[發(fā)明專利]基于RBF神經(jīng)網(wǎng)絡(luò)模型的交通生成預(yù)測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110333100.6
• 申請(qǐng)日: 2021-03-29
• 公開（公告）號(hào): CN113011512A
• 公開（公告）日: 2021-06-22
• 發(fā)明（設(shè)計(jì)）人: 龍科軍;龐稀廉;魏雋君;吳偉
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)沙理工大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G08G1/01
• 代理公司: 湖南兆弘專利事務(wù)所(普通合伙) 43008
• 代理人: 鄒大堅(jiān);胡君

1.一種基于RBF神經(jīng)網(wǎng)絡(luò)模型的交通生成預(yù)測(cè)方法，其特征在于，步驟包括：

步驟S01.數(shù)據(jù)獲取：獲取待預(yù)測(cè)區(qū)域指定時(shí)長(zhǎng)內(nèi)的居民出行起訖點(diǎn)位置坐標(biāo)數(shù)據(jù)；

步驟S02.交通小區(qū)劃分：對(duì)步驟S01獲取的居民出行起訖點(diǎn)位置坐標(biāo)數(shù)據(jù)進(jìn)行聚類分析，由聚類結(jié)果將待預(yù)測(cè)區(qū)域進(jìn)行交通小區(qū)的劃分；

步驟S03.預(yù)測(cè)模型構(gòu)建：使用RBF神經(jīng)網(wǎng)絡(luò)建立用于預(yù)測(cè)所述交通小區(qū)的交通生成量的交通生成預(yù)測(cè)模型；

步驟S04.預(yù)測(cè)模型訓(xùn)練：獲取各所述交通小區(qū)的交通生成影響參數(shù)數(shù)據(jù)以及交通生成量，并將獲取的數(shù)據(jù)作為訓(xùn)練樣本對(duì)所述交通生成預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的交通生成預(yù)測(cè)模型；

步驟S05.交通生成預(yù)測(cè)：將待預(yù)測(cè)交通小區(qū)的交通生成影響參數(shù)數(shù)據(jù)以及交通生成量輸入至訓(xùn)練后的交通生成預(yù)測(cè)模型中，得到待預(yù)測(cè)交通小區(qū)的交通生成量的預(yù)測(cè)結(jié)果輸出。

2.根據(jù)權(quán)利要求1所述的基于RBF神經(jīng)網(wǎng)絡(luò)模型的交通生成預(yù)測(cè)方法，其特征在于，所述步驟S01的步驟包括：

步驟S101.交通數(shù)據(jù)獲取：獲取待預(yù)測(cè)區(qū)域指定時(shí)長(zhǎng)內(nèi)的居民交通出行數(shù)據(jù)，所述居民交通出行數(shù)據(jù)包括車輛位置識(shí)別數(shù)據(jù)、居民出入公共交通數(shù)據(jù)；

步驟S102.坐標(biāo)數(shù)據(jù)轉(zhuǎn)換：將獲取的所述居民交通出行數(shù)據(jù)轉(zhuǎn)換為居民出行起訖點(diǎn)位置坐標(biāo)數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于RBF神經(jīng)網(wǎng)絡(luò)模型的交通生成預(yù)測(cè)方法，其特征在于，所述步驟S02的步驟包括：

步驟S201.初步劃分：對(duì)步驟S01獲取的數(shù)據(jù)基于C均值進(jìn)行所述交通小區(qū)的初步劃分，并比較劃分不同小區(qū)個(gè)數(shù)c時(shí)對(duì)應(yīng)的劃分系數(shù)S大小，獲取最小的劃分系數(shù)S所對(duì)應(yīng)的劃分小區(qū)個(gè)數(shù)c以及各個(gè)小區(qū)中心坐標(biāo)ci作為初始參數(shù)；

步驟S202.聚類分析：對(duì)步驟S01獲取的數(shù)據(jù)使用所述初始參數(shù)進(jìn)行K均值聚類分析，即以C均值聚類得到的小區(qū)個(gè)數(shù)c以及小區(qū)中心ci分別作為K均值聚類分析的小區(qū)個(gè)數(shù)和初始化小區(qū)聚類中心點(diǎn)，循環(huán)更新各個(gè)小區(qū)的中心，當(dāng)兩次相鄰循環(huán)計(jì)算得到的代價(jià)函數(shù)J差別小與給定的閾值e時(shí)完成當(dāng)前聚類分析，得到最終劃分的小區(qū)數(shù)和小區(qū)中心點(diǎn)；

步驟S203.邊界生成：按照步驟S202最終劃分的小區(qū)數(shù)和小區(qū)中心點(diǎn)劃分各所述交通小區(qū)，并對(duì)應(yīng)生成各所述交通小區(qū)的邊界。

4.根據(jù)權(quán)利要求3所述的基于RBF神經(jīng)網(wǎng)絡(luò)模型的交通生成預(yù)測(cè)方法，其特征在于，所述步驟S201的步驟包括：

步驟S211.使用各交通小區(qū)中心到各起訖點(diǎn)樣本的距離隨機(jī)初始生成起訖點(diǎn)隸屬矩陣U，每個(gè)所述起訖點(diǎn)樣本對(duì)應(yīng)一個(gè)起訖點(diǎn)位置坐標(biāo)數(shù)據(jù)，所述起訖點(diǎn)隸屬矩陣U中包括各起訖點(diǎn)樣本歸屬于交通小區(qū)的隸屬度；

步驟S212.根據(jù)各起訖點(diǎn)樣本歸屬于各所述交通小區(qū)的隸屬度，計(jì)算各所述交通小區(qū)的中心；

步驟S213.計(jì)算代價(jià)函數(shù)J，如果第k次計(jì)算的代價(jià)函數(shù)J^(k)與第k+1次計(jì)算得到的代價(jià)函數(shù)J^(K+1)值相差的絕對(duì)值小于給定閾值e，則轉(zhuǎn)至步驟S215，否則轉(zhuǎn)至步驟S214；

步驟S214.計(jì)算所述起訖點(diǎn)隸屬矩陣U；

步驟S215.根據(jù)當(dāng)前計(jì)算得到的隸屬矩陣U劃分交通小區(qū)，其中如果起訖點(diǎn)樣本i屬于交通小區(qū)j的隸屬度達(dá)到最大，則將起訖點(diǎn)樣本i劃分為屬于交通小區(qū)j，完成交通小區(qū)的初步劃分；

步驟S216.計(jì)算劃分系數(shù)S，比較取不同劃分小區(qū)個(gè)數(shù)時(shí)劃分系數(shù)S的大小，并選取最小的劃分系數(shù)S所對(duì)應(yīng)的劃分小區(qū)個(gè)數(shù)c_c以及各個(gè)交通小區(qū)中心坐標(biāo)c_i作為所述初始參數(shù)。