[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
