[发明专利]交通参数的预测方法、装置、存储介质及电子装置

说明书

本发明实施例提供了一种交通参数的预测方法、装置、存储介质及电子装置，其中，该方法包括：确定目标道路中包括的目标元胞的第一交通参数，以及确定目标道路中包括的相邻元胞的第二交通参数，其中，相邻元胞为与目标元胞相邻，且位于目标元胞上游的元胞，目标元胞为对目标道路进行划分，所得到的多个子区间中包括的任意一个区间；确定在预定时刻进入目标元胞中的车辆的目标数量；基于第一交通参数、第二交通参数以及目标数量预测预定时刻目标元胞的目标交通参数。通过本发明，解决了相关技术中存在的预测交通参数效率低的问题，达到提高预测交通参数的效率的效果。

技术领域

本发明实施例涉及智能交通领域，具体而言，涉及一种交通参数的预测方法、装置、存储介质及电子装置。

背景技术

在相关技术中，元胞自动机模型在交通领域多用于城市内道路，研究对象主要是微观的交通流，主要方法把每个车辆的大小当做一个道路元胞，根据每一个元胞前后和相邻车道的元胞内是否存在车辆，从而决定下一个单位时间内每一个车辆前进多少个元胞，需要综合考虑城市道路中行人、非机动车、红绿灯、交叉路口、司机的反应速度等诸多影响进行仿真。这种模型的可解释性比较好，但是在高速道路中往往关注的是一段道路上整体的车流状况，比如整体的平均车速、拥堵里程等，按上述微观方法建立模型的话会非常繁琐且效率不高。

在高速道路的交通流预测中，相关技术中多是综合历史道路交通流数据以及收费站进出数据、天气数据等诸多因素，建立深度学习、机器学习或时间序列分析模型进行预测。这种方法对道路通畅时的交通流数据以及早晚高峰的周期性拥堵预测效果较好，但是由于大部分历史数据都是道路通畅情况下的，所以此类模型对于突发事故造成道路部分拥堵之后的交通流预测效果并不理想。交通波等模型虽然可以用来分析拥堵消散过程，但是它对数据的要求比较高，需要事故位置前后车流的瞬时速度和流量，这在实际应用中是难以准确获取的。此外，深度学习等模型往往都是以黑盒的形式存在，模型的可解释性较差，这样就导致在人为采取限流等管制措施后，难以及时对模型做出相应的调整，灵活性比较差。

由此可知，相关技术中存在预测交通参数效率低的问题。

针对相关技术中存在的上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种交通参数的预测方法、装置、存储介质及电子装置，以至少解决相关技术中存在的预测交通参数效率低的问题。

根据本发明的一个实施例，提供了一种交通参数的预测方法，包括：确定目标道路中包括的目标元胞的第一交通参数，以及确定所述目标道路中包括的相邻元胞的第二交通参数，其中，所述相邻元胞为与所述目标元胞相邻，且位于所述目标元胞上游的元胞，所述目标元胞为对所述目标道路进行划分，所得到的多个子区间中包括的任意一个区间；确定在预定时刻进入所述目标元胞中的车辆的目标数量；基于所述第一交通参数、所述第二交通参数以及所述目标数量预测所述预定时刻所述目标元胞的目标交通参数。

根据本发明的另一个实施例，提供了一种交通参数的预测装置，包括：第一确定模块，用于确定目标道路中包括的目标元胞的第一交通参数，以及确定所述目标道路中包括的相邻元胞的第二交通参数，其中，所述相邻元胞为与所述目标元胞相邻，且位于所述目标元胞上游的元胞，所述目标元胞为对所述目标道路进行划分，所得到的多个子区间中包括的任意一个区间；第二确定模块，用于确定在预定时刻进入所述目标元胞中的车辆的目标数量；预测模块，用于基于所述第一交通参数、所述第二交通参数以及所述目标数量预测所述预定时刻所述目标元胞的目标交通参数。

根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。