[发明专利]基于深度神经网络集成的交通流量预测方法在审
| 申请号： | 201910308192.5 | 申请日： | 2019-04-17 |
| 公开（公告）号： | CN110210644A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 李春光;权钲杰 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06N3/04 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 林超 |
| 地址： | 310058 浙江*** | 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： | 本发明公开了一种基于深度神经网络集成的交通流量预测方法。获取交通流量原始数据进行数据预处理，构建样本数据，将样本数据划分为训练集和测试集，样本数据主要为多个交通流量测量值组成的一维时间序列数据；构建用于交通流量预测的卷积神经网络预测模型，将样本数据输入到模型中使用梯度优化算法进行训练，并在训练集上对训练好的模型计算预测误差的方差；根据预测误差的方差使用卷积神经网络预测模型作为个体学习器，构建用于交通流量预测的卷积神经网络集成模型；使用卷积神经网络集成模型对待测的交通流量数据进行预测。本发明基于卷积神经网络模型，利用集成学习方法，提出了一种改进的交通流量预测方法，提高了预测的准确性。 | ||
| 搜索关键词： | 交通流量预测 卷积神经网络 样本数据 构建 神经网络集成 集成模型 预测模型 预测误差 训练集 方差 交通流量 交通流量测量 交通流量数据 时间序列数据 梯度优化算法 数据预处理 集成学习 模型计算 原始数据 测试集 学习器 预测 改进 | ||
【主权项】：
1.一种基于深度神经网络集成的交通流量预测方法，其特征在于：包括以下几个步骤：(1)获取交通流量原始数据进行数据预处理，构建样本数据，将样本数据划分为训练集和测试集，所述样本数据主要为多个交通流量测量值组成的一维时间序列数据；(2)构建用于交通流量预测的卷积神经网络预测模型，将样本数据输入到模型中使用梯度优化算法进行训练，并在训练集上对训练好的模型计算预测误差的方差；(3)根据预测误差的方差使用步骤(2)中的卷积神经网络预测模型作为个体学习器，构建用于交通流量预测的卷积神经网络集成模型；(4)使用步骤(3)中的卷积神经网络集成模型对待测的交通流量数据进行预测。
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浙江大学，未经浙江大学许可，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/201910308192.5/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
