CN114120655B - 道路状态预测方法、系统、设备及存储介质 - Google Patents

Abstract

本申请公开了一种道路状态预测方法、系统、设备及存储介质，属于智能交通技术领域。其通过获取当前时段的输入车流数据；输入车流数据包括输入车流密度和输入车流密度对应的平均车速；输入车流数据包括第一道路的第一输入车流数据和第二道路的第二输入车流数据；第一道路与第二道路相连；基于输入车流数据，确定输入车流量；获取第三道路的当前时段的平均车速；获取预先建立的道路状态预测模型；将输入车流量和平均车速输入道路状态预测模型，得到第三道路的道路状态。可以解决通过当前道路中已经存在的车辆的车流密度和车速，仅能预测较短时间之后的当前道路的道路状态，导致道路状况预测不及时的问题。可以提高道路拥堵的管控效果。

Description

道路状态预测方法、系统、设备及存储介质

技术领域

本申请属于智能交通技术领域，具体涉及一种道路状态预测方法、系统、设备及存储介质。

背景技术

近年来，随着道路行驶车辆的增多，道路拥堵的情况也在增多，尤其是高速的汇入口处，原本多条道路上的车辆汇入一条道路，使得道路拥堵的几率大大增加，因此，为了实现对道路的智能管控，优化道路拥堵情况，需要对汇入道路的道路状态进行预测。

传统的道路状态预测方法，包括：通过采集或者观察当前道路中已经存在的车辆的车流密度和车速，预测当前道路的状态。

然而，通过当前道路中已经存在的车辆的车流密度和车速，仅能预测较短时间之后的当前道路的道路状态，存在道路状况预测不及时的问题。

发明内容

本申请提供了道路状态预测方法、系统、设备及存储介质，可以解决通过当前道路中已经存在的车辆的车流量和车速，仅能预测较短时间之后的当前道路的道路状态，存在道路状况预测不及时的问题。本申请提供如下技术方案：

第一方面，提供了一种道路状态预测方法，包括：获取当前时段的输入车流数据；所述输入车流数据包括输入车流密度和所述输入车流密度对应的平均车速；所述输入车流数据包括所述第一道路的第一输入车流数据和第二道路的第二输入车流数据；所述第一道路与所述第二道路相连；

基于所述输入车流数据，确定输入车流量；所述输入车流量包括第一道路对应的第一输入车流量和所述第二道路的对应的第二输入车流量；

获取第三道路的当前时段的平均车速；所述第三道路为所述第一道路和所述第二道路的汇入道路；

获取预先建立的道路状态预测模型；所述道路状态预测模型用于预测所述第三道路的道路状态；

将所述输入车流量和所述第三道路的当前时段的平均车速输入所述道路状态预测模型，得到所述第三道路的道路状态。

可选地，所述道路状态预测模型包括预测层和第一输出层；所述预测层用于基于所述输入车流量预测所述第三道路的路中车流量；所述第一输出层用于基于所述第三道路的路中车流量和所述第三道路的当前时段的平均车速，输出所述第三道路的道路状态。

可选地，所述预测层包括第一分支、第二分支以及与所述第一分支和所述第二分支相连的第二输出层；所述第一分支用于基于所述第一输入车流量预测所述第一道路的第一路中车流量；所述第二分支用于基于所述第二输入车流量预测所述第二道路的第二路中车流量；所述第二输出层用于基于所述第一路中车流量和所述第二路中车流量，输出所述第三道路的第三路中车流量。

可选地，所述基于所述第一输入车流量预测所述第一道路的第一路中车流量，包括：基于所述第一输入车流量，得到所述第一道路的第一入口车流量；基于所述第一入口车流量，得到所述第一路中车流量。

可选地，所述基于所述第二输入车流量预测所述第二道路的第二路中车流量，包括：基于所述第二输入车流量，得到所述第二道路的第二入口车流量；基于所述第二入口车流量，得到所述第二路中车流量。

