【技术实现步骤摘要】
一种路线规划方法、装置、设备和计算机存储介质
本申请涉及计算机应用
，特别涉及大数据
技术介绍
路径规划已经广泛的应用于包含导航功能的地图类应用中，其能够为用户提供路线推荐、拥堵状况和预估到达时间等信息的丰富展现结果。但由于现实道路交通状况变化很快，目前的导航系统只能根据当前的准实时状态给用户以路线规划。而在实际导航过程中，规划路线可能会途径一些拥堵可能性大、出事故概率高等高风险路段，导致用户无法在计划时间到达目的地。对于一些对时间要求非常严格的需求场景上，比如商务会议、接送朋友、搭乘飞机等，如果这类风险发生，则无法预期抵达目的地。这就给用户造成规划的路线质量低、用户体验差等问题。
技术实现思路
有鉴于此，本申请提供了一种路线规划方法、装置、设备和存计算机储介质，以便于提高规划的路线质量以及用户体验。根据第一方面，本申请提供了一种路线规划方法，该方法包括：获取路网的实时交通流特征数据；利用所述路网的实时交通流特征数据对所述路网中各路段的状态变化风险进行预测，获得各路...
【技术保护点】
1.一种路线规划方法，其特征在于，该方法包括：/n获取路网的实时交通流特征数据；/n利用所述路网的实时交通流特征数据对所述路网中各路段的状态变化风险进行预测，获得各路段的状态变化风险信息；/n利用各路段的状态变化风险信息，进行路线规划。/n
【技术特征摘要】
1.一种路线规划方法，其特征在于，该方法包括：
获取路网的实时交通流特征数据；
利用所述路网的实时交通流特征数据对所述路网中各路段的状态变化风险进行预测，获得各路段的状态变化风险信息；
利用各路段的状态变化风险信息，进行路线规划。
2.根据权利要求1所述的方法，其特征在于，所述交通流特征数据包括以下至少一种：
各路段的交通流量统计数据、速度数据以及急减速次数。
3.根据权利要求1所述的方法，其特征在于，所述利用所述路网的实时交通流特征数据对所述路网中各路段的状态变化风险进行预测，获得各路段的状态变化风险信息包括：
利用所述路网的实时交通流特征数据分别针对各路段进行拥堵状态变化预测、事故发生预测、可通行性预测、交通规则变化预测以及道路质量劣化预测中的至少一种，根据各种预测结果分别得到各种预测对应的风险系数；
将针对各路段得到的所述各种预测对应的风险系数分别进行加权处理，得到各路段的状态变化风险系数。
4.根据权利要求3所述的方法，其特征在于，利用所述路网的实时交通流特征数据针对各路段进行拥堵状态变化预测包括：
将当前时间分片对应的所述路网的实时交通流特征数据、道路属性特征数据以及未来时间分片对应的环境特征数据输入预先训练得到的拥堵状态预测模型，得到对路网中各路段在所述未来时间分片的预测通行时长；
依据各路段在所述未来时间分片的预测通行时长，确定各路段在所述未来时间分片的拥堵状态变化。
5.根据权利要求4所述的方法，其特征在于，所述拥堵状态预测模型采用如下方式预先训练得到：
获取训练数据，所述训练数据包括所述路网中各路段的历史第一时间分片的交通流特征数据、道路属性特征数据以及历史第二时间分片的环境特征数据和平均通行时长，其中所述第二时间分片为相对于所述第一时间分片的未来时间分片；
将路段的历史第一时间分片的交通流特征数据进行编码；
将编码后得到的向量表示与路网链接关系矩阵输入到图卷积网络；
将所述图卷积网络输出的向量表示与道路属性特征数据、所述历史第二时间分片的环境特征数据进行拼接后输入全连接层，得到对该路段在所述第二时间分片的预测通行时长；
训练所述图卷积网络和所述全连接层，直至达到训练目标，所述训练目标为最小化路段的预测通行时长和训练数据中平均通行时长的差值。
6.根据权利要求3所述的方法，其特征在于，利用所述路网的实时交通流特征数据针对各路段进行事故发生预测包括：
将当前时间分片对应的所述路网的实时交通流特征数据、道路属性特征数据以及未来时间分片对应的环境特征数据输入预先训练得到的事故预测模型，得到对路网中各路段在所述未来时间分片是否发生事故的预测。
