CN109740811A - 通行速度预测方法、装置和存储介质 - Google Patents

Abstract

本发明提供一种通行速度预测方法、装置和存储介质，该方法包括：接收至少一个第一终端发送的至少一组历史行驶轨迹数据，得到车辆行驶轨迹数据集合，每组历史行驶轨迹数据用于表征第一终端对应的车辆的一次行程；根据车辆行驶轨迹数据集合和路网数据，获取路网的至少一条道路的时间权重数据；根据路网的至少一条道路的时间权重数据、路网的至少一个区域的车流量数据、路网的道路属性数据，预测路网中每个道路的通行速度。本发明能够结合终端发送的历史行驶轨迹数据和路网数据，获取路网数据中的道路的时间权重数据，进一步能够预测路网中的每个道路的通行速度，进而规避拥堵道路，为用户提供合理线路。

Description

通行速度预测方法、装置和存储介质

技术领域

本发明涉及智能交通技术领域，尤其涉及一种通行速度预测方法、装置和存储介质。

背景技术

随着社会经济和交通运输业的不断发展，交通拥挤等交通问题越来越凸现出来，成了全球共同关注的问题。城市交通路况预测是智慧城市建设的重要课题之一，它对于城市资源分配、城市交通规划，政府公共设施建设等方面有着重要的指导意义。用户在出行时，往往会搜索相关的线路，获取用时较短、不拥堵的路段。

现有技术中，在对线路进行规划时，往往根据动态实时的交通数据，获取道路的交通状态，规避拥堵道路，为用户提供合理线路；示例性的，获取道路上正在行驶的车辆的速度，获取道路的交通状态，如高速路上15-30km/h为拥堵。

但这种方式需要获取当前道路上的交通状态，但若用户出行的线路中没有动态实时的交通数据反馈，则不能为用户进行线路规划，用户体验低。

发明内容

本发明提供一种通行速度预测方法、装置和存储介质，结合终端发送的历史行驶轨迹数据和路网数据，获取路网数据中的道路的时间权重数据，进一步能够预测路网中的每个道路的通行速度，进而规避拥堵道路，为用户提供合理线路。

本发明的第一方面提供一种通行速度预测方法，其特征在于，包括：

接收至少一个第一终端发送的至少一组历史行驶轨迹数据，得到车辆行驶轨迹数据集合，每组所述历史行驶轨迹数据用于表征所述第一终端对应的车辆的一次行程；

根据所述车辆行驶轨迹数据集合和路网数据，获取所述路网的至少一条道路的时间权重数据，所述时间权重数据用于表征车辆通过对应的道路的速度，所述时间权重数据与所述行程对应的出行时间和出行天气相关；

根据所述路网的至少一条道路的时间权重数据、所述路网的至少一个区域的车流量数据、所述路网的道路属性数据，预测所述路网中每个道路的通行速度。

可选的，所述根据所述路网的至少一条道路的时间权重数据、路网的至少一个区域的车流量数据、所述路网的道路属性数据，预测所述路网中每个道路的通行速度，包括：

根据所述路网的至少一条道路的时间权重数据，构建所述路网的道路权重矩阵，所述道路权重矩阵用于描述所述路网的至少一个道路在至少一个时间段内的通行速度；

根据所述路网的至少一个区域的历史车流量数据，构建所述路网的车流量矩阵，所述车流量矩阵用于描述所述路网的至少一个区域在至少一个时间段内的车流量；

根据所述路网的道路属性数据，构建所述路网的地理属性矩阵，所述地理属性矩阵用于描述所述路网的至少一个道路的道路特征；

对所述道路权重矩阵、所述车流量矩阵和所述地理属性矩阵进行矩阵联合分解，预测所述路网中所有道路的通行速度。

可选的，所述根据所述路网的至少一条道路的时间权重数据，构建所述路网的道路权重矩阵，包括：

根据所述路网的至少一条道路的时间权重数据，以及，所述路网的至少一道路的当前时间权重数据，构建所述路网的道路权重矩阵；

所述根据所述路网的至少一个区域的车流量数据，构建所述路网的车流量矩阵，包括：

根据所述路网的至少一个区域的历史车流量数据，以及，所述路网的至少一个区域的当前车流量数据，构建所述路网的车流量矩阵。

可选的，所述根据所述路网的至少一条道路的时间权重数据，构建所述路网的道路权重矩阵之前，还包括：

对所述路网的至少一条道路的时间权重数据中的错误数据进行纠正，并根据出行时间和出行天气，对纠正后的时间权重数据进行聚类分析。

可选的，所述根据所述车辆行驶轨迹数据集合和路网数据，获取所述路网的至少一条道路的时间权重数据，包括：

根据所述车辆行驶轨迹数据集合和所述路网数据，获取每组所述历史行驶轨迹数据对应的行程，以及，每个所述行程对应的出行时间和出行天气；

计算每个所述行程涵盖的每条道路的时间权重数据，得到所有行程涵盖的每条道路的时间权重数据，每条所述道路的时间权重数据对应一组出行时间和出行天气；

根据所有行程涵盖的每条道路的时间权重数据，得到所述路网的至少一条道路的时间权重数据。

可选的，所述根据所有行程涵盖的每条道路的时间权重数据，得到所述路网的至少一条道路的时间权重数据，包括：

将所有行程涵盖的每条道路的时间权重数据，以及，所述路网的至少一条道路的历史时间权重数据进行融合，得到所述路网的至少一条道路的时间权重数据。

可选的，所述方法还包括：

接收第二终端发送的路径获取请求，所述路径获取请求包括：所述第二终端对应的车辆的起始点信息和目的地信息；

根据所述路径获取请求，以及，预测的所述路网中道路的通行速度，为所述第二终端规划用时最短的行驶路径；

向所述第二终端发送路径获取响应，所述路径获取响应用于指示为所述终端规划的用时最短的行驶路径。

本发明的第二方面提供一种通行速度预测装置，包括：

行驶轨迹数据集合获取模块，用于接收至少一个第一终端发送的至少一组历史行驶轨迹数据，得到车辆行驶轨迹数据集合，每组所述历史行驶轨迹数据用于表征所述第一终端对应的车辆的一次行程；

