[發(fā)明專利]一種低通信開(kāi)銷的宏觀交通規(guī)律建模方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010600814.4
• 申請(qǐng)日: 2020-06-28
• 公開(kāi)（公告）號(hào): CN111833601B
• 公開(kāi)（公告）日: 2022-05-20
• 發(fā)明（設(shè)計(jì)）人: 趙龍;劉子珩;鄭侃
• 申請(qǐng)（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01;G06F30/27;G06K9/62
• 代理公司: 北京中海智圣知識(shí)產(chǎn)權(quán)代理有限公司 11282
• 代理人: 楊樹(shù)芬

本發(fā)明公開(kāi)了一種低通信開(kāi)銷的宏觀交通規(guī)律建模方法。包括以下步驟：步驟1，由精確樣本集合訓(xùn)練模型并得到重要性閾值；步驟2，用殘缺和污染樣本集合訓(xùn)練模型并測(cè)試得到污染程度；步驟3，傳感器或車輛上傳數(shù)據(jù)并進(jìn)行預(yù)測(cè)；本發(fā)明的優(yōu)越效果是：基于隨機(jī)森林算法，在訓(xùn)練模型的過(guò)程中能夠檢測(cè)到特征之間的影響，能夠方便地計(jì)算特征重要性，發(fā)掘數(shù)據(jù)的空間相關(guān)性并依此進(jìn)行篩選；通過(guò)向模型人為加入噪聲進(jìn)而提高了模型泛化能力，同時(shí)總結(jié)交通數(shù)據(jù)本身存在的周期性規(guī)律，能夠有效提高預(yù)測(cè)準(zhǔn)確率。考慮機(jī)器學(xué)習(xí)預(yù)測(cè)性能和通信傳輸開(kāi)銷的相互影響，優(yōu)化了學(xué)習(xí)與通信性能之間的關(guān)系。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器學(xué)習(xí)、交通擁堵預(yù)測(cè)技術(shù)領(lǐng)域，尤其涉及一種低通信開(kāi)銷的宏觀交通規(guī)律建模方法。

背景技術(shù)

為了理解本發(fā)明所述方法提出的低通信開(kāi)銷的宏觀交通規(guī)律建模方法，先介紹一下機(jī)器學(xué)習(xí)領(lǐng)域和交通擁堵預(yù)測(cè)的相關(guān)背景知識(shí)。

1.機(jī)器學(xué)習(xí)：

機(jī)器學(xué)習(xí)是一門(mén)多領(lǐng)域交叉學(xué)科，專門(mén)研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。機(jī)器學(xué)習(xí)的核心是“使用算法解析數(shù)據(jù)，從中學(xué)習(xí)，然后對(duì)世界上的某件事情做出決定或預(yù)測(cè)”。有三種類型的機(jī)器學(xué)習(xí)：監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。本發(fā)明所述方法中使用到的隨機(jī)森林算法屬于監(jiān)督學(xué)習(xí)，隨機(jī)森林是通過(guò)集成學(xué)習(xí)的思想將多棵樹(shù)集成的一種算法，它的基本單元是決策樹(shù)，利用這種組合降低單一決策樹(shù)有可能帶來(lái)的片面性和判斷不準(zhǔn)確性。從直觀角度來(lái)解釋，每棵決策樹(shù)都是一個(gè)分類器，那么對(duì)于一個(gè)輸入樣本，每棵樹(shù)會(huì)有不同個(gè)分類結(jié)果。而隨機(jī)森林集成了所有的分類投票結(jié)果，將投票次數(shù)最多的類別指定為最終的輸出，這就是一種最簡(jiǎn)單的Bagging思想。隨機(jī)森林能夠用于解決回歸問(wèn)題。首先建立模型，用樣本特征矩陣和連續(xù)型標(biāo)簽訓(xùn)練模型，使其總結(jié)出特征矩陣和連續(xù)型標(biāo)簽之間的某種聯(lián)系；然后模型能夠根據(jù)輸入的特征預(yù)測(cè)出對(duì)應(yīng)的標(biāo)簽。同時(shí)，使用隨機(jī)森林算法能夠計(jì)算不同特征的重要性程度，便于篩選對(duì)預(yù)測(cè)結(jié)果影響更大的特征。

