[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

本申請涉及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，涉及高速公路管理領域。所述算法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；將所述第一數據進行預處理，得到歸一化歷史數據；基于LSTM模型，構建至少兩個單深度學習模型；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。本申請基于貨車流量數據建立模型，以預測未來流量，保障高速公路安全。

技術領域

本申請涉及高速公路管理領域，尤其涉及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。

背景技術

當前，高速公路交通流預測方法，一般不區分車型，對于特定車型流量往往通過高速流量中特定車型占比進行換算的形式獲得。不同于城市道路交通，特定車型(例如，大型車輛等)實際上是高速公路路段通行車輛的重要部分，準確預測未來時刻特定車型通行總數，有助于輔助運營指揮中心坐席人員提前調整策略，保障高速公路安全。

因此，期望提供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，通過高速公路沿線均勻部署的雷達檢測器實時采集的高速公路特定車型流量特征數據，利用深度強化學習方法構建高速公路特定車型交通流預測模型，然后通過強化學習算法進行訓練，實現對未來時刻特定車型通行總量的準確預測，有助于輔助高速指揮中心坐席人員提前調整策略，保障高速公路安全。

發明內容

根據本申請的一些實施例的第一方面，提供了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，應用于終端(例如，管控系統等)中，所述算法可以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。

在一些實施例中，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]。

在一些實施例中，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]。

在一些實施例中，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，