[发明专利]交通拥堵预测方法、装置、设备及存储介质

权利要求书

1.一种交通拥堵预测方法，其特征在于，所述交通拥堵预测方法包括：

根据交通拥堵预测请求，获取各交通卡口处的车流数据，得到车流数据集；

利用大数据分析技术对所述车流数据集中的交通卡口的参数进行分析，得到节点参数；

基于所述节点参数和所述车流数据集，计算出各交通卡口之间的关系，得到边参数；

通过预先构建的路网知识图谱，基于所述节点参数和边参数生成预设时间段内的交通图；

将所述交通图输入预先基于图卷积神经网络建立的交通预测模型中进行路况预测处理，得到与所述交通拥堵预测请求对应的各交通卡口的拥堵程度的预测值。

2.根据权利要求1所述的交通拥堵预测方法，其特征在于，所述利用大数据分析技术对所述车流数据集中的交通卡口的参数进行分析，得到节点参数包括：

通过大数据分析技术，提取所述车流数据集中的时间段的信息和所述时间段内通过的车辆数据；

根据所述时间段的信息与所述车辆数据计算所述各交通卡口的平均车流量数据；

基于所述各交通卡口的平均车流量数据，生成节点参数。

3.根据权利要求2所述的交通拥堵预测方法，其特征在于，所述基于所述节点参数和所述车流数据集，计算出各交通卡口之间的关系，得到边参数包括：

确定与所述时间段的信息对应的历史时间段的信息，并获取所述节点参数对应的交通卡口在所述历史时间段内的历史车辆数据；

根据所述历史车辆数据计算所述交通卡口之间的卡口相关系数和路段错时时间；

根据所述卡口相关系数和路段错时时间，生成边参数。

4.根据权利要求3所述的交通拥堵预测方法，其特征在于，所述根据所述历史车辆数据计算所述交通卡口之间的卡口相关系数和路段错时时间包括：

将所述历史车辆数据进行切片处理，得到若干个历史车辆数据片段；

利用样本随机抽取方式，从若干个历史车辆数据片段中选取连续的M个历史车辆数据片段；

根据所述M个历史车辆数据片段计算各交通卡口在经历不同单位时间长度时的相关系数，得到相关系数集；

选取所述相关系数集中最大值作为两个交通卡口的卡口相关系数，取所述卡口相关系数对应的时间作为错时时间。

5.根据权利要求1-4中任一项所述的交通拥堵预测方法，其特征在于，在所述根据交通拥堵预测请求，获取各交通卡口处的车流数据，得到车流数据集之前，还包括：

获取各交通卡口和交通卡口之间的路段连接关系，得到道路关系数据；

获取所述各交通卡口的基础信息和路段基础信息，得到交通基础数据；

根据所述道路关系数据和所述交通基础数据构建路网知识图谱。

6.根据权利要求5中所述的交通拥堵预测方法，其特征在于，在所述根据交通拥堵预测请求，获取各交通卡口处的车流数据，得到车流数据集之前，还包括：

获取历史车流数据集，并将各交通卡口在每单位时间的拥堵程度进行标注，得到标注车数据集；

根据预先构建的路网知识图谱以及所述标注车流数据集生成历史路网图集；

将所述历史路网图集作为交通预测训练集，调用所述交通预测训练集对图卷积神经网络进行训练，得到交通预测模型。

7.根据权利要求6所述的交通拥堵预测方法，其特征在于，所述调用所述交通预测训练集对图卷积神经网络进行训练，得到交通预测模型包括：

对所述交通预测训练集中的历史路网图进行划分，得到训练图集、测试图集以及验证图集；

根据所述训练图集、测试图集以及验证图集调整图卷积神经网络中的内部参数，得到训练完毕的预测参数；

根据所述训练完毕的预测参数生成交通预测模型。