[發明專利]一種交通人流量的預測方法及裝置

有效

• 申請號: 201811599811.2
• 申請日: 2018-12-26
• 公開（公告）號: CN109887272B
• 公開（公告）日: 2021-08-13
• 發明（設計）人: 楊嘉駿;趙星
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06Q10/04;G06Q50/26
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝

1.一種交通人流量的預測方法，包括：

獲取待預測時間段對應的時間信息、交通關聯信息；

將所述時間信息、所述交通關聯信息輸入構建的交通流量預測模型中，獲得所述待預測時間段的交通人流量預測值，所述交通流量預測模型包括長短時記憶遞歸神經網絡模型和深度廣度模型，所述長短時記憶遞歸神經網絡模型的輸出為所述深度廣度模型的深度層的輸入，其中，所述交通關聯信息中的交通流量動態關聯信息為所述長短時記憶遞歸神經網絡模型的輸入，所述交通關聯信息中的交通流量靜態關聯信息為所述深度廣度模型的廣度層的輸入。

2.如權利要求1所述的方法，所述交通流量預測模型的構建方法包括：

獲取樣本數據，所述樣本數據包括：歷史交通流量數據、歷史的交通關聯信息，所述交通關聯信息包括：交通流量靜態關聯信息、交通流量動態關聯信息；

構建所述交通流量預測模型；

將所述樣本數據中的歷史交通流量數據、歷史的交通流量動態關聯信息作為所述交通流量預測模型中的所述長短時記憶遞歸神經網絡模型的輸入，將歷史的交通流量靜態關聯信息作為所述交通流量預測模型中的所述深度廣度模型的廣度層的輸入，將所述長短時記憶遞歸神經網絡模型的輸出作為所述深度廣度模型的深度層的輸入，訓練所述交通流量預測模型，直至所述交通流量預測模型符合預設要求。

3.如權利要求2所述的方法，所述獲取樣本數據包括：

獲取歷史交通流量數據，根據所述歷史交通流量數據對應的時間將所述歷史交通流量數據按照交通人流量預測的時間段進行劃分；

將劃分好的歷史交通流量數據進行歸一化處理；

獲取所述歷史交通流量數據對應的歷史的交通關聯信息。

4.如權利要求2所述的方法，所述方法還包括：

將所述樣本數據劃分為訓練數據和測試數據，利用訓練數據對所述交通流量預測模型進行模型訓練；

利用所述測試數據對訓練好的交通流量預測模型進行測試，計算訓練好的模型在所述測試數據上的誤差，選擇誤差最小的交通流量預測模型作為所述構建的交通流量預測模型。

5.如權利要求3所述的方法，所述方法還包括：

將獲得的所述交通人流量預測值進行反歸一化處理，獲得所述待預測時間段的交通人流量預測結果。

6.如權利要求5所述的方法，所述方法還包括：

將所述交通人流量預測結果與所述待預測時間段的實際交通流量進行對比，確定所述交通流量預測模型的預測誤差；

根據所述預測誤差對所述交通流量預測模型進行評估。

7.如權利要求2所述的方法，所述交通流量靜態關聯信息包括：交通站屬性信息、節假日信息中的至少一個，所述交通流量動態關聯信息包括天氣信息。

8.一種交通人流量的預測裝置，包括：

數據獲取模塊，用于獲取待預測時間段對應的時間信息、交通關聯信息；

流量預測模塊，用于將所述時間信息、所述交通關聯信息輸入構建的交通流量預測模型中，獲得所述待預測時間段的交通人流量預測值，所述交通流量預測模型包括長短時記憶遞歸神經網絡模型和深度廣度模型，所述長短時記憶遞歸神經網絡模型的輸出作為所述深度廣度模型的深度層的輸入，其中，所述交通關聯信息中的交通流量動態關聯信息為所述長短時記憶遞歸神經網絡模型的輸入，所述交通關聯信息中的交通流量靜態關聯信息為所述深度廣度模型的廣度層的輸入。