[发明专利]时长预测模型训练和车流速度的预估方法、装置和设备

权利要求书

1.一种时长预测模型的训练方法，其特征在于，所述方法包括：

获取多个历史出行轨迹各自包含的交通路段和路口路段；所述交通路段为连续通行路段，所述路口路段为包含交通信号灯且位于相邻道路通行交汇区域的路段；

根据各交通路段各自对应的第一行驶属性和路况信息，提取所述各交通路段各自的道路特征，以及根据各路口路段各自对应的第二行驶属性及相连接的交通路段的道路特征，提取所述各路口路段各自的路口特征；

基于各个历史出行轨迹各自包含的交通路段的道路特征和路口路段的路口特征，以及各个历史出行轨迹各自对应的实际通行时间，构建多个训练样本；

基于所述多个训练样本对待训练的时长预测模型进行循环迭代训练，获得已训练的时长预测模型。

2.如权利要求1所述的方法，其特征在于，每次循环迭代训练执行以下步骤：

将选取的训练样本中历史出行轨迹包含的各交通路段各自的道路特征，以及各路口路段各自的路口特征，输入待训练的时长预测模型，预测所述各交通路段各自的预估通行时间，以及所述各路口路段各自的预估通行时间；

基于所述各交通路段各自的预估通行时间，和所述各路口路段各自的预估通行时间，确定所述历史出行轨迹的预估通行时间；

基于所述历史出行轨迹的预估通行时间与所述历史出行轨迹的实际通行时间之间的差异，对所述待训练的时长预测模型进行参数调整。

3.如权利要求2所述的方法，其特征在于，所述待训练的时长预测模型包括交通路段时长预测子模型和路口路段时长预测子模型；所述将选取的训练样本中历史出行轨迹包含的各交通路段各自的道路特征，以及各路口路段各自的路口特征，输入待训练的时长预测模型，预测所述各交通路段各自的预估通行时间，以及所述各路口路段各自的预估通行时间，包括：

分别将所述各交通路段各自对应的道路特征输入待训练的交通路段时长预测子模型，预测所述各交通路段各自对应的预估通行时间；

分别将所述各路口路段各自对应的路口特征输入待训练的路口路段时长预测子模型，预测所述各路口路段各自对应的预估通行时间。

4.如权利要求2所述的方法，其特征在于，所述基于所述各交通路段各自的预估通行时间，和所述各路口路段各自的预估通行时间，确定所述历史出行轨迹的预估通行时间，包括：

将所述各交通路段各自的预估通行时间，和所述各路口路段各自的预估通行时间之和，作为所述历史出行轨迹的预估通行时间。

5.如权利要求1～4任一项所述的方法，其特征在于，每个所述历史出行轨迹的实际通行时间是通过如下方式得到的：

获取所述历史出行轨迹中的各个导航点及各个导航点各自对应的导航时间；所述各个导航点是在历史出行过程中，基于第一预设周期对出行对象进行至少一次定位取点得到的；

基于所述历史出行轨迹中起始导航点的对应的导航时间，以及终止导航点的对应的导航时间，获得所述历史出行轨迹的实际通行时间。

6.如权利要求1所述的方法，其特征在于，所述第一行驶属性包括交通路段长度、交通路段限速、道路等级、车道数量、道路构造中的至少一种；所述第二行驶属性包括路口转弯类型、关联转弯个数中的至少一种；所述路况信息包括交通路段实时速度、交通路段路况中的至少一种。

7.如权利要求6所述的方法，其特征在于，所述历史出行轨迹中的每个交通路段实时速度是通过以下方式获得的：

在出行对象的历史出行过程中，确定经过所述历史出行轨迹中所述交通路段的路径时间；

基于所述路径时间及预设的参考时长，获取所述路径时间对应的参考时间段；

获取所述参考时间段内，所述交通路段中各个车辆的车辆实时速度的均值，并将所述均值作为所述交通路段的交通路段实时速度；所述车辆实时速度是基于第二预设周期获取的。

8.如权利要求1～4、6～7任一项所述的方法，其特征在于，所述历史出行轨迹为符合目标通行状态的历史出行轨迹，所述目标通行状态表征轨迹全程无拥堵情况发生。