[发明专利]路况预测方法及相应的模型训练方法、装置、设备及介质

权利要求书

1.一种路况预测方法，包括：

基于指定路段的当前时刻的街景图像，挖掘所述指定路段的所述当前时刻的视觉特征；

基于所述当前时刻以及所述当前时刻之前连续的多个历史时刻、所述指定路段上的车辆的轨迹速度，挖掘所述指定路段的所述当前时刻以及各所述历史时刻的轨迹速度特征；

基于所述指定路段的所述当前时刻的所述视觉特征、所述当前时刻以及各所述历史时刻的所述轨迹速度特征，预测所述指定路段下一时刻的路况；

基于所述指定路段的所述当前时刻的所述视觉特征、所述当前时刻以及各所述历史时刻的所述轨迹速度特征，预测所述指定路段下一时刻的路况，包括：

基于所述指定路段的所述当前时刻以及各所述历史时刻的所述轨迹速度特征，预测所述指定路段的下一时刻的轨迹速度特征；

基于所述指定路段的所述当前时刻的所述视觉特征和下一时刻的所述轨迹速度特征，预测所述指定路段的下一时刻的路况。

2.根据权利要求1所述的方法，其中，基于指定路段的当前时刻的街景图像，挖掘所述指定路段的所述当前时刻的视觉特征，包括：

基于所述指定路段的所述当前时刻的所述街景图像，挖掘所述指定路段的所述当前时刻的车辆数量、可见路面的像素宽度和高度、道路空置率、车辆密度比以及车路比中的至少一个特征。

3.根据权利要求2所述的方法，其中，基于所述指定路段的所述当前时刻的所述街景图像，挖掘所述指定路段的所述当前时刻的车辆数量、可见路面的像素宽度和高度、道路空置率、车辆密度比以及车路比中的至少一个特征，包括：

采用预先训练的检测模型，对所述街景图像进行检测，获取所述指定路段的所述当前时刻的车辆数量；和/或

采用预先训练的分割模型，对所述街景图像中的街景元素进行分割；并基于分割结果，获取所述指定路段的所述当前时刻的所述可见路面的像素宽度和高度、所述道路空置率、所述车辆密度比以及所述车路比中的至少一个。

4.根据权利要求2所述的方法，其中，基于指定路段的当前时刻的街景图像，挖掘所述指定路段的所述当前时刻的视觉特征，还包括：

若所述指定路段的所述当前时刻的所述街景图像包括多帧时，基于各帧所述街景图像对应的所述指定路段的所述当前时刻的所述车辆数量、所述可见路面的像素宽度和高度、所述道路空置率、所述车辆密度比以及所述车路比中的至少一个特征，获取所述至少一个特征中各特征的均值和/或方差。

5.根据权利要求1所述的方法，其中，基于所述当前时刻以及所述当前时刻之前连续的多个历史时刻、所述指定路段上的车辆的轨迹速度，挖掘所述指定路段的所述当前时刻以及各所述历史时刻的轨迹速度特征，包括：

基于所述当前时刻以及所述当前时刻之前连续的多个历史时刻、所述指定路段上的车辆的轨迹速度，获取所述指定路段的所述当前时刻以及各所述历史时刻的车辆的平均速度、最大速度或者中位数速度。

6.根据权利要求1所述的方法，其中，基于所述指定路段的所述当前时刻以及各所述历史时刻的所述轨迹速度特征，预测所述指定路段的下一时刻的轨迹速度特征，包括：

基于所述指定路段的所述当前时刻以及各所述历史时刻的所述轨迹速度特征，采用预先训练的路况预测模型中的轨迹预测模块，预测所述指定路段的下一时刻的轨迹速度特征。

7.根据权利要求1所述的方法，其中，基于所述指定路段的所述当前时刻的所述视觉特征和下一时刻的所述轨迹速度特征，预测所述指定路段的下一时刻的路况，包括：

将所述指定路段的所述当前时刻的所述视觉特征和下一时刻的所述轨迹速度特征进行融合，得到融合特征；

基于所述融合特征，采用预先训练的所述路况预测模型中的路况预测模块，预测所述指定路段的下一时刻的路况。

8.根据权利要求7所述的方法，其中，将所述指定路段的所述当前时刻的所述视觉特征和下一时刻的所述轨迹速度特征进行融合，得到融合特征，包括：

采用预先训练的所述路况预测模型中的融合模块，将所述指定路段的所述当前时刻的所述视觉特征和下一时刻的所述轨迹速度特征进行融合，得到所述融合特征。