2.交通擁堵預(yù)測(cè)：

鑒于現(xiàn)代城市道路交通存在的嚴(yán)重?fù)矶聠?wèn)題，擁堵預(yù)測(cè)已成為緩解交通壓力、避免擁堵的一種有效手段。各種終端設(shè)備如車輛或傳感器周期性向網(wǎng)絡(luò)服務(wù)器發(fā)送大量數(shù)據(jù)，服務(wù)器通過(guò)大數(shù)據(jù)和機(jī)器學(xué)習(xí)的方法對(duì)不同時(shí)間、不同路段的車輛擁堵情況歷史數(shù)據(jù)進(jìn)行分析，總結(jié)規(guī)律，預(yù)測(cè)未來(lái)道路的擁堵情況。

專利申請(qǐng)公開(kāi)號(hào)CN108960498A、發(fā)明名稱為一種基于時(shí)序關(guān)聯(lián)規(guī)則的交通擁堵預(yù)測(cè)方法，屬于智能交通系統(tǒng)技術(shù)領(lǐng)域。所述基于時(shí)序關(guān)聯(lián)規(guī)則的交通擁堵預(yù)測(cè)方法，具體是通過(guò)利用DBSCAN聚類方法對(duì)交通信息中心獲得的歷史交通擁堵數(shù)據(jù)集進(jìn)行聚類，并利用采集到的道路交通擁堵信息，根據(jù)遺傳算法挖掘道路的時(shí)序關(guān)聯(lián)規(guī)則，進(jìn)而實(shí)現(xiàn)預(yù)測(cè)未來(lái)時(shí)刻的交通擁堵?tīng)顟B(tài)。

專利申請(qǐng)公開(kāi)號(hào)CN108734614A、發(fā)明名稱為一種交通擁堵預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)，一個(gè)實(shí)施例的方法包括：對(duì)獲取的輸入數(shù)據(jù)進(jìn)行嵌入處理，獲得嵌入處理后數(shù)據(jù)，嵌入處理后數(shù)據(jù)為卷積神經(jīng)網(wǎng)絡(luò)可以識(shí)別的格式的數(shù)據(jù)，輸入數(shù)據(jù)包括時(shí)間周期標(biāo)識(shí)以及時(shí)間段標(biāo)識(shí)；采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)嵌入處理后數(shù)據(jù)進(jìn)行處理，從嵌入處理后數(shù)據(jù)中提取出數(shù)據(jù)特征，獲得卷積神經(jīng)網(wǎng)絡(luò)處理結(jié)果；采用循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)卷積神經(jīng)網(wǎng)絡(luò)處理結(jié)果進(jìn)行處理，獲得循環(huán)神經(jīng)網(wǎng)絡(luò)處理結(jié)果；對(duì)循環(huán)神經(jīng)網(wǎng)絡(luò)處理結(jié)果進(jìn)行自編碼處理，獲得自編碼處理結(jié)果；對(duì)自編碼處理結(jié)果進(jìn)行全連接處理，獲得全連接處理結(jié)果；對(duì)全連接處理結(jié)果進(jìn)行分類處理，獲得交通擁堵預(yù)測(cè)結(jié)果。

3.現(xiàn)有技術(shù)存在的不足與缺點(diǎn)：

目前交通擁堵預(yù)測(cè)技術(shù)雖然已相對(duì)成熟，但普遍需要大量的數(shù)據(jù)做支撐，來(lái)訓(xùn)練一個(gè)穩(wěn)定的模型并且提高預(yù)測(cè)準(zhǔn)確率。但從終端向網(wǎng)絡(luò)服務(wù)器發(fā)送大量數(shù)據(jù)的過(guò)程中，引起的開(kāi)銷和資源占用對(duì)通信輸造成了巨大的壓力。如何在保證交通擁堵預(yù)測(cè)的準(zhǔn)確率的同時(shí)來(lái)降低通信開(kāi)銷在現(xiàn)有技術(shù)中還沒(méi)有解決。目前交通擁堵預(yù)測(cè)方法中對(duì)于學(xué)習(xí)和通信性能之間的矛盾關(guān)系并沒(méi)有成熟的研究以及具體可行的方案，這導(dǎo)致了對(duì)通信系統(tǒng)造成的巨大壓力一直沒(méi)有得到有效解決。