[发明专利]基于深度特征提取网络的交通流量预测时序方法

说明书

本发明公开了一种基于深度特征提取网络的交通流量预测时序方法，通过获取每个路段的交通流信息，以及路段之间的相关度，来获取交通流相关度的动态语义图，再通过深度特征提取网络的交通流量来预测交通流量的时序模型。本发明适合应用在交通出行的最优路线设计，可以对交通堵塞问题起到一定的缓解作用。

技术领域

本发明涉及一种基于深度特征提取网络的交通流量预测时序方法，属于交通流量预测技术领域。

背景技术

城市交通是城市社会经济活动的命脉，对促进城市经济的发展、便捷人们的出行都具有重要的意义，随着科学技术的进步和工业的发展，城市中交通量激增，原始的交通方式已不能满足要求；同时，由于工业发展为城市交通提供的各种交通工具越来越多，从而加速了城市交通事业的发展。

但是城市发展的同时，也造成了交通堵塞、交通事故频发等一系列的问题。而交通事故的频发往往在交通拥堵的路段，因此，预测下一个时间周期的交通流就显得尤为重要。

目前国内外在大规模的交通流量预测技术领域的研究还不够深入，尤其是在进行公路建设项目可行性研究，往往只考虑有直接影响的某一条或几条线路，缺乏对所建公路在公路网整体中的作用进行研究，往往造成预测交通量与实际交通量相差太远。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于深度特征提取网络的交通流量预测时序方法，运用深度学习来预测交通流量，可以对交通流量进行实时预测。

为解决上述技术问题，本发明提供一种基于深度特征提取网络的交通流量预测时序方法，包括以下步骤：

1)获取随着时间传递的交通流量相关度动态语义图；

2)在步骤1)获得交通流量相关度语义图的基础上，应用深度特征提取网络的交通流量时序模型预测下一时间周期的交通流量，具体步骤如下：

2-1)假设某一系列时刻t的交通流量X^t为：

其中，为第i个路段在系列时刻t的交通流量，N表示路段数，n表示时刻数，第k个路段的交通流量受到与它相连的上一个路段的交通流量的影响，假设与它相连的上一个路段有m段，每一段与其相连的交通流量都贡献交通流量给第k个路段，则有：

其中，为第k个路段在系列时刻t预测的交通流量，是与第k个路段相连的所有上一个路段贡献给的交通流量之和，是第j个路段的辅助参数，上标t-1为系列时刻t的前一个系列时刻，是第j个路段在系列时刻t-1的交通流量，ε_t是系列时刻的噪音，ε_t的分布是正态分布，即为方差；

2-2)估计辅助参数和的参数值；

2-3)优化辅助参数并预测交通流量。

前述的交通流量相关度动态语义图是指定义同一时间周期内，如果一个路段的交通流量在一定程度上影响另一个路段的交通流量，则这两个路段路段之间具有相关度，把有相关度的路段彼此连接起来，每过一个时间周期动态更新实际观察到的交通流量，即可获得实时的交通流量动态语义图。

前述的时序模型是指对某一个或一组变量进行观察测量，并在一系列时刻t₁,t₂,...,t_n按照时间次序排列，用于解释变量和一系列时刻之间的相互关系的数学表达式。

前述的深度特征提取网络是指从一个输入中产生一个输出所涉及的计算可通过一个流向图来表示，流向图是一种能够表示计算的图，在这种图中每一个节点表示一个基本的计算以及一个计算的值，计算的结果被应用到这个节点的子节点的值。

前述的步骤2-2)中，估计辅助参数和的参数值的方法如下：