[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

本發明提供了基于LSTM的車輛行為預測方法和裝置，包括：獲取過車數據；從過車數據中提取特征信息，特征信息包括車牌信息；將過車數據根據車牌信息進行聚合，得到聚合的車牌信息；將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；將訓練數據進行預處理，得到訓練集和測試集；將訓練集和測試集進行模型訓練和預測，得到預測數據，可以通過交通卡口及電子警察記錄過車數據，同時利用機器學習的方法，提高預測的準確率。

技術領域

本發明涉及交通技術領域，尤其是涉及基于LSTM的車輛行為預測方法和裝置。

背景技術

當今社會，時時刻刻都會產生大量數據，這些大量數據包括視頻、社交網站、傳感器和氣象等，而交通領域也是如此。目前道路上存在大量卡口、電子警察等視頻監控設備，采集到了龐大的過車數據，這些過車數據包括車輛的時空信息，通過對時空信息的分析挖掘，有效的發現車輛的規律特征，可以在交通、交管等多個方面實現價值。

但是，這些信息的采集都是通過傳感設備采集的，例如，通過車輛中的GPS、RFID和攝像頭等設備，獲取車輛的位置信息、速度信息和加速度信息等；或者，通過與車輛通信的基站的信號覆蓋范圍，確定車輛當前范圍，再獲取車輛的油量和油耗數據，通過分析油的使用確定車輛的行駛里程，從而確定車輛的目前的活動范圍。上述情況，都是通過傳感設備采集的，而這些傳感設備的數據信息，準確率較低。

發明內容

有鑒于此，本發明的目的在于提供基于LSTM的車輛行為預測方法和裝置，可以通過交通卡口及電子警察記錄過車數據，同時利用機器學習的方法，提高預測的準確率。

第一方面，本發明實施例提供了基于LSTM的車輛行為預測方法，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。

進一步的，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。

進一步的，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。

進一步的，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。

進一步的，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。

進一步的，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；