可选地，所述道路状态预测模型为数学模型；所述获取预先建立的道路状态预测模型，包括：获取样本车流数据；所述样本车流数据包括：样本输入车流数据、样本入口车流数据和样本路中车流数据；

获取所述第三道路的样本车速以及样本道路状态；

基于所述样本车流数据，确定样本车流量；所述样本车流量包括样本输入车流量、样本入口车流量和样本路中车流量；所述样本输入车流量包括所述第一道路的第一样本输入车流量和所述第二道路的第二样本输入车流量；所述样本入口车流量包括所述第一道路的第一样本入口车流量和所述第二道路的第二样本入口车流量；所述样本路中车流量包括所述第一道路的第一样本路中车流量、所述第二道路的第二样本路中车流量和所述第三道路的第三样本路中车流量；

基于所述第一样本输入车流量和所述第一样本入口车流量，得到第一函数关系；

基于所述第二样本输入车流量和所述第二样本入口车流量，得到第二函数关系；

基于所述第一样本入口车流量和所述第一样本路中车流量，得到第三函数关系；

基于所述第二样本入口车流量和所述第二样本路中车流量，得到第四函数关系；

基于所述第一样本路中车流量、所述第二样本路中车流量和所述第三样本路中车流量，得到第五函数关系；

基于所述第三样本路中车流量、所述样本车速和所述样本道路状态，得到第六函数关系；

基于所述第一函数关系、所述第二函数关系、所述第三函数关系、所述第四函数关系、所述第五函数关系和所述第六函数关系，建立所述道路状态预测模型。

第二方面，提供一种电子设备，包括存储器、控制器以及存储在存储器上并可在控制器上运行的计算机程序，所述控制器执行所述计算机程序时实现上述道路状态预测方法的步骤。

第三方面，提供一种计算机可读存储介质，所述存储介质中存储有程序，所述程序被处理器执行时用于实现第一方面提供的道路状态预测方法。

第四方面，提供了一种道路状态预测系统，其特征在于，所述系统包括：传感器组、预测设备和预警设备；

所述传感器组，用于采集车流数据，所述车流数据包括车流密度以及所述车流密度对应的平均车速；

所述传感器组包括安装于第一道路之前的第一传感器、入口处的第二传感器和路中的第三传感器，安装于第二道路之前的第四传感器、入口处的第五传感器和路中的第六传感器，以及安装于第三道路的路中第七传感器；

所述预测设备，用于基于所述传感器组采集的样本车流数据建立道路状态预测模型，并基于所述道路状态预测模型和所述传感器组采集到的所述第一道路的输入车流数据、所述第二道路的输入车流数据和所述第三道路的平均车速，预测第三道路的道路状态；

所述预警设备，用于指示预测的所述第三道路的道路状态；所述预警设备安装在所述第一道路的路侧和所述第二道路的右侧，和/或左侧。

本申请的有益效果至少包括：获取当前时段的输入车流数据；输入车流数据包括输入车流密度和输入车流密度对应的平均车速；输入车流数据包括第一道路的第一输入车流数据和第二道路的第二输入车流数据；第一道路与第二道路相连；基于输入车流数据，确定输入车流量；输入车流量包括第一道路对应的第一输入车流量和第二道路的对应的第二输入车流量；获取第三道路的当前时段的平均车速；第三道路为第一道路和第二道路的汇入道路；获取预先建立的道路状态预测模型；道路状态预测模型用于预测第三道路的道路状态；将输入车流量和第三道路的当前时段的平均车速输入道路状态预测模型，得到第三道路的道路状态。可以解决通过当前道路中已经存在的车辆的车流密度和车速，仅能预测较短时间之后的当前道路的道路状态，导致道路状况预测不及时的问题；通过获取到的第一道路和第二道路的输入车流数据以及第三道路的车速，可以及时预测到第三道路的道路状态，可以确保道路管控人员有足够时间根据预测到的道路状态进行道路管控，因此，可以提高道路拥堵的管控效果。

