[發明專利]基于深度特征提取網絡的交通流量預測時序方法

有效

• 申請號: 201710445486.3
• 申請日: 2017-06-13
• 公開（公告）號: CN107170235B
• 公開（公告）日: 2020-03-03
• 發明（設計）人: 陳媛芳;藍桂茂;陳法林;舒磊
• 申請（專利權）人: 廣東石油化工學院
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林;張賞

1.基于深度特征提取網絡的交通流量預測時序方法，其特征在于，包括以下步驟：

1)獲取隨著時間傳遞的交通流量相關度動態語義圖；所述交通流量相關度動態語義圖是指定義同一時間周期內，如果一個路段的交通流量在一定程度上影響另一個路段的交通流量，則這兩個路段之間具有相關度，把有相關度的路段彼此連接起來，每過一個時間周期動態更新實際觀察到的交通流量，即可獲得實時的交通流量動態語義圖；

2)在步驟1)獲得交通流量相關度動態語義圖的基礎上，應用深度特征提取網絡的交通流量時序模型預測下一時間周期的交通流量，具體步驟如下：

2-1)假設某一系列時刻t的交通流量X^t為：

其中，為第i個路段在系列時刻t的交通流量，N表示路段數，n表示時刻數，第k個路段的交通流量受到與它相連的上一個路段的交通流量的影響，假設與它相連的上一個路段有m段，每一段與其相連的交通流量都貢獻交通流量給第k個路段，則有：

其中，為第k個路段在系列時刻t預測的交通流量，是與第k個路段相連的所有上一個路段貢獻給的交通流量之和，是第j個路段的輔助參數，上標t-1為系列時刻t的前一個系列時刻，是第j個路段在系列時刻t-1的交通流量，ε_t是系列時刻的噪音，ε_t的分布是正態分布，即為方差；

2-2)估計輔助參數和的參數值；

2-3)優化輔助參數并預測交通流量。

2.根據權利要求1所述的基于深度特征提取網絡的交通流量預測時序方法，其特征在于，所述時序模型是指對某一個或一組變量進行觀察測量，并在一系列時刻t₁,t₂,...,t_n按照時間次序排列，用于解釋變量和一系列時刻之間的相互關系的數學表達式。

3.根據權利要求1所述的基于深度特征提取網絡的交通流量預測時序方法，其特征在于，所述深度特征提取網絡是指從一個輸入中產生一個輸出所涉及的計算可通過一個流向圖來表示，流向圖是一種能夠表示計算的圖，在這種圖中每一個節點表示一個基本的計算以及一個計算的值，計算的結果被應用到這個節點的子節點的值。

4.根據權利要求1所述的基于深度特征提取網絡的交通流量預測時序方法，其特征在于，所述步驟2-2)中，估計輔助參數和的參數值的方法如下：

假設表示第1路段在系列時刻t-1的交通流量，表示第2路段在系列時刻t-1的交通流量，表示第3路段在系列時刻t的交通流量，表示第4路段在系列時刻t的交通流量，第1路段和第2路段與第3路段有相關度，第1路段和第2路段與第4路段有相關度；

設第1路段和第2路段流向第3路段的輔助參數為和第1路段和第2路段流向第4路段的輔助參數為和則根據公式(2)有：

又由于第1路段和第2路段的交通流和都分配給了第3路段和第4路段，則有：

將式(3)兩邊乘以得：

將式(4)兩邊乘以得：

則有式(7)＝(8)，將和看成變量，則有：

聯立式(5)和(9)得：

聯立式(6)和(10)得：

按照這樣的方法即可求出參數

是模型殘差序列{ε_t}的方差，故有：

估計出即可按上式估計出

5.根據權利要求1所述的基于深度特征提取網絡的交通流量預測時序方法，其特征在于，所述優化輔助參數的過程為：將一個系列時刻的與第k路段相連的路段的上一系列時刻t-1的交通流量代入到模型中，計算得到即為第k路段的預測值，選取多天同一系列時刻的數據進行多次預測，每一次預測值與對應的歷史觀測數據作運算，取的值最小時對應的作為優化后的輔助參數。

6.根據權利要求5所述的基于深度特征提取網絡的交通流量預測時序方法，其特征在于，為了不使預測值和歷史觀測數據完全相等，在公式(2)的基礎上，再引進一個常數C來矯正以防過擬合，則有：