[發明專利]基于組歸一化和網格化協同的交通流預測方法

有效

• 申請號: 202010011994.2
• 申請日: 2020-01-06
• 公開（公告）號: CN111179596B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 暴建民;翟英明;丁飛;姚亮宇;張海濤
• 申請（專利權）人: 南京郵電大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06N3/04;G06N3/08
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 張玉紅

1.一種基于組歸一化和網格化協同的交通流預測方法，其特征在于，包括以下步驟：

S1、將獲取的交通流量數據進行預處理；

S2、將步驟S1處理后的數據，分成g組，每組的樣本數為m，形成m×F的向量；

S3、對步驟S2所得的g組中每組樣本數據進行向量格式轉換，即將m×F的向量轉換成M×T×F向量，其中T為時間間隔，M是T時間間隔內的樣本數，F是特征數，并進行組歸一化操作；

S4、將g組中分別進行步驟S3的組歸一化操作后得到的每組樣本分為訓練樣本和測試樣本，每組的樣本數分別為N和n，此時每組訓練樣本是N×T×F維的向量；

S5、將g組中步驟S4得到的每組訓練樣本分別代入網格循環網絡中，得到g個交通流量預測模型，將所得g個交通流量預測模型經過線性判決器得到最優的交通流量預測模型；

S51、定義初始值，即定義初始記憶單元C₀和初始掩藏層H₀；記憶單元C₀為t＝1時刻，取值范圍在0-0.01之間滿足標準正太分布的K×T×F維向量，掩藏層H₀為t＝1時刻，取值范圍在0-0.01之間滿足標準正太分布的K×1維向量；

S52、將步驟S51定義的C₀和H₀進行網格化處理，使得輸出的記憶單元C′₀帶有掩藏層H₀的信息；網格化處理的本質是進行向量格式轉換；

S53、將步驟S52得到的記憶單元C′₀代入組1所在的循環網絡中，得到記憶單元C₁和掩藏層輸出H₁；

S531、計算f_t，f_t是循環網絡中的中間輸出函數，其主要作用是決定上一時刻的信息保留到當前記憶單元c_t的信息量，其表達式為：f_t＝σ(W_f(t-1)X_t+b_f(t-1))，其中σ為Sigmoid激活函數，其表達式為：s(x)＝1/1+e^-x，常被用作神經網絡的閾值函數，能夠將變量映射到0,1之間；X_t是t時刻的訓練樣本輸入，此輸入是一個N×T×F維向量，T為時間間隔，N是T時間間隔內的訓練樣本數，F是特征數；W_f(t-1)為t時刻X_t與f_t的權重參量，是一個取值范圍在0-0.01之間滿足標準正太分布的K×N維向量；b_f(t-1)為t時刻X_t與f_t的偏置參量，是一個取值范圍在0-0.01之間滿足標準正太分布的K×1維向量；當t＝1時刻，此時W_f(t-1)＝W_f0，b_f(t-1)＝b_f0，X_t＝X₁為N×1×F維向量，即f₁＝σ(W_f0X₁+b_f0)；

S532、計算記憶單元c_t，c_t在循環網絡中既是中間函數又是最終輸出，其主要作用決定了每一時刻保留到循環網絡中的信息量，其表達式為：c_t＝f_t·c_t-1；f_t為t時刻循環網絡中中間輸出函數，c_t-1為相對于t時刻的上一時刻的記憶單元；當t＝1時刻，c₁＝f₁·c₀，其中c₀＝C′₀；

S533、計算r_t，r_t也是循環網絡中的中間輸出函數，其主要作用決定了訓練樣本輸入X_t保留到循環網絡的信息量，其表達式為：r_t＝tanh(W_r(t-1)X_t+b_r(t-1))，其中tanh是激活函數，其表達式為：S(x)＝(e^x-e^-x)/(e^x+e^-x)，W_r(t-1)是t時刻X_t與r_t的權重參量，是一個取值范圍在0-0.01之間滿足標準正太分布的K×N維向量；b_f(t-1)為t時刻X_t與r_t的偏置參量，是一個取值范圍在0-0.01之間滿足標準正太分布的K×1維向量；當t＝1時，此時W_r(t-1)＝W_r0，b_r(t-1)＝b_r0，X_t＝X₁為N×1×F維向量，即r₁＝tanh(W_r0X₁+b_r0)；

S534、計算掩藏層輸出h_t，其表達式為：h_t＝k(c_t)+r_t·X_t，因此掩藏層輸出h_t只依賴于t時刻的記憶單元c_t和t時刻的訓練樣本輸入X_t；其中k(x)表示卷積核函數；當t＝1時，h₁＝k(c₁)+r₁X₁；

S535、依次遍歷步驟S531-S534，遍歷T次，當t＝T時，輸出最終的掩藏層h_T和記憶單元c_T，此時遍歷結束，令H₁＝h_T，C₁＝c_T；

S54、將步驟S535得到H₁和C₁與步驟S51中的H₀和C₀進行網格化處理，得到C′₁；

S55、將C′₁代入組2所在的循環網絡中，進入步驟S53,得到H₂和C₂，再次進入S54，得到C′₂；遍歷到第g次時，得到的H_g和C_g，不需要再進入S54；

S56、將每組經過網格化循環網絡得到的H₁,H₂,...,H_g代入線性判決器，得到最優的交通流量預測模型。