[发明专利]一种道路类型预测方法、装置、设备及存储介质

说明书

本发明公开了一种道路类型预测方法、装置、设备及存储介质。该方法包括：获取待预测道路对应的用于表征道路类型和拥堵水平的特征参数；将所述用于表征道路类型和拥堵水平的特征参数输入至预先训练的目标道路类型预测模型，根据所述目标道路类型预测模型的输出结果确定所述待预测道路的道路类型预测结果，其中，所述目标道路类型预测模型的模型结构和模型参数是分别根据样本参数进行训练而确定的，通过本发明的技术方案，能够准确、高效的确定道路类型，进而将其作为智能交通的基础。

技术领域

本发明实施例涉及计算机技术，尤其涉及一种道路类型预测方法、装置、设备及存储介质。

背景技术

随着汽车产业的发展和汽车保有量的提升，能源危机、环境污染日益严重，道路交通拥堵也已成为困扰全世界的社会问题。及时并准确地发现交通拥堵对于制定合理有效的交通拥堵疏导策略具有重要意义，同时，也对缓解、改善能源危机和环境污染具有积极意义。现阶段的交通信息采集方式主要是静态交通信息采集系统和基于GPS定位的动态交通信息采集技术。前者有投入成本高、检测精度低、建设时会临时阻碍交通、易使路面受损等弊端。后者虽具有精确定位和实时性方面的，但受限于GPS信号问题和用户经常离线问题，无法实现全面覆盖。准确的交通信息采集是智能交通系统的基础，目前迫切需要寻找一种准确、高效的道路类型预测方法。

发明内容

本发明实施例提供一种道路类型预测方法、装置、设备及存储介质，以实现能够准确、高效的确定道路类型，进而将其作为智能交通的基础。

第一方面，本发明实施例提供了一种道路类型预测方法，包括：

获取待预测道路对应的用于表征道路类型和拥堵水平的特征参数；

将所述用于表征道路类型和拥堵水平的特征参数输入至预先训练的目标道路类型预测模型，根据所述目标道路类型预测模型的输出结果确定所述待预测道路的道路类型预测结果，其中，所述目标道路类型预测模型的模型结构和模型参数是分别根据样本参数进行训练而确定的。

进一步的，所述目标道路类型预测模型的训练方法，包括：

获取道路样本对应的用于表征道路类型和拥堵水平的特征参数样本和道路样本对应的道路类型，并建立第一道路类型预测模型；

根据所述道路样本对应的用于表征道路类型和拥堵水平的特征参数样本和道路样本对应的道路类型对所述第一道路类型预测模型进行训练，生成所述目标道路类型预测模型。

进一步的，所述道路类型预测结果包括：城市拥堵、城市畅通、近郊区、远郊区或者高速公路。

进一步的，所述特征参数包括：

变速箱在目标档位且发动机转速为设定转速时所占时间比、平均车速、车速的标准差、减速度标准差、加速度标准差、平均加速度、平均减速度、平均停车时长、速度在设定车速时所占时间比、减速度在设定减速度时所占时间比；加速度在设定加速度时所占时间比；平均运行车速，停车时间与总时间的比值、每公里停车次数、加速时间与总时间的比值、减速时间与总时间的比值、最大车速、行驶距离、最大加速度、最小减速度、相邻车道车辆数平均值、平均车道线数量以及相邻车道平均车速中的至少一种。

进一步的，获取待预测道路对应的用于表征道路类型和拥堵水平的特征参数包括：

获取待预测道路对应的车载数据；

根据所述车载数据计算得到所述待预测道路对应的用于表征道路类型和拥堵水平的特征参数。

进一步的，还包括：

获取时间窗口和时间步长取值的集合；

根据所述时间窗口和时间步长取值的集合和所述车载数据获取特征参数集合；

将所述特征参数集合随机分成N等份；