时间权重数据获取模块，用于根据所述车辆行驶轨迹数据集合和路网数据，获取所述路网的至少一条道路的时间权重数据，所述时间权重数据用于表征车辆通过对应的道路的速度，所述时间权重数据与所述行程对应的出行时间和出行天气相关；

通行速度预测模块，用于根据所述路网的至少一条道路的时间权重数据、所述路网的至少一个区域的车流量数据、所述路网的道路属性数据，预测所述路网中每个道路的通行速度。

可选的，所述装置还包括：矩阵构建模块；

所述矩阵构建模块，用于根据所述路网的至少一条道路的时间权重数据，构建所述路网的道路权重矩阵，所述道路权重矩阵用于描述所述路网的至少一个道路在至少一个时间段内的通行速度；根据所述路网的至少一个区域的历史车流量数据，构建所述路网的车流量矩阵，所述车流量矩阵用于描述所述路网的至少一个区域在至少一个时间段内的车流量；根据所述路网的道路属性数据，构建所述路网的地理属性矩阵，所述地理属性矩阵用于描述所述路网的至少一个道路的道路特征；

可选的，通行速度预测模块，用于对所述道路权重矩阵、所述车流量矩阵和所述地理属性矩阵进行矩阵联合分解，预测所述路网中所有道路的通行速度。

可选的，所述矩阵构建模块，具体用于根据所述路网的至少一条道路的时间权重数据，以及，所述路网的至少一道路的当前时间权重数据，构建所述路网的道路权重矩阵。

可选的，所述矩阵构建模块，具体还用于根据所述路网的至少一个区域的历史车流量数据，以及，所述路网的至少一个区域的当前车流量数据，构建所述路网的车流量矩阵。

可选的，所述装置还包括：纠正模块；

所述纠正模块，用于对所述路网的至少一条道路的时间权重数据中的错误数据进行纠正，并根据出行时间和出行天气，对纠正后的时间权重数据进行聚类分析。

可选的，所述时间权重数据获取模块，具体用于根据所述车辆行驶轨迹数据集合和所述路网数据，获取每组所述历史行驶轨迹数据对应的行程，以及，每个所述行程对应的出行时间和出行天气；计算每个所述行程涵盖的每条道路的时间权重数据，得到所有行程涵盖的每条道路的时间权重数据，每条所述道路的时间权重数据对应一组出行时间和出行天气；根据所有行程涵盖的每条道路的时间权重数据，得到所述路网的至少一条道路的时间权重数据。

可选的，所述时间权重数据获取模块，具体用于将所有行程涵盖的每条道路的时间权重数据，以及，所述路网的至少一条道路的历史时间权重数据进行融合，得到所述路网的至少一条道路的时间权重数据。

可选的，所述装置还包括：规划模块；

所述规划模块，用于接收第二终端发送的路径获取请求，所述路径获取请求包括：所述第二终端对应的车辆的起始点信息和目的地信息；根据所述路径获取请求，以及，预测的所述路网中道路的通行速度，为所述第二终端规划用时最短的行驶路径；向所述第二终端发送路径获取响应，所述路径获取响应用于指示为所述终端规划的用时最短的行驶路径。

本发明的第三方面提供一种通行速度预测装置，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述通行速度预测装置执行上述通行速度预测方法。

本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机执行指令，当所述计算机执行指令被处理器执行时，实现上述通行速度预测方法。

本发明提供一种通行速度预测方法、装置和存储介质，该方法包括：接收至少一个第一终端发送的至少一组历史行驶轨迹数据，得到车辆行驶轨迹数据集合，每组历史行驶轨迹数据用于表征第一终端对应的车辆的一次行程；根据车辆行驶轨迹数据集合和路网数据，获取路网的至少一条道路的时间权重数据；根据路网的至少一条道路的时间权重数据、路网的至少一个区域的车流量数据、路网的道路属性数据，预测路网中每个道路的通行速度。本发明能够结合终端发送的历史行驶轨迹数据和路网数据，获取路网数据中的道路的时间权重数据，进一步能够预测路网中的每个道路的通行速度，进而规避拥堵道路，为用户提供合理线路。

附图说明

图1为本发明提供的通行速度预测方法适用的场景示意图；

图2为本发明提供的通行速度预测方法的流程示意图一；

图3为本发明提供的通行速度预测方法的流程示意图二；

图4为本发明提供的通行速度预测方法的流程示意图三；

图5为本发明提供的通行速度预测装置的结构示意图一；

图6为本发明提供的通行速度预测装置的结构示意图二；

图7为本发明提供的通行速度预测装置的结构示意图三。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

随着智能交通的逐步发展，用户在出行时往往想要获取最佳的出行线路。如用户将出行的起点和终点输入至终端中，终端与服务器进行交互获取可能的出行线路，且在每条出行线路上标注用时以及出行线路的交通状态。现有技术中服务器获取每条线路的交通状态的具体方式为：获取主要道路上的动态交通数据，如主要道路上行驶的车辆的个数和车辆的速度，根据车辆的个数和速度确定主要道路上的交通状态，具体的，交通状态可以为：严重拥堵、拥堵、缓慢、畅通等。

