[發(fā)明專(zhuān)利]基于時(shí)序分解單元的深度交通流預(yù)測(cè)方法、介質(zhì)及其設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202111502174.4
• 申請(qǐng)日: 2021-12-10
• 公開(kāi)（公告）號(hào): CN114239948B
• 公開(kāi)（公告）日: 2023-07-21
• 發(fā)明（設(shè)計(jì)）人: 蘇杰;金忠富;李炎;湯厚駿;杜逸;羅曦
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江省交通投資集團(tuán)有限公司智慧交通研究分公司
• 主分類(lèi)號(hào): G06F17/00
• 分類(lèi)號(hào): G06F17/00;G06Q10/04;G06N3/04
• 代理公司: 杭州求是專(zhuān)利事務(wù)所有限公司 33200
• 代理人: 傅朝棟;張法高

1.一種基于時(shí)序分解單元的深度交通流預(yù)測(cè)方法，其特征在于，包括以下步驟：

S1、獲取待預(yù)測(cè)路段的歷史交通流數(shù)據(jù)，并按照時(shí)序排列后獲得交通流數(shù)據(jù)序列X；

S2、將交通流數(shù)據(jù)序列X作為深度模型的輸入，所述深度模型中包含N層逐層堆疊的時(shí)序分解單元；每一層時(shí)序分解單元結(jié)構(gòu)相同，均由自相關(guān)模塊和序列分解模塊級(jí)聯(lián)而成；其中，交通流數(shù)據(jù)序列X作為第1層時(shí)序分解單元的單元輸入序列，由自相關(guān)模塊輸出所述單元輸入序列的相關(guān)系數(shù)R，所述相關(guān)系數(shù)R為在一個(gè)時(shí)序信號(hào)周期內(nèi)不斷改變時(shí)延間隔并計(jì)算自相關(guān)函數(shù)值后得到的最大的前K個(gè)自相關(guān)函數(shù)值之和，再基于相關(guān)系數(shù)R由前饋網(wǎng)絡(luò)生成新的時(shí)序數(shù)據(jù)X′，然后新的時(shí)序數(shù)據(jù)X′輸入序列分解模塊中通過(guò)平均池化輸出時(shí)序數(shù)據(jù)中的周期項(xiàng)SP₁，再以新的時(shí)序數(shù)據(jù)X′和周期項(xiàng)SP₁的差值作為趨勢(shì)項(xiàng)TP₁進(jìn)行輸出；對(duì)于其余n≥2的任意第n層時(shí)序分解單元，以第n-1層時(shí)序分解單元輸出的周期項(xiàng)SP_n-1作為自身的單元輸入序列，由自相關(guān)模塊和序列分解模塊輸出時(shí)序數(shù)據(jù)中的周期項(xiàng)SP_n和趨勢(shì)項(xiàng)TP_n；所述深度模型的輸出層計(jì)算第N層時(shí)序分解單元輸出的周期項(xiàng)SP_N以及所有N層時(shí)序分解單元輸出的趨勢(shì)項(xiàng)TP_n的加權(quán)和，從而得到待預(yù)測(cè)路段未來(lái)交通流的預(yù)測(cè)結(jié)果；

對(duì)于任意第n∈[1，…，N]層時(shí)序分解單元，其中自相關(guān)模塊中相關(guān)系數(shù)R和X′的計(jì)算公式為：

X′＝max(0，W₁R+b₁)W₂+b₂

其中：R_X，X(T_k)表示時(shí)延間隔＝T_k的自相關(guān)函數(shù)，T₁，…，T_K表示在[1，…，k]的時(shí)延間隔取值范圍內(nèi)使自相關(guān)函數(shù)值最大的前K個(gè)整數(shù)時(shí)延間隔值；max表示取兩個(gè)數(shù)值中較大值的的操作，W₁，W₂，b₁，b₂表示可學(xué)習(xí)參數(shù)；

對(duì)于任意第n∈[1，…，N]層時(shí)序分解單元，其中序列分解模塊中周期項(xiàng)SP_n和趨勢(shì)項(xiàng)TP_n的計(jì)算公式為：

SP_n＝avgpool(X′)

TP_n＝X′-SP_n

其中avgpool函數(shù)表示平均池化操作；

所述自相關(guān)函數(shù)用公式表示為：

式中：L表示交通流數(shù)據(jù)序列X的長(zhǎng)度，X_t、分別表示交通流數(shù)據(jù)序列X中t時(shí)刻、時(shí)刻的交通流數(shù)據(jù)。

2.如權(quán)利要求1所述的基于時(shí)序分解單元的深度交通流預(yù)測(cè)方法，其特征在于，所述未來(lái)交通流的預(yù)測(cè)計(jì)算公式如下：

其中W_s，W_n分別為可學(xué)習(xí)參數(shù)。

3.如權(quán)利要求1所述的基于時(shí)序分解單元的深度交通流預(yù)測(cè)方法，其特征在于，所述深度模型預(yù)先經(jīng)過(guò)模型訓(xùn)練，使其模型的預(yù)測(cè)精度滿足使用要求。

4.如權(quán)利要求1所述的基于時(shí)序分解單元的深度交通流預(yù)測(cè)方法，其特征在于，所述深度模型在訓(xùn)練過(guò)程中，模型中的可學(xué)習(xí)參數(shù)采用反向傳播算法學(xué)習(xí)更新。

5.根據(jù)權(quán)利要求3所述的基于時(shí)序分解單元的深度交通流預(yù)測(cè)方法，其特征在于：模型每一輪訓(xùn)練完畢后，采用平均絕對(duì)誤差計(jì)算其預(yù)測(cè)精度。

6.根據(jù)權(quán)利要求3所述的基于時(shí)序分解單元的深度交通流預(yù)測(cè)方法，其特征在于：模型每一輪訓(xùn)練完畢后，采用均方根誤差計(jì)算其預(yù)測(cè)精度。

7.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，能實(shí)現(xiàn)如權(quán)利要求1～6任一所述的基于時(shí)序分解單元的深度交通流預(yù)測(cè)方法。

8.一種基于時(shí)序分解單元的深度交通流預(yù)測(cè)設(shè)備，其特征在于，包括存儲(chǔ)器和處理器；

所述存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)程序；

所述處理器，用于當(dāng)執(zhí)行所述計(jì)算機(jī)程序時(shí)，實(shí)現(xiàn)如權(quán)利要求1～6任一所述的基于時(shí)序分解單元的深度交通流預(yù)測(cè)方法。