[发明专利]交通线路分配方法及装置

说明书

本公开提供的一种交通线路分配方法及装置，涉及交通技术领域，本公开提供的交通线路分配方法及装置，通过实时获取当下时间段内的交通数据，并将交通数据输入至预先训练得到的交通预测模型中，得到预测行程时间，在得到预测行程时间后，根据预先构建的带时间维度的逻辑图网络以及预测行程时间，计算得到出行成本期望值，进而根据出行成本期望值计算得到推荐路线方案，由此，提高了交通通行的畅通性。

技术领域

本公开涉及交通技术领域，具体而言，涉及一种交通线路分配方法及装置。

背景技术

现有的交通诱导方案通常是基于地理信息和历史道路通行时间给用户提供诱导建议。据研究表明，当大量用户接受相同的诱导信息时，就容易发生聚集和过激反应现象，从而使一条路段的拥堵转移至另一条路段，严重时甚至会产生一种道路使用的振荡现象，降低交通通行的整体效率。

发明内容

有鉴于此，本公开提供一种交通线路分配方法及装置。

本公开提供一种交通线路分配方法，所述方法包括：

实时获取当下时间段内的交通数据。

将所述交通数据输入至预先训练得到的交通预测模型中，得到预测行程时间。

根据预先构建的带时间维度的逻辑图网络以及所述预测行程时间，计算得到出行成本期望值。

根据所述出行成本期望值计算得到推荐路线方案。

进一步的，所述交通预测模型通过以下步骤训练得到：

从历史道路通行时间数据集中提取预设时间段内的行程时间矩阵、分配概率矩阵、天气特征矩阵以及事件特征矩阵。

根据行程时间矩阵，得到长时交通变化趋势特征矩阵、同时间段交通特性特征矩阵以及即时交通变化趋势的特征矩阵。

将所述长时交通变化趋势特征矩阵、同时间段交通特性特征矩阵、即时交通变化趋势的特征矩阵、分配概率矩阵、天气特征矩阵以及事件特征矩阵输入至深度卷积神经网络中，进行训练，得到预测输出数据。

基于所述预测输出数据，构建损失函数，并根据所述损失函数对模型参数进行调整，以调整后的参数作为所述交通预测模型的参数。

进一步的，所述根据行程时间矩阵，得到长时交通变化趋势特征矩阵、同时间段交通特性特征矩阵以及即时交通变化趋势的特征矩阵的步骤包括：

根据行程时间矩阵，通过以下公式得到长时交通变化趋势特征矩阵、同时间段交通特性特征矩阵以及即时交通变化趋势的特征矩阵：

其中，表示t_i时刻的行程时间矩阵；表示长时交通变化趋势特征矩阵；表示同时间段交通特性特征矩阵；表示即时交通变化趋势的特征矩阵；rt表示时间窗口长度；wt表示一周时间长度；st，mt表示取样时间间隔长度，stmt；ρ，θ表示更新权重比。

进一步的，所述损失函数的公式为：

其中，θ表示当前交通预测模型参数；J(θ)为参数为θ时交通预测模型的损失值；x为交通预测模型的输入值；n为样本数量；i为1到n的数；y⁽ⁱ⁾为第i个输入值对应的真实输出值；为训练后交通预测模型在参数为θ、输入为x时的预测输出数据。

进一步的，所述带时间维度的逻辑图网络通过以下步骤得到：

从地理信息中提取交通网络中道路间的逻辑关系，设置需求中心，以车流走向分歧点为结点，以车流行走路线为边构建逻辑图网络。