路况预测方法及装置、存储介质、处理器与流程

本发明涉及路况信息处理领域，具体而言，涉及一种路况预测方法及装置、存储介质、处理器。
背景技术：
：随着城市建设的不断推进，交通出行成为人们关注的重点，其中最为迫切是及时预测路况给予分流并采取预防措施，降低交通事故减少出行时间。对于市民来说，能够提前预知路况并合理选择出行方式，也可以从整体上缓解交通阻塞。当前对于交通路况的分析和判断，一方面是基于交通部门的统计数据，如地铁人流统计；另一方面是来源于交通应用软件生成的数据，例如导航地图。然而，现有的交通路况分析中并没有对路况的预测，可能出现出发时即将通过的路段是畅通，但到达时却是拥堵的情况，仍然可能存在加重交通阻塞，增加出行时间的问题。针对上述的问题，目前尚未提出有效的解决方案。技术实现要素：本发明实施例提供了一种路况预测方法及装置、存储介质、处理器，以至少解决由于相关技术中无法对路况进行预测造成的仍会存在加重交通阻塞，增加出行时间的技术问题。根据本发明实施例的一个方面，提供了一种路况预测方法，包括：获取目标路段在预设时间段内的历史路况信息，历史路况信息包括不同时刻对应的道路状态；根据不同时刻对应的道路状态，计算每个时刻的状态出现频率，状态出现频率用于指示道路状态在预设时间段内出现的频率；根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵，转移概率矩阵包括从前一时刻到后一时刻状态转移的概率；基于转移概率矩阵，确定目标路段在待预测时刻的路况概率，路况概率用于指示道路状态在待预测时刻出现的概率。可选地，基于转移概率矩阵，确定目标路段在待预测时刻的路况概率，包括：获取待预测时刻的前一时刻的历史路况概率；根据历史路况概率及转移概率矩阵，计算待预测时刻的路况概率。可选地，根据历史路况概率及转移概率矩阵，计算待预测时刻的路况概率，包括：对历史路况概率及转移概率矩阵求和，得到待预测时刻的路况概率。可选地，根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵包括：获取t时刻的状态出现频率以及t+1时刻的状态出现频率；根据t时刻的状态出现频率以及t+1时刻的状态出现频率，计算从t时刻到t+1时刻的状态转移概率；根据从t时刻到t+1时刻的状态转移概率，得到t时刻的转移概率矩阵。可选地，道路状态包括畅通、缓慢以及拥堵；状态转移包括畅通到畅通、缓慢到缓慢、拥堵到拥堵、畅通到缓慢、缓慢到拥堵、拥堵到缓慢以及缓慢到畅通。可选地，根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵包括：获取t1时刻的状态出现频率以及t2时刻的状态出现频率，其中，t1时刻的状态出现频率包括以及表示畅通在预设时间段内出现的频率，表示缓慢在预设时间段内出现的频率，表示拥堵在预设时间段内出现的频率；求解三元一次线性方程：得到p11、p22、p33、p12、p23、p32以及p21，其中，p11表示从t1时刻到t2时刻畅通到畅通的状态转移概率，p22表示从t1时刻到t2时刻缓慢到缓慢的状态转移概率，p33表示从t1时刻到t2时刻拥堵到拥堵的状态转移概率，p12表示从t1时刻到t2时刻畅通到缓慢的状态转移概率，p23表示从t1时刻到t2时刻缓慢到拥堵的状态转移概率，p32表示从t1时刻到t2时刻拥堵到缓慢的状态转移概率，p21表示从t1时刻到t2时刻缓慢到畅通的状态转移概率，p13＝p31＝0；根据得到的p11、p22、p33、p12、p23、p32以及p21，确定t1时刻的转移概率矩阵为依次计算t2时刻至t1440时刻的转移概率矩阵。可选地，根据不同时刻对应的道路状态，计算每个时刻的状态出现频率，包括：通过公式计算t时刻的状态出现频率，其中，ft表示t时刻的状态出现频率，count(st)表示道路状态在预设时间段中出现的次数，t表示预设时间段的天数。可选地，上述方法还包括：实时采集目标路段的道路状态，更新每个时刻的状态出现频率，更新转移概率矩阵。根据本发明实施例的另一方面，还提供了一种路况预测装置，包括：获取单元，用于获取目标路段在预设时间段内的历史路况信息，历史路况信息包括不同时刻对应的道路状态；计算单元，用于根据不同时刻对应的道路状态，计算每个时刻的状态出现频率，状态出现频率用于指示道路状态在预设时间段内出现的频率；处理单元，用于根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵，转移概率矩阵包括从前一时刻到后一时刻状态转移的概率；确定单元，用于基于转移概率矩阵，确定目标路段在待预测时刻的路况概率，路况概率用于指示道路状态在待预测时刻出现的概率。