[发明专利]交通流量的预测方法、装置、设备及计算机存储介质

权利要求书

1.交通流量的预测方法，其特征在于，所述方法包括：

向多个预测终端发送本地初始模型；

获取多个所述预测终端发送的目标共享数据，根据多个所述预测终端发送的目标共享数据聚类得到多个聚类数据；

根据所述多个聚类数据生成全局参数；

利用所述全局参数更新所述本地初始模型得到全局更新模型；

将所述全局更新模型发送给所述预测终端，以使得所述预测终端利用所述全局更新模型进行交通流量预测输出预测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取多个所述预测终端发送的目标共享数据，包括：

所述预测终端获取来自云端的所述本地初始模型；

获取源交通流量数据和目标交通流量数据；

利用所述源交通流量数据和所述目标交通流量数据训练所述本地初始模型得到目标共享数据。

3.根据权利要求1所述的方法，其特征在于，所述根据多个所述预测终端发送的目标共享数据聚类得到多个聚类数据，包括：

对多个所述预测终端进行聚类得到多个聚类集；

将所述聚类集的聚类中心对应的预测终端的所述目标共享数据作为所述聚类数据。

4.根据权利要求1所述的方法，其特征在于，所述聚类数据包括：预测终端的模型参数，所述根据所述聚类数据生成全局参数，包括：对多个所述模型参数进行加权平均得到所述全局参数。

5.根据权利要求1所述的方法，其特征在于，所述聚类数据还包括：全局输入数据和全局输出数据；

所述方法还包括：

根据所述全局输入数据和所述全局输出数据生成对应于多个所述预测终端的全局训练样本对；

分别根据多个所述全局训练样本对所述全局更新模型进行训练，得到对应于多个所述预测终端的全局更新模型；

选取满足预设选取条件的全局更新模型发送给所述预测终端进行交通流量预测输出的预测结果。

6.根据权利要求1所述的方法，其特征在于，所述本地初始模型采用以下步骤得到：

获取本地训练样本对集合，所述本地训练样本对集合包括多个本地训练样本对，所述本地训练样本对中包括：训练源交通流量数据样本和训练目标交通流量数据样本；

分别提取所述训练源交通流量数据样本和所述训练目标交通流量数据样本的参数特征；

将所述训练源交通流量数据样本的参数特征、所述训练源交通流量数据样本和所述训练目标交通流量数据样本作为待训练本地初始模型的输入，将所述训练目标交通流量数据样本的参数特征作为期望的输出，对所述待训练本地初始模型进行训练，得到训练好的本地初始模型。

7.根据权利要求6所述的方法，其特征在于，所述将所述训练源交通流量数据样本的参数特征、所述训练源交通流量数据样本和所述训练目标交通流量数据样本作为待训练本地初始模型的输入，将所述训练目标交通流量数据样本的参数特征作为期望的输出，对所述待训练本地初始模型进行训练，得到训练好的本地初始模型，包括：

将所述训练源交通流量数据样本的参数特征、所述训练源交通流量数据样本和所述训练目标交通流量数据样本作为待训练本地初始模型的输入，获取所述待训练本地初始模型输出的实际参数特征；

根据所述实际参数特征和所述训练目标交通流量数据样本的参数特征计算得到损失值；

根据所述损失值对待训练本地初始模型中的参数、所述源交通流量数据和所述目标交通流量数据进行更新，直到所述损失值达到预设的收敛条件，将最后更新得到的待训练本地初始模型作为所述本地初始模型。