[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

本發明公開了一種基于深度特征提取網絡的交通流量預測時序方法，通過獲取每個路段的交通流信息，以及路段之間的相關度，來獲取交通流相關度的動態語義圖，再通過深度特征提取網絡的交通流量來預測交通流量的時序模型。本發明適合應用在交通出行的最優路線設計，可以對交通堵塞問題起到一定的緩解作用。

技術領域

本發明涉及一種基于深度特征提取網絡的交通流量預測時序方法，屬于交通流量預測技術領域。

背景技術

城市交通是城市社會經濟活動的命脈，對促進城市經濟的發展、便捷人們的出行都具有重要的意義，隨著科學技術的進步和工業的發展，城市中交通量激增，原始的交通方式已不能滿足要求；同時，由于工業發展為城市交通提供的各種交通工具越來越多，從而加速了城市交通事業的發展。

但是城市發展的同時，也造成了交通堵塞、交通事故頻發等一系列的問題。而交通事故的頻發往往在交通擁堵的路段，因此，預測下一個時間周期的交通流就顯得尤為重要。

目前國內外在大規模的交通流量預測技術領域的研究還不夠深入，尤其是在進行公路建設項目可行性研究，往往只考慮有直接影響的某一條或幾條線路，缺乏對所建公路在公路網整體中的作用進行研究，往往造成預測交通量與實際交通量相差太遠。

發明內容

本發明所要解決的技術問題是克服現有技術的缺陷，提供一種基于深度特征提取網絡的交通流量預測時序方法，運用深度學習來預測交通流量，可以對交通流量進行實時預測。

為解決上述技術問題，本發明提供一種基于深度特征提取網絡的交通流量預測時序方法，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；

2)在步驟1)獲得交通流量相關度語義圖的基礎上，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。

前述的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。

前述的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。

前述的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。

前述的步驟2-2)中，估計輔助參數和的參數值的方法如下：