[发明专利]一种基于LSTM神经网络的公交到站时间预测方法在审
| 申请号： | 201910793450.3 | 申请日： | 2019-08-26 |
| 公开（公告）号： | CN110459056A | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 施佺;包银鑫;张宇;曹阳;周晨璨 | 申请（专利权）人： | 南通大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G08G1/123;G06N3/04 |
| 代理公司： | 32238 南京汇盛专利商标事务所(普通合伙) | 代理人： | 吴静安;吴扬帆<国际申请>=<国际公布> |
| 地址： | 22600*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的基于LSTM神经网络的公交到站时间预测方法，所述方法包括如下步骤：步骤1）从城市公交数据库将包含有公交车定位数据、刷卡数据的历史数据集导入至Hadoop大数据集群下的HBase数据库，通过Spark内存计算框架对存入的数据集进行数据预处理；步骤2）对处理后的数据进行数据标准化处理；步骤3）通过最小绝对收缩和选择算法对标准化后的数据特征进行判断和特征筛选；步骤4）基于LSTM神经网络构建公交车的到站时间预测模型，将已经筛选好关键特征的标准化数据输入，实现对公交到站时间的预测。有益效果：具有对公交原始数据进行筛选和选择的操作过程，通过对公交到站数据的筛选和选择，本发明方法可有效提高对公交到站时间预测的准确率。 | ||
| 搜索关键词： | 时间预测 筛选 数据库 到站时间预测 神经网络构建 标准化数据 公交车定位 数据标准化 数据预处理 操作过程 城市公交 公交到站 关键特征 历史数据 内存计算 神经网络 数据特征 刷卡数据 特征筛选 选择算法 原始数据 大数据 公交车 数据集 准确率 集群 收缩 标准化 预测 | ||
【主权项】：
1.一种基于LSTM神经网络的公交到站时间预测方法，其特征在于，所述方法包括如下步骤：/n步骤1)从城市公交数据库将包含有公交车定位数据、刷卡数据的历史数据集导入至Hadoop大数据集群下的HBase数据库，通过Spark内存计算框架对存入的数据集进行数据预处理；/n步骤2)对处理后的数据进行数据标准化处理；/n步骤3)通过最小绝对收缩和选择算法对标准化后的数据特征进行判断，分析每个特征的影响因子系数，并进行特征筛选；/n步骤4)基于LSTM神经网络构建公交车的到站时间预测模型，将已经筛选好关键特征的标准化数据输入至到站时间预测模型，并进行模型训练，实现对公交车到站时间的预测。/n
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南通大学，未经南通大学许可，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/201910793450.3/，转载请声明来源钻瓜专利网。
