[发明专利]基于时间聚类分析和可变卷积神经网络的交通平均速度预测方法有效
| 申请号： | 201811089218.3 | 申请日： | 2018-09-18 |
| 公开（公告）号： | CN109064748B | 公开（公告）日： | 2020-12-25 |
| 发明（设计）人： | 沈国江;陈超环;杨曦;刘志;朱李楠;刘端阳;阮中远;申思;朱迪峰 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G08G1/052;G06N3/02 |
| 代理公司： | 杭州天正专利事务所有限公司 33201 | 代理人： | 王兵;黄美娟 |
| 地址： | 310014 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种复杂环境下的城市道路平均速度的预测的方法，包括以下步骤：(1)利用差分进化算法，通过不断的差分进化，获取时间分割点的位置，使子时间段间的交通平均速度相关系数最低，从而对时间进行切分；(2)利用层次聚类获取一系列同一时间段不同日期下相似的交通平均速度变化模式，从而通过识别交通速度变化模式来划分交通环境；(3)把不同交通环境所对应的交通数据用于训练并得到不同的参数基本可变卷积神经网络；(4)根据回报值，从每个基本可变卷积神经网络中选择一个历史平均回报高的可变卷积神经网络作为最终预测器用于下一个预测时间的交通平均速度预测。 | ||
| 搜索关键词： | 基于 时间 聚类分析 可变 卷积 神经网络 交通 平均速度 预测 方法 | ||
【主权项】：
1.基于时间聚类和可变卷积神经网络的交通平均速度预测方法，包括步骤如下：(1)采用差分进化算法通过不断的差分进化获取最佳的分割点，使分割后的子时间段的交通平均速度序列之间的平均相关系数最低；(2)采用基于相关系数的层次聚类对不同天的同一时间段的交通平均速度序列进行时间聚类，得到具有不同交通平均速度变化模式的N个数据簇；(3)把不同的数据簇放入已经构建的可变卷积神经网络进行训练，通过学习时空输入矩阵的时空关系得到一系列不同的卷积核形状和不同参数的可变卷积神经网络；(4)根据均值回报从一系列基础可变卷积神经网络中选择一个最终预测器，即在当前时间子分段内回报最高的可变卷积神经网络所得到的预测值作为下一个时间的预测值；(5)真实值揭露后，更新每个基础可变卷积神经网络的平均回报值，进入步骤(4)；(6)重复执行步骤(5)，直到当前的子时间段结束。
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浙江工业大学，未经浙江工业大学许可，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/201811089218.3/，转载请声明来源钻瓜专利网。
