一种交通通行时间的预测方法、存储介质和服务器技术

本发明专利技术涉及计算机技术领域，提出一种交通通行时间的预测方法、存储介质和服务器。该交通通行时间的预测方法包括：获取由地图服务商提供的各个路段于各个时间点的交通拥堵系数，所述交通拥堵系数为用于表示交通拥堵程度的量化参数；获取由交警数据中心提供的交通监测数据，所述交通监测数据包括各个路段于当前时间及之前的各个时间点的交通通行时间和车流量；根据所述交通拥堵系数和所述交通监测数据计算得到各个路段的预测交通通行时间。本发明专利技术结合交警数据中心提供的交通监测数据以及地图服务商提供的交通拥堵系数，计算得到各个路段的预测交通通行时间，能够有效提高交通通行时间预测的准确性。

A Traffic Time Prediction Method, Storage Medium and Server

The invention relates to the field of computer technology, and proposes a traffic time prediction method, a storage medium and a server. The traffic congestion prediction method includes: obtaining the traffic congestion coefficient of each section at each time point provided by the map service provider, the traffic congestion coefficient is a quantitative parameter for expressing the degree of traffic congestion; obtaining the traffic monitoring data provided by the traffic police data center, and the traffic monitoring data includes the current time and the previous time points of each section. According to the traffic congestion coefficient and the traffic monitoring data, the predicted traffic time of each section can be calculated. The method combines traffic monitoring data provided by traffic police data center and traffic congestion coefficient provided by map service provider, calculates the predicted traffic travel time of each section, and can effectively improve the accuracy of traffic travel time prediction.

