[发明专利]一种数据驱动的交通快速推演方法和系统在审
| 申请号： | 201810762377.9 | 申请日： | 2018-07-12 |
| 公开（公告）号： | CN109033583A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 毛天露;闾泽军;方众;王兆其 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G08G1/01 |
| 代理公司： | 北京律诚同业知识产权代理有限公司 11006 | 代理人： | 祁建国;梁挥 |
| 地址： | 100080 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种数据驱动的交通快速推演方法和系统，包括：将交通路网中流量变化超过预设值的地点，作为有向图中的节点，将连接节点之间的道路作为有向图中的有向边，每个节点和与其相连的边构成交通推演单元；针对每个交通推演单元，收集通过该节点时交通流量的变化数据作为样本，利用机器学习方法从该样本中学习并构建通过该节点时交通流量变化的计算模型；给定每个推演单元在初始周期的流量状态，在后续的每一时间周期，针对每个推演单元，将上一周期该推演单元的流量状态和其相邻推演单元的流量状态输入至该计算模型，以推演其当前周期的流量变化。本发明根据交通特征，对交通路网采取有向图的建模方式，可实现交通建模以及分钟级别的快速推演。 | ||
| 搜索关键词： | 推演 流量状态 有向图 交通流量 交通 计算模型 交通路网 数据驱动 样本 变化数据 初始周期 机器学习 建模方式 交通特征 连接节点 流量变化 有向边 中流量 构建 建模 预设 学习 | ||
【主权项】：
1.一种数据驱动的交通快速推演方法，其特征在于，包括：步骤1、将交通路网中流量变化超过预设值的地点，作为有向图中的节点，将连接节点之间的道路作为有向图中的有向边，每个节点和与其相连的边构成交通推演单元；步骤2、针对每个交通推演单元，收集通过该节点时交通流量的变化数据作为样本，利用机器学习方法从该样本中学习并构建通过该节点时交通流量变化的计算模型；步骤3、给定每个推演单元在初始周期的流量状态，在后续的每一时间周期，针对每个推演单元，将上一周期该推演单元的流量状态和其相邻推演单元的流量状态输入至该计算模型，以推演其当前周期的流量变化。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810762377.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种高速列车多参数智能阈值准则
- 下一篇：一种考虑枯落层的坡面汇流计算方法