附图说明

为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图是本申请的一些实施方式，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是本申请一个实施例提供的用于道路状态预测系统的结构示意图；

图2是本申请一个实施例提供的一个道路结构示意图；

图3是本申请一个实施例提供的用于道路状态预测方法的流程图；

图4是本申请一个实施例提供的另一个道路结构示意图；

图5是本申请一个实施例提供的另一个道路结构示意图；

图6是本申请一个实施例提供的另一个道路结构示意图；

图7是本申请一个实施例提供的道路状态预测装置的框图；

图8是本申请一个实施例提供的电子设备的框图。

具体实施方式

下面将结合附图对本申请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申请一部分实施例，而不是全部的实施例。下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

需要说明的是，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”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

在本申请中，在未作相反说明的情况下，使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的，或者是针对部件本身在竖直、垂直或重力方向上而言的；同样地，为便于理解和描述，“内、外”是指相对于各部件本身的轮廓的内、外，但上述方位词并不用于限制本申请。

本实施例提供的一种道路状态预测系统的结构示意图，如图1所示。该系统包括：传感器组110、预测设备120和预警设备130。

传感器组110是指安装第一道路、第二道路和第三道路路侧的至少一个传感器，可以为微波感应器、电磁检测器或者毫米波雷达等，用于采集安装路段的车流密度和车流密度对应的平均车速。

如图2所示，传感器组110包括安装于第一道路之前的第一传感器210、入口处的第二传感器220和路中的第三传感器230，安装于第二道路之前的第四传感器240、入口处的第五传感器250和路中的第六传感器260，以及安装于第三道路的路中第七传感器270。

传感器组110与预测设备120建立有通信连接，基于此通信连接，传感器组110可以将采集到的数据发送给预测设备120。

预测设备120，用于基于传感器组110采集的样本车流数据建立道路状态预测模型，并基于道路状态预测模型和传感器组110采集到的第一道路的输入车流数据、第二道路的输入车流数据和第三道路的车速，预测第三道路的道路状态。预测设备120可以为计算机、手机、平板电脑等终端，或者也可以为服务器。预测设备120与预警设备130建立有通信连接，基于此通信连接，预测设备120可以将预测得到的第三道路的道路状态发送至预警设备130。

预警设备130，用于指示预测的第三道路的道路状态；预警设置130可以为安装于第一道路、第二道路路侧的显示设备或者预警灯，用于动态指示预测的第三道路的道路状态。

下面对本申请提供的道路状态预测方法进行详细介绍。

如图3所示，本申请的实施例提供一种道路状态预测方法，本实施例以该方法用于图1所示的道路状态预测系统中为例进行说明。该方法至少包括以下几个步骤：

步骤301，获取当前时段的输入车流数据。

其中，输入车流数据包括输入车流密度和输入车流密度对应的平均车速；输入车流数据包括第一道路的第一输入车流数据和第二道路的第二输入车流数据。

如图2所示，第一道路与第二道路相连，同时，第一道路与第二道路汇入第三道路。

本实施例中，第一道路和第二道路之前分别设置有至少一个传感器，用于采集第一输入车流数据和第二道路的第二输入车流数据。通过传感器获取预设时长内第一道路之前的车流密度和车速，作为第一输入车流数据；通过传感器获取预设时长内第二道路之前的车流量和车速，作为第二输入车流数据。

