[发明专利]基于网络分区的交通预测方法、装置、设备及存储介质

说明书

本发明公开了一种基于网络分区的交通预测方法、装置、设备及存储介质，属于交通预测技术领域。本发明的基于网络分区的交通预测方法包括获取交通时空数据；对交通时空数据进行图建模及表征处理，得到交通网络图及数据表征；利用与交通时空数据融合后的网络分区模型对交通网络图进行分区处理，得到多个子网络分区；利用预设的交通预测模型对每一子网络分区的数据进行学习和预测，得到分区预测数据；对分区预测数据进行汇总，得到全网络交通预测数据。这种基于网络分区的交通预测方法能够提高对交通预测的准确性。

技术领域

本发明涉及交通预测技术领域，尤其涉及一种基于网络分区的交通预测方法、装置、设备及存储介质。

背景技术

目前，常常采用神经网络模型来对交通进行预测，而相关技术中的神经网络模型在对交通进行预测时，往往只能关注于神经网络中的隐含拓扑结构，具有一定的局限性，影响预测精度，因此，如何提供一种基于网络分区的交通预测方法，实现对交通的精确预测，成为了亟待解决的问题。

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，本发明提出一种基于网络分区的交通预测方法，能够提高对交通预测的准确性。

本发明还提出一种基于网络分区的交通预测装置。

本发明还提出一种基于网络分区的交通预测设备。

本发明还提出一种计算机可读存储介质。

根据本发明的第一方面实施例的基于网络分区的交通预测方法，包括：

获取交通时空数据；

对所述交通时空数据进行图建模及表征处理，得到交通网络图及数据表征；

利用与所述交通时空数据融合后的网络分区模型对所述交通网络图进行分区处理，得到多个子网络分区；

利用预设的交通预测模型对每一子网络分区的数据进行学习和预测，得到分区预测数据；

对所述分区预测数据进行汇总，得到全网络交通预测数据。

根据本发明实施例的基于网络分区的交通预测方法，至少具有如下有益效果：这种基于网络分区的交通预测方法通过获取交通时空数据，对交通时空数据进行图建模及表征处理，得到交通网络图及数据表征；利用与交通时空数据融合后的网络分区模型对交通网络图进行分区处理，得到多个子网络分区；利用预设的交通预测模型对每一子网络分区的数据进行学习和预测，得到分区预测数据；对分区预测数据进行汇总，得到全网络交通预测数据。该方法考虑到了交通网络图的拓扑特征，并且引入网络分区，能够提高对小型和相对大型交通数据集上的准确性和训练效率。

根据本发明的一些实施例，所述对所述交通时空数据进行图建模及表征处理，得到交通网络图及数据表征，包括：

根据获取到的测量传感器位置，生成图节点；

根据预设的边预测条件对所述图节点进行边预测处理，得到交通有向边；

根据所述交通有向边对所述交通时空数据进行图表示，得到交通网络图。

根据本发明的一些实施例，所述利用与所述交通时空数据融合后的网络分区模型对所述交通网络图进行分区处理，得到多个子网络分区，包括：

获取交通网络图中的目标节点集；

计算所述目标节点集的最短路径；

根据预设的速度观测时间段和所述最短路径，得到速度值；

根据所述速度值和预设的边缘匹配算法对所述交通网络图进行分区预处理，得到初始交通网络分区；

对所述初始交通网络分区进行细化处理，得到多个子网络分区。