[发明专利]通行时间预测模型训练方法、通行时间预测方法及设备

权利要求书

1.一种通行时间预测模型训练方法，其特征在于，包括：

构建路口和路段相关特征及轨迹相关特征；其中，所述路口和路段相关特征包括路口邻接矩阵、路段邻接矩阵、路段-路口交互矩阵及速度特征矩阵；所述轨迹相关特征包括历史轨迹中各个路段的通行时间及总通行时间；所述速度特征矩阵根据预设时间步长计算得到；

根据预设路段特征得到路段特征向量；根据所述路段-路口交互矩阵及所述路段特征向量得到路口特征向量，或根据所述路段-路口交互矩阵、所述路段特征向量及路口空间属性得到路口特征向量；其中，所述预设路段特征包括所述速度特征矩阵；

将对应于各个预设时间步长的路口特征矩阵、路段特征矩阵、所述路口邻接矩阵及所述路段邻接矩阵按照时序顺序输入到路口和路段时空特征提取网络，输出更新后的单个预设时间步长对应的路口特征矩阵和路段特征矩阵；其中，所述路口特征矩阵由所述路口特征向量构建而成，所述路段特征矩阵由所述路段特征向量构建而成；

将所述更新后单个预设时间步长对应的路口特征矩阵和路段特征矩阵、所述历史轨迹中路口和路段组成的序列输入到通行时间预测模型，输出未来预设步长时间内出发的路线的目标通行时间的预测结果；根据所述预测结果及设置的输出标签进行训练，得到训练好的通行时间预测模型；其中，所述目标通行时间包括所述历史轨迹中的路段通行时间、路口通行时间及总通行时间；所述输出标签包括所述历史轨迹中的所述路段通行时间及所述总通行时间的实际值。

2.根据权利要求1所述的通行时间预测模型训练方法，其特征在于，所述根据预设路段特征得到路段特征向量，包括：

将至少一个所述预设路段特征分别进行嵌入式编码，得到嵌入式编码结果；将至少一个所述预设路段特征对应的所述嵌入式编码结果进行拼接后，经过全连接层处理得到所述路段特征向量；

所述根据所述路段-路口交互矩阵及所述路段特征向量得到路口特征向量，包括：

根据所述路段-路口交互矩阵获取与路口连接的路段，将所述与路口连接的路段对应的路段特征向量求和结果经过全连接层处理得到所述路口特征向量；

所述根据所述路段-路口交互矩阵、所述路段特征向量及路口空间属性矩阵得到路口特征向量，包括：

将所述路口空间属性矩阵进行嵌入式编码处理，得到空间属性编码结果；将所述路段特征向量求和结果和所述空间属性编码结果分别输入到全连接层，输出所述路口特征向量。

3.根据权利要求2所述的通行时间预测模型训练方法，其特征在于，所述将所述更新后单个预设时间步长对应的路口特征矩阵和路段特征矩阵、所述历史轨迹中路口和路段组成的序列输入到通行时间预测模型，输出未来预设步长时间内出发的路线的目标通行时间的预测结果，包括：

根据所述更新后单个预设时间步长对应的路口特征矩阵和路段特征矩阵、所述历史轨迹中路口和路段组成的序列得到所述历史轨迹中路口和路段的路口特征向量及路段特征向量，通过循环神经网络GRU对路口特征向量及路段特征向量进行多任务学习，分别用不同的全连接网络对目标通行时间进行拟合，输出未来预设步长时间内出发的路线的所述目标通行时间的预测结果。

4.根据权利要求1所述的通行时间预测模型训练方法，其特征在于，所述输出标签还包括所述历史轨迹中的各个路口的通行时间的实际值；

和/或，所述预设路段特征还包括路段类型矩阵和路段长度矩阵。