[发明专利]一种路况预测方法、装置及可读存储介质

权利要求书

1.一种路况预测方法，其特征在于，包括：

获取当前道路的特征数据；所述当前道路的特征数据包括用于表征所述当前道路在当前时间段的路况的信息，以及对所述当前道路的路况存在影响的参数；

将所述当前道路的特征数据输入路况预测模型，得到所述当前道路的路况预测结果；所述路况预测结果用于表征所述当前道路在当前时间段之后的路况；所述路况预测模型是根据目标区域中至少一条道路的特征数据和标签数据训练生成的；所述至少一条道路包括所述当前道路。

2.根据权利要求1所述的路况预测方法，其特征在于，在将所述当前道路的特征数据输入路况预测模型之前，所述路况预测方法还包括：

获取预设时间段内，目标区域中至少一条道路的路况信息；所述预设时间段中的时刻早于所述当前时间段；

确定第一路况信息和第二路况信息；所述第一路况信息为所述预设时间段内第一时间段对应的路况信息；所述第二路况信息为所述预设时间段内第二时间段对应的路况信息；所述第一时间段与所述第二时间段中的时刻不重合，且所述第一时间段中的时刻早于所述第二时间段；

从所述第一路况信息中确定所述至少一条道路的特征数据，并从所述第二路况信息中确定所述至少一条道路的标签数据；所述标签数据用于表征所述至少一条道路的路况；所述至少一条道路的特征数据包括用于表征所述至少一条道路的路况的信息，以及对所述至少一条道路的路况存在影响的参数；

根据所述至少一条道路的特征数据和标签数据，对预设神经网络模型进行路况预测训练，得到路况预测模型。

3.根据权利要求2所述的路况预测方法，其特征在于，所述根据所述至少一条道路的特征数据和标签数据，对预设神经网络模型进行路况预测训练，得到路况预测模型，包括：

根据所述至少一条道路的特征数据和标签数据，对预设神经网络模型进行N次训练，直至满足预设收敛条件，得到路况预测模型；

其中，所述N次训练中的第i次训练的步骤包括：

将所述至少一条道路的特征数据输入第i-1次训练得到的神经网络模型进行路况预测，得到第一预测结果，基于所述第一预测结果与所述标签数据间的损失参数，对所述第i-1次训练得到的神经网络模型进行路况预测训练，以调整所述第i-1次训练得到的神经网络模型的参数；

所述预设收敛条件包括：当前损失参数小于或者等于预设阈值；1≤i≤N。

4.根据权利要求1-3任一项所述的路况预测方法，其特征在于，

特征数据包括时空特征、日期特征、静态特征、历史特征、以及其他特征中的至少一个；所述时空特征用于表征一条道路在目标时间段内的速度；所述日期特征用于表征所述目标时间段所属的日期；所述静态特征用于表征所述一条道路的属性；所述历史特征用于表征所述一条道路在历史时间段内的速度；所述其他特征用于表征对所述一条道路的路况存在影响的参数；所述历史时间段中的时刻早于所述目标时间段；所述一条道路为所述至少一条道路中的任一道路。

5.根据权利要求4所述的路况预测方法，其特征在于，预设神经网络模型包括卷积层和全连接层。

6.根据权利要求5所述的路况预测方法，其特征在于，预设神经网络模型为7层神经网络，且前3层为卷积层后4层为全连接层。

7.根据权利要求5或6所述的路况预测方法，其特征在于，所述将所述至少一条道路的特征数据输入第i-1次训练得到的神经网络模型进行路况预测，得到第一预测结果，包括：

将所述至少一条道路的时空特征输入第i-1次训练得到的神经网络模型的卷积层，将所述至少一条道路的日期特征、所述至少一条道路的静态特征、所述至少一条道路的历史特征以及所述至少一条道路的其他特征输入第i-1次训练得到的神经网络模型的全连接层进行路况预测，得到所述第一预测结果。