[發明專利]一種交通流量預測方法及裝置

有效

• 申請號: 201710174865.3
• 申請日: 2017-03-22
• 公開（公告）號: CN106710222B
• 公開（公告）日: 2019-07-02
• 發明（設計）人: 李澤熊;吳偉民;吳汪洋;李澤鋒
• 申請（專利權）人: 廣東工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本發明公開了一種交通流量預測方法，該方法包括以下步驟：獲得當前時刻之前設定時間段內目標區域的交通流量時間序列；對交通流量時間序列進行小波包分解，分解成多個子序列；利用基于飛蛾動態感知捕焰算法預先訓練得到的神經網絡優化模型對各子序列進行預測，獲得多個預測值；重構疊加各預測值，獲得目標區域短期未來的交通流量值。應用本發明實施例所提供的技術方案，可以捕獲到交通流量的變化規律，提升預測交通流量時間序列的準確度和泛化能力。本發明還公開了一種交通流量預測裝置，具有相應技術效果。

技術領域

本發明涉及計算機應用技術領域，特別是涉及一種交通流量預測方法及裝置。

背景技術

隨著智能交通系統的迅速發展，對交通流量進行實時準確的預測是交通規劃和交通誘導的基礎。短期交通流量預測具有突發性、不確定性和混沌度等非線性特征，是目前交通專家和學者研究的熱點。

目前通常是基于神經網絡和支持向量機SVM的非線性模型進行短期交通流量預測。如基于BP神經網絡技術的交通流量預測模型以及包容性檢驗SVM向量機的交通流量預測模型等。

這些方法存在一定的缺點。其中，BP神經網絡采用梯度下降法調整閾值和權值，算法易早熟，使得預測精度較低；向量機SVM預測結果的好壞與參數的選取密切相關，性能不穩定，泛化能力較弱。

發明內容

本發明的目的是提供一種交通流量預測方法及裝置，以提升預測交通流量時間序列的準確度和泛化能力。

為解決上述技術問題，本發明提供如下技術方案：

一種交通流量預測方法，包括：

獲得當前時刻之前設定時間段內目標區域的交通流量時間序列；

對所述交通流量時間序列進行小波包分解，分解成多個子序列；

利用基于飛蛾動態感知捕焰算法預先訓練得到的神經網絡優化模型對各子序列進行預測，獲得多個預測值；

重構疊加各預測值，獲得所述目標區域短期未來的交通流量值。

在本發明的一種具體實施方式中，所述對所述交通流量時間序列進行小波包分解，分解成多個子序列，包括：

根據以下公式對所述交通流量時間序列進行小波包分解，獲得多個子序列：

其中，dⁱ為第I層的小波包分解頻帶系數，h₀和g₀均為小波包分解共軛濾波器的系數，l為位置指標的時間參數，k為尺度指標的頻域參數。

在本發明的一種具體實施方式中，通過以下步驟基于飛蛾動態感知捕焰算法預先訓練得到所述神經網絡優化模型：

建立Elman神經網絡，確定基本參數；

初始化包含多個個體的種群；

訓練所述Elman神經網絡，根據訓練結果計算所述種群中每個個體的適應度值；

人工飛蛾進行光源動態感知捕焰，對所述種群的個體解碼，尋優搜索開發，自適應調整相關的權值和閾值，并反饋給所述Elman神經網絡；

重復執行所述訓練所述Elman神經網絡的步驟，直至所述種群的迭代次數大于設定第一閾值或者所述Elman神經網絡的適應度函數的值小于設定第二閾值，獲得所述神經網絡優化模型。

在本發明的一種具體實施方式中，所述根據訓練結果計算所述種群中每個個體的適應度值，包括：

根據以下公式計算所述種群中每個個體的適應度值：