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()
【技术实现步骤摘要】
本专利技术涉及车联网,尤其是涉及一种高速公路拥堵指数的确定方法、装置、设备和存储介质。
技术介绍
1、高速公路拥堵指数是一个具体的量化数值,用于刻画高速公路的拥堵水平,现有的高速公路拥堵指数的计算方法,通常是使用城市道路的拥堵指数计算方法或者通过线性推导的方式计算,但是城市道路的拥堵指数计算方法中使用的车辆速度区间等计算参数并不符合高速公路的特点,通过线性推导方式计算出的高速公路拥堵指数未考虑时间序列的特点,计算得出的高速公路拥堵指数的可靠性低。
技术实现思路
1、本专利技术的目的在于提供一种高速公路拥堵指数的确定方法、装置、设备和存储介质,从而解决现有方式确定的高速公路拥堵指数的可靠性低的问题。
2、第一方面,为了达到上述目的,本专利技术实施例提供一种高速公路拥堵指数的确定方法,包括:
3、获取高速公路的初始交通相关信息,对所述初始交通相关信息进行处理,得到交通流特征矩阵信息,所述交通流特征矩阵信息包括时间特征信息以及与所述时间特征信息对应的道路特征信息、环境特征信息、交通运行特征信息;
4、根据所述交通流特征矩阵信息和注意力机制模型得到第一时间点对应的交通流特征矩阵信息中的关键特征信息,所述时间特征信息包括所述第一时间点;
5、根据所述第一时间点对应的关键特征信息以及特征权重信息,得到所述第一时间点对应的高速公路拥堵指数;
6、其中,所述特征权重信息是根据历史关键特征信息和所述历史关键特征信息对应的高速公路历史拥堵情况
7、可选地,所述时间特征信息包括:
8、所述第一时间点以及所述第一时间点之前的多个第二时间点;
9、所述第一时间点以及所述第二时间点中每一时间点是否属于节假日的指示信息。
10、可选地,所述道路特征信息包括以下至少一项:
11、所述高速公路的每一路段的路段占有率;
12、所述高速公路的每一路段上发生异常交通事件的累计时长。
13、可选地,所述环境特征信息是根据所述高速公路的每一路段上预设长度内的平均能见度对应的指标数据和所述高速公路的每一路段的湿滑度对应的指标数据确定的。
14、可选地,所述交通运行特征信息包括以下至少一项:
15、所述高速公路的每一路段的交通流速度信息对应的第一拥堵等级;
16、所述高速公路的每一路段的交通流密度信息对应的第二拥堵等级。
17、可选地,获取高速公路的初始交通相关信息,对所述初始交通相关信息进行处理,得到交通流特征矩阵信息,包括以下至少一项:
18、获取所述第一时间点以及多个第二时间点中每一时间点对应的所述高速公路上每一路段的交通流速度信息,对所述交通流速度信息进行层次聚类分析,得到多个速度聚类结果,根据每一速度聚类结果与对应的速度聚类中心之间的第一距离以及预设的多个拥堵等级,得到所述高速公路的每一路段的交通流速度信息对应的第一拥堵等级,不同的第一距离对应不同的拥堵等级;
19、获取所述第一时间点以及多个第二时间点中每一时间点对应的所述高速公路上每一路段的交通密度信息,对所述交通密度信息进行层次聚类分析,得到多个密度聚类结果,根据每一密度聚类结果与对应的密度聚类中心之间的第二距离以及预设的多个拥堵等级,得到所述高速公路的每一路段的交通流密度信息对应的第二拥堵等级,不同的第二距离对应不同的拥堵等级;
20、其中,所述第二时间点是所述第一时间点之前的时间点。
21、可选地,根据所述交通流特征矩阵信息和注意力机制模型得到第一时间点对应的交通流特征矩阵信息中的关键特征信息,包括:
22、利用所述注意力机制模型,根据所述交通流特征矩阵信息得到所述第一时间点对应的交通流特征矩阵信息与每一第二时间点对应的交通流特征矩阵信息之间的相关性信息,根据所述相关性信息得到所述第一时间点对应的交通流特征矩阵信息中的关键特征信息;
23、其中,所述第二时间点为所述第一时间点之前的时间点,所述时间特征信息包括所述第一时间点和所述第二时间点。
24、可选地,利用所述注意力机制模型,根据所述交通流特征矩阵信息得到所述第一时间点对应的交通流特征矩阵信息与每一第二时间点对应的交通流特征矩阵信息之间的相关性信息,根据所述相关性信息得到所述第一时间点对应的交通流特征矩阵信息中的关键特征信息,包括:
25、根据所述交通流特征矩阵信息和所述注意力机制模型的隐藏层的权重矩阵,得到查询矩阵参数、键矩阵参数和值矩阵参数;
26、根据所述查询矩阵参数和所述键矩阵参数,得到注意力得分信息;
27、利用激活函数对所述注意力得分信息进行转换处理,得到所述第一时间点对应的交通流特征矩阵信息与每一所述第二时间点对应的交通流特征矩阵信息之间的相关性信息;
28、根据所述相关性信息和所述值矩阵参数,得到所述交通流特征矩阵信息中的关键特征信息。
29、可选地,所述方法还包括:
30、获取所述历史关键特征信息以及所述历史关键特征信息对应的所述高速公路历史拥堵情况;
