[发明专利]一种面向复杂城市交通网络的短时交通流量预测方法

摘要

本发明请求保护一种面向复杂城市交通网络的短时交通流量预测方法，属于智能交通分析领域，首先，获取数据源，包括卡口流量统计和车辆轨迹数据提取。然后，为了提取路网流量的局部空间特征，提出network2image路网矩阵化算法从车辆轨迹中挖掘路口关系重构路网得到路网流量图片。利用卷积神经网络进行局部卷积计算。针对降低计算复杂度问题，采用路网图像化算法network2image算法：从轨迹数据中挖掘路网中路口的关系，将路网重构成图像，利用卷积神经网络的卷积局部计算达到提取路网局部特征、降低计算复杂度与提高泛化能力的目的。在卷积层中引入小规模递归神经网络，局部路网长时关联性。本发明有效提高了实际复杂城市路网中流量短时预测准确率。

主权项

1.一种面向复杂城市交通网络的短时交通流量预测方法，其特征在于，包括以下步骤：步骤1：通过城市交通路网视频监控获取车辆出行信息，提取车牌、卡口编号和过车时间在内的相关属性、获取原始轨迹数据以及卡口流量数据；步骤2：路网图像化：根据轨迹信息数据挖掘卡口关系，利用自然语言处理中的矢量化技术和数据降维方法获取卡口在二维空间中的向量表达,并通过扩散‑收缩算法这些卡口点放入二维矩阵空间，并离散化二维矩阵空间获取路网的图像化表达形式；步骤3：构建路网短时流量预测模型的步骤和模型训练的步骤：步骤4：城市路网流量短时预测：结合交通流量数据的局部时空关联性，以及局部路网的长时关联性，利用训练完成模型，对城市路网进行短时交通流量预测。