[发明专利]用于交通拥堵状态预测的方法、装置及终端

说明书

本发明适用于交通技术领域，提供了一种用于交通拥堵状态预测的方法、装置及终端，所述用于交通拥堵状态预测的方法包括：获取历史拥堵延时数据，并基于所述历史拥堵延时数据根据多种分类方法分别建立预测模型；根据各预测模型获取预测拥堵延时指数，并获取实际拥堵延时指数；根据所述实际拥堵延时指数和各预测拥堵延时指数的匹配度确定目标预测模型，并基于所述目标预测模型获得拥堵延时指数，以完成交通拥堵状态预测。本发明通过目标预测模型预测出的拥堵延时指数精确度高，且拥堵延时指数可以直观地体现交通拥堵状态，提高了交通拥堵状态预测的准确率。

技术领域

本发明属于交通技术领域，尤其涉及一种用于交通拥堵状态预测的方法、装置及终端。

背景技术

目前，随着经济的发展，人们的生活水平不断提高，越来越多的人使用私家车出行，造成城市交通拥堵，交通拥堵严重影响人们的出行质量。特别是假期出行量大的情况下，准确实时的交通拥堵预测能够缓解交通阻塞，提醒司机避开交通拥堵路段显得尤为重要。现有的用于交通拥堵状态预测的方案预测模型单一，存在预测不准确的问题。

发明内容

有鉴于此，本发明提供了一种用于交通拥堵状态预测的方法、装置及终端，能够提高交通拥堵状态预测的准确度。

本发明实施例的第一方面提供了一种用于交通拥堵状态预测的方法，包括：

获取历史拥堵延时数据，并基于所述历史拥堵延时数据根据多种分类方法分别建立预测模型；

根据各预测模型获取预测拥堵延时指数，并获取实际拥堵延时指数；

根据所述实际拥堵延时指数和各预测拥堵延时指数的匹配度确定目标预测模型，并基于所述目标预测模型获得拥堵延时指数，以完成交通拥堵状态预测；

其中，所述分类方法包括遗传算法、人工神经网络、决策树、随机森林、线性回归、支持向量机中两种或两种以上。

本发明实施例的第二方面提供了一种用于交通拥堵状态预测的装置，包括：

第一获取模块，用于获取历史拥堵延时数据；

模型建立模块，用于基于所述历史拥堵延时数据根据多种分类方法分别建立预测模型；

计算模块，用于根据各预测模型获取预测拥堵延时指数；

第二获取模块，用于获取实际拥堵延时指数；

确定模块，用于根据所述实际拥堵延时指数和各预测拥堵延时指数的匹配度确定目标预测模型，并基于所述目标预测模型获得拥堵延时指数，以完成交通拥堵状态预测；

其中，所述分类方法包括遗传算法、人工神经网络、决策树、随机森林、线性回归、支持向量机中两种或两种以上。

本发明实施例的第三方面提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如任一项所述用于交通拥堵状态预测的方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如任一项所述用于交通拥堵状态预测的方法的步骤。

本发明与现有技术相比存在的有益效果是：

本发明基于历史拥堵延时数据通过多种分类算法建立用于交通拥堵状态预测的预测模型，使得在同一预测要求下获得不同的预测结果。实时获取实际拥堵延时指数对预测模型进行验证在多种预测模型中选取预测结果与实时拥堵延时指数匹配度最高的模型作为目标预测模型，实现了对预测结果的有效对比和预测模型的精确筛选。本发明通过目标预测模型预测出的拥堵延时指数精确度高，且拥堵延时指数可以直观地体现交通拥堵状态，提高了交通拥堵状态预测的准确率。

附图说明