(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111382079.5 (22)申请日 2021.11.22 (65)同一申请的已公布的文献号 申请公布号 CN 113821985 A (43)申请公布日 2021.12.21 (73)专利权人 中移 （上海） 信息通信科技有限公 司 地址 201206 上海市浦东 新区新金桥路27 号金桥现代产业 服务园区10号楼二楼 专利权人 中移智行网络科技有限公司 　 中国移动通信集团有限公司 (72)发明人 鱼一帆　 (74)专利代理 机构 北京银龙知识产权代理有限 公司 11243 代理人 左晓菲 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 3/12(2006.01) G06F 119/12(2020.01) (56)对比文件 CN 113033786 A,2021.0 6.25 CN 112669606 A,2021.04.16 CN 110674987 A,2020.01.10 CN 107180 530 A,2017.09.19 CN 111666991 A,2020.09.15 CN 113393461 A,2021.09.14 WO 2020123 552 A1,2020.0 6.18 DE 1020191 15707 A1,2020.0 5.07 杨云等.基 于卷积网络与支持向量机的云 资 源预测模型. 《陕西科技大学学报》 .2020,(第05期), 黎维等.时空序列预测方法综述. 《计算机 应 用研究》 .2020,(第10期), 田晟 等.基 于深度神经网络的交通出 行方 式选择模型. 《北华大 学学报(自然科 学版)》 .2019,第20卷(第1期), 审查员 姜晓盼 (54)发明名称 一种交通状态预测方法、 装置及电子设备 (57)摘要 本发明提供一种交通状态预测方法、 装置及 电子设备， 涉及智 能交通技术领域， 所述方法包 括： 生成多个染色体单元， 每个染色体单元用于 表征一类时空卷积网络模型； 基于样本集分别计 算多个染色体单元中每个染色体单元对应的时 空卷积网络模 型的损失值； 依据多个染色体单元 对应的时空卷积网络模型的损失值更新多个染 色体单元， 并返回执行基于样 本集分别计算多个 染色体单元中每个染色体单元对应的时空卷积 网络模型的损失值的步骤， 直至确定满足预设条 件的目标 染色体单元； 基于目标 染色体单元对应 的时空卷积网络模型确定预先训练的时空卷积 网络模型； 基于预先训练的时空卷积网络模型预 测交通状态。 本发明能够提高预测交通状态的准确性。 权利要求书2页 说明书16页 附图5页 CN 113821985 B 2022.02.22 CN 113821985 B 1.一种交通状态预测方法， 其特 征在于， 所述方法包括： 生成多个染色体单 元， 每个所述染色体单 元用于表征一类时空卷积网络模型； 基于样本集分别计算所述多个染色体单元中每个所述染色体单元对应的时空卷积网 络模型的损失值； 依据所述多个染色体单元对应的时空卷积网络模型的损失值更新所述多个染色体单 元， 并返回执行所述基于样本集分别计算所述多个染色体单元中每个所述染色体单元对应 的时空卷积网络模型的损失值的步骤， 直至确定满足预设条件的目标染色体单 元； 基于所述目标染色体单元对应的时空卷积网络模型确定预先训练的时空卷积网络模 型； 基于所述预 先训练的时空卷积网络模型 预测交通状态； 所述依据所述多个染色体单元对应的时空卷积网络模型的损失值更新所述多个染色 体单元， 包括： 按照所述多个染色体单元对应的时空卷积网络模型的损失值从高至低对所述多个染 色体单元进行排序； 基于前M1个染色体单元生成M2个第一染色体单元， M1和M2均为正整数， M1大于或等于 M2； 将所述多个染色体单 元中后M2个染色体单 元替换为所述M2个第一染色体单 元。 