交通参数的预测方法、装置、存储介质及电子装置制造方法及图纸

本发明专利技术实施例提供了一种交通参数的预测方法、装置、存储介质及电子装置，其中，该方法包括：确定目标道路中包括的目标元胞的第一交通参数，以及确定目标道路中包括的相邻元胞的第二交通参数，其中，相邻元胞为与目标元胞相邻，且位于目标元胞上游的元胞，目标元胞为对目标道路进行划分，所得到的多个子区间中包括的任意一个区间；确定在预定时刻进入目标元胞中的车辆的目标数量；基于第一交通参数、第二交通参数以及目标数量预测预定时刻目标元胞的目标交通参数。通过本发明专利技术，解决了相关技术中存在的预测交通参数效率低的问题，达到提高预测交通参数的效率的效果。预测交通参数的效率的效果。预测交通参数的效率的效果。

【技术实现步骤摘要】
交通参数的预测方法、装置、存储介质及电子装置


[0001]本专利技术实施例涉及智能交通领域，具体而言，涉及一种交通参数的预测方法、装置、存储介质及电子装置。

技术介绍

[0002]在相关技术中，元胞自动机模型在交通领域多用于城市内道路，研究对象主要是微观的交通流，主要方法把每个车辆的大小当做一个道路元胞，根据每一个元胞前后和相邻车道的元胞内是否存在车辆，从而决定下一个单位时间内每一个车辆前进多少个元胞，需要综合考虑城市道路中行人、非机动车、红绿灯、交叉路口、司机的反应速度等诸多影响进行仿真。这种模型的可解释性比较好，但是在高速道路中往往关注的是一段道路上整体的车流状况，比如整体的平均车速、拥堵里程等，按上述微观方法建立模型的话会非常繁琐且效率不高。
[0003]在高速道路的交通流预测中，相关技术中多是综合历史道路交通流数据以及收费站进出数据、天气数据等诸多因素，建立深度学习、机器学习或时间序列分析模型进行预测。这种方法对道路通畅时的交通流数据以及早晚高峰的周期性拥堵预测效果较好，但是由于大部分历史数据都是道路通畅情况下的，所以此类模型对于突发事故造成道路部分拥堵之后的交通流预测效果并不理想。交通波等模型虽然可以用来分析拥堵消散过程，但是它对数据的要求比较高，需要事故位置前后车流的瞬时速度和流量，这在实际应用中是难以准确获取的。此外，深度学习等模型往往都是以黑盒的形式存在，模型的可解释性较差，这样就导致在人为采取限流等管制措施后，难以及时对模型做出相应的调整，灵活性比较差。
[0004]由此可知，相关技术中存在预测交通参数效率低的问题。
[0005]针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]本专利技术实施例提供了一种交通参数的预测方法、装置、存储介质及电子装置，以至少解决相关技术中存在的预测交通参数效率低的问题。
[0007]根据本专利技术的一个实施例，提供了一种交通参数的预测方法，包括：确定目标道路中包括的目标元胞的第一交通参数，以及确定所述目标道路中包括的相邻元胞的第二交通参数，其中，所述相邻元胞为与所述目标元胞相邻，且位于所述目标元胞上游的元胞，所述目标元胞为对所述目标道路进行划分，所得到的多个子区间中包括的任意一个区间；确定在预定时刻进入所述目标元胞中的车辆的目标数量；基于所述第一交通参数、所述第二交通参数以及所述目标数量预测所述预定时刻所述目标元胞的目标交通参数。
[0008]根据本专利技术的另一个实施例，提供了一种交通参数的预测装置，包括：第一确定模块，用于确定目标道路中包括的目标元胞的第一交通参数，以及确定所述目标道路中包括的相邻元胞的第二交通参数，其中，所述相邻元胞为与所述目标元胞相邻，且位于所述目标
元胞上游的元胞，所述目标元胞为对所述目标道路进行划分，所得到的多个子区间中包括的任意一个区间；第二确定模块，用于确定在预定时刻进入所述目标元胞中的车辆的目标数量；预测模块，用于基于所述第一交通参数、所述第二交通参数以及所述目标数量预测所述预定时刻所述目标元胞的目标交通参数。
[0009]根据本专利技术的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
[0010]根据本专利技术的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
[0011]通过本专利技术，确定目标道路中包括的目标元胞的第一交通参数，以及确定目标道路中包括的相邻元胞的第二交通参数，目标元胞为对目标道路进行划分，所得到的多个子区间中包括的任意一个区间；确定在预定时刻进入目标元胞中的车辆的目标数量；基于第一交通参数、第二交通参数以及目标数量预测预定时刻目标元胞的目标交通参数。由于在预测目标交通参数时，可以对目标道路进行划分，得到目标元胞，根据目标元胞的第一交通参数、位于目标元胞上游的相邻元胞的第二交通参数以及在预定时刻进入目标元胞的车辆的目标数量预测预定时刻目标元胞的目标交通参数，因此，可以解决相关技术中存在的预测交通参数效率低的问题，达到提高预测交通参数的效率的效果。
附图说明
