[發明專利]一種網聯車車輛行程時間估計方法

有效

• 申請號: 202011519013.1
• 申請日: 2020-12-21
• 公開（公告）號: CN112541638B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 王強;徐琛;石東海;袁哲明
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 丁蕓;馬敬

本發明實施例提供的一種網聯車車輛行程時間估計方法，應用于信息技術領域，將路網的靜態信息和路網的動態信息輸入到預先訓練的圖卷積神經網絡中，根據路網中各路線的空間特征更新道路動態特征向量與靜態特征的向量后，將更新后的動態特征向量輸入到預先訓練的循環神經網絡中，得到路網中各路線的時間特征，再次更新動態特征向量；將路網中各路線中兩次更新后的動態特征向量和路網中各路線的一次更新后的靜態特征向量輸入到基于圖神經網絡的注意力機制網絡中，得到并根據路網中各路線的軌跡影響力得分和路網結構，抽取目標路線對應的路網子圖；通過將子圖轉化為子圖向量，然后計算得到目標路線預測行程時間，可以提高行程時間的計算的準確性。

技術領域

本發明涉及信息技術領域，特別是涉及一種網聯車車輛行程時間估計方法。

背景技術

目前，隨著人們出行頻率的日益的增加，各種導航軟件的使用頻率也不斷增加。通過使用導航軟件，可以便于用戶在不熟悉交通狀況的條件下，也可以快速的到達目的地。同時導航軟件還可以根據路程和車速計算出到達目的地所需的行程時間。

然而，車輛在行駛過程中的速度往往不但會受到道路狀況的影響，往往還會受到其他因素的影響，因此，在根據路程和車速計算出到達目的地所需的行程時間時，所得到的計算結果的準確性往往較差。

發明內容

本發明實施例的目的在于提供一種網聯車車輛行程時間估計方法，以實現提高行程時間計算的準確性。具體技術方案如下：

在本發明實施的第一方面，提供了一種網聯車車輛行程時間估計方法，上述方法包括：

獲取路網的靜態信息和路網的動態信息，其中，路網的靜態信息包括路網中各條道路的屬性信息，路網的動態信息包括路網中各條道路的交通狀況信息；

將路網的靜態信息和路網的動態信息輸入到預先訓練的圖卷積神經網絡中，得到路網中各路線的空間特征，其中，各路線的空間特征包括各路線動態信息和靜態信息以及該路線的相鄰路線的動態信息和靜態信息；

利用路網中各路線的空間特征更新靜態特征向量和動態特征向量；

將路網中各路線的更新后的靜態特征向量和更新后的動態特征向量輸入到預先訓練的循環神經網絡中，得到路網中各路線的時間特征，其中，各路線的時間特征包括各路線在不同采樣頻率下統計的交通狀況的變化趨勢信息；

利用路網中各路線的時間特征更新更新后的動態特征向量，得到二次更新后的動態特征向量；

將路網中各路線的更新后的靜態特征向量和二次更新后的動態特征向量輸入到預先訓練的基于圖神經網絡的注意力機制網絡中，得到路網中各路線的軌跡影響力得分；

根據路網中各路線的軌跡影響力得分和路網結構，抽取目標路線對應的路網子圖，其中，目標路線對應的路網子圖包括路網中軌跡影響力得分最高的前N條路線和路網中目標路線經過的路線，目標路線為用戶選取的行進路線；

通過圖表示學習神經網絡將路網子圖轉化為子圖向量；

獲取通行信息向量；

通過預先訓練的深度殘差網絡，根據子圖向量與通行信息向量計算得到目標路線預測行程時間。

可選的，獲取通行信息向量，包括：

獲取通行信息；

通過預先訓練好的神經網絡，對通行信息進行向量化，得到通行信息向量。

可選的，將路網中各路線的更新后的靜態特征向量和二次更新后的動態特征向量輸入到預先訓練的基于圖神經網絡的注意力機制網絡中，得到路網中各路線的軌跡影響力得分，包括：

通過預設公式計算路網中各路線的連通度之和；