CN111627210B - 一种车流量预测方法、装置、设备及介质 - Google Patents

一种车流量预测方法、装置、设备及介质 Download PDF

Info

Publication number
CN111627210B
CN111627210B CN202010510809.4A CN202010510809A CN111627210B CN 111627210 B CN111627210 B CN 111627210B CN 202010510809 A CN202010510809 A CN 202010510809A CN 111627210 B CN111627210 B CN 111627210B
Authority
CN
China
Prior art keywords
road section
candidate
road
target
traffic flow
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010510809.4A
Other languages
English (en)
Other versions
CN111627210A (zh
Inventor
侯琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010510809.4A priority Critical patent/CN111627210B/zh
Publication of CN111627210A publication Critical patent/CN111627210A/zh
Application granted granted Critical
Publication of CN111627210B publication Critical patent/CN111627210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例公开了一种车流量预测方法、装置、设备及介质，其中，方法包括：获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息；根据上述目标路段的历史路况信息以及上述候选路段集合中的候选路段的历史路况信息，从上述候选路段集合中确定与上述目标路段具有相关性的候选路段，作为参考路段；获取上述参考路段的当前路况信息以及上述目标路段的当前路况信息，根据上述参考路段的当前路况信息以及上述目标路段的当前路况信息预测上述目标路段在下一时刻的车流量。采用本申请实施例，可以提高预测路段车流量的准确性。

Description

一种车流量预测方法、装置、设备及介质
技术领域
本申请涉及智能驾驶领域，尤其涉及一种车流量预测方法、装置、设备及介质。
背景技术
随着城市车辆的数量增加，道路交通拥堵问题愈发严重，道路交通拥堵会导致车辆行驶效率低、道路资源不能充分利用，严重时还会引发交通安全问题。
避免道路交通拥堵的一个重要因素是确定当前时刻道路的车流量，从而预测下一时刻的车流量，根据每条道路下一时刻的车流量从而确定行驶路线。而如何提高预测道路车流量的准确性，从而降低道路交通拥堵率成为亟待解决的问题。
发明内容
本申请实施例提供一种车流量预测方法、装置、设备及介质，可以提高预测路段车流量的准确性。
本申请实施例一方面提供一种车流量预测方法，包括：
获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息；
根据上述目标路段的历史路况信息以及上述候选路段集合中的候选路段的历史路况信息，从上述候选路段集合中确定与上述目标路段具有相关性的候选路段，作为参考路段；
获取上述参考路段的当前路况信息以及上述目标路段的当前路况信息，根据上述参考路段的当前路况信息以及上述目标路段的当前路况信息预测上述目标路段在下一时刻的车流量。
可选的，上述目标路段的历史路况信息包括上述目标路段的历史车流量；上述候选路段的历史路况信息包括上述候选路段的历史车流量；上述根据上述目标路段的历史路况信息以及上述候选路段集合中的候选路段的历史路况信息，从上述候选路段集合中确定与上述目标路段具有相关性的候选路段，作为参考路段，包括：对上述候选路段集合进行划分，得到至少两个候选路段子集，上述至少两个候选路段子集中包括至少一个候选路段；根据上述目标路段的历史车流量以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史车流量，分别确定上述目标路段与上述各个候选路段子集之间的车流量相关性；从上述至少两个候选路段子集中选择上述车流量相关性大于车流量相关性阈值，且所包括的候选路段的数量小于第一数量阈值的候选路段子集，作为第一目标候选路段子集；将上述第一目标候选路段子集中的候选路段确定为上述参考路段。
可选的，上述根据上述目标路段的历史车流量以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史车流量，分别确定上述目标路段与上述各个候选路段子集之间的车流量相关性，包括：根据上述目标路段的历史车流量以及上述各个候选路段子集的候选路段的历史车流量，确定上述目标路段与上述各个候选路段子集的候选路段之间的车流量相关性；确定上述目标路段分别与上述各个候选路段子集的候选路段之间的车流量相关性之和，作为上述目标路段与上述各个候选路段子集之间的车流量相关性。
可选的，上述目标路段的历史路况信息包括上述目标路段的历史拥堵率；上述候选路段的历史路况信息包括上述候选路段的历史拥堵率；该方法还包括：根据上述目标路段的历史拥堵率以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史拥堵率，分别确定上述目标路段与上述各个候选路段子集之间的拥堵率相关性；从上述至少两个候选路段子集中选择上述拥堵率相关性大于拥堵率相关性阈值，且所包括的候选路段的数量小于第二数量阈值的候选路段子集，作为第二目标候选路段子集；将上述第一目标候选路段子集以及上述第二目标候选路段子集中的候选路段确定为参考路段。
可选的，上述根据上述目标路段的历史拥堵率以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史拥堵率，分别确定上述目标路段与上述各个候选路段子集之间的拥堵率相关性，包括：根据上述目标路段的历史拥堵率以及上述各个候选路段子集的候选路段的历史拥堵率，确定上述目标路段与上述各个候选路段子集的候选路段之间的拥堵率相关性；确定上述目标路段分别与上述各个候选路段子集的候选路段之间的拥堵率相关性之和，作为上述目标路段与上述各个候选路段子集之间的拥堵率相关性。
可选的，上述参考路段的当前路况信息包括上述参考路段的当前车流量；上述获取上述参考路段的当前路况信息以及上述目标路段的当前路况信息，根据上述参考路段的当前路况信息以及上述目标路段的当前路况信息预测上述目标路段在下一时刻的车流量，包括：获取上述参考路段的当前车流量；根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性，预测上述目标路段在下一时刻的车流量。
可选的，上述参考路段的数量为多个；上述根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性，预测上述目标路段在下一时刻的车流量，包括：分别获取各个上述参考路段的当前车流量、上述目标路段与各个上述参考路段之间的车流量相关性之间的第一乘积；根据各个上述参考路段分别对应的第一乘积之间的和，预测上述目标路段在下一时刻的车流量。
可选的，上述参考路段的当前路况信息包括上述参考路段的当前车流量与上述参考路段的当前拥堵率；上述获取上述参考路段的当前路况信息以及上述目标路段的当前路况信息，根据上述参考路段的当前路况信息以及上述目标路段的当前路况信息预测上述目标路段在下一时刻的车流量，包括：获取上述参考路段的当前车流量与上述参考路段的当前拥堵率；根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性、上述目标路段与上述参考路段之间的拥堵率相关性、上述参考路段的当前拥堵率，预测上述目标路段在下一时刻的车流量。
可选的，上述参考路段的数量为多个；上述根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性、上述目标路段与上述参考路段之间的拥堵率相关性以及上述参考路段的当前拥堵率，预测上述目标路段在下一时刻的车流量，包括：分别获取各个上述参考路段的当前车流量、各个上述参考路段的拥堵率权重、上述目标路段与各个上述参考路段之间的车流量相关性、上述目标路段与各个上述参考路段之间的拥堵率相关性之间的第二乘积，上述参考路段的拥堵率权重是根据上述参考路段的当前拥堵率得到的；根据各个上述参考路段分别对应的第二乘积之间的和，预测上述目标路段在下一时刻的车流量。
本申请实施例一方面提供一种车流量预测装置，包括：
第一获取模块，用于获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息；
