本发明涉及计算机，尤其涉及道路运营管理方法、装置、设备及存储介质。
背景技术：
1、目前，随着机动车数量的增加以及出行服务需求日益增长，城市道路或者高速公路上时常出现车流量大，车辆通行效率低下的问题，因此如何快速疏导交通，提高通行效率是当前急需解决的问题。
2、相关技术中，通常是发生了交通拥堵的情况后，通过交通指挥中心或者交通指挥人员的交通管制，限制车流，以此保证道路车辆的快速通行。但是发生了交通拥堵的情况后，当前道路车辆的通行效率已十分低下，交通管制只能减缓交通拥堵的情况，通行效率的提升效果差。
技术实现思路
1、本发明的主要目的在于提供一种道路运营管理方法、装置、设备及存储介质，旨在解决现有技术中通行效率的提升效果差的技术问题。
2、为实现以上目的，本发明提供一种道路运营管理方法，所述道路运营管理方法包括：
3、获取道路运营数据；
4、基于所述道路运营数据，确定当前道路的拥堵预测结果；
5、确定所述拥堵预测结果对应的运营管理方案，并执行所述运营管理方案。
6、可选地，所述基于所述道路运营数据，确定当前道路的拥堵预测结果的步骤，包括：
7、基于所述道路运营数据，通过预设的信息融合模型进行多模态融合处理，得到道路拥堵数据，其中，所述道路运营数据是关于当前被监测道路的多维度数据信息；
8、基于所述道路拥堵数据，通过预设的道路拥堵预测模型进行数据的预测分析计算，得到当前道路的拥堵预测结果，其中，所述道路拥堵预测模型是基于道路拥堵数据样本和所述道路拥堵数据样本的拥堵预测结果标签，对预设的第一待训练模型进行迭代训练得到的。
9、可选地，所述基于所述道路拥堵数据，通过预设的道路拥堵预测模型进行数据的预测分析计算，得到当前道路的拥堵预测结果的步骤之前，所述方法包括：
10、获取道路拥堵数据样本和所述道路拥堵数据样本的拥堵预测结果标签；
11、基于所述道路拥堵数据样本和所述道路拥堵数据样本的拥堵预测结果标签，对预设的第一待训练模型进行迭代训练，得到道路拥堵预测模型。
12、可选地，所述基于所述道路拥堵数据样本和所述道路拥堵数据样本的拥堵预测结果标签，对预设的第一待训练模型进行迭代训练，得到道路拥堵预测模型的步骤，包括：
13、获取所述道路拥堵数据样本的事件信息；
14、基于所述事件信息，确定所述道路拥堵数据样本的事件权重，其中，所述事件权重是指关于事件处理时间的权重，事件处理时间是指事件发生后直至事件处理完成的时长；
15、基于所述道路拥堵数据样本、所述道路拥堵数据样本的事件权重以及所述道路拥堵数据样本的拥堵预测结果标签，对预设的第一待训练模型进行迭代训练，得到道路拥堵预测模型。
16、可选地，所述基于所述道路拥堵数据样本、所述道路拥堵数据样本的事件权重以及所述道路拥堵数据样本的拥堵预测结果标签，对预设的第一待训练模型进行迭代训练，得到道路拥堵预测模型的步骤，包括：
17、基于所述道路拥堵数据样本和所述道路拥堵数据样本的事件权重，通过预设的第一待训练模型进行数据的预测分析计算，得到预测拥堵结果；
18、将所述预测拥堵结果与所述道路拥堵数据样本的拥堵预测结果标签进行差异计算，得到误差结果；
19、基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；
20、若所述误差结果未满足所述预设误差阈值范围指示的误差标准，返回基于所述道路拥堵数据样本和所述道路拥堵数据样本的事件权重，通过预设的第一待训练模型进行数据的预测分析计算，得到预测拥堵结果的步骤，直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到道路拥堵预测模型。
21、可选地，所述基于所述道路运营数据，通过预设的信息融合模型进行多模态融合处理，得到道路拥堵数据的步骤之前，所述方法包括：
22、获取多维度道路运营数据样本、所述多维度道路运营数据样本的拥堵预测结果标签；
23、基于所述多维度道路运营数据样本、所述多维度道路运营数据样本的拥堵预测结果标签，对预设的第二待训练模型和预设的第一待训练模型进行联合训练，得到信息融合模型和道路拥堵预测模型，其中，所述第二待训练模型是所述信息融合模型的初始待训练模型，所述第一待训练模型是所述道路拥堵预测模型的初始待训练模型。
