[发明专利]一种多因素的短时交通流预测方法有效
| 申请号： | 201910001441.6 | 申请日： | 2019-01-02 |
| 公开（公告）号： | CN109658695B | 公开（公告）日： | 2020-09-22 |
| 发明（设计）人： | 陈泽濠;袁华 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 冯炳辉 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种多因素的短时交通流预测方法，包括步骤：1)计算特定检测器与气象站之间的距离，筛选出距离最近的气象站，将该气象站的天气数据作为检测器的天气数据；2)分别对检测器的历史交通流数据与历史天气数据进行预处理，再根据时间合并；3)构建多种特征，基于LightGBM进行特征筛选；4)利用LSTM对交通流数据的时序特征与周期性特征进行建模；5)使用神经网络中的全连接网络将交通流的时序特征、周期性特征与步骤3)筛选出来的多种特征进行融合；6)训练模型并对短时交通流进行预测。本发明克服了现有方法不能充分利用已有数据的不足，能对交通流数据进行更深入的挖掘分析，预测准确性高，鲁棒性好。 | ||
| 搜索关键词： | 一种 因素 短时交 通流 预测 方法 | ||
【主权项】：
1.一种多因素的短时交通流预测方法，其特征在于，包括以下步骤：1)计算特定检测器与气象站之间的距离，筛选出距离最近的气象站，将该气象站的天气数据作为检测器的天气数据；2)分别对检测器的历史交通流数据与历史天气数据进行预处理，再根据时间合并；其中，所述检测器的历史交通流数据为特定观测点在一段时间间隔内经过的车辆数；3)构建多种特征，基于LightGBM进行特征筛选；4)利用长短时记忆网络LSTM对交通流数据的时序特征与周期性特征进行建模；5)使用神经网络中的全连接网络将交通流的时序特征、周期性特征与步骤3)筛选出来的多种特征进行融合；6)训练模型并对短时交通流进行预测。
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华南理工大学，未经华南理工大学许可，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/201910001441.6/，转载请声明来源钻瓜专利网。
