[发明专利]一种基于门控递归单元的车辆诱导方法

权利要求书

1.一种基于门控递归单元的车辆诱导方法，其特征在于，包括：

步骤100，建立路网，所述路网包括路网邻接矩阵，从路网中的网联车辆采集交通状态，得到每个路段的平均车速，由相邻节点之间的距离以及平均速度得到矩阵中的节点与节点间路段的权重值，所述权重值组成路网邻接矩阵；

步骤200，基于门控递归单元，通过之前时刻(t-(δ-1)Δt)到当下时刻t的历史数据以预测之后时间段t+Δt时刻至t+nΔt时刻的交通状态：

其中，t为时刻，δ为预测时滞，n为预测步长，V^t为t时刻的交通车速，Δt为每个事件窗的大小，GRU为门控递归单元，t+Δt时刻至t+nΔt时刻的交通状态的交通状态矩阵，即路网状态的预测矩阵，为[V^t+Δt，V^t+2Δt，...，V^t+nΔt]，所述交通为每个路段的平均速度，所述门控递归单元的算法为：

r(t)＝sigmoid(Q_rI_t+U_rO_t-Δt)

u(t(＝sigmoid(Q_uI_t+U_uO_t-Δt)

O’_t＝tanh{Q_hI_t+U_h[r(t)⊙O_t-Δt]}

O_t＝[1-u(t)]⊙O_t-Δt+u(t)⊙O′_t

其中，r(t)为GRU中的重置门，u(t)为GRU中的更新门，O’_t为当前记忆内容，O_t为t时刻的输出状态，I_t为t时刻的输入状态，O_t-Δt为t-Δt时刻的输出状态，Q_rU_r，Q_uU_u及Q_hU_h分别为重置门、更新门与当前记忆内容的权重矩阵，利用当前时刻到当下时刻时间段内的历史数据得到GRU中的重置门与更新门，再由重置门与更新门得到当前记忆内容以及t时刻的输出状态；

⊙表示Hadamard乘积，是一种矩阵运算，sigmoid()表示sigmoid函数，常被用做神经网络的激活函数；tanh()表示双曲正切函数：

且，

I_t＝[V^t-(δ-1)Δt，V^t-(δ-2)Δt，...，V^t]

O_t＝[V^t+Δt，V^t+2Δt，...，V^t+nΔt]；

步骤300，根据路网状态的预测值矩阵[V^t+Δt，V^t+2Δt，...，V^t+nΔt]，由相邻节点之间的距离以及平均速度更新下一时刻的路网邻接矩阵，并依据路网邻接矩阵生成考虑时间成本的车辆诱导路径，根据t时刻路网状态预测得到t+Δt时刻的路网邻接矩阵

其中，为路网邻接矩阵中第i行第j列的值；

步骤400，每当间隔一段时间Δt更新交通流信息，获取时间成本以及最优路径，根据更新的交通流信息比较切换路径的节约时间和设定阈值的大小，由不同的关系采取不同的响应，依据进行考虑时间成本的车辆诱导路径生成，计算得出车辆时间成本：

为车辆时间成本，对N_i、N_j∈N，N是节点集合，定义N_i与N_j的中间节点集合为K＝(1，2，...，k)∈N，为节点i到节点k的时间成本，为节点k到节点j的时间成本；

当K为空集，即N_i到N_j之间没有中间点时，当K不为空集时，由递归得到，具体过程如为：遍历每一个中间节点k检查是否成立，若成立，则更新若不成立则不更新，完成对所有点的遍历后即可输出的最小值及最优路径P^t，该路径即为输出的诱导路径；

若所述切换路径的节约时间大于阈值ΔT，则切换诱导路径，若所述切换路径的节约时间小于阈值ΔT，则不切换诱导路径，可以表达为：其中，为t时刻的最优路径的时间成本，为t+Δt时刻从节点i′到节点j的时间成本；

步骤500，判断车辆是否在时间步长内达到目的地，根据不同的判断结果得到不同的响应；

若在时间步长内达到目的地，则结束路径诱导，若没有在时间步长内达到目的地，则令t＝t+Δt，并重复步骤100至步骤300，直至车辆能够在该步长内到达目的地。