24、可选地，所述基于所述多维度道路运营数据样本、所述多维度道路运营数据样本的拥堵预测结果标签，对预设的第二待训练模型和预设的第一待训练模型进行联合训练，得到信息融合模型和道路拥堵预测模型的步骤，包括：
25、基于所述多维度道路运营数据样本，通过预设的第二待训练模型进行多模态融合处理，得到预测道路拥堵数据，其中，所述第二待训练模型是所述信息融合模型的初始待训练模型；
26、基于所述预测道路拥堵数据，通过预设的第一待训练模型进行数据的预测分析计算，得到预测拥堵结果，其中，所述第一待训练模型是所述道路拥堵预测模型的初始待训练模型；
27、将所述预测拥堵结果与所述道路拥堵数据样本的拥堵预测结果标签进行差异计算，得到误差结果；
28、基于所述误差结果，判断所述误差结果是否满足预设误差阈值范围指示的误差标准；
29、若所述误差结果未满足所述预设误差阈值范围指示的误差标准，返回基于所述多维度道路运营数据样本，通过预设的第二待训练模型进行多模态融合处理，得到预测道路拥堵数据的步骤，直到所述误差结果满足所述预设误差阈值范围指示的误差标准后停止训练，得到联合训练后的信息融合模型和道路拥堵预测模型。
30、可选地，所述获取道路运营数据的步骤，包括：
31、采集道路信息；
32、将所述道路信息进行融合与分析处理，得到道路运营数据，并将所述道路运营数据展示至用户移动终端，以供用户基于所述道路运营数据进行道路管理。
33、本发明还提供一种道路运营管理装置，所述道路运营管理装置包括：
34、获取模块，用于获取道路运营数据；
35、确定模块，用于基于所述道路运营数据，确定当前道路的拥堵预测结果；
36、执行模块，用于确定所述拥堵预测结果对应的运营管理方案，并执行所述运营管理方案。
37、本发明还提供一种道路运营管理设备，所述道路运营管理设备包括：存储器、处理器以及存储在存储器上的用于实现所述道路运营管理方法的程序，
38、所述存储器用于存储实现道路运营管理方法的程序；
39、所述处理器用于执行实现所述道路运营管理方法的程序，以实现所述道路运营管理方法的步骤。
40、本发明还提供一种存储介质，所述存储介质上存储有实现道路运营管理方法的程序，所述实现道路运营管理方法的程序被处理器执行以实现所述道路运营管理方法的步骤。
41、本发明通过监测道路相关的道路运营数据，预测当前该道路在一段时间内是否会出现拥堵情况的拥堵预测结果，根据该拥堵预测结果，提早对该道路执行拥堵预测结果对应的运营管理方案，即在预发生交通拥堵的情况前，提前执行拥堵管制的运营管理方案，以此进一步地减缓交通拥堵，提高通行效率。
1.一种道路运营管理方法，其特征在于，所述道路运营管理方法包括：
2.如权利要求1所述的道路运营管理方法，其特征在于，所述基于所述道路运营数据，确定当前道路的拥堵预测结果的步骤，包括：
3.如权利要求2所述的道路运营管理方法，其特征在于，所述基于所述道路拥堵数据，通过预设的道路拥堵预测模型进行数据的预测分析计算，得到当前道路的拥堵预测结果的步骤之前，所述方法包括：
4.如权利要求3所述的道路运营管理方法，其特征在于，所述基于所述道路拥堵数据样本和所述道路拥堵数据样本的拥堵预测结果标签，对预设的第一待训练模型进行迭代训练，得到道路拥堵预测模型的步骤，包括：
5.如权利要求4所述的道路运营管理方法，其特征在于，所述基于所述道路拥堵数据样本、所述道路拥堵数据样本的事件权重以及所述道路拥堵数据样本的拥堵预测结果标签，对预设的第一待训练模型进行迭代训练，得到道路拥堵预测模型的步骤，包括：
6.如权利要求2所述的道路运营管理方法，其特征在于，所述基于所述道路运营数据，通过预设的信息融合模型进行多模态融合处理，得到道路拥堵数据的步骤之前，所述方法包括：
7.如权利要求1所述的道路运营管理方法，其特征在于，所述获取道路运营数据的步骤，包括：
8.一种道路运营管理装置，其特征在于，所述道路运营管理装置包括：
9.一种道路运营管理设备，其特征在于，所述道路运营管理设备包括：存储器、处理器以及存储在存储器上的用于实现所述道路运营管理方法的程序，
10.一种存储介质，其特征在于，所述存储介质上存储有实现道路运营管理方法的程序，所述实现道路运营管理方法的程序被处理器执行以实现如权利要求1至7中任一项所述道路运营管理方法的步骤。