7.根据权利要求6所述的方法，其特征在于，所述事故预测模型采用如下方式预先训练得到：
获取训练数据，所述训练数据包括所述路网中各路段的历史第一时间分片的交通流特征数据、道路属性特征数据以及历史第二时间分片的环境特征数据和是否发生事故，其中所述第二时间分片为相对于所述第一时间分片的未来时间分片；
将路段的历史第一时间分片的交通流特征数据进行编码；
将编码后得到的向量表示与路网链接关系矩阵输入到图卷积网络；
将所述图卷积网络输出的向量表示与道路属性特征数据、所述历史第二时间分片的环境特征数据输入全连接层，得到对该路段在所述第二时间分片是否发生事故的预测；
训练所述图卷积网络和所述全连接层，直至达到训练目标，所述训练目标为使各路段是否发生事故的预测结果与训练数据一致。
8.根据权利要求3所述的方法，其特征在于，利用所述路网的实时交通流特征数据针对各路段进行可通行性预测包括：
获取各路段的当前流量特征，所述流量特征包括路段的交通流量、前序路段的交通流量以及后序路段的交通流量；
获取各路段的历史流量特征；
将路段的当前流量特征和历史流量特征进行差分后得到的特征与道路属性特征输入可通行性预测模型，得到对该路段是否可通行的预测，其中所述可通行性预测模型基于分类器预先训练得到。
9.根据权利要求3所述的方法，其特征在于，利用所述路网的实时交通流特征数据针对各路段进行交通规则变化预测包括：
获取各路段上来自前序路段的当前交通流量比例，以及，获取与各路段上来自前序路段的历史流量比例；
若路段的当前交通高流量比例相比较历史流量比例的下降程度超过预设比例阈值，则预测得到该路段存在交通规则变化。
10.根据权利要求3所述的方法，其特征在于，利用所述路网的实时交通流特征数据针对各路段进行道路质量劣化预测包括：
获取各路段的当前速度数据以及急减速次数，以及，
获取各路段的历史速度数据以及急减速次数；
若路段的当前速度数据相比较历史速度数据存在速度下降程度超过预设速度阈值，和/或，当前急减速次数与历史急减速次数的上升程度超过预设次数阈值，则预测得到该路段出现道路质量劣化。
11.根据权利要求1所述的方法，其特征在于，所述利用各路段的状态变化风险信息，进行路线规划包括：
利用各路段的状态变化风险信息更新各路段的权值，其中状态变化风险越高，对路段权值的降低程度越大；
基于更新后各路段的权值，对用户输入的起始位置和终点位置进行路线查找，得到至少一条候选路线；
从所述候选路线中确定向所述用户推荐的路线。
12.根据权利要求1所述的方法，其特征在于，所述利用各路段的状态变化风险系数，进行路线规划包括：
对用户输入的起始位置和终点位置进行路线查找，得到至少一条候选路线；
融合所述候选路线中各路段的状态变化风险信息，对所述候选路线进行排序；
依据排序结果，确定向所述用户推荐的路线。
13.根据权利要求1所述的方法，其特征在于，该方法还包括：采用以下方式中的至少一种展现路线规划的结果：
对向用户推荐的规划路线中所包含各路段的状态变化风险系数的总和最低的路线，展现指示该路线风险最低的信息；
对向用户推荐的路线中状态变化风险满足预设条件的路段，展示针对该路段预测的状态变化风险信息；
对因状态变化风险而未向用户推荐的路线，展示该路线未向用户推荐的原因信息。
14.根据权利要求4所述的方法，其特征在于，该方法还包括：
若向用户推荐的规划路线中包含拥堵状态变化风险的路段，则利用包含拥堵状态变化风险的路段的预测通行时长确定路线的第二预估到达时间；
...
【专利技术属性】
技术研发人员：黄际洲，张昊，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11
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。