[发明专利]一种车流量预测的方法、装置及服务器

权利要求书

1.一种车流量预测的方法，其特征在于，包括：

获取至少两种数据源在当前时刻之前的车流量数据；

根据每种数据源的所述车流量数据以及每种数据源各自对应的初始预测模型，分别确定每种数据源各自对应的所需时间段的初始车流量预测值，所述初始预测模型包括：百分比模型和日流量模型，所述百分比模型用于预测单日内预设时间间隔内的车流量与每日车流量的百分比，所述日流量模型用于预测单日的车流量；

根据确定的每种数据源的所述初始车流量预测值和每种数据源对应的权重，确定所述所需时间段的车流量预测值；

在所述获取至少两种数据源在当前时刻之前的车流量数据之前，获取每种数据源的历史车流量数据；从每种数据源的历史车流量数据中去除属于异常的车流量数据和补充缺失的车流量数据；根据每种数据源的所述历史车流量数据，分别确定每种数据源各自对应的所述初始预测模型；

所述从每种数据源的历史车流量数据中去除属于异常的车流量数据和补充缺失的车流量数据，包括：

采用机器学习的方式去除每个数据源的历史车流量数据中异常的车流量数据，并通过机器学习的方式补充缺失的车流量数据；

或者，

采用加权平均的方式判定异常的车流量数据，去除每个所述数据源的历史车流量数据中所述异常的车流量数据，并根据计算的加权平均值补充缺失的车流量数据；

或者，

采用机器学习的方式去除每个数据源的历史车流量数据中异常的车流量数据，并采用加权平均的方式对缺失的车流量数据进行补偿；

或者，

采用加权平均的方式判断异常的车流量数据，去除每个所述数据源的历史车流量数据中所述异常的车流量数据，采用机器学习的方式补充缺失的车流量数据。

2.根据权利要求1所述的车流量预测的方法，其特征在于，根据每种数据源的所述历史车流量数据，分别确定每种数据源各自对应的所述初始预测模型，具体包括：

对每种数据源的所述历史车流量数据进行以下操作：

从所述历史车流量数据中选取属于第一预设天数内所述预设时间间隔的数据作为构建所述百分比模型的第一输入数据，从所述历史车流量数据中选取属于第二预设天数内的所述预设时间间隔的数据作为构建所述百分比模型的第一输出数据，根据所述第一输入数据和所述第一输出数据训练获得所述百分比模型；

从所述历史车流量数据中选取属于所述第一预设天数内的每日数据作为构建所述日流量模型的第二输入数据，从所述历史车流量数据中选取属于所述第二预设天数内的每日数据作为构建所述日流量模型的第二输出数据，根据所述第二输入数据和所述第二输出数据，训练获得所述日流量模型。

3.根据权利要求1至2中任一项所述的车流量预测的方法，其特征在于，在根据每种数据源的所述历史车流量数据，分别确定每种数据源各自对应的所述初始预测模型之前，所述车流量预测的方法还包括：

对每种数据源的所述历史车流量数据进行预处理。

4.根据权利要求2所述的车流量预测的方法，其特征在于，在分别确定每种数据源各自对应的所述初始预测模型之后，且在获取至少两种数据源在当前时刻之前的车流量数据之前，所述车流量预测方法还包括：

根据每种数据源中属于所述第一预设天数内的历史车流量数据以及每种数据源各自对应的所述初始预测模型，得到每种数据源各自对应的历史初始车流量预测值；

将属于所述第二预设天数的历史车流量数据作为历史车流量预测值；

根据每个历史初始车流量预测值以及所述车流量预测值，确定出每种数据源各自对应的权重。

5.根据权利要求1所述的车流量预测的方法，其特征在于，根据确定的每种数据源的所述初始车流量预测值和每种数据源对应的权重，确定所述所需时间段的车流量预测值，具体包括：

对每种数据源的所述初始车流量预测值与对应的权重之积进行求和，并将计算的和值作为所述所需时间段的车流量预测值。