参考路段确定模块，用于根据上述目标路段的历史路况信息以及上述候选路段集合中的候选路段的历史路况信息，从上述候选路段集合中确定与上述目标路段具有相关性的候选路段，作为参考路段；
车流量预测模块，用于获取上述参考路段的当前路况信息以及上述目标路段的当前路况信息，根据上述参考路段的当前路况信息以及上述目标路段的当前路况信息预测上述目标路段在下一时刻的车流量。
可选的，上述目标路段的历史路况信息包括上述目标路段的历史车流量，上述候选路段的历史路况信息包括上述候选路段的历史车流量；上述参考路段确定模块，具体用于：对上述候选路段集合进行划分，得到至少两个候选路段子集，上述至少两个候选路段子集中包括至少一个候选路段；根据上述目标路段的历史车流量以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史车流量，分别确定上述目标路段与上述各个候选路段子集之间的车流量相关性；从上述至少两个候选路段子集中选择上述车流量相关性大于车流量相关性阈值，且所包括的候选路段的数量小于第一数量阈值的候选路段子集，作为第一目标候选路段子集；将上述第一目标候选路段子集中的候选路段确定为上述参考路段。
可选的，上述参考路段确定模块，具体用于：根据上述目标路段的历史车流量以及上述各个候选路段子集的候选路段的历史车流量，确定上述目标路段与上述各个候选路段子集的候选路段之间的车流量相关性；确定上述目标路段分别与上述各个候选路段子集的候选路段之间的车流量相关性之和，作为上述目标路段与上述各个候选路段子集之间的车流量相关性。
可选的，上述目标路段的历史路况信息包括上述目标路段的历史拥堵率；上述候选路段的历史路况信息包括上述候选路段的历史拥堵率；上述装置还包括：第二获取模块，用于根据上述目标路段的历史拥堵率以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史拥堵率，分别确定上述目标路段与上述各个候选路段子集之间的拥堵率相关性；从上述至少两个候选路段子集中选择上述拥堵率相关性大于拥堵率相关性阈值，且所包括的候选路段的数量小于第二数量阈值的候选路段子集，作为第二目标候选路段子集；将上述第一目标候选路段子集以及上述第二目标候选路段子集中的候选路段确定为参考路段。
可选的，上述第二获取模块，具体用于：根据上述目标路段的历史拥堵率以及上述各个候选路段子集的候选路段的历史拥堵率，确定上述目标路段与上述各个候选路段子集的候选路段之间的拥堵率相关性；确定上述目标路段分别与上述各个候选路段子集的候选路段之间的拥堵率相关性之和，作为上述目标路段与上述各个候选路段子集之间的拥堵率相关性。
可选的，上述参考路段的当前路况信息包括上述参考路段的当前车流量；上述车流量预测模块，具体用于：获取上述参考路段的当前车流量；根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性，预测上述目标路段在下一时刻的车流量。
可选的，上述参考路段的数量为多个；上述车流量预测模块，具体用于：分别获取各个上述参考路段的当前车流量、上述目标路段与各个上述参考路段之间的车流量相关性之间的第一乘积；根据各个上述参考路段分别对应的第一乘积之间的和，预测上述目标路段在下一时刻的车流量。
可选的，上述参考路段的当前路况信息包括上述参考路段的当前车流量与上述参考路段的当前拥堵率；上述车流量预测模块，具体用于：获取上述参考路段的当前车流量与上述参考路段的当前拥堵率；根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性、上述目标路段与上述参考路段之间的拥堵率相关性、上述参考路段的当前拥堵率，预测上述目标路段在下一时刻的车流量。
可选的，上述参考路段的数量为多个；上述车流量预测模块，具体用于：分别获取各个上述参考路段的当前车流量、各个上述参考路段的拥堵率权重、上述目标路段与各个上述参考路段之间的车流量相关性、上述目标路段与各个上述参考路段之间的拥堵率相关性之间的第二乘积，上述参考路段的拥堵率权重是根据上述参考路段的当前拥堵率得到的；根据各个上述参考路段分别对应的第二乘积之间的和，预测上述目标路段在下一时刻的车流量。
本申请一方面提供了一种计算机设备，包括：处理器、存储器、网络接口；
上述处理器与存储器、网络接口相连，其中，网络接口用于提供数据通信功能，上述存储器用于存储计算机程序，上述处理器用于调用上述计算机程序，以执行本申请实施例中上述一方面中的方法。
本申请实施例一方面提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令当被处理器执行时使该处理器执行上述第一方面的基于区块链的数据处理方法。
本申请实施例中，获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息，目标路段的历史路况信息例如可以为目标路段在历史时刻的车流量或者其他可能影响目标路段下一时刻车流量的因素。根据目标路段的历史路况信息以及候选路段集合中的候选路段的历史路况信息，从候选路段集合中确定与目标路段具有相关性的候选路段，作为参考路段，参考路段为与目标路段相关性较强的路段，即参考路段的车流量会影响目标路段的车流量。获取参考路段的当前路况信息以及目标路段的当前路况信息，根据参考路段的当前路况信息以及目标路段的当前路况信息预测目标路段在下一时刻的车流量。由于结合了目标路段的历史路况信息、目标路段的当前路况信息、与目标路段具有相关性的参考路段的历史路况信息以及参考路段的当前路况信息等多个因素对目标路段的车流量进行预测，因此可以提高车流量预测的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种车流量预测系统的架构示意图；
图2是本申请实施例提供的一种车流量预测方法的流程示意图；
图3是本申请实施例提供的一种候选路段的示意图；
图4是本申请实施例提供的一种车流量预测方法的流程示意图；
图5是本申请实施例提供的一种车流量预测装置的组成结构示意图；
图6是本申请实施例提供的一种计算机设备的组成结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请技术方案适用于对路段下一时刻的车流量进行预测的场景中。通过获取需要预测的目标路段的历史路况信息和当前路况信息，以及与目标路段具有相关性的参考路段的历史路况信息和当前路况信息，根据目标路段的历史路况信息和当前路况信息、以及参考路段的历史路况信息和当前路况信息预测目标路段在下一时刻的车流量。其中，参考路段的路况信息会对目标路况的车流量产生影响，因此本申请结合了参考路段的路况信息预测目标路段在下一时刻的车流量，可以提高预测的准确率。通过对目标路段在下一时刻的车流量进行预测，还可以为用户推荐较优行驶路线，进而减少交通拥堵率，节省用户时间。
请参见图1，图1是本申请实施例提供的一种车流量预测系统的架构示意图。该系统架构示意图包括车载终端101、车载服务器102，其中，车载终端101可以是配置在车辆中的终端，包括手机、平板电脑、笔记本电脑、掌上电脑、智能音响、车载iPad、移动互联网设备(MID，mobile intemet device)、可穿戴设备(例如智能手表、智能手环等)等。车载服务器102可以为交通控制中心的服务器，车载服务器102中可以存储各个路段的历史车流量、当前车流量、历史拥堵率、当前拥堵率以及历史交通事故率，等等。车载服务器102可以是指是一台独立的服务器、或由若干台服务器组成的服务器集群、或云计算中心。
进一步地，如图1所示，在具体实施车流量预测方法的过程中，例如，车载终端101从车载服务器102中获取候选路段的历史路况信息，以及待预测的目标路段的历史路况信息；车载终端101根据目标路段的历史路况信息以及候选路段集合中的候选路段的历史路况信息，从候选路段集合中确定与目标路段具有相关性的候选路段，作为参考路段；车载终端101从车载服务器102中获取参考路段的当前路况信息以及目标路段的当前路况信息，车载终端101根据参考路段的当前路况信息以及目标路段的当前路况信息预测目标路段在下一时刻的车流量。
可选地，车载服务器102可以直接获取车载服务器102中的候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息；车载服务器102根据目标路段的历史路况信息以及候选路段集合中的候选路段的历史路况信息，从候选路段集合中确定与目标路段具有相关性的候选路段，作为参考路段；车载服务器102获取参考路段的当前路况信息以及目标路段的当前路况信息，根据参考路段的当前路况信息以及目标路段的当前路况信息预测目标路段在下一时刻的车流量。
由于历史路况信息可以包括路段在历史时刻的车流量以及交通拥堵率等可能会影响路段车流量的因素，参考路段的车流量和拥堵率会影响目标路段的车流量，因此在预测目标路段在下一时刻的车流量时，结合了目标路段的历史路况信息、目标路段的当前路况信息、与目标路段具有相关性的参考路段的历史路况信息以及参考路段的当前路况信息等会对车流量预测产生影响的因素，因此可以提高车流量预测的准确性。
