本发明专利技术涉及一种道路交通状态预测方法、装置、存储介质及电子设备，以解决道路交通状态预测准确性较低的问题。包括：对获取的采样车辆出行数据进行特征值提取，得到出行特征数据，所述出行特征数据包括车流量特征数据和车速特征数据；基于所述车流量特征数据以及车速特征数据，展开所述傅里叶函数得到每一展开级下对应的预测车辆出行数据；根据所述采样车辆出行数据的样本数量、所述采样车辆出行数据以及所述预测车辆出行数据计算平均绝对百分误差；根据所述平均绝对百分误差确定所述傅里叶函数的目标展开级；根据所述目标展开级展开所述傅里叶函数，得到所述道路交通状态预测结果。这样，可以提高道路交通状态预测的准确性。可以提高道路交通状态预测的准确性。可以提高道路交通状态预测的准确性。
【技术实现步骤摘要】
一种道路交通状态预测方法、装置、存储介质及电子设备
[0001]本专利技术涉及道理交通
，具体地，涉及一种道路交通状态预测方法、装置、存储介质及电子设备。
技术介绍
[0002]城市规模的不断扩大，人均私家车保有率的逐步增加，是道路交通拥堵愈加严重的重要诱因，道路交通拥堵不仅降低了人们对生活的体验感，降低了人们工作、学习的效率，而且由于道路交通拥堵易引发道路交通安全事故，轻则给人们带来经济损失，重则造成生命损失。通常根据区域经济发展以及居住情况，进行道路扩宽或者新道路规划修建，以降低道路交通压力，但是，道路扩宽以及新道路修建成本较高，并且若无法做到有效管理只会浪费道路交通资源。
[0003]相关技术中，基于道路网络结构，通过对历史交通数据的分析，预判可能出现的道路交通拥堵，从而可以预测道路交通状态，可以提前采取有效地措施规避，在一定程度上降低道路交通拥堵程度和缩短道路拥堵时长。
技术实现思路
[0004]本专利技术的目的是提供一种道路交通状态预测方法、装置、存储介质及电子设备，以解决道路交通状态预测准确性较低的问题。
[0005]为了实现上述目的，本专利技术第一方面提供一种道路交通状态预测方法，所述方法包括：对获取的采样车辆出行数据进行特征值提取，得到出行特征数据，所述出行特征数据包括车流量特征数据和车速特征数据；基于所述车流量特征数据以及车速特征数据，展开所述傅里叶函数得到每一展开级下对应的预测车辆出行数据；根据所述采样车辆出行数据的样本数量、所述采样车辆出行数据以及所述预测车辆出行数据计算平均绝对百分误差；根据所述平均绝对百分误差确定所述傅里叶函数的目标展开级；根据所述目标展开级展开所述傅里叶函数，得到所述道路交通状态预测结果。
[0006]可选地，所述对获取的采样车辆出行数据进行特征值提取，包括：对获取的所述采样车辆出行数据按照相同时段每天中相同时间段分割，得到各天中每一时间段对应的段采样车辆出行数据；将各天中相同时段的所述段采样车辆出行划分为同一数据集；针对每一时间段对应的数据集中的各段采样车辆出行数据进行周期性特征值提取；所述基于所述车流量特征数据以及车速特征数据，展开所述傅里叶函数得到每一展开级下对应的预测车辆出行数据，包括：
基于所述段采样车辆出行数据的所述车流量特征数据以及所述车速特征数据，展开所述傅里叶函数得到每一展开级下对应的段预测车辆出行数据。
[0007]可选地，所述对获取的采样车辆出行数据进行特征值提取，包括：按照道路类型对获取的所述采样车辆出行数据进行路段划分，并确定各路段的道路类型；基于所述道路类型，对每一所述路段的所述采样车辆出行数据进行结构化处理；对所述结构化处理后的所述采样车辆出行数据进行周期项特征值提取；所述基于所述车流量特征数据以及车速特征数据，展开所述傅里叶函数得到每一展开级下对应的预测车辆出行数据，包括：基于结构化处理后的每一路段的所述车流量特征数据以及所述车速特征数据，展开所述傅里叶函数得到每一展开级下对应的路段预测车辆出行数据。
[0008]可选地，所述对获取的采样车辆出行数据进行特征值提取，包括：对获取的所述采样车辆出行数据进行目标出行数据的特征值提取，得到目标出行数据特征值和非目标出行数据特征值，所述目标出行数据包括节假日出行数据和/或雨雪天出行数据；所述基于所述车流量特征数据以及车速特征数据，展开所述傅里叶函数得到每一展开级下对应的预测车辆出行数据，包括：基于所述目标出行数据特征值中的所述车流量特征数据以及实时车速特征数据，展开所述傅里叶函数得到每一展开级下对应的目标预测车辆出行数据；和/或，基于所述非目标出行数据特征值中的所述车流量特征数据以及实时车速特征数据，展开所述傅里叶函数得到每一展开级下对应的非目标预测车辆出行数据。
[0009]可选地，所述平均绝对百分误差MAPE是通过如下公式确定的：；其中，N表示所述采样车辆出行数据的样本数量，表示所述采样车辆出行数据，表示所述预测车辆出行数据。
[0010]本专利技术第二方面提供一种道路交通状态预测装置，所述装置包括：提取模块，用于对获取的采样车辆出行数据进行特征值提取，得到出行特征数据，所述出行特征数据包括车流量特征数据和车速特征数据；展开模块，用于基于所述车流量特征数据以及车速特征数据，展开所述傅里叶函数得到每一展开级下对应的预测车辆出行数据；计算模块，用于根据所述采样车辆出行数据的样本数量、所述采样车辆出行数据以及所述预测车辆出行数据计算平均绝对百分误差；确定模块，用于根据所述平均绝对百分误差确定所述傅里叶函数的目标展开级；执行模块，用于根据所述目标展开级展开所述傅里叶函数，得到所述道路交通状
