[發(fā)明專利]基于貝葉斯網(wǎng)絡(luò)改進(jìn)LSTM模型的交通密度預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202211082677.5
• 申請日: 2022-09-06
• 公開（公告）號: CN115620532A
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計）人: 杜鵬楨;李健;郭唐儀;湯賢康
• 申請（專利權(quán)）人: 江陰市雙豐交通科技有限公司
• 主分類號: G08G1/065
• 分類號: G08G1/065;G08G1/01;G06N3/08;G06N3/04
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 岑丹

1.一種基于貝葉斯網(wǎng)絡(luò)改進(jìn)LSTM模型的交通密度預(yù)測方法，其特征在于，具體步驟為：

步驟1、獲取路段交通密度的歷史數(shù)據(jù)；

步驟2、將歷史交通密度數(shù)據(jù)按照時間順序構(gòu)建出交通密度時序序列；

步驟3、將時序序列作為樣本訓(xùn)練改進(jìn)LSTM模型，獲得交通密度預(yù)測模型；

步驟4、將預(yù)測路段的交通密度數(shù)據(jù)和時間數(shù)據(jù)輸入交通密度預(yù)測模型得到預(yù)測結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于貝葉斯網(wǎng)絡(luò)改進(jìn)LSTM模型的交通密度預(yù)測方法，其特征在于，步驟1所述路段交通密度的歷史數(shù)據(jù)包含路段信息、交通密度、時間。

3.根據(jù)權(quán)利要求1所述的基于貝葉斯網(wǎng)絡(luò)改進(jìn)LSTM模型的交通密度預(yù)測方法，其特征在于，步驟2所述的交通密度時序序列對應(yīng)的矩陣表達(dá)式：

式中，X^r是第r時間間隔的路段交通密度時序序列；是第r時間間隔內(nèi)第i時刻的交通密度。

4.根據(jù)權(quán)利要求1所述的基于貝葉斯網(wǎng)絡(luò)改進(jìn)LSTM模型的交通密度預(yù)測方法，其特征在于，LSTM模型的輸入為交通密度時序序列，所述LSTM模型用于將過于偏離時序規(guī)律的交通密度時序序列進(jìn)行歸一化處理，使交通密度時序序列符合變化規(guī)律。

5.根據(jù)權(quán)利要求1所述的基于貝葉斯網(wǎng)絡(luò)改進(jìn)LSTM模型的交通密度預(yù)測方法，其特征在于，貝葉斯網(wǎng)絡(luò)負(fù)責(zé)改進(jìn)LSTM模型的超參數(shù)，定義好優(yōu)化函數(shù)，不斷利用高斯過程更新迭代超參數(shù)直到滿足LSTM模型要求，具體方法為：

將歷史交通密度時序序列作為LSTM網(wǎng)絡(luò)的輸入，將預(yù)測采樣時間點后15分鐘的交通密度數(shù)據(jù)作為真值，采用Huber Loss作為損失函數(shù)，不斷比較真值和預(yù)測值，采用貝葉斯算法不斷優(yōu)化超參數(shù)，當(dāng)損失函數(shù)值小于設(shè)定的閾值時，停止迭代，得到最優(yōu)超參數(shù)，其中，損失函數(shù)Huber Loss具體為：

式中，為誤差，y是真實值，f(x)是預(yù)測值，是Huber Loss的參數(shù)。