一种交通参数预测方法、装置和设备与流程

本发明涉及智慧交通，具体而言，涉及一种交通参数预测方法、装置和设备。

背景技术：

1、路网交通参数是分析交通态势、改善通行效率的基础，现有对交通参数的预测手段主要有以下两种，一种是通过获取驾驶员手机、网约车等泛在网联车辆推测路段的通行速度、交叉口延误等，但是过于依赖网联车数据，且流量估计精度容易存在瓶颈，会导致预测的交通参数存在误差；另一种是通过获取路口的交通检测器数据，实时监测路口过车与车道密度，并根据相邻路口过车匹配估计路段通行速度，但是容易受到车牌检测与目标车辆行驶速度的影响。可见，现有技术大多依赖单一数据源进行路网数据的时空分析，且预测的交通参数容易受到感知原理的误差分布特性影响，而存在误差。

技术实现思路

1、本发明的目的在于，针对上述现有技术中的不足，提供一种交通参数预测方法、装置和设备，以便通过对静态信息和实时动态信息进行融合，构建得到路网结构的时空图模型，实现了多源数据的时空融合，提高了交通参数预测的精准性与实时性。

2、为实现上述目的，本技术实施例采用的技术方案如下：

3、第一方面，本技术实施例提供了一种交通参数预测方法，包括：

4、获取预设区域范围内路网结构的静态信息和所述路网结构的实时动态信息；

5、根据所述静态信息和所述实时动态信息，构建所述路网结构的时空图模型；

6、采用交通参数预测模型中的空间特征提取模块，对所述时空图模型进行空间特征提取，得到所述路网结构的实时空间特征；

7、采用所述交通参数预测模型中的时间特征提取模块，对所述时空图模型进行时间特征提取，得到所述路网结构的实时时间特征；

8、采用所述交通参数预测模型中的预测模块，根据所述实时空间特征和所述实时时间特征，对所述路网结构进行交通参数预测，得到所述路网结构在预设未来时刻的交通参数。

9、在可选的实施方式中，所述实时动态信息包括：路网动态信息，和车辆动态信息；所述根据所述静态信息和所述实时动态信息，构建所述路网结构的时空图模型，包括：

10、根据所述静态信息和所述路网动态信息，构建所述路网结构的图表示模型，所述图表示模型中节点用于表示所述路网结构中的关键点，所述图表示模型中的边用于表示节点之间的道路段；

11、根据所述路网结构中各节点的动静态属性，得到所述图表示模型中各节点的特征集；

12、根据所述车辆动态信息以及所述图表示模型中各路段对应边的静态属性，得到所述图表示模型中各边的特征集；

13、根据所述各边的特征集和所述各节点的特征集，构建所述时空图模型。

14、在可选的实施方式中，所述根据所述路网结构中各节点的动静态属性，得到所述图表示模型中各节点的特征集，包括：

15、对所述各节点的动静态属性进行标准化处理，得到所述各节点的标准化特征参数；

16、对所述各节点的标准化特征参数进行特征选择，得到所述图表示模型中所述各节点的特征集。

17、在可选的实施方式中，所述根据所述车辆动态信息以及所述图表示模型中各路段对应边的静态属性，得到所述图表示模型中各边的特征集，包括：

18、根据所述车辆动态信息，获取所述路网结构中各路段上的通行动态特征；

19、根据所述各路段上的通行动态特征以及所述图表示模型中各路段对应边的静态属性，得到所述图表示模型中各边的特征集。

20、在可选的实施方式中，所述根据所述车辆动态信息，获取所述路网结构中各路段上的通行动态特征，包括：

21、根据所述车辆动态信息中的车辆轨迹点，确定所述车辆轨迹点在所述路网结构中的路段位置；

22、根据所述车辆动态信息中的车辆行驶速度和方向，以及所述路段位置，建立车辆信息特征序列；

23、根据所述车辆信息特征序列，获取所述通行动态特征。

24、在可选的实施方式中，所述根据所述车辆动态信息中的车辆轨迹点，确定所述车辆轨迹点在所述路网结构中的路段位置，包括：

25、根据所述车辆动态信息中的车辆轨迹点，采用所述交通参数预测模型中的语义理解模块进行处理，确定每个车辆轨迹点在所述路网结构中每个路段的分布概率，以及相邻车辆轨迹点在所述路网结构中每个路段的匹配概率；

