[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

说明书

本申请涉及计算机技术领域，尤其涉及人工智能技术领域，提供一种时长预测模型训练和车流速度的预估方法、装置和设备，可应用于地图、交通、自动驾驶、车载等场景。其中，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；提取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；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。由于本申请是在进行模型训练时选用的是整条历史出行轨迹中全部的交通路段和路口路段，预测出的时间更具准确性。

背景技术

车辆自由流动速度(Free Flow Speed，ffs)是指驾驶人在无其他车辆干扰、非拥堵、无明显测速执法及其他外界环境因素影响的情况下，根据道路情况,自然选择的车速，ffs往往针对一个交通路段而言，是交通路段的重要属性之一。

在相关技术中，某个交通路段的ffs的计算往往需要在一条历史出行轨迹中，找到与交通路段起始点最近的导航点与导航时间，以及轨迹中与终点最近的导航点与导航时间，利用两个导航点之间的距离和导航时间的差值近似得到交通路段长度与通行时间，进一步可以基于多条历史出行轨迹完成上述操作并取交通路段长度的均值与通行时间的均值，最终将交通路段长度均值与通行时间均值相除，得到该交通路段的ffs。

然而，由于上述方法是通过经过两个导航点之间路段的通行时间，来近似代替相应交通路段的通行时间，因此其得出的交通路段的通行时间并不准确，存在较大误差，进一步会导致计算ffs时得出的结果存在较大误差。

综上，如何提高获取到的交通路段通行时间的准确性是亟待解决的。

发明内容

本申请实施例提供一种时长预测模型训练和车流速度的预估方法、装置和设备，用以提高获取到的交通路段通行时间的准确性。

本申请实施例提供的一种时长预测模型的训练方法，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。

本申请实施例还提供了一种车流速度的预估方法，包括：

确定目标路网中所包含的至少一个交通路段，所述至少一个交通路段是对所述目标路网进行分割得到的连续通行路段；

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；

分别将所述各交通路段各自对应的道路特征输入已训练的时长预测模型，预测所述各交通路段各自对应的目标通行时间；其中，所述时长预测模型是基于多个历史出行轨迹训练得到的；每个历史出行轨迹包括交通路段和路口路段；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；

基于所述各交通路段各自对应的目标通行时间及相应的交通路段长度，分别获得所述各交通路段各自对应的车流速度。

本申请实施例提供的一种时长预测模型的训练装置，包括：

获取单元，用于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；