[發明專利]基于人工智能的交通道路擁堵預測方法

在審

• 申請號: 201810046252.6
• 申請日: 2018-01-17
• 公開（公告）號: CN108364462A
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 劉威;王玉環
• 申請（專利權）人: 佛山杰致信息科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/0967
• 代理公司: 北京聯瑞聯豐知識產權代理事務所(普通合伙) 11411
• 代理人: 鄭自群

1.一種基于人工智能的交通道路擁堵預測方法，其特征在于，包括以下步驟：

S1，利用終端側的傳感器系統，采集第一交通數據，上傳至云服務器，同時，利用道路交叉口處的交通監控系統采集第二交通數據，上傳至云服務器；

S2，云服務器接收所述第一交通數據和所述第二交通數據，并基于改進的神經網絡算法進行處理，得到第一預測數據；

S3，云服務器將所述第一預測數據傳輸至終端側的設備；

S4，所述終端側的設備接收云服務器回傳的數據，并將其保存在本地存儲裝置中，然后執行如下步驟：

S41，在終端側的設備上，檢測本地存儲裝置中是否保存有當前道路的歷史路況數據，如果有，則提取當前道路的歷史路況數據，并根據時間特征進行標記；如果沒有，則直接進入步驟S44；

S42，第一計算，計算在當前道路上的歷史路況數據的車速均值；第二計算，計算在當前道路上的歷史路況數據的行駛時間均值，并將計算數據保存在本地存儲裝置中；

S43，根據步驟S41中的標記信息，提取當前道路在不同時間段的歷史路況數據的車速均值和/或行駛時間均值；

S44，將存儲在本地存儲裝置中的第一預測數據，呈現在終端側的設備的顯示裝置上，基于云端神經網絡算法的預測數據和/或終端側的歷史路況數據結果，對道路交通擁堵情況進行預測；

S5，云服務器實時獲取終端側的傳感器系統采集的交通數據，實時獲取道路交叉口處的交通監控系統采集的第二交通數據，將第一交通數據和第二交通數據作為新的輸入變量，基于所述改進的神經網絡算法持續學習，不斷優化所述第一預測數據。

2.根據權利要求1所述的一種基于人工智能的交通道路擁堵預測方法，其特征在于，在步驟S2中，包括如下步驟：

S21：選取多個第一交通數據和多個第二交通數據，同時將第一交通數據和第二交通數據作為神經網絡的樣本數據，設定權值誤差向量為e(w)，利用如下公式計算權值誤差和函數E(w)：

其中，e^T(w)是e(w)的轉置向量；

S22：計算神經網絡權值的Jacobian矩陣J(w)；

其中，i為第i個神經元，j為第j個神經元，第i個神經元與第j個神經元之間的權值為w_ij；

S23：使用如下公式計算新的權值w(k+1)：

w(k+1)＝w(k)-[J^T(w_k)J(w_k)+μI]^-1J^T(w_k)e(w_k)

其中，μ為附加因子，μ＞0，I為單位矩陣；

S24：將新的權值w(k+1)帶入步驟S21中的權值誤差和函數計算公式，計算得到新的權值誤差和函數E(w)₂，比較E(w)₂與原來的E(w)₁的大小，如果E(w)₂的數值減小，則利用數值μ除以大于1的因子θ₁，然后，對w(k+1)的值進行更新，然后轉至步驟S21；如果E(w)₂的數值沒有減小，則利用數值μ乘上一個大于1的因子θ₂，不更新w(k+1)并跳轉至步驟S23，當神經網絡的誤差達到預設值或收斂時，停止函數的迭代計算。

3.根據權利要求1所述的一種基于人工智能的交通道路擁堵預測方法，其特征在于，所述第一交通數據包括實時行駛速度、停留時間、行駛時間、里程數據中的任一種。

4.根據權利要求1或3所述的一種基于人工智能的交通道路擁堵預測方法，其特征在于，所述第二交通數據包括在信號燈處的行駛速度、行駛時間、停留時間、信號燈周期、綠燈時間、紅燈時間中的任一種或多種。

5.根據權利要求1或2所述的一種基于人工智能的交通道路擁堵預測方法，其特征在于，所述終端側的設備包括車輛、設置在車輛上的裝置。

6.根據權利要求5所述的一種基于人工智能的交通道路擁堵預測方法，其特征在于，所述車輛包括無人駕駛車輛。