[發明專利]基于卷積長短期記憶神經網絡的交通擁堵預測方法及系統

有效

• 申請號: 202110277593.6
• 申請日: 2021-03-15
• 公開（公告）號: CN112966871B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 倪安寧;李桃;俞岑歆;陳欽欽
• 申請（專利權）人: 上海交通大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0639;G06Q50/30;G06F30/27;G06N3/0442;G06N3/0464;G06N3/08
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

1.一種基于卷積長短期記憶神經網絡的交通擁堵預測方法，其特征在于，包括步驟：

S1：獲取與交通擁堵有關的歷史信息；

S2：基于歷史信息構建交通擁堵指標；

S3：構建基于卷積神經網絡以及雙向長短時間記憶神經網絡的預測模型；

S4：基于交通擁堵指標訓練預測模型；

S5；基于歷史信息通過預測模型預測未來時間段的交通擁堵情況，根據預測模型的輸出的閾值判別交通擁堵級別，并將交通擁堵級別作為所預測的交通擁堵預測結果；

在所述步驟S2中，還包括以下步驟：

步驟S21：對歷史信息進行數據處理，以獲得交通數據時間序列數據；

步驟S22：構建交通擁堵判別指標；

步驟S23：時間序列處理：基于時空相關性的三維輸入矩陣；

在所述步驟S21中，數據處理包括：

采用將兩個相鄰時間段內的數據平均值作為歷史信息，并將樣本數據的最大值與最小值，按照MIN-MAX歸一化準則對數據進行歸一化處理，具體如下：

其中，x表示樣本數據，x_min表示樣本數據的最小值，x_max表示樣本數據的最大值；

在所述步驟S21中，數據處理包括：

采用將兩個相鄰時間段內的數據平均值作為歷史信息，并將樣本數據的最大值與最小值，按照MIN-MAX歸一化準則對數據進行歸一化處理，具體如下：

其中，x表示樣本數據，x_min表示樣本數據的最小值，x_max表示樣本數據的最大值；

在所述步驟S23中，所述時間序列處理根據相鄰的p個時間段，相鄰的o個路段以及相鄰q個時間周期以下式1、2進行折疊，以獲得輸入所述預測模型的輸入矩陣[p,o+1,q]：

X＝[X¹,X²,…,X^q]??式2。

2.如權利要求1所述的基于卷積長短期記憶神經網絡的交通擁堵預測方法，其特征在于，所述歷史信息包括基于道路車輛的交通速度。

3.根據權利要求1所述的基于卷積長短期記憶神經網絡的交通擁堵預測方法，其特征在于，在所述步驟S3中，所述預測模型中的第一層卷積網絡用于對步驟S23所獲得的輸入矩陣進行空間特征提取，對輸入矩陣中的輸入數據進行降維；第二層雙向長短期記憶網絡進行時間以及周期特征提取，最終輸出閾值。

4.根據權利要求1所述的基于卷積長短期記憶神經網絡的交通擁堵預測方法，其特征在于，在所述步驟S3中，所述預測模型的隱含層為五層，各個隱含層神經元個數為50個，正則項lambda_L1設置為0.5，lambda_L2設置為0.2。

5.根據權利要求1所述的基于卷積長短期記憶神經網絡的交通擁堵預測方法，其特征在于，在所述步驟S5中，所述交通擁堵級別包括暢通、基本暢通、輕度擁堵、中度擁堵以及重度擁堵。

6.一種基于卷積長短期記憶神經網絡的交通擁堵預測系統，其特征在于，所述交通擁堵預測系統采用如權利要求1-5中任意一項所述的交通擁堵預測方法對交通擁堵進行預測。