【技术实现步骤摘要】
一种交通通行时间的预测方法、存储介质和服务器
本专利技术涉及计算机
，尤其涉及一种交通通行时间的预测方法、存储介质和服务器。
技术介绍
交通通行时间的预测对于人们的外出具有重要的指导作用，比如，人们可以根据预测的数据避开拥堵的时间点或拥堵路段，从而提高出行的效率。目前，人们一般使用百度地图、高德地图等导航产品辅助出行，通过这些导航产品提供的各个路段的预测通行时间等数据，选择合适的时间点和路线出行。然而，由于这些导航产品采用基于APP的人群方式获取数据，也即获取的数据主要来自于道路内各个APP用户的上报，但实际上道路中某些车辆的人员并不是该APP的用户，这会导致预测的车辆通行时间等数据不准确。
技术实现思路
有鉴于此，本专利技术实施例提供了一种交通通行时间的预测方法、存储介质和服务器，能够有效提高交通通行时间预测的准确性。本专利技术实施例的第一方面，提供了一种交通通行时间的预测方法，包括：获取由地图服务商提供的各个路段于各个时间点的交通拥堵系数，所述交通拥堵系数为用于表示交通拥堵程度的量化参数；获取由交警数据中心提供的交通监测数据，所述交通监测数据包括各个路段于当前时间及之前的各个时间点的交通通行时间和车流量；根据所述交通拥堵系数和所述交通监测数据计算得到各个路段的预测交通通行时间。本专利技术实施例的第二方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如本专利技术实施例的第一方面提出的交通通行时间的预测方法的步骤。本专利技术实施例的第三方面，提供了一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：获取由地图服务商提供的各个路段于各个时间点的交通拥堵系数，所述交通拥堵系数为用于表示交通拥堵程度的量化参数；获取由交警数据中心提供的交通监测数据，所述交通监测数据包括各个路段于当前时间及之前的各个时间点的交通通行时间和车流量；根据所述交通拥堵系数和所述交通监测数据计算得到各个路段的预测交通通行时间。本专利技术提出一种交通通行时间的预测方法，包括：获取由地图服务商提供的各个路段于各个时间点的交通拥堵系数，所述交通拥堵系数为用于表示交通拥堵程度的量化参数；获取由交警数据中心提供的交通监测数据，所述交通监测数据包括各个路段于当前时间及之前的各个时间点的交通通行时间和车流量；根据所述交通拥堵系数和所述交通监测数据计算得到各个路段的预测交通通行时间。本专利技术结合交警数据中心提供的交通监测数据以及地图服务商提供的交通拥堵系数，计算得到各个路段的预测交通通行时间。由于从交警数据中心获取到的交通通行时间和车流量等交通监测数据的准确性较高，而从地图服务商获取到的交通拥堵系数的准确性也较高，故采用本方法能够有效提高交通通行时间预测的准确性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种交通通行时间的预测方法的第一个实施例的流程图；图2是本专利技术实施例提供的一种交通通行时间的预测方法的第二个实施例的流程图；图3是本专利技术实施例提供的一种交通通行时间的预测装置的一个实施例的结构图；图4是本专利技术实施例提供的一种服务器的示意图。具体实施方式本专利技术实施例提供了一种交通通行时间的预测方法、存储介质和服务器，能够有效提高交通通行时间预测的准确性。为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。请参阅图1，本专利技术实施例中一种交通通行时间的预测方法的第一个实施例包括：101、获取由地图服务商提供的各个路段于各个时间点的交通拥堵系数，所述交通拥堵系数为用于表示交通拥堵程度的量化参数；现有的地图服务商能够向外提供地图和交通方面的数据服务，可以设置一个服务器连接地图服务商的API接口，从而获取各个路段于各个时间点(包含历史、当前和将来)的交通拥堵系数等数据。所述交通拥堵系数为用于表示交通拥堵程度的量化参数，比如0-通畅、1-轻微拥堵、2-中度拥堵、3-严重拥堵，而且每个数据均包含对应的路段和时间点，比如“A路段，10:00，1(轻微拥堵)”。进一步的，由于需要采集多个路段、多个时间点的交通拥堵系数，数据量巨大，为了缓解单个服务器的数据采集压力，可以设置一个主服务器和多个从服务器，配合完成数据采集工作。具体的，可以预先封装好采集地图数据相关的功能代码到docker容器中；然后将该docker容器部署到每个从服务器中，并且设置定时任务抓取数据，不同的从服务器可以分别负责不同路段，或者不同时间点的数据采集，以减轻主服务器的数据采集压力；最后，各个从服务器将采集到的数据发送至主服务器进行汇总与存储。102、获取由交警数据中心提供的交通监测数据，所述交通监测数据包括各个路段于当前时间及之前的各个时间点的交通通行时间和车流量；交警大队的数据中心汇集从各个交通卡口实时采集的交通监测数据，所述交通监测数据包括各个路段于当前时间之前的各个时间点(包含历史和当前)的交通通行时间(即车辆通行时间)和车流量。交警会在各个重要路段的卡口设置视频监控系统，对道路的车流情况进行实时监测与数据采集，能够采集到准确性高的实时数据。服务器通过连接交警数据中心的数据接口，获取这些交通监测数据。具体的，交通监测数据可以表示为“A路段，10:00，30分钟(交通通行时间)，5000(车流量)”。103、根据所述交通拥堵系数和所述交通监测数据计算得到各个路段的预测交通通行时间。在采集到地图服务商提供的交通拥堵系数和交警数据中心提供的交通监测数据之后，结合这两部分数据，采用预先设定的计算方式计算得到各个路段的预测交通通行时间。具体的，可以根据两部分数据包含的路段和时间点等信息构建两部分数据的对应关系，比如“A路段，10:00，1(轻微拥堵)”和“A路段，10:00，30分钟(车辆通行时间)，5000(车流量)”对应，通过整理可以得到数据“A路段，10:00，1(轻微拥堵)，30分钟(车辆通行时间)，5000(车流量)”。然后，将整理后的数据输入预先构建好的计算模型，得到各个路段的预测交通通行时间。本专利技术提出一种交通通行时间的预测方法，包括：获取由地图服务商提供的各个路段于各个时间点的交通拥堵系数，所述交通拥堵系数为用于表示交通拥堵程度的量化参数；获取由交警数据中心提供的交通监测数据，所述交通监测数据包括各个路段于当前时间及之前的各个时间点的交通通行时间和车流量；根据所述交通拥堵系数和所述交通监测数据计算得到各个路段的预测交通通行时间。本专利技术结合交警数据中心提供的交通监测数据以及地图服务商提供的交通拥堵系数，计算得到各个路段的预测交通通行时间。由于从交警数据中心获取本文档来自技高网...