其中，预设时长是指预先设置的一段时间长度，可以为5分钟、10分钟或者15分钟等，本实施例不对预设时长的选取作限定。

可选地，至少一个传感器可以为微波感应器、电磁检测器或者毫米波雷达等，本实施例不对至少一个传感器的类型作限定。

步骤302，基于输入车流数据，确定输入车流量。

其中，输入车流量包括第一道路对应的第一输入车流量和第二道路的对应的第二输入车流量。

在本实施例中，输入车流量为输入车流密度与输入车流密度对应的平均车速的乘积。

步骤303，获取第三道路的当前时段的平均车速。

在本实施例中，第三道路为第一道路和第二道路的汇入道路。通过安装在第三道路的第七传感器，采集当前时刻第七传感器所在的第三道路的路段中的车辆的平均车速。

可选地，第七传感器可以为微波感应器、电磁检测器或者毫米波雷达等，本实施例不对第七传感器的类型作限定。

步骤304，获取预先建立的道路状态预测模型。

在本实施例中，道路状态预测模型用于预测第三道路的道路状态。

可选地，道路状态预测模型包括预测层和第一输出层；预测层用于基于输入车流量预测第三道路的路中车流量；第一输出层用于基于第三道路的路中车流量和第三道路的当前时段的平均车速，输出第三道路的道路状态。

其中，预测层包括第一分支、第二分支以及与第一分支和第二分支相连的第二输出层；第一分支用于基于第一输入车流量预测第一道路的第一路中车流量；第二分支用于基于第二输入车流量预测第二道路的第二路中车流量；第二输出层用于基于第一路中车流量和第二路中车流量，输出第三道路的第三路中车流量。

为了提高第一分支和第二分支预测结果的准确性，需要先基于获取到的第一输入车流量和第二输入车流量分别预测得到对应的第一道路的入口车流量和第二道路入口车流量，再基于第一道路的入口车流量和第二道路入口车流量分别预测得到对应的第一道路的路中车流量和第二车流量。

具体地，基于第一输入车流量预测第一道路的第一路中车流量，包括：基于第一输入车流量，得到第一道路的第一入口车流量；基于第一入口车流量，得到第一路中车流量。

另外，基于第二输入车流量预测第二道路的第二路中车流量，包括：基于第二输入车流量，得到第二道路的第二入口车流量；基于第二入口车流量，得到第二路中车流量。

在本实施例中，道路状态预测模型为数学模型。通过传感器组采集的第一道路、第二道路和第三道路的样本车流数据和样本车速，建立道路状态预测模型。

其中，样本车流数据包括样本车流密度和样本车流密度对应的样本平均车速。

具体地，获取预先建立的道路状态预测模型，包括：获取样本车流数据；样本车流数据包括：样本输入车流数据、样本入口车流数据和样本路中车流数据；获取第三道路的样本车速以及样本道路状态；基于样本车流数据，确定样本车流量；样本车流量包括样本输入车流量、样本入口车流量和样本路中车流量；样本输入车流量包括第一道路的第一样本输入车流量和第二道路的第二样本输入车流量；样本入口车流量包括第一道路的第一样本入口车流量和第二道路的第二样本入口车流量；样本路中车流量包括第一道路的第一样本路中车流量、第二道路的第二样本路中车流量和第三道路的第三样本路中车流量；基于第一样本输入车流量和第一样本入口车流量，得到第一函数关系；基于第二样本输入车流量和第二样本入口车流量，得到第二函数关系；基于第一样本入口车流量和第一样本路中车流量，得到第三函数关系；基于第二样本入口车流量和第二样本路中车流量，得到第四函数关系；基于第一样本路中车流量、第二样本路中车流量和第三样本路中车流量，得到第五函数关系；基于第三样本路中车流量、样本车速和样本道路状态，得到第六函数关系；基于第一函数关系、第二函数关系、第三函数关系、第四函数关系、第五函数关系和第六函数关系，建立道路状态预测模型。

可选地，样本道路状态可以为数字，用于指示第三道路的拥堵情况。

比如：样本道路状态可以分为四个等级，四个等级分别用不同的数字表示，例如1、2、3、4，用于指示不同程度的交通拥堵情况，等级1为最高拥堵情况，等级4为最低拥堵情况，或者等级1为最低拥堵情况，等级4为最高拥堵情况。