进一步的，服务器在获取用户出行的起点和终点后，根据可通行的线路为用户返回可行的线路规划，且标注每条规划的线路上的交通状态；但主要道路约占全部道路的30％，现有技术中不能为用户提供所有的道路上的交通状态；当用户搜索的线路不在主要道路中时，用户获取不到有效的行驶线路，用户体验低。

为了解决上述问题，本发明提供一种通行速度预测方法，具体的，根据终端发送的历史行驶轨迹数据，结合路网数据，获取路网中的历史行驶轨迹数据对应的道路的时间权重数据，再根据道路的时间权重数据区域的车流量数据、所述路网的道路属性数据，对路网数据中的所有的道路进行交通状态的预测，即进行每个道路的通行速度的预测，进而为用户提供更为全面、准确的行驶线路。

图1为本发明提供的通行速度预测方法适用的场景示意图，如图1所示，本发明提供的通行速度预测方法适用的场景中包括：第一终端和通行速度预测装置。其中，第一终端能够获取车辆的行驶轨迹数据，具体的，第一终端可以为车辆上设置的车载终端，或者移动终端；该第一终端可以将车辆的历史行驶轨迹数据发送给通行速度预测装置，以使通行速度预测装置根据多个历史行驶轨迹数据和路网数据，对路网中的每条道路中的通行速度进行预测。

可选的，本发明提供的通行速度预测方法适用的场景中还可以包括：第二终端，具体的，第二终端可以与第一终端为不同的终端，第二终端为用户对应的终端，用户在想要获取出行线路时，在第二终端中输入起点和终点，并与通行速度预测装置进行交互，通行速度预测装置根据第二终端中输入起点和终点，为第二终端返回合理的出行线路。值得注意的是，第二终端也可以是给通行速度预测装置发送过历史行驶轨迹数据的终端。

图2为本发明提供的通行速度预测方法的流程示意图一，图2所示方法流程的执行主体可以为通行速度预测装置，该通行速度预测装置可由任意的软件和/或硬件实现。如图2所示，本实施例提供的通行速度预测方法可以包括：

S201，接收至少一个第一终端发送的至少一组历史行驶轨迹数据，得到车辆行驶轨迹数据集合，每组历史行驶轨迹数据用于表征第一终端对应的车辆的一次行程。

车辆中通常设置有定位模块，具体的，该定位模块可以由现有技术中的全球定位系统(Global Positioning System，GPS)实现；车辆中设置有第一终端，该第一终端可以为车辆中设置的车载终端，也可以是用户对应的移动终端，移动终端中也可设置有定位模块，可以实时获取车辆的行驶轨迹数据；具体的，第一终端根据定位模块对车辆的定位，获取车辆的行驶轨迹数据，进一步将历史行驶轨迹数据发送给通行速度预测装置。

通行速度预测装置对应的多个第一终端；示例性的，如该通行速度预测装置可以为导航地图应用程序对应的服务器，第一终端在使用该应用程序时，通行速度预测装置可以与第一终端进行交互，第一终端可以将获取的行驶轨迹数据发送给通行速度预测装置；由于第一终端对应的车辆可能具有多次出行记录，对应至少一组历史行驶轨迹数据，具体的，每组历史行驶轨迹数据用于表征第一终端对应的车辆的一次行程。

因此通行速度预测装置可以接收至少一个第一终端发送的至少一组历史行驶轨迹数据，根据接收到的历史行驶轨迹数据，得到车辆行驶轨迹数据集合；具体的，车辆行驶轨迹数据集合中包含有与通行速度预测装置交互的所有的第一终端的历史行驶轨迹数据。

本实施例中的一组历史行驶轨迹数据中可以包括：第一终端对应的一次行程的起点、终点、行驶线路、行驶时长以及在行驶线路的每个位置处的速度，出行时间和出行天气等。值得注意的是，本实施例中第一终端可以在一次行程结束后将该次行程对应的历史行驶轨迹数据发送给通行速度预测装置，或者，第一终端在箱式过程中，将实时的历史行驶轨迹数据发送给通行速度预测装置。本实施例对此不做限制。

S202，根据车辆行驶轨迹数据集合和路网数据，获取路网的至少一条道路的时间权重数据，时间权重数据用于表征车辆通过对应的道路的速度，时间权重数据与行程对应的出行时间和出行天气相关。

路网数据中包括至少一条道路的信息，本实施例中的根据路网数据中已有的道路的信息，与获取的车辆行驶轨迹数据集合，获取路网的至少一条道路的时间权重数据。

具体的，根据车辆行驶轨迹数据集合中的每个历史行驶轨迹数据，在路网数据中对应一个道路或一个道路中的部分道路；根据每个历史行驶轨迹数据和路网数据中的道路的对应的关系，可以根据每个历史行驶轨迹数据，获取每个历史行驶轨迹数据对应的一个行程的时间权重数据，而路网数据中的道路又是每个历史行驶轨迹数据对应的形成所涵盖的道路；因此，根据每个历史行驶轨迹数据和路网数据中的道路的对应的关系，可以获取路网的至少一条道路的时间权重数据。

