[发明专利]基于Encoder-Decoder的长时交通流预测方法

权利要求书

1.一种基于Encoder-Decoder的长时交通流预测方法，其特征在于：包括如下步骤：

步骤1)获取交通流数据，计算不同路段的交通流数据与目标路段的交通流数据之间的皮尔逊相关系数，选取相关系数高于阈值的多个路段的交通流数据作为输入数据；

步骤2)将所述输入数据进行标准化处理，使用处理好的输入数据集构建训练集、验证集和测试集；

步骤3)构建基于Encoder-Decoder的长时交通流预测模型，确定长时交通流预测模型的基本结构参数；

步骤4)使用步骤2)构建的训练集训练基于Encoder-Decoder的长时交通流预测模型，预测目标路段后一天的交通流数据。

2.根据权力要求1所述的基于Encoder-Decoder的长时交通流预测方法，其特征在于：所述步骤1)中，通过下式计算路段i的交通流数据与目标路段O的交通流数据之间的皮尔逊相关系数R_i：

其中n表示交通流数据序列的总长度，T_ij和T_Oj分别代表第j个时段路段i与目标路段O的交通流数据，分别为路段i与目标路段O的交通流数据的平均数。

3.根据权利要求1所述的基于Encoder-Decoder的长时交通流预测方法，其特征在于：所述步骤2)中，使用Z-score标准化方法对交通流数据进行标准化处理，通过下式计算T^*：

其中T_j为原始的交通流序列中第j个时间段的交通流数据，为原始交通流序列的均值，T^σ为原始交通流序列的标准差，其计算公式为：

标准化后的数据集为：

T^*＝{(T₁^*，T₂^*，…,T_i^*)₁,(T₁^*,T₂^*,…,T_i^*)₂,…,(T₁^*,T₂^*,…,T_i^*)_n}

其中(T₁^*,T₂^*,…,T_i^*)_j为第1～i条道路j时刻Z-score标准化后的交通流数据。