在实际实施时，可以根据实际需要对样本道路状态的设置进行调整，本实施例不对样本道路状态的实现方式作限定。

另外，样本车流量为样本车流密度与样本车流密度对应的样本平均车速的乘积。

可选地，函数关系可以为拟合得到的函数关系。

比如：将第一样本输入车流量和第一样本入口车流量进行拟合，得到第一函数关系；将第一样本路中车流量和第二样本路中车流量作为自变量，将第三样本路中车流量作为因变量进行拟合，得到第五函数关系；将第三样本路中车流量和样本车速作为自变量，将样本道路状态作为因变量进行拟合，得到第六函数关系。

将得到第一函数关系、第二函数关系、第三函数关系、第四函数关系、第五函数关系和第六函数关系进行拼接，建立道路状态预测模型。

在实际实施时，样本数据为设置在第一道路、第二道路和第三道路的传感器组采集到的历史数据，样本车速为历史数据对应的历史平均车速。

其中，传感器组包括安装于第一道路之前的第一传感器、入口处的第二传感器和路中的第三传感器，安装于第二道路之前的第四传感器、入口处的第五传感器和路中的第六传感器，以及安装于第三道路的路中第七传感器。

可选地，第一传感器、第二传感器、第三传感器、第四传感器、第五传感器、第六传感器以及第七传感器可以为相同的传感器，也可以为不同的传感器。

步骤305，将输入车流量和第三道路的当前时段的平均车速输入道路状态预测模型，得到第三道路的道路状态。

其中，第三道路的道路状态用于指示第三道路的拥堵情况。道路状态与样本道路状态的设置相同。例如设置样本道路状态为等级指示，则道路状态设置为相同的等级指示。

在本实施例中，将输入车流量输入道路状态预测模型中的预测层，得到输入车流量对应的预测的第三道路的路中车流量；将预测的第三道路的车流量和当前时段的平均车速输入第一输出层，得到预测的第三道路的道路状态。

在实际实施时，在得到第三道路的道路状态后，还需要根据道路状态指示的第三道路的拥堵情况进行道路管控。

具体地，将输入车流数据和车速输入道路状态预测模型，得到第三道路的道路状态之后，还包括：基于道路状态对第一道路和第二道路的入口车流量进行管控。

另外，在实施实施时，存在需要预测如图4所示的第二道路的道路状态的可能。此时，可以对如图4所示的第二道路进行拆分，得到如图5和图6所示的道路图。第二道路的道路状态预测方法参照上述的第三道路道的道路状态预测方法，此处不再赘述。

综上所述，本实施例提供的道路状态预测方法，获取当前时段的输入车流数据；输入车流数据包括车流密度和车流密度对应的平均车速；输入车流数据包括第一道路的第一输入车流数据和第二道路的第二输入车流数据；第一道路与第二道路相连；基于输入车流数据，确定输入车流量；输入车流量包括第一道路对应的第一输入车流量和第二道路的对应的第二输入车流量；获取第三道路的当前时段的平均车速；第三道路为第一道路和第二道路的汇入道路；获取预先建立的道路状态预测模型；道路状态预测模型用于预测第三道路的道路状态；将输入车流量和第三道路的当前时段的平均车速输入道路状态预测模型，得到第三道路的道路状态。可以解决通过当前道路中已经存在的车辆的车流密度和车速，仅能预测较短时间之后的当前道路的道路状态，导致道路状况预测不及时的问题；通过获取到的第一道路和第二道路的输入车流数据以及第三道路的车速，可以及时预测到第三道路的道路状态，可以确保道路管控人员有足够时间根据预测到的道路状态进行道路管控，因此，可以提高道路拥堵的管控效果。

本实施例提供一种道路状态预测装置，如图7所示。该装置包括至少以下几个模块：数据获取模块710、流量确定模块720、车速获取模块730、模型获取模块740以及状态预测模块750。

