【技术实现步骤摘要】
模型训练方法和装置、交通事件发生概率评估方法和装置
[0001]本公开涉及计算机
，更具体地，涉及一种模型训练方法和装置、交通事件发生概率评估方法和装置，以及相应的计算机可读存储介质和计算机程序产品。
技术介绍
[0002]交通事件在城市道路和高速公路上都常有发生。诸如多车事故、大型车辆侧翻之类的严重的交通事件可能带来严重的交通拥堵，导致周边路网通行效率严重降低，进而会带来严重的交通安全隐患，增加次级事故发生的几率，同时造成较大的经济影响和财产损失。相关路段交通事件检测方法主要借助于视频设备识别和交通状态变化的感知。
[0003]对于使用视频设备的检测方法，设备的位置固定，只能在设备周围几十米范围内保证事件检测的准确率。若需要覆盖区域路网或高速路网，则只能通过扩展设备点位的方式实现，成本极高。
[0004]对于使用交通状态变化的感知的相关方法，通常都只以事后的一个时间片上的交通信息、车辆信息为基础进行识别。由于交通状态的推演需要一定时间，此类方法的快速响应能力有限；同时交通状态的推演跟环境、事件类型等关...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：获取预设时间段内预设路段中的道路交通数据，所述道路交通数据至少包括车辆轨迹数据和路网拓扑数据；将所述道路交通数据划分到多个时空切片中，得到所述多个时空切片中每个时空切片对应的子道路交通数据，所述每个时空切片与在时间维度上针对所述预设时间段划分的一个时间切片、和在空间维度上针对所述预设路段划分的一个空间切片相对应；将每个时空切片对应的子道路交通数据输入第一神经网络模型，所述第一神经网络模型的网络参数包括与时空切片相关的地理加权值，第一神经网络模型对该时空切片对应的子道路交通数据进行处理，输出所述子道路的路段风险预测值；以及对所述第一神经网络模型进行训练，使得所述路段风险预测值相对于路段风险预测值真值标签的误差最小，其中，所述路段风险预测值指示该时空切片所对应的空间切片上、任意两个或多个车辆在所述时空切片对应的时间切片的下一时间切片上发生碰撞的概率。2.如权利要求1所述的方法，其中所述道路交通数据还包括气象数据，所述气象数据针对多个分区进行划分，所述多个分区中的每一个与所述预设路段具有映射关系。3.如权利要求1所述的方法，其中所述子道路交通数据包括针对所述子道路的车辆轨迹数据，所述针对所述子道路的车辆轨迹数据是基于所述预设时间段和所述预设路段针对车辆轨迹数据以预定采样率进行采样得到的。4.如权利要求3所述的方法，其中所述车辆轨迹数据在输入所述第一神经网络模型前预先经过筛选处理，所述筛选包括：基于预定阈值删除所述车辆轨迹数据中的异常值。5.如权利要求3所述的方法，其中所述车辆轨迹数据在输入所述第一神经网络模型前预先经过平滑处理，所述平滑包括：响应于在所述预定采样率的整数倍时间内缺失所述车辆轨迹数据，对该时间段内的车辆轨迹数据进行补全。6.如权利要求1所述的方法，其中所述路网拓扑数据至少包括：所述预设路段内的所有车辆通过所述预设路段的平均通过速度、车辆速度方差、紧急加速次数、紧急加速幅度、紧急减速次数、紧急减速幅度中的一个或多个。7.一种第一神经网络模型，其特征在于，所述第一神经网络模型包括：输入层、隐藏层和输出层；所述输入层、所述隐藏层和所述输出层各自包括网络参数，并且所述网络参数包括与时空切片相关的地理加权值，所述时空切片中的每一个与在时间维度上针对预设时间段划分的一个时间切片、和在空间维度上针对预设路段划分的一个空间切片相对应；其中，所述第一神经网络模型经过如权利要求1所述的模型训练方法进行训练。8.一种交通事件发生概率的评估方法，其特征在于，所述方法包括：输入待进行预设道路交通事件发生概率评估的目标地点；针对所述目标地点划分时间切片；获取与所述目标地点和所述时间切片对应的目标道路交通数据；以第一时间为时间窗口，以第一频率为所述时间窗口的更新频率，通过将所述目标时空切片对应的目标道路交通数据输入如权利要求7所述的第一神经网络模型进行处理，输出所述目标道路的路段风险预测值序列；
将所述目标道路的路段风险预测值序列和目标地点的路网拓扑数据输入第二神经网络模型，所述第二神...
【专利技术属性】
技术研发人员：孟繁宇，
申请(专利权)人：腾讯科技深圳有限公司，
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。