本实施例中的时间权重数据用于表征车辆通过对应的道路的速度，具体的，路网的至少一条道路的时间权重数据可以由对应的历史行驶轨迹数据中的出行时间、出行线路等获取，如：按照时间、路程和速度的对应关系，获取每个历史行驶轨迹数据对应的速度，即获取路网的至少一条道路的时间权重数据。值得注意的是，本实施例中的出行时间包括具体的出行日期和出行时刻；如出行时间为XX月XX日的XX时。

值得注意的是，时间权重数据与行程对应的出行时间和出行天气相关，本实施例中，可以将获取的路网的至少一条道路的时间权重数据和对应的历史行驶轨迹数据中的出行时间和出行天气相对应。

S203，根据路网的至少一条道路的时间权重数据、路网的至少一个区域的车流量数据、路网的道路属性数据，预测路网中每个道路的通行速度。

本实施例中，路网的至少一个区域的车流量数据可以由通行速度预测装置从存储路网中每个区域的车流量数据的服务器中获取，具体的，在通行速度预测装置接收到至少一个第一终端发送的至少一组历史行驶轨迹数据，可以根据每个历史行驶轨迹数据，获取对应的车辆的出行区域，进而获取路网的至少一个区域的车流量数据，或者，一个第一终端对应一个车辆，通行速度预测装置可以根据接收到的历史行驶轨迹数据确定车辆所在的区域，再根据接收到的历史行驶轨迹数据的组数确定对应区域的车流量。可以想到的是，采用第二种实施方式获取的车流量数据相比于第一种具有较低的准确度，本实施例中优先采用第一种方式获取路网的至少一个区域的车流量数据。当然，本领域的技术人员也可采用其他相应的方式获取路网的至少一个区域的车流量数据，本实施例对此不做限制。

通行速度预测装置中存储有路网的道路属性数据，具体的，路网的道路属性数据包括道路等级、弯曲度、长度、方向、车道数量、左转数量、右转数量等数据。

相应的，本实施例中，根据路网的至少一条道路的时间权重数据、路网的至少一个区域的车流量数据、路网的道路属性数据，预测路网中每个道路的通行速度的具体方式可以为：

获取路网的至少一条道路对应的至少一个区域，进而获取该至少一个区域的车流量数据，以及该至少一个区域的道路属性数据，将这些数据作为静态数据，通过机器学习的方式，获取根据路网的至少一条道路的时间权重数据、路网的至少一个区域的车流量数据、路网的道路属性数据的对应关系；由于路网数据中的道路并未覆盖所有的道路，因此，在获取路网数据中未覆盖所有的道路对应的至少一个区域的车流量数据、路网的道路属性数据的前提下，根据上述对应关系，可以获取对应的未覆盖所有的道路对应的时间权重数据，即实现对路网中每个道路的通行速度的预测。

本实施例提供一种通行速度预测方法，该方法包括：接收至少一个第一终端发送的至少一组历史行驶轨迹数据，得到车辆行驶轨迹数据集合，每组历史行驶轨迹数据用于表征第一终端对应的车辆的一次行程；根据车辆行驶轨迹数据集合和路网数据，获取路网的至少一条道路的时间权重数据；根据路网的至少一条道路的时间权重数据、路网的至少一个区域的车流量数据、路网的道路属性数据，预测路网中每个道路的通行速度。本实施例能够结合终端发送的历史行驶轨迹数据和路网数据，获取路网数据中的道路的时间权重数据，进一步能够预测路网中的每个道路的通行速度，进而规避拥堵道路，为用户提供合理线路。

在上述实施例的基础上，下面结合图3对本发明提供的通行速度预测方法进行进一步说明，图3为本发明提供的通行速度预测方法的流程示意图二，如图3所示，本实施例提供的通行速度预测方法可以包括：

S301，接收至少一个第一终端发送的至少一组历史行驶轨迹数据，得到车辆行驶轨迹数据集合，每组历史行驶轨迹数据用于表征第一终端对应的车辆的一次行程。

S302，根据车辆行驶轨迹数据集合和路网数据，获取每组历史行驶轨迹数据对应的行程，以及，每个行程对应的出行时间和出行天气。

本实施例中，路网数据中包括多个道路的信息，如每个道路在实际地球坐标中的位置；具体的，车辆行驶轨迹数据集合中包括用户的多组历史行驶轨迹数据，结合路网数据，将多组历史行驶轨迹数据分别与路网数据中的道路相对应，获取每组历史行驶轨迹数据对应的行程，其中，每组历史行驶轨迹数据可能包含有对应的车辆的标识、总出行时间、出行所经的位置等信息，每组历史行驶轨迹数据对应的行程包括对应的历史行驶轨迹数据对应的道路的信息，如：在A道路上的出行时间、出行所经的位置等信息；本实施例中的该步骤主要是将每组历史行驶轨迹数据与路网中的道路一一对应，获取在路网数据中的车辆对应的历史行驶信息。

相应的，通行速度预测装置在接收到至少一个第一终端发送的至少一组历史行驶轨迹数据后，可以将接收到该数据对应的出行时间和出行天气进行对应存储，在获取每组历史行驶轨迹数据对应的行程后，将每个行程和对应的出行时间和出行天气对应存储。

S303，计算每个行程涵盖的每条道路的时间权重数据，得到所有行程涵盖的每条道路的时间权重数据，每条道路的时间权重数据对应一组出行时间和出行天气。

本实施例中，计算获取每个行程涵盖的每条道路的时间权重数据，具体的获取方式为：获取每个行程对应的历史行驶轨迹数据，该历史行驶轨迹数据中包括有车辆出行的起始时间和终止时间，以及出行起点和中点。根据出行路程的出行时间的对应关系，获取车辆在出行经过每个位置时的出行速度，本实施例中将车辆在出行经过每个位置时的出行速度作为每个行程涵盖的每条道路的时间权重数据。

对应的，在依次获取每个行程涵盖的每条道路的时间权重数据后，可以获取车辆行驶轨迹数据集合中所有行程涵盖的每条道路的时间权重数据；由于每个行程对应有出行时间和出行天气，因此本实施例中的每条道路的时间权重数据对应一组出行时间和出行天气；其中的一组出行时间和出行天气即为上述的每个行程对应的出行时间和出行天气。

值得注意的是，本实施例中还将所有行程涵盖的每条道路的时间权重数据，以及，路网的至少一条道路的历史时间权重数据进行融合，得到路网的至少一条道路的时间权重数据。即本实施例中的通行速度预测装置还可以与其他服务器连接，从其他服务器中获取更多的每条道路的时间权重数据。

示例性的，如通行速度预测装置可以与X德、X度地图等应用程序对应的服务器、其他公司提供的实时路况数据的服务器、交通管理部门对应的服务器进行连接，在其他服务器中获取更多的历史行驶轨迹数据，以及对应的行程的时间权重数据，获取路网的至少一条道路的时间权重数据。使得本实施例中获取的所有行程涵盖的每条道路的时间权重数据更为准确。

S304，根据所有行程涵盖的每条道路的时间权重数据，得到路网的至少一条道路的时间权重数据。

本实施例中，根据所有行程涵盖的每条道路的时间权重数据后，还可以根据每个行程与路网数据中的道路的对应关系，获取路网数据中每个道路对应的时间权重数据。

可以想到的是，所有行程涵盖的道路的集合并非一定包括路网数据中的所有的道路，因此，根据行程和道路的对应关系，获取路网的至少一条道路的时间权重数据。

S305，对路网的至少一条道路的时间权重数据中的错误数据进行纠正，并根据出行时间和出行天气，对纠正后的时间权重数据进行聚类分析。

具体的，在获取路网的至少一条道路的时间权重数据后，对其中的错误数据进行纠正；具体的，纠正方式可以为：对路网的至少一条道路的时间权重数据中的错误数据进行删除。

本实施例中，通行速度预测装置中预先存储有错误数据的模板，对路网的至少一条道路的时间权重数据中的错误数据进行纠正时，需要将路网的至少一条道路的时间权重数据与错误数据的模板进行比对，判断路网的至少一条道路的时间权重数据是否为错误数据，若是，则将路网的至少一条道路的时间权重数据中的错误数据删除。

其中，错误数据的模板可以是错误数据对应的数据范围，如时间权重数据在一次行程中处于错误数据对应的数据范围内，则确定该时间权重数据为错误数据。可以想到的是，本领域的技术人员也可预先设置其他对应的错误数据的规则，对获取的路网的至少一条道路的时间权重数据中的错误数据进行纠正。

进一步的，对纠正后的时间权重数据进行聚类分析，具体的，纠正后的路网的至少一条道路的时间权重数据对应有出行时间和出行天气，本实施例中根据具体的出行时间和出行天气属性，对纠正后的时间权重数据进行聚类。获取每种类型的出行天气或者出行时间属性对应的时间权重数据。

S306，根据路网的至少一条道路的时间权重数据，构建路网的道路权重矩阵，道路权重矩阵用于描述路网的至少一个道路在至少一个时间段内的通行速度。

本实施例中采用机器学习的方式对获取的路网的至少一条道路的时间权重数据进行处理，进而实现对道路的通行速度的预测。具体的，本实施例中采用的机器学习的方式为通过矩阵分解的方式进行。

其中，在某一时刻，能够通过历史行驶轨迹数据获取的路网的至少一条道路的时间权重数据，只会占整体道路的一部分，因此在道路权值矩阵为一个稀疏矩阵，通过矩阵分解的方式来填充缺失的部分是机器学习领域主流方法，矩阵分解(Matrix Factorization)是指用矩阵A*B来近似矩阵M，那么矩阵A*B的元素就可以用于估计矩阵M中对应不可见位置的元素值，而矩阵A*B可以作为是矩阵M的分解，所以称作矩阵分解。

道路通行速度与车辆所在地理位置，道路连通状况，以及周边POI类型相关(如学校在上学和放学时段会变得拥堵)，从时空相似度的角度出发，认为相似时空环境下的道路通行速度会趋于相似。因此通过构建时空相似度矩阵(分3个矩阵，分别为道路权重矩阵X，车流量矩阵Y，地理属性矩阵Z)，通过3个矩阵进行联合分解来预测缺失的道路权值，为避免矩阵分解时产生负值的问题，即使输入的初始矩阵元素是全正的，传统的分解算法也不能保证原始数据的非负性。在数学上，从计算的观点看，分解结果中存在负值是正确的，但负值元素在实际问题中往往是没有意义的，如道路通行速度就要求必须是正值，本文采用非负矩阵分解(Nonnegative matrix factorization，NMF)算法，可有效避免产生负权重。

具体的，根据路网的至少一条道路的时间权重数据，构建路网的道路权重矩阵X，具体构建道路权重矩阵X的方式与现有技术中的方式相同，在此不作赘述；其中，道路权重矩阵用于描述路网的至少一个道路在至少一个时间段内的通行速度。以此构建的道路权重矩阵的依据为车辆的历史的行驶轨迹数据对应的路网的至少一条道路的时间权重数据。

值得注意的是，本实施例中还可以依据当前实时获取的车辆的行驶轨迹数据进行路网的道路权重矩阵的构建，即根据路网的至少一条道路的时间权重数据，以及，路网的至少一道路的当前时间权重数据，构建路网的道路权重矩阵。采用当前动态数据结合历史静态数据，使得获取的路网的道路权重矩阵更为准确，提高了预测准确性。

S307，根据路网的至少一个区域的历史车流量数据，构建路网的车流量矩阵，车流量矩阵用于描述路网的至少一个区域在至少一个时间段内的车流量。

对应的，本实施例中还需要构建车流量矩阵Y，具体的矩阵构建方式与上述道路权重矩阵X的方式相同。本实施例中，是根据路网的至少一个区域的历史车流量数据，构建路网的车流量矩阵，车流量矩阵用于描述路网的至少一个区域在至少一个时间段内的车流量。

值得注意的是，也可采用当前动态数据结合历史静态数据，使得获取的路网的车流量矩阵更为准确，具体的，根据路网的至少一个区域的历史车流量数据，以及，路网的至少一个区域的当前车流量数据，构建路网的车流量矩阵。

S308，根据路网的道路属性数据，构建路网的地理属性矩阵，地理属性矩阵用于描述路网的至少一个道路的道路特征。

对应的，本实施例中还需要构建地理属性矩阵Z，具体的矩阵构建方式与上述道路权重矩阵X的方式相同。本实施例中，是根据路网的道路属性数据，构建路网的地理属性矩阵，地理属性矩阵用于描述路网的至少一个道路的道路特征。路网的道路属性数据可以包括：道路等级、道路类型、道路形态、道路车道数、道路方向、道路弯曲度、道路起点和终点周边POI数、道路所处空间位置。

S309，对道路权重矩阵、车流量矩阵和地理属性矩阵进行矩阵联合分解，预测路网中所有道路的通行速度。

具体的，在通行速度预测装置获取道路权重矩阵、车流量矩阵和地理属性矩阵后，根据现有技术中的矩阵联合分解方式，获取路网中所有道路的通行速度的预测结果。

值得注意的是，本实施例中在进行矩阵联合分解的过程中，可以仅采用静态数据，即路网的至少一条道路的时间权重数据构建的路网的道路权重矩阵、由路网的至少一个区域的历史车流量数据构建的路网的车流量矩阵和由路网的道路属性数据构建的路网的地理属性矩阵，进行矩阵联合分解获取对应的所有道路的通行速度的预测结果。

或者，在进行矩阵联合分解的过程中，可以采用静态数据和实时动态数据结合的方式，具体的，即由路网的至少一条道路的时间权重数据，以及，路网的至少一道路的当前时间权重数据构建的路网的道路权重矩阵、由路网的至少一个区域的历史车流量数据，以及，路网的至少一个区域的当前车流量数据构建的路网的车流量矩阵和路网的道路属性数据构建的路网的地理属性矩阵，进行矩阵联合分解获取对应的所有道路的通行速度的预测结果。

本实施例中，采用静态数据和实时动态数据结合的方式，使得获取的道路权重矩阵和车流量矩阵更为准确，进一步提高了所有道路的通行速度的预测结果的准确性。

本实施例中，根据路网的至少一条道路的时间权重数据，构建路网的道路权重矩阵，道路权重矩阵用于描述路网的至少一个道路在至少一个时间段内的通行速度；根据路网的至少一个区域的历史车流量数据，构建路网的车流量矩阵，车流量矩阵用于描述路网的至少一个区域在至少一个时间段内的车流量；根据路网的道路属性数据，构建路网的地理属性矩阵，地理属性矩阵用于描述路网的至少一个道路的道路特征；对道路权重矩阵、车流量矩阵和地理属性矩阵进行矩阵联合分解，预测路网中所有道路的通行速度；实现预测路网中的每个道路的通行速度，进而规避拥堵道路，为用户提供合理线路。且进一步的可以采用历史静态数据和当前动态数据结合的方式获取矩阵，提高了所有道路的通行速度的预测结果的准确性。

在上述实施例的基础上，下面结合图4对本发明提供的通行速度预测方法的应用过程进行说明，图4为本发明提供的通行速度预测方法的流程示意图三，如图4所示，本实施例提供的通行速度预测方法可以包括：

S401，接收第二终端发送的路径获取请求，路径获取请求包括：第二终端对应的车辆的起始点信息和目的地信息。

本实施例中，用户想要获取出行路径时，在第二终端上输入车辆的起始点信息和目的地信息，以触发第二终端向通行速度预测装置发送路径获取请求，其中，路径获取请求包括：第二终端对应的车辆的起始点信息和目的地信息。

示例性的，如用户可以采用文字输入或者语音输入的方式对车辆的起始点信息和目的地信息在第二终端上进行输入。输入结束后，第二终端上显示有确定控件，用户通过点击或者其他操作方式对该确定控件进行操作，进而触发第二终端向通行速度预测装置发送路径获取请求。

