[發明專利]實時交通流量并行預測方法、系統、終端及存儲介質

在審

• 申請號: 202010837113.2
• 申請日: 2020-08-19
• 公開（公告）號: CN112070280A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 夏大文;楊楠;李華青;蔣順英;鄭永玲;白宇;周號益;嚴曉波;馮夫健;張乾;魏嘉銀;盧友軍;王林
• 申請（專利權）人: 貴州民族大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04;G06F16/2458;G06F16/29;G06F16/182
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 張力波

本發明公開了實時交通流量并行預測方法、系統、終端及存儲介質，方法包括：基于Spark并行分布式計算平臺，根據彈性分布式數據集RDD對車輛的移動軌跡數據進行數據預處理；對處理后的數據進行濾波得到訓練數據；根據訓練數據，構建基于Spark的分布式雙向長短期記憶神經網絡權重模型(SW?BiLSTM模型)；基于Spark并行分布式計算平臺，執行分布式SW?BiLSTM模型，輸出預測結果；基于Spark并行處理框架，通過RDD算子進行數據預處理，經數據濾波平滑后獲得訓練數據，降低對預測模型精度的影響；以及構建分布式SW?BiLSTM模型，在確保交通流量預測魯棒性的同時，提高交通流量預測的準確性和實時性。

技術領域

本發明涉及移動軌跡大數據驅動的交通流量預測領域，尤其涉及實時交通流量并行預測方法、系統、終端及存儲介質。

背景技術

在智能交通系統(ITSs)和先進交通管理系統(ATMSs)中，實時交通流量預測旨在于實現交通流量的實時預測、優化控制和前瞻誘導，是解決交通預警控制的關鍵和基礎。準確實時的交通流量預測可以幫助人們規劃旅行時間和旅行路線，降低不必要的時間開銷，緩解交通擁堵、減少交通事故和改善城市環境等。

傳統交通流量預測模型在集中式挖掘平臺處理大樣本數據時存在“內存消耗高、數據傳輸耗時、計算性能低”等問題，以及基于串行處理框架的現有集中式預測模型在交通流量預測時仍存局限，極易導致“內存消耗高、I/O開銷大、計算性能低和可靠性差”等技術問題。同時，交通流量呈現高度的非線性，時變性和不確定性等特征，以及現有技術并未充分考慮歷史-未來時刻的交通流量信息，以及沒有充分捕捉交通流量內在的相關性信息，從而導致交通流量預測精度低的技術問題。

發明內容

本發明所要解決的技術問題是針對上述現有技術的不足，提供實時交通流量并行預測方法、系統、終端及存儲介質，在確保交通流量預測魯棒性的同時，提高交通流量預測的準確性和實時性，解決集中式挖掘平臺下交通流量預測模型在處理大樣本數據時存在的內存消耗高、計算耗時技術問題。

本發明解決上述技術問題的技術方案如下：實時交通流量并行預測方法，包括以下步驟：

基于Spark并行分布式計算平臺，根據彈性分布式數據集RDD對車輛的移動軌跡數據進行數據預處理；

對所述處理后的數據進行濾波得到訓練數據；

根據所述訓練數據構建基于Spark的分布式雙向長短期記憶神經網絡權重模型(SW-BiLSTM模型)；

基于Spark并行分布式計算平臺，執行所述分布式SW-BiLSTM模型，輸出預測結果。

本發明的有益效果是，在Hadoop分布式計算平臺下,基于Spark并行處理框架，通過RDD算子進行數據預處理和進行濾波后獲得訓練數據，構建分布式SW-BiLSTM模型，基于Spark并行分布式計算平臺，通過RDD實現所述分布式SW-BiLSTM模型，并輸出預測結果，在確保交通流量預測魯棒性的同時，提高交通流量預測的準確性和實時性，解決了集中式挖掘平臺下交通流量預測模型在處理大樣本數據時存在的內存消耗高、計算耗時技術問題。

進一步，基于Spark并行分布式計算平臺，根據彈性分布式數據集RDD對車輛的移動軌跡數據進行數據預處理包括：

讀取存儲在HDFS文件系統中的車輛GPS軌跡數據，并創建多個RDD；

調用Spark中的至少兩種轉換算子和至少兩種執行算子對所述RDD進行數據處理和轉換；

啟動所述RDD將處理轉換后的車輛GPS數據保存至HDFS。