[发明专利]基于LSTM的车辆行为预测方法和装置

权利要求书

1.一种基于LSTM的车辆行为预测方法，其特征在于，所述方法包括：

获取过车数据；

从所述过车数据中提取特征信息，所述特征信息包括车牌信息；

将所述过车数据根据所述车牌信息进行聚合，得到聚合的车牌信息；

将所述聚合的车牌信息按照时间的升序进行排列，并从按照升序排列的聚合的车牌信息中选取任意车牌信息作为训练数据；

将所述训练数据进行预处理，得到训练集和测试集；

将所述训练集和所述测试集进行模型训练和预测，得到预测数据；

所述将所述训练集和所述测试集进行模型训练和预测，得到预测数据，包括：

将所述训练集输入长短时记忆网络LSTM算法，得到训练的模型；

将所述测试集输入所述训练的模型，得到所述预测数据。

2.根据权利要求1所述的基于LSTM的车辆行为预测方法，其特征在于，所述将所述训练数据进行预处理，得到训练集和测试集，包括：

将所述训练数据进行转换处理，得到转换处理的训练数据；

对所述转换处理的训练数据进行归一化操作，得到归一化的训练数据；

对所述归一化的训练数据进行切分，得到所述训练集和所述测试集。

3.根据权利要求1所述的基于LSTM的车辆行为预测方法，其特征在于，所述方法还包括：

将所述预测数据进行反归一化处理，得到原始数据；

根据所述原始数据计算方均根差。

4.根据权利要求1所述的基于LSTM的车辆行为预测方法，其特征在于，所述特征信息还包括：卡口名称信息、卡口位置信息和过车时间信息，其中，所述卡口名称信息以车牌号、卡口时间和卡口代号的数据形式表示。

5.根据权利要求4所述的基于LSTM的车辆行为预测方法，其特征在于，所述方法还包括：

对所述过车数据进行分析，判断所述过车数据中是否存在异常数据，所述异常数据包括所述车牌号和所述卡口时间；

如果存在，则删除所述车牌号和/或所述卡口时间。

6.一种基于LSTM的车辆行为预测装置，其特征在于，所述装置包括：

获取单元，用于获取过车数据；

提取单元，用于从所述过车数据中提取特征信息，所述特征信息包括车牌信息；

聚合单元，用于将所述过车数据根据所述车牌信息进行聚合，得到聚合的车牌信息；

排列单元，用于将所述聚合的车牌信息按照时间的升序进行排列，并从按照升序排列的聚合的车牌信息中选取任意车牌信息作为训练数据；

预处理单元，用于将所述训练数据进行预处理，得到训练集和测试集；

训练单元，用于将所述训练集和所述测试集进行模型训练和预测，得到预测数据；

所述训练单元具体用于：

将所述训练集输入长短时记忆网络LSTM算法，得到训练的模型；

将所述测试集输入所述训练的模型，得到所述预测数据。

7.根据权利要求6所述的基于LSTM的车辆行为预测装置，其特征在于，所述预处理单元具体用于：

将所述训练数据进行转换处理，得到转换处理的训练数据；

对所述转换处理的训练数据进行归一化操作，得到归一化的训练数据；

对所述归一化的训练数据进行切分，得到所述训练集和所述测试集。

8.根据权利要求6所述的基于LSTM的车辆行为预测装置，其特征在于，所述装置还包括：

反归一化处理单元，用于将所述预测数据进行反归一化处理，得到原始数据；

计算单元，用于根据所述原始数据计算方均根差。