[发明专利]基于时空相关性和卷积神经网络的短时交通流预测方法

摘要

本发明公开了基于时空相关性和卷积神经网络的短时交通流预测方法，挖掘交通流量数据之中的时空相关性，交通流量数据并转化为具有时空交通流量信息的二维矩阵，利用卷积神经网络对矩阵内部交通流的时空特征信息进行提取、处理和学习，最终得出预测结果，此外还采用了时空特征选择算法筛选出最佳输入数据。本发明深入挖掘交通流数据的随机性与不确定性，充分考虑交通流数据中的时空相关性，从而有效提高了交通流量数据的预测精度。

主权项

1.基于时空相关性和卷积神经网络的短时交通流预测方法，其步骤如下：(1)选定需要进行交通流预测的路段以及该路段中的车辆检测点，获取所选路段及其上下游车辆检测点的短时交通流量历史数据；(2)根据获取的短时交通流历史数据，选定短时交通流预测的预测时段；(3)对预测路段检测点的历史交通流数据进行时间相关性分析确定时滞，对同路段的上下游检测点之间的交通流数据进行空间相关性分析确定车辆检测点数目；(4)提取步骤(3)中确定的相关车辆检测点的交通流数据，按照空间上下游顺序和时间顺序，构建历史交通流量数据集；(5)构建卷积神经网络，对历史交通流数据集进行预测模型训练并验证优化。