[发明专利]一种强化递阶学习驱动的时空交通流预测方法有效
申请号: | 201910920367.8 | 申请日: | 2019-09-26 |
公开(公告)号: | CN110634294B | 公开(公告)日: | 2021-12-24 |
发明(设计)人: | 刘秀萍 | 申请(专利权)人: | 盐田港国际资讯有限公司 |
主分类号: | G08G1/01 | 分类号: | G08G1/01 |
代理公司: | 东莞市创益专利事务所 44249 | 代理人: | 李卫平 |
地址: | 518000 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供的一种强化递阶学习驱动的时空交通流预测方法,充分利用相关路段在时间和空间上的相互关联,通过强化递阶学习网络动态模拟出非线性的、高维度的、随机的道路交通流演变模式,设计并实现了基于受限玻尔兹曼机模型的道路交通流特征提取,对录入层道路交通流数据进一步的降维,将降维后的道路交通流特征用SVM方法分类,得到最后的交通流预测结果,经过试验和实地检测表明,当样本可靠性在75%时,预测结果准确性在85.6%以上,当样本可靠性在90%时,预测结果准确性在96.3%以上,交通流预测的准确性和可靠性大幅提升,交通流预测方法的理论根基很强,交通流预测时效性好,预测结果实时性强,有广阔的应用空间。 | ||
搜索关键词: | 一种 强化 学习 驱动 时空 通流 预测 方法 | ||
【主权项】:
1.一种强化递阶学习驱动的时空交通流预测方法,其特征在于:包括抽取录入数据、受限玻尔兹曼机模型驱动提取交通流特征、基于SVM模型的道路交通流预测,抽取录入数据包括高关连道路选择抽取和基于主分量分析的原数据压缩,具体步骤为:/n第一步,高关连道路选择抽取;/n第二步,基于主分量分析的原数据压缩;/n第三步,受限玻尔兹曼机模型驱动提取交通流特征;/n第四步,基于SVM模型的道路交通流预测。/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盐田港国际资讯有限公司,未经盐田港国际资讯有限公司许可,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/201910920367.8/,转载请声明来源钻瓜专利网。