[发明专利]一种基于Conv1D-LSTM神经网络结构的交通流预测方法有效
申请号: | 201810510008.0 | 申请日: | 2018-05-24 |
公开(公告)号: | CN108510741B | 公开(公告)日: | 2020-10-30 |
发明(设计)人: | 徐东伟;彭鹏;王永东;高禾;刘毅;宣琦 | 申请(专利权)人: | 浙江工业大学 |
主分类号: | G08G1/01 | 分类号: | G08G1/01;G06Q10/04;G06Q50/30;G06N3/04;G06N3/08 |
代理公司: | 杭州斯可睿专利事务所有限公司 33241 | 代理人: | 王利强 |
地址: | 310014 浙江省杭*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种基于Conv1D‑LSTM神经网络结构的交通流预测方法,包括以下步骤:1)对道路交通流数据进行预处理并构建道路交通流状态矩阵数据集;2)获取同一时刻内不同路段的交通流状态,提取交通流数据的空间特征;3)基于包含空间特征的交通流数据提取数据时间特征:将一维卷积网络输出的交通流空间特征作为LSTM神经网络输入,进一步提取道路交通流数据中时间特征;4)将道路交通流时空特征作为回归预测层输入,计算当前输入对应的预测结果;定义模型损失函数,根据损失函数数值利用反向传播算法不断优化模型参数;获取实时交通流数据作为模型输入,实现实时道路交通流的预测。本发明提高了交通流短期预测的准确性。 | ||
搜索关键词: | 一种 基于 conv1d lstm 神经网络 结构 通流 预测 方法 | ||
【主权项】:
1.一种基于Conv1D‑LSTM神经网络结构的交通流预测方法,其特征在于,所述方法包括以下步骤:1)对道路交通流数据进行预处理并构建道路交通流状态矩阵数据集:获取道路交通流数据,对数据进行预处理,构建道路交通流状态矩阵数据集;2)获取同一时刻内不同路段的交通流状态,提取交通流数据的空间特征:从数据集中获取相同时刻内不同路段的交通流状态,搭建两层一维卷积网络,利用一维卷积对交通流状态进行空间特征提取;3)基于包含空间特征的交通流数据提取数据时间特征:将一维卷积网络输出的交通流空间特征作为LSTM神经网络输入,进一步提取道路交通流数据中时间特征;4)使用时空特征数据实现道路交通流预测:将道路交通流时空特征作为回归预测层输入,计算当前输入对应的预测结果;定义模型损失函数,根据损失函数数值利用反向传播算法不断优化模型参数;获取实时交通流数据作为模型输入,实现实时道路交通流的预测。
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浙江工业大学,未经浙江工业大学许可,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/201810510008.0/,转载请声明来源钻瓜专利网。
- 上一篇:误报路况的挖掘方法及装置
- 下一篇:一种基于大数据的用户行为分析系统