路况预测方法、装置、终端设备以及存储介质制造方法及图纸

本发明专利技术实施例提出了一种路况预测方法、装置终端设备以及存储介质，涉及数据处理技术领域；能够持续准确地预测未来时刻道路路况信息。所述方法包括：获得待预测路段的道路状态特征在待预测时刻之前随时间变化的第一变化特征；对与所述待预测时刻相差时间小于预设第一时间长度的任意时刻对应道路状态特征叠加所述第一变化特征，得到所述待预测路段在所述待预测时刻的道路状态特征；根据所述待预测路段在所述待预测时刻的道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息。待预测路段在所述待预测时刻的路况信息。待预测路段在所述待预测时刻的路况信息。

【技术实现步骤摘要】
路况预测方法、装置、终端设备以及存储介质


[0001]本专利技术实施例涉及数据处理
，尤其涉及一种路况预测方法、装置终端设备以及存储介质。

技术介绍

[0002]随着城市发展加快，道路拥堵、交通事故等问题频发。根据行驶至道路的历史车辆行经道路的行驶状态、其它辅助信息等参考数据，预测未来时刻的道路路况(例如，根据行驶至道路的历史车辆的行驶轨迹计算出车辆通过道路的行驶速度，对不同车辆的行驶速度加权平均，作为预测未来时刻道路路况的依据)，引导驾驶员选择相对通畅的行驶路线，从而缓解道路拥堵，避免交通事故。
[0003]但上述根据行驶至道路的历史车辆行经道路的行驶状态，计算未来时刻通过道路车辆的行驶状态作为预测道路路况依据的方法，受历史车辆行经道路的行驶状态的影响，由于行驶至道路的历史车辆行经道路的行驶状态存在滞后性，预测得到的路况信息也存在滞后性，上述预测道路路况的方法不能持续地提供准确道路路况。

