[发明专利]基于深信度网络的交通流参数预测方法

摘要

本发明提供了一种基于深信度网络的交通流参数预测方法，包括以下步骤：根据交通流的预测时间间隔，采集交通流参数，在参数聚合的基础上，用归一化方法，对采集的交通流参数进行预处理；建立基于深信度网络的交通流参数预测方法，将归一化的交通流参数划分为训练数据集合测试数据集，并利用测试数据集训练DBN模型；利用深信度网络预测模型进行交通流参数预测；对比测试数据集和预测数据，进行误差分析。本发明通过分析并选取最佳神经网络结构，提高了参数预测的准确度。

主权项

一种基于深信度网络的交通流参数预测方法，其特征在于，包括如下步骤：步骤1：采集历史交通流参数，并利用归一化方法对交通流参数进行预处理，得到归一化后的数据集；步骤2：建立基于深信度网络的交通流参数预测模型，将归一化后的数据集划分为训练数据集和测试数据集，用测试数据集训练交通流参数预测模型；步骤3：利用训练后的基于深信度网络的交通路流参数预测模型预测未来交通流参数，得到预测数据；步骤4：将测试数据集和预测数据进行比较，分析误差。