请参见图2，图2是本申请实施例提供的一种车流量预测方法的流程示意图，如图2所示，该方法包括：
S101，获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息。
其中，目标路段的历史路况信息包括目标路段的历史车流量；候选路段的历史路况信息包括候选路段的历史车流量。车流量是指单位时间内通过某路段的车辆的数量，目标路段的历史车流量为目标路段当前时刻之前的第一时间段内所有的车流量。例如第一时间段为1星期(7天)，则目标路段的历史车流量包括该路段在该星期内对应的7天中每天的车流量。候选路段的历史车流量包括候选路段当前时刻之前的第一时间段内所有的车流量。可以从车载服务器中获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息。车载服务器可以实时获取并保存各个候选路段的历史车流量。
这里，目标路段可以为候选路段集合中的任意一个或多个候选路段，目标路段也可以为与候选路段集合相关的路段，例如可以为候选路段集合中的任意一个候选路段的下一路段。候选路段集合中包括至少一个候选路段，候选路段例如可以为目标区域内的所有路段。例如目标区域如图3中3a所示的区域，图3是本申请实施例提供的一种候选路段的示意图，图3中3b为3a的候选路段等效示意图，图3的3b中，箭头指示的方向为车辆应该行驶的方向。则目标区域内的路段包括候选路段1～候选路段8，也可以包括候选路段9～候选路段12，则候选路段集合包括候选路段1～候选路段12。候选路段的历史路况信息包括候选路段的历史车流量，即候选路段的路况信息包括至少一个候选路段中每个候选路段的历史车流量。可选的，目标路段可以为候选路段1～候选路段12中的任意路段，目标路段的数量可以为一个，也可以为多个，本申请实施例中以目标路段的数量为一个为例，可以理解的是，若目标路段的数量为多个，可以参考本申请中预测任意一个目标路段在下一时刻的车流量的方法来预测多个目标路段中每个目标路段的在下一时刻的车流量。
具体实现中，候选路段的历史车流量可以包括该候选路段在m个历史时刻的车流量，例如m为3时，候选路段集合中任意一个候选路段的历史车流量可以包括该候选路段在第一个时刻的车流量Fn，1、该候选路段在第二个时刻的车流量Fn，2、该候选路段在第三个时刻的车流量Fn，3，其中，n代表任意一个候选路段。则目标路段的历史车流量也可以包括该目标路段在m个历史时刻的车流量。
S102，根据目标路段的历史路况信息以及候选路段集合中的候选路段的历史路况信息，从候选路段集合中确定与目标路段具有相关性的候选路段，作为参考路段。
这里，与目标路段具有相关性的候选路段(即参考路段)可以包括目标路段的相邻路段、目标路段的下一路段或者其他与目标路段具有相关性的路段，即参考路段的车流量会对目标路段的车流量产生影响，参考路段的车流量不同，目标路段的车流量可能不同。例如，如图3所示，若目标路段为候选路段6，则参考路段例如可以为候选路段1、候选路段7、候选路段3以及候选路段9、候选路段11等等。
本申请实施例中，具体可以通过以下方法确定参考路段：
首先，对候选路段集合进行划分，得到至少两个候选路段子集，至少两个候选路段子集中包括至少一个候选路段。
这里，候选路段集合中候选路段的数量大于候选路段子集中的候选路段的数量。各个候选路段子集中的候选路段的数量可以相等，也可以不相等。例如，候选路段集合中包括候选路段1～候选路段10，对候选路段集合进行划分，得到3个候选路段子集，则候选路段子集1可以包括候选路段1～候选路段4，候选路段子集2可以包括候选路段5～候选路段7，候选路段子集3可以包括候选路段8～候选路段10。
可选的，候选路段子集中的候选路段可能存在交集，即候选路段子集1可以包括候选路段1～候选路段5，候选路段子集2可以包括候选路段4～候选路段7，候选路段子集3可以包括候选路段5～候选路段10，等等。可以理解的是，各个候选路段子集中可以存在交集，但候选路段子集不完全相等，即各个候选路段子集中可以有相同候选路段，但是每个候选路段子集中必存在不同候选路段。
其次，根据目标路段的历史车流量以及至少两个候选路段子集中各个候选路段子集的候选路段的历史车流量，分别确定目标路段与各个候选路段子集之间的车流量相关性。
这里，可以对候选路段集合中的每个候选路段进行编号，如候选路段集合中的候选路段的数量为10，则记为候选路段1～候选路段10，候选路段子集的数量为4，分别为候选路段子集1～候选路段子集4，其中，候选路段子集1中包括候选路段1～候选路段3、候选路段子集2中包括候选路段2～候选路段5、候选路段子集3中包括候选路段5～候选路段8、候选路段子集4中包括候选路段8～候选路段10，候选路段子集的候选路段的历史车流量包括候选路段子集的候选路段在m个历史时刻的车流量，例如，候选路段子集1的候选路段的历史车流量包括候选路段1在m个历史时刻的车流量，分别记为F1，1～F1，m，候选路段2在m个历史时刻的车流量，分别记为F2，1～F2，m，候选路段3在m个历史时刻的车流量，分别记为F3，1～F3，m。
具体的，可以根据目标路段的历史车流量以及各个候选路段子集的候选路段的历史车流量，确定目标路段与各个候选路段子集的候选路段之间的车流量相关性；确定目标路段分别与各个候选路段子集的候选路段之间的车流量相关性之和，作为目标路段与各个候选路段子集之间的车流量相关性。
具体实现中，可以根据公式(1-1)计算任意两个候选路段之间的车流量相关性：
Figure BDA0002526992990000101
其中，
Figure BDA0002526992990000111
为车流量相关性，i、j为两个不同候选路段，k为m个历史时刻中的任意一个，Fi，k为候选路段i在第k个时刻的历史车流量，Fj，k为候选路段j在第k个时刻的历史车流量。可以理解的是，
Figure BDA0002526992990000112
即候选路段i与候选路段j之间的车流量相关性等于候选路段j与候选路段i之间的车流量相关性。
根据上述公式(1-1)可计算出目标路段与候选路段集合中任意一个候选路段之间的车流量相关性，从而得到目标路段与各个候选路段子集的候选路段之间的车流量相关性，从而确定目标路段分别与各个候选路段子集的候选路段之间的车流量相关性之和，作为目标路段与各个候选路段子集之间的车流量相关性。例如，候选路段子集1中包括候选路段1～候选路段3，通过公式(1-1)计算得出目标路段与候选路段子集1的候选路段1的车流量相关性为0.2，目标路段与候选路段子集1的候选路段2的车流量相关性为0.3，目标路段与候选路段子集1的候选路段3的车流量相关性为0.4，则目标路段与该候选路段子集1之间的车流量相关性为0.2+0.3+0.4＝0.9。由此可计算出目标路段与每个候选路段子集之间的车流量相关性。
接着，从至少两个候选路段子集中选择车流量相关性大于车流量相关性阈值，且所包括的候选路段的数量小于第一数量阈值的候选路段子集，作为第一目标候选路段子集。
这里，车流量相关性阈值可以根据目标路段在历史时间段内的交通事故率(即目标路段在m个历史时刻的总交通事故率)确定。例如，获取到目标路段在历史时间段内的交通事故率为0.6，则车流量相关性阈值可以为1-0.6＝0.4，车流量相关性阈值也可以根据具体情况进行设定，本申请实施例中不对此进行限定。第一数量阈值可以为1，2，3等任意数值。
也就是说，第一目标候选路段子集为车流量相关性大于车流量相关性阈值，且所包括的候选路段的数量最少的候选路段子集。这里，候选路段的数量最小是为了排除与目标路段不相关的候选路段，例如不相关的候选路段可以包括目标路段的上一路段，即车辆已经行驶过的路段，或者与车辆行驶的目标路段行驶方向相反的路段。如图3的3b中目标路段为候选路段1，车辆当前行驶到候选路段9与候选路段1之间，则不相关的路段可以包括车辆已经行驶的候选路段9和与车辆行驶方向相反的候选路段2，或者其他与目标路段不相关的候选路段。由于该不相关的候选路段对目标路段的车流量影响较小，因此可以不考虑该不相关的候选路段的车流量，从而减少计算量。
例如，车流量相关性阈值为0.4，候选路段子集1～候选路段子集3与目标路段的车流量相关性分别为0.3、0.5、0.5，候选路段子集1中包含2个候选路段，候选路段子集2中包含3个候选路段，候选路段子集3中包含4个候选路段，由于候选路段子集2、候选路段子集3分别与目标路段的车流量相关性均大于车流量相关性阈值，且候选路段子集2中候选路段的数量小于候选路段子集3，因此第一目标候选路段子集为候选路段子集2。可选的，若多个候选路段子集的车流量相关性均大于车流量相关性阈值，且所包括的候选路段的数量相等，则从该多个候选路段子集中任选一个候选路段子集作为第一目标候选路段子集。
可选的，第一目标候选路段子集中的候选路段应该满足公式(1-2)：
ws，r/Ws，n≥D (1-2)
其中，r为第一目标候选路段子集中的候选路段，s为目标路段，Ws，r为第一目标候选路段子集中的候选路段与目标路段的车流量相关性之和，Ws，n为候选集合中的候选路段与目标路段的车流量相关性之和，D为车流量相关性阈值，D＝1-Paccident，Paccident为目标路段在历史时间段内的交通事故率。目标路段在历史时间段内的交通事故率可以从车载服务器中获取到。