[0012]图1是本专利技术实施例的一种交通参数的预测方法的移动终端的硬件结构框图；图2是根据本专利技术实施例的交通参数的预测方法的流程图；图3是根据本专利技术示例性实施例的目标网络模型的结构示意图；图4是根据本专利技术示例性实施例的确定第二数量的网络模型示意图；图5是根据本专利技术示例性实施例的目标元胞的车辆速度与车流速度的函数关系拟合示意图；图6是根据本专利技术具体实施例的交通参数的预测方法流程图；图7是根据本专利技术具体实施例的预测交通参数流程示意图；图8是根据本专利技术具体实施例的A地
‑
B地路段的平均速度变化示意图；图9是根据本专利技术具体实施例的速度
‑
密度散点图；图10是根据本专利技术具体实施例的速度
‑
密度函数拟合结果示意图；图11是根据本专利技术具体实施例的A地
‑
B地路段平均车速的仿真结果示意图；图12是根据本专利技术具体实施例的上游G地
‑
A地路段平均车速的仿真结果示意图；图13是根据本专利技术具体实施例的再上游F地
‑
G地平均车速的仿真结果示意图；图14是根据本专利技术实施例的交通参数的预测装置的结构框图。
具体实施方式
[0013]下文中将参考附图并结合实施例来详细说明本专利技术的实施例。
[0014]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第
二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0015]本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本专利技术实施例的一种交通参数的预测方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个（图1中仅示出一个）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
[0016]存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本专利技术实施例中的交通参数的预测方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通参数的预测方法，其特征在于，包括：确定目标道路中包括的目标元胞的第一交通参数，以及确定所述目标道路中包括的相邻元胞的第二交通参数，其中，所述相邻元胞为与所述目标元胞相邻，且位于所述目标元胞上游的元胞，所述目标元胞为对所述目标道路进行划分，所得到的多个子区间中包括的任意一个区间；确定在预定时刻进入所述目标元胞中的车辆的目标数量；基于所述第一交通参数、所述第二交通参数以及所述目标数量预测所述预定时刻所述目标元胞的目标交通参数。2.根据权利要求1所述的方法，其特征在于，确定目标道路中包括的目标元胞的第一交通参数包括：确定所述目标元胞的第一车辆密度、第一车流平均速度；在当前时刻所述目标元胞中未发生第一事故的情况下，基于所述目标元胞的历史交通参数确定所述目标元胞的第一通行能力；在当前时刻所述目标元胞中发生第一事故的情况下，基于所述第一事故的事故数据确定所述目标元胞的第一通行能力；将所述第一车辆密度、所述第一车流平均速度以及所述第一通行能力确定为所述第一交通参数；确定目标道路中包括的相邻元胞的第二交通参数包括：确定所述相邻元胞的第二车辆密度、第二车流平均速度；在当前时刻所述目标元胞中未发生第二事故的情况下，基于所述相邻元胞的历史交通参数确定所述相邻元胞的第二通行能力；在当前时刻所述相邻元胞中发生第二事故的情况下，基于所述第二事故的事故数据确定所述相邻元胞的第二通行能力；将所述第二车辆密度、所述第二车流平均速度以及所述第二通行能力确定为所述第二交通参数。3.根据权利要求2所述的方法，其特征在于，基于所述第一事故的事故数据确定所述目标元胞的第一通行能力包括：将所述事故数据输入至目标网络模型中，得到所述目标网络模型中包括的每个决策树的通行能力预测结果，其中，所述事故数据包括发生所述第一事故之前预定时间内所述目标道路的第三车流密度、所述发生所述第一事故的第一车辆类型、第一车辆状态、影响的第一车道数量、所述第一事故的发生地的历史通行能力、所述第一事故的发生地与目标出口的第一距离，所述目标出口为所述目标道路中包括的与所述第一事故的发生地最近的出口；确定每个所述通行能力预测结果对应的第一权重；基于所述第一权重对所述通行能力预测结果进行加权平均，得到所述第一通行能力。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：将所述事故数据输入至目标网络模型中，得到所述目标网络模型中包括的每个决策树的事故处理预测时长；确定每个所述事故处理预测时长对应的第二权重；基于所述第二权重对所述事故处理预测时长进行加权平均，得到事故处理目标时长；基于所述事故处理目标时长预测所述目标元胞的目标通行能力。5.根据权利要求1所述的方法，其特征在于...

【专利技术属性】
技术研发人员：赵之健，王琰驹，李镇峰，蔡佳怡，林亦宁，
申请(专利权)人：上海闪马智能科技有限公司，
类型：发明
国别省市：