[發明專利]一種融合多尺度LSTM與BP神經網絡的收費站下道流量短時預測方法在審

申請號：	202110175673.0	申請日：	2021-02-09
公開（公告）號：	CN112801400A	公開（公告）日：	2021-05-14
發明（設計）人：	孫棣華;趙敏;王皓田	申請（專利權）人：	重慶大學
主分類號：	G06Q10/04	分類號：	G06Q10/04;G06Q50/26;G06N3/04;G06N3/08
代理公司：	北京匯澤知識產權代理有限公司 11228	代理人：	武君
地址：	400044 ***	國省代碼：	重慶;50
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種融合尺度 lstm bp 神經網絡收費站流量預測方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種融合多尺度LSTM與BP神經網絡的收費站下道流量短時預測方法，包括：獲取目標車型在目標收費站的收費數據；基于所述收費數據得到目標車型的多種時間窗口的車流量時間序列；將所述目標車型的多種時間窗口的車流量時間序列輸入到車流量預測模型中，預測得到目標時間窗口下的車流量時間序列；其中，所述車流量預測模型為BP神經網模型，所述BP神經網絡模型通過以多個LSTM神經網絡模型的輸出作為輸入，目標車型在某一時間窗口下的車流量時間序列作為輸出訓練得到。本發明利用BP神經網絡層將不同時間窗口下訓練得到的LSTM神經網絡的輸出融合起來，可以對目標時間窗口下的車流量時間序列做出了更高精度的預測。

技術領域

本發明涉及流量預測領域，具體涉及一種融合多尺度LSTM與BP神經網絡的收費站下道流量短時預測方法。

背景技術

隨著國民經濟的高速發展，機動車保有量不斷上升，高速公路系統承載的車流量也不斷攀升，由此也出現了一系列問題，例如高速公路擁堵、收費站車輛排隊等待等。為了解決這一系列的問題，政府部門除了擴大路網規模，也會采取另外一種高效智能的手段——智能交通系統，而交通流量預測是智能交通系統中的關鍵技術之一。交通流量預測技術可以根據交通系統的歷史車流量狀態，準確地預測出某個地點未來的短時車流量。這樣的一項技術，不僅可以及時地給高速公路旅行者提供路況信息，幫助他們做出更好的路線規劃從而節省旅行時間，也可以為高速公路管理部門提供運營管控的決策依據，例如：在道路發生擁堵時，交管部門可以根據預測到的周邊收費站的車流量狀況，實施引流措施從而減緩道路擁堵；收費站運營部門也可以根據站點的未來車流量情況，制定更加合理高效的收費站運營模式。因此，對于個人以及高速公路管理部門，一種準確的交通流量預測技術都有著重要的作用和意義。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種融合多尺度LSTM與BP神經網絡的收費站下道流量短時預測方法，用于解決現有技術中的至少一個缺陷。

為實現上述目的及其他相關目的，本發明提供一種融合多尺度LSTM與BP神經網絡的收費站下道流量短時預測方法，包括：

獲取目標車型在目標收費站的收費數據；

基于所述收費數據得到目標車型的多種時間窗口的車流量時間序列；

將所述目標車型的多種時間窗口的車流量時間序列輸入到車流量預測模型中，預測得到目標時間窗口下的車流量時間序列；

其中，所述車流量預測模型為BP神經網模型，所述BP神經網絡模型通過以多個LSTM神經網絡模型的輸出作為輸入，目標車型在某一時間窗口下的車流量時間序列作為輸出訓練得到；

多個所述LSTM神經網絡模型是基于目標車型在不同時間窗口下的車流量時間序列訓練得到，不同LSTM神經網絡模型對應不同尺度時間窗口下的車流量時間序列。

可選地，所述多種時間窗口至少包括：60min時間窗口、30min時間窗口、15min時間窗口。

可選地，所述目標車型在某一時間窗口下的車流量時間序列為目標車型在30min時間窗口下的車流量時間序列。

可選地，所述多個LSTM神經網絡模型包括通過60min時間窗口、30min時間窗口、15min時間窗口下的車流序列訓練得到的LSTM神經網絡模型。

可選地，在訓練所述LSTM神經網絡模型過程中，通過隨機搜索算法得到LSTM神經網絡模型的最優超參數，通過所述最優超參數訓練LSTM神經網絡模型。