[发明专利]一种基于深度学习的离散化交通状态判别方法

摘要

一种基于深度学习的离散化交通状态判别方法，属于交通状态判别技术领域。包括如下步骤：步骤a，利用设置在路口各个方向的监测设备对路口在多个不同时刻的交通状态进行采集，对应得到多组交通状态信息；步骤b，按照离散化编码流程对多组交通状态信息分别进行离散化编码描述，对应得到路口在不同时刻的离散化编码数据；步骤c，根据步骤b中的得到的离散化编码数据构建基于深度学习的交通状态判别模型；步骤d，利用步骤c构建的交通状态判别模型进行交通状态的判别。通过本基于深度学习的离散化交通状态判别方法，可全面真实描述交通状态、无需专家参与交通状态特征选择、可半监督自动实现交通状态判别模型的构建。

主权项

1.一种基于深度学习的离散化交通状态判别方法，其特征在于：包括如下步骤：步骤a，利用设置在路口各个方向的监测设备对路口在多个不同时刻的交通状态进行采集，对应得到多组交通状态信息；步骤b，按照离散化编码流程对多组交通状态信息分别进行离散化编码描述，对应得到路口在不同时刻的离散化编码数据；步骤c，根据步骤b中的得到的离散化编码数据构建基于深度学习的交通状态判别模型；步骤d，利用步骤c构建的交通状态判别模型进行交通状态的判别；步骤b中所述的离散化编码流程，包括如下步骤：步骤b‑1，对道路进行网格化；在所述路口各个方向上长度为l的道路上，以长度c为单位长度对道路的每条并行车道进行网格化，在每条并行的车道上形成l/c个单元，并得到离散化后的交通状态向量；步骤b‑2，定义交通状态向量；定义车辆存在状态向量a，用于对每个网格内是否存在有车辆进行表示，定义车辆速度状态向量b，用于对每个网格内车辆的行驶速度进行表示；步骤b‑3，利用步骤b‑2中定义的交通状态向量，对所述路口在T时刻的交通状态进行表示，并分别形成路口每个方向在T时刻反应交通状态向量的数值表；步骤b‑4，提取路口在T时刻每个方向的交通状态向量的数值表。