[發明專利]基于生成式對抗網絡的城市交通流量預測方法

有效

• 申請號: 201911254775.0
• 申請日: 2019-12-09
• 公開（公告）號: CN111127879B
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 朱寧波;蒲斌;范欣欣;李紅旗;程秋鋒;閆安民;裴崇楊;翟宇軒
• 申請（專利權）人: 湖南大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06Q10/04;G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 深圳市中原力和專利商標事務所(普通合伙) 44289
• 代理人: 胡國良

1.一種基于生成式對抗網絡的城市交通流量預測方法，其特征在于，包括如下步驟：

步驟S1，獲取某一城市的位置信息并將該城市區域劃分為多個網格區域；

步驟S2，采集預設時間內該城市區域中車輛的GPS軌跡數據集，根據時間段統計計算出每個網格區域中的進流量和出流量，并將進流量和出流量組織成流量圖集I，其中I＝(I₁，I₂，...，I_M)，M表示時間段的個數；

步驟S3，將連續的三幀流量圖I_N-2、I_N-1、I_N輸入到訓練好的生成式對抗網絡模型中，即可得到預測的下一個時間間隔的流量圖I_N+1，其中N大于或等于3，其中所述生成式對抗網絡模型包括生成網絡G和判別網絡D，所述生成網絡G依次包括輸入層、交替設置的多個卷積層和多個池化層、交替設置的多個上采樣層、多個卷積層和多個級聯層、以及多個卷積層，所述判別網絡D依次包括級聯層和多個卷積層，且所述生成式對抗網絡模型經過以下步驟訓練得到：

步驟a、獲取某一城市連續時間內的車輛的GPS軌跡點數據集；

步驟b、對所述GPS軌跡點數據集進行預處理，得到流量圖集I；

步驟c、將流量圖集I組織成(I₁，I₂，I₃)，(I₂，I₃，I₄)，...，(I_i，I_i+1，I_i+2)的形式，每個(I_i，I_i+1，I_i+2)為一個n*n像素2通道3幀的流量圖I_i,i+1,i+2，i為自然數；

步驟d，將組織好的流量圖I_i,i+1,i+2輸入到所述生成網絡G中，得到生成的流量圖I_i+3’，其中，I_i+3’＝G(I_i,i+1,i+2)，i的初始值為1；

步驟e，根據步驟d得到的流量圖I_i+3’和步驟b得到的I_i+3計算損失函數loss_G，并根據自適應矩估計優化器更新所述生成網絡G的參數，并將學習率設置為0.001，而所述判別網絡D的參數保持不變，其中損失函數

loss_G＝log(1-D(I_i+2，G(I_i,i+1,i+2)))+||I_i+3-G(I_i,i+1,i+2)||₁；

步驟f，將步驟d生成的流量圖I_i+3’和步驟b得到的流量圖I_i+2輸入到所述判別網絡D中得到D(I_i+2,I_i+3’)，將步驟b得到的流量圖I_i+2和I_i+3輸入到所述判別網絡D中得到D(I_i+2,I_i+3)；

步驟g，根據步驟f得到的D(I_i+2,I_i+3’)和D(I_i+2,I_i+3)計算損失函數loss_D，并根據自適應矩估計優化器更新判別網絡D的參數，并將學習率設置為0.0001，其中損失函數

loss_D＝logD(I_i+2,I_i+3)+log(1-D(I_i+2,I_i+3’))；

步驟h，每次i加1，重復上述步驟d、e、f、g，直到流量圖集I_i中的所有流量圖都輸入到判別網絡D中進行訓練，至此完成一次迭代；

步驟k，重復步驟g，至少完成100次迭代，得到訓練好的生成式對抗網絡模型。