[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

说明书

本发明公开了交通流量的预测方法，其中，该方法包括：向多个预测终端发送本地初始模型；获取多个预测终端发送的目标共享数据，根据多个预测终端发送的目标共享数据聚类得到多个聚类数据；根据多个聚类数据生成全局参数；利用全局参数更新本地初始模型得到全局更新模型；将全局更新模型发送给预测终端，以使得预测终端利用全局更新模型进行交通流量预测输出的预测结果。本发明可以在不损害隐私保护约束的条件下，降低算法复杂度的同时还能实现精确预测交通流。

技术领域

本发明涉及信息处理技术领域，尤其是涉及交通流量的预测方法、装置、设备及计算机存储介质。

背景技术

交通流量预测(TFP)就是利用历史交通流数据来预测未来的交通流，从而提供人们需要的交通流信息。当代城市居民，出租车司机，商业部门和政府机构都强烈需要准确及时的交通流信息，因为这些道路使用者可以利用这些信息来缓解交通拥堵，适当控制交通灯，提高交通效率，人们还可以使用交通流信息来制定更好的出行计划。

在交通流量预测中，集中式机器学习方法通常是通过训练足够的传感器数据来准确预测交通流，例如来自手机、相机、雷达等的数据。由于不同的运营方(例如公共机构和私营公司)传感器数据可能包含敏感的隐私信息，目前集中式机器学习方法出于数据隐私的考虑无法从不同的运营方(例如公共机构和私营公司)获取交通流量数据，导致无法保障交通流量预测的精确度。且在大规模场景下，参数传递过多可能导致通信开销昂贵，还可能增加算法复杂度，使得算法难以收敛，影响算法的预测精度。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种交通流量的预测方法，该方法能够在隐私保护的约束下准确预测交通流，降低算法复杂度的同时还可以保证预测精度。

本发明还提出一种交通流量的预测装置。

本发明还提出一种交通流量的预测控制设备。

本发明还提出一种计算机存储介质。

第一方面，本发明的一个实施例提供了交通流量的预测方法，该方法包括：

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，根据所述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的预测结果。

本发明实施例至少具有如下有益效果：首先通过获取多个预测终端发送的目标共享数据，然后根据目标共享数据进行聚类，得到聚类数据，根据聚类数据生成全局参数，可以降低算法复杂度，继而可以利用全局参数更新本地初始模型得到全局更新模型，最后可以将全局更新模型发送至预测终端进行交通流量的预测，可以在不损害隐私保护约束的条件下，降低算法复杂度的同时还可以保证预测精度。

根据本发明的另一些实施例，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。

根据本发明的另一些实施例，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。

根据本发明的另一些实施例，所述目标共享数据包括：预测终端的模型参数，所述根据所述目标共享数据生成全局参数，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。