路况预估方法、建立路况预估模型的方法及对应装置制造方法及图纸

本申请公开了一种路况预估方法、建立路况预估模型的方法及对应装置，涉及大数据技术领域和智能交通技术领域。具体实现方案为：获取道路在第一时间点之前预设第一时长内的用户轨迹序列和道路图像序列；从所述用户轨迹序列中提取所述道路的轨迹相关特征，以及从所述道路图像序列中提取所述道路的图像相关特征；将所述道路的轨迹相关特征和图像相关特征输入预先训练得到的路况预估模型，利用所述路况预估模型的估计结果得到所述道路在所述第一时间点之后预设第二时长内的路况信息。通过本申请能够实现对道路路况的预估。请能够实现对道路路况的预估。请能够实现对道路路况的预估。

【技术实现步骤摘要】
路况预估方法、建立路况预估模型的方法及对应装置


[0001]本申请涉及计算机应用
，特别涉及大数据技术和智能交通技术下的路况预估方法、建立路况预估模型的方法及对应装置。

技术介绍

[0002]随着城市交通需求快速增长，交通拥堵问题日益严峻。交通拥堵增加了人们的通勤时间、浪费燃料、增加了污染。并且在此场景下也容易发生交通事故具有较大的安全隐患。
[0003]如果能够在诸如地图类产品中实现对路况的预估，则会给用户及时提供参考，从而选择合适的路线；也能够基于路况预估的状况更好地为用户提供诸如路线规划、路线建议等后续服务。

