[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

说明书

本发明实施例提供了一种机器学习的交通信息预测方法及装置、电子终端。涉及人工智能技术领域。本发明实施例通过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；根据多个网格的道路信息，确定出其他网格与目标网格之间的连通度，然后根据连通度确定目标网格的关联网格；然后，获取关联网格在预测时间段之前的第二历史交通信息，第二历史交通信息与第一历史交通信息对应同一历史时间段；进而，基于预先建立的预测模型对第一历史交通信息和第二历史交通信息进行学习处理，得到目标网格在预测时间段的预测交通信息。因此，本发明实施例提供的技术方案从多个维度实现对该网格的交通事故的预测。

【技术领域】

本发明涉及数据处理技术领域，尤其涉及一种基于机器学习的交通信息预测方法及装置、电子终端。

【背景技术】

随着经济和科技的发展，人们出行的交通方式多种多样，城市交通环境也日益复杂。同时城市交通事故的发生量也呈现不断增长的趋势。城市交通事故频发，不仅会造成人财损伤，还会导致交通拥堵，甚至可能诱发二次事故的发生。

为了尽可能降低交通事故带来的负面影响，降低人员伤亡和财产损失，通过预测交通事故发生，来降低交通事故带来的负面影响是一种有效的技术手段。

【发明内容】

有鉴于此，本发明实施例提供了一种基于机器学习的交通信息预测方法，从时间维度和空间维度上对该网格进行分析，实现对该网格的交通信息的预测。

第一方面，本发明实施例提供了一种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。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，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。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，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；