[發明專利]基于數字孿生的交通分析模型修正方法及裝置

在審

• 申請號: 202110099376.2
• 申請日: 2021-01-25
• 公開（公告）號: CN112801175A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 孫興煥;高朝暉;陳海英
• 申請（專利權）人: 江蘇量動信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G08G1/01
• 代理公司: 北京久維律師事務所 11582
• 代理人: 邢江峰

1.一種基于數字孿生的交通分析模型修正方法，其特征在于，所述方法包括：

建立交通分析模型，其中，所述交通分析模型通過數字孿生技術建立；

通過傳感器實現所述交通分析模型與交通運行真實數據的同步；

根據預設損失函數計算所述交通分析模型的準確度；

依據所述交通分析模型的準確度，對所述交通分析模型運行的預測值進行補償修正；

通過樣本對所述交通分析模型進行訓練，調整所述交通分析模型的參數，更新所述預設損失函數的度量矩陣。

2.如權利要求1所述的方法，其特征在于，根據預設損失函數計算所述交通分析模型的準確度的步驟中，使用馬氏距離刻畫樣本間的相似性：

其中，xi為模型運行的預測值，xj為運行的真實數據，M是n維協方差矩陣，n＝觀測次數，T表示矩陣轉置符號。

3.如權利要求2所述的方法，其特征在于，根據預設損失函數計算所述交通分析模型的準確度的步驟中，對所述交通分析模型運行及交通運行真實數據通過大數據采集，采用同一個度量矩陣M的條件下，得到所述預設損失函數：

其中，λ是正則化系數，第一項是正則項，C是經驗損失函數的權重，0≤b≤1是決策邊界，l_i，j是隨機過程中馬氏距離的示性函數。

4.如權利要求2所述的方法，其特征在于，根據預設損失函數計算所述交通分析模型的準確度的步驟中，所述預設損失函數為

其中,s.t.M₀，M₁，...M_n≥0，i≠j，λ，λ₀，η是正則化系數，公式的第一項表示公共度量矩陣的正則化限制，第二項是短時約束的正則化限制，第三項是對每一個單獨度量矩陣的正則化約束，第四項是經驗損失函數。

5.如權利要求4所述的方法，其特征在于，所述經驗損失函數定義如下：

M_tot＝M₀+M_t，i≠j。

6.一種基于數字孿生的交通分析模型修正裝置，其特征在于，所述裝置包括：

建立單元，用于建立交通分析模型，其中，所述交通分析模型通過數字孿生技術建立；

同步單元，用于通過傳感器實現所述交通分析模型與交通運行真實數據的同步；

計算單元，用于根據預設損失函數計算所述交通分析模型的準確度；

修正單元，用于依據所述交通分析模型的準確度，對所述交通分析模型運行的預測值進行補償修正；

更新單元，用于通過樣本對所述交通分析模型進行訓練，調整所述交通分析模型的參數，更新所述預設損失函數的度量矩陣。

7.如權利要求6所述的裝置，其特征在于，所述計算單元，用于使用馬氏距離刻畫樣本間的相似性：

其中，xi為模型運行的預測值，xj為運行的真實數據，M是n維協方差矩陣，n＝觀測次數，T表示矩陣轉置符號。

8.如權利要求7所述的裝置，其特征在于，所述計算單元，用于對所述交通分析模型運行及交通運行真實數據通過大數據采集，采用同一個度量矩陣M的條件下，得到所述預設損失函數：

其中，λ是正則化系數，第一項是正則項，C是經驗損失函數的權重，0≤b≤1是決策邊界，l_i，j是隨機過程中馬氏距離的示性函數。

9.如權利要求7所述的裝置，其特征在于，所述計算單元，用于根據以下預設損失函數計算所述交通分析模型的準確度：

其中,s.t.M₀，M₁，...，M_n≥0，i≠j，λ，λ₀，η是正則化系數，公式的第一項表示公共度量矩陣的正則化限制，第二項是短時約束的正則化限制，第三項是對每一個單獨度量矩陣的正則化約束，第四項是經驗損失函數。

10.如權利要求9所述的裝置，其特征在于，所述經驗損失函數定義如下：

M_tot＝M₀+M_t，i≠j。