31、根据所述历史关键特征信息和所述高速公路历史拥堵情况,构建随机森林模型,根据所述随机森林模型确定所述历史关键特征信息对应的所述第一时间点的重要性信息;
32、对所述重要性信息进行归一化处理,得到所述特征权重信息。
33、可选地,根据所述历史关键特征信息和所述高速公路历史拥堵情况,构建随机森林模型,根据所述随机森林模型确定所述历史关键特征信息对应的所述第一时间点的重要性信息,包括:
34、根据所述历史关键特征信息和所述高速公路历史拥堵情况,构建模型训练信息;
35、获取所述模型训练信息中的训练数据和测试数据;
36、利用所述训练数据构建随机森林模型;
37、利用所述测试数据对所述随机森林模型进行性能评价,得到评价结果;
38、在所述评价结果满足预设条件时,根据所述随机森林模型的分类划分,得到历史关键特征信息对应的所述第一时间点的重要性信息。
39、第二方面,为了达到上述目的,本专利技术实施例提供一种高速公路拥堵指数的确定装置,包括:
40、第一获取模块,用于获取高速公路的初始交通相关信息,对所述初始交通相关信息进行处理,得到交通流特征矩阵信息,所述交通流特征矩阵信息包括时间特征信息以及与所述时间特征信息对应的道路特征信息、环境特征信息、交通运行特征信息;
41、第一处理模块,用于根据所述交通流特征矩阵信息和注意力机制模型得到第一时间点对应的交通流特征矩阵信息中的关键特征信息,所述时间特征信息包括所述第一时间点;
42、第二处理模块,用于根据所述第一时间点对应的关键特征信息以及特征权重信息,得到所述第一时间点对应的高速公路拥堵本文档来自技高网...
【技术保护点】
1.一种高速公路拥堵指数的确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述时间特征信息包括:
3.根据权利要求1所述的方法,其特征在于,所述道路特征信息包括以下至少一项:
4.根据权利要求1所述的方法,其特征在于,所述环境特征信息是根据所述高速公路的每一路段上预设长度内的平均能见度对应的指标数据和所述高速公路的每一路段的湿滑度对应的指标数据确定的。
5.根据权利要求1所述的方法,其特征在于,所述交通运行特征信息包括以下至少一项:
6.根据权利要求5所述的方法,其特征在于,获取高速公路的初始交通相关信息,对所述初始交通相关信息进行处理,得到交通流特征矩阵信息,包括以下至少一项:
7.根据权利要求1所述的方法,其特征在于,根据所述交通流特征矩阵信息和注意力机制模型得到第一时间点对应的交通流特征矩阵信息中的关键特征信息,包括:
8.根据权利要求7所述的方法,其特征在于,利用所述注意力机制模型,根据所述交通流特征矩阵信息得到所述第一时间点对应的交通流特征矩阵信息与每一第二时间点
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
10.根据权利要求9所述的方法,其特征在于,根据所述历史关键特征信息和所述高速公路历史拥堵情况,构建随机森林模型,根据所述随机森林模型确定所述历史关键特征信息对应的所述第一时间点的重要性信息,包括:
11.一种高速公路拥堵指数的确定装置,其特征在于,包括:
12.一种高速公路拥堵指数的确定设备,包括收发机、存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至10中任一项所述的高速公路拥堵指数的确定方法。
13.一种可读存储介质,其上存储有程序或指令,其特征在于,所述程序或指令被处理器执行时实现如权利要求1至10中任一项所述的高速公路拥堵指数的确定方法。
...【技术特征摘要】
1.一种高速公路拥堵指数的确定方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述时间特征信息包括:
3.根据权利要求1所述的方法,其特征在于,所述道路特征信息包括以下至少一项:
4.根据权利要求1所述的方法,其特征在于,所述环境特征信息是根据所述高速公路的每一路段上预设长度内的平均能见度对应的指标数据和所述高速公路的每一路段的湿滑度对应的指标数据确定的。
5.根据权利要求1所述的方法,其特征在于,所述交通运行特征信息包括以下至少一项:
6.根据权利要求5所述的方法,其特征在于,获取高速公路的初始交通相关信息,对所述初始交通相关信息进行处理,得到交通流特征矩阵信息,包括以下至少一项:
7.根据权利要求1所述的方法,其特征在于,根据所述交通流特征矩阵信息和注意力机制模型得到第一时间点对应的交通流特征矩阵信息中的关键特征信息,包括:
8.根据权利要求7所述的方法,其特征在于,利用所述注意力机制模型,根据所述交通流特征矩阵信息得...
【专利技术属性】
技术研发人员:魏娆,林鲲鹏,王奇,秦今朝,
申请(专利权)人:北京大唐高鸿数据网络技术有限公司,
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。