可选地，确定单元用于执行以下步骤基于转移概率矩阵，确定目标路段在待预测时刻的路况概率：获取待预测时刻的前一时刻的历史路况概率；根据历史路况概率及转移概率矩阵，计算待预测时刻的路况概率。可选地，处理单元用于执行以下步骤根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵：获取t时刻的状态出现频率以及t+1时刻的状态出现频率；根据t时刻的状态出现频率以及t+1时刻的状态出现频率，计算从t时刻到t+1时刻的状态转移概率；根据从t时刻到t+1时刻的状态转移概率，得到t时刻的转移概率矩阵。可选地，计算单元用于执行以下步骤根据不同时刻对应的道路状态，计算每个时刻的状态出现频率：通过公式计算t时刻的状态出现频率，其中，ft表示t时刻的状态出现频率，count(st)表示道路状态在预设时间段中出现的次数，t表示预设时间段的天数。根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述路况预测方法。根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述路况预测方法。在本发明实施例中，采用获取目标路段在预设时间段内的历史路况信息，历史路况信息包括不同时刻对应的道路状态；根据不同时刻对应的道路状态，计算每个时刻的状态出现频率，状态出现频率用于指示道路状态在预设时间段内出现的频率；根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵，转移概率矩阵包括从前一时刻到后一时刻状态转移的概率；基于转移概率矩阵，确定目标路段在待预测时刻的路况概率，路况概率用于指示道路状态在待预测时刻出现的概率的方式，通过采集目标路段的历史路况信息，计算每个时刻的状态出现频率，进而得出用于对目标路段的未来路况进行预测的转移概率矩阵，达到了对路段路况进行预测，为出行做参考的目的，从而实现了有效缓解交通阻塞，减少出行时间的技术效果，进而解决了由于相关技术中无法对路况进行预测造成的仍会存在加重交通阻塞，增加出行时间的技术问题。附图说明此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：图1是根据本发明实施例的一种可选的用于实现路况预测方法的计算机终端的硬件结构框图；图2是根据本发明实施例的一种可选的路况预测方法的流程示意图；图3(a)是根据本发明实施例的一种可选的状态空间s的状态关系的示意图；图3(b)是根据本发明实施例的一种可选的从ti时刻到ti+1时刻的状态转移概率的示意图；图4是根据本发明实施例的一种可选的从t时刻到t+1时刻的转移概率矩阵的示意图；图5是根据本发明实施例的一种可选的路况预测装置的结构示意图。具体实施方式为了使本
技术领域：
的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。需要说明的是，本发明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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：马尔可夫链(markovchain)：是数学中具有马尔可夫性质的离散时间随机过程。该过程中，在给定当前指示或信息的情况下，过去对预测将来是无关的。它是随机变量x_1，x_2，x_3……的一个数量。这些变量的范围，即他们所有可能取值的集合，被称为“状态空间”，而x_n的值则是在时间n的状态。状态空间：是指在系统中决定系统状态的最小数目的变量的有序集合。转移概率：从任意一个状态出发，经过任意一次转移，必然出现状态1、2……，m中的一个，这种状态之间的转移称为转移概率。实施例1根据本发明实施例，还提供了一种路况预测方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现路况预测方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，……，102n来示出)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为i/o接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的(路况预测方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的路况预测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器(networkinterfacecontroller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频(radiofrequency，rf)模块，其用于通过无线方式与互联网进行通讯。