[发明专利]一种基于机器学习的交通信息预测方法及装置、电子终端

权利要求书

1.一种基于机器学习的交通信息预测方法，其特征在于，所述基于机器学习的交通信息预测方法包括：

从城市的多个网格中选择任一网格作为目标网格，并获取目标网格在预测时间段之前的第一历史交通信息；

从地图信息中获取所述目标网格的目标道路信息以及所述多个网格中除所述目标网格之外的其他网格的其他道路信息；

根据所述目标道路信息以及所述其他道路信息，确定每个其他网格与所述目标网格的连通度；

从所述其他网格中筛选出所述连通度满足预设条件的指定网格，作为所述目标网格的关联网格；

获取所述关联网格在所述预测时间段之前的第二历史交通信息，其中，所述第二历史交通信息与所述第一历史交通信息对应同一历史时间段；

基于预先建立的预测模型对所述第一历史交通信息和所述第二历史交通信息进行学习处理，得到所述目标网格在所述预测时间段的预测交通信息；

其中，根据所述目标道路信息以及所述其他道路信息，确定每个其他网格与所述目标网格的连通度，包括：

根据预设距离阈值对所述其他网格进行筛选，得到与所述目标网格的距离小于或等于所述预设距离阈值的其他网格；

根据所述目标道路信息和筛选后的所述其他网格对应的其它道路信息，确定筛选后的其他网格与所述目标网格的连通度。

2.根据权利要求1所述的方法，其特征在于，在所述从所述其他网格中筛选出所述连通度满足预设条件的指定网格，作为所述目标网格的关联网格之后，所述方法还包括：

根据每个关联网格与所述目标网格的连通度，为所述每个关联网格确定对所述目标网格的影响等级；

基于预先建立的预测模型对所述第一历史交通信息、每个关联网格对应的所述第二历史交通信息以及所述每个关联网格对应的所述影响等级，进行学习处理，得到所述目标网格在所述预测时间段的预测交通信息。

3.根据权利要求1所述的方法，其特征在于，在所述基于预先建立的预测模型对所述第一历史交通信息和所述第二历史交通信息进行学习处理，得到所述目标网格在所述预测时间段的预测交通信息之前，所述方法还包括：

获取预测网格在训练指定时段包括的每个单位时长内对应的第一历史交通信息，以及，所述预测网格的关联网格在训练指定时段包括的每个单位时长内对应的第二历史交通信息；

将所述第一历史交通信息和所述第二历史交通信息作为训练样本的输入值；

从所述训练指定时段中选择指定数量的单位时长内对应的第一历史交通信息，以每个单位时长内对应的第一历史交通信息作为所述训练样本的基准值；

将所述训练样本的输入值输入训练模型，通过机器学习算法对训练模型进行训练；

当所述训练模型的输出值与所述训练样本的基准值之间的误差小于预设阈值时，获得所述预测模型。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述第一历史交通信息至少包括：交通事故的案件数据量、案件类型、案件的处理时间、案件严重程度、道路情况、天气情况中的一种或多种。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述第二历史交通信息至少包括：交通事故的案件数据量、案件类型、案件的处理时间、案件严重程度、道路情况、天气情况中的一种或多种。