数据获取模块710，用于获取当前时段的输入车流数据；输入车流数据包括车流密度和车流密度对应的平均车速；输入车流数据包括第一道路的第一输入车流数据和第二道路的第二输入车流数据；第一道路与第二道路相连；

流量确定模块720，用于基于输入车流数据，确定输入车流量；输入车流量包括第一道路对应的第一输入车流量和第二道路的对应的第二输入车流量；

车速获取模块730，用于获取第三道路的当前时段的平均车速；第三道路为第一道路和第二道路的汇入道路；

模型获取模块740，用于获取预先建立的道路状态预测模型；道路状态预测模型用于预测第三道路的道路状态；

状态预测模块750，用于将输入车流量和第三道路的当前时段的平均车速输入道路状态预测模型，得到第三道路的道路状态。

相关细节参考上述方法和系统实施例。

需要说明的是：上述实施例中提供的道路状态预测装置在进行道路状态预测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将道路状态预测装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的道路状态预测装置与道路状态预测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本实施例提供一种电子设备，如图8所示。该电子设备至少包括处理器801和存储器802。

处理器801可以包括一个或多个处理核心，比如：4核心处理器、8核心处理器等。处理器801可以采用DSP（Digital Signal Processing，数字信号处理）、FPGA（Field－Programmable Gate Array，现场可编程门阵列）、PLA（Programmable Logic Array，可编程逻辑阵列）中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU（Central ProcessingUnit，中央处理器）；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器801可以在集成有GPU（Graphics Processing Unit，图像处理器），GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器801还可以包括AI（Artificial Intelligence，人工智能）处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器802可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的道路状态预测方法。

在一些实施例中，电子设备还可选包括有：外围设备接口和至少一个外围设备。处理器801、存储器802和外围设备接口之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口相连。示意性地，外围设备包括但不限于：射频电路、触摸显示屏、音频电路、和电源等。

当然，电子设备还可以包括更少或更多的组件，本实施例对此不作限定。

可选地，本申请还提供有一种计算机可读存储介质，计算机可读存储介质中存储有程序，程序由处理器加载并执行以实现上述方法实施例的道路状态预测方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

显然，上述所描述的实施例仅仅是本申请一部分的实施例，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，可以做出其它不同形式的变化或变动，都应当属于本申请保护的范围。

Claims (5)

1.一种道路状态预测方法，其特征在于，所述方法包括：

获取当前时段的输入车流数据；所述输入车流数据包括车流密度和所述车流密度对应的平均车速；所述输入车流数据包括第一道路的第一输入车流数据和第二道路的第二输入车流数据；所述第一道路与所述第二道路相连；

基于所述输入车流数据，确定输入车流量；所述输入车流量包括所述第一道路对应的第一输入车流量和所述第二道路的对应的第二输入车流量；

获取第三道路的当前时段的平均车速；所述第三道路为所述第一道路和所述第二道路的汇入道路；

获取预先建立的道路状态预测模型；所述道路状态预测模型用于预测所述第三道路的道路状态；

将所述输入车流量和所述第三道路的当前时段的平均车速输入所述道路状态预测模型，得到所述第三道路的道路状态，所述道路状态预测模型包括预测层和第一输出层；所述预测层用于基于所述输入车流量预测所述第三道路的路中车流量；所述第一输出层用于基于所述第三道路的路中车流量和所述第三道路的当前时段的平均车速，输出所述第三道路的道路状态；所述预测层包括第一分支、第二分支以及与所述第一分支和所述第二分支相连的第二输出层；所述第一分支用于基于所述第一输入车流量预测所述第一道路的第一路中车流量，包括：基于所述第一输入车流量，得到所述第一道路的第一入口车流量；基于所述第一入口车流量，得到所述第一路中车流量；所述第二分支用于基于所述第二输入车流量预测所述第二道路的第二路中车流量，包括：基于所述第二输入车流量，得到所述第二道路的第二入口车流量；基于所述第二入口车流量，得到所述第二路中车流量；所述第二输出层用于基于所述第一路中车流量和所述第二路中车流量，输出所述第三道路的第三路中车流量；