显示器可以例如触摸屏式的液晶显示器(lcd)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。在上述运行环境下，本申请提供了如图2所示的路况预测方法。图2是根据本发明实施例一的路况预测方法的流程图。步骤s202，获取目标路段在预设时间段内的历史路况信息。本申请上述步骤s202中，历史路况信息包括不同时刻对应的道路状态；道路状态包括畅通、缓慢以及拥堵。本实施例的路况预测方法，对于构建转移概率矩阵，其核心的问题就是如何在知道t时刻的状态空间概率情况下推测t+1时刻的状态空间概率，而解决这个核心问题就要依赖历史数据，从历史统计中发现状态转移的概率。因此，首先需要采集目标路段在预设时间段内的历史路况信息，例如，采集目标路段过去三年每天每分的路况，这个数据从导航地图或者政府统计数据可以获取。步骤s204，根据不同时刻对应的道路状态，计算每个时刻的状态出现频率。本申请上述步骤s204中，状态出现频率用于指示道路状态在预设时间段内出现的频率。也就是说，在获取到历史路况信息中不同时刻对应的道路状态后，可以根据该不同时刻对应的道路状态统计每个时刻三种状态(即畅通、缓慢以及拥堵)出现的频率。可选地，根据不同时刻对应的道路状态，计算每个时刻的状态出现频率，包括：通过公式计算t时刻的状态出现频率，其中，ft表示t时刻的状态出现频率，count(st)表示道路状态在预设时间段中出现的次数，t表示预设时间段的天数。以预设时间段为过去3年(1095天)为例，t时刻三种状态出现的频率即为：分别表示t时刻s空间中三种状态在3年1095天中出现的频率，其中(i＝1,，2，3)表示第i个状态在1095次中出现次数。步骤s206，根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵。本申请上述步骤s206中，在计算出每个时刻的状态出现概率后，可以根据该每个时刻的状态出现概率，得到每个时刻的转移概率矩阵。其中，转移概率矩阵包括从前一时刻到后一时刻状态转移的概率，即从t时刻到t+1时刻的状态转移概率。可选地，根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵包括：获取t时刻的状态出现频率以及t+1时刻的状态出现频率；根据t时刻的状态出现频率以及t+1时刻的状态出现频率，计算从t时刻到t+1时刻的状态转移概率；根据从t时刻到t+1时刻的状态转移概率，得到t时刻的转移概率矩阵。本实施例中，状态转移可以包括畅通到畅通、缓慢到缓慢、拥堵到拥堵、畅通到缓慢、缓慢到拥堵、拥堵到缓慢以及缓慢到畅通。其中，对于从畅通直接到拥堵和从拥堵直接到畅通这两种情况做了排除。进一步可选地，根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵包括：获取t1时刻的状态出现频率以及t2时刻的状态出现频率，其中，t1时刻的状态出现频率包括以及表示畅通在预设时间段内出现的频率，表示缓慢在预设时间段内出现的频率，表示拥堵在预设时间段内出现的频率；求解三元一次线性方程：得到p11、p22、p33、p12、p23、p32以及p21，其中，p11表示从t1时刻到t2时刻畅通到畅通的状态转移概率，p22表示从t1时刻到t2时刻缓慢到缓慢的状态转移概率，p33表示从t1时刻到t2时刻拥堵到拥堵的状态转移概率，p12表示从t1时刻到t2时刻畅通到缓慢的状态转移概率，p23表示从t1时刻到t2时刻缓慢到拥堵的状态转移概率，p32表示从t1时刻到t2时刻拥堵到缓慢的状态转移概率，p21表示从t1时刻到t2时刻缓慢到畅通的状态转移概率，p13＝p31＝0；根据得到的p11、p22、p33、p12、p23、p32以及p21，确定t1时刻的转移概率矩阵为依次计算t2时刻至t1440时刻的转移概率矩阵。步骤s208，基于转移概率矩阵，确定目标路段在待预测时刻的路况概率。本申请上述步骤s208中，路况概率用于指示道路状态在待预测时刻出现的概率。本实施例基于上述的转移概率矩阵，可以预测任意时刻路况。可选地，基于转移概率矩阵，确定目标路段在待预测时刻的路况概率，包括：获取待预测时刻的前一时刻的历史路况概率；根据历史路况概率及转移概率矩阵，计算待预测时刻的路况概率。