[发明专利]实时交通路况信息的预测方法、装置及电子设备

权利要求书

1.一种实时交通路况信息的预测方法，其特征在于：

接收用户端的位置信息；

获取所述位置信息对应的道路在当前时间的周期覆盖率；

将所述位置信息对应的道路在所述当前时间的所述周期覆盖率与预先设置的最小覆盖率对比；

若所述周期覆盖率大于或等于所述最小覆盖率，采用预测模型预测所述位置信息对应的道路在所述当前时间对应的预设未来时间段内的实时交通路况信息。

2.根据权利要求1所述的预测方法，其特征在于，所述获取所述位置信息对应的道路在当前时间的周期覆盖率，包括：

根据所述位置信息确定对应的道路；

按照预设周期获取对应的所述道路的周期覆盖率。

3.根据权利要求1所述的预测方法，其特征在于，所述将所述位置信息对应的道路在当前时间的所述周期覆盖率与预先设置的最小覆盖率对比，包括：

根据道路等级预先设置每一道路对应的最小覆盖率；

根据所述位置信息对应的道路的道路等级，将当前时间的所述周期覆盖率与对应的最小覆盖率对比。

4.根据权利要求1所述的预测方法，其特征在于，还包括：

若所述周期覆盖率小于所述最小覆盖率，实时获取实时交通路况信息。

5.根据权利要求1所述的预测方法，其特征在于，所述采用预测模型预测所述位置信息对应的道路在所述当前时间对应的预设未来时间段内的实时交通路况信息，包括：

根据所述位置信息，确定所述位置信息对应的道路所属的地图数据层级；

采用预测模型预测所述地图数据层级内的道路在所述当前时间对应的预设未来时间段内的实时交通路况信息。

6.根据权利要求1所述的预测方法，其特征在于：

所述预测模型根据历史时序数据和空间数据预测所述道路对应的实时交通路况信息；其中，所述历史时序数据为所述当前时间之前的平均行车速度；所述空间数据为所述道路及连通所述道路的关联道路。

7.根据权利要求1所述的预测方法，其特征在于，

所述预测模型根据图卷积神经网络和长短期记忆神经网络预先建立获得。

8.一种实时交通路况信息的预测装置，其特征在于：

位置信息接收模块，用于接收用户端的位置信息；

周期覆盖率获取模块，用于获取所述位置信息对应的道路在当前时间的周期覆盖率；

比较模块，用于将所述位置信息对应的道路在当前时间的所述周期覆盖率与预先设置的最小覆盖率对比；

预测模块，用于若所述周期覆盖率大于或等于所述最小覆盖率，采用预测模型预测所述位置信息对应的道路在所述当前时间对应的预设未来时间段内的实时交通路况信息。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。

10.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。