[发明专利]交通状态预测方法和装置

权利要求书

1.一种交通状态预测方法，其特征在于，包括：

根据训练路段的历史交通数据、第一时段交通数据以及与所述训练路段相邻的路段的第一时段交通数据，确定训练样本数据；其中，将所述历史交通数据作为第一数据源，所述训练路段的第一时段交通数据作为第二数据源，与所述训练路段相邻的路段的第一时段交通数据作为第三数据源；

根据所述训练样本数据，分别确定每个数据源的权重和每个训练样本的权重；

基于所述训练样本数据、每个数据源的权重、每个训练样本的权重和预设的损失函数，训练得到交通模型；

基于所述交通模型，确定待预测路段的交通状态。

2.根据权利要求1所述的方法，其特征在于，确定训练样本数据的过程包括：

分别从所述第一数据源、第二数据源和第三数据源提取特征，以确定训练样本数据；其中，所述特征至少包括以下一种或几种：速度、车间距、车道占用率和预设间隔内的车流量。

3.根据权利要求2所述的方法，其特征在于，确定每个数据源的权重的过程包括：

对于每一数据源，确定归属于所述数据源的每个特征的信息价值和覆盖率；

根据所述每个特征的信息价值和覆盖率，确定所述数据源的平均信息价值和平均覆盖率；

对所述第一数据源、第二数据源和第三数据源的平均信息价值和平均覆盖率进行归一化处理；

根据归一化处理后的平均信息价值和平均覆盖率，确定每个数据源的权重。

4.根据权利要求3所述的方法，其特征在于，确定每个训练样本的权重的过程包括：

对于每一样训练本，确定所述训练样本在各个数据源下的特征缺失率；

根据所述训练样本在各个数据源下的特征缺失率以及各个数据源的权重，确定所述训练样本的权重。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：获取所述训练路段第二时段的交通状态数据，所述第二时段的时间晚于所述第一时段；

所述预设的损失函数如下式所示：

其中，v表示数据源的编号，n_v表示数据源的总个数，w_v表示编号为v的数据源的权重，W_v是一个矩阵，它的第i行第j列的元素表示第i个样本在编号为v的数据源上的第j个特征的权重，O^v表示编号为v的数据源的特征缺失矩阵，U_v表示编号为v的数据源的隐空间，V表示样本数据在所述隐空间下的表征，Loss表示损失函数，Y表示所述训练路段第二时段的交通状态数据，λ₁、λ₂和λ₃表示所述预设的交通模型的超参数，S表示所述预设的交通模型的参数。

6.根据权利要求5所述的方法，其特征在于，基于所述训练样本数据、每个数据源的权重、每个训练样本的权重和预设的损失函数，训练得到交通模型包括：

基于所述样本数据、每个数据源的权重、每个训练样本的权重和预设的损失函数，利用交替优化算法和凸优化策略迭代训练得到交通模型。

7.一种交通状态预测装置，其特征在于，包括：

样本确定模块，用于根据训练路段的历史交通数据、第一时段交通数据以及与所述训练路段相邻的路段的第一时段交通数据，确定训练样本数据；其中，将所述历史交通数据作为第一数据源，所述训练路段的第一时段交通数据作为第二数据源，与所述训练路段相邻的路段的第一时段交通数据作为第三数据源；

权重确定模块，用于根据所述训练样本数据，分别确定每个数据源的权重和每个训练样本的权重；

模型训练模块，用于基于所述训练样本数据、每个数据源的权重、每个训练样本的权重和预设的损失函数，训练得到交通模型；

交通预测模块，用于基于所述交通模型，确定待预测路段的交通状态。