[發明專利]一種基于門控循環單元神經網絡的交通擁堵預警方法

在審

• 申請號: 202110555241.2
• 申請日: 2021-05-21
• 公開（公告）號: CN113449905A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 郭海鋒;程茂恒;劉瑞;吳銓力
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G08G1/01;G06N3/04;G06N3/08
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵

一種基于門控循環單元神經網絡的交通擁堵預警方法，包括：1)獲取車道檢測器采集的交通流數據信息，包括流量、占有率和速度信息；2)對數據進行預處理，處理其中不合理的部分，以免對后續訓練模型的精度造成影響，之后再進行標準化處理；3)構建注意力機制和門控循環單元神經網絡的組合模型，將樣本集分成訓練集、測試集和驗證集；4)定義模型損失函數，基于反向傳播理論訓練模型；5)設定擁堵狀態評判標準，對模型輸出結果進行判斷，實現交通擁堵預警。本發明能夠通過已知的交通流數據對下一時刻的交通流信息進行預測，并根據預測的結果對路口未來時刻是否發生擁堵做出判斷，比較準確地實現了交通擁堵預警。

技術領域

本發明涉及一種基于門控循環單元神經網絡的交通擁堵預警方法。

技術背景

近些年來，隨著中國城市化水平的不斷提高，中國的汽車產業發展十分迅猛。現如今，龐大的機動車保有量以及其仍具有的快速增長態勢，給城市基礎道路交通運輸系統帶來了不小的挑戰，對城市交通的發展提出了更高的要求。

基于此，應用現如今前沿的科學技術，如數據通信技術、傳感器技術、大數據、人工智能等，與交通領域的實際情況、實際問題相結合，將之有效地綜合運用于整個交通運輸管理體系中，從而建立起一種實時、準確、高效的綜合運輸和管理系統就成為解決交通問題的一個有效途徑。這其中，交通擁堵預警是這方面研究的重要組成部分。現有技術中存在短時交通流預測準確度低的不足。即時、準確的短時交通流預測，用于預知可能發生的擁堵，并有時間提前對擁堵做出預警，輔助交通管理人員對城市道路交通運行狀況有一個更為及時的把控，為更加準確的交通控制提供了依據，從而更好地發揮整個交通系統的協調作用。

發明內容

本發明要克服現有技術上的不足，實現比較準確的交通擁堵預警，提供一種基于門控循環單元神經網絡的交通擁堵預警方法。

循環神經網絡適合用以處理時間序列數據，而相比于普通的循環神經網絡，門控循環單元神經網絡有效地解決了無法處理長期依賴的問題。本發明更是將注意力機制運用進門控循環單元神經網絡中，使得訓練得到的模型的效果和準確度得到進一步的提升。

本發明解決其技術問題所采用的技術方案是：

一種基于門控循環單元神經網絡的交通擁堵預警方法，含有以下步驟：

1)通過城市中各個節點車道檢測器采集交通流數據信息，得到原始交通流數據樣本集，其中，數據包括三個特征：流量值、占有率和速度值。

2)對獲取的交通流數據進行預處理，之后作為神經網絡的訓練數據集。

3)構建注意力機制和門控循環單元神經網絡相結合的組合模型。

4)定義模型損失函數，基于反向傳播理論訓練模型。

5)設定交通擁堵狀態評判標準，針對短時交通流預測結果進行判斷，對未來時刻是否發生擁堵做出預警。

在步驟1)中，數據采集的環境不限于具體的某個城市和特定的時間段；用于采集交通流數據信息的車道檢測器設備包括線圈檢測器、地磁檢測器及相關設備。

在步驟2)中，對獲取的交通流數據進行預處理，其具體內容為：

(2.1)篩選掉不合理的數據：對于一個時間區間，當該區間內檢測器采集到的數據缺失量大于10％時，其已經在某種程度上破壞了整體數據的完整性和規律性，則直接舍棄掉這段區間內的所有數據，不加入到后續神經網絡的訓練中。對于在空間維度上是同一節點，同一時刻輸出多條交通流數據的情況，值相同，取其中一條數據；值不同，則只取第一條數據。當某個節點某一時刻輸出的數據與前一時刻和后一時刻同時相比增長或者降低幅度大于3倍，那么該數據信息要被篩選掉，不予訓練，以待后續處理。不符合采集路段實際道路情況的數據信息也要被篩選掉。因同一時刻獲取的交通流數據同時包含流量、占有率和速度三個特征，結合交通常識與邏輯綜合分析這三個特征數據同時存在的合理性，不合理時刻的所有數據要被舍棄。