S402，根据路径获取请求，以及，预测的路网中道路的通行速度，为第二终端规划用时最短的行驶路径。

本实施例中的通行速度预测装置在接收到路径获取请求后，根据上述实施例中的通行速度预测方法预测的路网中道路的通行速度，为第二终端规划用时最短的行驶路径。

具体的，为第二终端规划用时最短的行驶路径即为道路对应的距离和通行速度的商为最小的行驶路径。

S403，向第二终端发送路径获取响应，路径获取响应用于指示为第二终端规划的用时最短的行驶路径。

在通行速度预测装置为第二终端规划用时最短的行驶路径后，向该第二终端发送路径获取响应，具体的，路径获取响应用于指示为第二终端规划的用时最短的行驶路径。

示例性的，在通行速度预测装置向第二终端发送路径获取响应后，第二终端上显示为第二终端规划的用时最短的行驶路径，用户根据该用时最短的行驶路径进行行驶，提高了用户体验。

本实施例中，在通行速度预测装置预测的路网中道路的通行速度，为第二终端规划用时最短的行驶路径，使得用户根据规划用时最短的行驶路径进行行驶，提高了用户体验。

图5为本发明提供的通行速度预测装置的结构示意图一，如图5所示，该通行速度预测装置500包括：行驶轨迹数据集合获取模块501、时间权重数据获取模块502、通行速度预测模块503。

行驶轨迹数据集合获取模块501，用于接收至少一个第一终端发送的至少一组历史行驶轨迹数据，得到车辆行驶轨迹数据集合，每组历史行驶轨迹数据用于表征第一终端对应的车辆的一次行程。

时间权重数据获取模块502，用于根据车辆行驶轨迹数据集合和路网数据，获取路网的至少一条道路的时间权重数据，时间权重数据用于表征车辆通过对应的道路的速度，时间权重数据与行程对应的出行时间和出行天气相关。

通行速度预测模块503，用于根据路网的至少一条道路的时间权重数据、路网的至少一个区域的车流量数据、路网的道路属性数据，预测路网中每个道路的通行速度。

本实施例提供的通行速度预测装置与上述通行速度预测方法实现的原理和技术效果类似，在此不作赘述。

可选的，图6为本发明提供的通行速度预测装置的结构示意图二，如图6所示，该通行速度预测装置500还包括：矩阵构建模块504、纠正模块505和规划模块506。

矩阵构建模块504，用于根据路网的至少一条道路的时间权重数据，构建路网的道路权重矩阵，道路权重矩阵用于描述路网的至少一个道路在至少一个时间段内的通行速度；根据路网的至少一个区域的历史车流量数据，构建路网的车流量矩阵，车流量矩阵用于描述路网的至少一个区域在至少一个时间段内的车流量；根据路网的道路属性数据，构建路网的地理属性矩阵，地理属性矩阵用于描述路网的至少一个道路的道路特征；

可选的，通行速度预测模块503，用于对道路权重矩阵、车流量矩阵和地理属性矩阵进行矩阵联合分解，预测路网中所有道路的通行速度。

可选的，矩阵构建模块504，具体用于根据路网的至少一条道路的时间权重数据，以及，路网的至少一道路的当前时间权重数据，构建路网的道路权重矩阵。

可选的，矩阵构建模块504，具体还用于根据路网的至少一个区域的历史车流量数据，以及，路网的至少一个区域的当前车流量数据，构建路网的车流量矩阵。

纠正模块505，用于对路网的至少一条道路的时间权重数据中的错误数据进行纠正，并根据出行时间和出行天气，对纠正后的时间权重数据进行聚类分析。

可选的，时间权重数据获取模块502，具体用于根据车辆行驶轨迹数据集合和路网数据，获取每组历史行驶轨迹数据对应的行程，以及，每个行程对应的出行时间和出行天气；计算每个行程涵盖的每条道路的时间权重数据，得到所有行程涵盖的每条道路的时间权重数据，每条道路的时间权重数据对应一组出行时间和出行天气；根据所有行程涵盖的每条道路的时间权重数据，得到路网的至少一条道路的时间权重数据。

可选的，时间权重数据获取模块502，具体用于将所有行程涵盖的每条道路的时间权重数据，以及，路网的至少一条道路的历史时间权重数据进行融合，得到路网的至少一条道路的时间权重数据。

规划模块506，用于接收第二终端发送的路径获取请求，路径获取请求包括：第二终端对应的车辆的起始点信息和目的地信息；根据路径获取请求，以及，预测的路网中道路的通行速度，为第二终端规划用时最短的行驶路径；向第二终端发送路径获取响应，路径获取响应用于指示为终端规划的用时最短的行驶路径。

图7为本发明提供的通行速度预测装置的结构示意图三，该通行速度预测装置例如可以是车机端设备，比如智能手机、平板电脑、计算机等。如图7所示，该通行速度预测装置700包括：存储器701和至少一个处理器702。

存储器701，用于存储程序指令。

处理器702，用于在程序指令被执行时实现本实施例中的通行速度预测方法，具体实现原理可参见上述实施例，本实施例此处不再赘述。

该通行速度预测装置700还可以包括及输入/输出接口703。

输入/输出接口703可以包括独立的输出接口和输入接口，也可以为集成输入和输出的集成接口。其中，输出接口用于输出数据，输入接口用于获取输入的数据，上述输出的数据为上述方法实施例中输出的统称，输入的数据为上述方法实施例中输入的统称。

