[发明专利]一种基于模糊C均值交通流量聚类以及误差反馈卷积神经网络的短时交通流预测方法

摘要

一种基于模糊C均值交通流量聚类以及误差反馈卷积神经网络的短时交通流预测方法属于交通预测领域。本发明采用模糊聚类的思想对交通流进行模式划分，弥补了传统硬性聚类算法对交通流量进行模式划分的不足。同时提出了误差反馈卷积神经网络结构，解决了传统的神经网络不能够充分利用时空交通信息，且对突变异常流量不敏感等缺点。并且将两者结合构建组合模型，用于短时交通流的预测中。该方法在使得预测模型可以更加精确地预测未来时间单位的流量，同时提高了对突发事件引起的流量变化的识别能力。

主权项

1.一种基于模糊C均值交通流量聚类以及误差反馈卷积神经网络的短时交通流预测方法，其特征在于，包括以下步骤：步骤1.采用模糊C均值算法，将一天中的交通流量分为C种不同的流量模式；步骤2.根据交通数据的时空特性，在时间维度以及空间维度构建交通流二维矩阵；步骤3.在传统卷积神经网络的结构基础上构建误差反馈卷积神经网络；步骤4.定义损失函数，训练模型；定义损失函数其中n为样本个数，o为预测模型的预测值，y为真实流量数据；根据损失函数，通过反向传播算法对模型参数寻求最优解；步骤5.根据误差反馈卷及审计网络组合预测模型，实现短时交通流的预测。