[发明专利]一种基于Conv1D+LSTM的多步交通流量预测方法

权利要求书

1.一种基于Conv1D+LSTM的多步交通流量预测方法，其特征在于，包括：

步骤1：收集可用的交通流量数据，并进行初步地筛选；

步骤2：对筛选好的交通流数据进行数据预处理；

步骤3：将预处理后的交通流数据输到一维卷积Conv1D中提取交通流数据特征，同时提取外部因素对交通流数据的影响；

步骤4：将Conv1D层提取的特征输入到LSTM层进行学习，以预测未来多个时间间隔的交通流量值；

步骤5：反归一化处理模型产生的交通流量值，作为预测结果。

2.根据权利要求1所述的基于Conv1D+LSTM的多步交通流量预测方法，其特征在于，步骤2中对交通流数据进行数据预处理的方式包括：对数据异常点进行修复，去除数据中存在的噪声和对数据进行归一化处理。

3.根据权利要求1所述的基于Conv1D+LSTM的多步交通流量预测方法，其特征在于，步骤3中将预处理后的交通流数据输到一维卷积Conv1D中提取交通流数据特征的步骤包括：结合天气、时间信息和节假日的外部因素，利用Conv1D来建模交通流数据的时间特征、周期特征和局部相关特征。

4.根据权利要求1所述的基于Conv1D+LSTM的多步交通流量预测方法，其特征在于，在将Conv1D层提取的特征输入到LSTM层进行学习，以预测未来多个时间间隔的交通流量值的步骤中，

LSTM计算公式如下：

f_t＝σ(W_f·[h_t-1,X_t]+b_f)

i_t＝σ(W_i·[h_t-1,X_t]+b_i)

o_t＝σ(W_o·[h_t-1,X_t]+b_o)

其中，W_f,W_i,W_o分别表示对应门的权重矩阵，b_f,b_i,b_o表示偏置项，符号表示按元素乘，σ表示激活函数，表示当前时刻t网络输入的单元状态。

5.根据权利要求1所述的基于Conv1D+LSTM的多步交通流量预测方法，其特征在于，步骤5中，反归一化处理模型产生的预测值：

X＝x″×(max(x)-min(x))+min(x)

其中，x”为模型预测的归一化值；X为模型预测真实值。