所述道路状态预测模型为数学模型；所述获取预先建立的道路状态预测模型，包括：获取样本车流数据；所述样本车流数据包括：样本输入车流数据、样本入口车流数据和样本路中车流数据；获取所述第三道路的样本车速以及样本道路状态；基于所述样本车流数据，确定样本车流量；所述样本车流量包括样本输入车流量、样本入口车流量和样本路中车流量；所述样本输入车流量包括所述第一道路的第一样本输入车流量和所述第二道路的第二样本输入车流量；所述样本入口车流量包括所述第一道路的第一样本入口车流量和所述第二道路的第二样本入口车流量；所述样本路中车流量包括所述第一道路的第一样本路中车流量、所述第二道路的第二样本路中车流量和所述第三道路的第三样本路中车流量；基于所述第一样本输入车流量和所述第一样本入口车流量，得到第一函数关系；基于所述第二样本输入车流量和所述第二样本入口车流量，得到第二函数关系；基于所述第一样本入口车流量和所述第一样本路中车流量，得到第三函数关系；基于所述第二样本入口车流量和所述第二样本路中车流量，得到第四函数关系；基于所述第一样本路中车流量、所述第二样本路中车流量和所述第三样本路中车流量，得到第五函数关系；基于所述第三样本路中车流量、所述样本车速和所述样本道路状态，得到第六函数关系；基于所述第一函数关系、所述第二函数关系、所述第三函数关系、所述第四函数关系、所述第五函数关系和所述第六函数关系，建立所述道路状态预测模型。

2.根据权利要求1所述的方法，其特征在于，所述将所述输入车流量和所述车速输入所述道路状态预测模型，得到所述第三道路的道路状态之后，还包括：

基于所述道路状态对所述第一道路和所述第二道路的入口车流量进行管控。

3.一种电子设备，其特征在于，所述设备包括管理器和存储器；所述存储器中存储有程序，所述程序由所述管理器加载并执行以实现如权利要求1至2任一所述的道路状态预测方法。

4.一种计算机可读存储介质，其特征在于，所述存储介质中存储有程序，所述程序被管理器执行时用于实现如权利要求1至2任一所述的道路状态预测方法。

5.一种道路状态预测系统，其特征在于，所述系统应用于权利要求1至2任一所述的道路状态预测方法，包括：传感器组、预测设备和预警设备；

所述传感器组，用于采集车流数据，所述车流数据包括车流密度以及所述车流密度对应的平均车速；

所述传感器组包括安装于第一道路之前的第一传感器、入口处的第二传感器和路中的第三传感器，安装于第二道路之前的第四传感器、入口处的第五传感器和路中的第六传感器，以及安装于第三道路的路中第七传感器；

所述预测设备，用于基于所述传感器组采集的样本车流数据建立道路状态预测模型；并基于所述道路状态预测模型和所述传感器组采集到的所述第一道路的输入车流数据、所述第二道路的输入车流数据和所述第三道路的平均车速，预测第三道路的道路状态；所述道路状态预测模型包括预测层和第一输出层；所述预测层用于基于所述输入车流量预测所述第三道路的路中车流量；所述第一输出层用于基于所述第三道路的路中车流量和所述第三道路的当前时段的平均车速，输出所述第三道路的道路状态；所述预测层包括第一分支、第二分支以及与所述第一分支和所述第二分支相连的第二输出层；所述第一分支用于基于所述第一输入车流量预测所述第一道路的第一路中车流量；所述第二分支用于基于所述第二输入车流量预测所述第二道路的第二路中车流量；所述第二输出层用于基于所述第一路中车流量和所述第二路中车流量，输出所述第三道路的第三路中车流量；

所述预警设备，用于指示预测的所述第三道路的道路状态；所述预警设备安装在所述第一道路的路侧和所述第二道路的右侧，和/或左侧。

Images