盘古高速交通流量预测模型

功能介绍

高速交通流预测模型，支持高速车流车速的回归预测任务。首次上线版本，支持多站点，多目标，多尺度的车流车速预测任务。

模型部署后，首次调用会进行预热，时间不超过6min。

URI

POST /v1/predict/traffic

获取URI方式请参见请求URI。

请求参数

表1 请求Header参数（Token认证）
参数	是否必选	参数类型	描述
X-Auth-Token	是（云上部署模型填写）	String	参数解释：用户Token。用于获取操作API的权限。图4响应消息头中X-Subject-Token的值即为Token。约束限制：不涉及取值范围：不涉及默认取值：不涉及
Content-Type	是	String	参数解释：发送的实体的MIME类型。约束限制：不涉及取值范围：不涉及默认取值： application/json

表2 请求Header参数（API Key认证）
参数	是否必选	参数类型	描述
X-Apig-AppCode	是（云上部署模型填写、边缘部署模型仅在监控网关访问模式下填写）	String	参数解释： API Key值。用于获取操作API的权限。API Key认证响应消息头中X-Apig-AppCode的值即为API Key。约束限制：不涉及取值范围：不涉及默认取值：不涉及
Content-Type	是	String	参数解释：发送的实体的MIME类型。约束限制：不涉及取值范围：不涉及默认取值： application/json

表3 请求Body参数
参数	是否必选	参数类型	描述
start_datetime	是	String	参数解释：预测起始时间。约束限制：格式：年-月-日时:分:秒。取值范围：小于当前时间加上样本时间间隔11，例如当前时间为2026-02-13 09:00:00，样本时间间隔1小时，则不超过2026-02-13 20:00:00。默认取值：* 不涉及
end_datetime	是	String	参数解释：预测结束时间。约束限制：格式：年-月-日时:分:秒。取值范围：小于当前时间加上样本时间间隔11，例如当前时间为2026-02-13 09:00:00，样本时间间隔1小时，则不超过2026-02-13 20:00:00，且大于预测起始时间。默认取值：* 不涉及
node_name	是	List[String]	参数解释：预测节点名称列表。约束限制：需在训练配置的节点文件中定义，空列表代表预测所有节点。取值范围：不涉及默认取值：不涉及
feature_list	是	List[String]	参数解释：预测特征列表。约束限制：需在训练数据的列中定义，且不属于非特征列，空列表代表预测所有特征。取值范围：不涉及默认取值：不涉及
history_data	是	Object	参数解释：预测依赖的历史周、历史天、相邻天特征数据。约束限制：包含三个值，键为对应数据的起始时间。历史周：预测起始时间对应的上周时间点。历史天：预测起始时间对应的前一天时间点。相邻天：预测起始时间减去12样本时间间隔。值为三维的历史数据，维度为[T,N,F]。 T: 12 N: 站点数目 F: 有效预测特征数，非feature_list指定的特征数。取值范围：* 不涉及默认取值：不涉及

响应参数

状态码： 200

表4 响应Body参数
参数	参数类型	描述
results	Object	参数解释：预测结果。约束限制：不涉及取值范围：不涉及默认取值：不涉及

状态码： 400

表5 响应Body参数
参数	参数类型	描述
error_code	String	错误码。
error_msg	String	错误信息。

请求示例

假设站点数目为1，特征数目为1

{
  "start_datetime": "2023-07-31 12:00:00",
  "end_datetime": "2023-07-31 15:00:00",
  "node_name": ["罗免"],
  "feature_list": ["exflow"],
  "history_data": {
    "2025-12-19 00:00:00": [
     [[1]],[[2]],[[3]],[[4]],[[5]],[[6]],[[7]],[[8]],[[9]],[[10]],[[11]],[[12]]
    ],
    "2025-12-26 00:00:00": [ 
     [[4]],[[5]],[[6]],[[7]],[[8]],[[9]],[[10]],[[11]],[[12]],[[13]],[[14]],[[15]]
    ],
    "2025-12-26 12:00:00": [
      [[4]],[[5]],[[6]],[[7]],[[8]],[[9]],[[10]],[[11]],[[12]],[[13]],[[14]],[[15]]
    ]
  }
}

响应示例

{
  "result": {
    "predictions": [
      {
        "flows": {
          "exflow": [
            {
              "flow_value": 85,
              "predict_datetime": "2026-02-13 09:00:00"
            },
            {
              "flow_value": 66,
              "predict_datetime": "2026-02-13 10:00:00"
            },
            {
              "flow_value": 42,
              "predict_datetime": "2026-02-13 11:00:00"
            },
            {
              "flow_value": 32,
              "predict_datetime": "2026-02-13 12:00:00"
            },
            {
              "flow_value": 20,
              "predict_datetime": "2026-02-13 13:00:00"
            },
            {
              "flow_value": 13,
              "predict_datetime": "2026-02-13 14:00:00"
            },
            {
              "flow_value": 8,
              "predict_datetime": "2026-02-13 15:00:00"
            },
            {
              "flow_value": 6,
              "predict_datetime": "2026-02-13 16:00:00"
            },
            {
              "flow_value": 11,
              "predict_datetime": "2026-02-13 17:00:00"
            },
            {
              "flow_value": 0,
              "predict_datetime": "2026-02-13 18:00:00"
            },
            {
              "flow_value": 12,
              "predict_datetime": "2026-02-13 19:00:00"
            },
            {
              "flow_value": 19,
              "predict_datetime": "2026-02-13 20:00:00"
            }
          ]
        },
        "node_id": "1002",
        "node_name": "罗免"
      }
    ]
  }
}