[發明專利]一種基于深度強化學習模型的高速公路貨車流量預測算法、軟件與裝置

在審

• 申請號: 202210731145.3
• 申請日: 2022-06-24
• 公開（公告）號: CN115116226A
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 袁月明;宦渙;尹伯華;蔡慧星
• 申請（專利權）人: 云控智行（上海）汽車科技有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/065;G06N3/04;G06N3/08;G06Q10/04;G06Q50/26
• 代理公司: 上海港慧專利代理事務所(普通合伙) 31402
• 代理人: 楊鍇

1.一種基于深度強化學習模型的高速公路貨車流量預測算法，其特征在于，包括：

獲取第一路段的所有車道的第一車輛流量在t時刻的第一數據，所述第一數據包括實時數據和歷史數據，t∈[1,T]；

將所述第一數據進行預處理，所述預處理包括數據歸一化處理，得到第二數據，所述第二數據包括歸一化數據，所述歸一化數據包括歸一化實時數據和歸一化歷史數據；

基于LSTM模型，構建至少兩個單深度學習模型，第i個所述單深度學習模型包括t-i時刻至t時刻的數據，i∈[1,n]，n為大于等于2的整數；

將歸一化歷史數據根據預設比例劃分訓練集和測試集，利用所述訓練集訓練多個所述單深度學習模型，利用所述測試集確定多個所述單深度學習模型的預測誤差；

基于所述預測誤差賦予多個所述單深度學習模型不同權重，構建組合深度學習模型；

基于所述組合深度學習模型，通過輸入歷史時刻及當前時刻的第一車輛流量，輸出下一時刻的第一車輛流量。

2.根據權利要求1所述的基于深度強化學習模型的高速公路貨車流量預測算法，其特征在于，所述獲取實時數據具體包括通過路側設備實時采集第一車輛流量數據X＝[x₁,x₂,…,x_T]，x_t＝[q_1,t,q_2,t,…,q_r,t]，x_t為時刻t第一路段l所有車道監測的第一車輛流量，第一路段l所有車道數為r，t∈[1,T]。

3.根據權利要求2所述的基于深度強化學習模型的高速公路貨車流量預測算法，其特征在于，所述歷史數據具體包括通過路側設備歷史采集的第一車輛流量數據X_-w＝[x_1,-w,x_2,-w,…,x_T,-w]，X_-w為預測日前w天的交通流數據，x_t,-w＝[q_1,t,-w,q_2,t,-w,…,q_r,t,-w]，第一路段l所有車道數為r，t∈[1,T]。

4.根據權利要求3所述的基于深度強化學習模型的高速公路貨車流量預測算法，其特征在于，所述數據歸一化處理具體包括：

根據最大-最小歸一化方法，將每一實時數據和歷史數據歸一化至[0,1]區間，

其中，x′_t為歸一化后的值，x_t|_min、x_t|_max分別代表x_t的最小值、最大值。

5.根據權利要求4所述的基于深度強化學習模型的高速公路貨車流量預測算法，其特征在于，所述構建至少兩個單深度學習模型，具體包括：

輸入歸一化數據X’＝[x’₁,x’₂,…,x’_T]，隱藏層h＝[h₁,h₂,…,h_T]和輸出層y＝[y₁,y₂,…,y_T]，x’_t為t時刻的輸入，y_t為t時刻的輸出，h_t為t時刻的隱藏狀態；

對每一隱藏層的神經元引入LSTM；

通過輸出層，計算輸出結果y_t，

y_t＝g(W_yhh_t+b_y)

式中：W_yh為輸出權重，b_y為輸出的偏置，g()為輸出層的激活函數。