[发明专利]路况预测方法及装置、计算机设备与可读介质

说明书

【技术领域】

本发明涉及计算机应用技术领域，尤其涉及一种路况预测方法及装置、计算机设备与可读介质。

【背景技术】

随着科技的发展，涌现出了越来越多的使用在移动终端上的应用(Application；APP)，大大地方便了人们的生活。

例如，使用在移动终端上的各种导航APP的出现，人们不仅可以随时随地查询到达目的地的路径，同时还能够随时随地获取到任意道路的当前路况现有技术中，为了进一步丰富导航APP的功能，现有的很多导航APP还能够提供未来时刻的交通路况的预测。准确地交通路况预测方案不仅仅能够缓解交通问题，节约燃油，还能对他人未来的交通发展规划进行优化，因此路况的预测是现有的交通路况研究领域中一个非常重要的问题。现有技术中，主要对道路的当前时刻之前的历史时刻的历史路况进行归纳，同时还可以把道路的当前时刻之前的历史时刻的路况作为特征，再加入了道路的长度、限速级别、当前时刻等等特征，代入迭代决策树(Graident Boosting Decision Tree；GBDT)模型中进行训练；并根据训练后的GBDT模型，预测道路的未来时刻的路况。

但是，现有的道路的路况预测方案，仅仅对道路的历史时刻的路况进行分析，通过历史数据来预测道路的未来时刻的路况状态，导致路况预测的准确性比较差。

【发明内容】

本发明提供了一种路况预测方法及装置、计算机设备与可读介质，用于提高路况预测的准确性。

本发明提供一种路况预测方法，所述方法包括：

从道路路网中获取目标道路的N阶相邻道路；

分别获取当前时刻的所述目标道路的特征信息和所述目标道路的N阶相邻道路的特征信息；所述特征信息中包括所述当前时刻的路况以及至少一个历史时刻的路况；

根据当前时刻的所述目标道路特征信息、所述目标道路的N阶相邻道路的特征信息以及预先训练的路况预测模型，预测所述目标道路在预设的未来时刻的路况。

进一步可选地，如上所述的方法中，根据当前时刻的所述目标道路特征信息、所述目标道路的N阶相邻道路的特征信息以及预先训练的路况预测模型，预测所述目标道路在预设的未来时刻的路况之前，所述方法还包括：

采集数条训练道路的训练数据，生成训练数据库；各所述训练数据中包括训练时刻的训练道路的训练特征信息、所述训练道路的N阶相邻道路的训练特征信息以及所述训练道路在预设的未来时刻的真实路况；

根据所述训练数据库中的各条所述训练道路的训练数据，训练所述路况预测模型。

进一步可选地，如上所述的方法中，根据所述训练数据库中的各条所述训练道路的训练数据，训练所述路况预测模型，具体包括：

依次将各条所述训练数据输入至所述路况预测模型，使得所述路况预测模型输出对应的所述训练道路在未来时刻的预测路况；

根据所述训练数据中的真实路况和所述预测路况，调整所述路况预测模型的参数，以使得所述路况预测模型预测的所述训练道路在未来时刻的所述预测路况靠近对应的所述真实路况；

重复采用上述步骤，使用各条所述训练数据训练所述路况预测模型，直到所述路况预测模型预测的所述预测路况无限接近于对应的所述真实路况，确定所述路况预测模型的参数，从而确定所述路况预测模型。

进一步可选地，如上所述的方法中，所述路况预测模型包括卷积神经网络模型和递归神经网络模型。

进一步可选地，如上所述的方法中，所述特征信息还包括如下至少一个特征：道路长度、所述当前时刻是星期几、所述当前时刻属于一天中的第几个预设分钟时长、道路的限速级别、道路标识、道路的出度和入度。

本发明提供一种路况预测装置，所述装置包括：

道路获取模块，用于从道路路网中获取目标道路的N阶相邻道路；

特征信息获取模块，用于分别获取当前时刻的所述目标道路的特征信息和所述目标道路的N阶相邻道路的特征信息；所述特征信息中包括所述当前时刻的路况以及至少一个历史时刻的路况；

预测模块，用于根据当前时刻的所述目标道路特征信息、所述目标道路的N阶相邻道路的特征信息以及预先训练的路况预测模型，预测所述目标道路在预设的未来时刻的路况。

进一步可选地，如上所述的装置中，还包括：