技术实现思路

[0004]有鉴于此，本申请提供了一种路况预估方法、建立路况预估模型的方法及对应装置，以便于实现对道路路况的预估。
[0005]第一方面，本申请提供了一种路况预估方法，包括：
[0006]获取道路在第一时间点之前预设第一时长内的用户轨迹序列和道路图像序列；
[0007]从所述用户轨迹序列中提取所述道路的轨迹相关特征，以及从所述道路图像序列中提取所述道路的图像相关特征；
[0008]将所述道路的轨迹相关特征和图像相关特征输入预先训练得到的路况预估模型，利用所述路况预估模型的估计结果得到所述道路在所述第一时间点之后预设第二时长内的路况信息。
[0009]第二方面，本申请提供了一种建立路况预估模型的方法，包括：
[0010]获取训练数据，所述训练数据包括样本道路在第二时间点之前预设第一时长内的用户轨迹序列和道路图像序列，以及对所述样本道路标注的在所述第二时间点之后预设第二时长内的路况标签；
[0011]从所述用户轨迹序列中提取所述样本道路的轨迹相关特征，以及从所述道路图像序列中提取所述样本道路的图像相关特征；
[0012]将所述样本道路的轨迹相关特征和图像相关特征作为分类模型的输入，将对所述样本道路标注的路况标签作为所述分类模型的目标输出，训练所述分类模型以得到所述路况预估模型。
[0013]第三方面，本申请提供了一种路况预估装置，包括：
[0014]序列获取单元，用于获取道路在第一时间点之前预设第一时长内的用户轨迹序列和道路图像序列；
[0015]特征提取单元，用于从所述用户轨迹序列中提取所述道路的轨迹相关特征，以及从所述道路图像序列中提取所述道路的图像相关特征；
[0016]路况估计单元，用于将所述道路的轨迹相关特征和图像相关特征输入预先训练得到的路况预估模型，利用所述路况预估模型的估计结果得到所述道路在所述第一时间点之后预设第二时长内的路况信息。
[0017]第四方面，本申请提供了一种建立路况预估模型的装置，包括：
[0018]样本获取单元，用于获取训练数据，所述训练数据包括样本道路在第二时间点之前预设第一时长内的用户轨迹序列和道路图像序列，以及对所述样本道路标注的在所述第二时间点之后预设第二时长内的路况标签；
[0019]特征提取单元，用于从所述用户轨迹序列中提取所述样本道路的轨迹相关特征，以及从所述道路图像序列中提取所述样本道路的图像相关特征；
[0020]模型训练单元，用于将所述样本道路的轨迹相关特征和图像相关特征作为分类模型的输入，将对所述样本道路标注的路况标签作为所述分类模型的目标输出，训练所述分类模型以得到所述路况预估模型。
[0021]第五方面，本申请提供了一种电子设备，包括：
[0022]至少一个处理器；以及
[0023]与所述至少一个处理器通信连接的存储器；其中，
[0024]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
[0025]第六方面，本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述的方法。
[0026]由以上技术方案可以看出，本申请能够基于道路在第一时间点之前预设第一时长内的用户轨迹序列和道路图像序列，预测得到第一时间点之后预设第二时长内的路况信息，实现对于道路路况的预估。
[0027]上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
[0028]附图用于更好地理解本方案，不构成对本申请的限定。其中：
[0029]图1示出了可以应用本申请实施例的示例性系统架构；
[0030]图2为本申请实施例提供的路况预估的主要方法流程图；
[0031]图3为本申请实施例提供的图像相关特征提取的方法流程图；
[0032]图4为本申请实施例提供的一个道路图像的实例图；
[0033]图5为本申请实施例提供的建立路况预估模型的方法流程图；
[0034]图6为本申请实施例提供的路况预估装置的结构图；
[0035]图7为本申请实施例提供的建立路况预估模型的装置结构图；
[0036]图8是用来实现本申请实施例的电子设备的框图。
具体实施方式
[0037]以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同
样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0038]目前路况预估的主流方法是基于用户轨迹的挖掘，即通过大量历史轨迹以及历史路况的信息来估计未来路况。然而这种基于用户轨迹挖掘的方法主要存在以下问题：
[0039]1)当道路的轨迹量稀疏时会严重影响路况预估的准确率；
[0040]2)复杂道路场景下，例如隧道、高架、施工场景、城市峡谷等，会对轨迹定位有严重干扰，从而造成路况预估不准确；
[0041]3)当路况发生拥堵时，驾车用户很容易关闭地图类应用，从而导致无法获取到用户轨迹导致路况预估不准确。
[0042]有鉴于此，本申请提供了一种用户轨迹和道路图像相结合的路况预估方法，下面结合实施例对该方法进行详述。
[0043]为了方便对整个系统架构的理解，图1示出了可以应用本申请实施例的示例性系统架构。如图1所示，该系统架构可以包括终端设备101和102，网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0044]用户可以使用终端设备101和102通过网络103与服务器104交互。终端设备101和102上可以安装有各种应用，例如地图类应用、语音交互类应用、网页浏览器应用、通信类应用等。
