[发明专利]基于混合深度学习的短时交通流量预测方法、系统、装置有效
| 申请号： | 201910842242.8 | 申请日： | 2019-09-06 |
| 公开（公告）号： | CN110675623B | 公开（公告）日： | 2020-12-01 |
| 发明（设计）人： | 熊刚;李志帅;吕宜生;陈圆圆;赵红霞;朱凤华;沈震;王飞跃 | 申请（专利权）人： | 中国科学院自动化研究所;东莞中国科学院云计算产业技术创新与育成中心 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G08G1/065 |
| 代理公司： | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人： | 郭文浩;尹文会 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于智能交通领域，具体涉及一种基于混合深度学习的短时交通流量预测方法、系统、装置，旨在解决现有大规模交通流量预测方法精度低的问题。本系统方法包括获取待预测的各交通观测点的历史交通流量数据；所述历史交通流量数据为t时刻之前连续的等时长时间段的r个交通流量数据集合；分别将各交通流量数据集合中的历史交通流量数据合并得到对应的合并数据，并将各合并数据归一化；基于归一化后的各交通观测点的历史交通流量数据，采用混合深度学习模型获取各交通观测点t时刻归一化的预测结果；将预测结果进行反归一化，得到各交通观测点t时刻的交通流量预测值。本发明提高了大规模交通流量预测的精度。 | ||
| 搜索关键词： | 基于 混合 深度 学习 交通 流量 预测 方法 系统 装置 | ||
【主权项】：
1.一种基于混合深度学习的短时交通流量预测方法，其特征在于，该方法包括：/n步骤S10，获取待预测的各交通观测点的历史交通流量数据；所述历史交通流量数据为t时刻之前连续的等时长时间段的r个交通流量数据集合；/n步骤S20，分别将各所述交通流量数据集合中的历史交通流量数据合并得到对应的合并数据，并将各合并数据归一化；/n步骤S30，基于归一化的历史交通流量数据，采用混合深度学习模型获取各交通观测点t时刻的归一化的预测结果；/n步骤S40，将各交通观测点t时刻归一化的预测结果进行反归一化，得到各交通观测点t时刻的交通流量预测值；/n其中，/n所述混合深度学习模型由图卷积神经网络、LSTM网络和注意力机制组合而成，通过提取历史交通流量数据的时空关系特征预测当前交通流量数据。/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中国科学院自动化研究所;东莞中国科学院云计算产业技术创新与育成中心，未经中国科学院自动化研究所;东莞中国科学院云计算产业技术创新与育成中心许可，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/201910842242.8/，转载请声明来源钻瓜专利网。
