预测道路通行速度的方法、装置、计算机设备及存储介质与流程

技术特征：
1.一种预测道路通行速度的方法，其特征在于，包括：获取待预测道路的所在区域的历史交通数据作为道路时空数据集；利用互相关函数基于所述待预测道路对所述道路时空数据集进行数据分解，得到与所述待预测道路对应的邻近道路视图、道路周期视图以及道路趋势视图；所述邻近道路视图用于描述与所述待预测道路相关道路的通行状况；所述道路周期视图用于描述所述待预测道路的周期通行规律；所述道路趋势视图用于描述所述待预测道路的通行趋势；根据训练后的预测模型匹配所述邻近道路视图的第一视图权重、所述道路周期视图的第二视图权重以及所述道路趋势视图的第三视图权重；所述第一视图权重、所述第二视图权重以及所述第三视图权重用于加权得到第一预测结果；获取所述待预测道路的所在区域内所有道路的外部影响因素作为因素变量，利用地理加权回归模型将所述因素变量进行加权回归运算，得到第二预测结果；所述第一预测结果与所述第二预测结果进行加权求和，得到预测道路通行速度结果。2.如权利要求1所述的预测道路通行速度的方法，其特征在于，所述将所述邻近道路视图、所述道路周期视图和所述道路趋势视图根据自身所对应的所述视图权重进行加权回归运算，得到第一预测结果，包括：所述将所述邻近道路视图、所述道路周期视图和所述道路趋势视图根据自身所对应的所述视图权重进行加权回归运算方式如下：xint＝waya wbyb wcyc b其中，xint表示由三个视图加权求和之后得出的第一预测结果，wa为所述邻近道路视图的第一视图权重的系数，wb为所述道路周期视图的第二视图权重的系数，wc为所述道路周期视图的第三视图权重的系数，ya为所述邻近道路视图的预测结果，yb为所述道路周期视图的预测结果，yc为所述道路周期视图的预测结果，b为常数项。3.如权利要求1所述的预测道路通行速度的方法，其特征在于，所述获取预测区域所有道路的多个外部影响因素作为因素变量，利用地理加权回归模型将多个所述因素变量进行加权回归运算，得到第二预测结果，包括：利用独热编码将所述外部影响因素转化为离散值作为因素变量；利用地理加权回归模型将多个所述因素变量进行加权回归运算，得到第二预测结果，多个所述因素变量进行加权回归运算方式如下：xext＝w
n
(u,v)*m
n
*x
n
w
n 1
(u,v)*m
n 1
*x
n 1
其中，w
n
(u,v)表示经纬度为(u,v)的道路权重，m
n
表示系数，x
n
表示变量因素，n表示不同的事件，xext为第二预测结果。4.如权利要求3所述的预测道路通行速度的方法，其特征在于，所述利用独热编码将所述外部影响因素转化为离散值作为因素变量，包括：所述外部影响因素包括气状况、建筑类型、温度、节假日时，因素变量进行加权回归运算方式如下：xext＝wweather(u,v)*mweather*xweather w
poi
(u,v)*m
poi
*x
poi
w
dem
(u,v)*m
dem
*x
dem
w
temp
(u,v)*m
temp
*x
temp
weather表示天气数据，poi表示待预测道路附近的建筑类型，edm表示节假日、temp表示温度数据。
5.如权利要求1所述的预测道路通行速度的方法，其特征在于，在所述根据训练后的预测模型匹配所述邻近道路视图、所述道路周期视图和所述道路趋势视图各自的视图权重；将所述邻近道路视图、所述道路周期视图和所述道路趋势视图根据自身所对应的所述视图权重进行加权回归运算，得到第一预测结果的步骤之前，还包括：基于所述邻近道路视图、所述道路周期视图和所述道路趋势视图对所述预测模型进行预先训练；利用所述邻近道路视图和所述道路周期视图输入时空残差网络进行训练，得到邻近道路视图预测结果和道路周期视图预测结果；利用所述道路趋势视图输入时空knn模型，得到近期交通模式预测结果；通过道路时空数据集中的历史交通数据测算出近期交通模式预测结果、邻近道路视图预测结果和道路周期视图预测结果在预测中的所占权重。6.如权利要求5所述的预测道路通行速度的方法，其特征在于，所述利用所述邻近道路视图和所述道路周期视图输入时空残差网络进行训练，得到邻近道路视图预测结果和道路周期视图预测结果，包括：所述邻近道路视图、所述道路周期视图所输入的所述时空残差网络包括多个时空模块和全连接层；所述时空模块用于挖掘不同道路交通状况的时间关联性和空间关联性；利用全连接层融合所述时间关联性和所述空间关联性，从而得到所述邻近道路视图预测结果和所述道路周期视图预测结果。7.如权利要求1至6任一项所述的预测道路通行速度的方法，其特征在于，在所述所述第一预测结果与所述第二预测结果进行加权求和，得到预测道路通行速度结果的步骤之后，还包括：将所述预测道路通行速度结果发送至智能交通管理平台；所述智能交通管理平台利用所述预测道路通行速度结果引导交通流走向。8.一种预测道路通行速度的装置，其特征在于，包括：采集模块，获取待预测道路的所在区域的历史交通数据作为道路时空数据集；分类模块，利用互相关函数基于所述待预测道路对所述道路时空数据集进行数据分解，得到与所述待预测道路对应的邻近道路视图、道路周期视图以及道路趋势视图；所述邻近道路视图用于描述与所述待预测道路相关道路的通行状况；所述道路周期视图用于描述所述待预测道路的周期通行规律；所述道路趋势视图用于描述所述待预测道路的通行趋势；视图分析模块，根据训练后的预测模型匹配所述邻近道路视图的第一视图权重、所述道路周期视图的第二视图权重以及所述道路趋势视图的第三视图权重；所述第一视图权重、所述第二视图权重以及所述第三视图权重用于加权得到第一预测结果；道路通行速度预测模块，获取所述待预测道路的所在区域内所有道路的外部影响因素作为因素变量，利用地理加权回归模型将所述因素变量进行加权回归运算，得到第二预测结果；所述第一预测结果与所述第二预测结果进行加权求和，得到预测道路通行速度结果。9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至
7任一项所述预测道路通行速度的方法。10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述预测道路通行速度的方法。

技术总结
本申请涉及交通数据分析技术领域，本申请公开了一种预测道路通行速度的方法、装置、计算机设备及存储介质，所述方法包括：通过获取待预测道路所在区域中的道路历史交通数据，利用互相关函数分解为待预测道路对应的邻近道路视图、道路周期视图以及道路趋势视图；将邻近道路视图、道路周期视图以及道路趋势视图的预测结果进行加权求和，得到第一预测结果；再获取外部影响因素，将各个外部影响因素进行加权求和，得到第二预测结果；结合第一预测结果和第二预测结果得到预测道路通行速度结果，在重视道路通行速度预测中个道路之间的关联性的同时，结合外部影响因素对道路通行速度预测的影响，从而提高了预测道路通行速度的准确性。性。性。


技术研发人员：刘杰 王健宗 瞿晓阳
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2021.10.29
技术公布日：2021/12/14