[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

说明书

本申请实施例涉及计算机技术领域，尤其涉及一种拥堵状态预测方法、装置、电子设备及存储介质，用以在时间序列中存在缺失数据时保证预测结果的准确性。该方法为：系统服务器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，再基于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。这样，即使某一交通特征数据缺失，系统服务器也可以对缺失的交通特征数据进行填充，进而可以基于上述集合，准确地预测出下一时刻的拥堵状态。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及一种拥堵状态预测方法、装置、电子设备及存储介质。

背景技术

在交通服务系统中，为了给出更加合理的路线规划，往往需要对该交通服务系统生成的目标路线的拥堵状态进行预测。

相关技术下，系统服务器通常需要按照设定时间周期，针对目标路线获取相应的交通特征数据集合，再采用获得的交通特征数据集合，对目标路线在未来某一时刻的拥堵状态进行预测。

但是，当由于客观因素(如，天气原因、驾驶员错误操作，设备故障等)，造成交通特征数据集合中某一交通特征数据缺失时，会导致预测结果存在较大的误差。

现有技术下，针对交通特征数据缺失的情况，没有有效的解决方案，因此，当遇到这种情况时，无法准确地对拥堵状态进行预测。

因此，需要一种新的拥堵状态预测方法、装置、电子设备及存储介质，以克服上述问题。

发明内容

本申请实施例提供一种拥堵状态预测方法、装置、电子设备及存储介质，用以在时间序列中存在缺失数据时保证预测结果的准确性。

本申请提供的具体技术方案如下：

第一方面，一种拥堵状态预测方法，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。

第二方面，一种拥堵状态预测装置，包括：

第一处理单元，用于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；

第二处理单元，用于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；

第三处理单元，用于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。

可选的，所述第一权重和所述第二权重，是基于已训练的循环神经网络模型获得的，所述第三处理单元对所述循环神经网络模型的训练过程如下：

采用各个样本路段的历史交通特征数据集合，对所述循环神经网络模型进行迭代训练，其中，在一次迭代过程中，执行以下操作：

获取一个样本路段在一个历史时刻的真实的第一拥堵状态指示信息；