最后，将第一目标候选路段子集中的候选路段确定为参考路段。
例如上述步骤确定出第一目标候选路段子集为候选路段子集2，则将候选路段子集2中包含的3个候选路段均确定为参考路段。
S103，获取参考路段的当前路况信息以及目标路段的当前路况信息，根据参考路段的当前路况信息以及目标路段的当前路况信息预测目标路段在下一时刻的车流量。
其中，参考路段的当前路况信息包括参考路段的当前车流量。参考路段的当前车流量即参考路段在当前时刻的车流量。路段的当前车流量即该路段在当前时刻内通过该路段的车辆的数量，目标路段在下一时刻的车流量即目标路段在下一时刻通过目标路段的车辆的数量。例如，当前时刻为2020年5月22日11:40，历史时刻为2020年5月22日11:40之前的第一时间段内的时刻，例如第一时间段为一星期(7天)，则历史时刻为2020年5月15日11:40～2020年5月22日11:40中的所有时刻。下一时刻则为当前时刻之后的时刻，即下一时刻为2020年5月22日11:40之后的时刻。
本申请实施例中，具体根据参考路段的当前路况信息以及目标路段的当前路况信息预测目标路段在下一时刻的车流量可以通过以下方法：
获取参考路段的当前车流量；根据参考路段的当前车流量、目标路段与参考路段之间的车流量相关性，预测目标路段在下一时刻的车流量。
这里，参考路段的数量为多个，则参考路段的当前车流量包括各个参考路段的当前车流量。具体实现中，可以从车载服务器中获取各个参考路段的当前车流量。
具体的，可以分别获取各个参考路段的当前车流量、目标路段与各个参考路段之间的车流量相关性之间的第一乘积；根据各个参考路段分别对应的第一乘积之间的和，预测目标路段在下一时刻的车流量。例如，可以根据公式(1-3)计算目标路段在下一时刻的车流量：
Figure BDA0002526992990000131
其中，F1(x)为目标路段在下一时刻的车流量，Q为参考路段，Cs，Q为目标路段和参考路段之间的车流量相关性。通过公式(1-3)可计算得到目标路段在下一时刻的车流量，可选的，计算得到的下一时刻车流量对应的数值越大表示目标路段下一时刻的车流量越大，即目标路段下一时刻出现交通拥堵的可能性越大。当车流量大于第一阈值时，第一阈值例如可以为0.6、0.8或者其他用于表示交通拥堵严重的数值，可以提示用户该目标路段在下一时刻的交通拥堵严重，从而提示用户提前更换行驶路线，从而减少交通拥堵率。
本申请实施例中，获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息，目标路段的历史路况信息例如可以为目标路段在历史时刻的车流量或者其他可能影响目标路段下一时刻车流量的因素。根据目标路段的历史路况信息以及候选路段集合中的候选路段的历史路况信息，从候选路段集合中确定与目标路段具有相关性的候选路段，作为参考路段，参考路段为与目标路段相关性较强的路段，即参考路段的车流量会影响目标路段的车流量。获取参考路段的当前路况信息以及目标路段的当前路况信息，根据参考路段的当前路况信息以及目标路段的当前路况信息预测目标路段在下一时刻的车流量。由于结合了目标路段的历史路况信息、目标路段的当前路况信息、与目标路段具有相关性的参考路段的历史路况信息以及参考路段的当前路况信息等多个因素对目标路段的车流量进行预测，因此可以提高车流量预测的准确性。
可选的，还可以结合路段的拥堵率对目标路段下一时刻的车流量进行预测，具体预测方法参考图4，图4是本申请实施例提供的一种车流量预测方法的流程示意图。如图4所示，该方法包括：
S201，获取候选路段集合中的候选路段的历史车流量和历史拥堵率，以及待预测的目标路段的历史车流量和目标路段的历史拥堵率。
这里，可以从车载服务器中获取候选路段集合中的候选路段的历史车流量和历史拥堵率，以及待预测的目标路段的历史车流量和目标路段的历史拥堵率。可知，车载服务器可以实时获取并保存各个候选路段的历史车流量和历史拥堵率。
具体实现中，候选路段的历史拥堵率可以包括该候选路段在m个历史时刻的拥堵率，例如m为3时，候选路段集合中任意一个候选路段的历史拥堵率可以包括该候选路段在第一个时刻的拥堵率Pn，1、该候选路段在第二个时刻的拥堵率Pn，2、该候选路段在第三个时刻的拥堵率Pn，3，其中，n代表候选路段。则目标路段的历史拥堵率也可以包括该目标路段在m个历史时刻的拥堵率。
S202，根据目标路段的历史车流量、目标路段的历史拥堵率、候选路段集合中的候选路段的历史车流量和历史拥堵率，从候选路段集合中确定与目标路段具有相关性的候选路段，作为参考路段。
这里，与目标路段具有相关性的候选路段(即参考路段)表示该参考路段的车流量和该参考路段的拥堵率会对目标路段的车流量产生影响，即参考路段的车流量和该参考路段的拥堵率不同，目标路段的车流量可能不同。交通拥堵是指交通需求超过道路的交通容量时，超过部分的交通量滞留在道路上的交通现象。拥堵率用于指示交通拥堵的程度，即拥堵率越大表示该路段的交通越拥堵，拥堵率越小表示该路段的交通越不拥堵。目标路段的历史拥堵率包括目标路段当前时刻之前的第一时间段内所有时刻的拥堵率。例如第一时间段为1星期(7天)，则目标路段的历史拥堵率包括该目标路段在该星期对应的7天中每天的拥堵率。候选路段的历史拥堵率包括候选路段当前时刻之前的第一时间段内所有时刻的拥堵率。
本申请实施例中，具体可以通过以下方法确定参考路段：
首先，根据目标路段的历史拥堵率以及至少两个候选路段子集中各个候选路段子集的候选路段的历史拥堵率，分别确定目标路段与各个候选路段子集之间的拥堵率相关性。
这里，可以对候选路段集合中的每个候选路段进行编号，如候选路段集合中的候选路段的数量为10，则记为候选路段1～候选路段10，候选路段子集的数量为4，分别为候选路段子集1～候选路段子集4，其中，候选路段子集1中包括候选路段1～候选路段3、候选路段子集2中包括候选路段2～候选路段5、候选路段子集3中包括候选路段5～候选路段8、候选路段子集4中包括候选路段8～候选路段10，候选路段子集的候选路段的历史拥堵率包括候选路段子集的候选路段在m个历史时刻的拥堵率，例如，候选路段子集1的候选路段的历史拥堵率包括候选路段1在m个历史时刻的拥堵率，分别记为P1，1～P1，m，候选路段2在m个历史时刻的车流量，分别记为P2，1～P2，m，候选路段3在m个历史时刻的车流量，分别记为P3，1～P3，m。
具体的，可以根据目标路段的历史拥堵率以及各个候选路段子集的候选路段的历史拥堵率，确定目标路段与各个候选路段子集的候选路段之间的拥堵率相关性；确定目标路段分别与各个候选路段子集的候选路段之间的拥堵率相关性之和，作为目标路段与各个候选路段子集之间的拥堵率相关性。
具体实现中，可以根据公式(1-4)计算任意两个候选路段之间的车流量相关性：
Figure BDA0002526992990000151
其中，
Figure BDA0002526992990000152
为拥堵率相关性，i、j为两个不同候选路段，k为m个历史时刻中的任意一个，Pi，k为候选路段i在第k个时刻的历史拥堵率，Pj，k为候选路段j在第k个时刻的历史拥堵率。可以理解的是，
Figure BDA0002526992990000153
即候选路段i与候选路段j之间的拥堵率相关性等于候选路段j与候选路段i之间的拥堵率相关性。
根据上述公式(1-4)可计算出目标路段与候选路段集合中任意一个候选路段之间的拥堵率相关性，从而得到目标路段与各个候选路段子集的候选路段之间的拥堵率相关性，从而确定目标路段分别与各个候选路段子集的候选路段之间的拥堵率相关性之和，作为目标路段与各个候选路段子集之间的拥堵率相关性。例如，候选路段子集1中包括候选路段1～候选路段3，通过公式(1-4)计算得出目标路段与候选路段子集1的候选路段1的拥堵率相关性为0.2，目标路段与候选路段子集1的候选路段2的拥堵率相关性为0.3，目标路段与候选路段子集1的候选路段3的拥堵率相关性为0.4，则目标路段与该候选路段子集之间的拥堵率相关性为0.2+0.3+0.4＝0.9。由此可计算出目标路段与每个候选路段子集之间的拥堵率相关性。
其次，从至少两个候选路段子集中选择拥堵率相关性大于拥堵率相关性阈值，且所包括的候选路段的数量小于第二数量阈值的候选路段子集，作为第二目标候选路段子集。
这里，拥堵率相关性阈值可以根据目标路段在历史时间段内的交通事故率(即目标路段在m个历史时刻的总交通事故率)确定，例如，获取到目标路段在历史时间段内的交通事故率为0.6，则拥堵率相关性阈值可以为1-0.6＝0.4，拥堵率相关性阈值也可以根据具体情况进行设定，本申请实施例中不对此进行限定。第二数量阈值可以为1，2，3等任意数值，第一数量阈值与第二数量阈值可以相等，也可以不相等。
也就是说，第二目标候选路段子集为拥堵率相关性大于拥堵率相关性阈值，且所包括的候选路段的数量最少的候选路段子集。这里，候选路段的数量最小是为了排除与目标路段不相关的候选路段，例如不相关的候选路段可以包括目标路段的上一路段，即车辆已经行驶过的路段，或者与车辆行驶的目标路段行驶方向相反的路段，如图3的3b中目标路段为候选路段1，车辆当前行驶到候选路段9与候选路段1之间，则不相关的路段可以包括车辆已经行驶的候选路段9和与车辆行驶方向相反的候选路段2，或者其他与目标路段不相关的候选路段。由于该不相关的候选路段对目标路段的拥堵率影响较小，因此可以不考虑该不相关的候选路段的拥堵率，从而减少计算量。
