System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 交通状态预测方法、装置、存储介质及计算机设备制造方法及图纸_技高网

交通状态预测方法、装置、存储介质及计算机设备制造方法及图纸

技术编号:40634533 阅读:6 留言:0更新日期:2024-03-13 21:18
本申请公开了一种交通状态预测方法,该方法包括:基于目标区域在历史时间维度上的车流轨迹数据生成交通出行数据;根据交通出行数据对初始交通单元进行合并,得到目标交通小区;基于交通出行数据生成目标交通小区对应的历史交通矩阵;将历史交通矩阵输入至交通预测模型,通过交通预测模型输出未来时间维度上预测的目标交通矩阵;根据目标交通矩阵预测目标区域的交通状态。本申请可应用于交通领域,通过获取目标区域的交通出行数据生成初始交通单元,并基于交通出行数据对该初始交通单元进行单元合并,得到更加准确的交通小区,使得预测出的目标交通矩阵具有很高的准确率,进而有效提高交通状态的预测结果的精准性。

【技术实现步骤摘要】

本申请涉及智能交通,更具体地,涉及一种交通状态预测方法、装置、存储介质及计算机设备


技术介绍

1、智能交通(intelligent transportation)是指利用信息技术对传统的运输系统进行改造而形成的信息化、智能化和社会化的新型运输管理方式,它是有效解决城市和高速公路交通拥挤、改善行车安全以及提高运输效率等的最佳途径。例如,通过对某区域进行交通状态预测,可以得到该区域未来某段时间内的交通需求。

2、在交通状态预测中,od(origin-destination)矩阵是一项重要的基数数据。通过预测出的未来时段的od矩阵,可以预测对应时段的交通状态。有关技术中,od矩阵的预测参考的指标比较单一,而这种方式往往会因交通小区的划分不合理,导致预测出的od矩阵不准确,使得交通状态的预测结果不具备精准性。


技术实现思路

1、本申请实施例提供一种交通状态预测方法、装置、存储介质以及计算机设备。旨在提升od矩阵预测的准确性,从而使得交通状态的预测结果具备精准性。

2、一方面,本申请实施例提供一种交通状态预测方法,该方法包括:基于目标区域在历史时间维度上的车流轨迹数据生成交通出行数据;根据交通出行数据对初始交通单元进行合并,得到目标交通小区;基于交通出行数据生成目标交通小区对应的历史交通矩阵;将历史交通矩阵输入至交通预测模型,通过交通预测模型输出未来时间维度上预测的目标交通矩阵;根据目标交通矩阵预测目标区域的交通状态。

3、另一方面,本申请实施例还提供一种交通状态预测装置,该装置包括:数据生成模块,用于基于目标区域在历史时间维度上的车流轨迹数据生成交通出行数据;单元合并模块,用于根据交通出行数据对初始交通单元进行合并,得到目标交通小区;矩阵生成模块,用于基于交通出行数据生成目标交通小区对应的历史交通矩阵;矩阵预测模块,用于将历史交通矩阵输入至交通预测模型,通过交通预测模型输出未来时间维度上预测的目标交通矩阵;状态确定模块,用于根据目标交通矩阵预测目标区域的交通状态。

4、另一方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质存储有程序代码,其中,在所述程序代码被处理器运行时执行上述的交通状态预测方法。

5、另一方面,本申请实施例还提供一种计算机设备,该计算机设备包括处理器以及存储器,存储器存储有计算机程序指令,计算机程序指令被处理器调用时执行上述的交通状态预测方法。

6、另一方面,本申请实施例还提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,所述计算机指令存储在存储介质中。计算机设备的处理器从存储介质读取所述计算机指令,处理器执行所述计算机指令,使得所述计算机设备执行上述交通状态预测方法中的步骤。

7、本申请提供的一种交通状态预测方法,可以基于目标区域在历史时间维度上的车流轨迹数据生成交通出行数据,并根据交通出行数据对初始交通单元进行合并,得到目标交通小区,进而基于交通出行数据生成目标交通小区对应的历史交通矩阵,进一步地,将历史交通矩阵输入至交通预测模型,通过交通预测模型输出未来时间维度上预测的目标交通矩阵,并根据目标交通矩阵预测目标区域的交通状态。如此,通过对初始交通单元的合并,能够得到包含交通规律信息的目标交通小区,因此基于该目标交通小区可以生成更加准确的历史交通矩阵,使得预测出的目标交通矩阵具有很高的准确性,从而提高交通状态的预测结果的精准性。

本文档来自技高网...

【技术保护点】

1.一种交通状态预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述根据所述交通出行数据对初始交通单元进行合并,得到目标交通小区,包括:

3.根据权利要求2所述的方法,其特征在于,所述通过所述交通出行数据和所述兴趣点数据,对所述中间交通单元进行合并,得到目标交通小区,包括:

4.根据权利要求3所述的方法,其特征在于,所述基于所述区域类型对所述中间交通单元进行第一单元合并,得到合并交通单元,包括:

5.根据权利要求4所述的方法,其特征在于,所述将所述邻近交通单元与所述中间交通单元进行单元合并,得到合并交通单元,包括:

6.根据权利要求3所述的方法,其特征在于,所述基于所述交通数据占比对所述合并交通单元进行第二单元合并,得到目标交通小区,包括:

7.根据权利要求1所述的方法,其特征在于,所述交通预测模型通过如下步骤训练得到:

8.根据权利要求1~7任一项所述的方法,其特征在于,所述将所述历史交通矩阵输入至交通预测模型,通过所述交通预测模型输出未来时间维度上预测的目标交通矩阵,包括:

9.根据权利要求1所述的方法,其特征在于,所述根据所述目标交通矩阵预测所述目标区域的交通状态,包括:

10.根据权利要求1所述的方法,其特征在于,所述基于所述交通出行数据生成所述目标交通小区对应的历史交通矩阵,包括:

11.一种交通状态预测装置,其特征在于,所述装置包括:

12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1~10任一项所述的方法。

13.一种计算机设备,其特征在于,包括:

14.一种计算机程序产品或计算机程序,其特征在于,所述计算机程序产品或计算机程序包括计算机指令,所述计算机指令存储在存储介质中;计算机设备的处理器从存储介质读取所述计算机指令,处理器执行所述计算机指令,使得所述计算机执行如权利要求1~10任一项所述的方法。

...

【技术特征摘要】

1.一种交通状态预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述根据所述交通出行数据对初始交通单元进行合并,得到目标交通小区,包括:

3.根据权利要求2所述的方法,其特征在于,所述通过所述交通出行数据和所述兴趣点数据,对所述中间交通单元进行合并,得到目标交通小区,包括:

4.根据权利要求3所述的方法,其特征在于,所述基于所述区域类型对所述中间交通单元进行第一单元合并,得到合并交通单元,包括:

5.根据权利要求4所述的方法,其特征在于,所述将所述邻近交通单元与所述中间交通单元进行单元合并,得到合并交通单元,包括:

6.根据权利要求3所述的方法,其特征在于,所述基于所述交通数据占比对所述合并交通单元进行第二单元合并,得到目标交通小区,包括:

7.根据权利要求1所述的方法,其特征在于,所述交通预测模型通过如下步骤训练得到:

8.根据权利要求1~7任一项所述的方法,其特征在于,所...

【专利技术属性】
技术研发人员:许益彬
申请(专利权)人:腾讯科技深圳有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1