[发明专利]一种基于长短时记忆的交通拥堵预测方法及装置

权利要求书

1.一种基于长短时记忆的交通拥堵预测方法，其特征在于，包括：

提取城市道路数据流信息的特征数据；

将所述特征数据输入至预构建且训练好的LSTM长短时记忆模型中，获取预测结果；

其中，所述LSTM长短时记忆模型的构建和训练方法包括：

结合城市道路交通数据流的特点和LSTM长短时记忆的工作方式，构建LSTM长短时记忆模型；

通过提取的城市道路数据流信息的特征数据，选定其中的标签数据集，选定相关数据集对LSTM长短时记忆模型进行训练。

2.根据权利要求1所述的基于长短时记忆的交通拥堵预测方法，其特征在于，还包括：将所述预测结果用分类器进行分类，根据分类结果及预确定的匹配规则匹配相应的解决建议。

3.根据权利要求1所述的基于长短时记忆的交通拥堵预测方法，其特征在于，还包括：计算所述预测结果的损失函数，记录计算的精确度。

4.根据权利要求3所述的基于长短时记忆的交通拥堵预测方法，其特征在于，所述损失函数的公式如下：

其中：y表示真实值，y'表示预测值，y-y'表示残差；其中模型的损失值越低，表示模型的拟合效果越好，反之越差。

5.根据权利要求1所述的基于长短时记忆的交通拥堵预测方法，其特征在于，还包括：通过所述预测结果判断是否存在拥堵区间，如果存在，则循环遍历，利用加法器计算出拥堵的时长，判断出拥堵的时刻和时长。

6.一种基于长短时记忆的交通拥堵预测装置，其特征在于，包括：

特征数据提取单元，用于提取城市道路数据流信息的特征数据；

预测结果获取单元，用于将所述特征数据输入至预构建且训练好的LSTM长短时记忆模型中，获取预测结果；

其中，所述LSTM长短时记忆模型的构建和训练方法包括：

结合城市道路交通数据流的特点和LSTM长短时记忆的工作方式，构建LSTM长短时记忆模型；

通过提取的城市道路数据流信息的特征数据，选定其中的标签数据集，选定相关数据集对LSTM长短时记忆模型进行训练。

7.根据权利要求6所述的基于长短时记忆的交通拥堵预测装置，其特征在于，还包括：分类单元，用于将所述预测结果用分类器进行分类，通过分类结果给出相应的解决建议，便于决策者决策。

8.根据权利要求6所述的基于长短时记忆的交通拥堵预测装置，其特征在于，还包括：计算单元，用于计算所述预测结果的损失函数，记录计算的精确度；其中所述损失函数的公式如下：

其中：y表示真实值，y'表示预测值，y-y'表示残差；其中模型的损失值越低，表示模型的拟合效果越好，反之越差。

9.一种基于长短时记忆的交通拥堵预测装置，其特征在于：包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1～5任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1～5任一项所述方法的步骤。