[发明专利]路况预测方法及装置

权利要求书

1.一种路况预测方法，其特征在于，所述方法包括：

获取待预测路链的训练集，所述训练集包括多个样本数据，所述样本数据包括特征数据和标签数据，所述特征数据用于反映所述待预测路链在第一时间段的特征，所述标签数据用于反映所述待预测路链在第二时间段的真实路况值，所述第一时间段的结束时间为所述第二时间段的起始时间；

根据所述训练集对路况预测模型进行训练，所述路况预测模型基于梯度提升决策树算法来构建；

根据训练完成的路况预测模型，确定所述待预测路链的预测路况值；

所述特征数据包括拓扑路链属性数据；其中，所述拓扑路链属性数据包括M个第一路链的特征数据，所述M个第一路链是对所述待预测路链的路况影响最大的M个路链，M为正整数；

所述方法还包括：确定P个第二路链；所述第二路链为与所述待预测路链具有拓扑关系的路链；

对所述P个第二路链中每个第二路链，确定所述每个第二路链与所述待预测路链之间的皮尔逊相关系数；

根据所述皮尔逊相关系数的绝对值降序，从所述P个第二路链中确定所述M个第一路链。

2.根据权利要求1所述的路况预测方法，其特征在于，所述特征数据还包括动态路况属性数据、时间属性数据、空间属性数据、以及外部因素属性数据；

其中，所述动态路况属性数据用于反映所述待预测路链上的车辆行驶情况；

所述时间属性数据用于反映所述待预测路链的特征数据对应的时间属性；

所述空间属性数据包括以下一项或多项：所述待预测路链的道路等级、道路长度、道路宽度、坡度、弯道曲率、与交通信号灯的关系方位；

所述外部因素属性数据用于反映在所述待预测路链上发生的事件。

3.根据权利要求1或2所述的路况预测方法，其特征在于，所述路况预测模型包括以下模型参数：

4.根据权利要求1所述的路况预测方法，其特征在于，所述方法还包括：

根据测试集，对所述训练完成的路况预测模型进行测试；其中，所述测试集包括多个样本数据。

5.一种服务器，其特征在于，所述服务器包括：

获取模块，用于获取待预测路链的训练集，所述训练集包括多个样本数据，所述样本数据包括特征数据和标签数据，所述特征数据用于反映所述待预测路链在第一时间段的特征，所述标签数据用于反映所述待预测路链在第二时间段的真实路况值，所述第一时间段的结束时间为所述第二时间段的起始时间；

训练模块，用于根据所述训练集对路况预测模型进行训练，所述路况预测模型基于梯度提升决策树算法来构建；

确定模块，用于根据训练完成的路况预测模型，确定所述待预测路链的预测路况值；

所述特征数据包括拓扑路链属性数据；其中，所述拓扑路链属性数据包括M个第一路链的特征数据，所述M个第一路链是对所述待预测路链的路况影响最大的M个路链，M为正整数；

所述确定模块，还用于确定P个第二路链；所述第二路链为与所述待预测路链具有拓扑关系的路链；

所述确定模块，还用于对所述P个第二路链中每个第二路链，确定所述每个第二路链与所述待预测路链之间的皮尔逊相关系数；

所述确定模块，还用于根据所述皮尔逊相关系数的绝对值降序，从所述P个第二路链中确定所述M个第一路链。

6.根据权利要求5所述的服务器，其特征在于，所述特征数据包括动态路况属性数据、时间属性数据、空间属性数据、外部因素属性数据、以及拓扑路链属性数据；

其中，所述动态路况属性数据用于反映所述待预测路链上的车辆行驶情况；

所述时间属性数据用于反映所述待预测路链的特征数据对应的时间属性；

所述空间属性数据包括以下一项或多项：所述待预测路链的道路等级、道路长度、道路宽度、坡度、弯道曲率、与交通信号灯的关系方位；

所述外部因素属性数据用于反映在所述待预测路链上发生的事件。

7.根据权利要求5或6所述的服务器，其特征在于，所述路况预测模型包括以下模型参数：

。