[发明专利]基于人工智能的交通道路拥堵预测方法

摘要

本发明公开了一种基于人工智能的交通道路拥堵预测方法，包括步骤：S1.利用终端侧的传感器系和道路交叉口处的交通监控系统采集交通数据，上传至云服务器；S2.云服务器接收交通数据，基于改进的神经网络算法进行处理，得到预测数据；S3.云服务器将预测数据传输至终端侧的设备；S4.终端侧的设备接收云服务器回传的数据，并将其保存在本地存储装置中；S5.云服务器实时获取终端和交通监控系统采集的交通数据，将交通数据作为新的输入变量，基于改进的神经网络算法持续学习，不断优化预测数据。本发明能够有效调节交通流量，减小交通负荷，减少交通延误和停车率，提高路网的通行能力，改善了整个城市交通状况。

主权项

1.一种基于人工智能的交通道路拥堵预测方法，其特征在于，包括以下步骤：S1，利用终端侧的传感器系统，采集第一交通数据，上传至云服务器，同时，利用道路交叉口处的交通监控系统采集第二交通数据，上传至云服务器；S2，云服务器接收所述第一交通数据和所述第二交通数据，并基于改进的神经网络算法进行处理，得到第一预测数据；S3，云服务器将所述第一预测数据传输至终端侧的设备；S4，所述终端侧的设备接收云服务器回传的数据，并将其保存在本地存储装置中，然后执行如下步骤：S41，在终端侧的设备上，检测本地存储装置中是否保存有当前道路的历史路况数据，如果有，则提取当前道路的历史路况数据，并根据时间特征进行标记；如果没有，则直接进入步骤S44；S42，第一计算，计算在当前道路上的历史路况数据的车速均值；第二计算，计算在当前道路上的历史路况数据的行驶时间均值，并将计算数据保存在本地存储装置中；S43，根据步骤S41中的标记信息，提取当前道路在不同时间段的历史路况数据的车速均值和/或行驶时间均值；S44，将存储在本地存储装置中的第一预测数据，呈现在终端侧的设备的显示装置上，基于云端神经网络算法的预测数据和/或终端侧的历史路况数据结果，对道路交通拥堵情况进行预测；S5，云服务器实时获取终端侧的传感器系统采集的交通数据，实时获取道路交叉口处的交通监控系统采集的第二交通数据，将第一交通数据和第二交通数据作为新的输入变量，基于所述改进的神经网络算法持续学习，不断优化所述第一预测数据。