一种智慧交通通行预测方法、装置及服务器制造方法及图纸

本发明专利技术实施例涉及智慧交通技术领域，公开了一种智慧交通通行预测算法、装置及服务器。其中所述的智慧交通通行预测方法，包括：获取历史交通信息；根据所述历史交通信息，基于卷积神经网络，提取多个交通特征；根据所述交通特征，基于长短期记忆网络，建立通行时间预测算法；基于所述通行时间预测算法，预测特定时间段下特定路段的车辆通行时间。通过上述方式，本发明专利技术实施例能够解决目前车辆通行时间的预测准确率低的技术问题，通过卷积神经网络和LSTM网络的联合，从而提高车辆通行时间的预测准确率。

【技术实现步骤摘要】
一种智慧交通通行预测方法、装置及服务器
本专利技术涉及智慧交通
，特别是涉及一种智慧交通通行预测方法、装置及服务器。
技术介绍
目前，随着人民生活水平的提高，车辆的持有量越来越多，城市道路拥堵成为每位出行者的难言之隐，对城市管理和居民生活具有非常大的影响，因此如何准确预测路段的通行时间成为了迫切需要解决的问题，随着移动互联网时代的到来，每一位出行者都成为了城市交通信息的贡献者，使得云端匿名汇集了大量用户的地理位置等数据，可以对数据进行处理进而生成涵盖城市全时段、无盲区的交通信息。目前，通行时间的预测大都通过对路况的图像或视频进行分析，进而统计车流量、人流量等数据，分析出车辆的通行时间，而基于图像或视频的分析缺乏实时性，并且鲁棒性不足，无法精确地预测车辆的通行时间。长短期记忆网络(LongShort-TermMemory，LSTM)，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。LSTM已经在科技领域有了多种应用。基于LSTM的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票本文档来自技高网...

【技术保护点】
1.一种智慧交通通行预测方法，其特征在于，所述方法包括：获取历史交通信息；根据所述历史交通信息，基于卷积神经网络，提取多个交通特征；根据所述交通特征，基于长短期记忆网络，建立通行时间预测算法；基于所述通行时间预测算法，预测特定时间段下特定路段的车辆通行时间。

【技术特征摘要】
1.一种智慧交通通行预测方法，其特征在于，所述方法包括：获取历史交通信息；根据所述历史交通信息，基于卷积神经网络，提取多个交通特征；根据所述交通特征，基于长短期记忆网络，建立通行时间预测算法；基于所述通行时间预测算法，预测特定时间段下特定路段的车辆通行时间。2.根据权利要求1所述的方法，其特征在于，所述根据所述历史交通信息，基于卷积神经网络，提取多个交通特征，包括：根据所述历史交通信息，确定第一训练样本，并基于所述第一训练样本，建立训练集；根据所述训练集，基于卷积神经网络，提取所述多个交通特征。3.根据权利要求2所述的方法，其特征在于，所述特定时间段包括至少一个时间片段，所述根据所述历史交通信息，基于卷积神经网络，提取多个交通特征之后，所述方法还包括：确定所述时间片段的长度；对所述多个交通特征进行组合，生成特征向量，每一时间片段对应一特征向量。4.根据权利要求3所述的方法，其特征在于，每一所述第一训练样本为一时间序列，每一所述时间序列由多个特征向量构成，所述根据所述历史交通信息，确定第一训练样本，并基于所述第一训练样本，建立训练集，包括：在特定时间段内，对N个连续的时间片段分别提取特征向量，将提取出的N个特征向量组合，生成一时间序列，将所述时间序列确定为第一训练样本，其中，N为正整数；通过滑动固定时间片段生成下一个第一训练样本，进而生成多个第一训练样本，将生成的多个第一训练样本作为训练集。5.根据权利要求4所述的方法，其特征在于，所述基于所述通行时间预测算法，预测特定时间段下特定路段的车辆通行时间，包括：获取当天特定时间段的特定时间片段之前的M个连续的时间片段的交通特征，生成预测样本，其中，M为正整数且M≥5；将所述预测样本输入所述通行时间预测算法...

【专利技术属性】
技术研发人员：李晓刚，
申请(专利权)人：深圳市中电数通智慧安全科技股份有限公司，
类型：发明
国别省市：广东,44