【技术实现步骤摘要】
一种基于门控神经网络的高速公路交通流参数预测方法及系统
本专利技术涉及一种交通预测
，尤其涉及一种基于门控神经网络的高速公路交通流参数预测方法及系统。
技术介绍
近年来，随着交通事业快速发展，地区之间的沟通交流得到不断的增强，但随之而来的是高速公路交通拥堵、交通事故事件时有发生，给交通管理部门合理的决策管理带来挑战。智能交通系统(IntelligentTransportSystem，ITS)作为一种高效的综合运输和管理系统，在处理交通拥堵和交通事故等方面发挥着不可替代的作用。交通流预测作为智能交通系统重要的组成部分，其预测的结果可以为管理部门提供决策管理依据，提高道路管理效率。目前，作为交通流预测的机器学习算法主要有卡尔曼滤波算法、BP神经网络、支持向量机、时间序列方法、模式匹配算法等。而随着数据采集技术的发展、大数据的积累和计算机性能的有效提升，以卷积神经网络(CNN)、循环神经网络(RNN)、长短时记忆神经网络(LSTM)等为代表的深度学习算法成为国内外专家、学者研究的重点。深度学习算法会挖掘出数据的更多信息，因此往往会比普通的机器学习算法表现出更好的性...
【技术保护点】
1.一种基于门控神经网络的高速公路交通流参数预测方法，其特征在于，包括：采集高速公路营运车辆数据信息和收费站经纬度信息，进行路段数据筛选；将筛选后的所述路段数据按照预设时间定周期计算，得到交通流参数时间序列；设定门控神经网络预测模型参数，将所述交通流参数时间序列分为训练数据和测试数据，利用所述训练数据训练交通流参数预测模型；根据所述交通流参数预测模型预测交通流参数。
【技术特征摘要】
1.一种基于门控神经网络的高速公路交通流参数预测方法，其特征在于，包括：采集高速公路营运车辆数据信息和收费站经纬度信息，进行路段数据筛选；将筛选后的所述路段数据按照预设时间定周期计算，得到交通流参数时间序列；设定门控神经网络预测模型参数，将所述交通流参数时间序列分为训练数据和测试数据，利用所述训练数据训练交通流参数预测模型；根据所述交通流参数预测模型预测交通流参数。2.根据权利要求1所述的基于门控神经网络的高速公路交通流参数预测方法，其特征在于，所述进行路段数据筛选，包括：对获取的路段数据进行异常数据清洗。3.根据权利要求2所述的基于门控神经网络的高速公路交通流参数预测方法，其特征在于，所述异常数据清洗，包括：删除重复数据，保留一条有效数据；若同一车辆在同时刻采集了多条数据，但数据不完全相同，则保留第一条有效数据；删除同一车辆单次行程中经纬度不变且速度全部为零的数据；对于同一车辆，采集的车辆经纬度信息正常但是速度全部为零，则利用相邻时刻车辆的经纬度变化信息求得车辆的行驶距离，再利用距离除时间差得到相邻时刻的平均速度，用平均速度填充此类速度全部为零的数据；对于同一车辆，采集的车辆经纬度信息正常，但是车辆的瞬时速度出现缺失情况，缺失数据的表现形式为速度为零，则利用相邻时刻车辆的经纬度变化信息求得车辆的行驶距离，再利用距离除时间差得到相邻时刻的平均速度，用平均速度填充此类速度为零的数据，并保留原先正常的车辆行驶数据；车辆的速度明显的高于车辆限速，保留车辆最高限速以下的数据；收费站附近车辆速度明显的低于道路最低限速，删除收费站附近车辆速度低于道路最低限速的数据；当道路发生交通事故时，保留事故影响期间所有数据；当道路未发生交通事故时，删除车辆的速度低于道路最低限速的数据。4.根据权利要求1所述的基于门控神经网络的高速公路交通流参数预测方法，其特征在于，所述方法还包括：针对交通流参数时间序列数据缺失情况进行缺失数据填充。5.根据权利要求4所述的基于门控神经网络的高速公路交通流参数预测方法，其特征在于，所述针对交通流参数时间序列数据缺失情况进行缺失数据填...
【专利技术属性】
技术研发人员：耿丹阳，赵建东，苏航，艾云飞，柏志明，孙云华，刘文，邓蕾，祁钰茜，佘绍一，
申请(专利权)人：中交信息技术国家工程实验室有限公司，北京交通大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。