[发明专利]一种高速公路上车流量预测方法及装置

权利要求书

1.一种高速公路上车流量预测方法，其特征在于，包括以下步骤：

获取待预测封闭路段上各出入口处的历史数据；

按第一设定时间间隔将所述历史数据划分为多个时间段，分别统计每一时间段内待预测出口的流量数据；

按第二设定时间间隔将所述历史流量数据划分为多个时间段，分别统计每一时间段内各出口以及各入口处的流量数据；

以所述待预测出口的流量数据为输出样本数据，以各出口以及各入口处的流量数据为输入样本数据，对神经网络进行训练，得到流量预测模型；

根据所述流量预测模型对所述待预测出口的流量进行预测。

2.根据权利要求1所述的高速公路上车流量预测方法，其特征在于，分别统计每一时间段内各出口以及各入口处的流量数据，具体为：

将同一时间段内各出口以及各入口处的流量数据压缩为一条压缩数据，并在所述压缩数据中加入日期数据。

3.根据权利要求2所述的高速公路上车流量预测方法，其特征在于，所述日期数据采用one-hot方式表示。

4.根据权利要求1所述的高速公路上车流量预测方法，其特征在于，所述神经网络为全连接神经网络，所述全连接神经网络包括一个输入层、三个隐藏层以及一个输出层。

5.根据权利要求1所述的高速公路上车流量预测方法，其特征在于，以所述待预测出口的流量数据为输出样本数据，以各出口以及各入口处的流量数据为输入样本数据，对神经网络进行训练，得到流量预测模型，具体为：

对所述神经网络进行初始化，并针对所述神经网络的每一层进行激活；

将样本数据分为训练集和测试集；

采用所述训练集进行训练，得到流量预测模型；

利用得到的流量预测模型对测试集中样本数据进行预测，得到预测流量数据；

采用损失函数计算所述流量预测模型的损失值；

判断所述损失值是否大于设定值，如果大于，则采用Adam优化算法对模型参数进行反向传播优化，并重新进行训练，否则输出所述流量预测模型。

6.根据权利要求5所述的高速公路上车流量预测方法，其特征在于，对所述神经网络进行初始化，并针对所述神经网络的每一层进行激活，具体为：

采用正态分布随机值对所述神经网络进行初始化；

针对所述神经网络的每一层进行Relu激活。

7.根据权利要求5所述的高速公路上车流量预测方法，其特征在于，采用损失函数计算所述流量预测模型的损失值，具体为：

所述损失函数为均方误差函数：

其中，loss为损失值，n为测试集中输出样本数据所包含的数据段的数量，y_i表示第i时间段的真实流量数据，表示第i时间段流量预测模型的预测流量数据。