[0045]终端设备101和102可以是能够支持并展现地图类应用的各种电子设备，包括但不限于智能手机、平板电脑、智能穿戴式设备、众包式采集设备等等。本专利技术所提供的装置可以设置并运行于上述服务器104本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路况预估方法，包括：获取道路在第一时间点之前预设第一时长内的用户轨迹序列和道路图像序列；从所述用户轨迹序列中提取所述道路的轨迹相关特征，以及从所述道路图像序列中提取所述道路的图像相关特征；将所述道路的轨迹相关特征和图像相关特征输入预先训练得到的路况预估模型，利用所述路况预估模型的估计结果得到所述道路在所述第一时间点之后预设第二时长内的路况信息。2.根据权利要求1所述的方法，其中，所述道路包括以下至少一种：预设的目标道路，路况电子围栏中的道路，轨迹点满足预设的路况预估触发条件的道路。3.根据权利要求1或2所述的方法，还包括：将所述道路的信息发送给采集终端，获取所述采集终端采集的用户轨迹序列和道路图像序列；或者，向处于所述道路上的采集终端发送采集指令，获取所述采集终端采集的用户轨迹序列和道路图像序列。4.根据权利要求1所述的方法，其中，所述轨迹相关特征包括速度特征；所述图像相关特征包括道路空旷度特征、车流特征以及建筑特征中的至少一种。5.根据权利要求4所述的方法，其中，从所述道路图像序列中提取所述道路的图像相关特征包括：利用预先训练得到的图像语义分割模型，从所述道路图像序列中的各道路图像中识别主行车区域；从各道路图像中提取所述主行车区域的道路空旷度和/或车流信息；利用各道路图像中主行车区域的道路空旷度和/或车流信息，得到所述道路空旷度特征和/或车流特征。6.根据权利要求5所述的方法，其中，所述利用预先训练得到的图像语义分割模型，从所述道路图像序列中的各道路图像中识别主行车区域包括：利用预先训练得到的图像语义分割模型，针对各道路图像分别识别各像素对应的区域类别，以确定道路图像中的行车区域和至少一种道路环境区域；利用所述至少一种道路环境区域，从所述行车区域中确定主行车区域。7.根据权利要求4所述的方法，其中，从所述道路图像序列中提取所述道路的图像相关特征包括：利用预先训练得到的图像语义分割模型，从所述道路图像序列中的各道路图像中识别建筑物区域；将所述道路图像序列中相邻道路图像的建筑物区域的相似度均值和/或方差作为所述道路的建筑特征。8.根据权利要求1所述的方法，其中，输入所述路况预估模型的特征还包括：所述第一时间点之前预设第一时长对应的时间特征，和/或，所述道路的属性特征。9.一种建立路况预估模型的方法，包括：
获取训练数据，所述训练数据包括样本道路在第二时间点之前预设第一时长内的用户轨迹序列和道路图像序列，以及对所述样本道路标注的在所述第二时间点之后预设第二时长内的路况标签；从所述用户轨迹序列中提取所述样本道路的轨迹相关特征，以及从所述道路图像序列中提取所述样本道路的图像相关特征；将所述样本道路的轨迹相关特征和图像相关特征作为分类模型的输入，将对所述样本道路标注的路况标签作为所述分类模型的目标输出，训练所述分类模型以得到所述路况预估模型。10.根据权利要求9所述的方法，其中，所述轨迹相关特征包括速度特征；所述图像相关特征包括道路空旷度特征、车流特征以及建筑特征中的至少一种。11.根据权利要求10所述的方法，其中，从所述道路图像序列中提取所述样本道路的图像相关特征包括：利用预先训练得到的图像语义分割模型，从所述道路图像序列中的各道路图像中识别主行车区域；从各道路图像中提取所述主行车区域的道路空旷度和/或车流信息；利用各道路图像中主行车区域的道路空旷度和/或车流信息，得到所述道路空旷度特征和/或车流特征。12.根据权利要求11所述的方法，其中，所述利用预先训练得到的图像语义分割模型，从所述道路图像序列中的各道路图像中识别主行车区域包括：利用预先训练得到的图像语义分割模型，针对各道路图像分别识别各像素对应的区域类别，以确定道路图像中的行车区域和至少一种道路环境区域；利用所述至少一种道路环境区域，从所述行车区域中确定主行车区域。13.根据权利要求10所述的方法，其中，从所述道路图像序列中提取所述样本道路的图像相关特征包括：利用预先训练得到的图像语义分割模型，从所述道路图像序列中的各道路图像中识别建筑物区域；将所述道路图像序列中相邻道路图像的建筑物区域的相似度均值和/或方差作为所述样本道路的建筑特征。14.根据权利要求9所述的方法，其中，所述分类模型的输入还包括：所述第二时间点之前预设第一时长对应的时间特征，和/或，所述样本道路的属性特征。15.一种路况预估装置，包括：序列获取单元，用于获取道路在第一时间点之前预设第一时长内的用户轨迹序列和道路图像序列；特征提取单元，用于从所述用户轨迹序列中提取所述道路的轨迹相关特征，以及从所述道路图像序列中提取所述道路的图像相关特征；路况估计单元，用于将所述道路的轨迹相关特征和图像相关特征输入预先训练得到的路况预估模型，利用所述路况预估模型的估计结果得到所述道路在所述第一时间点之后预设第二时长内的路况信息。<...

【专利技术属性】
技术研发人员：黄际洲，赵辉，夏德国，王海峰，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：