【技术实现步骤摘要】
道路交通状态的预测方法及装置、计算机设备和存储介质
本申请涉及道路状态监测
，特别是涉及一种道路交通状态的预测方法及装置、计算机设备和计算机可读存储介质。
技术介绍
近年来，我国城市高速发展，城市道路交通面临着日益严峻的考验，大范围交通拥堵已成为普遍现象，严重阻碍和制约着城市道路交通的协调发展。传统技术中存在着多种道路交通状态的预测方式，例如：短时交通状态预测方案是根据采集历史记录的流量及速度数据组合预测交通状态，通过对现在和历史同一周期同比的交通状态平均数据做加权平均，获得短期内的交通状态预测。然而，当交通数据体量巨大时，采用传统技术对道路交通状态预测的准确性较低。
技术实现思路
基于此，有必要针对上述传统技术的道路交通状态的预测准确性较低的技术问题，提供一种道路交通状态的预测方法及装置、计算机设备和计算机可读存储介质。一种道路交通状态的预测方法，所述方法包括：获取道路中的交通数据；所述交通数据包括交通流量的属性信息和车辆的属性信息中的至少一种；将所述交通数...
【技术保护点】
1.一种道路交通状态的预测方法，其特征在于，所述方法包括：/n获取道路中的交通数据；所述交通数据包括交通流量的属性信息和车辆的属性信息中的至少一种；/n将所述交通数据输入到交通状态预测模型中，预测目标路段的交通状态；所述交通状态预测模型包括有监督学习的机器学习模型，所述有监督学习的机器学习模型包括预设的所述交通数据与所述交通状态的对应关系。/n
【技术特征摘要】
1.一种道路交通状态的预测方法，其特征在于，所述方法包括：
获取道路中的交通数据；所述交通数据包括交通流量的属性信息和车辆的属性信息中的至少一种；
将所述交通数据输入到交通状态预测模型中，预测目标路段的交通状态；所述交通状态预测模型包括有监督学习的机器学习模型，所述有监督学习的机器学习模型包括预设的所述交通数据与所述交通状态的对应关系。
2.根据权利要求1所述的方法，其特征在于，所述交通状态包括堵塞状态，所述车辆包括第一车辆；
所述方法还包括：
若所述目标路段的交通状态为堵塞状态，则获取所述第一车辆的行驶状态；所述第一车辆为所述交通状态预测模型预测的导致所述目标路段发生堵塞的车辆；
根据所述第一车辆的行驶状态，获取所述第一车辆从当前位置行驶至所述目标路段的第一时长。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
提取所述第一车辆的属性信息；
对所述第一车辆的属性信息进行调整，得到新的属性信息；
将所述新的属性信息输入到所述交通状态预测模型中，预测所述目标路段的新的交通状态；
若所述目标路段的新的交通状态对应的通行状态优于所述堵塞状态对应的通行状态，则发送第一调整措施至所述第一车辆；所述第一调整措施对应于将所述第一车辆的属性信息调整为新的属性信息。
4.根据权利要求3所述的方法，其特征在于，若所述目标路段的新的交通状态对应的通行状态优于所述堵塞状态对应的通行状态，则发送第一调整措施至所述第一车辆，包括：
若存在多个所述第一调整措施，则发送多个所述第一调整措施中满足预设调整条件的调整措施至所述第一车辆；所述预设调整条件包括：所述第一车辆的堵塞时长满足最小时长，和/或所述第一车辆改变车道的次数满足最小次数。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
将所述第一时长与第一预设时间进行累加，得到第二时长；
获取第二车辆的属性信息；所述第二车辆为在所述第一时长与第二时长之间到达所述目标路段的车辆；
根据所述第二车辆的属性信息，发送第二调整措施至所述第二车辆；所述第二调整措施用于指示所述第二车辆改变行驶状态，使得所述目标路段的堵塞状态得以疏解。
6.根据权利要求1所述的方法，其特征在于，将所述交通数据输入到交通状态预测模型中，预测目标路段的交通状态之前，所述方法还包括：
获取所述道路的交通数据样本；
将所述交通数据样本中的道路堵塞样本确定为正训练样本；
根据所述正训练样本对初始化的有监督学习的机器学习模型进行训练，得到所述交通状态预测模型。
7.根据权利要求6所述的方法，其特征在于，根据所述正训练样本对初始化的有监督学习的机器学习模型进行训练，得到所述交通状态预测模型，包括：
将所述交通数据样本中的道路非堵塞样本确定为负训练样本；
根据所述正训练样本和所述负训练样本对所述初始化的有监督学习的机器学习模型进行训练，得到所述交通状态预测模型。
8.根据权利要求6所述的方法，其特征在于，将所述交通数据样本中的道路堵塞样本确定为正训练样本，...
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。