[发明专利]一种预测道路交通流量的方法及系统

说明书

本发明提供了一种预测道路交通流量的方法和系统，该方法利用道路交通流量仿真模型预测道路交通流量，道路交通流量仿真模型包括多头注意力层和基于LSTM的时空处理层，其中多头注意力层用于整合空间上其他路段的隐层状态信息，基于LSTM的时空处理层用于有效的理解当前交通流的时空间状态以准确地反映出目前空间上的交通状态。通过使用本发明的方法和系统能够对交通流变化做出准确预测。

技术领域

本发明涉及机器学习、计算机数据挖掘分析技术领域，尤其涉及一种预测道路交通流量的方法及系统。

背景技术

目前交通流仿真技术主要分为宏观模型与微观模型，微观模型对每一辆车的行为进行建模，通过对每一辆车辆的运动情况的仿真完成对路网中交通流的仿真，通过合适的设计可以对小规模的路网中的交通流进行高精度的仿真；当路网规模较大，路网中车辆数目极多的情形下，就需要使用宏观模型对交通流进行仿真，宏观流模型中最具影响力的是LWR(Lighthill-Whitham-Richards)模型，该模型将交通流视为水流，将车流移动的过程以水流运动的方式进行建模，通过求解相应的偏微分方程组来对每一个时刻车辆的运动情况进行仿真。后续的研究者在此基础上提出了CTM(cell transmission model)，将完整的路网按照一定的规律拆分成不同的细胞(cell)，通过每个细胞的车辆数、车辆密度、车辆速度等等指标，计算在每一个时刻下不同细胞之间的交通流转移情况来对交通流进行建模。

交通流的变换具备着高度的非线性特征，例如车流队列的形成与消散，异质交通流(含有不同车辆类型，车道数不一致等)的运动等等。现有的CTM(cell transmissionmodel)模型中通过一些手工设计的函数来对这些特征进行模拟，但是这些手工设计的函数并不能非常完美的契合于实际的交通流变化规律，从而产生一定的误差，随着空间的扩展，模型的误差往往会产生误差累积与仿真失真的问题，实际的仿真精度有限。

因此，亟需一种更加精准的道路交通流量仿真方法和系统。

发明内容

因此，本发明实施例的目的在于克服上述现有技术的缺陷，提供一种道路交通流量仿真模型的训练方法，包括：将道路拆分为若干个连续的路段；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；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，直至完成预设的训练周期。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，还包括：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；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。