[發明專利]一種基于時空大數據的交通量預測方法及裝置

有效

• 申請號: 202110306163.2
• 申請日: 2021-03-23
• 公開（公告）號: CN113053123B
• 公開（公告）日: 2022-10-28
• 發明（設計）人: 李穎;閆豆豆;王偉
• 申請（專利權）人: 長安大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/065;G06N3/04;G06Q10/04;G06Q50/30
• 代理公司: 西安恒聯知識產權代理有限公司 61251
• 代理人: 楊銀娟

1.一種基于時空大數據的交通量預測方法，其特征在于，包括以下步驟：

獲取目標檢測路段在一定時間間隔的交通流信息；

對交通流信息按照網格圖形式進行存儲；

對存儲的交通流信息進行建模并提取空間異質性和時間異質性；

利用CNN的輸出經過參數重整作為LSTM的輸入得到預測結果；

所述對交通流信息按照網格圖形式進行存儲；具體包括：

對城市道路按照經度和緯度轉化成網格圖；

將目標檢測路段所在城市按照經度和緯度映射在一張網格圖上，網格圖中每一個小格子內的數值表示當前區域交通量；

按照一定的時間間隔檢測獲取需要預測路段以及該城市其他道路的交通量歷史值并按照網格圖的形式存儲；

所述利用CNN的輸出經過參數重整作為LSTM的輸入得到預測結果，包括：將CNN關于不同時間間隔空間異質性對當前路段所產生的影響作為LSTM的輸入值，得到空間依賴與時間依賴相結合之后產生的未來時刻交通量作為預測結果；

所述獲取目標檢測路段在一定時間間隔的交通流信息；具體包括：收集目標檢測路段及其周圍路段的道路檢測器在一定時間間隔內檢測的交通流信息；

所述對城市道路按照經度和緯度轉化成網格圖；具體包括：

將城市進行分割，按照各個道路所在經度和緯度映射在一個M×N的網格圖中，網格圖中的每一個格子表示固定道路位置在當前時刻的交通狀況，稱為交通柵格數據；

映射后的網格圖中存在大量的空白格，表示這些區域沒有道路；

通過壓縮存儲算法將原始的M×N網格圖進行壓縮得到密集的I×J網格圖，其中I×J網格圖與M×N網格圖的道路空間拓撲關系相同；

所述對存儲的交通流信息進行建模并提取空間異質性和時間異質性；具體包括：

將存儲的多張網格圖作為卷積神經網絡3D CNN的輸入，利用3D CNN對預測路段附近路網的空間依賴關系進行建模；

利用3DCNN提取預測路段關于空間和時間的依賴關系，提取空間異質性；

將3D CNN的輸出經過參數重整作為LSTM的輸入對預測路段固定間隔時間歷史數據之間的時間依賴關系進行建模；

利用LSTM提取預測路段關于時間上的依賴關系，提取時間異質性。

2.根據權利要求1所述的一種基于時空大數據的交通量預測方法，其特征在于，所述按照一定的時間間隔檢測獲取需要預測路段以及該城市其他道路的交通量歷史值并按照網格圖的形式存儲；具體包括：

根據道路檢測器設置總的時間間隔以及每張網格圖所包含的信息的時間間隔；

將各個路段的道路檢測器在每個時間間隔收集到的當前時間段交通量測量值并存儲；

對存儲的交通量測量值進行轉化形成網格圖形成交通柵格數據。

3.根據權利要求1所述的一種基于時空大數據的交通量預測方法，其特征在于，所述利用3DCNN提取預測路段關于空間和時間的依賴關系，提取空間異質性；具體包括：

利用CNN池化層池化機制中的max-pooling方法在保留主要特征的基礎上來減少下一層參數；

利用反向傳播機制縮小誤差進行參數優化；

不斷進行參數更改，獲取層數參數以及濾波器參數設置；

利用3D CNN卷積層提取目標道路的空間異質性。

4.根據權利要求1所述的一種基于時空大數據的交通量預測方法，其特征在于，所述利用LSTM提取預測路段關于時間上的依賴關系，提取時間異質性，具體包括：

將預測路段一段時間間隔的歷史數據作為LSTM的輸入數據；

利用LSTM的框架，根據當前路段歷史數據提取時間上異質性。

5.根據權利要求1-4中任一所述的一種基于時空大數據的交通量預測方法提出一種基于時空大數據的交通量預測裝置，其特征在于，包括：

數據收集模塊，獲取目標檢測路段在一定時間間隔的交通流信息；

數據存儲模塊，對交通流信息按照網格圖形式進行存儲；

建模模塊，對存儲的交通流信息進行建模并提取空間異質性和時間異質性；

預測模塊，利用CNN的輸出經過參數重整作為LSTM的輸入得到預測路段交通量。