[发明专利]基于CNN-LSTM-At神经网络的短时交通流量预测方法

摘要

本发明公开了一种基于CNN‑LSTM‑At神经网络的短时交通流量预测方法，以某个地区的出租车数据作为交通流量的代表，先对该地区进行网格化划分，再以一段时间间隔内的交通流量定义为在这个时间间隔内到达和/或离开该方格的出租车订单次数，通过矩阵的方式表示出租车订单，使用滑动窗口的方式提取邻近的矩阵构成数据集，通过卷积神经网络进行卷积运算，再将卷积运算的输出结果输入到LSTM中，同时将输出结果添加一个注意力机制，找到最需要注意的时间步，最后进行样本全连通和整形变换生成预测结果矩阵，由此本发明可以提取矩阵的时空间关系，并进行实时预测，在能获得足够多数据的情况下，可以实时更新模型，预测交通流量，具备很高的准确性。