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

在審

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

本發(fā)明公開(kāi)了一種基于貝葉斯網(wǎng)絡(luò)改進(jìn)LSTM模型的交通密度預(yù)測(cè)方法，具體為：獲取路段交通密度的歷史數(shù)據(jù)；將歷史交通密度數(shù)據(jù)按照時(shí)間順序構(gòu)建出交通密度時(shí)序序列；將時(shí)序序列作為樣本訓(xùn)練LSTM模型，獲得交通密度預(yù)測(cè)模型；將預(yù)測(cè)路段的交通密度數(shù)據(jù)和時(shí)間數(shù)據(jù)輸入交通密度預(yù)測(cè)模型得到預(yù)測(cè)結(jié)果。本發(fā)明采用基于貝葉斯網(wǎng)絡(luò)改進(jìn)的LSTM模型，可以將歷史交通密度大數(shù)據(jù)作為訓(xùn)練集進(jìn)行訓(xùn)練，實(shí)現(xiàn)對(duì)未來(lái)路段交通密度的準(zhǔn)確預(yù)測(cè)。

技術(shù)領(lǐng)域

本發(fā)明屬于交通工程技術(shù)領(lǐng)域，具體為一種基于貝葉斯網(wǎng)絡(luò)改進(jìn)LSTM模型的交通密度預(yù)測(cè)方法。

背景技術(shù)

交通管理和控制技術(shù)的基礎(chǔ)是交通數(shù)據(jù)的獲取，不管是交通出行誘導(dǎo)、交通信號(hào)控 制還是擁堵預(yù)測(cè)都需要感知實(shí)時(shí)路網(wǎng)交通信息。在路網(wǎng)交通信息中，交通密度可以直觀地反映出道路的通暢程度，當(dāng)交通密度較小時(shí)，車(chē)頭間距較大，駕駛員可以自由選擇行 駛車(chē)速；當(dāng)交通量逐漸增大，車(chē)頭間距縮小，密度加大，車(chē)輛行駛時(shí)相互制約。隨著交 通密度進(jìn)一步增大，車(chē)輛擁擠，車(chē)速下降，駕駛自由度極小，車(chē)輛走走停停，直到車(chē)輛 趨于停駛狀態(tài)。因此，從車(chē)流密度的大小就可以判定交通擁擠情況，從而決定應(yīng)采取何 種管理措施。

現(xiàn)有的交通檢測(cè)技術(shù)主要分為定點(diǎn)檢測(cè)技術(shù)和移動(dòng)檢測(cè)技術(shù)，定點(diǎn)檢測(cè)器主要為感 應(yīng)線圈、地磁、微波雷達(dá)、紅外線、超聲波等檢測(cè)器，可以按一定時(shí)間間隔統(tǒng)計(jì)斷面交 通量、速度、占有率等數(shù)據(jù)；移動(dòng)檢測(cè)器主要為出租車(chē)、公交車(chē)等特殊作業(yè)的浮動(dòng)車(chē)、 手機(jī)信號(hào)數(shù)據(jù)以及近兩年發(fā)展較快的智能網(wǎng)聯(lián)車(chē)，可提供軌跡、路徑、行程時(shí)間等數(shù)據(jù)。 但由于技術(shù)和成本限制，固定檢測(cè)器一般安裝在交叉口等重要位置，只能獲取該斷面的 數(shù)據(jù)無(wú)法獲取路段交通數(shù)據(jù)。現(xiàn)有的浮動(dòng)車(chē)較少，并且提供數(shù)據(jù)準(zhǔn)確性不高、實(shí)時(shí)性較 差，無(wú)法滿足實(shí)際使用需求。因此，很多學(xué)者研究了根據(jù)現(xiàn)有數(shù)據(jù)估計(jì)未來(lái)交通參數(shù)的 方法。但是現(xiàn)有方法仍存在較多問(wèn)題，如數(shù)據(jù)集不易獲取、過(guò)大過(guò)小均會(huì)導(dǎo)致欠擬合過(guò) 擬合現(xiàn)象、忽略時(shí)間類(lèi)參數(shù)的影響。

發(fā)明內(nèi)容

本發(fā)明的目的提出一種基于貝葉斯網(wǎng)絡(luò)改進(jìn)LSTM模型的交通密度預(yù)測(cè)方法。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案為：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(cè)方法，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(shí)間順序構(gòu)建出交通密度時(shí)序序列；

步驟3、將時(shí)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(cè)模型；

步驟4、將預(yù)測(cè)路段的交通密度數(shù)據(jù)和時(shí)間數(shù)據(jù)輸入交通密度預(yù)測(cè)模型得到預(yù)測(cè)結(jié) 果。

優(yōu)選地，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(shí)間。

優(yōu)選地，步驟2所述的交通密度時(shí)序序列對(duì)應(yīng)的矩陣表達(dá)式：

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

優(yōu)選地，LSTM模型的輸入為交通密度時(shí)序序列，網(wǎng)絡(luò)結(jié)構(gòu)為1個(gè)輸入層、2個(gè)隱 藏層、1個(gè)輸出層，在此基礎(chǔ)上進(jìn)行超參數(shù)的選擇；

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(guò)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(shí)序序列作為L(zhǎng)STM網(wǎng)絡(luò)的輸入，將預(yù)測(cè)采樣時(shí)間點(diǎn)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(cè)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(shí)，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(shí)值，f(x)是預(yù)測(cè)值，是Huber Loss的參數(shù)；