[发明专利]一种获取路段通行时长的方法、装置、电子设备及存储介质

权利要求书

1.一种获取路段通行时长的方法，包括：

获取目标路段的道路属性信息、时间属性信息、空间属性信息以及待预测目标时刻；

采用目标神经网络模型对所述道路属性信息、所述时间属性信息和所述空间属性信息进行特征融合，确定所述待预测目标时刻对应的所述目标路段的通行时长，其中，所述目标神经网络模型使用多组数据通过机器学习训练得到，所述多组数据中的每组数据均包括：预设地理区域内不同路段的多维度属性信息和每个路段对应的实际通行时长。

2.根据权利要求1所述的方法，所述方法还包括：

利用所述预设地理区域内不同路段的多维度属性信息对初始神经网络模型进行训练，得到预测通行时长；

通过对所述预测通行时长与所述实际通行时长进行比较，得到误差；

基于所述误差对所述初始神经网络模型进行调整，得到所述目标神经网络模型。

3.根据权利要求1所述的方法，其中，采用所述目标神经网络模型对所述道路属性信息、所述时间属性信息和所述空间属性信息进行特征融合，确定所述目标路段的通行时长包括：

通过所述道路属性信息确定道路属性特征，通过所述时间属性信息确定历史规律特征和实时道路状态特征，以及通过所述空间属性信息确定道路上下游特征；

利用第一原始输入特征和第二原始输入特征的特征融合结果确定待使用特征，其中，所述第一原始输入特征是所述历史规律特征对应的原始输入特征，所述第二原始输入特征是所述实时道路状态特征对应的原始输入特征，所述待使用特征为所述历史规律特征与所述实时道路状态特征中的任一特征；

采用所述目标神经网络模型对所述道路属性特征、所述道路上下游特征和所述待使用特征进行特征融合，确定所述目标路段的通行时长。

4.根据权利要求3所述的方法，其中，利用所述第一原始输入特征和所述第二原始输入特征的特征融合结果确定所述待使用特征包括：

利用所述第一原始输入特征和所述第二原始输入特征的特征融合结果确定目标阈值；

基于所述目标阈值从所述历史规律特征和所述实时道路状态特征中选取所述待使用特征。

5.根据权利要求4所述的方法，其中，利用所述第一原始输入特征和所述第二原始输入特征的特征融合结果确定所述目标阈值包括：

将所述第一原始输入特征映射成第一隐向量，将所述第二原始输入特征映射成第二隐向量，以及将预测时间窗信息映射成第三隐向量，其中，所述预测时间窗信息依据所述待预测目标时刻确定；

对所述第一隐向量，所述第二隐向量和所述第三隐向量进行向量拼接处理，得到拼接结果；

对所述拼接结果进行特征融合处理，得到所述目标阈值。

6.根据权利要求5所述的方法，其中，所述目标阈值的表示方式包括以下之一：显式的数值表示方式、隐式的向量表示方式。

7.一种获取路段通行时长的装置，包括：

获取模块，用于获取目标路段的道路属性信息、时间属性信息、空间属性信息以及待预测目标时刻；

确定模块，用于采用目标神经网络模型对所述道路属性信息、所述时间属性信息和所述空间属性信息进行特征融合，确定所述待预测目标时刻对应的所述目标路段的通行时长；

其中，所述目标神经网络模型使用多组数据通过机器学习训练得到，所述多组数据中的每组数据均包括：预设地理区域内不同路段的多维度属性信息和每个路段对应的实际通行时长。

8.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

9.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

10.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。