[发明专利]一种基于双向嵌套LSTM神经网络的交通流预测方法有效
| 申请号： | 201910298059.6 | 申请日： | 2019-04-15 |
| 公开（公告）号： | CN110070713B | 公开（公告）日： | 2021-01-01 |
| 发明（设计）人： | 徐东伟;彭鹏;王永东;戴宏伟;宣琦 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G06Q10/04;G06Q50/26;G06N3/04 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 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： | 一种基于双向嵌套LSTM神经网络的交通流预测方法，该方法基于道路交通流相关性矩阵获取预测路段及K个最相关路段的交通流数据，构建道路交通流时空矩阵数据集并进行数据序列化处理；然后构建双向嵌套LSTM神经网络预测模型，定义预测模型损失函数，结合训练集数据，完成模型训练；最后以测试集数据作为训练后模型的输入，实现测试集交通流状态的实时预测并定义模型评价标准，进行误差分析。本发明通过改善LSTM单元时间层级效应和考虑未来、历史交通流状态与现有状态的联系，提高了道路交通流数据的时间特征提取能力，从而提高了道路交通流的预测精度。 | ||
| 搜索关键词： | 一种 基于 双向 嵌套 lstm 神经网络 通流 预测 方法 | ||
【主权项】：
1.一种基于双向嵌套LSTM神经网络的交通流预测方法，其特征在于，所述方法包括以下步骤：(1)选取道路交通网络某一区域作为研究对象，获取道路交通流数据，进行路段交通流相关性分析，形成道路交通相关性矩阵；(2)根据交通流相关性分析结果，获取相关路段交通流数据进行数据预处理；构建道路交通流时空矩阵数据集，划分训练集与测试集的步骤；对数据集进行序列化；(3)构建双向嵌套LSTM神经网络，将交通流时空数据训练集作为模型输入，定义预测模型损失函数，完成模型训练；(4)将交通流时空数据测试集作为预测模型输入，实现交通流未来状态预测；定义模型评价指标并对模型预测结果进行误差分析。
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/201910298059.6/，转载请声明来源钻瓜专利网。
