[发明专利]智慧交通综合管控平台

权利要求书

1.一种智慧交通综合管控平台，其特征在于，该平台由内网平台和外网平台两部分组成，所述内网平台与外网平台导通，外网平台用于提供相关大数据平台；

所述内网平台由前端Web展示模块、Spring cloud应用服务模块、PostGis系统支撑库、地图服务模块、相关大数据平台、算法云控中心组成；

所述算法云控中心根据PostGis系统支撑库和相关大数据平台提供的数据并结合算法模型进行交通预测、车流量拥堵评估和道路事故预测；

所述Spring cloud应用服务模块、地图服务模块结合交通预测、车流量拥堵评估和道路事故预测在前端Web展示模块展示各路段的交通管控信息。

2.根据权利要求1所述的智慧交通综合管控平台，其特征在于，所述算法模型包括基于神经网络的交通预测方法、道路车流量拥堵评估模型和基于XGBoost道路事故预测算法。

3.根据权利要求2所述的智慧交通综合管控平台，其特征在于，所述基于神经网络的交通预测方法，其步骤如下：

S100：获取某时刻下交通流状态的特征数据，根据函数H^(l)构建特征数据集，H^(l)为图神经网络第l层的输出，原始数据集输入结果即可表示为{x(t_i), i = 1,2, ... , n}；

S200：将S100中某时刻下所对应的时间序列数据作为输入，利用图卷积网络捕获城市路网拓扑结构，获得空间特征；

S300：将输出得到的具有空间特征的时间序列输入门控递归单元模型，通过单元间的信息传递获得动态变化，捕捉时间特征；

S400：以全连接层的方式得到T-GCN输出预测结果{y(t_i), i = 1,2, ... , n}；得到的输出数据集经过卡尔曼滤波处理得到最终的输出预测结果。

4.根据权利要求3所述的智慧交通综合管控平台，其特征在于，所述图卷积网络通过邻接矩阵和特征矩阵在傅里叶域中构造了一个滤波器，该滤波器应用于图的各个节点上，通过它的一阶邻域捕获节点之间的空间特征，然后通过叠加多个卷积层来构建图卷积网络模型：

其中，，表示矩阵中引入了自联结即邻接矩阵，A代表邻接矩阵，I_N表示单位矩阵；表示度矩阵，即第j个隐藏层和第i个可见层的网络下的矩阵为，为第j个隐藏层和第i个可见层的网络下的邻接矩阵；H^(l)为l层的输出，θ^(l)包含了该层所涉及的各项参数；σ( )函数表示Sigmoid函数，用于构建非线性的模型。