[发明专利]一种基于胶囊网络和嵌套式长短时记忆神经网络的路网状态预测方法

摘要

本发明公开了一种基于胶囊网络和嵌套式长短时记忆神经网络的路网状态预测方法，涉及交通信息预测技术领域。首先将目标路网划分为n个路段，将时间等间隔划分，建立空间对应关系；然后将所在的空间地理区域划分网格，对网格进行取值；将取值作为像素产生对应的图片作为输入样本集，建立胶囊网络模型提取空间特征。搭建嵌套式长短时记忆神经网络模型，并将胶囊网络模型和嵌套式长短时记忆神经网络模型顺序连接，构成组合预测模型。利用输入样本集对组合预测模型进行训练及验证，构成最准确的预测模型。最后将测试集图片作为输入进行准确预测，得到未来某一时间段内路网的状态。本发明进行更为精准的预测，表现稳定，效率更高。

主权项

1.一种基于胶囊网络和嵌套式长短时记忆神经网络的路网状态预测方法，其特征在于，具体步骤如下：步骤一、选取目标路网，将其划分为n个路段，并将时间等间隔划分；步骤二、针对某个时间间隔t，计算在该时间间隔t内每个路段上所有经过的车辆的平均速度；若某路段a在时间间隔t内没有车辆通过，则用上一时间间隔的平均速度代替；路段a在时间间隔t内的平均速度计算方法如下：其中，Vat即表示时间间隔t内路段a的平均速度，a∈(1,2,...,n)；k为该时间间隔内通过该路段的车辆数，Vit表示每辆车在该路段的平均速度；步骤三、结合GIS地图，将每个时间间隔内，各个路段的平均速度投影到路网中，建立各路段与平均速度的空间对应关系；步骤四、对目标路网所在的空间地理区域，根据经纬度范围进行网格划分，并根据路段的平均速度对每一个网格进行取值；步骤五、将每个时间间隔内的每个网格对应的取值作为像素，产生各时间间隔对应的图片，在研究时间范围内得到的所有图片作为预测模型的输入样本集；每张图片代表着在每个时间间隔内路网的交通状态；预测模型形为(X,Y)，用每个路段速度组成的状态向量来表示；X表示输入的训练及测试样本集图片，Y表示输出，为预测的路网状态真实值，形式为状态向量；步骤六、构建胶囊网络模型提取输入样本集的空间特征；步骤七、将LSTM结构中的一个记忆单元用一个完整的LSTM结构代替，并通过门单元进行连接，搭建嵌套式的长短时记忆神经网络模型，用于提取路网交通状态的时间序列演化特征；步骤八、将胶囊网络模型和嵌套式长短时记忆神经网络模型顺序连接，构成最终形式组合预测模型；步骤九、利用输入样本训练集对组合预测模型进行反复训练及验证，得到最佳的模型参数构成最准确的预测模型；并利用前若干时间段内的测试集图片作为输入进行准确预测，得到未来某一时间段内路网的状态；未来某一时间段内路网的状态由每个路段的速度组成的状态向量表示。