一种交通预测的方法和装置制造方法及图纸

本发明专利技术公开了一种交通预测的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：将已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息输入交通预测模型；通过编码器进行编码得到已观测时空区域的交通状态向量和待预测时空区域的交通状态第一向量；通过所述冗余注意力层得到待预测时空区域的交通状态第二向量；将交通状态第一向量和交通状态第二向量进行融合，得到待预测时空区域的交通状态向量；通过解码器对待预测时空区域的交通状态向量进行解码，得到交通状态预测结果。该实施方式提升了基于稀疏分布的细粒度交通状态数据进行交通状态预测的准确性，提高了精细化交通控制的效率，促进了智能交通系统的发展和推广。交通系统的发展和推广。交通系统的发展和推广。

【技术实现步骤摘要】
一种交通预测的方法和装置


[0001]本专利技术涉及计算机
，尤其涉及一种交通预测的方法和装置。

技术介绍

[0002]随着信息技术的发展，智能交通系统成为解决交通拥堵、提高交通效率的有效技术手段。智能交通系统通过对未来细粒度交通状态的预测制定相应的控制优化策略，以实现精细化的交通控制。目前，交通状态预测技术主要基于固定式传感器的预测场景进行的，通过大规模部署在道路上的传感器来采集相关交通状态数据信息以实现交通状态的预测。
[0003]在实现本专利技术过程中，专利技术人发现现有技术中存在如下问题：
[0004]在现实场景中，由于经济、环境等因素，通常无法大规模地部署道路传感器，致使智能交通系统只能获得稀疏分布的细粒度交通状态数据，仅根据这些稀疏分布的细粒度交通状态数据会导致预测的交通状态存在较大的误差，不能很好的应用于实际的智能交通系统，进而限制了智能交通系统的发展和推广。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供一种交通预测的方法和装置，通过交通预测模型中的编码器、冗余注意力层和解码器对已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息的处理，得到准确合理的待预测时空区域交通状态的预测结果，解决了稀疏分布的细粒度交通状态的预测问题，提升了交通状态预测结果的准确性，满足了智能交通系统的需要，提高了精细化交通控制的效率，促进了智能交通系统的发展和推广。
[0006]为实现所述目的，根据本专利技术实施例的一个方面，提供了一种交通预测的方法，包括：
[0007]响应于交通预测请求，将已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息输入交通预测模型，所述交通预测模型包括：编码器、冗余注意力层和解码器；
[0008]通过所述编码器对所述已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息进行编码得到已观测时空区域的交通状态向量和待预测时空区域的交通状态第一向量；
[0009]通过所述冗余注意力层，采用注意力机制对所述已观测时空区域的交通状态向量和所述待预测时空区域的交通状态第一向量进行处理，得到待预测时空区域的交通状态第二向量；
[0010]将所述待预测时空区域的交通状态第一向量和所述待预测时空区域的交通状态第二向量进行融合，得到待预测时空区域的交通状态向量；
[0011]通过所述解码器对所述待预测时空区域的交通状态向量进行解码，得到所述待预测时空区域的交通状态预测结果。
[0012]可选地，将已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引
信息输入交通预测模型之前，还包括：对已观测时空区域的索引信息和交通状态信息进行归一化处理，得到已观测数据集；将所述已观测数据集拆分为观测集和预测集；将所述观测集作为模型输入，通过使所述预测集的损失函数达到最小来训练交通预测模型。
[0013]可选地，所述损失函数包括预测准确性损失函数和预测真实性损失函数；其中，所述预测真实性损失函数通过引入交通流流量、交通流密度与速度之间的关联关系来构建。
[0014]可选地，所述交通流流量、交通流密度和速度通过将车辆轨迹数据转换为状态数据得到，包括：将所述车辆轨迹数据的交通状态空间进行时空区域的划分；根据车辆进入和离开所述时空区域的坐标确定车辆的总行驶距离和行驶时间，所述坐标包括位置信息和时间信息；根据所述总行驶距离和行驶时间，得到所述交通流流量、交通流密度和速度。
[0015]可选地，通过所述冗余注意力层，采用注意力机制对所述已观测时空区域的交通状态向量和所述待预测时空区域的交通状态第一向量进行处理，得到待预测时空区域的交通状态第二向量，包括：通过所述冗余注意力层，采用注意力机制，根据所述已观测时空区域的交通状态向量和所述待预测时空区域的交通状态第一向量得到两个时空区域的交通状态的相似度；基于所述相似度对所述已观测时空区域的交通状态向量进行加权求和，得到所述待预测时空区域的交通状态第二向量。
[0016]可选地，将所述待预测时空区域的交通状态第一向量和所述待预测时空区域的交通状态第二向量进行融合，包括：采用残差连接的方式，将所述待预测时空区域的交通状态第一向量和所述待预测时空区域的交通状态第二向量进行融合。
[0017]可选地，在将已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息输入交通预测模型之前，还包括：通过贪心算法，从所述已观测时空区域的时空点中选取关键时空点，并将所述关键时空点的索引信息和交通状态信息作为所述已观测时空区域的索引信息和交通状态信息。