2.根据权利要求1所述的方法， 其特 征在于， 所述染色体单 元包括如下至少一项： 层数比特位， 观测域比特位， 扩展因子比特位； 其中， 所述层数比特位用于表征所述时空卷积网络模型的隐藏层的层数， 所述观测域 比特位用于表征每个所述隐藏层的观测域， 所述扩展因子比特位用于表征每个所述隐藏层 的卷积扩展因子 。 3.根据权利要求1所述的方法， 其特征在于， 所述基于前M1个染色体单元生成M2个第一 染色体单 元， 包括： 对前M1个染色体单 元进行杂交 处理， 得到至少一个杂交染色体单 元； 对所述前M1个染色体单 元进行变异处 理， 得到至少一个 变异染色体单 元； 其中， 所述M2个第一染色体单元包括所述至少一个杂交染色体单元和所述至少一个变 异染色体单 元。 4.根据权利要求1所述的方法， 其特征在于， 所述目标染色体单元为更新 次数达到第 一 预设次数后排序在最前的染色体单 元； 或者， 所述目标染色体单元为更新过程中连续M3次排序位于最前的染色体单元， M3大于或等 于第二预设次数。 5.根据权利要求1所述的方法， 其特征在于， 所述基于所述预先训练的时空卷积网络模 型预测交通状态， 包括： 将目标路段在当前时刻 之前的N个预测时刻的真实交通状态输入所述预先训练 的时空 卷积网络模型， 其中， 所述时空卷积网络模型包括输入层， 输出层及连接在所述输入层与所 述输出层之间的多个隐藏层， 所述输入层用于输入在当前时刻之前 的N个预测时刻的真实 交通状态， 所述多个隐藏层中每个隐藏层的输出均基于时空注意力机制分别对每个所述隐权　利　要　求　书 1/2 页 2 CN 113821985 B 2藏层的输入进行 卷积计算获得， N 为正整数； 基于所述输出层的输出确定所述目标路段在当前时刻之后的预测时刻的预测 交通状 态。 6.根据权利要求5所述的方法， 其特征在于， 所述输入层还用于输入附加状态信息， 所 述附加状态信息用于表征 所述交通状态所属的环境特 征； 所述多个隐藏层包括第一 隐藏层， 所述第一 隐藏层与所述输入层连接， 所述第一 隐藏 层用于对所述在当前时刻之前的N个预测时刻的真实交通状态与所述附加状态信息进 行融 合。 7.一种交通状态预测装置， 其特 征在于， 所述装置包括： 生成模块， 用于生成多个染色体单元， 每个所述染色体单元用于表征一类时空卷积网 络模型； 计算模块， 用于基于样本集分别计算所述多个染色体单元中每个所述染色体单元对应 的时空卷积网络模型的损失值； 更新模块， 用于依据 所述多个染色体单元对应的时空卷积网络模型的损失值更新所述 多个染色体单元， 并返回执行所述基于样本集分别计算所述多个染色体单元中每个所述 染 色体单元对应的时空卷积网络模型的损失值的步骤， 直至确定满足预设条件的目标染色体 单元； 确定模块， 用于基于所述目标染色体单元对应的时空卷积网络模型确定预先训练的时 空卷积网络模型； 预测模块， 用于基于所述预 先训练的时空卷积网络模型 预测交通状态； 所述更新模块包括： 排序单元， 用于按照所述多个染色体单元对应的时空卷积网络模型的损失值从高至低 对所述多个染色体单 元进行排序； 生成单元， 用于基于前M1个染色体单元生成M2个第一染色体单元， M1和M2均 为正整数， M1大于或等于 M2； 替换单元， 用于将所述多个染色体单元中后M2个染色体单元替换为所述M2个第一染色 体单元。 8.一种电子设备， 其特征在于， 包括： 处理器、 存储器及存储在所述存储器上并可在所 述处理器上运行的程序， 所述程序被所述处理器执行时实现如权利要求 1至6中任一项所述 的交通状态预测方法的步骤。 9.一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 程序， 所述计算机程序被处理器执行时实现如权利要求 1至6中任一项 所述的交通状态预测 方法的步骤。权　利　要　求　书 2/2 页 3 CN 113821985 B 3