[发明专利]一种动态交通事件预测方法及装置有效
| 申请号： | 201710697502.8 | 申请日： | 2017-08-15 |
| 公开（公告）号： | CN109410565B | 公开（公告）日： | 2020-07-10 |
| 发明（设计）人： | 冀晨光;刘凯奎 | 申请（专利权）人： | 阿里巴巴（中国）有限公司 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G06Q10/04 |
| 代理公司： | 北京领科知识产权代理事务所(特殊普通合伙) 11690 | 代理人： | 张丹 |
| 地址： | 310052 浙江省杭州市滨江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 动态 交通 事件 预测 方法 装置 | ||
1.一种动态交通事件预测方法，其特征在于，包括：
使用路况信息的真值样本训练路况预测的神经网络模型，得到该神经网络模型的中下层结构和参数；
建立动态交通事件预测的神经网络模型，该动态交通事件预测的神经网络模型的中下层结构和参数固定设置为路况预测的神经网络模型的中下层结构和参数；
使用动态交通事件的真值样本训练所述动态交通事件预测的神经网络模型，得到其上层结构和参数；
通过所述动态交通事件预测的神经网络模型进行动态交通事件预测。
2.根据权利要求1所述的方法，其特征在于，还包括：
判断实时路况是否与预测路况相符，如果不相符，则通过所述动态交通事件预测的神经网络模型进行动态交通事件预测。
3.根据权利要求1所述的方法，其特征在于，使用路况信息的真值样本训练路况预测的神经网络模型，得到该神经网络模型的中下层结构和参数，包括：
根据训练结果的准确性，调整所述路况预测的神经网络模型，得到卷积层的层数；
和/或根据路况信息的特征，调整所述路况预测的神经网络模型，得到卷积核的大小和深度。
4.根据权利要求3所述的方法，其特征在于，使用路况信息的真值样本训练路况预测的神经网络模型，得到该神经网络模型的中下层结构和参数，包括：
根据路况信息的特征，调整所述路况预测的神经网络模型，确定池化的区域和池化方案，其中池化方案为平均值池化或者最大值池化。
5.一种动态交通事件预测装置，其特征在于，包括：
第一训练模块，用于使用路况信息的真值样本训练路况预测的神经网络模型，得到该神经网络模型的中下层结构和参数；
模型创建模块，用于建立动态交通事件预测的神经网络模型，该动态交通事件预测的神经网络模型的中下层结构和参数固定设置为路况预测的神经网络模型的中下层结构和参数；
第二训练模块，用于使用动态交通事件的真值样本训练所述动态交通事件预测的神经网络模型，得到其上层结构和参数；
预测模块，用于通过所述动态交通事件预测的神经网络模型进行动态交通事件预测。
6.根据权利要求5所述的装置，其特征在于，还包括：
判断模块，用于判断实时路况是否与预测路况相符，如果不相符，则通过所述动态交通事件预测的神经网络模型进行动态交通事件预测。
7.根据权利要求5所述的装置，其特征在于，第一训练模块包括：
卷积层获取单元，用于根据训练结果的准确性，调整所述路况预测的神经网络模型，得到卷积层的层数；
卷积核获取单元，还用于根据路况信息的特征，调整所述路况预测的神经网络模型，得到卷积核的大小和深度。
8.根据权利要求5所述的装置，其特征在于，第一训练模块还包括：
池化确认模块，用于根据路况信息的特征，调整所述路况预测的神经网络模型，确定池化的区域和池化方案，其中池化方案为平均值池化或者最大值池化。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于阿里巴巴（中国）有限公司，未经阿里巴巴（中国）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710697502.8/1.html，转载请声明来源钻瓜专利网。
