[發明專利]基于LSTM的車輛行為預測方法和裝置

有效

• 申請號: 201810033957.4
• 申請日: 2018-01-11
• 公開（公告）號: CN108053653B
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 趙淦森
• 申請（專利權）人: 廣東蔚海數問大數據科技有限公司
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06K9/62
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 吳迪

1.一種基于LSTM的車輛行為預測方法，其特征在于，所述方法包括：

獲取過車數據；

從所述過車數據中提取特征信息，所述特征信息包括車牌信息；

將所述過車數據根據所述車牌信息進行聚合，得到聚合的車牌信息；

將所述聚合的車牌信息按照時間的升序進行排列，并從按照升序排列的聚合的車牌信息中選取任意車牌信息作為訓練數據；

將所述訓練數據進行預處理，得到訓練集和測試集；

將所述訓練集和所述測試集進行模型訓練和預測，得到預測數據；

所述將所述訓練集和所述測試集進行模型訓練和預測，得到預測數據，包括：

將所述訓練集輸入長短時記憶網絡LSTM算法，得到訓練的模型；

將所述測試集輸入所述訓練的模型，得到所述預測數據。

2.根據權利要求1所述的基于LSTM的車輛行為預測方法，其特征在于，所述將所述訓練數據進行預處理，得到訓練集和測試集，包括：

將所述訓練數據進行轉換處理，得到轉換處理的訓練數據；

對所述轉換處理的訓練數據進行歸一化操作，得到歸一化的訓練數據；

對所述歸一化的訓練數據進行切分，得到所述訓練集和所述測試集。

3.根據權利要求1所述的基于LSTM的車輛行為預測方法，其特征在于，所述方法還包括：

將所述預測數據進行反歸一化處理，得到原始數據；

根據所述原始數據計算方均根差。

4.根據權利要求1所述的基于LSTM的車輛行為預測方法，其特征在于，所述特征信息還包括：卡口名稱信息、卡口位置信息和過車時間信息，其中，所述卡口名稱信息以車牌號、卡口時間和卡口代號的數據形式表示。

5.根據權利要求4所述的基于LSTM的車輛行為預測方法，其特征在于，所述方法還包括：

對所述過車數據進行分析，判斷所述過車數據中是否存在異常數據，所述異常數據包括所述車牌號和所述卡口時間；

如果存在，則刪除所述車牌號和/或所述卡口時間。

6.一種基于LSTM的車輛行為預測裝置，其特征在于，所述裝置包括：

獲取單元，用于獲取過車數據；

提取單元，用于從所述過車數據中提取特征信息，所述特征信息包括車牌信息；

聚合單元，用于將所述過車數據根據所述車牌信息進行聚合，得到聚合的車牌信息；

排列單元，用于將所述聚合的車牌信息按照時間的升序進行排列，并從按照升序排列的聚合的車牌信息中選取任意車牌信息作為訓練數據；

預處理單元，用于將所述訓練數據進行預處理，得到訓練集和測試集；

訓練單元，用于將所述訓練集和所述測試集進行模型訓練和預測，得到預測數據；

所述訓練單元具體用于：

將所述訓練集輸入長短時記憶網絡LSTM算法，得到訓練的模型；

將所述測試集輸入所述訓練的模型，得到所述預測數據。

7.根據權利要求6所述的基于LSTM的車輛行為預測裝置，其特征在于，所述預處理單元具體用于：

將所述訓練數據進行轉換處理，得到轉換處理的訓練數據；

對所述轉換處理的訓練數據進行歸一化操作，得到歸一化的訓練數據；

對所述歸一化的訓練數據進行切分，得到所述訓練集和所述測試集。

8.根據權利要求6所述的基于LSTM的車輛行為預測裝置，其特征在于，所述裝置還包括：

反歸一化處理單元，用于將所述預測數據進行反歸一化處理，得到原始數據；

計算單元，用于根據所述原始數據計算方均根差。