[发明专利]一种基于神经网络LSTM的多因素短期车流量预测方法有效
| 申请号： | 201910334053.X | 申请日： | 2019-04-24 |
| 公开（公告）号： | CN110223510B | 公开（公告）日： | 2021-03-26 |
| 发明（设计）人： | 赵祥模;程鑫;王钰;周洲;赵怀鑫;周经美;张立成;郝茹茹;尚旭明;韩睿之;陈宇轩;常惠 | 申请（专利权）人： | 长安大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G08G1/065;G06K9/62;G06N3/04 |
| 代理公司： | 西安恒泰知识产权代理事务所 61216 | 代理人： | 王芳 |
| 地址： | 710064 陕西省*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于交通工程领域，公开了一种基于神经网络LSTM的多因素短期车流量预测方法，步骤1：获取一段时间内的车流量数据，并对车流量数据进行预处理，得到短时交通流数据；步骤2：对短时交通流数据根据天气记录和节假日记录进行筛选，划分数据集；步骤3：进行数据清洗、数据重构和归一化；步骤4：建立LSTM神经网络模型，根据待预测日期的天气状况和节假日状况选择数据集，利用选择的数据集训练LSTM神经网络模型并调整LSTM参数，根据建立好的LSTM神经网络模型获得预测日期的车流量。本发明提出了更加细致化的思想，排除了其他因素，如天气因素、节假日因素等对交通流的影响，相对的提高了预测精度，使得对未来某时段的交通流预测更为准确有效。 | ||
| 搜索关键词： | 一种 基于 神经网络 lstm 因素 短期 车流量 预测 方法 | ||
【主权项】：
1.一种基于神经网络LSTM的多因素短期车流量预测方法，其特征在于，包括以下步骤：步骤1：获取一段时间内的车流量数据，并对车流量数据进行预处理，得到短时交通流数据；步骤2：对步骤1得到的短时交通流数据根据天气记录和节假日记录进行筛选，将仅为异常天气时段的短时交通流数据作为第一数据集，将仅为节假日时段的短时交通流数据作为第二数据集，将非异常天气和节假日时段的短时交通流数据作为第三数据集，将同时满足异常天气和节假日时段的短时交通流数据作为第四数据集；步骤3：对步骤2得到的第一数据集、第二数据集、第三数据集和第四数据集进行数据清洗、数据重构和归一化；步骤4：建立LSTM神经网络模型，根据待预测日期的天气状况和节假日状况选择步骤3得到的归一化的第一数据集、第二数据集、第三数据集和第四数据集其中之一，利用选择的数据集训练LSTM神经网络模型并调整LSTM参数，根据建立好的LSTM神经网络模型获得预测日期的车流量。
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长安大学，未经长安大学许可，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/201910334053.X/，转载请声明来源钻瓜专利网。