【技术保护点】
1.一种交通通行时间的预测方法，其特征在于，包括：获取由地图服务商提供的各个路段于各个时间点的交通拥堵系数，所述交通拥堵系数为用于表示交通拥堵程度的量化参数；获取由交警数据中心提供的交通监测数据，所述交通监测数据包括各个路段于当前时间及之前的各个时间点的交通通行时间和车流量；根据所述交通拥堵系数和所述交通监测数据计算得到各个路段的预测交通通行时间。

【技术特征摘要】
1.一种交通通行时间的预测方法，其特征在于，包括：获取由地图服务商提供的各个路段于各个时间点的交通拥堵系数，所述交通拥堵系数为用于表示交通拥堵程度的量化参数；获取由交警数据中心提供的交通监测数据，所述交通监测数据包括各个路段于当前时间及之前的各个时间点的交通通行时间和车流量；根据所述交通拥堵系数和所述交通监测数据计算得到各个路段的预测交通通行时间。2.根据权利要求1所述的预测方法，其特征在于，所述根据所述交通拥堵系数和所述交通监测数据计算得到各个路段的预测交通通行时间包括：以所述交通拥堵系数和所述交通监测数据作为训练集，构建LSTM神经网络模型；将各个路段当前的交通通行时间和历史的交通通行时间，当前的车流量和历史的车流量，当前的交通拥堵系数、历史的交通拥堵系数和将来的交通拥堵系数输入所述LSTM神经网络模型，计算得到各个路段的预测交通通行时间。3.根据权利要求2所述的预测方法，其特征在于，还包括：以所述交通拥堵系数和所述交通监测数据作为训练集，构建ARIMA时间序列模型；将各个路段当前的交通通行时间和历史的交通通行时间，当前的车流量和历史的车流量，当前的交通拥堵系数、历史的交通拥堵系数和将来的交通拥堵系数输入所述ARIMA时间序列模型，计算得到各个路段的预测交通通行时间；求取所述LSTM神经网络模型计算得到的预测交通通行时间和所述ARIMA时间序列模型计算得到的预测交通通行时间的平均值，并将所述平均值作为各个路段的预测交通通行时间。4.根据权利要求2或3所述的预测方法，其特征在于，所述以所述交通拥堵系数和所述交通监测数据作为训练集，构建LSTM神经网络模型包括：每隔预设时长以当前时间点获取到的所述交通拥堵系数和所述交通监测数据作为训练集构建一个LSTM神经网络模型，得到多个LSTM神经网络模型；所述将各个路段当前的交通通行时间和历史的交通通行时间，当前的车流量和历史的车流量，当前的交通拥堵系数、历史的交通拥堵系数和将来的交通拥堵系数输入所述LSTM神经网络模型，计算得到各个路段的预测交通通行时间包括：将各个路段当前的交通通行时间和历史的交通通行时间，当前的车流量和历史的车流量，当前的交通拥堵系数、历史的交通拥堵系数和将来的交通拥堵系数分别输入每个所述LSTM神经网络模型，得到每个所述LSTM神经网络模型输出的预测交通通行时间；根据每个所述LSTM神经网络模型输出的预测交通通行时间计算得到各个路段的预测交通通行时间。5.根据权利要求4所述的预测方法，其特征在于，所述根据每个所述LSTM神经网络模型输出的预测交通通行时间计算得到各个路段的预测交通通行时间包括：采用公式计算得到各个路段的预测交通通行时间；其中，t为将来的一个时间点，Scoret为t时间点的预测交通通行时间，scoreit为第i个LSTM神经网络模型输出的t时间点的预测交通通行时间，t0为当前...

【专利技术属性】
技术研发人员：吴壮伟，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44