[发明专利]短时交通流的预测方法、装置、终端设备及存储介质

说明书

本发明实施例提供了一种短时交通流的预测方法、装置、终端设备及存储介质，包括：获取待预测道路区域的预设时间段；根据预设时间段和预先建立的目标交通流预测模型，得到待预测道路区域内的预设时间段的目标交通流量，预先建立的目标交通流预测模型是根据目标移动平均模型、目标岭回归模型和目标向量机模型确定的，目标移动平均模型是通过采用移动平均法对样本集中的交通流量样本数据进行处理得到的，目标岭回归模型是通过交通流量样本数据对初始岭回归模型进行训练得到的，目标向量机模型是通过交通流量样本数据对初始向量机模型进行训练得到的，可以对某一路段某一时间对道路的短时交通量进行预测，节省人力资源，提高预测效率。

技术领域

本发明涉及交通技术领域，特别是涉及一种短时交通流的预测方法、装 置、终端设备及存储介质。

背景技术

为了解决交通拥堵问题，第一种措施是对现有的交叉口以及路段进行道 路的优化设计，增加或改进空间上的交通设施来解决交通拥堵的问题，例如 进行拓宽道路，交叉口渠化，增加导流线，但是对于现如今来说空间上的解 决措施会带来很多的不便，有些交叉口和路段会受到限制，并且采取措施所 需要的资金也会花费很多，对外部环境也会产生影响。

对于此，研究人员提出了多种预测模型，如线性预测模型、传统非线性 预测模型或智能非线性预测模型。目前智能非线性模型在短时交通流预测中 使用频率比较高，其中神经网络对非线性短时交通流预测能力非常强大，如 现在常用的BP神经网络、人工神经网络等。神经网络模型可以和其他模型 结合使用，从而提高预测的精准度，弥补模型存在的不足。

但是对于神经网络在短时交通流预测中的应用来说，一般需要大量的数 据集来进行训练才能预测未来某一时段的短时交通流，需要消耗较多的时间 和人力。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至 少部分地解决上述问题的一种短时交通流的预测方法、装置、终端设备及存 储介质。

第一个方面，本发明实施例提供一种短时交通流的预测方法，所述方法 包括：

获取待预测道路区域的预设时间段；

根据所述预设时间段和预先建立的目标交通流预测模型，得到待预测道 路区域内的预设时间段的目标交通流量，其中，所述预先建立的目标交通流 预测模型是根据目标移动平均模型、目标岭回归模型和目标向量机模型确定 的，所述目标移动平均模型是通过采用移动平均法对样本集中的交通流量样 本数据进行处理得到的，所述目标岭回归模型是通过样本集中的交通流量样 本数据对初始岭回归模型进行训练得到的，所述目标向量机模型是通过所述 样本集中的交通流量样本数据对初始向量机模型进行训练得到的。

可选地，所述预先建立的目标交通流预测模型通过如下方式得到的，包 括：

获取样本集中的交通流量样本数据；

对所述交通流量样本数据进行预处理，得到初始化样本数据；

根据移动平均法和所述初始化样本数据，确定所述移动平均模型；

根据所述移动平均模型计算的第一预测值和交通流量标准值，确定所述 移动平均模型的第一精确参数；

采用所述初始化样本数据对初始岭回归模型进行训练，确定所述岭回归 模型；

根据所述岭回归模型计算的第二预测值和交通流量标准值，确定所述移 岭回归模型的第二精确参数；

采用所述初始化样本数据对初始向量机模型进行训练，确定所述向量机 模型；

根据所述向量机模型计算的第三预测值和交通流量标准值，确定所述移 向量机模型的第三精确参数；