[0018]可选地，通过贪心算法，从所述已观测时空区域的时空点中选取关键时空点，包括：获取用于存放关键时空点的候选集；在所述候选集中的时空点数量未达到设定阈值的情况下，重复执行如下操作直至所述候选集中的时空点数量达到所述阈值：利用所述候选集计算每个所述时空区域的时空点的重要度，并将重要度最大的时空点作为关键时空点添加到所述候选集中，然后更新所述候选集；将所述候选集中的关键时空点作为选取的关键时空点。
[0019]根据本专利技术实施例的第二方面，提供一种交通预测装置，包括：
[0020]信息输入模块，用于响应于交通预测请求，将已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息输入交通预测模型，所述交通预测模型包括：编码器、冗余注意力层和解码器；
[0021]编码模块，用于通过所述编码器对所述已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息进行编码得到已观测时空区域的交通状态向量和待预测时空区域的交通状态第一向量；
[0022]冗余注意力模块，用于通过所述冗余注意力层，采用注意力机制对所述已观测时空区域的交通状态向量和所述待预测时空区域的交通状态第一向量进行处理，得到待预测时空区域的交通状态第二向量；
[0023]融合模块，用于将所述待预测时空区域的交通状态第一向量和所述待预测时空区
域的交通状态第二向量进行融合，得到待预测时空区域的交通状态向量；
[0024]解码模块，用于通过所述解码器对所述待预测时空区域的交通状态向量进行解码，得到所述待预测时空区域的交通状态预测结果。
[0025]根据本专利技术实施例的第三方面，提供一种交通预测的电子设备，其特征在于，包括：
[0026]一个或多个处理器；
[0027]存储装置，用于存储一个或多个程序，
[0028]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术实施例第一方面提供的方法。
[0029]根据本专利技术实施例的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本专利技术实施例第一方面提供的方法。
[0030]所述专利技术中的一个实施例具有如下优点或有益效果：通过响应于交通预测请求，将已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息输入交通预测模型，交通预测模型包括：编码器、冗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通预测的方法，其特征在于，包括：响应于交通预测请求，将已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息输入交通预测模型，所述交通预测模型包括：编码器、冗余注意力层和解码器；通过所述编码器对所述已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息进行编码得到已观测时空区域的交通状态向量和待预测时空区域的交通状态第一向量；通过所述冗余注意力层，采用注意力机制对所述已观测时空区域的交通状态向量和所述待预测时空区域的交通状态第一向量进行处理，得到待预测时空区域的交通状态第二向量；将所述待预测时空区域的交通状态第一向量和所述待预测时空区域的交通状态第二向量进行融合，得到待预测时空区域的交通状态向量；通过所述解码器对所述待预测时空区域的交通状态向量进行解码，得到所述待预测时空区域的交通状态预测结果。2.根据权利要求1所述的方法，其特征在于，将已观测时空区域的索引信息、交通状态信息和待预测时空区域的索引信息输入交通预测模型之前，还包括：对已观测时空区域的索引信息和交通状态信息进行归一化处理，得到已观测数据集；将所述已观测数据集拆分为观测集和预测集；将所述观测集作为模型输入，通过使所述预测集的损失函数达到最小来训练交通预测模型。3.根据权利要求2所述的方法，其特征在于，所述损失函数包括预测准确性损失函数和预测真实性损失函数；其中，所述预测真实性损失函数通过引入交通流流量、交通流密度与速度之间的关联关系来构建。4.根据权利要求3所述的方法，其特征在于，所述交通流流量、交通流密度和速度通过将车辆轨迹数据转换为状态数据得到，包括：将所述车辆轨迹数据的交通状态空间进行时空区域的划分；根据车辆进入和离开所述时空区域的坐标确定车辆的总行驶距离和行驶时间，所述坐标包括位置信息和时间信息；根据所述总行驶距离和行驶时间，得到所述交通流流量、交通流密度和速度。5.根据权利要求1所述的方法，其特征在于，通过所述冗余注意力层，采用注意力机制对所述已观测时空区域的交通状态向量和所述待预测时空区域的交通状态第一向量进行处理，得到待预测时空区域的交通状态第二向量，包括：通过所述冗余注意力层，采用注意力机制，根据所述已观测时空区域的交通状态向量和所述待预测时空区域的交通状态第一向量得到两个时空区域的交通状态的相似度；基于所述相似度对所述已观测时空区域的交通状态向量进行加权求和，得到所述待预测时空区域的交通状态第二向量。6.根据权利要求1所述的方法，其特征在于，将所述待预测时空区域的交...

【专利技术属性】
技术研发人员：徐鑫，张亮亮，
申请(专利权)人：京东鲲鹏江苏科技有限公司，
类型：发明
国别省市：