技术属性】
技术研发人员：朱佳，
申请(专利权)人：腾讯科技深圳有限公司，华南师范大学，
类型：发明
国别省市：广东,44