[发明专利]交通信息预测方法、装置、设备及存储介质

权利要求书

1.一种交通信息预测方法，其特征在于，包括：

获取目标城市交通路图，并将所述目标城市交通路图划分成多个目标子图；

将多个所述目标子图以及对应的目标交通状态信息组成目标输入数据；

将所述目标输入数据输入预先训练好的交通信息预测模型中，得到交通信息预测值，所述交通信息预测模型预先由源城市交通路图训练得到，所述目标城市交通路图的节点数与所述源城市交通路网的节点数不同。

2.根据权利要求1所述的交通信息预测方法，其特征在于，所述获取目标城市交通路图，并将所述目标城市交通路图划分成多个目标子图，包括：

将所述目标城市交通路图按照不同比例进行尺寸缩小，得到多个不同比例的缩略图；

按照划分数目对最小比例的所述缩略图进行初步划分，得到第一目标子图集合；

根据所述第一目标子图集合中节点映射关系将所述目标城市交通路图划分成对应的目标子图。

3.根据权利要求2所述的交通信息预测方法，其特征在于，所述获取目标城市交通路图，并将所述目标城市交通路图划分成多个目标子图之前，还包括：

当所述目标城市交通路图的节点数不能被所述划分数目整除时，用元素零对所述目标城市交通路图进行数据补全。

4.根据权利要求1所述的交通信息预测方法，其特征在于，所述交通信息预测模型包括空间相关性子模型和时间相关性子模型；

所述将所述目标输入数据输入预先训练好的交通信息预测模型中，得到交通信息预测值，包括：

根据所述目标输入数据，利用所述空间相关性子模型获取空间信息；

根据所述空间信息，利用所述时间相关性子模型获取时间信息，根据所述空间信息和所述时间信息得到所述交通信息预测值。

5.根据权利要求4所述的交通信息预测方法，其特征在于，所述空间相关性子模型由图神经网络模型构成，所述时间相关性子模型由门控循环单元模型构成。

6.根据权利要求1所述的交通信息预测方法，其特征在于，所述交通信息预测模型的训练过程包括：

构建源城市训练数据集，所述源城市训练数据集包括：源输入数据以及对应的标签，所述源输入数据包括所述源城市交通路图对应的源子图和对应的源交通状态信息；

将所述源城市训练数据集输入到所述交通信息预测模型中，得到源预测交通状态信息；

根据所述源预测交通状态信息和所述标签之间的误差值优化损失函数，训练得到所述交通信息预测模型。

7.根据权利要求1-6任一项所述的交通信息预测方法，其特征在于，还包括，利用所述交通信息预测值和预测时间段真实目标交通状态信息之间的第二误差值，调整第二损失函数，对所述交通信息预测模型的参数进行优化。

8.一种交通信息预测装置，其特征在于，包括：

目标城市交通路图获取模块，用于获取目标城市交通路图，并将所述目标城市交通路图划分成多个目标子图；

目标输入数据组成模块，用于将多个所述目标子图以及对应的目标交通状态信息组成目标输入数据；

交通信息预测模块，用于将所述目标输入数据输入预先训练好的交通信息预测模型中，得到交通信息预测值，所述交通信息预测模型预先由源城市交通路图训练得到，所述目标城市交通路图的节点数与所述源城市交通路网的节点数不同。

9.一种计算机设备，其特征在于，包括处理器以及存储器；

所述存储器用于存储程序；

所述处理器用于根据所述程序执行如权利要求1至7中任一项所述的交通信息预测方法。

10.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1至7中任意一项所述的交通信息预测方法。