(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211054879.9 (22)申请日 2022.08.31 (71)申请人 华迪计算机集团有限公司 地址 100192 北京市海淀区杏石口路甲18 号航天信息园1号楼西区三层 (72)发明人 张凌玮　 (74)专利代理 机构 北京工信联合知识产权代理 有限公司 1 1266 专利代理师 姜丽辉 (51)Int.Cl. G08G 1/01(2006.01) G08G 1/08(2006.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种用于预测道路拥堵状态的方法及系统 (57)摘要 本发明公开了一种用于预测道路拥堵状态 的方法及系统， 属于数据处理技术领域。 本发明 方法包括： 确定目标道路的道路类型， 按照所述 道路类型对 所述目标道路进行模 型化处理， 以生 成所述目标道路的道路模型， 并根据所述道路模 型确定影 响目标道路拥堵的影 响指标； 采集所述 目标道路不同时段的交通数据， 将交通数据划分 为多个样本， 并确定每个样本中影响指标的权 值， 并将权值最大的影 响指标作为所述样本的属 性； 对带有属性的多个样本进行训练， 获取拥堵 模型； 将预测信息输入至所述拥堵模型， 基于拥 堵模型确定所述目标道路的拥堵状态。 应用本发 明， 可有效避免交通拥堵的问题， 做到道路的合 理设计。 权利要求书2页 说明书6页 附图2页 CN 115457766 A 2022.12.09 CN 115457766 A 1.一种用于预测道路拥堵状态的方法， 其特 征在于， 所述方法包括： 确定目标道路的道路类型， 按照所述道路类型对所述目标道路进行模型化处理， 以生 成所述目标道路的道路模型， 并根据所述道路模型确定影响目标道路拥堵的影响指标； 采集所述目标道路不同时段的交通数据， 将交通数据划分为多个样本， 并确定每个样 本中影响指标的权值， 并将权值 最大的影响指标作为所述样本的属性； 对带有属性的多个样本进行训练， 获取拥堵模型； 将预测信息 输入至所述拥堵模型， 基于拥堵模型确定所述目标道路的拥堵状态； 所述预测信息， 包括： 目标时段以及目标道路的目标路段。 2.根据权利要求1所述的方法， 其特征在于， 所述影响指标包括如下中的至少一种： 车 辆通行流 量、 行人通行流 量、 非机动车通行流 量和车辆事故率。 3.根据权利要求1所述的方法， 其特征在于， 所述不同时段， 按照工作日、 节假日以及工 作日上下班高峰时间进行划分。 4.根据权利要求1所述的方法， 其特征在于， 所述确定每个样本中影响指标的权值， 包 括： 确定影响指标间互相影响的因素， 并根据 所述互相影响的因素建立所述影响指标的影 响矩阵； 通过熵值法确定样本中交通事件的随机性和无序程度， 根据所述交通事件的随机性和 无序程度确定影响指标的离 散程度； 根据离散程度推导出影响指标的变异程度和权重， 并通过所述变异程度和权重修正影 响矩阵， 通过修 正后的影响矩阵， 对所述权 重进行修 正， 获取修 正后的影响指标的权 重； 根据所述 修正后的影响指标的权 重， 确定影响指标的权值。 5.根据权利要求1所述的方法， 其特征在于， 所述对带有属性的多个样本进行训练， 获 取拥堵模型， 包括： 将带有属性的多个样本导入至带有无监督的K ‑means++聚类算法的训练模型中， 对所 述带有属性的样本基于无监督的K ‑means++聚类算法进行多 次模拟运算， 将属性值大于预 设值的样本分配到同一类中， 并确定样本的共同属 性特征， 根据所述共同属 性特征对不同 道路的优劣进行区分， 并以不同道路的优劣表示小区周边道路的拥堵情况， 并生成拥堵模 型。 6.一种用于预测道路拥堵状态的系统， 其特 征在于， 所述系统包括： 指标确定单元， 用于确定目标道路的道路类型， 按照所述道路类型对所述目标道路进 行模型化处理， 以生成所述 目标道路的道路模型， 并根据所述道路模型确定影响目标道路 拥堵的影响指标； 采集单元， 用于采集所述目标道路不同时段的交通数据， 将交通数据划分为多个样本， 并确定每 个样本中影响指标的权值， 并将权值 最大的影响指标作为所述样本的属性； 训练单元， 用于对带有属性的多个样本进行训练， 获取拥堵模型； 预测单元， 用于将预测信息输入至所述拥堵模型， 基于拥堵模型确定所述目标道路的 拥堵状态； 所述预测信息， 包括： 目标时段以及目标道路的目标路段。 7.根据权利要求6所述的系统， 其特征在于， 所述影响指标包括如下中的至少一种： 车权　利　要　求　书 1/2 页 2 CN 115457766 A 2辆通行流 量、 行人通行流 量、 非机动车通行流 量和车辆事故率。 8.根据权利要求6所述的系统， 其特征在于， 所述不同时段， 按照工作日、 节假日以及工 作日上下班高峰时间进行划分。 9.根据权利要求6所述的系统， 其特征在于， 所述确定每个样本中影响指标的权值， 包 括： 确定影响指标间互相影响的因素， 并根据 所述互相影响的因素建立所述影响指标的影 响矩阵； 通过熵值法确定样本中交通事件的随机性和无序程度， 根据所述交通事件的随机性和 无序程度确定影响指标的离 散程度； 根据离散程度推导出影响指标的变异程度和权重， 并通过所述变异程度和权重修正影 响矩阵， 通过修 正后的影响矩阵， 对所述权 重进行修 正， 获取修 正后的影响指标的权 重； 根据所述 修正后的影响指标的权 重， 确定影响指标的权值。 10.根据权利要求6所述的系统， 其特征在于， 所述对带有属性的多个样本进行训练， 获 取拥堵模型， 包括： 将带有属性的多个样本导入至带有无监督的K ‑means++聚类算法的训练模型中， 对所 述带有属性的样本基于无监督的K ‑means++聚类算法进行多 次模拟运算， 将属性值大于预 设值的样本分配到同一类中， 并确定样本的共同属 性特征， 根据所述共同属 性特征对不同 道路的优劣进行区分， 并以不同道路的优劣表示小区周边道路的拥堵情况， 并生成拥堵模 型。权　利　要　求　书 2/2 页 3 CN 115457766 A 3