[發明專利]一種基于時間遞歸神經網絡的交通流速度預測方法

在審

• 申請號: 201811002457.0
• 申請日: 2018-08-30
• 公開（公告）號: CN109118014A
• 公開（公告）日: 2019-01-01
• 發明（設計）人: 楊旭華;高斯城
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于時間遞歸神經網絡的交通流速度預測方法，其特征在于，所述方法包括如下步驟：

步驟一：針對一條待預測交通流速度的道路，將該道路分隔為M個路段，從T時刻開始，以時間間隔t對道路上行駛的車輛速度數據進行采樣，將一個路段上車輛的平均速度作為該時刻該路段的交通流速度，進而構建一個M×N的交通流時空輸入矩陣

其中N表示一個時間周期內，對車輛數據采樣的次數，v_i,j表示在j時刻，路段i的交通流速度；

步驟二：構建基于長短期記憶網絡結構的循環神經網絡模型，循環神經網絡的輸入層有一層輸入層，兩層隱藏層，一層全連接層和一層輸出層，其中使用兩層長短期記憶網絡結構作為隱藏層，再將多層長短期記憶網絡結構通過接口連接成循環神經網絡，接著對長短期記憶網絡的輸出增加一層全連接層；

步驟三：前向計算整個模型，從輸入層到隱藏層1，從隱藏層1到隱藏層2，從隱藏層2到全連接層，從全連接層到輸出層，并使用通過時間反向傳播算法反向計算整個模型及權重的梯度，用隨機梯度下降算法最小化目標函數來調整模型各層之間的權重參數，其中o^(t)表示t時刻的預測值，y^(t)表示t時刻的真實值，當目標函數收斂或者達到訓練迭代次數時停止訓練，獲得基于時間遞歸神經網絡的交通流速度預測模型；

步驟四：在已訓練模型輸入表征道路的M個路段的N個連續時刻的交通流速度的M×N時空輸入矩陣數據，得到的輸出為道路M個路段在N+1個時刻的交通流速度預測值。

2.如權利要求1所述的一種基于時間遞歸神經網絡的交通流速度預測方法，其特征在于：所述步驟二中，長短期記憶網絡結構作為隱藏層，其基本單元是一個記憶模塊，包含一個自連接的記憶細胞和三個控制信息流的門單元：輸入門、輸出門和遺忘門；輸入門決定當前時刻網絡的輸入有多少保存到單元狀態；輸出門控制單元狀態有多少輸出到模型的下一層；遺忘門決定上一時刻的單元狀態有多少保留到當前時刻。