【技术实现步骤摘要】
一种交通流量或旅行时间的预测方法和设备
本专利技术涉及交通
，尤其涉及一种交通流量或旅行时间的预测方法和设备。
技术介绍
旅行时间是指通过某条道路车辆需要花费的时间。交通流量是指单位时间(比如一分钟)内进入某条道路的车辆的数量。旅行时间预测是指预测未来(尚未发生)的某个时刻，某条道路的旅行时间。交通流量预测是指预测未来的某个时刻，进入某条道路的车辆的数量。现有技术一般基于道路的历史交通流量、历史旅行时间进行交通流量或者旅行时间的预测，某些方案也会考虑道路的实时交通流量、实时旅行时间。专利技术人在对现有技术进行研究的过程中发现，仅考虑历史交通流量、历史旅行时间、实时交通流量和实时旅行时间，得到的道路的预测交通流量或者预测旅行时间与道路的实际交通流量或者实际旅行时间之间存在较大偏差。由于预测交通流量或预测旅行时间的准确性，对交通出行服务至关重要，因此，需要提供一种技术方案，能得到更接近于实际情况的预测交通流量或预测旅行时间。
技术实现思路
鉴于上述问题，本专利技术提出了一种交通流量或旅行时间的预测方法及...
【技术保护点】
1.一种交通流量或旅行时间的预测方法，其特征在于，所述方法包括：/n获取终端回传的海量导航路径规划数据；/n根据所述海量导航路径规划数据，得到所述待预测道路在预测时间段内的导航规划流量；/n获取所述待预测道路的实时交通流量、实时旅行时间、历史交通流量、历史旅行时间和导航规划流量；/n对所述待预测道路的实时旅行时间、历史旅行时间、实时交通流量、历史交通流量、导航规划流量进行神经网络学习，得到所述待预测道路在所述预测时间段的预测交通流量或预测旅行时间。/n
【技术特征摘要】
1.一种交通流量或旅行时间的预测方法，其特征在于，所述方法包括：
获取终端回传的海量导航路径规划数据；
根据所述海量导航路径规划数据，得到所述待预测道路在预测时间段内的导航规划流量；
获取所述待预测道路的实时交通流量、实时旅行时间、历史交通流量、历史旅行时间和导航规划流量；
对所述待预测道路的实时旅行时间、历史旅行时间、实时交通流量、历史交通流量、导航规划流量进行神经网络学习，得到所述待预测道路在所述预测时间段的预测交通流量或预测旅行时间。
2.根据权利要求1所述的方法，其特征在于，当当前时间为待预测时间段的开始时间时，获取待预测道路的实时交通流量、实时旅行时间、历史交通流量、历史旅行时间和导航规划流量，具体包括：
获取至少一个预测时间段的历史交通流量、历史旅行时间和导航规划流量；
获取至少一个先前时间段的历史交通流量、历史旅行时间、实时交通流量、实时旅行时间和导航规划流量；其中，所述先前时间段和所述预测时间段在时间上连续。
3.根据权利要求1或2所述的方法，其特征在于，对所述待预测道路的实时旅行时间、历史旅行时间、实时交通流量、历史交通流量、导航规划流量进行神经网络学习，得到所述待预测道路在所述预测时间段的预测交通流量或预测旅行时间，具体包括：
对所述待预测道路的实时旅行时间、历史旅行时间、实时交通流量、历史交通流量、导航规划流量进行时空卷积，得到所述待预测道路在所述预测时间段的预测交通流量或预测旅行时间。
4.根据权利要求3所述的方法，其特征在于，对所述待预测道路的实时旅行时间、历史旅行时间、实时交通流量、历史交通流量、导航规划流量进行时空卷积，得到所述待预测道路在所述预测时间段的预测交通流量，具体包括：
对所述待预测道路的实时旅行时间和历史旅行时间进行降维卷积和一维时序卷积，得到第一旅行时间卷积结果；
对所述待预测道路的实时交通流量、历史交通流量、导航规划流量进行一维时序卷积，得到第一流量卷积结果；
将第一旅行时间卷积结果和第一流量卷积结果作为输入进行空间图谱卷积，得到第一空间卷积结果；
将第一空间卷积结果进行一维时序卷积，得到第一时空编码结果；
对所述第一时空编码结果进行线性和非线性神经网络连接，得到所述待预测道路在预测时间段的预测交通流量。
5.根据权利要求3所述的方法，其特征在于，对所述待预测道路的实时旅行时间、历史旅行时间、实时交通流量、历史交通流量、导航规划流量进行时空卷积，得到所述待预测道路在所述预测时间段的预测旅行时间，具体包括：
将待预测道路的实时交通流量、历史交通流量、导航规划流量进行降维卷积和一维时序卷积，得到第二流量卷积结果；
对所述实时旅行时间、历史旅行时间进行一维时序卷积，得到第二旅行时间卷积结果；
将第二流量卷积结果和第二旅行时间卷积结果作为输入进行空间图谱卷积，得到第二空间卷积结果；
将第二空间卷积结果进行一维时序...
【专利技术属性】
技术研发人员：徐慎昆，代睿，李帅，冀晨光，刘凯奎，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。