[发明专利]一种预测道路交通流量的方法及系统

权利要求书

1.一种道路交通流量仿真模型的训练方法，包括：

步骤1-1)将道路拆分为若干个连续的路段；

步骤1-2)利用道路交通流量仿真模型初始化所述若干个连续的路段当前时刻的隐层状态信息；

步骤1-3)利用任一路段上一时刻的隐层状态信息、其邻近路段上一时刻的隐层状态信息、所述任一路段当前时刻的交通状态信息以及所述道路中第一个路段下一时刻驶入的车辆数目训练所述道路交通流量仿真模型输出所述任一路段下一时刻的交通状态信息，其中，在每个训练周期内，利用输出的所述任一路段下一时刻的交通状态信息与真实状态信息计算误差，并更新模型的参数，直至完成预设的训练周期。

2.根据权利要求1所述的训练方法，其中，所述任一路段当前时刻的交通状态信息包括该路段前一时刻驶入的车辆数目、前一时刻驶出的车辆数目以及当前时刻存在的车辆数目。

3.根据权利要求1所述的模型的训练方法，其中，所述道路交通流量仿真模型包括多头注意力层、基于LSTM的时空处理层和全连接层，所述多头注意力层用于整合所述任一路段的邻近路段上一时刻的隐层状态信息；所述基于LSTM的时空处理层用于基于整合后的所述任一路段的邻近路段上一时刻的隐层状态信息、所述任一路段上一时刻的隐层状态信息、所述任一路段当前时刻的交通状态信息以及所述道路中第一个路段下一时刻驶入的车辆数目，获得所述任一路段当前时刻的隐层状态信息；所述全连接层用于基于所述任一路段当前时刻的隐层状态信息获得所述任一路段下一时刻的交通状态信息。

4.根据权利要求3所述的模型的训练方法，其中，所述多头注意力层由多个连续的单头注意力层拼接而成，所述单头注意力层基于所述任一路段的邻近路段中每个路段的注意力权重获得所述任一路段的邻近路段的隐层状态空间信息。

5.根据权利要求1所述的模型的训练方法，其中，步骤1-2)包括：

步骤5-1)基于所述任一路段上一时刻的隐层状态信息、其邻近路段上一时刻的隐层状态信息以及所述任一路段当前时刻的交通状态信息，利用所述道路交通流量仿真模型获取所述任一路段当前时刻的隐层状态信息；

步骤5-2)更新所述任一路段上一时刻的隐层状态信息，并重复上述步骤5-1)直至达到预设的初始化时限，获得所述任一路段当前时刻的隐层状态，其中，所述任一路段当前时刻的交通状态信息从所述路段的真实数据中获取。

6.根据权利要求1所述的模型的训练方法，其中，步骤1-3)包括：

步骤6-1)基于任一路段上一时刻的隐层状态信息、其邻近路段上一时刻的隐层状态信息以及所述任一路段当前时刻的交通状态信息，利用所述道路交通流量仿真模型获取所述任一路段当前时刻的隐层状态信息；

步骤6-2)基于所述任一路段当前时刻的隐层状态信息通过全连接层计算，获得所述任一路段下一时刻驶出的车辆数目；

步骤6-3)基于所述任一路段当前时刻的交通状态信息、下一时刻驶出的车辆数目以及所述道路中第一个路段下一时刻驶入的车辆数目，获得所述任一路段下一时刻的交通状态信息；

步骤6-4)存储所述任一路段下一时刻的交通状态信息，更新所述任一路段当前时刻的交通状态信息，并重复上述步骤6-1)至步骤6-3)直至完成预设的训练周期。

7.一种预测道路交通流量的方法，包括：

步骤7-1)将待预测的道路拆分为若干个连续的路段；

步骤7-2)利用权利要求1-6中任一方法训练得到的道路交通流量仿真模型初始化所述若干个连续的路段当前时刻的隐层状态信息；

步骤7-3)基于所述任一路段上一时刻的隐层状态信息、其邻近路段上一时刻的隐层状态信息、所述任一路段当前时刻的交通状态信息以及所述待预测道路中第一个路段下一时刻驶入的车辆数目，利用权利要求1-6中任一方法训练得到的所述道路交通流量仿真模型预测所述任一路段下一时刻的交通状态信息；

步骤7-4)更新所述任一路段上一时刻的隐层状态信息、其邻近路段上一时刻隐层状态信息以及所述任一路段当前时刻的交通状态信息，并重复上述步骤7-3)，直至达到预设的仿真时限。