[發(fā)明專利]一種交通狀態(tài)預(yù)測(cè)模型構(gòu)建方法及交通狀態(tài)預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202210170462.2
• 申請(qǐng)日: 2022-02-23
• 公開（公告）號(hào): CN114596702B
• 公開（公告）日: 2023-07-04
• 發(fā)明（設(shè)計(jì)）人: 楊麗麗;孟繁宇;曾益萍;袁狄平;王倩倩
• 申請(qǐng)（專利權(quán)）人: 南方科技大學(xué)
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01
• 代理公司: 深圳中一聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 44414
• 代理人: 梁立耀

本申請(qǐng)適用于智能交通技術(shù)領(lǐng)域，提供了一種交通狀態(tài)預(yù)測(cè)模型構(gòu)建方法及交通狀態(tài)預(yù)測(cè)方法。模型構(gòu)建方法包括：獲取第一數(shù)據(jù)、第二數(shù)據(jù)和第三數(shù)據(jù)，第一數(shù)據(jù)包括待預(yù)測(cè)路段的歷史交通狀態(tài)數(shù)據(jù)，第二數(shù)據(jù)包括待預(yù)測(cè)路段的上下游交叉口的歷史交通狀態(tài)數(shù)據(jù)，第三數(shù)據(jù)包括第一數(shù)據(jù)的特征及第二數(shù)據(jù)的特征，特征包含空間特征和/或時(shí)間特征；將第一數(shù)據(jù)、第二數(shù)據(jù)及第三數(shù)據(jù)進(jìn)行融合，得到訓(xùn)練樣本數(shù)據(jù)；基于訓(xùn)練樣本數(shù)據(jù)構(gòu)建交通狀態(tài)預(yù)測(cè)模型，并篩選出相關(guān)聯(lián)特征，相關(guān)聯(lián)特征為重要度大于預(yù)設(shè)重要度的特征；基于相關(guān)聯(lián)特征建立最終交通狀態(tài)預(yù)測(cè)模型，能夠提高預(yù)測(cè)精度，保證了預(yù)測(cè)結(jié)果與實(shí)際交通情況相符，從而能精確預(yù)測(cè)雙向交通流的情況。

技術(shù)領(lǐng)域

本申請(qǐng)屬于智能交通技術(shù)領(lǐng)域，尤其涉及一種交通狀態(tài)預(yù)測(cè)模型構(gòu)建方法及交通狀態(tài)預(yù)測(cè)方法。

背景技術(shù)

目前，在現(xiàn)代交通管理與應(yīng)急資源調(diào)度中，都需掌握最新的道路交通運(yùn)行狀態(tài)信息可以從全局對(duì)全網(wǎng)絡(luò)交通狀態(tài)進(jìn)行了解，幫助決策者指定交通擁堵疏導(dǎo)、事故處置、救援路徑規(guī)劃等方案。通常，道路網(wǎng)絡(luò)運(yùn)行狀態(tài)的獲取和可視化需基于對(duì)路段和交叉口交通狀態(tài)的精準(zhǔn)預(yù)測(cè)，包括路段和交叉口的速度、流量、通行時(shí)間等

但傳統(tǒng)的交通狀態(tài)預(yù)測(cè)方法對(duì)交通信息空間關(guān)聯(lián)度的捕捉一般停留在通過路網(wǎng)拓?fù)浣Y(jié)構(gòu)和歷史交通數(shù)據(jù)估計(jì)或?qū)W習(xí)的關(guān)聯(lián)度矩陣，這需對(duì)實(shí)際路網(wǎng)結(jié)構(gòu)做大量簡(jiǎn)化和較強(qiáng)的假設(shè)，缺乏對(duì)實(shí)際交通情況和次要/未知因素的考慮，會(huì)降低道路網(wǎng)絡(luò)運(yùn)行狀態(tài)的預(yù)測(cè)精度，從而影響決策者指定方案。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種交通狀態(tài)預(yù)測(cè)模型構(gòu)建方法及交通狀態(tài)預(yù)測(cè)方法方法，可以解決預(yù)測(cè)精度低問題。

第一方面，本申請(qǐng)實(shí)施例提供了一種交通狀態(tài)預(yù)測(cè)模型構(gòu)建方法，包括：

獲取第一數(shù)據(jù)、第二數(shù)據(jù)和第三數(shù)據(jù)，所述第一數(shù)據(jù)包括待預(yù)測(cè)路段的歷史交通狀態(tài)數(shù)據(jù)，所述第二數(shù)據(jù)包括所述待預(yù)測(cè)路段的上下游交叉口的歷史交通狀態(tài)數(shù)據(jù)，所述第三數(shù)據(jù)包括所述第一數(shù)據(jù)的特征及所述第二數(shù)據(jù)的特征，所述特征包含空間特征和/或時(shí)間特征；

將所述第一數(shù)據(jù)、所述第二數(shù)據(jù)及所述第三數(shù)據(jù)進(jìn)行融合，得到訓(xùn)練樣本數(shù)據(jù)；

基于所述訓(xùn)練樣本數(shù)據(jù)構(gòu)建交通狀態(tài)預(yù)測(cè)模型，并篩選出相關(guān)聯(lián)特征，所述相關(guān)聯(lián)特征為重要度大于預(yù)設(shè)重要度的特征；

基于所述相關(guān)聯(lián)特征建立最終交通狀態(tài)預(yù)測(cè)模型。

在第一方面的一種可能的實(shí)現(xiàn)方式中，訓(xùn)練預(yù)測(cè)模型，并篩選出相關(guān)聯(lián)特征，具體包括：

按照預(yù)設(shè)劃分比例將所述訓(xùn)練樣本數(shù)據(jù)劃分成第一測(cè)試集及第一驗(yàn)證集；

將所述第一驗(yàn)證集對(duì)應(yīng)的特征設(shè)為決策屬性，所述第一測(cè)試集對(duì)應(yīng)的特征設(shè)為條件屬性，基于預(yù)設(shè)損失函數(shù)，建立并訓(xùn)練所述交通狀態(tài)預(yù)測(cè)模型；

在訓(xùn)練過程中，計(jì)算所述特征的重要度；

若所述重要度大于所述預(yù)設(shè)重要度，則選為相關(guān)聯(lián)特征。

進(jìn)一步的，計(jì)算所述特征的重要度，具體包括：

獲取每次分割時(shí)所述特征對(duì)所述交通狀態(tài)預(yù)測(cè)模型提升的分?jǐn)?shù)；

計(jì)算所述分?jǐn)?shù)的平方加權(quán)。

在第一方面的一種可能的實(shí)現(xiàn)方式中，基于所述相關(guān)聯(lián)特征建立最終交通狀態(tài)預(yù)測(cè)模型，具體包括：

使用所述相關(guān)聯(lián)特征建立初始交通狀態(tài)預(yù)測(cè)模型；

按照預(yù)設(shè)劃分比例將所述訓(xùn)練樣本數(shù)據(jù)劃分成第二測(cè)試集及第二驗(yàn)證集；

基于所述第二測(cè)試集、所述第二驗(yàn)證集及所述初始交通狀態(tài)預(yù)測(cè)模型，訓(xùn)練得到最終交通狀態(tài)預(yù)測(cè)模型。

進(jìn)一步的，所述預(yù)設(shè)損失函數(shù)為平方損失函數(shù)；