【技术实现步骤摘要】
本专利技术涉及交通管理，尤其涉及一种高速公路交通状况预测方法、装置、电子设备和存储介质。
技术介绍
1、高速公路交通状况预测是指利用大数据、深度学习等技术对高速公路交通流量和拥堵状况进行预测,并根据预测结果采取相应的措施,以提高高速公路的交通运行效率和安全性，降低高速公路运营管理成本，有效监测和判断高速公路的不同情况。
2、现有的预测方法是利用单一数据结构进行数据预测，并未考虑到时间的趋势性和空间的影响。
技术实现思路
1、本专利技术提供一种高速公路交通状况预测方法、装置、电子设备和存储介质，用以解决现有技术中预测方法利用单一数据结构进行数据预测，并未考虑到时间的趋势性和空间的影响的缺陷。
2、本专利技术提供一种高速公路交通状况预测方法，包括：
3、获取高速公路的每一门架对应的车辆通行数据；
4、将车辆通行数据输入交通状况预测模型，得到所述交通状况预测模型输出的交通状况预测结果；
5、其中，所述交通状况预测模型用于从所述车辆通行数据中分解出车辆通行趋势数据和车辆通行周期数据，根据所述车辆通行趋势数据、车辆通行周期数据和预先得到的所述门架的定位数据，确定交通状况预测结果。
6、根据本专利技术提供的一种高速公路交通状况预测方法，所述交通状况预测模型的训练步骤，包括：
7、获取历史车辆通行数据和所述门架的定位数据；
8、根据所述定位数据，构建所述门架的图向量；
9、根据所述历史车辆
10、基于所述历史车辆通行数据、所述历史车辆通行趋势数据、所述历史车辆通行周期数据和所述图向量对预设模型进行训练，得到所述交通状况预测模型。
11、根据本专利技术提供的一种高速公路交通状况预测方法，所述根据所述定位数据，构建所述门架的图向量，包括：
12、根据所述定位数据，确定所述门架的位置以及相邻的所述门架间的距离；
13、根据所述位置和所述距离，构建所述门架的图向量。
14、根据本专利技术提供的一种高速公路交通状况预测方法，所述根据所述历史车辆通行数据，得到历史车辆通行趋势数据和历史车辆通行周期数据，包括：
15、基于至少一预设的指标对所述历史车辆通行数据进行特征提取，并对提取的特征数据进行筛选，得到所述历史车辆通行特征数据；
16、基于移动平均算法对所述历史车辆通行特征数据进行分解，得到所述历史车辆通行趋势数据和所述历史车辆通行周期数据。
17、根据本专利技术提供的一种高速公路交通状况预测方法，在所述基于至少一预设的指标对所述历史车辆通行数据进行特征提取之前，还包括：
18、对所述历史车辆通行数据进行数据清洗以剔除异常数据。
19、根据本专利技术提供的一种高速公路交通状况预测方法，所述预设模型包括分解编译模块和与所述分解编译模块连接的预测解码模块，所述分解编译模块包括依次设置的平滑线性层、分解计算层、全连接层和分解计算层，用于从所述历史车辆通行数据中分解出所述历史车辆通行趋势数据和所述历史车辆通行周期数据；所述预测解码模块包括依次设置的平滑线性层、分解计算层、平滑线性层、分解计算层、全连接层和分解计算层，用于根据所述历史车辆通行趋势数据、所述历史车辆通行周期数据和所述图向量进行预测。
20、根据本专利技术提供的一种高速公路交通状况预测方法，所述平滑线性层包括平滑移动窗口。
21、本专利技术还提供了一种高速公路交通状况预测装置，包括：
22、获取模块，用于获取高速公路的每一门架对应的车辆通行数据；
23、预测模块，用于将车辆通行数据输入交通状况预测模型，得到所述交通状况预测模型输出的交通状况预测结果；
24、其中，所述交通状况预测模型用于从所述车辆通行数据中分解出车辆通行趋势数据和车辆通行周期数据，根据所述车辆通行趋势数据、车辆通行周期数据和预先得到的所述门架的定位数据，确定交通状况预测结果。
25、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述高速公路交通状况预测方法。
26、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述高速公路交通状况预测方法。
27、本专利技术提供的高速公路交通状况预测方法、装置、电子设备和存储介质，获取高速公路的每一门架对应的车辆通行数据；将车辆通行数据输入交通状况预测模型，得到所述交通状况预测模型输出的交通状况预测结果；其中，所述交通状况预测模型用于从所述车辆通行数据中分解出车辆通行趋势数据和车辆通行周期数据，根据所述车辆通行趋势数据、车辆通行周期数据和预先得到的所述门架的定位数据，确定交通状况预测结果。本专利技术将历史车辆通行数据拆分为两种不同特性的数据，并结合门架的定位数据进行数据预测，考虑到了时间的趋势性和空间的影响。
本文档来自技高网...【技术保护点】
1.一种高速公路交通状况预测方法，其特征在于，包括：
2.根据权利要求1所述的高速公路交通状况预测方法，其特征在于，所述交通状况预测模型的训练步骤，包括：
3.根据权利要求2所述的高速公路交通状况预测方法，其特征在于，所述根据所述定位数据，构建所述门架的图向量，包括：
4.根据权利要求2所述的高速公路交通状况预测方法，其特征在于，所述根据所述历史车辆通行数据，得到历史车辆通行趋势数据和历史车辆通行周期数据，包括：
5.根据权利要求2所述的高速公路交通状况预测方法，其特征在于，在所述基于至少一预设的指标对所述历史车辆通行数据进行特征提取之前，还包括：
6.根据权利要求2所述的高速公路交通状况预测方法，其特征在于，所述预设模型包括分解编译模块和与所述分解编译模块连接的预测解码模块，所述分解编译模块包括依次设置的平滑线性层、分解计算层、全连接层和分解计算层，用于从所述历史车辆通行数据中分解出所述历史车辆通行趋势数据和所述历史车辆通行周期数据；所述预测解码模块包括依次设置的平滑线性层、分解计算层、平滑线性层、分解计算层、全连接层
7.根据权利要求6所述的高速公路交通状况预测方法，其特征在于，所述平滑线性层包括平滑移动窗口。
8.一种高速公路交通状况预测装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1至7任一项所述高速公路交通状况预测方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，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任一项所述高速公路交通状况预测方法。
...【技术特征摘要】
1.一种高速公路交通状况预测方法，其特征在于，包括：
2.根据权利要求1所述的高速公路交通状况预测方法，其特征在于，所述交通状况预测模型的训练步骤，包括：
3.根据权利要求2所述的高速公路交通状况预测方法，其特征在于，所述根据所述定位数据，构建所述门架的图向量，包括：
4.根据权利要求2所述的高速公路交通状况预测方法，其特征在于，所述根据所述历史车辆通行数据，得到历史车辆通行趋势数据和历史车辆通行周期数据，包括：
5.根据权利要求2所述的高速公路交通状况预测方法，其特征在于，在所述基于至少一预设的指标对所述历史车辆通行数据进行特征提取之前，还包括：
6.根据权利要求2所述的高速公路交通状况预测方法，其特征在于，所述预设模型包括分解编译模块和与所述分解编译模块连接的预测解码模块，所述分解编译模块包括依次设置的平滑线性层、分解计算层、全连接层和分解...
【专利技术属性】
技术研发人员：曾庆宁，胡建良，庞源焜，
申请(专利权)人：广州广电运通智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。