[发明专利]一种基于动态STKNN模型的短时交通预测方法有效
| 申请号： | 201811547414.0 | 申请日： | 2018-12-18 |
| 公开（公告）号： | CN109598936B | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 陆锋;程诗奋;彭澎 | 申请（专利权）人： | 中国科学院地理科学与资源研究所 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01 |
| 代理公司： | 11435 北京志霖恒远知识产权代理事务所(普通合伙) | 代理人： | 王雨桐 |
| 地址： | 100101 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于动态STKNN模型的短时交通预测方法，步骤为：a、特征表示：通过对每个道路片段历史天的交通条件求平均值，利用平均速度向量来对每个道路片段进行特征表示；b、交通模式自动识别：通过AP聚类算法自动识别道路网络相似的交通模式；c、自动划分时间区间：针对自动识别出的多种交通模式，通过K‑Means算法自动划分时间区间；d、构建自适应的STKNN模型：针对步骤2和步骤3获取的每个交通模式的每个时间区间，分别构建STKNN模型。本发明可以直接帮助交通管理部门制定合理和高效的策略来缓解交通拥堵，实现道路网络交通流量的再分配，同时可以帮助大众实现准确的路径规划。 | ||
| 搜索关键词： | 交通模式 时间区间 自动识别 道路网络 交通预测 特征表示 构建 交通流量 交通管理部门 交通条件 聚类算法 路径规划 再分配 自适应 算法 向量 拥堵 帮助 缓解 交通 制定 | ||
【主权项】：
1.一种基于动态STKNN模型的短时交通预测方法，其特征在于：所述方法的整体步骤为：/na、特征表示：利用道路片段、历史总天数以及一天中总的时间间隔来构建表示所有道路片段历史时刻交通条件的三维张量，三维张量的每一个切面代表每个道路片段所有历史天的交通条件变化曲线；对每个道路片段所有历史天的对应时间间隔的交通条件求平均值，得到平均时间序列，利用平均时间序列来对每个道路片段进行特征表示；/nb、交通模式自动识别：通过步骤a对每个道路片段的历史交通条件特征进行表示后，将所有交通条件的特征数据通过AP聚类算法自动识别道路网络相似的交通模式；/nc、自动划分时间区间：通过步骤b识别的道路网络交通模式，利用K-Means算法得到每种交通模式的时间区间划分策略，用于比较不同时间区间交通条件的变化差异；/nd、构建自适应的STKNN模型：通过步骤b自动识别道路网路的交通模式以及步骤c获取每种交通模式的分区策略，针对不同模式下不同时间区间中的不同道路片段构建自适应的STKNN模型，并利用STKNN模型计算目标道路片段交通条件的预测值，以实现短时交通的预测；/n所述步骤a、特征表示的具体方法为：假设道路网络存在N条道路片段，道路片段u的历史交通条件X
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院地理科学与资源研究所，未经中国科学院地理科学与资源研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811547414.0/，转载请声明来源钻瓜专利网。