例如，拥堵率相关性阈值为0.4，候选路段子集1～候选路段子集3与目标路段的拥堵率相关性分别为0.3、0.5、0.5，候选路段子集1中包含2个候选路段，候选路段子集2中包含3个候选路段，候选路段子集3中包含4个候选路段，由于候选路段子集2、候选路段子集3分别与目标路段的拥堵率相关性均大于拥堵率相关性阈值，且候选路段子集2中候选路段的数量小于候选路段子集3，因此第二目标候选路段子集为候选路段子集2。可选的，若多个候选路段子集的拥堵率相关性均大于拥堵率相关性阈值，且所包括的候选路段的数量相等，则从该多个候选路段子集中任选一个候选路段子集作为第二目标候选路段子集。
可选的，第二目标候选路段子集中的候选路段应该满足公式(1-5)：
Us，r/Us，n≥D (1-5)
其中，r为第二目标候选路段子集中的候选路段，s为目标路段，Us，r为第二目标候选路段子集中的候选路段与目标路段的拥堵率相关性之和，Us，n为候选集合中的候选路段与目标路段的拥堵率相关性之和，D为拥堵率相关性阈值，D＝1-Paccident，Paccident为目标路段在历史时间段内的交通事故率。
最后，将第一目标候选路段子集以及第二目标候选路段子集中的候选路段确定为参考路段。
可参考步骤S102中的方法确定出第一目标候选路段子集，此处不再赘述，以及通过上述步骤确定出第二目标候选路段子集，将第一目标候选路段子集以及第二目标候选路段子集中的候选路段确定为参考路段。
例如，第一目标候选路段子集中的候选路段包括候选路段1、候选路段2，第二目标候选路段子集中的候选路段包括候选路段1、候选路段3、候选路段8，则参考路段包括候选路段1、候选路段2、候选路段3、候选路段8。由此，可确定出与目标路段具有相关性的各个参考路段。
S203，获取参考路段的当前车流量、参考路段的当前拥堵率、目标路段的当前车流量以及目标路段的当前拥堵率，根据参考路段的当前车流量、参考路段的当前拥堵率、目标路段的当前车流量以及目标路段的当前拥堵率预测目标路段在下一时刻的车流量。
这里，参考路段的当前拥堵率即该参考路段当前时刻交通拥堵的程度，目标路段的当前拥堵率即该目标路段当前时刻交通拥堵的程度。
本申请实施例中，具体根据参考路段的当前车流量、参考路段的当前拥堵率、目标路段的当前车流量以及目标路段的当前拥堵率预测目标路段在下一时刻的车流量可以通过以下方法：
获取参考路段的当前车流量与参考路段的当前拥堵率；根据参考路段的当前车流量、目标路段与参考路段之间的车流量相关性、目标路段与参考路段之间的拥堵率相关性、参考路段的当前拥堵率，预测目标路段在下一时刻的车流量。
这里，参考路段的数量为多个，则参考路段的当前车流量包括各个参考路段的当前车流量，参考路段的当前拥堵率包括各个参考路段的当前拥堵率。参考路段的当前拥堵率即参考路段在当前时刻的拥堵率。具体实现中，可以从车载服务器中获取各个参考路段的当前车流量和各个参考路段的当前拥堵率。
具体的，可以分别获取各个参考路段的当前车流量、各个参考路段的拥堵率权重、目标路段与各个参考路段之间的车流量相关性、目标路段与各个参考路段之间的拥堵率相关性之间的第二乘积，参考路段的拥堵率权重是根据参考路段的当前拥堵率得到的；根据各个参考路段分别对应的第二乘积之间的和，预测目标路段在下一时刻的车流量。例如，可以根据公式(1-6)计算目标路段在下一时刻的车流量：
Figure BDA0002526992990000181
其中，F2(x)为目标路段在下一时刻的车流量，Q为参考路段，Cs，Q为目标路段和参考路段之间的车流量相关系数，车流量相关系数Cs，Q为目标路段和参考路段之间的车流量相关性、目标路段和参考路段之间的拥堵率相关性之积，(1+PQ)为参考路段的拥堵率权重，PQ为参考路段的当前拥堵率。可以从车载服务器中获取各个参考路段的当前拥堵率。通过公式(1-6)可计算得到目标路段在下一时刻的车流量，可选的，计算得到的下一时刻车流量对应的数值越大表示目标路段下一时刻的车流量越大，即目标路段下一时刻出现交通拥堵的可能性越大。当车流量大于第二阈值时，第二阈值例如可以为0.6、0.8或者其他用于表示交通拥堵严重的数值，可以提示用户该目标路段在下一时刻的交通拥堵严重，从而提示用户提前更换行驶路线，从而减少交通拥堵率。
本申请实施例中，获取候选路段集合中的候选路段的历史车流量和历史拥堵率，以及待预测的目标路段的历史车流量和目标路段的历史拥堵率；目标路段在历史时刻的车流量和拥堵率、候选路段在历史时刻的车流量和拥堵率等均为可能影响目标路段下一时刻车流量的因素。根据目标路段的历史车流量、目标路段的历史拥堵率、候选路段集合中的候选路段的历史车流量和历史拥堵率，从候选路段集合中确定与目标路段具有相关性的候选路段，作为参考路段；参考路段为与目标路段相关性较强的路段，且参考路段的车流量和拥堵率会影响目标路段的车流量。获取参考路段的当前车流量、参考路段的当前拥堵率、目标路段的当前车流量以及目标路段的当前拥堵率，根据参考路段的当前车流量、参考路段的当前拥堵率、目标路段的当前车流量以及目标路段的当前拥堵率预测目标路段在下一时刻的车流量。由于结合了目标路段的历史车流量和拥堵率、目标路段的当前车流量和拥堵率、与目标路段具有相关性的参考路段的历史车流量和拥堵率以及参考路段的当前车流量和拥堵率等多个因素对目标路段的车流量进行预测，因此可以提高车流量预测的准确性，从而降低交通拥堵率。
上面介绍了本申请实施例的方法，下面介绍本申请实施例的装置。
参见图5，图5是本申请实施例提供的一种车流量预测装置的组成结构示意图，上述车流量预测装置可以是运行于计算机设备中的一个计算机程序(包括程序代码)，例如该车流量预测装置为一个应用软件；该装置可以用于执行本申请实施例提供的方法中的相应步骤。该装置50包括：
第一获取模块501，用于获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息；
参考路段确定模块502，用于根据上述目标路段的历史路况信息以及上述候选路段集合中的候选路段的历史路况信息，从上述候选路段集合中确定与上述目标路段具有相关性的候选路段，作为参考路段；
车流量预测模块503，用于获取上述参考路段的当前路况信息以及上述目标路段的当前路况信息，根据上述参考路段的当前路况信息以及上述目标路段的当前路况信息预测上述目标路段在下一时刻的车流量。
可选的，上述目标路段的历史路况信息包括上述目标路段的历史车流量，上述候选路段的历史路况信息包括上述候选路段的历史车流量；上述参考路段确定模块502，具体用于：
对上述候选路段集合进行划分，得到至少两个候选路段子集，上述至少两个候选路段子集中包括至少一个候选路段；
根据上述目标路段的历史车流量以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史车流量，分别确定上述目标路段与上述各个候选路段子集之间的车流量相关性；
从上述至少两个候选路段子集中选择上述车流量相关性大于车流量相关性阈值，且所包括的候选路段的数量小于第一数量阈值的候选路段子集，作为第一目标候选路段子集；
将上述第一目标候选路段子集中的候选路段确定为上述参考路段。
可选的，上述参考路段确定模块502，具体用于：
根据上述目标路段的历史车流量以及上述各个候选路段子集的候选路段的历史车流量，确定上述目标路段与上述各个候选路段子集的候选路段之间的车流量相关性；
确定上述目标路段分别与上述各个候选路段子集的候选路段之间的车流量相关性之和，作为上述目标路段与上述各个候选路段子集之间的车流量相关性。
可选的，上述目标路段的历史路况信息包括上述目标路段的历史拥堵率；上述候选路段的历史路况信息包括上述候选路段的历史拥堵率；上述装置50还包括：
第二获取模块504，用于根据上述目标路段的历史拥堵率以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史拥堵率，分别确定上述目标路段与上述各个候选路段子集之间的拥堵率相关性；
从上述至少两个候选路段子集中选择上述拥堵率相关性大于拥堵率相关性阈值，且所包括的候选路段的数量小于第二数量阈值的候选路段子集，作为第二目标候选路段子集；
将上述第一目标候选路段子集以及上述第二目标候选路段子集中的候选路段确定为参考路段。
可选的，上述第二获取模块504，具体用于：
根据上述目标路段的历史拥堵率以及上述各个候选路段子集的候选路段的历史拥堵率，确定上述目标路段与上述各个候选路段子集的候选路段之间的拥堵率相关性；
确定上述目标路段分别与上述各个候选路段子集的候选路段之间的拥堵率相关性之和，作为上述目标路段与上述各个候选路段子集之间的拥堵率相关性。
可选的，上述参考路段的当前路况信息包括上述参考路段的当前车流量；上述车流量预测模块503，具体用于：
获取上述参考路段的当前车流量；
根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性，预测上述目标路段在下一时刻的车流量。