技术实现思路

[0004]本专利技术实施例提供了一种路况预测方法、装置、终端设备以及存储介质，能够持续准确地预测未来时刻道路路况信息。
[0005]第一方面，本专利技术实施例提供一种路况预测方法，应用于电子设备终端，所述方法包括：获得待预测路段的道路状态特征在待预测时刻之前随时间变化的第一变化特征；对与所述待预测时刻相差时间小于预设第一时间长度的任意时刻对应道路状态特征叠加所述第一变化特征，得到所述待预测路段在所述待预测时刻的道路状态特征；根据所述待预测路段在所述待预测时刻的道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息。
[0006]本专利技术实施例从道路路况是逐渐变化的特点出发，例如特定道路上一时刻是拥堵的路况，不可能下一时刻变为畅通的路况，获取与待预测时刻相邻的一段时间内，表征道路路况的道路状态特征随时间的变化特征，提取出道路路况在待预测时刻前一时刻的变化趋势；再将道路状态特征随时间的变化特征叠加到待预测时刻之前临近时刻的道路状态特征，得到待预测时刻之前临近时刻在当前路况的基础上延续当前路况变化趋势后，经过客观演变理论上应发展出的路况信息。上述方法刻画了时域维度上路况信息的动态变化特征，在分析待预测路段路况随时间的动态发展过程的基础上，待预测路段在预测未来时刻的路况，具有前瞻性，保证了持续准确地预测未来时刻道路路况信息。
[0007]其中一种可能的实现方式中，所述获得待预测路段的道路状态特征在待预测时刻之前随时间变化的第一变化特征，包括：
[0008]获得从第一时刻延续到待预测时刻的目标时间段；其中，所述第一时刻是所述待预测时刻之前的任意时刻；
[0009]获得对所述目标时间段按照预设第一时间长度进行划分得到的多个时间片段中每个所述时间片段对应的道路状态特征；
[0010]通过目标模型的编码器，按照所述时间片段对应的时间大小，对不同所述时间片段对应道路状态特征进行编码，而获得所述道路状态特征随所述时间片段对应时间变化的第一变化特征；其中，所述目标模型是预设用于预测路况信息的深度神经网络模型。
[0011]其中一种可能的实现方式中，所述对与所述待预测时刻相差时间小于预设第一时间长度的任意时刻对应道路状态特征叠加所述第一变化特征，得到所述待预测路段在所述待预测时刻的道路状态特征包括：
[0012]通过所述目标模型的解码器对所述第一变化特征解码，对所述目标时间段中与所述待预测时刻相邻的时间片段所对应所述道路状态特征叠加所述第一变化特征，得到所述待预测路段在所述待预测时刻的道路状态特征。
[0013]其中一种可能的实现方式中，所述目标模型包括序列到序列seq2seq模型，得到所述待预测路段在所述待预测时刻的道路状态特征之后，所述方法还包括：
[0014]通过所述Seq2seq模型的解码器对所述第一变化特征和所述待预测时刻的道路状态特征解码，在所述待预测时刻的道路状态特征叠加所述第一变化特征，得到所述待预测时刻延续预设第二时间长度后所在第二时刻的道路状态特征；
[0015]通过所述Seq2seq模型的解码器对所述第一变化特征和所述第二时刻的道路状态特征解码，在所述第二时刻的道路状态特征叠加所述第一变化特征，得到所述第二时刻延续预设第二时间长度后所在第三时刻的道路状态特征；
[0016]以此类推，直至获取到所述待预测时刻之后的预设时刻的道路状态特征；
[0017]分别根据所述待预测时刻至所述预设时刻之间的每相隔第二时间长度的特定时刻对应道路状态特征，输出所述待预测时刻至所述预设时刻之间的每相隔第二时间长度的特定时刻对应路况信息。
[0018]其中一种可能的实现方式中，所述方法还包括：根据所述待预测路段在所述待预测时刻的道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息，包括：
[0019]获得在所述待预测时刻之前与所述待预测时刻相邻时刻的道路图像特征；
[0020]对所述待预测时刻的道路状态特征融合所述道路图像特征，获得经过所述道路图像特征修正后的所述道路状态特征；
[0021]根据修正后的所述道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息。
[0022]其中一种可能的实现方式中，获得对所述目标时间段按照预设第一时间长度进行划分得到的多个时间片段中每个所述时间片段对应的道路状态特征，包括：
[0023]获得在所述目标时间段内通过所述目标路段的车辆的行驶轨迹；其中，所述目标路段包括以下至少一者：待预测路段、所述待预测路段的上游路段以及所述待预测路段的下游路段；
[0024]对每个所述时间片段在所述行驶轨迹中对应的行驶轨迹片段进行特征提取，得到每个所述时间片段对应的道路状态特征。
[0025]其中一种可能的实现方式中，对每个所述时间片段在所述行驶轨迹中对应的行驶轨迹片段进行特征提取，得到每个所述时间片段对应的道路状态特征，包括：
[0026]获取每个所述时间片段在所述行驶轨迹中对应的行驶轨迹片段表征的路况状态；所述路况状态包括拥堵、缓行以及畅通；
[0027]计算不同路况状态对应的行驶轨迹片段在所有行驶轨迹片段中所占比例；
[0028]根据每个所述时间片段对应的行驶轨迹片段中轨迹点的分布特征，获得每个所述时间片段对应车辆的停车信息；其中，所述停车信息包括停车时间长度和停车频率；
[0029]根据每个所述时间片段对应的行驶轨迹片段中轨迹点的分布特征和每个所述时间片段对应轨迹片段中不同轨迹点的时间间隔，获得每个所述时间片段对应车辆的行驶速度；
[0030]将所述不同路况状态对应的行驶轨迹片段在所有轨迹片段中所占比例、每个所述时间片段对应车辆的停车信息、每个所述时间片段对应车辆的行驶速度以及所述目标时间段内的经过所述目标路段的车辆的轨迹数量作为所述道路状态特征。
[0031]其中一种可能的实现方式中，获得在所述待预测时刻之前与所述待预测时刻相邻时刻的道路图像特征，包括：
