[发明专利]预测交通信息的系统和方法

说明书

本发明涉及预测交通信息的方法和系统，所述方法包括：确定含路段ID的目标路段和目标未来时刻；获取与所述目标路段相关联的对应于至少两个参考时刻的至少两个参考信息包，其中，所述至少两个参考信息包中的每一个对应于一个参考时刻，和包括至少一个静态信息条目和与所述参考时刻相关的至少一个动态信息条目；以及基于所述至少两个参考信息包使用训练好的循环神经网络模型，确定在所述目标未来时刻所述目标路段的目标交通信息。本发明可以基于不同种类的交通数据和循环神经网络模型实现更全面且准确的交通预测。

技术领域

本申请一般涉及预测道路路段的交通信息的系统和方法，具体地，涉及用于基于训练好的循环神经网络模型来预测道路路段的交通信息的系统和方法。

背景技术

通过分析交通大数据，交通预测平台可以预测在目标时刻一个或以上道路路段的交通信息(即交通状况，例如，交通流量、交通拥堵)。目前，交通预测平台通常基于历史交通数据(例如，历史交通流量、历史交通拥堵)，使用线性模型或树模型来预测交通状况。实际上，不同时刻的交通状况可能是相互依赖的。例如，如果路段在上午8:58拥堵，很可能该路段将在上午9点拥堵，在上午8:56时拥堵等。但是，线性模型或树模型无法进行时间序列分析，从而导致效率较低。为了解决该问题，交通预测平台还可以基于历史时间序列交通数据，使用自回归积分滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型来预测交通状况。但是，ARIMA模型只能根据单一类型的历史交通数据来预测交通状况，不能联结不同类型的历史交通数据来预测综合交通状况，这可能导致预测结果不可靠。例如，ARIMA模型只能根据与路段相关的历史交通流量数据预测交通状况，但是不能基于与路段相关联的历史交通流量数据和与该路段相关联的车辆的历史平均速度数据来预测交通状况。因此，希望提供能够高精度地、高效率地和全面性地预测交通信息的系统和方法，例如，基于不同类型数据，使用神经网络模型来预测。

发明内容

针对上述由于不能综合不同种类的历史交通数据并基于时间序列分析预测道路路段交通信息的问题，本发明的目的之一在于提供一种预测路段交通信息的系统和方法，以基于不同种类的交通数据和循环神经网络模型实现更全面且准确的交通预测。为达到上述目的，本申请提供的技术方案如下：

本申请实施例之一提供一种预测路段的交通信息的系统。所述系统可以包括：至少一个包括指令集的存储介质；以及与所述至少一个存储介质通信的至少一个处理器，其中，当执行所述指令集时，所述至少一个处理器用于：确定含路段ID的目标路段和目标未来时刻；获取与所述目标路段相关联的对应于至少两个参考时刻的至少两个参考信息包，其中，所述至少两个参考信息包中的每一个对应于一个参考时刻，和包括至少一个静态信息条目和与所述参考时刻相关的至少一个动态信息条目；以及基于所述至少两个参考信息包使用训练好的循环神经网络模型，确定在所述目标未来时刻所述目标路段的目标交通信息。

在一些实施例中，所述至少一个静态信息条目可以包括以下之一：所述目标路段的所述路段ID、所述目标路段的限速情况、所述目标路段的路段类型、所述目标路段的长度、所述目标路段的宽度、所述目标路段的车道数量、或者所述目标路段是否临近路口。

在一些实施例中，所述至少一个动态信息条目可以包括以下之一：在所述参考时刻所述目标路段的天气信息、在所述参考时刻所述目标路段的交通流量、在所述参考时刻所述目标路段上的车辆的平均行驶速度、在所述参考时刻所述目标路段的交通拥堵情况、或者在所述参考时刻所述目标路段上的车辆的平均通行时间。

在一些实施例中，所述至少两个参考时刻可以包括在所述目标未来时刻所在的当天中的一个或以上时刻和在所述目标未来时刻之前的至少一天中的一个或以上对应时刻。