[发明专利]一种交通流量预测方法、预测模型生成方法及装置

权利要求书

1.一种交通流量预测方法，其特征在于，所述方法包括：

针对待预测道路，获取该待预测道路的当前时刻的前一时段的历史交通流数据；

从预存的道路与交通流量预测模型的对应关系中，获取所述待预测道路对应的交通流量预测模型；其中，道路对应的交通流量预测模型为预先根据道路的历史交通流数据对预置的神经网络模型进行训练，得到根据该道路当前时刻的前一时段的历史交通流数据预测该条道路当前时刻的后一时段的交通流数据的交通流量预测模型；

将当前时刻的前一时段的历史交通流数据，输入至所述待预测道路对应的交通流量预测模型中，得到当前时刻的后一时段的交通流数据；

其中，预先根据道路的历史交通流数据对预置的神经网络模型进行训练，得到根据该道路当前时刻的前一时段的历史交通流数据预测该条道路当前时刻的后一时段的交通流数据的交通流量预测模型，具体包括：

步骤a、获取道路的连续P个时段的历史交通流数据，其中P个时段的时长一致，且每个时段对应的历史交通流数据包含的交通数据个数相同；

遍历所述连续P个时段，执行以下步骤：

步骤b、将当前遍历的时段作为当前时刻的前一时段，将当前遍历的时段对应的历史交通流数据作为输入数据输入至待定神经网络模型中，得到当前时刻的后一时段的预测交通流数据；

步骤c、从当前遍历的时段之后的时段的交通流数据中获取当前时刻的后一时段对应的历史交通流数据，并计算所述当前时刻的后一时段的预测交通流数据与当前时刻的后一时段的历史交通流数据的方差值；

步骤d、判断所述方差值是否小于等于预置的第一方差阈值，若是执行步骤e，若否执行步骤f；

步骤e、将所述待定神经网络模型确定为所述道路对应的交通流量预测模型，并建立所述道路与该交通流量预测模型的对应关系，并保存，结束流程；

步骤f、根据所述方差值调整所述待定神经网络模型的参数；

步骤g、将P个时段中所述当前遍历时段的下一时段作为当前遍历的时段，并根据调整参数后的待定神经网络模型，执行步骤b。

2.如权利要求1所述的方法，其特征在于，在所述步骤f与步骤g之间，还包括：

步骤f1、判断当前遍历的时段是否为P个时段的最后一个时段，若是则执行步骤f2，若否则执行步骤g；

步骤f2、计算P个时段对应的方差值的和值；

步骤f3、判断所述和值是否小于等于预置的第二方差阈值，其中所述第二方差阈值大于所述第一方差阈值；若是则执行步骤e；若否则根据步骤f得到的调整参数后的待定神经网络模型重新遍历所述P个时段。

3.如权利要求1所述的方法，其特征在于，若所述P个时段的各时段相邻且不重叠，则步骤c中从当前遍历的时段之后的时段的交通流数据中获取当前时刻的后一时段对应的历史交通流数据，具体包括：

若当前遍历时段的时长大于所述当前时刻后一时段的时长时，从所述当前遍历时段的下一时段的交通流数据中获取与所述当前时刻后一时段对应的历史交通流数据；

若当前遍历时段的时长等于所述当前时刻后一时段的时长时，将所述当前遍历时段的下一时段的交通流数据作为所述当前时刻后一时段对应的历史交通流数据；

若当前遍历时段的时长小于所述当前时刻后一时段的时长时，从所述当前遍历时段后的至少两个连续时段的交通流数据中获取与所述当前时刻后一时段对应的历史交通流数据。