26、根据所述分布概率和所述匹配概率，确定所述车辆轨迹点在所述路网结构中的路段位置。

27、在可选的实施方式中，所述根据所述车辆信息特征序列，获取所述通行动态特征，包括：

28、对所述车辆信息特征序列进行特征向量提取，得到所述车辆信息特征序列对应的路段信息向量；

29、采用预设注意力机制对所述路段信息向量进行处理，得到所述通行动态特征。

30、在可选的实施方式中，所述交通参数预测模型为采用下述方式训练得到的模型：

31、获取所述预设区域范围内所述路网结构的静态信息，和所述路网结构的多个历史时刻的动态信息；

32、根据所述静态信息和所述多个历史时刻的动态信息，分别构建所述路网结构在所述多个历史时刻的时空图模型；

33、采用初始交通参数预测模型中的初始空间特征提取模块，对前一历史时刻的时空图模型进行空间特征提取，得到所述路网结构在所述前一历史时刻的空间特征；

34、采用所述初始交通参数预测模型中的初始时间特征提取模块，对所述前一历史时刻的时空图模型进行时间特征提取，得到所述路网结构在所述前一历史时刻的时间特征；

35、采用所述初始交通参数预测模型中的初始预测模块，根据所述前一历史时刻的空间特征和前一历史时刻的时间特征，对所述路网结构进行交通参数预测，得到所述路网结构在下一历史时刻的交通预测参数；

36、根据所述下一历史时刻的交通预测参数以及所述下一历史时刻的动态信息，计算模型损失函数值；

37、根据所述模型损失函数值，对所述初始空间特征提取模块、所述初始时间特征提取模块和所述初始预测模块进行参数调整，得到所述交通参数预测模型。

38、第二方面，本技术实施例还提供了一种交通参数预测装置，包括：

39、获取模块，用于获取预设区域范围内路网结构的静态信息和所述路网结构的实时动态信息；

40、构建模块，用于根据所述静态信息和所述实时动态信息，构建所述路网结构的时空图模型；

41、提取模块，用于采用交通参数预测模型中的空间特征提取模块，对所述时空图模型进行空间特征提取，得到所述路网结构的实时空间特征；

42、所述提取模块，还用于采用所述交通参数预测模型中的时间特征提取模块，对所述时空图模型进行时间特征提取，得到所述路网结构的实时时间特征；

43、预测模块，用于采用所述交通参数预测模型中的预测模块，根据所述实时空间特征和所述实时时间特征，对所述路网结构进行交通参数预测，得到所述路网结构在预设未来时刻的交通参数。

44、第三方面，本技术实施例还提供了一种计算机设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当计算机设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行如第一方面任一所述的交通参数预测方法的步骤。

45、第四方面，本技术实施例还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如第一方面任一所述的交通参数预测方法的步骤。

46、本技术的有益效果是：

47、本技术实施例提供一种交通参数预测方法、装置和设备，包括：获取预设区域范围内路网结构的静态信息和路网结构的实时动态信息，根据静态信息和实时动态信息，构建路网结构的时空图模型，并采用交通参数预测模型中的空间特征提取模块，对时空图模型进行空间特征提取，得到路网结构的实时空间特征，采用交通参数预测模型中的时间特征提取模块，对时空图模型进行时间特征提取，得到路网结构的实时时间特征，最后采用交通参数预测模型中的预测模块，根据实时空间特征和实时时间特征，对路网结构进行交通参数预测，得到路网结构在预设未来时刻的交通参数。本技术实施例提供的方法中，通过对静态信息和实时动态信息进行融合，构建得到路网结构的时空图模型，实现了多源数据的时空融合，克服了通过单一数据源预测交通参数的劣势，通过预测模块对路网结构进行交通参数预测，可提高交通参数预测的精准性与实时性。