[發明專利]交通擁堵數據預測方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202011138209.6
• 申請日: 2020-10-22
• 公開（公告）號: CN112419710B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 蟻韓羚;李圓法
• 申請（專利權）人: 深圳云天勵飛技術股份有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06N3/08;G06N3/04
• 代理公司: 深圳眾鼎匯成知識產權代理有限公司 44566
• 代理人: 朱業剛

1.一種交通擁堵數據預測方法，其特征在于，包括：

獲取指定區域的交通關聯數據，所述交通關聯數據包括歷史交通數據、車輛軌跡數據、交通節點數據和環境條件數據；所述交通節點數據包括相鄰路段之間車輛的流出/流入數量；

通過時空神經網絡模型處理所述交通關聯數據，生成所述指定區域的交通擁堵預測數據，所述時空神經網絡模型包括多層雙向門控循環神經網絡、圖卷積網絡、特征映射層、全連接層、以及自回歸層；

其中，所述通過時空神經網絡模型處理所述交通關聯數據，生成所述指定區域的交通擁堵預測數據，包括：

通過所述多層雙向門控循環神經網絡處理所述歷史交通數據和所述車輛軌跡數據，生成第一輸出數據；

通過所述圖卷積網絡處理所述交通節點數據和所述第一輸出數據，生成第二輸出數據；所述圖卷積網絡用于解析道路之間的關聯關系；所述交通節點數據用作道路切換的權重；

通過所述特征映射層處理所述環境條件數據，生成第三輸出數據；

通過所述全連接層處理所述第二輸出數據和所述第三輸出數據，生成第四輸出數據；

通過所述自回歸層處理所述歷史交通數據和所述車輛軌跡數據，生成第五輸出數據；

根據所述第四輸出數據和第五輸出數據確定所述交通擁堵預測數據。

2.如權利要求1所述的交通擁堵數據預測方法，其特征在于，所述通過所述多層雙向門控循環神經網絡處理所述歷史交通數據和所述車輛軌跡數據，生成所述第一輸出數據，包括：

從所述歷史交通數據提取指定時間段內以指定時間周期統計的在先擁堵數據，從所述車輛軌跡數據提取所述指定時間段內以所述指定時間周期統計的在先車輛均速和在先道路車輛數量；

通過所述多層雙向門控循環神經網絡處理所述在先擁堵數據、所述在先車輛均速和所述在先道路車輛數量，生成所述第一輸出數據。

3.如權利要求2所述的交通擁堵數據預測方法，其特征在于，所述通過所述圖卷積網絡處理所述交通節點數據和所述第一輸出數據，生成所述第二輸出數據，包括：

通過預設有向圖處理所述指定時間段內的所述交通節點數據，生成鄰接矩陣數據；

通過所述圖卷積網絡處理所述鄰接矩陣數據和所述第一輸出數據，生成所述第二輸出數據。

4.如權利要求1所述的交通擁堵數據預測方法，其特征在于，所述通過時空神經網絡模型處理所述交通關聯數據，生成所述指定區域的交通擁堵預測數據之前，還包括：

通過隨機梯度下降算法對所述時空神經網絡模型進行訓練；

計算訓練時所述時空神經網絡模型的輸出值的均方誤差，并設置所述均方誤差為損失值；

根據所述損失值更新所述時空神經網絡模型的模型參數。

5.如權利要求1所述的交通擁堵數據預測方法，其特征在于，所述歷史交通數據包括基于時間滑動窗口構造的交通擁堵指數。

6.如權利要求1所述的交通擁堵數據預測方法，其特征在于，所述車輛軌跡數據包括按路段統計的單位時間內的平均車輛數和平均車速。

7.如權利要求1所述的交通擁堵數據預測方法，其特征在于，所述環境條件數據包括天氣數據、節假日數據和興趣點數據中的一種或多種。

8.如權利要求1所述的交通擁堵數據預測方法，其特征在于，所述第一輸出數據包括若干映射向量，每一所述映射向量基于一個路段的所述歷史交通數據和所述車輛軌跡數據而生成。