一种流量预测方法及装置制造方法及图纸

本发明专利技术实施例提供了一种流量预测方法及装置。其中，所述方法可以包括：获取待预测点位在多个维度上的特征，所述多个维度上的特征至少包括拓扑图结构特征、历史流量特征；将所述待预测点位在所述多个维度上的特征，输入至流量预测模型，得到所述待预测点位的流量预测结果，所述流量预测模型预先经过标注有真值的样本数据的训练，所述样本数据为所述待预测点位和所述其他点位中多个点位的标注有真值的在所述多个维度上的特征。可以使得流量预测模型不再是离散的学习不同点位的特征到流量的映射，而是能够通过拓扑图结构特征，整体的学习不同点位的特征到流量的映射。由于所参考的样本数据更多，因此学习到的流量到特征的映射更加准确。

【技术实现步骤摘要】
一种流量预测方法及装置
本专利技术涉及智能交通
，特别是涉及一种流量预测方法及装置。
技术介绍
相关技术中，可以基于历史流量数据，预测未来时刻的流量，从而有针对性的进行交通规划。但是，不同点位由于在空间上是离散的，因此，相关技术中，在预测一个点位的流量时，往往仅是基于该点位的历史流量数据。但是，一个点位的历史流量数据往往有限，即预测流量时参考的数据可能不够充分，因此预测得到的流量可能不够准确。
技术实现思路
本专利技术实施例的目的在于提供一种流量预测方法及装置，以实现提高预测得到的流量的准确性。具体技术方案如下：在本专利技术实施例的第一方面，提供了一种流量预测方法，所述方法包括：获取待预测点位在多个维度上的特征，所述多个维度上的特征至少包括拓扑图结构特征、历史流量特征，所述拓扑图结构特征用于表示所述待预测点位在拓扑图结构中与其他点位间的连通关系，所述拓扑图结构为基于在所述待预测点位和所述其他点位采集到的物联网数据构建得到的，用于表示所述待预测点位和所述其他点位在时间维度和/或空间维度上的关联性；将所述待预测点位在所述多个维度上的特征，输入至流量预测模型，得到所述待预测点位的流量预测结果，所述流量预测模型预先经过标注有真值的样本数据的训练，所述样本数据为所述待预测点位和所述其他点位中多个点位的标注有真值的在所述多个维度上的特征。在一种可能的实施例中，所述拓扑图结构通过以下方式构建得到：获取在所述待预测点位和所述其他点位采集到的多个物联网数据，其中，每个物联网数据包括多个维度上的分数据，并且至少包括时间维度上的分数据和空间维度上的分数据；根据所述多个物联网数据的空间维度上的分数据，构建多个节点，其中，每个节点用于表示所述待预测点位和所述其他点位中的一个点位；确定所述多个节点中每两个节点之间的相关性，所述相关性用于表示两个节点中一个节点对应的物联网数据，与另一个节点对应的物联网数据之间在空间维度和时间维度上的相关程度；根据所述多个节点之间的相关性，构建所述多个节点之间的边，得到拓扑图结构。在一种可能的实施例中，所述确定所述多个节点中每两个节点之间的相关性，包括：针对所述多个节点中的每两个节点，确定该两个节点中一个节点对应的物联网数据，与另一个节点对应的物联网数据在空间维度和/或时间维度上的间隔；如果所述间隔小于预设间隔阈值，确定该两个节点之间的相关性为相关联。在一种可能的实施例中，所述流量预测模型预先通过以下方式训练得到：针对所述拓扑图结构中的每个节点，确定该节点的拓扑图结构特征；针对所述多个物联网数据中的每个物联网数据，将该物联网数据所对应的节点的拓扑图结构特征，与该物联网数据在除所述空间维度和流量维度外的其他维度上的分数据合并，并将该物联网数据在所述流量维度上的分数据作为标注值，得到该节点的样本数据；针对所述拓扑图结构中的每个节点，将该节点的样本数据按照时间先后顺序进行排序，得到样本序列；对所述样本序列进行滑窗处理，得到多个时序数据；利用所述拓扑图结构中各个节点的所述多个时序数据，训练得到流量预测模型。