可选的，上述参考路段的数量为多个；上述车流量预测模块503，具体用于：
分别获取各个上述参考路段的当前车流量、上述目标路段与各个上述参考路段之间的车流量相关性之间的第一乘积；
根据各个上述参考路段分别对应的第一乘积之间的和，预测上述目标路段在下一时刻的车流量。
可选的，上述参考路段的当前路况信息包括上述参考路段的当前车流量与上述参考路段的当前拥堵率；上述车流量预测模块503，具体用于：
获取上述参考路段的当前车流量与上述参考路段的当前拥堵率；
根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性、上述目标路段与上述参考路段之间的拥堵率相关性、上述参考路段的当前拥堵率，预测上述目标路段在下一时刻的车流量。
可选的，上述参考路段的数量为多个；上述车流量预测模块503，具体用于：
分别获取各个上述参考路段的当前车流量、各个上述参考路段的拥堵率权重、上述目标路段与各个上述参考路段之间的车流量相关性、上述目标路段与各个上述参考路段之间的拥堵率相关性之间的第二乘积，上述参考路段的拥堵率权重是根据上述参考路段的当前拥堵率得到的；
根据各个上述参考路段分别对应的第二乘积之间的和，预测上述目标路段在下一时刻的车流量。
需要说明的是，图5对应的实施例中未提及的内容可参见方法实施例的描述，这里不再赘述。
根据本申请的一个实施例，图2所示的一种车流量预测方法所涉及的步骤可由图5所示的一种车流量预测装置中的各个模块来执行。例如，图2中所示的步骤S101可由图5中的第一获取模块501来执行，图2中所示的步骤S102可由图5中的参考路段确定模块502来执行；图2中所示的步骤S103可由图5中的车流量预测模块503来执行。根据本申请的一个实施例，图5所示的一种车流量预测装置中的各个模块可以分别或全部合并为一个或若干个单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个子单元，可以实现同样的操作，而不影响本申请的实施例的技术效果的实现。上述模块是基于逻辑功能划分的，在实际应用中，一个模块的功能也可以由多个单元来实现，或者多个模块的功能由一个单元实现。在本申请的其它实施例中，车流量预测装置也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。
根据本申请的另一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算机设备上运行能够执行如图2中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造如图5中所示的一种车流量预测装置，以及来实现本申请实施例的一种车流量预测方法。上述计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算设备中，并在其中运行。
本申请实施例中，获取候选路段集合中的候选路段的历史车流量和历史拥堵率，以及待预测的目标路段的历史车流量和目标路段的历史拥堵率；目标路段在历史时刻的车流量和拥堵率、候选路段在历史时刻的车流量和拥堵率等均为可能影响目标路段下一时刻车流量的因素。根据目标路段的历史车流量、目标路段的历史拥堵率、候选路段集合中的候选路段的历史车流量和历史拥堵率，从候选路段集合中确定与目标路段具有相关性的候选路段，作为参考路段；参考路段为与目标路段相关性较强的路段，且参考路段的车流量和拥堵率会影响目标路段的车流量。获取参考路段的当前车流量、参考路段的当前拥堵率、目标路段的当前车流量以及目标路段的当前拥堵率，根据参考路段的当前车流量、参考路段的当前拥堵率、目标路段的当前车流量以及目标路段的当前拥堵率预测目标路段在下一时刻的车流量。由于结合了目标路段的历史车流量和拥堵率、目标路段的当前车流量和拥堵率、与目标路段具有相关性的参考路段的历史车流量和拥堵率以及参考路段的当前车流量和拥堵率等多个因素对目标路段的车流量进行预测，因此可以提高车流量预测的准确性，从而降低交通拥堵率。
参见图6，图6是本申请实施例提供的一种计算机设备的组成结构示意图。该计算机设备可以为图1中的车载终端101，也可以为图1中的车载服务器102。如图6所示，上述计算机设备60可以包括：处理器601，网络接口604和存储器605，此外，上述计算机设备60还可以包括：用户接口603，和至少一个通信总线602。其中，通信总线602用于实现这些组件之间的连接通信。其中，用户接口603可以包括显示屏(Display)、键盘(Keyboard)，可选用户接口603还可以包括标准的有线接口、无线接口。网络接口604可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器605可以是高速RAM存储器，也可以是非易失性的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器605可选的还可以是至少一个位于远离前述处理器601的存储装置。如图6所示，作为一种计算机可读存储介质的存储器605中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图6所示的计算机设备60中，网络接口604可提供网络通讯功能；而用户接口603主要用于为用户提供输入的接口；而处理器601可以用于调用存储器605中存储的设备控制应用程序，以实现：
获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息；
根据上述目标路段的历史路况信息以及上述候选路段集合中的候选路段的历史路况信息，从上述候选路段集合中确定与上述目标路段具有相关性的候选路段，作为参考路段；
获取上述参考路段的当前路况信息以及上述目标路段的当前路况信息，根据上述参考路段的当前路况信息以及上述目标路段的当前路况信息预测上述目标路段在下一时刻的车流量。
在一个实施例中，上述目标路段的历史路况信息包括上述目标路段的历史车流量，上述候选路段的历史路况信息包括上述候选路段的历史车流量；该处理器601执行上述根据上述目标路段的历史路况信息以及上述候选路段集合中的候选路段的历史路况信息，从上述候选路段集合中确定与上述目标路段具有相关性的候选路段，作为参考路段，包括：
对上述候选路段集合进行划分，得到至少两个候选路段子集，上述至少两个候选路段子集中包括至少一个候选路段；
根据上述目标路段的历史车流量以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史车流量，分别确定上述目标路段与上述各个候选路段子集之间的车流量相关性；
从上述至少两个候选路段子集中选择上述车流量相关性大于车流量相关性阈值，且所包括的候选路段的数量小于第一数量阈值的候选路段子集，作为第一目标候选路段子集；
将上述第一目标候选路段子集中的候选路段确定为上述参考路段。
在一个实施例中，该处理器601执行上述根据上述目标路段的历史车流量以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史车流量，分别确定上述目标路段与上述各个候选路段子集之间的车流量相关性，包括：
根据上述目标路段的历史车流量以及上述各个候选路段子集的候选路段的历史车流量，确定上述目标路段与上述各个候选路段子集的候选路段之间的车流量相关性；
确定上述目标路段分别与上述各个候选路段子集的候选路段之间的车流量相关性之和，作为上述目标路段与上述各个候选路段子集之间的车流量相关性。
在一个实施例中，上述目标路段的历史路况信息包括上述目标路段的历史拥堵率；上述候选路段的历史路况信息包括上述候选路段的历史拥堵率；该处理器601可以调用该程序代码以执行以下操作：
根据上述目标路段的历史拥堵率以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史拥堵率，分别确定上述目标路段与上述各个候选路段子集之间的拥堵率相关性；
从上述至少两个候选路段子集中选择上述拥堵率相关性大于拥堵率相关性阈值，且所包括的候选路段的数量小于第二数量阈值的候选路段子集，作为第二目标候选路段子集；
将上述第一目标候选路段子集以及上述第二目标候选路段子集中的候选路段确定为参考路段。
在一个实施例中，该处理器601执行上述根据上述目标路段的历史拥堵率以及上述至少两个候选路段子集中各个候选路段子集的候选路段的历史拥堵率，分别确定上述目标路段与上述各个候选路段子集之间的拥堵率相关性，包括：
根据上述目标路段的历史拥堵率以及上述各个候选路段子集的候选路段的历史拥堵率，确定上述目标路段与上述各个候选路段子集的候选路段之间的拥堵率相关性；
确定上述目标路段分别与上述各个候选路段子集的候选路段之间的拥堵率相关性之和，作为上述目标路段与上述各个候选路段子集之间的拥堵率相关性。
在一个实施例中，上述参考路段的当前路况信息包括上述参考路段的当前车流量；该处理器601执行上述获取上述参考路段的当前路况信息以及上述目标路段的当前路况信息，根据上述参考路段的当前路况信息以及上述目标路段的当前路况信息预测上述目标路段在下一时刻的车流量，包括：