本发明还提供一种可读存储介质，可读存储介质中存储有执行指令，当通行速度预测装置的至少一个处理器执行该执行指令时，当计算机执行指令被处理器执行时，实现上述实施例中的通行速度预测方法。

本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。通行速度预测装置的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得通行速度预测装置实施上述的各种实施方式提供的通行速度预测方法。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

在上述网络设备或者车机端设备的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：ApplicationSpecific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种通行速度预测方法，其特征在于，包括：

接收至少一个第一终端发送的至少一组历史行驶轨迹数据，得到车辆行驶轨迹数据集合，每组所述历史行驶轨迹数据用于表征所述第一终端对应的车辆的一次行程；

根据所述车辆行驶轨迹数据集合和路网数据，获取所述路网的至少一条道路的时间权重数据，所述时间权重数据用于表征车辆通过对应的道路的速度，所述时间权重数据与所述行程对应的出行时间和出行天气相关；

根据所述路网的至少一条道路的时间权重数据、所述路网的至少一个区域的车流量数据、所述路网的道路属性数据，预测所述路网中每个道路的通行速度。

2.根据权利要求1所述的方法，其特征在于，所述根据所述路网的至少一条道路的时间权重数据、路网的至少一个区域的车流量数据、所述路网的道路属性数据，预测所述路网中每个道路的通行速度，包括：

根据所述路网的至少一条道路的时间权重数据，构建所述路网的道路权重矩阵，所述道路权重矩阵用于描述所述路网的至少一个道路在至少一个时间段内的通行速度；

根据所述路网的至少一个区域的历史车流量数据，构建所述路网的车流量矩阵，所述车流量矩阵用于描述所述路网的至少一个区域在至少一个时间段内的车流量；

根据所述路网的道路属性数据，构建所述路网的地理属性矩阵，所述地理属性矩阵用于描述所述路网的至少一个道路的道路特征；

对所述道路权重矩阵、所述车流量矩阵和所述地理属性矩阵进行矩阵联合分解，预测所述路网中所有道路的通行速度。

3.根据权利要求2所述的方法，其特征在于，所述根据所述路网的至少一条道路的时间权重数据，构建所述路网的道路权重矩阵，包括：

根据所述路网的至少一条道路的时间权重数据，以及，所述路网的至少一道路的当前时间权重数据，构建所述路网的道路权重矩阵；

所述根据所述路网的至少一个区域的车流量数据，构建所述路网的车流量矩阵，包括：

根据所述路网的至少一个区域的历史车流量数据，以及，所述路网的至少一个区域的当前车流量数据，构建所述路网的车流量矩阵。

4.根据权利要求2所述的方法，其特征在于，所述根据所述路网的至少一条道路的时间权重数据，构建所述路网的道路权重矩阵之前，还包括：

对所述路网的至少一条道路的时间权重数据中的错误数据进行纠正，并根据出行时间和出行天气，对纠正后的时间权重数据进行聚类分析。

5.根据权利要求1所述的方法，其特征在于，所述根据所述车辆行驶轨迹数据集合和路网数据，获取所述路网的至少一条道路的时间权重数据，包括：

根据所述车辆行驶轨迹数据集合和所述路网数据，获取每组所述历史行驶轨迹数据对应的行程，以及，每个所述行程对应的出行时间和出行天气；

计算每个所述行程涵盖的每条道路的时间权重数据，得到所有行程涵盖的每条道路的时间权重数据，每条所述道路的时间权重数据对应一组出行时间和出行天气；

根据所有行程涵盖的每条道路的时间权重数据，得到所述路网的至少一条道路的时间权重数据。

6.根据权利要求5所述的方法，其特征在于，所述计算每个所述行程涵盖的每条道路的时间权重数据，得到所有行程涵盖的每条道路的时间权重数据，包括：

将所有行程涵盖的每条道路的时间权重数据，以及，所述路网的至少一条道路的历史时间权重数据进行融合，得到所述路网的至少一条道路的时间权重数据。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

接收第二终端发送的路径获取请求，所述路径获取请求包括：所述第二终端对应的车辆的起始点信息和目的地信息；

根据所述路径获取请求，以及，预测的所述路网中道路的通行速度，为所述第二终端规划用时最短的行驶路径；

向所述第二终端发送路径获取响应，所述路径获取响应用于指示为所述第二终端规划的用时最短的行驶路径。

8.一种通行速度预测装置，其特征在于，

行驶轨迹数据集合获取模块，用于接收至少一个第一终端发送的至少一组历史行驶轨迹数据，得到车辆行驶轨迹数据集合，每组所述历史行驶轨迹数据用于表征所述第一终端对应的车辆的一次行程；

时间权重数据获取模块，用于根据所述车辆行驶轨迹数据集合和路网数据，获取所述路网的至少一条道路的时间权重数据，所述时间权重数据用于表征车辆通过对应的道路的速度，所述时间权重数据与所述行程对应的出行时间和出行天气相关；

通行速度预测模块，用于根据所述路网的至少一条道路的时间权重数据、所述路网的至少一个区域的车流量数据、所述路网的道路属性数据，预测所述路网中每个道路的通行速度。

9.一种通行速度预测装置，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述通行速度预测装置执行权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机执行指令，当所述计算机执行指令被处理器执行时，实现权利要求1-7任一项所述的方法。