在一种可能的实施例中，所述利用所述拓扑图结构中各个节点的所述多个时序数据，训练得到流量预测模型，包括：利用所述拓扑图结构中各个节点的所述多个时序数据在不同维度上的分数据，分别对多个基础模型进行训练；融合经过训练后的所述多个基础模型，得到流量预测模型。在本专利技术实施例的第二方面，提供了一种轨迹预测方法，所述方法包括：确定目标对象所经过的多个历史点位，作为待预测序列；获取所述多个历史点位以及多个候选点位的特征，所述特征至少包括拓扑图结构特征，所述拓扑图结构特征用于表示该点位在拓扑图结构中与其他点位间的连通关系，所述拓扑图结构为基于在所述目标对象以及至少一个其他对象的历史轨迹构建得到的，用于表示所述多个历史点位以及所述多个候选点位在时间维度和/或空间维度上的关联性；将所述多个候选点位中，所述特征与所述多个历史点位的所述特征匹配的候选点位，作为所述待预测序列的下一时刻点位。在一种可能的实施例中，所述将所述多个候选点位中，所述特征与所述多个历史点位的所述特征匹配的候选点位，作为所述待预测序列的下一时刻点位，包括：针对所述多个候选点位中的每个候选点位，计算该候选点位的所述特征与所述多个历史点位的所述特征的相似度；将所述多个候选点位中所述相似度最高的候选点位，作为所述待预测序列的下一时刻点位。在一种可能的实施例中，所述拓扑图结构通过以下方式构建得到：获取所述目标对象以及至少一个其他对象的多个卡口数据；对所述多个卡口数据中属于同一时间窗口、同一对象的每两个卡口数据，将该两个卡口数据对应的点位进行聚合，得到所述目标对象以及至少一个其他对象的历史轨迹；基于所述目标对象的所述历史轨迹中相邻的点位组成的点位对，构建拓扑图结构，得到个体拓扑图结构；基于所述至少一个其他对象的所述历史轨迹中相邻的点位组成的点位对，构建拓扑图结构，得到群体拓扑图结构；融合所述个体拓扑图结构和所述群体拓扑图结构。在本专利技术实施例的第三方面，提供了一种套牌车检测方法，所述方法包括：获取待检测车辆的历史轨迹；基于所述历史轨迹中的历史轨迹点位，构建拓扑图结构；计算所述拓扑图结构中的连通子图的数量，所述连通子图为所述拓扑图结构中节点和边的子集，并且每个连通子图中任意两个节点通过该连通子图中的边相连；确定所述数量是否为1；如果所述数量不为1，则确定所述待检测车辆为套牌车辆。在一种可能的实施例中，所述方法还包括：如果所述数量为1，则确定所述待检测车辆不为套牌车辆。在一种可能的实施例中，所述基于所述历史轨迹中的历史轨迹点位，构建拓扑图结构，包括：针对所述历史轨迹中的每个历史轨迹点位，确定该历史轨迹点位在所述历史轨迹中出现的次数；确定该历史轨迹点位的所述次数是否大于预设次数阈值；如果所述次数大于预设次数阈值，将该历史轨迹点位作为热门历史轨迹点位；基于所有所述热门历史轨迹点位，构建拓扑图结构。在本专利技术实施例的第四方面，提供了一种流量预测装置，所述装置包括：特征获取模块，用于获取待预测点位在多个维度上的特征，所述多个维度上的特征至少包括拓扑图结构特征、历史流量特征，所述拓扑图结构特征用于表示所述待预测点位在拓扑图结构中与其他点位间的连通关系，所述拓扑图结构为基于在所述待预测点位和所述其他点位采集到的物联网数据构建得到的，用于表示所述待预测点位和所述其他点位在时间维度和/或空间维度上的关联性；流量预测模块，用于将所述待预测点位在所述多个维度上的特征，输入至流量预测模型，得到所述待预测点位的流量预测结果，所述流量预测模型预先经过标注有真值的样本数据的训练，所述样本数据为所述待预测点位和所述其他点位中多个点位的标注有真值的在本文档来自技高网...