获取上述参考路段的当前车流量；
根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性，预测上述目标路段在下一时刻的车流量。
在一个实施例中，上述参考路段的数量为多个；该处理器601执行上述根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性，预测上述目标路段在下一时刻的车流量，包括：
分别获取各个上述参考路段的当前车流量、上述目标路段与各个上述参考路段之间的车流量相关性之间的第一乘积；
根据各个上述参考路段分别对应的第一乘积之间的和，预测上述目标路段在下一时刻的车流量。
在一个实施例中，上述参考路段的当前路况信息包括上述参考路段的当前车流量与上述参考路段的当前拥堵率；该处理器601执行上述获取上述参考路段的当前路况信息以及上述目标路段的当前路况信息，根据上述参考路段的当前路况信息以及上述目标路段的当前路况信息预测上述目标路段在下一时刻的车流量，包括：
获取上述参考路段的当前车流量与上述参考路段的当前拥堵率；
根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性、上述目标路段与上述参考路段之间的拥堵率相关性、上述参考路段的当前拥堵率，预测上述目标路段在下一时刻的车流量。
在一个实施例中，上述参考路段的数量为多个；该处理器601执行上述根据上述参考路段的当前车流量、上述目标路段与上述参考路段之间的车流量相关性、上述目标路段与上述参考路段之间的拥堵率相关性以及上述参考路段的当前拥堵率，预测上述目标路段在下一时刻的车流量，包括：
分别获取各个上述参考路段的当前车流量、各个上述参考路段的拥堵率权重、上述目标路段与各个上述参考路段之间的车流量相关性、上述目标路段与各个上述参考路段之间的拥堵率相关性之间的第二乘积，上述参考路段的拥堵率权重是根据上述参考路段的当前拥堵率得到的；
根据各个上述参考路段分别对应的第二乘积之间的和，预测上述目标路段在下一时刻的车流量。
应当理解，本申请实施例中所描述的计算机设备60可执行前文图2以及图4所对应实施例中对上述车流量预测方法的描述，也可执行前文图5所对应实施例中对上述车流量预测装置的描述，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。
本申请实施例中，获取候选路段集合中的候选路段的历史车流量和历史拥堵率，以及待预测的目标路段的历史车流量和目标路段的历史拥堵率；目标路段在历史时刻的车流量和拥堵率、候选路段在历史时刻的车流量和拥堵率等均为可能影响目标路段下一时刻车流量的因素。根据目标路段的历史车流量、目标路段的历史拥堵率、候选路段集合中的候选路段的历史车流量和历史拥堵率，从候选路段集合中确定与目标路段具有相关性的候选路段，作为参考路段；参考路段为与目标路段相关性较强的路段，且参考路段的车流量和拥堵率会影响目标路段的车流量。获取参考路段的当前车流量、参考路段的当前拥堵率、目标路段的当前车流量以及目标路段的当前拥堵率，根据参考路段的当前车流量、参考路段的当前拥堵率、目标路段的当前车流量以及目标路段的当前拥堵率预测目标路段在下一时刻的车流量。由于结合了目标路段的历史车流量和拥堵率、目标路段的当前车流量和拥堵率、与目标路段具有相关性的参考路段的历史车流量和拥堵率以及参考路段的当前车流量和拥堵率等多个因素对目标路段的车流量进行预测，因此可以提高车流量预测的准确性，从而降低交通拥堵率。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令当被计算机执行时使该计算机执行如前述实施例该的方法，该计算机可以为上述提到的计算机设备的一部分。例如为上述的处理器601。作为示例，程序指令可被部署在一个计算机设备上执行，或者被部署位于一个地点的多个计算机设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算机设备上执行，分布在多个地点且通过通信网络互连的多个计算机设备可以组成区块链网络。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选的还包括没有列出的步骤或单元，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请中，“A和/或B”是指下述情况之一：A，B，A和B。“......中至少一个”是指所列出的各项或者任意数量的所列出的各项的任意组合方式，例如，“A、B和C中至少一个”是指下述情况之一：A，B，C，A和B，B和C，A和C，A、B和C这七种情况中的任一种。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，该的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
本申请实施例提供的方法及相关装置是参照本申请实施例提供的方法流程图和/或结构示意图来描述的，具体可由计算机程序指令实现方法流程图和/或结构示意图的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。这些计算机程序指令可提供到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或结构示意一个方框或多个方框中指定的功能的步骤。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。

Claims (8)

1.一种车流量预测方法，其特征在于，包括：
获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息；
根据所述目标路段的历史路况信息以及所述候选路段集合中的候选路段的历史路况信息，从所述候选路段集合中确定与所述目标路段具有相关性的候选路段，作为参考路段；
获取所述参考路段的当前路况信息以及所述目标路段的当前路况信息；所述参考路段的当前路况信息包括所述参考路段的当前车流量与所述参考路段的当前拥堵率，所述参考路段的数量为多个；
分别获取各个所述参考路段的当前车流量、各个所述参考路段的拥堵率权重、所述目标路段与各个所述参考路段之间的车流量相关性、所述目标路段与各个所述参考路段之间的拥堵率相关性之间的第二乘积，所述参考路段的拥堵率权重是根据所述参考路段的当前拥堵率得到的；
根据各个所述参考路段分别对应的第二乘积之间的和，预测所述目标路段在下一时刻的车流量。
2.根据权利要求1所述的方法，其特征在于，所述目标路段的历史路况信息包括所述目标路段的历史车流量；所述候选路段的历史路况信息包括所述候选路段的历史车流量；
所述根据所述目标路段的历史路况信息以及所述候选路段集合中的候选路段的历史路况信息，从所述候选路段集合中确定与所述目标路段具有相关性的候选路段，作为参考路段，包括：
对所述候选路段集合进行划分，得到至少两个候选路段子集，所述至少两个候选路段子集中包括至少一个候选路段；
根据所述目标路段的历史车流量以及所述至少两个候选路段子集中各个候选路段子集的候选路段的历史车流量，分别确定所述目标路段与所述各个候选路段子集之间的车流量相关性；
从所述至少两个候选路段子集中选择所述车流量相关性大于车流量相关性阈值，且所包括的候选路段的数量小于第一数量阈值的候选路段子集，作为第一目标候选路段子集；
将所述第一目标候选路段子集中的候选路段确定为所述参考路段。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标路段的历史车流量以及所述至少两个候选路段子集中各个候选路段子集的候选路段的历史车流量，分别确定所述目标路段与所述各个候选路段子集之间的车流量相关性，包括：
根据所述目标路段的历史车流量以及所述各个候选路段子集的候选路段的历史车流量，确定所述目标路段与所述各个候选路段子集的候选路段之间的车流量相关性；
确定所述目标路段分别与所述各个候选路段子集的候选路段之间的车流量相关性之和，作为所述目标路段与所述各个候选路段子集之间的车流量相关性。
4.根据权利要求2所述的方法，其特征在于，所述目标路段的历史路况信息包括所述目标路段的历史拥堵率；所述候选路段的历史路况信息包括所述候选路段的历史拥堵率；所述方法还包括：
根据所述目标路段的历史拥堵率以及所述至少两个候选路段子集中各个候选路段子集的候选路段的历史拥堵率，分别确定所述目标路段与所述各个候选路段子集之间的拥堵率相关性；
从所述至少两个候选路段子集中选择所述拥堵率相关性大于拥堵率相关性阈值，且所包括的候选路段的数量小于第二数量阈值的候选路段子集，作为第二目标候选路段子集；
将所述第一目标候选路段子集以及所述第二目标候选路段子集中的候选路段确定为参考路段。
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标路段的历史拥堵率以及所述至少两个候选路段子集中各个候选路段子集的候选路段的历史拥堵率，分别确定所述目标路段与所述各个候选路段子集之间的拥堵率相关性，包括：
