一种路况预测模型的建立方法及装置制造方法及图纸

本申请提供一种路况预测模型的建立方法及装置，涉及城市道路交通技术领域，可以实现更加准确的路况预测。该方法包括：确定待预测路链在第一预设时间段内的不同时间点分别对应的特征数据向量，所述特征数据向量用于反映所述待预测路链的特征；从预设交通流信息库中确定所述特征数据向量对应的真实路况值；根据所述特征数据向量以及所述真实路况值建立路况预测模型，所述路况预测模型用于确定所述待预测路链的路况。

A Method and Device for Establishing Road Prediction Model

【技术实现步骤摘要】
一种路况预测模型的建立方法及装置
本申请涉及城市道路交通
，尤其涉及一种路况预测模型的建立方法及装置。
技术介绍
随着车辆的不断增多，城市道路越来越拥堵，造成很多不便，因此实现路况预测是现代智能交通的重要任务，准确的路况预测不仅可以为城市交通管理者提供治理拥堵的决策依据，还可以为人们出行提供线路规划及导航。现有技术的路况预测是采用基于交通模式的路况预测模型，交通模式是指按照时间属性对路况进行聚类，根据时间属性去查找所属的类簇，然后映射出对应的交通模式。然而，一方面，由于引起路况变化的因素有很多，基于交通模式的路况预测模型对影响因素的考虑不够全面。另一方面，现有技术需要将属于同一类簇的路况属性进行均值化，使数据不能够很好的表现个体差异性，导致最终在进行路况预测时不能很好的反应真实情况。
技术实现思路
本申请提供一种路况预测模型的建立方法及装置，可以实现更加准确的路况预测。为达到上述目的，本申请采用如下技术方案：第一方面，本申请提供一种路况预测模型的建立方法，该方法包括：确定待预测路链在第一预设时间段内的不同时间点分别对应的特征数据向量，所述特征数据向量用于反映所述待预测路链的特征；从预设交通流信息库中确定所述特征数据向量对应的真实路况值；根据所述特征数据向量以及所述真实路况值建立路况预测模型，所述路况预测模型用于确定所述待预测路链的路况。第二方面，本申请提供一种路况预测模型的建立装置，该装置包括确定单元，用于确定待预测路链在第一预设时间段内的不同时间点分别对应的特征数据向量，所述特征数据向量用于反映所述待预测路链的特征；所述确定单元，还用于从预设交通流信息库中确定所述特征数据向量对应的真实路况值；建立单元，用于根据所述特征数据向量以及所述真实路况值建立路况预测模型，所述路况预测模型用于确定所述待预测路链的路况。第三方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行该指令时，该计算机执行上述第一方面及其各种可选的实现方式中任意之一所述的方法。第四方面，本申请提供一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行上述第一方面及其各种可选的实现方式中任意之一所述的方法。第五方面，提供一种路况预测模型的建立装置，包括：处理器、和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行计算机程序或指令，以执行上述第一方面所述的方法。本申请提供了一种路况预测模型的建立方法及装置，通过确定反映待预测路链特征的特征数据向量，进一步根据预设交通流信息库确定该特征数据向量对应的真实路况值，最后根据该特征数据向量以及真实路况值建立路况预测模型。该路况预测模型采用特征数据向量和对应的真实路况值作为训练数据，不仅能够表现出个体差异性，还能够使路况预测变的更加准确，打破了传统路况预测准确率的瓶颈。附图说明图1为本申请实施例提供的构建路况预测模型的方法的流程示意图一；图2为本申请实施例提供的构建路况预测模型的方法的流程示意图二；图3为本申请实施例提供的待预测路链与上下游路链的示意图；图4为本申请实施例提供的构建路况预测模型的方法的流程示意图三；图5为本申请实施例提供的神经网络模型的结构示意图；图6为本申请实施例提供的构建路况预测模型的装置的结构示意图一；图7为本申请实施例提供的构建路况预测模型的装置的结构示意图二。具体实施方式下面结合附图对本申请实施例提供的路况预测模型的建立方法及装置进行详细地描述。在本申请的描述中，除非另有说明，“/”表示“或”的意思，例如，A/B可以表示A或B。本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。此外，“至少一个”是指一个或多个，“多个”是指两个或两个以上。此外，本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。本申请实施例提供的技术方案可以应用于路况预测系统，主要用于路况的短期预测，在现有技术中，对于路况的预测一般按照时间属性去定义，例如早晚高峰、节假日等都被定义为道路拥挤时段，然而这种预测方法虽然实现过程简单，但是过于片面，准确率较低。影响路况的因素多种多样，例如天气、道路属性、道路上是否有突发事故等都会对当前路况产生影响。本申请实施例通过建立路况预测模型实现路况的预测，根据待预测路链的特点融合多方面影响因素进行数据采集和处理，再结合真实路况值形成路况预测模型的训练集，将训练集输入到神经网络模型中进行迭代训练，最终得到路况预测模型。本申请实施例致力于解决目前路况短期预测准确率较低的问题，为城市路网规划、城市交通管理与控制提供依据。本申请实施例提供一种路况预测模型的建立方法，该方法的执行主体为任意具有数据处理功能的终端设备，该终端设备可以为计算机，本申请实施例对此不作任何限定。参考图1，该方法可以包括步骤S101-S103：S101、确定待预测路链在第一预设时间段内的不同时间点分别对应的特征数据向量。路网是指城市范围内由不同功能、等级、区位的道路，以一定的密度和适当的形式组成的网络体系结构。路链是指路网数据中任意相邻两个点之间的道路段。应理解，本申请实施例中不同时间点对应至少一个特征数据向量。例如，时间点1对应特征数据向量1，时间点2对应的特征数据向量2。本申请实施例中以路链为基本单位，首先确定待预测路链在第一预设时间段内的不同时间点分别对应的特征数据向量，该特征数据向量用于反映待预测路链的特征，这些特征都可以对待预测路链的路况产生影响。该特征数据向量可以包括多种维度，例如时间、空间、速度、以及除时间、空间、速度以外的其他可以描述待预测路链的特征的维度。设置第一预设时间段是用于确定数据采集范围，该第一预设时间段可以为一个月，不同时间点是指该一个月内的多个时间点，可以为一个月内的任意时间点，确定的时间点越多，采集到的训练集越大，路况预测模型的准确度也就越高。示例性的，可以确定一个月内每天的所有整点时刻为第一预设时间段内的不同时间点。S102、从预设交通流信息库中确定该特征数据向量对应的真实路况值。应理解，S102具体是为了确定不同时间点对应的特征数据向量中每个时间点对应的特征数据向量的真实路况值。预设交通流信息库内包括路链的多种信息，该多种信息包括描述路链特征的属性信息以及不同时间点对应的表征路链路况的历史真实路况值，属性信息是指表征路链特征的属性集合，如路链等级、路链所包含的车道数量等。具有相同或相似属性集合的路链可以确认为同样的路链。该真实路况值可以为速度或拥挤等级，也可以为其他可以表示路况的数值。速度是指本文档来自技高网...

【技术保护点】
1.一种路况预测模型的建立方法，其特征在于，包括：确定待预测路链在第一预设时间段内的不同时间点分别对应的特征数据向量，所述特征数据向量用于反映所述待预测路链的特征；从预设交通流信息库中确定所述特征数据向量对应的真实路况值；根据所述特征数据向量以及所述真实路况值建立路况预测模型，所述路况预测模型用于确定所述待预测路链的路况。

【技术特征摘要】
1.一种路况预测模型的建立方法，其特征在于，包括：确定待预测路链在第一预设时间段内的不同时间点分别对应的特征数据向量，所述特征数据向量用于反映所述待预测路链的特征；从预设交通流信息库中确定所述特征数据向量对应的真实路况值；根据所述特征数据向量以及所述真实路况值建立路况预测模型，所述路况预测模型用于确定所述待预测路链的路况。2.根据权利要求1所述的方法，其特征在于，所述确定待预测路链在第一预设时间段内的不同时间点分别对应的特征数据向量包括：确定所述待预测路链在所述不同时间点分别对应的特征数据；对所述特征数据进行预处理，得到所述不同时间点分别对应的特征数据向量。3.根据权利要求2所述的方法，其特征在于，所述特征数据包括：所述待预测路链在所述第一预设时间段内的时间特征数据，所述时间特征数据用于反映不同时间所述待预测路链的路况信息；所述待预测路链的速度特征数据，所述速度特征数据用于反映与所述待预测路链相接的至少一个路链的速度特征对所述待预测路链的路况的影响；所述待预测路链的空间特征数据，所述空间特征数据用于反映所述待预测路链的路链特征对所述待预测路链的路况的影响；所述待预测路链的外部特征数据，所述外部特征数据用于反映除所述时间特征数据、所述速度特征数据、所述空间特征数据以外的特征数据对所述待预测路链的路况的影响。4.根据权利要求1所述的方法，其特征在于，所述从预设交通流信息库中确定所述特征数据向量在所述不同时间点对应的真实路况值包括：根据所述特征数据向量确定至少一个时间标签；从预设交通流信息库中确定所述至少一个时间标签在所述不同时间点对应的真实路况值；将所述至少一个时间标签在所述不同时间点对应的真实路况值确定为所述特征数据向量在所述不同时间点对应的真实路况值。5.根据权利要求4所述的方法，其特征在于，所述至少一个时间标签由第二预设时间段和所述时间向量确定，且所述至少一个时间标签中相邻时间标签之间具有预设时间间隔。6.一种路况预测模型的建立装置，其特征在于，包括：确定单元，用于确定待预测路链在第一预设时间段内的不同时间点分别对应的特征数据向量，所述特征数据向量用于反映所述待预测路链的特征；所述确定单元，还...

【专利技术属性】
技术研发人员：牛新赞，石清华，孙静茹，邓红玉，李志中，
申请(专利权)人：北京世纪高通科技有限公司，
类型：发明
国别省市：北京,11