一种交通运力分布预测方法技术

本发明专利技术公开了一种交通运力分布预测方法。本发明专利技术包括一种基于ConvLSTM网络的运力分布预测框架。首先它将待预测地区划分成不同的子区域，分别统计各个子区域中的离开车辆数据和到达车辆数据，根据时间维度将其处理成离开车辆历史快照序列数据和到达车辆历史快照序列数据；然后搭建预测网络框架，训练得到每个子网络的最优权重，并保存。最后利用融合层对子网络的初步结果进行融合，得到最终运力分布预测结果。本发明专利技术可用于实际场景当中，它能够获取交通轨迹数据中的时空特性，同时该发明专利技术中的运力分布预测框架能够扩展到其他时空数据领域，处理类似问题，具有良好的普适性。

A Prediction Method of Traffic Capacity Distribution

【技术实现步骤摘要】
一种交通运力分布预测方法
本专利技术属于数据挖掘

技术介绍
运力分布预测是交通数据挖掘领域的一大热点研究课题。目前运力分布预测的研究课题尚不成熟，且大多数运力分布预测的研究课题，仅仅利用了时空数据中的时间关系或空间关系，不能够准确地刻画出城市运力分布的时空规律。然而交通出行轨迹数据是典型的时空数据，因此，研究如何充分综合地利用出行数据中的时空特性来预测运力分布是十分必要的工作。近几年，深度学习已然成为炙手可热的数据挖掘技术。AlphaGo在围棋领域取得的重大突破，在ImageNet数据集上，深度学习的识别能力已经远远超过人类等事实均体现了深度学习的能力。并且与传统的方法相比，深度学习往往会取得比较优秀的成绩。在深度学习中，卷积神经网络能够提取数据中的空间特征；LSTM神经网络能够提取数据中的时间特征；ConvLSTM神经网络能够同时提取数据中的时空特征。因此，可以利用ConvLSTM神经网络去提取出行轨迹数据中的时空特性，从而提升运力分布预测的准确程度。通过对现有的专利及相关技术的检索发现，现有的与运力分布预测有关的方法有：(1)张凌宇.基于城市叫车需求分布密度的出租车运力本文档来自技高网...

【技术保护点】
1.一种交通运力分布预测方法，包括以下步骤：步骤一、处理车辆的GPS轨迹数据：(1)对预测地区车辆的GPS轨迹数据进行预处理，提取出每辆车起点和终点的GPS轨迹数据并加入时间维度；(2)将预测地区按道路划分成子区域，根据经过预处理后的所述车辆的起点和终点的GPS轨迹数据的位置信息，分别统计处于历史时刻下的每个子区域的离开车辆和到达车辆；然后，将统计的结果按照子区域位置进行填充，分别形成该子区域的离开车辆历史数据快照和到达车辆历史数据快照；(3)分别对离开车辆数据和到达车辆数据进行整理，将距离当前t时刻的前m个小时的历史快照数据按照时间先后进行叠加，分别形成在时间维度下的一段数据快照序列{LDt...

【技术特征摘要】
1.一种交通运力分布预测方法，包括以下步骤：步骤一、处理车辆的GPS轨迹数据：(1)对预测地区车辆的GPS轨迹数据进行预处理，提取出每辆车起点和终点的GPS轨迹数据并加入时间维度；(2)将预测地区按道路划分成子区域，根据经过预处理后的所述车辆的起点和终点的GPS轨迹数据的位置信息，分别统计处于历史时刻下的每个子区域的离开车辆和到达车辆；然后，将统计的结果按照子区域位置进行填充，分别形成该子区域的离开车辆历史数据快照和到达车辆历史数据快照；(3)分别对离开车辆数据和到达车辆数据进行整理，将距离当前t时刻的前m个小时的历史快照数据按照时间先后进行叠加，分别形成在时间维度下的一段数据快照序列{LDt-1,LDt-2,…,LDt-m}；{ADt-1,ADt-2,…,ADt-m}；其中，LDt-1、ADt-1分别表示距离当前时间1个小时内的离开车辆数据和到达车辆数据，LDt-m、ADt-m分别表示距离当前时间m个小时的离开车辆数据和到达车辆数据，式中，0≤t≤24，表示一天中的取值时刻，m>0且m为整数，表示t时刻之前的历史快照数据取值时间；步骤二、构建神经网络预测模型：按照整理后...

【专利技术属性】
技术研发人员：杨燕，周威，张熠玲，王东杰，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51