[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

摘要

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。

主权项

基于深度特征提取网络的交通流量预测时序方法，其特征在于，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动态语义图的基础上，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Xt为：Xt={x1t,x2t,...,xkt,...,xNt},t=t1,t2,...,tn---(1)]]>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，εt是系列时刻的噪音，εt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。