[0032]获取所述待预测路段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路况预测方法，其特征在于，应用于电子终端设备，所述方法包括：获得待预测路段的道路状态特征在待预测时刻之前随时间变化的第一变化特征；对与所述待预测时刻相差时间小于预设第一时间长度的任意时刻对应道路状态特征叠加所述第一变化特征，得到所述待预测路段在所述待预测时刻的道路状态特征；根据所述待预测路段在所述待预测时刻的道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息。2.根据权利要求1所述的方法，其特征在于，所述获得待预测路段的道路状态特征在待预测时刻之前随时间变化的第一变化特征，包括：获得从第一时刻延续到待预测时刻的目标时间段；其中，所述第一时刻是所述待预测时刻之前的任意时刻；获得对所述目标时间段按照预设第一时间长度进行划分得到的多个时间片段中每个所述时间片段对应的道路状态特征；通过目标模型的编码器，按照所述时间片段对应的时间大小，对不同所述时间片段对应道路状态特征进行编码，而获得所述道路状态特征随所述时间片段对应时间变化的第一变化特征；其中，所述目标模型是预设用于预测路况信息的深度神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述对与所述待预测时刻相差时间小于预设第一时间长度的任意时刻对应道路状态特征叠加所述第一变化特征，得到所述待预测路段在所述待预测时刻的道路状态特征包括：通过所述目标模型的解码器对所述第一变化特征解码，对所述目标时间段中与所述待预测时刻相邻的时间片段所对应所述道路状态特征叠加所述第一变化特征，得到所述待预测路段在所述待预测时刻的道路状态特征。4.根据权利要求3所述的方法，其特征在于，所述目标模型包括序列到序列seq2seq模型，得到所述待预测路段在所述待预测时刻的道路状态特征之后，所述方法还包括：通过所述Seq2seq模型的解码器对所述第一变化特征和所述待预测时刻的道路状态特征解码，在所述待预测时刻的道路状态特征叠加所述第一变化特征，得到所述待预测时刻延续预设第二时间长度后所在第二时刻的道路状态特征；通过所述Seq2seq模型的解码器对所述第一变化特征和所述第二时刻的道路状态特征解码，在所述第二时刻的道路状态特征叠加所述第一变化特征，得到所述第二时刻延续预设第二时间长度后所在第三时刻的道路状态特征；以此类推，直至获取到所述待预测时刻之后的预设时刻的道路状态特征；分别根据所述待预测时刻至所述预设时刻之间的每相隔第二时间长度的特定时刻对应道路状态特征，输出所述待预测时刻至所述预设时刻之间的每相隔第二时间长度的特定时刻对应路况信息。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述待预测路段在所述待预测时刻的道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息，包括：获得在所述待预测时刻之前与所述待预测时刻相邻时刻的道路图像特征；对所述待预测时刻的道路状态特征融合所述道路图像特征，获得经过所述道路图像特征修正后的所述道路状态特征；
根据修正后的所述道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息。6.根据权利要求2所述的方法，其特征在于，获得对所述目标时间段按照预设第一时间长度进行划分得到的多个时间片段中每个所述时间片段对应的道路状态特征，包括：获得在所述目标时间段内通过目标路段的车辆的行驶轨迹；其中，所述目标路段包括以下至少一者：待预测路段、所述待预测路段的上游路段以及所述待预测路段的下游路段；对每个所述时间片段在所述行驶轨迹中对应的行驶轨迹片段进行特征提取，得到每个所述时间片段对应的道路状态特征。7.根据权利要求6所述的方法，其特征在于，对每个所述时间片段在所述行驶轨迹中对应的行驶轨迹片段进行特征提取，得到每个所述时间片段对应的道路状态特征，包括：获取每个所述时间片段在所述行驶轨迹中对应的行驶轨迹片段表征的路况状态；所述路况状态包括拥堵、缓行以及畅通；计算不同路况状态对应的行驶轨迹片段在所有行驶轨迹片段中所占比例；根据每个所述时间片段对应的行驶轨迹片段中轨迹点的分布特征，获得每个所述时间片段对应车辆的停车信息；其中，所述停车信息包括停车时间长度和停车频率；根据每个所述时间片段对应的行驶轨迹片段中轨迹点的分布特征和每个所述时间片段对应轨迹片段中不同轨迹点的时间间隔，获得每个所述时间片段对应车辆的行驶速度；将所述不同路况状态对应的行驶轨迹片段在所有轨迹片段中所占比例、每个所述时间片段对应车辆的停车信息、每个所述时间片段对应车辆的行驶速度以及所述目标时间段内的经过所述目标路段的车辆的轨迹数量作为所述道路状态特征。8.根据权利要求5所述的方法，其特征在于，获得在所述待预测时刻之前与所述待预测时刻相邻时刻的道路图像特征，包括：获取所述待预测路段在所述相邻时刻的车道图像；将所述车道图像输入预先训练用于提取所述车道图像的视觉感官特征的卷积神经网络，得到所述道路图像特征。9.根据权利要求1所述的方法，其特征在于，根据所述待预测路段在所述待预测时刻的道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息，包括：根据不同时间对应道路状态特征之间的关联信息，选取对所述第一变化特征影响最大的目标道路状态特征；对所述待预测时刻的道路状态特征融合所述目标道路状态特征，获得经过所述目标道路状态特征加强后的所述道路状态特征；根据加强后的所述道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息。10.根据权利要求1所述的方法，其特征在于，根据所述待预测路段在所述待预测时刻的道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息，包括：从本地存储区域读取预先存储的待预测路段的静态特征；其中，所述静态特征包括以下至少一者：设置于所述待预测路段交通指示灯的时间周期、所述待预测路段的车道数目、所述待预测路段长度以及车辆通过所述待预测路段最高速度或平均速度；对所述待预测时刻的道路状态特征融合所述静态特征，获得经过所述静态特征调整后
的所述道路状态特征；根据调整后的所述道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息。11.根据权利要求1所述的方法，其特征在于，所述道路状态特征是对通过所述待预测路段的车辆的行驶轨迹提取特征得到的，所述方法还包括：根据所述待预测时刻之前所述待预测路段的道路状态特征对应行驶轨迹占有车道，对所述道路状态特征标注方向标记；获得待预测路段的道路状态特征在待预测时刻之前随时间变化的第一变化特征，包括：获得待预测路段对应不同方向标记的道路状态特征在待预测时刻之前随时间变化的第一变化特征；对与所述待预测时刻相差时间小于预设第一时间长度的任意时刻对应道路状态特征叠加所述第一变化特征，得到所述待预测路段在所述待预测时刻的道路状态特征，包括：针对对应目标方向标记的目标道路状态特征，对与所述待预测时刻相差时间小于预设第一时间长度的任意时刻对应目标道路状态特征叠加所述目标方向标记的第一变化特征，得到在所述待预测时刻对应目标方向标记的道路状态特征；其中，所述目标方向标记是所述不同方向标记中的任一；根据所述待预测路段在所述待预测时刻的道路状态特征，计算所述待预测路段在所述待预测时刻的路况信息，包括：根据所述待预测路段在所述待预测时刻对应不同方向标记的道路状态特征，计算所述待预测路段不同方向在所述待预测时刻的路况信息。12.一种路况预测装置，其特征在...

【专利技术属性】
技术研发人员：暴雨，樊扬，彭湘雄，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：