[发明专利]一种基于Conv1D-NLSTMs神经网络结构的道路交通流预测方法在审
| 申请号： | 201910352267.X | 申请日： | 2019-04-29 |
| 公开（公告）号： | CN110070715A | 公开（公告）日： | 2019-07-30 |
| 发明（设计）人： | 徐东伟;朱钟华;彭鹏;王永东;戴宏伟;魏臣臣;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;G06N3/04;G06N3/08 |
| 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Conv1D‑NLSTMs神经网络结构的道路交通流预测方法，包括以下步骤：1)、构建关联道路的交通流数据矩阵，并对数据进行预处理；2)、基于交通流数据矩阵提取道路交通流时空特征；3)、基于道路交通流时空特征构建道路交通流预测模型：采用全连接层对得到的道路交通流时空特征作回归预测，得到未来时刻未经过反归一化的道路交通流的预测结果，并根据均方误差的结果利用反向传播算法不断优化模型参数，最终通过反归一化将结果映射为实际交通流量值；4)、验证道路交通流预测模型：使用训练完成的模型对测试集中的道路交通流数据进行预测，对比预测结果和实际值从而测试模型性能。由实验结果可知本发明预测结果更准确。 | ||
| 搜索关键词： | 道路交通流 时空特征 预测结果 神经网络结构 交通流数据 预测 反归一化 预测模型 构建 预处理 矩阵 测试模型 反向传播 关联道路 矩阵提取 均方误差 未来时刻 优化模型 交通流 连接层 映射 算法 验证 测试 回归 | ||
【主权项】：
1.一种基于Conv1D‑NLSTMs神经网络结构的道路交通流预测方法，其特征在于，所述方法包括以下步骤：(1)、构建关联道路的交通流数据矩阵，并对数据进行预处理：选择预测道路及其相关联道路的交通流数据，构建交通流数据矩阵，并对其进行归一化处理；(2)、基于交通流数据矩阵提取道路交通流时空特征：采用一维卷积网络对交通流数据矩阵中同一时刻不同路段的交通流数据提取空间特征，得到具有空间特征的序列数据，再使用NLSTMs神经网络提取该序列数据中的时序特征，从而得到道路交通流时空特征；(3)、基于道路交通流时空特征构建道路交通流预测模型：采用全连接层对得到的道路交通流时空特征作回归预测，得到未来时刻未经过反归一化的道路交通流的预测结果，并根据均方误差的结果利用反向传播算法不断优化模型参数，最终通过反归一化将结果映射为实际交通流量值；(4)、验证道路交通流预测模型：使用训练完成的模型对测试集中的道路交通流数据进行预测，对比预测结果和实际值从而测试模型性能。
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/201910352267.X/，转载请声明来源钻瓜专利网。
