1.一种基于人工智能的城市管理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述交通流量预测模型包括第一特征提取模块和第二特征提取模块,
3.根据权利要求2所述的方法,其特征在于,所述通过所述第一特征提取模块提取所述历史交通流量对应的第一特征信息包括:
4.根据权利要求2所述的方法,其特征在于,所述通过所述第二特征提取模块提取所述道路空间信息对应的第二特征信息包括:
5.根据权利要求2所述的方法,其特征在于,结合所述当前学习器之前的多个弱学习器的累加结果,确定所述训练数据集对应的前向分布,将待训练的交通流量预测模型的损失函数的负梯度作为下降方向迭代优化所述训练数据集对应的前向分布,直至满足迭代次数或者所述交通流量预测模型的预测精度包括:
6.根据权利要求1所述的方法,其特征在于,所述基于所预测的短时交通流量,结合经过所述目标路段的目标车辆的目的地信息设置路阻函数,并以最短经过时间为目标,进行路径规划包括:
7.根据权利要求1所述的方法,其特征在于,所述路阻函数如下公式所示:;其中,l表示路阻函数的输出值,表示目标车辆的当前节点对应的道路拓扑图,表示目标车辆的当前节点,表示目的地信息,表示影响路径规划的影响因素,表示预测短时交通流量信息。
8.一种基于人工智能的城市管理系统,其特征在于,包括:
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。