[發(fā)明專利]一種基于機器學習的綜合模型的交通行為預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201710504173.0
• 申請日: 2017-06-28
• 公開（公告）號: CN107451599A
• 公開（公告）日: 2017-12-08
• 發(fā)明（設(shè)計）人: 徐文進
• 申請（專利權(quán)）人: 青島科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N99/00
• 代理公司: 青島智地領(lǐng)創(chuàng)專利代理有限公司37252
• 代理人: 種艷麗

1.一種基于機器學習的綜合模型的交通行為預(yù)測方法，其特征在于，采用基于機器學習的綜合模型用戶的交通行為進行預(yù)測，具體包括如下步驟：

步驟1：數(shù)據(jù)輸入；

步驟2：對數(shù)據(jù)類型進行分類；

不同種類的交通數(shù)據(jù)包括交通用戶類型數(shù)據(jù)、時段性數(shù)據(jù)、歷史數(shù)據(jù)以及外部輸入數(shù)據(jù)在內(nèi)的數(shù)據(jù)；

步驟3：對不同類型的數(shù)據(jù)進行機器學習；

根據(jù)交通理論和行人交通行為，對不同類型的交通數(shù)據(jù)，使用不同的機器學習算法對交通行為進行挖掘，并根據(jù)歷史記錄和交通理論進行預(yù)測；

步驟4：根據(jù)交通歷史記錄和當前交通狀況進行智能加權(quán)綜合；

利用不同種類的機器學習算法對處理不同類型交通數(shù)據(jù)的能力的不同，選擇最優(yōu)的算法處理對應(yīng)的交通數(shù)據(jù)，有經(jīng)過可調(diào)整的加權(quán)整合層對不同算法處理后的結(jié)果進行加權(quán)整合，以達到最優(yōu)化的結(jié)果；

步驟5：輸出預(yù)測結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于機器學習的綜合模型的交通行為預(yù)測方法，其特征在于，在步驟3中，不同的機器學習算法包括K-means聚類算法、ANN(Artificial Neural Network，人工神經(jīng)網(wǎng)絡(luò))算法、SVM(Support Vector Machine，支持向量機)算法；其中，K-means聚類算法用于對交通用戶類型數(shù)據(jù)進行處理，人工神經(jīng)網(wǎng)絡(luò)算法用于對時段性數(shù)據(jù)進行處理，支持向量機算法用于對歷史數(shù)據(jù)處理。