[發(fā)明專利]一種預(yù)測(cè)道路交通流量的方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110143302.4
• 申請(qǐng)日: 2021-02-02
• 公開（公告）號(hào): CN112907969B
• 公開（公告）日: 2022-04-22
• 發(fā)明（設(shè)計(jì)）人: 毛天露;劉京堯;王兆其
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院計(jì)算技術(shù)研究所
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01;G06Q10/04;G06Q10/06;G06Q50/26;G06N3/04
• 代理公司: 北京泛華偉業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 11280
• 代理人: 王勇

本發(fā)明提供了一種預(yù)測(cè)道路交通流量的方法和系統(tǒng)，該方法利用道路交通流量仿真模型預(yù)測(cè)道路交通流量，道路交通流量仿真模型包括多頭注意力層和基于LSTM的時(shí)空處理層，其中多頭注意力層用于整合空間上其他路段的隱層狀態(tài)信息，基于LSTM的時(shí)空處理層用于有效的理解當(dāng)前交通流的時(shí)空間狀態(tài)以準(zhǔn)確地反映出目前空間上的交通狀態(tài)。通過(guò)使用本發(fā)明的方法和系統(tǒng)能夠?qū)煌髯兓龀鰷?zhǔn)確預(yù)測(cè)。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器學(xué)習(xí)、計(jì)算機(jī)數(shù)據(jù)挖掘分析技術(shù)領(lǐng)域，尤其涉及一種預(yù)測(cè)道路交通流量的方法及系統(tǒng)。

背景技術(shù)

目前交通流仿真技術(shù)主要分為宏觀模型與微觀模型，微觀模型對(duì)每一輛車的行為進(jìn)行建模，通過(guò)對(duì)每一輛車輛的運(yùn)動(dòng)情況的仿真完成對(duì)路網(wǎng)中交通流的仿真，通過(guò)合適的設(shè)計(jì)可以對(duì)小規(guī)模的路網(wǎng)中的交通流進(jìn)行高精度的仿真；當(dāng)路網(wǎng)規(guī)模較大，路網(wǎng)中車輛數(shù)目極多的情形下，就需要使用宏觀模型對(duì)交通流進(jìn)行仿真，宏觀流模型中最具影響力的是LWR(Lighthill-Whitham-Richards)模型，該模型將交通流視為水流，將車流移動(dòng)的過(guò)程以水流運(yùn)動(dòng)的方式進(jìn)行建模，通過(guò)求解相應(yīng)的偏微分方程組來(lái)對(duì)每一個(gè)時(shí)刻車輛的運(yùn)動(dòng)情況進(jìn)行仿真。后續(xù)的研究者在此基礎(chǔ)上提出了CTM(cell transmission model)，將完整的路網(wǎng)按照一定的規(guī)律拆分成不同的細(xì)胞(cell)，通過(guò)每個(gè)細(xì)胞的車輛數(shù)、車輛密度、車輛速度等等指標(biāo)，計(jì)算在每一個(gè)時(shí)刻下不同細(xì)胞之間的交通流轉(zhuǎn)移情況來(lái)對(duì)交通流進(jìn)行建模。

交通流的變換具備著高度的非線性特征，例如車流隊(duì)列的形成與消散，異質(zhì)交通流(含有不同車輛類型，車道數(shù)不一致等)的運(yùn)動(dòng)等等?，F(xiàn)有的CTM(cell transmissionmodel)模型中通過(guò)一些手工設(shè)計(jì)的函數(shù)來(lái)對(duì)這些特征進(jìn)行模擬，但是這些手工設(shè)計(jì)的函數(shù)并不能非常完美的契合于實(shí)際的交通流變化規(guī)律，從而產(chǎn)生一定的誤差，隨著空間的擴(kuò)展，模型的誤差往往會(huì)產(chǎn)生誤差累積與仿真失真的問(wèn)題，實(shí)際的仿真精度有限。

因此，亟需一種更加精準(zhǔn)的道路交通流量仿真方法和系統(tǒng)。

發(fā)明內(nèi)容

因此，本發(fā)明實(shí)施例的目的在于克服上述現(xiàn)有技術(shù)的缺陷，提供一種道路交通流量仿真模型的訓(xùn)練方法，包括：將道路拆分為若干個(gè)連續(xù)的路段；利用道路交通流量仿真模型初始化所述若干個(gè)連續(xù)的路段當(dāng)前時(shí)刻的隱層狀態(tài)信息；利用任一路段上一時(shí)刻的隱層狀態(tài)信息、其鄰近路段上一時(shí)刻的隱層狀態(tài)信息、所述任一路段當(dāng)前時(shí)刻的交通狀態(tài)信息以及所述道路中第一個(gè)路段下一時(shí)刻駛?cè)氲能囕v數(shù)目訓(xùn)練所述道路交通流量仿真模型，直至完成預(yù)設(shè)的訓(xùn)練周期。

在一個(gè)實(shí)施例中，所述任一路段當(dāng)前時(shí)刻的交通狀態(tài)信息包括該路段前一時(shí)刻駛?cè)氲能囕v數(shù)目、前一時(shí)刻駛出的車輛數(shù)目以及當(dāng)前時(shí)刻存在的車輛數(shù)目。

在一個(gè)實(shí)施例中，所述道路交通流量仿真模型包括多頭注意力層、基于LSTM的時(shí)空處理層和全連接層，所述多頭注意力層用于整合所述任一路段的鄰近路段上一時(shí)刻的隱層狀態(tài)信息；所述基于LSTM的時(shí)空處理層用于基于整合后的所述任一路段的鄰近路段上一時(shí)刻的隱層狀態(tài)信息、所述任一路段上一時(shí)刻的隱層狀態(tài)信息、所述任一路段當(dāng)前時(shí)刻的交通狀態(tài)信息以及所述道路中第一個(gè)路段下一時(shí)刻駛?cè)氲能囕v數(shù)目，獲得所述任一路段當(dāng)前時(shí)刻的隱層狀態(tài)信息；所述全連接層用于基于所述任一路段當(dāng)前時(shí)刻的隱層狀態(tài)信息獲得所述任一路段下一時(shí)刻的交通狀態(tài)信息。

在一個(gè)實(shí)施例中，所述多頭注意力層由多個(gè)連續(xù)的單頭注意力層拼接而成，所述單頭注意力層基于所述任一路段的鄰近路段中每個(gè)路段的注意力權(quán)重獲得所述任一路段的鄰近路段的隱層狀態(tài)空間信息。

在一個(gè)實(shí)施例中，還包括：基于所述任一路段上一時(shí)刻的隱層狀態(tài)信息、其鄰近路段上一時(shí)刻的隱層狀態(tài)信息以及所述任一路段當(dāng)前時(shí)刻的交通狀態(tài)信息，利用所述道路交通流量仿真模型獲取所述任一路段當(dāng)前時(shí)刻的隱層狀態(tài)信息；更新所述任一路段上一時(shí)刻的隱層狀態(tài)信息，并重復(fù)上述步驟直至達(dá)到預(yù)設(shè)的初始化時(shí)限，獲得所述任一路段當(dāng)前時(shí)刻的隱層狀態(tài)，其中，所述任一路段當(dāng)前時(shí)刻的交通狀態(tài)信息從所述路段的真實(shí)數(shù)據(jù)中獲取。