可选地，根据历史路况概率及转移概率矩阵，计算待预测时刻的路况概率，包括：对历史路况概率及转移概率矩阵求和，得到待预测时刻的路况概率。下面，对本实施例的路况预测方法进行详细描述：对于需给出路况趋势的场景下，本实施例的路况预测方法为基于马尔可夫链(markovchain)的分析方法，结合历史上路段路况各种状态出现的频率计算出转移概率矩阵，用于当前路段的未来路况预判，为出行做参考。以马尔可夫链来分析路况趋势，是基于两个假设：1)路况的状态空间是满足马尔可夫过程的时序性；2)路况状态的转移概率可通过历史数据发现。首先，为了方便后续描述做出如下定义：定义路况的状态空间s＝{s1,s2,s3}，其中，s1表示畅通、s2表示缓慢、s3表示拥堵。定义状态转移的时序，t＝{t1,t2,...,tn}(n＝1440，一天24小时，每小时60分)，要计算出t分到t+1分的状态转移概率。定义初始状态概率，p1＝{p1,p2,p3}，其中，p1表示拥堵的概率、p2表示缓慢的概率、p3表示畅通的概率，这个根据历史数据(即上述的历史路况信息)可以获得，通过状态转移概率，可以获得p2到pn(n＝1440)的概率。本实施例的路况预测方法，可以对每一天每一个路段每个时刻路况的预测，具体步骤如下：步骤一：采集历史数据对于构建转移概率矩阵，最核心的问题就是如何在知道t时刻的状态空间概率情况下推测t+1时刻的状态空间概率，解决这个核心问题就要依赖历史路况信息，从历史路况信息中发现状态转移的概率。采集训练数据：主要采集目标路段过去三年每天每分的道路状态，这个数据从导航地图或者政府统计数据可以获取。按照每年365天3年共1095天、每天1440分，共有1576800行记录，每行包括：天、分、道路状态，天可从1到1095编号，分从1到1440编号，状态取s空间中的三个值。如表1所示：表1天分道路状态值域[1-1095]值域[1-1440]s＝{s1,s2,s3}步骤二：统计每个时刻的状态出现频率(1)首先，计算当前t时刻三种状态出现的频率：分别表示t时刻s空间中三种状态在3年1095天中出现的频率，其中，(i＝1，2，3)表示第i个状态在1095次中出现次数。(2)基于次数统计和占比，生成一天1440时刻(即t1至t1440)的时序，每个时刻包含三个状态的频率，时序如下：…………步骤三：状态空间s的状态关系定义结合3(a)所示，状态间转移有7种，即：1：s1→s1；2：s2→s2；3：s3→s3；4：s1→s2；5：s2→s3；6：s3→s2；7：s2→s1。其中1：畅通到畅通；2：缓慢到缓慢；3：拥堵到拥堵；4：畅通到缓慢；5：缓慢到拥堵；6：拥堵到缓慢；7：缓慢到畅通。对于从畅通直接到拥堵和从拥堵直接到畅通这两种情况做了排除。在步骤二的时序之上，需要获得如图3(b)所示从ti时刻到ti+1时刻的状态转移概率，具体方法后续步骤进行详细描述。步骤四：计算转移概率矩阵转移概率矩阵如图4所示，图4表示从t时刻到t+1时刻状态转换的概率，根据上面定义的状态关系，很明显p13和p31是等于0的，不存在转移的可能性，就是要计算7种状态转换的概率。(1)计算从t1时刻到t2时刻的转移概率矩阵t1时刻和t2时刻的每种状态在1095天中出现的频率(也可称为t1时刻的状态出现频率和t2时刻的状态出现频率)，即：现在要计算从t1时刻到t2时刻的7种状态转移概率：p11＝p(1：s1→s1)p22＝p(2：s2→s2)p33＝p(3：s3→s3)p12＝p(4：s1→s2)p23＝p(5：s2→s3)p32＝p(6：s3→s2)p21＝p(7：s2→s1)构建三元一次线性方程如下：f11×p11+f21×p21+f31×p31＝f12f11×p12+f21×p22+f31×p32＝f22f11×p13+f21×p23+f31×p33＝f32其中p13＝p31＝0，求解该方程，即可得其他7个值。(2)按照(1)中相同的方法计算t2时刻至t1440时刻的转移概率矩阵。步骤五：基于转移概率矩阵预测任意时刻路况假设t时刻的路况概率(即上述的历史路况概率)是：t时刻到t+1时刻的转移概率矩阵p如图4所示，则计算：pt+1＝(pt×p),得到：由此可得，t+1时刻出现路况三种状态的概率(即上述的路况概率)。按照上述步骤一至步骤五的方法，假设目标路段8:00分的三种状态的概率是(0.1,0.4,0.5)，若需推测8:30分的路况状态概率，根据转移概率矩阵，依次计算30次获得8:30分的三种状态的概率是(0.1,0.2,0.7)，可见目标路段70％的可能性是拥堵。