[发明专利]交通速度预测方法、装置、电子设备及计算机可读介质

说明书

本公开的实施例提供了一种交通速度预测方法、装置、电子设备及计算机可读介质，涉及深度学习技术。该方法包括：获取0至T历史时间步地图中各路段节点的历史速度信息和历史时间相关信息；利用循环神经网络模型的编码器的第t个图生成器获得t历史时间步路段节点的动态自适应邻接矩阵；对t历史时间步路段节点的动态自适应邻接矩阵进行图卷积运算，确定编码器中的第t个编码单元的门函数；利用第t个编码单元的门函数获得第t个编码单元的隐状态；通过解码器对第T个编码单元的隐状态进行处理，获得未来时间步各路段节点的预测交通速度。本公开实施例提供的技术方案能够在建模时兼顾空间关联信息和时间关联信息，提高交通速度的预测性能。

技术领域

本公开涉及智能交通领域，具体而言，涉及一种交通速度预测方法、装置、电子设备及计算机可读介质。

背景技术

随着经济的发展，快速的城市化进程导致城市人口和车辆的急剧增加，给运输基础设施造成了巨大负担，而日趋频繁的交通拥堵不光造成了时间和生产力的巨大损失还会导致空气污染和能源浪费。可以说，交通拥堵已经成为现代城市进一步发展的重大威胁之一。

作为智能交通系统发展的基石，交通预测通过预测未来的交通状况 (例如出行时间，出行流量和出行速度)，为城市规划和交通管理提供参考，以减少拥堵并提高交通效率，并为公共安全应急管理提供预警。准确的交通预测，还可以帮助出行者进行路线规划和更改，从而提升生活质量。然而，由于复杂的时空相关性，交通预测问题通常具有很大挑战性。因此，需要一种新的交通速度预测方法、装置、电子设备及计算机可读介质。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例提供一种交通速度预测方法、装置、电子设备及计算机可读介质，进而至少在一定程度上能够在建模时兼顾空间关联信息和时间关联信息，提高交通速度的预测性能。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

本公开实施例提出一种交通速度预测方法，包括：获取0至T历史时间步各路段节点的历史速度信息和历史时间相关信息，T为大于0的整数；利用循环神经网络模型的编码器中的第t个图生成器对所述编码器中的第 t-1个编码单元的隐状态、t历史时间步各路段节点的历史速度信息和历史时间相关信息进行处理，获得t历史时间步所述路段节点的动态自适应邻接矩阵，t为大于0且小于或等于T的整数；对所述t历史时间步所述路段节点的动态自适应邻接矩阵进行图卷积运算，确定所述编码器中的第t 个编码单元的门函数；利用所述编码器中的第t个编码单元的门函数对所述第t-1个编码单元的隐状态和所述t历史时间步各路段节点的历史速度信息进行处理，获得第t个编码单元的隐状态；通过所述循环神经网络模型的解码器对第T个编码单元的隐状态进行处理，获得未来时间步各路段节点的预测交通速度。

本公开实施例提出一种交通速度预测装置，包括：历史信息获取模块，配置为获取0至T历史时间步各路段节点的历史速度信息和历史时间相关信息，T为大于0的整数；邻接矩阵确定模块，配置为利用循环神经网络模型的编码器中的第t个图生成器对所述编码器中的第t-1个编码单元的隐状态、t历史时间步各路段节点的历史速度信息和历史时间相关信息进行处理，获得t历史时间步各路段节点的动态自适应邻接矩阵，t为大于0 且小于或等于T的整数；图卷积运算模块，配置为对所述t历史时间步所述路段节点的动态自适应邻接矩阵进行图卷积运算，确定所述编码器中的第t个编码单元的门函数；编码模块，配置为利用所述编码器中的第t个编码单元的门函数对所述第t-1个编码单元的隐状态和所述t历史时间步各路段节点的历史速度信息进行处理，获得第t个编码单元的隐状态；解码模块，配置为通过所述循环神经网络模型的解码器对第T个编码单元的隐状态进行处理，获得未来时间步各路段节点的预测交通速度。