[发明专利]一种动态交通事件预测方法及装置

说明书

本发明公开一种动态交通事件预测方法和装置，所述方法包括：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。该方案可以有效降低动态交通事件预测的神经网络模型中自由参数的数量，根本性的提升动态交通事件预测的召回和准确率。

技术领域

本发明涉及交通技术领域，尤其涉及一种动态交通事件预测方法及装置。

背景技术

随着车辆的不断增多，道路越来越拥堵，导致道路交通拥堵的原因有很多种，如路况差、车流量大等，同时交通事件也是造成道路拥堵的主要原因之一。交通事件是不可预测的，包括事故、临时交通管制和未提前通知的道路施工等。

在为用户提供导航服务的过程中，有必要尽快准确的识别这些交通事件，并在导航中利用这些交通事件信息，以便为用户提供正确的导航建议。为此，可以通过训练一个预测模型来识别道路交通中的异常状况以发现交通事件。但是目前动态的交通事件很难获得并确认，主要因为在核查人员到达现场之前，该交通事件很可能已经解除，此外通过现场人员核查交通事件的方式耗费的人力财力也较高，无法推广实用。

因此，目前难以及时获得准确的动态交通事件作为真实样本，导致无法训练得到合适的预测模型，进而难以对动态交通事件作出准确的预测。

发明内容

为了解决现有技术中存在的以上技术问题，本发明提供一种动态交通事件预测方法及装置，以在难以及时获得准确的动态交通事件作为真实样本的基础上，实现对动态交通事件准确的预测。

本申请提供的技术方案如下：

一种动态交通事件预测方法，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。

较佳的，所述动态交通事件预测方法，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。

较佳的，所述使用路况信息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。

较佳的，所述使用路况信息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。

相应于上述方法，本申请还提供过了一种动态交通事件预测装置，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；