步骤六：更新优化转移概率矩阵路况实际上并不是独立，取决于周围环境的变化和附近路段的路况以及各种交通异常，依据历史数据统计和计算的概率矩阵，需要不断更新优化，才能保持当前时刻趋势分析的准确性。更新优化的策略，就是采集每天路段(不间断)的每个时刻的路况，更新状态出现的频率，从而优化矩阵概率，保持对该路段路况的及时跟踪。需要说明的是，目标路段与其相邻路段是会存在相关性关系的，而这种相关性关系可以通过更新优化得到体现，从而保证完备性以及预测准确性。需要补充说明的是，本实施例在计算转移概率矩阵的过程中，可以区分节假日和工作日，从而建立相应的转移概率矩阵，实现在节假日出现拥堵路况的预测，提高预测准确性。本实施例中，通过采集目标路段的历史路况信息，计算每个时刻的状态出现频率，进而得出用于对目标路段的未来路况进行预测的转移概率矩阵，达到了对路段路况进行预测，为出行做参考的目的，从而实现了有效缓解交通阻塞，减少出行时间的技术效果，进而解决了由于相关技术中无法对路况进行预测造成的仍会存在加重交通阻塞，增加出行时间的技术问题。可选地，本实施例的路况预测方法，还包括：实时采集目标路段的道路状态，更新每个时刻的状态出现频率，更新转移概率矩阵。本实施例提供的路况预测方法，基于路段的历史数据，统计路况三种状态的频率，并据此建立马尔可夫链的状态转移概率矩阵，从而可在某一时刻，推测出未来某一时刻的路况状态概率，为出行提供趋势参考，合理选择出行方案，避免拥堵节省时间。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。实施例2根据本发明实施例，还提供了一种用于实施上述路况预测方法的路况预测装置，如图5所示，该装置包括：获取单元50、计算单元52、处理单元54以及确定单元56。获取单元50，用于获取目标路段在预设时间段内的历史路况信息，历史路况信息包括不同时刻对应的道路状态；计算单元52，用于根据不同时刻对应的道路状态，计算每个时刻的状态出现频率，状态出现频率用于指示道路状态在预设时间段内出现的频率；处理单元54，用于根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵，转移概率矩阵包括从前一时刻到后一时刻状态转移的概率；确定单元56，用于基于转移概率矩阵，确定目标路段在待预测时刻的路况概率，路况概率用于指示道路状态在待预测时刻出现的概率。此处需要说明的是，上述获取单元50、计算单元52、处理单元54以及确定单元56对应于实施例1中的步骤s202至步骤s208，四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。可选地，确定单元56用于执行以下步骤基于转移概率矩阵，确定目标路段在待预测时刻的路况概率：获取待预测时刻的前一时刻的历史路况概率；根据历史路况概率及转移概率矩阵，计算待预测时刻的路况概率。可选地，确定单元56用于执行以下步骤根据历史路况概率及转移概率矩阵，计算待预测时刻的路况概率：对历史路况概率及转移概率矩阵求和，得到待预测时刻的路况概率。可选地，处理单元54用于执行以下步骤根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵：获取t时刻的状态出现频率以及t+1时刻的状态出现频率；根据t时刻的状态出现频率以及t+1时刻的状态出现频率，计算从t时刻到t+1时刻的状态转移概率；根据从t时刻到t+1时刻的状态转移概率，得到t时刻的转移概率矩阵。可选地，道路状态包括畅通、缓慢以及拥堵；状态转移包括畅通到畅通、缓慢到缓慢、拥堵到拥堵、畅通到缓慢、缓慢到拥堵、拥堵到缓慢以及缓慢到畅通。可选地，处理单元54用于执行以下步骤根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵：获取t1时刻的状态出现频率以及t2时刻的状态出现频率，其中，t1时刻的状态出现频率包括以及表示畅通在预设时间段内出现的频率，表示缓慢在预设时间段内出现的频率，表示拥堵在预设时间段内出现的频率；求解三元一次线性方程：得到p11、p22、p33、p12、p23、p32以及p21，其中，p11表示从t1时刻到t2时刻畅通到畅通的状态转移概率，p22表示从t1时刻到t2时刻缓慢到缓慢的状态转移概率，p33表示从t1时刻到t2时刻拥堵到拥堵的状态转移概率，p12表示从t1时刻到t2时刻畅通到缓慢的状态转移概率，p23表示从t1时刻到t2时刻缓慢到拥堵的状态转移概率，p32表示从t1时刻到t2时刻拥堵到缓慢的状态转移概率，p21表示从t1时刻到t2时刻缓慢到畅通的状态转移概率，p13＝p31＝0；根据得到的p11、p22、p33、p12、p23、p32以及p21，确定t1时刻的转移概率矩阵为依次计算t2时刻至t1440时刻的转移概率矩阵。