[发明专利]一种基于机器学习的综合模型的交通行为预测方法

权利要求书

1.一种基于机器学习的综合模型的交通行为预测方法，其特征在于，采用基于机器学习的综合模型用户的交通行为进行预测，具体包括如下步骤：

步骤1：数据输入；

步骤2：对数据类型进行分类；

不同种类的交通数据包括交通用户类型数据、时段性数据、历史数据以及外部输入数据在内的数据；

步骤3：对不同类型的数据进行机器学习；

根据交通理论和行人交通行为，对不同类型的交通数据，使用不同的机器学习算法对交通行为进行挖掘，并根据历史记录和交通理论进行预测；

步骤4：根据交通历史记录和当前交通状况进行智能加权综合；

利用不同种类的机器学习算法对处理不同类型交通数据的能力的不同，选择最优的算法处理对应的交通数据，有经过可调整的加权整合层对不同算法处理后的结果进行加权整合，以达到最优化的结果；

步骤5：输出预测结果。

2.根据权利要求1所述的基于机器学习的综合模型的交通行为预测方法，其特征在于，在步骤3中，不同的机器学习算法包括K-means聚类算法、ANN(Artificial Neural Network，人工神经网络)算法、SVM(Support Vector Machine，支持向量机)算法；其中，K-means聚类算法用于对交通用户类型数据进行处理，人工神经网络算法用于对时段性数据进行处理，支持向量机算法用于对历史数据处理。