[发明专利]一种拥堵状态预测方法、装置、电子设备及存储介质在审
申请号: | 202011484496.6 | 申请日: | 2020-12-15 |
公开(公告)号: | CN114639233A | 公开(公告)日: | 2022-06-17 |
发明(设计)人: | 钟子宏 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G08G1/01 | 分类号: | G08G1/01;G06Q50/30;G06Q10/04;G06N3/08;G06N3/04 |
代理公司: | 北京同达信恒知识产权代理有限公司 11291 | 代理人: | 朱佳 |
地址: | 518044 广东省深圳*** | 国省代码: | 广东;44 |
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 拥堵 状态 预测 方法 装置 电子设备 存储 介质 | ||
1.一种拥堵状态预测方法,其特征在于,包括:
分别获取目标路线中的各个路段当前时刻的交通特征数据集合和拥堵状态指示信息,每个交通特征数据集合中包括针对设定的各个采集对象分别获得的交通特征数据;
分别针对交通特征数据集合中缺失至少一个采集对象的交通特征数据的每个目标路段,基于所述各个路段在当前时刻之前的历史交通特征数据集合和拥堵状态指示信息,对缺失的交通特征数据进行估计,并将估计数据补充到目标路段的交通特征数据集合中;
基于所述各个路段的交通特征数据集合,分别预测每个路段在下一时刻的拥堵状态指示信息。
2.如权利要求1所述的方法,其特征在于,针对任一个目标路段,基于所述各个路段在当前时刻之前的历史交通特征数据集合和拥堵状态指示信息,对缺失的交通特征数据进行估计,具体包括:
根据从当前时刻开始到之前2P’+1个连续历史时刻的交通特征数据集合,以每次移动一个历史时刻为滑动窗口,获得P’+1个特征数据序列,其中,每个特征数据序列包括其中P’+1个连续历史时刻的交通特征数据集合;
根据滑动顺序,将获得的各个特征数据序列组成特征数据序列矩阵;
获得目标路段从当前时刻开始到之前P’+1个时刻的拥堵状态指示信息组成的二分类标签序列;
基于所述二分类标签序列与所述特征数据序列矩阵之间的相关性运算结果,获得第一时间阶数P;
基于所述各个路段在当前时刻之前的P个历史时刻的历史交通特征数据集合和拥堵状态指示信息,对目标路段的交通特征数据集合中缺失的交通特征数据进行估计。
3.如权利要求2所述的方法,其特征在于,基于所述二分类标签序列与所述数据序列矩阵之间的相关性运算结果,获得第一时间阶数P,包括:
分别计算所述二分类标签序列和所述特征数据序列矩阵中各个特征数据序列的相关系数;
基于获得的各个相关系数的绝对值,选取一个相关系数作为目标相关系数;
基于所述目标相关系数关联的特征数据序列的起始时刻和当前时刻之间的差值,确定所述第一时间阶数P。
4.如权利要求2所述的方法,其特征在于,基于所述各个路段在当前时刻之前的P个历史时刻的历史交通特征数据集合和拥堵状态指示信息,对目标路段的交通特征数据集合中缺失的交通特征数据进行估计,包括:
基于所述历史交通特征数据集合中,在当前时刻之前的P个连续历史时刻,针对目标路段获得的与所述至少一个采集对象关联的交通特征数据,获得第一均值;
基于所述历史交通特征数据集合中,在当前时刻的上一时刻分别针对所述各个路段获得的与所述至少一个采集对象关联的交通特征数据,获得第二均值;
基于所述第一均值和第一权重,以及所述第二均值和第二权重,获得所述估计数据。
5.如权利要求4所述的方法,其特征在于,所述第一权重和所述第二权重,是基于已训练的逻辑回归模型获得的,所述逻辑回归模型的训练过程如下:
采用各个样本目标路段的历史交通特征数据集合,对所述逻辑回归模型进行迭代训练,每个样本目标路段为在一个历史时刻获得的历史交通特征数据集合中缺失至少一个采集对象的交通特征数据的路段,其中,在一次迭代过程中,执行以下操作:
获得样本目标路段在一个历史时刻对应的第一样本均值和第二样本均值,所述第一样本均值,是基于以下信息获得的:在所述一个历史时刻之前的P训练个连续历史时刻,针对所述样本目标路段获得的与缺失的至少一个采集对象关联的交通特征数据,所述第二样本均值,是基于以下信息获得的:在所述一个历史时刻的上一时刻分别针对所述各个路段获得的与缺失的至少一个采集对象关联的交通特征数据;
针对一个历史时刻,将一个样本目标路段对应的第一样本均值和第二样本均值输入逻辑回归模型,获得所述一个样本目标路段在所述一个历史时刻对应的估计数据;
基于所述一个样本目标路段在所述一个历史时刻对应的真实数据和所述估计数据的误差,对所述逻辑回归模型的网络参数进行相应调整,其中,所述逻辑回归模型的网络参数至少包括所述第一权重和所述第二权重。
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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/202011484496.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:T型修泵架
- 下一篇:一种基于屏幕空间的渲染方法及装置