[发明专利]仿真器的训练方法、交通路况的预测方法以及相关装置

权利要求书

1.一种仿真器的训练方法，其特征在于，包括：

获取模拟城市交通道路的路网地图；

在所述路网地图的全局区域设置仿真参数，得到表示所述路网地图中所有路口的交通路况的第一仿真结果；

根据所述第一仿真结果训练用于生成仿真参数的仿真器；

接收持续学习的指令；

响应于所述指令，在所述路网地图的局部区域设置仿真参数，得到表示所述局部区域中部分路口的交通路况的第二仿真结果；

使用所述第二仿真结果对所述仿真器进行调整。

2.根据权利要求1所述的方法，其特征在于，所述获取模拟城市交通路况的路网地图，包括：

确定预设的目标城市中所有的路口和每个所述路口附近具备交通管控功能的基础设施；

根据所述路口和所述基础设施仿真一个虚拟的路网地图。

3.根据权利要求2所述的方法，其特征在于，所述根据所述路口和所述基础设施仿真一个虚拟的路网地图，包括：

获取所述路口的结构信息；

确定所述基础设施的种类、数量以及位置信息；

采集所述基础设施在执行交通管控操作的过程中产生的第一运营数据；

将所述结构信息、所述种类、所述数量、所述位置信息以及所述第一运营数据导入交通仿真软件中进行仿真，得到虚拟的路网地图。

4.根据权利要求1所述的方法，其特征在于，所述在所述路网地图的全局区域设置仿真参数，得到表示所述路网地图中所有路口的交通路况的第一仿真结果，包括：

针对所述路网地图的全局区域设置仿真参数，所述仿真参数至少包括所述路网地图中的所有路口的数量、每个所述路口的第一地理信息以及每个所述路口的第一道路交通信息；

将所述仿真参数输入至所述路网地图中，模拟所述路网地图中的所有路口在不同场景下的交通路况，得到第一仿真结果。

5.根据权利要求4所述的方法，其特征在于，所述将所述仿真参数输入至所述路网地图中，模拟所述路网地图中的所有路口在不同场景下的交通路况，得到第一仿真结果，包括：

针对每个所述路口，基于所述第一地理信息在所述路网地图中模拟所述路口周边的第一路段环境；

按照所述第一道路交通信息在所述第一路段环境中模拟所述路口随时间变化的交通路况，记录反映所述交通路况的仿真数据；

统计所述路网地图中所有所述路口的仿真数据，作为第一仿真结果。

6.根据权利要求1所述的方法，其特征在于，所述根据所述第一仿真结果训练用于生成仿真参数的仿真器，包括：

确定神经网络模型和初始的学习函数；

在所述学习函数的约束下，以所述第一仿真结果作为训练的样本、为所述路网地图的全局区域所设置的仿真参数作为预期输出值，训练所述神经网络模型，得到用于生成仿真参数的仿真器。

7.根据权利要求6所述的方法，其特征在于，所述在所述学习函数的约束下，以所述第一仿真结果作为训练的样本、为所述路网地图的全局区域所设置的仿真参数作为预期输出值，训练所述神经网络模型，得到用于生成仿真参数的仿真器，包括：

在所述学习函数的约束下，将所述第一仿真结果输入到所述神经网络模型中进行前向传播，得到预估的仿真参数；

计算预估的仿真参数与为所述路网地图的全局区域所设置的仿真参数之间的第一损失值；

基于所述第一损失值更新所述神经网络模型中的权重；

当确定所述神经网络模型完成训练时，计算所述神经网络模型在整个训练过程中所述权重发生变化的梯度，得到权重梯度值；

利用所述权重、所述权重梯度值更新所述学习函数，得到新的学习函数；

确定新的学习函数和已完成训练的所述神经网络模型构成用于生成仿真参数的仿真器。