可选地，计算单元52用于执行以下步骤根据不同时刻对应的道路状态，计算每个时刻的状态出现频率：通过公式计算t时刻的状态出现频率，其中，ft表示t时刻的状态出现频率，count(st)表示道路状态在预设时间段中出现的次数，t表示预设时间段的天数。可选地，上述路况预测装置，还包括：更新单元，用于实时采集目标路段的道路状态，更新每个时刻的状态出现频率，更新转移概率矩阵。本实施例中，通过采集目标路段的历史路况信息，计算每个时刻的状态出现频率，进而得出用于对目标路段的未来路况进行预测的转移概率矩阵，达到了对路段路况进行预测，为出行做参考的目的，从而实现了有效缓解交通阻塞，减少出行时间的技术效果，进而解决了由于相关技术中无法对路况进行预测造成的仍会存在加重交通阻塞，增加出行时间的技术问题。实施例3本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的路况预测方法所执行的程序代码。可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取目标路段在预设时间段内的历史路况信息，历史路况信息包括不同时刻对应的道路状态；根据不同时刻对应的道路状态，计算每个时刻的状态出现频率，状态出现频率用于指示道路状态在预设时间段内出现的频率；根据每个时刻的状态出现频率，得到每个时刻的转移概率矩阵，转移概率矩阵包括从前一时刻到后一时刻状态转移的概率；基于转移概率矩阵，确定目标路段在待预测时刻的路况概率，路况概率用于指示道路状态在待预测时刻出现的概率。可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：获取待预测时刻的前一时刻的历史路况概率；根据历史路况概率及转移概率矩阵，计算待预测时刻的路况概率。可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：对历史路况概率及转移概率矩阵求和，得到待预测时刻的路况概率。可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：获取t时刻的状态出现频率以及t+1时刻的状态出现频率；根据t时刻的状态出现频率以及t+1时刻的状态出现频率，计算从t时刻到t+1时刻的状态转移概率；根据从t时刻到t+1时刻的状态转移概率，得到t时刻的转移概率矩阵。可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：获取t1时刻的状态出现频率以及t2时刻的状态出现频率，其中，t1时刻的状态出现频率包括以及表示畅通在预设时间段内出现的频率，表示缓慢在预设时间段内出现的频率，表示拥堵在预设时间段内出现的频率；求解三元一次线性方程：得到p11、p22、p33、p12、p23、p32以及p21，其中，p11表示从t1时刻到t2时刻畅通到畅通的状态转移概率，p22表示从t1时刻到t2时刻缓慢到缓慢的状态转移概率，p33表示从t1时刻到t2时刻拥堵到拥堵的状态转移概率，p12表示从t1时刻到t2时刻畅通到缓慢的状态转移概率，p23表示从t1时刻到t2时刻缓慢到拥堵的状态转移概率，p32表示从t1时刻到t2时刻拥堵到缓慢的状态转移概率，p21表示从t1时刻到t2时刻缓慢到畅通的状态转移概率，p13＝p31＝0；根据得到的p11、p22、p33、p12、p23、p32以及p21，确定t1时刻的转移概率矩阵为依次计算t2时刻至t1440时刻的转移概率矩阵。可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：通过公式计算t时刻的状态出现频率，其中，ft表示t时刻的状态出现频率，count(st)表示道路状态在预设时间段中出现的次数，t表示预设时间段的天数。可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：实时采集目标路段的道路状态，更新每个时刻的状态出现频率，更新转移概率矩阵。本发明的实施例还提供了一种处理器。可选地，在本实施例中，上述处理器用于运行程序，其中，程序运行时执行上述实施例一所提供的路况预测方法所执行的程序代码。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。以上所述仅是本发明的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。当前第1页12