[发明专利]一种交通状态预测方法、装置及电子设备

说明书

本发明提供一种交通状态预测方法、装置及电子设备，涉及智能交通技术领域，所述方法包括：生成多个染色体单元，每个染色体单元用于表征一类时空卷积网络模型；基于样本集分别计算多个染色体单元中每个染色体单元对应的时空卷积网络模型的损失值；依据多个染色体单元对应的时空卷积网络模型的损失值更新多个染色体单元，并返回执行基于样本集分别计算多个染色体单元中每个染色体单元对应的时空卷积网络模型的损失值的步骤，直至确定满足预设条件的目标染色体单元；基于目标染色体单元对应的时空卷积网络模型确定预先训练的时空卷积网络模型；基于预先训练的时空卷积网络模型预测交通状态。本发明能够提高预测交通状态的准确性。

技术领域

本发明涉及智能交通技术领域，尤其涉及一种交通状态预测方法、装置及电子设备。

背景技术

随着城市化进程的不断推进，智能交通的重要程度越来越高。交通状态预测是智能交通的重要组成部分，预测的交通状态信息有助于人们的出行路线决策，从而可以缓解交通堵塞，提升城市居住的幸福感。现有技术中，通常通过统计方法预测交通状态，通过统计一段时间内的车辆的数量及车速预测下一时刻的交通状态，然而，统计方法是依赖经验预测交通状态，预测交通状态的准确性较差。

发明内容

本发明实施例提供一种交通状态预测方法、装置及电子设备，以解决现有技术中通过统计方法预测交通状态，预测交通状态的准确性较差的问题。

为解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种交通状态预测方法，所述方法包括：

生成多个染色体单元，每个所述染色体单元用于表征一类时空卷积网络模型；

基于样本集分别计算所述多个染色体单元中每个所述染色体单元对应的时空卷积网络模型的损失值；

依据所述多个染色体单元对应的时空卷积网络模型的损失值更新所述多个染色体单元，并返回执行所述基于样本集分别计算所述多个染色体单元中每个所述染色体单元对应的时空卷积网络模型的损失值的步骤，直至确定满足预设条件的目标染色体单元；

基于所述目标染色体单元对应的时空卷积网络模型确定预先训练的时空卷积网络模型；

基于所述预先训练的时空卷积网络模型预测交通状态。

可选的，所述染色体单元包括如下至少一项：

层数比特位，观测域比特位，扩展因子比特位；

其中，所述层数比特位用于表征所述时空卷积网络模型的隐藏层的层数，所述观测域比特位用于表征每个所述隐藏层的观测域，所述扩展因子比特位用于表征每个所述隐藏层的卷积扩展因子。

可选的，所述依据所述多个染色体单元对应的时空卷积网络模型的损失值更新所述多个染色体单元，包括：

按照所述多个染色体单元对应的时空卷积网络模型的损失值从高至低对所述多个染色体单元进行排序；

基于前M1个染色体单元生成M2个第一染色体单元，M1和M2均为正整数，M1大于或等于M2；

将所述多个染色体单元中后M2个染色体单元替换为所述M2个第一染色体单元。

可选的，所述基于前M1个染色体单元生成M2个第一染色体单元，包括：

对前M1个染色体单元进行杂交处理，得到至少一个杂交染色体单元；

对所述前M1个染色体单元进行变异处理，得到至少一个变异染色体单元；

其中，所述M2个第一染色体单元包括所述至少一个杂交染色体单元和所述至少一个变异染色体单元。

可选的，所述目标染色体单元为更新次数达到第一预设次数后排序在最前的染色体单元；