根据所述目标路段的历史拥堵率以及所述各个候选路段子集的候选路段的历史拥堵率，确定所述目标路段与所述各个候选路段子集的候选路段之间的拥堵率相关性；
确定所述目标路段分别与所述各个候选路段子集的候选路段之间的拥堵率相关性之和，作为所述目标路段与所述各个候选路段子集之间的拥堵率相关性。
6.一种车流量预测装置，其特征在于，包括：
第一获取模块，用于获取候选路段集合中的候选路段的历史路况信息，以及待预测的目标路段的历史路况信息；
参考路段确定模块，用于根据所述目标路段的历史路况信息以及所述候选路段集合中的候选路段的历史路况信息，从所述候选路段集合中确定与所述目标路段具有相关性的候选路段，作为参考路段；车流量预测模块，用于获取所述参考路段的当前路况信息以及所述目标路段的当前路况信息，根据所述参考路段的当前路况信息以及所述目标路段的当前路况信息预测所述目标路段在下一时刻的车流量；分别获取各个所述参考路段的当前车流量、各个所述参考路段的拥堵率权重、所述目标路段与各个所述参考路段之间的车流量相关性、所述目标路段与各个所述参考路段之间的拥堵率相关性之间的第二乘积，所述参考路段的拥堵率权重是根据所述参考路段的当前拥堵率得到的；根据各个所述参考路段分别对应的第二乘积之间的和，预测所述目标路段在下一时刻的车流量；所述参考路段的当前路况信息包括所述参考路段的当前车流量与所述参考路段的当前拥堵率，所述参考路段的数量为多个。
7.一种计算机设备，其特征在于，包括：处理器、存储器以及网络接口；
所述处理器与所述存储器、所述网络接口相连，其中，所述网络接口用于提供数据通信功能，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行如权利要求1至5任一项所述的方法。
8.一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存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。
CN202010510809.4A 2020-06-05 2020-06-05 一种车流量预测方法、装置、设备及介质 Active CN111627210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010510809.4A CN111627210B (zh) 2020-06-05 2020-06-05 一种车流量预测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010510809.4A CN111627210B (zh) 2020-06-05 2020-06-05 一种车流量预测方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN111627210A CN111627210A (zh) 2020-09-04
CN111627210B true CN111627210B (zh) 2021-08-24

Family

ID=72260875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010510809.4A Active CN111627210B (zh) 2020-06-05 2020-06-05 一种车流量预测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN111627210B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112233428B (zh) * 2020-10-10 2023-09-22 腾讯科技（深圳）有限公司 车流量预测方法、装置、存储介质及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109961180A (zh) * 2019-03-15 2019-07-02 浙江工业大学 一种基于时空相关性的短时交通流量预测方法
CN110782659A (zh) * 2019-09-09 2020-02-11 腾讯科技（深圳）有限公司 路况确定方法、装置、服务器及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110365B (zh) * 2009-12-28 2013-11-06 日电（中国）有限公司 基于时空关系的路况预测方法和系统
KR101638368B1 (ko) * 2015-01-02 2016-07-11 경희대학교 산학협력단 다변수 패턴 인식모델을 이용한 도시 교통 예측 시스템 및 그 방법
CN109272169A (zh) * 2018-10-10 2019-01-25 深圳市赛为智能股份有限公司 交通流量预测方法、装置、计算机设备及存储介质
CN109300309A (zh) * 2018-10-29 2019-02-01 讯飞智元信息科技有限公司 路况预测方法及装置
CN110264715B (zh) * 2019-06-20 2021-10-15 大连理工大学 一种基于路段突发拥堵分析的交通事件检测方法
CN110751828B (zh) * 2019-09-10 2020-10-20 平安国际智慧城市科技股份有限公司 一种路段拥堵测量方法、装置、计算机设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109961180A (zh) * 2019-03-15 2019-07-02 浙江工业大学 一种基于时空相关性的短时交通流量预测方法
CN110782659A (zh) * 2019-09-09 2020-02-11 腾讯科技（深圳）有限公司 路况确定方法、装置、服务器及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于时空信息的交通流预测;周明 等;《工业控制计算机》;20200430;第33卷(第4期);第42-45页 *
基于时空权重相关性的交通流大数据预测方法;李欣 等;《北京大学学报(自然科学版)》;20170731;第53卷(第4期);第775-782页 *

Also Published As

Publication number Publication date
CN111627210A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN107038478B (zh) 路况预测方法及装置、计算机设备与可读介质
CN110517479B (zh) 一种城市道路交通预测方法、装置及电子设备
CN109359793A (zh) 一种针对新场景的预测模型训练方法及装置
CN112863172B (zh) 高速公路交通运行状态判定方法、预警方法、装置及终端
CN111260948B (zh) 交通信息服务装置和方法
CN103971170A (zh) 一种用于对特征信息的变化进行预测的方法和装置
JP4506663B2 (ja) 交通状況予測装置、方法及びプログラム、経路探索システム並びに交通状況提供システム
CN105674994A (zh) 获取行车路线的方法、装置及导航设备
CN112037518B (zh) 一种用于预测交通状态的计算方法、系统及车辆
CN101127158A (zh) 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端
CN101644584A (zh) 安全驾驶评价系统以及安全驾驶评价程序
EP4138051A1 (en) Method of collecting data from fleet of vehicles
CN112434260A (zh) 一种公路的交通状态检测方法、装置、存储介质及终端
CN112149908B (zh) 车辆驾驶预测方法、系统、计算机设备及可读存储介质
CN111627210B (zh) 一种车流量预测方法、装置、设备及介质
JP7451303B2 (ja) 交通状況予測装置、および、交通状況予測方法
CN111860763A (zh) 模型训练、参数预测方法和装置、电子设备及存储介质
CN111862583B (zh) 一种车流量预测方法及装置
CN115164922A (zh) 一种路径规划方法、系统、设备及存储介质
CN116698075A (zh) 路网数据处理方法、装置、电子设备及存储介质
CN115633317B (zh) 一种消息通道配置方法和系统
CN113593397B (zh) 一种历史轨迹数据加载方法、装置及系统
CN113806585B (zh) 一种获取路段通行时长的方法、装置、电子设备及存储介质
CN114842659A (zh) 一种交通拥堵疏导方法及装置
JP2023092971A (ja) 交通状況予測装置、および、交通状況予測方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant