[發(fā)明專(zhuān)利]交通流量預(yù)測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110478074.6
• 申請(qǐng)日: 2021-04-29
• 公開(kāi)（公告）號(hào): CN113205684A
• 公開(kāi)（公告）日: 2021-08-03
• 發(fā)明（設(shè)計(jì)）人: 李文舉;田文超;儲(chǔ)王慧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海應(yīng)用技術(shù)大學(xué)
• 主分類(lèi)號(hào): G08G1/01
• 分類(lèi)號(hào): G08G1/01;G08G1/065;G06N3/04;G06N3/08
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司 31236
• 代理人: 胡晶

1.一種交通流量預(yù)測(cè)方法，其特征在于，包括如下步驟：

獲取PeMS數(shù)據(jù)，以構(gòu)建交通路網(wǎng)拓?fù)鋱D；

按預(yù)設(shè)時(shí)長(zhǎng)跨度劃分時(shí)間段，并對(duì)劃分的每個(gè)時(shí)間段根據(jù)所述交通路網(wǎng)拓?fù)鋱D分別建立網(wǎng)絡(luò)分支；

提取所述網(wǎng)絡(luò)分支的空間特征和時(shí)間特征；

聚合提取的所述空間特征和所述時(shí)間特征，以獲取能夠預(yù)測(cè)交通流量的神經(jīng)網(wǎng)絡(luò)模型。

2.根據(jù)權(quán)利要求1所述的交通流量預(yù)測(cè)方法，其特征在于，所述的獲取PeMS數(shù)據(jù)，以構(gòu)建交通網(wǎng)絡(luò)拓?fù)鋱D包括如下步驟：

獲取所述PeMS數(shù)據(jù)；

將所述PeMS數(shù)據(jù)集中的傳感器作為所述交通路網(wǎng)的拓?fù)鋱D的節(jié)點(diǎn)；

將所述傳感器收集到的路網(wǎng)車(chē)流量、車(chē)速、車(chē)道占有率作為所述節(jié)點(diǎn)的特征向量，以得到所述交通網(wǎng)絡(luò)拓?fù)鋱D。

3.根據(jù)權(quán)利要求2所述的交通流量預(yù)測(cè)方法，其特征在于，所述預(yù)設(shè)時(shí)長(zhǎng)跨度至少包括如下時(shí)長(zhǎng)跨度：

最近2小時(shí)；

最近6小時(shí)；

一日；

一周。

4.根據(jù)權(quán)利要求3所述的交通流量預(yù)測(cè)方法，其特征在于，所述最近2小時(shí)對(duì)應(yīng)了交通流量的具有隨機(jī)特征的短時(shí)預(yù)測(cè)；

所述最近6小時(shí)對(duì)應(yīng)交通流量的具有周期性特征的短時(shí)預(yù)測(cè)；

所述一日對(duì)應(yīng)交通流量的中長(zhǎng)期預(yù)測(cè)；

所述一周對(duì)應(yīng)交通流量的長(zhǎng)期預(yù)測(cè)。

5.根據(jù)權(quán)利要求1所述的交通流量預(yù)測(cè)方法，其特征在于，所述的提取網(wǎng)絡(luò)分支的空間特征和時(shí)間特征包括如下步驟：

在空間維度上，聚合所述網(wǎng)絡(luò)分支的節(jié)點(diǎn)特征，以形成空間卷積模塊，提取得到所述空間特征；

在時(shí)間維度上，利用長(zhǎng)短期記憶網(wǎng)絡(luò)，以提取得到所述網(wǎng)絡(luò)分支的時(shí)間特征。

6.根據(jù)權(quán)利要求5所述的交通流量預(yù)測(cè)方法，其特征在于，在提取所述空間特征時(shí)，采用多頭注意力機(jī)制提高網(wǎng)絡(luò)模型的聚合效率；

采用空洞卷積擴(kuò)大感受視野。

7.根據(jù)權(quán)利要求1所述的交通流量預(yù)測(cè)方法，其特征在于，所述的聚合提取的空間特征和時(shí)間特征，以獲取能夠預(yù)測(cè)交通流量的神經(jīng)網(wǎng)絡(luò)模型包括如下步驟：

初始化超參數(shù)；

利用反向傳播更新網(wǎng)絡(luò)參數(shù)，并計(jì)算損失函數(shù)；

調(diào)整所述超參數(shù)，使所述損失函數(shù)的數(shù)值達(dá)到設(shè)定閾值，以得到所述神經(jīng)網(wǎng)絡(luò)模型。

8.根據(jù)權(quán)利要求7所述的交通流量預(yù)測(cè)方法，其特征在于，采用隨機(jī)梯度下降法來(lái)計(jì)算所述損失函數(shù)的數(shù)值。

9.根據(jù)權(quán)利要求8所述的交通流量預(yù)測(cè)方法，其特征在于，采用均方誤差MSE和平均絕對(duì)誤差MAE作為損失函數(shù)，其中，

所述均方誤差的計(jì)算公式：

所述平均絕對(duì)誤差的計(jì)算公式：

10.一種交通流量預(yù)測(cè)系統(tǒng)，其特征在于，用于實(shí)現(xiàn)權(quán)利要求1至9中任一項(xiàng)所述的交通流量預(yù)測(cè)方法的步驟；所述系統(tǒng)包括：

數(shù)據(jù)搭建模塊，用于獲取PeMS數(shù)據(jù)，以構(gòu)建交通路網(wǎng)拓?fù)鋱D；

數(shù)據(jù)劃分模塊，用于按預(yù)設(shè)時(shí)長(zhǎng)跨度劃分時(shí)間段，并對(duì)劃分的每個(gè)時(shí)間段根據(jù)所述交通路網(wǎng)拓?fù)鋱D分別建立網(wǎng)絡(luò)分支；

特征提取模塊，用于提取所述網(wǎng)絡(luò)分支的空間特征和時(shí)間特征；

特征處理模塊，用于聚合提取的所述空間特征和所述時(shí)間特征，以獲取能夠預(yù)測(cè)交通流量的神經(jīng)網(wǎng)絡(luò)模型。