路况预测方法、装置及存储介质制造方法及图纸

本申请提供一种路况预测方法、装置及存储介质，该方法利用历史车流信息来构建车流网络，进而，在车辆网络的基础上预测未来路况，其中，从上述历史车流信息中确定每条车流轨迹中各个路段之间的相关性，该相关性包含上述各个路段之间的转向关系和转向概率，从而，解决现有车况预测中数据源的路网信息有缺陷的问题，保证构建车流网络与实际情况相匹配，而且，本申请实施例考虑历史的偏好，从历史信息中学习不同路段之间的相关性，使得预测的路况信息与实际情况相符，提升了路况预测的准确率，进而，能够为城市交通管理者提供治理拥堵的决策依据，为人们出行提供线路规划及导航等。

【技术实现步骤摘要】
路况预测方法、装置及存储介质
本申请涉及道路交通技术，尤其涉及一种路况预测方法、装置及存储介质。
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，在城市中，如何实现准确的路况预测具有重要的指导意义。相关技术中，路况预测是按城市路网进行建图(Graph)。图上的一个顶点代表一个路段，两个顶点间的边代表两个路段相邻。然而，上述技术的数据源的路网信息存在缺陷，例如：有些路段虽然直接相连，但很少有人走，那么这两条路段之间的相关性其实不高；另外，上述技术考虑信息不全面，例如上述技术在一条路段同时与其他K-1条路段相邻时，直接认为这K条路段等价，而事实上这些路段肯定存在差异。因此导致上述预测的路况信息与实际情况不完全相符，无法为城市交通管理者提供治理拥堵的决策依据，为人们出行提供线路规划及导航等。
技术实现思路
为解决现有技术中存在的问题，本申请提供一种路况预测方法、装置及存储介质。第一方面，本申请实施例提供一种路况预测方法，包括：根据目标区域在预设时刻T1-Tm的车流轨迹，确定所述目标区域在每个时刻的每本文档来自技高网...

【技术保护点】
1.一种路况预测方法，其特征在于，包括：/n根据目标区域在预设时刻T

【技术特征摘要】
1.一种路况预测方法，其特征在于，包括：
根据目标区域在预设时刻T1-Tm的车流轨迹，确定所述目标区域在每个时刻的每条车流轨迹中各个路段之间的相关性，所述相关性包含所述各个路段之间的转向关系和转向概率，其中，m为大于1的整数；所述每条车流轨迹包含多个路段P1-Pn，所述n为对应车流轨迹的长度，n为大于1的整数；
根据所述各个路段和所述相关性，获得所述目标区域在所述每个时刻的车流网络；
基于所述车流网络，对所述目标区域在Tm+1时刻的路况进行预测。


2.根据权利要求1所述的方法，其特征在于，所述对所述目标区域在Tm+1时刻的路况进行预测，包括：
利用图卷积网络，基于所述车流网络，对所述目标区域在Tm+1时刻的路况进行预测。


3.根据权利要求2所述的方法，其特征在于，所述对所述目标区域在Tm+1时刻的路况进行预测，包括：
基于所述图卷积网络，确定所述车流网络中每一路段从相邻路段聚合特征时，所述相邻路段的贡献比例；
根据所述贡献比例，对所述目标区域在Tm+1时刻的路况进行预测。


4.根据权利要求2或3所述的方法，其特征在于，在所述对所述目标区域在Tm+1时刻的路况进行预测之后，还包括：
根据所述目标区域在Tm+1时刻的预测速度与所述目标区域在Tm+1时刻的真实速度，获得损失函数；
基于所述损失函数，对所述图卷积网络进行优化。


5.根据权利要求1至3任一项所述的方法，其特征在于，所述确定所述目标区域在每个时刻的每条车流轨迹中各个路段之间的相关性，包括：
根据所述目标区域在所述预设时刻T1-Tm的车流轨迹，确定所述各个路段之间的k-hop共现和k-hop下游；
其中，所述k-hop共现表示第一待处理路段与第二待处理路段出现在同一车流轨迹上，且所述第一待处理路段经过k个路段转向到达所述第二待处理路段，所述第二待处理路段为所述第一待处理路段的k-hop下游，k为大于0的整数；
基于所述k-hop共现，确定所述k-hop下游对应的路段的出现频次；
根据所述k-hop共现和所述出现频次，确定所述各个路段之间的相关性。


6.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述各个路段和所述相关性，获得所述目标区域在所述每个时刻的车流网络，包括：
根据所述相关性，确定所述各个路段与相邻路段之间的权重，所述权重包含所述转向概率；
根据所述权重和所述各个路段，获得所述目标区域在所述每个时刻的车流网络。


7.根据权利要求3所述的方法，其特征在于，所述对所述目标区域在Tm+1时刻的路况进行预测，包括：
利用循环神经网络和全连接网络，基于所述贡献比例，对所述目标区域在Tm+1时刻的路况进行预测。


8.根据权利要求7所述的方法，其特征在于，在所述对所述目标区域在Tm+1时刻的路况进行预测之前，还包括：
根据所述贡献比例，确定所述车流网络中每一路段的输出隐状态；
根据所述输出隐状态，获得在所述预设时刻T1-Tm的输出隐状态H1-Hm。


9.根据权利要求8所述的方法，其特征在于，所述对所述目标区域在Tm+1时刻的路况进行预测，包括：
将所述输出隐状态H1-Hm接入所述循环神经网络，获得所述目标区域在Tm+1时刻的输出隐状态Hm+1；
利用所述全连接网络，基于所述输出隐状态Hm+1，对所述目标区域在Tm+1时刻的路况进行预测。


10.根据权利要求3和7至9中任一项所述的方法，其特征在于，所述方法还包括：
根据所述图卷积网络，利用Attention机制，获得所述车流网络中每一路段与相邻路段的Attention因子；
基于所述Attention因子，通过归一化处理，确定所述贡献比例。


11.一种路况预测装置，其特征在于，包括：
确定模块，用于根据目标区域在预设时刻T1-Tm的车流轨迹，确定所述目标区域在每个时刻的每条车流轨迹中各个路段之间的相关性，所述相关性包含所述各个路段之...

【专利技术属性】
技术研发人员：林宇澄，洪辉婷，杨晓庆，李奘，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11