态预测结果。
[0011]可选地，所述提取模块，用于：对获取的所述采样车辆出行数据按照相同时段每天中相同时间段分割，得到各天中每一时间段对应的段采样车辆出行数据；将各天中相同时段的所述段采样车辆出行划分为同一数据集；针对每一时间段对应的数据集中的各段采样车辆出行数据进行周期性特征值提取；所述展开模块，用于基于所述段采样车辆出行数据的所述车流量特征数据以及所述车速特征数据，展开所述傅里叶函数得到每一展开级下对应的段预测车辆出行数据。
[0012]可选地，所述提取模块，用于：按照道路类型对获取的所述采样车辆出行数据进行路段划分，并确定各路段的道路类型；基于所述道路类型，对每一所述路段的所述采样车辆出行数据进行结构化处理；对所述结构化处理后的所述采样车辆出行数据进行周期项特征值提取；所述展开模块，用于基于结构化处理后的每一路段的所述车流量特征数据以及所述车速特征数据，展开所述傅里叶函数得到每一展开级下对应的路段预测车辆出行数据。
[0013]可选地，所述提取模块，用于：对获取的所述采样车辆出行数据进行目标出行数据的特征值提取，得到目标出行数据特征值和非目标出行数据特征值，所述目标出行数据包括节假日出行数据和/或雨雪天出行数据；所述展开模块，用于：基于所述目标出行数据特征值中的所述车流量特征数据以及实时车速特征数据，展开所述傅里叶函数得到每一展开级下对应的目标预测车辆出行数据；和/或，基于所述非目标出行数据特征值中的所述车流量特征数据以及实时车速特征数据，展开所述傅里叶函数得到每一展开级下对应的非目标预测车辆出行数据。
[0014]可选地，所述平均绝对百分误差MAPE是通过如下公式确定的：；其中，N表示所述采样车辆出行数据的样本数量，表示所述采样车辆出行数据，表示所述预测车辆出行数据。
[0015]本专利技术第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
[0016]本专利技术第四方面提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现上述任一项所述方法
的步骤。
[0017]通过上述技术方案，至少可以达到以下技术效果：对获取的采样车辆出行数据进行特征值提取，得到出行特征数据，所述出行特征数据包括车流量特征数据和本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种道路交通状态预测方法，其特征在于，所述方法包括：对获取的采样车辆出行数据进行特征值提取，得到出行特征数据，所述出行特征数据包括车流量特征数据和车速特征数据；基于所述车流量特征数据以及车速特征数据，展开所述傅里叶函数得到每一展开级下对应的预测车辆出行数据；根据所述采样车辆出行数据的样本数量、所述采样车辆出行数据以及所述预测车辆出行数据计算平均绝对百分误差；根据所述平均绝对百分误差确定所述傅里叶函数的目标展开级；根据所述目标展开级展开所述傅里叶函数，得到所述道路交通状态预测结果。2.根据权利要求1所述的方法，其特征在于，所述对获取的采样车辆出行数据进行特征值提取，包括：对获取的所述采样车辆出行数据按照相同时段每天中相同时间段分割，得到各天中每一时间段对应的段采样车辆出行数据；将各天中相同时段的所述段采样车辆出行划分为同一数据集；针对每一时间段对应的数据集中的各段采样车辆出行数据进行周期性特征值提取；所述基于所述车流量特征数据以及车速特征数据，展开所述傅里叶函数得到每一展开级下对应的预测车辆出行数据，包括：基于所述段采样车辆出行数据的所述车流量特征数据以及所述车速特征数据，展开所述傅里叶函数得到每一展开级下对应的段预测车辆出行数据。3.根据权利要求1所述的方法，其特征在于，所述对获取的采样车辆出行数据进行特征值提取，包括：按照道路类型对获取的所述采样车辆出行数据进行路段划分，并确定各路段的道路类型；基于所述道路类型，对每一所述路段的所述采样车辆出行数据进行结构化处理；对所述结构化处理后的所述采样车辆出行数据进行周期项特征值提取；所述基于所述车流量特征数据以及车速特征数据，展开所述傅里叶函数得到每一展开级下对应的预测车辆出行数据，包括：基于结构化处理后的每一路段的所述车流量特征数据以及所述车速特征数据，展开所述傅里叶函数得到每一展开级下对应的路段预测车辆出行数据。4.根据权利要求1所述的方法，其特征在于，所述对获取的采样车辆出行数据进行特征值提取，包括：对获取的所述采样车辆出行数据进行目标出行数据的特征值提取，得到目标出行数据特征值和非目标出行数据特征值，所述目标出行数据包括节假日出行数据和/或雨雪天出行数据；所述基于所述车流量特征数据以及车速特征数据，展开所述傅里叶函数得到每一展开级下对应的预测车辆出行数据，包括：基于所述目标出行数据特征值中的所述车流量特征数据以及实时车速特征数据，展开所述傅里叶函数得到每一展开级下对应的目标预测车辆出行数据；和/或，基于所述非目标出行数据特征值中的所述...
【专利技术属性】
技术研发人员：王翔，李文俊，孟世纬，汪子康，
申请(专利权)人：苏州蓝图智慧城市科技有限公司，
类型：发明
国别省市：
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。