[发明专利]基于道路历史数据的车流量预测方法、系统及存储介质

权利要求书

1.一种基于道路历史数据的车流量预测方法，其特征在于，包括以下步骤：

获取历史车流量数据构建历史车流量数据集；

针对所述历史车流量数据集进行预处理；

对所述历史车流量数据集进行不平衡处理，得到目标训练数据；

使用注意力模块对所述目标训练数据的特征向量进行处理，得到目标特征向量；

利用目标训练数据和目标特征向量，使用支持向量机进行训练，得到预测模型；

将实时车流量数据输入所述预测模型，输出预测结果；

其中，所述目标训练数据包括历史车流量数据集的不平衡率、新车流量数据样本总数和不平衡类别的新车流量数据样本；

所述预测模型设置有优化目标函数，所述优化目标函数用于对所述目标训练数据具有最小间隔的车流量数据样点进行间隔最大化，以使预测模型得到对应所述目标训练数据的分隔超平面。

2.如权利要求1所述的基于道路历史数据的车流量预测方法，其特征在于，所述预处理包括：

对车流量数据集进行批量归一化处理；

对车流量数据集进行PCA降维和去噪。

3.如权利要求2所述的基于道路历史数据的车流量预测方法，其特征在于，所述批量归一化处理：

y_i＝γz_i+β

其中，N_batch表示每个预设批次的车流量数据样本的个数；

g_i表示某一批处理中第i个车流量数据样本的车流量数据特征；

ε是趋近零的常量，用于保持车流量数据的稳定性；

γ和β为可学习重构参数，通过自适应学习减少车流量数据特征分布间的差异；

z_i为中间变量，μ_b为中间变量。

4.如权利要求1所述的基于道路历史数据的车流量预测方法，其特征在于，所述对所述历史车流量数据集进行不平衡处理，得到目标训练数据，包括：

计算历史车流量数据集的不平衡率，公式如下：

其中，d为历史车流量数据集的不平衡率，n₁为不平衡的历史车流量数据样本种类的数量，n₂为平衡的历史车流量数据样本的种类数量；

计算合成的新车流量数据样本总数N，公式如下：

N＝d×α,α∈[0,1]；

根据欧式距离计算少数类样本x_i的K个近邻车流量数据样本x_ij，并计算每个少数类车流量数据样本的γ_i，公式如下：

其中:Δ_i表示K个近邻车流量数据样本中的多数类车流量数据样本数，

γ_i为每个少数类车流量数据样本数据；

归一化处理，公式如下：

其中，为归一化后的车流量数据样本数据；

计算每个少数类车流量数据样本合成的样本数量：

其中，M_i为每个少数类车流量数据样本合成的样本数量，

生成新车流量数据样本，公式如下：

x_new＝x_i+x_i-x_ij)×rand(0,1)

其中，x_i为少数类车流量数据样本；

x_ij为x_i的近邻车流量数据样本；

rand(0,1)为0到1之间的随机数；

x_new为生成不平衡类别的新车流量数据样本。

5.如权利要求1所述的基于道路历史数据的车流量预测方法，其特征在于，所述使用注意力模块对所述目标训练数据的特征向量进行处理，得到目标特征向量，包括：

将所述目标训练数据的特征向量作为输入，使用挤压和通道网络注意力模块进行挤压操作，输出全局空间车流量数据特征；

获取所述全局空间车流量数据特征作为输入，使用神经网络结构输出所述目标特征向量；

其中，所述神经网络结构含有两个全连接层。