[發明專利]一種基于LSTM-CNN的城市路網交通狀態預測方法

有效

• 申請號: 201811278958.1
• 申請日: 2018-10-30
• 公開（公告）號: CN109544911B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 陳銳祥;王家偉;何兆成
• 申請（專利權）人: 中山大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06N3/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于LSTM-CNN的城市路網交通狀態預測方法，其特征在于，包括以下步驟：

步驟S1：對路網的歷史車速進行估計計算；

所述步驟S1通過卡口檢測的數據和/或浮動車的數據對路網的歷史車速進行估計；

其中通過卡口檢測的數據對路網的歷史車速進行估計的具體過程如下：

步驟S101：篩選T時段路網所有的過車記錄R；

步驟S102：判斷R是否為空，若是，執行步驟S103；若否，執行步驟S104；

步驟S103：統計所有估計速度，將屬于同一路段的結果取平均值；

步驟S104：篩選車牌C所有記錄Rc，按時間順序升序排列；

步驟S105：設Rc第一條記錄序號t＝0；共包含記錄數Nc；

步驟S106：判斷t+1≤Nc是否成立，若否，執行步驟S102；若是，執行步驟S107；

步驟S107：判斷t和t+1的記錄對應的卡口是否是相鄰卡口；若否，執行步驟S108；若是，執行步驟S110；

步驟S108：根據迪杰斯特拉算法重構卡口對之間的路段，設重構后路段集合為S＝{s_i|i＝1，2…k}，i表示不同的路段；

步驟S109：根據路段長度分配行程時間d_j表示路段j的長度；d_i表示路段i的長度，T_t，t+1表示某輛車在t，t+1兩條記錄間的行程時間；

步驟S110：計算兩卡口間路段的車速

步驟S111：令t＝t+1，然后執行步驟S106；

所述步驟S1通過浮動車的數據對路網的歷史車速進行估計的具體過程如下：

設每條車輛軌跡L_l，l＝1，2，...N由若干車輛觀測記錄r_lj，j＝1，2，...，n_l組成，N表示總的車輛軌跡數；n_l表示軌跡L_l的總的行駛記錄觀測數；None表示軌跡終止，將每條行駛軌跡記錄的行程時間用向量T_l表示，T_l中的每個元素t_r表示每個車輛第r條行駛記錄觀測的行程時間，為n_l×1的向量，每個路段s的長度用d_s表示，對于每條軌跡L_l，構造矩陣分配該軌跡在路網各路段的行駛距離，其中|S|表示路網中路段總數；D^l(i，j)表示對于第l條車輛軌跡，第i條車輛行駛記錄被觀測到在路段j上行駛的距離；

設路網共包含路段數為|S|＝3，共出現車輛軌跡數N＝2，第一條軌跡中車輛行駛記錄觀測的總數n₁＝2，包含的車輛觀測記錄是r₁₁，r₁₂；在第二條軌跡中，車輛行駛記錄觀測的總數n₂＝3，包含的車輛觀測記錄是r₂₁，r₂₂，r₂₃，路段s₁，s₂，s₃的速度分別v₁，v₂，v₃，則兩條軌跡行程時間的估計值分別為：

其中為第一條軌跡第1，2條觀測記錄的估計行程時間，為第二條軌跡第1，2，3條觀測記錄的估計行程時間；

則速度估計問題可以轉化為以下優化問題：

其中，s.t.v_j＞0，j＝1，2，3；

把上述問題歸納為一般形式如下：

其中，s.t.v_j＞0，j＝1，2，3…N；

V為N×1向量，表示路網各個路段的估計速度，T_l和分別表示軌跡L_l各條觀測記錄的實際行程時間和估計行程時間；

通過遺傳算法求解該問題，即可得到估計的速度信息；

步驟S2：基于獲得的歷史車速信息構建鄰接矩陣；

步驟S3：構建LSTM-CNN神經網絡；

步驟S4：將鄰接矩陣作為輸入對LSTM-CNN神經網絡進行訓練，并利用梯度下降法更新優化LSTM-CNN神經網絡的參數；

步驟S5：步驟S5迭代進行直至LSTM-CNN神經網絡收斂；

步驟S6：向LSTM-CNN神經網絡輸入實時的車速信息的鄰接矩陣，對路網交通狀態進行預測。