[发明专利]车联网流量预测模型构建方法、装置和电子设备

权利要求书

1.一种车联网流量预测模型构建方法，其特征在于，所述方法包括：

获取用户的车联网流量数据，对所述车联网流量数据进行预处理；

将预处理后的车联网流量数据输入至自回归时间序列模型中，得到流量预测值；

根据所述流量预测值和所述流量预测值对应的流量实际值，对所述自回归时间序列模型进行训练，直至所述模型的损失值满足预设的损失值阈值，得到目标模型；

所述根据所述流量预测值和所述流量预测值对应的流量实际值，对所述自回归时间序列模型进行训练，直至所述模型的损失值满足预设的损失值阈值，得到目标模型的步骤包括：

按照预设比例，将所述车联网流量数据分为训练集和测试集；

根据所述训练集中的数据，得到所述自回归时间序列模型的流量预测值；

计算所述流量预测值与训练集中的流量实际值的差值，得到模型的损失值；

通过梯度下降法，降低所述模型的损失值，直至所述模型的损失值满足预设的损失值阈值，确定所述自回归时间序列模型中的具体参数，以得到参数确定后的自回归时间序列模型；

将所述测试集中的数据输入至参数确定后的自回归时间序列模型，得到数据预测值；

判断所述数据预测值与所述测试集中实际值的差值是否在预设的阈值范围内，如果在预设的阈值范围内，将所述参数确定后的自回归时间序列模型确定为目标模型；如果不在预设的阈值范围内，重新训练所述自回归时间序列模型中的具体参数。

2.根据权利要求1所述的方法，其特征在于，所述获取用户的车联网流量数据，对所述车联网流量数据进行预处理的步骤，包括：

获取用户的车联网流量数据，查找所述车联网流量数据中的异常值和缺失值；

将所述异常值替换为通过均值法重新确定的所述异常值对应的数据值；将所述缺失值替换为通过均值法重新确定的所述缺失值对应的数据值。

3.根据权利要求1所述的方法，其特征在于，所述将预处理后的车联网流量数据输入至自回归时间序列模型中，得到流量预测值的步骤之前，包括：

根据数据平稳性，得到所述车联网流量数据的长期趋势、季节趋势和随机性趋势；

根据所述车联网流量数据的所述长期趋势、所述季节趋势和所述随机性趋势，通过曲线拟合对所述车联网流量数据进行分析；

根据分析结果确定采用自回归时间序列模型。

4.根据权利要求1所述的方法，其特征在于，所述自回归时间序列模型为：其中，B表示滞后算子，ε_t表示白噪声序列，Θ(B)＝1-θ₁B-θ₂B-...-θ_iB-...-θ_qB^q，Θ(B)表示平稳可逆时所述自回归时间序列模型的自回归系数多项式，θ_i(i＝1,2,...,q)表示所述自回归时间序列模型中的具体参数，q表示移动平均项数，B^q表示移动平均项数为q时的滞后算子，Φ(B)表示平稳可逆时所述自回归时间序列模型的移动平均系数多项式，表示所述自回归时间序列模型中的具体参数，p为自回归项数，B^p表示自回归项数为p时的滞后算子，Θ_S(B)表示周期为S且平稳可逆时所述自回归时间序列模型的自回归系数多项式，Φ_S(B)表示周期为S且平稳可逆时所述自回归时间序列模型的移动平均系数多项式。

5.一种车联网流量预测方法，其特征在于，所述方法采用权利要求1至4任一项所述方法构建得到的目标模型；所述方法包括：

获取用户待预测的车联网流量数据；

将所述车联网流量数据输入至所述目标模型中，得到所述用户的预测车联网流量数据。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

将所述目标模型得到预测车联网流量数据存入数据库；

将所述数据库中的所述预测车联网流量数据在显示屏中进行显示。