【技术保护点】
1.一种流量预测方法，其特征在于，所述方法包括：/n获取待预测点位在多个维度上的特征，所述多个维度上的特征至少包括拓扑图结构特征、历史流量特征，所述拓扑图结构特征用于表示所述待预测点位在拓扑图结构中与其他点位间的连通关系，所述拓扑图结构为基于在所述待预测点位和所述其他点位采集到的物联网数据构建得到的，用于表示所述待预测点位和所述其他点位在时间维度和/或空间维度上的关联性；/n将所述待预测点位在所述多个维度上的特征，输入至流量预测模型，得到所述待预测点位的流量预测结果，所述流量预测模型预先经过标注有真值的样本数据的训练，所述样本数据为所述待预测点位和所述其他点位中多个点位的标注有真值的在所述多个维度上的特征。/n

【技术特征摘要】
1.一种流量预测方法，其特征在于，所述方法包括：
获取待预测点位在多个维度上的特征，所述多个维度上的特征至少包括拓扑图结构特征、历史流量特征，所述拓扑图结构特征用于表示所述待预测点位在拓扑图结构中与其他点位间的连通关系，所述拓扑图结构为基于在所述待预测点位和所述其他点位采集到的物联网数据构建得到的，用于表示所述待预测点位和所述其他点位在时间维度和/或空间维度上的关联性；
将所述待预测点位在所述多个维度上的特征，输入至流量预测模型，得到所述待预测点位的流量预测结果，所述流量预测模型预先经过标注有真值的样本数据的训练，所述样本数据为所述待预测点位和所述其他点位中多个点位的标注有真值的在所述多个维度上的特征。


2.根据权利要求1所述方法，其特征在于，所述拓扑图结构通过以下方式构建得到：
获取在所述待预测点位和所述其他点位采集到的多个物联网数据，其中，每个物联网数据包括多个维度上的分数据，并且至少包括时间维度上的分数据和空间维度上的分数据；
根据所述多个物联网数据的空间维度上的分数据，构建多个节点，其中，每个节点用于表示所述待预测点位和所述其他点位中的一个点位；
确定所述多个节点中每两个节点之间的相关性，所述相关性用于表示两个节点中一个节点对应的物联网数据，与另一个节点对应的物联网数据之间在空间维度和时间维度上的相关程度；
根据所述多个节点之间的相关性，构建所述多个节点之间的边，得到拓扑图结构。


3.根据权利要求2所述的方法，其特征在于，所述确定所述多个节点中每两个节点之间的相关性，包括：
针对所述多个节点中的每两个节点，确定该两个节点中一个节点对应的物联网数据，与另一个节点对应的物联网数据在空间维度和/或时间维度上的间隔；
如果所述间隔小于预设间隔阈值，确定该两个节点之间的相关性为相关联。


4.根据权利要求2所述的方法，其特征在于，所述流量预测模型预先通过以下方式训练得到：
针对所述拓扑图结构中的每个节点，确定该节点的拓扑图结构特征；
针对所述多个物联网数据中的每个物联网数据，将该物联网数据所对应的节点的拓扑图结构特征，与该物联网数据在除所述空间维度和流量维度外的其他维度上的分数据合并，并将该物联网数据在所述流量维度上的分数据作为标注值，得到该节点的样本数据；
针对所述拓扑图结构中的每个节点，将该节点的样本数据按照时间先后顺序进行排序，得到样本序列；
对所述样本序列进行滑窗处理，得到多个时序数据；
利用所述拓扑图结构中各个节点的所述多个时序数据，训练得到流量预测模型。


5.根据权利要求4所述的方法，其特征在于，所述利用所述拓扑图结构中各个节点的所述多个时序数据，训练得到流量预测模型，包括：
利用所述拓扑图结构中各个节点的所述多个时序数据在不同维度上的分数据，分别对多个基础模型进行训练；
融合经过训练后的所述多个基础模型，得到流量预测模型。


6.一种轨迹预测方法，其特征在于，所述方法包括：
确定目标对象所经过的多个历史点位，作为待预测序列...

【专利技术属性】
技术研发人员：钟晓超，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33