车流量时间序列的预测方法及预测装置制造方法及图纸

本发明专利技术提供一种车流量时间序列的预测方法、装置、计算机系统及计算机可读存储介质，所述方法包括以下步骤：响应于车流量预测指令，获取历史车流量时间序列；将所述历史车流量时间序列输入分类模型以获取分类标签；根据所述对应的分类标签获取目标预测模型；将所述历史车流量时间序列输入所述预测模型，得到对应的预测车流量时间序列。本发明专利技术首先通过对大量训练时间序列进行机器学习，掌握训练时间序列的统计特征与其对应的最佳预测模型之间的映射关系，根据该映射关系生成分类模型，用于输出与待测的车流量时间序列最匹配的预测模型。最后待测的车流量时间序列利用最匹配的预测模型进行预测，以达到提高预测结果准确性的目的。

【技术实现步骤摘要】
车流量时间序列的预测方法及预测装置
本专利技术涉及大数据处理
，特别涉及一种车流量时间序列的预测方法、装置、计算机设备及计算机可读存储介质。
技术介绍
车流量指的是在一定的时间内,某条公路上所通过的车辆数,用来说明某一街道的交通情况。相应的，车流量时间序列反映了某条公路上通过的车辆数随时间变化的情况。准确预测车流量时间序列，有利于交通管理部门提前采取相应的对策，对于缓解交通压力、保障交通运输安全有着非常重要的作用。车流量时间序列的预测准确度取决于是否选取了适当的预测模型，这里的预测模型是指通过数学方法来定量预测车流量数据的未来发展状况。现有技术中对于车流量预测模型的选择方面设置比较简单粗暴，很容易产生多个不同的车流量时间序列应用同一个预测模型的情况，严重影响车流量数据的预测准确性。也有厂商为了改变这种单一模式，同时采用多个预测模型对同一车流量时间序列进行预测，再根据预测结果挑选出最符合实际情况的一项预测结果。但这样做的缺点是非常消耗计算资源，影响预测效率，并且其所选择的多个预测模型仍然是比较盲目的，有可能出现选择的多个预测模型全都与待处理本文档来自技高网...

【技术保护点】
1.一种车流量时间序列的预测方法，其特征在于，包括以下步骤：/n响应于车流量预测指令，获取待预测的历史车流量时间序列；/n将所述历史车流量时间序列输入分类模型以获取对应的分类标签，其中所述分类标签用于唯一标识所述历史车流量时间序列适用的预测模型；/n根据所述对应的分类标签获取目标预测模型；/n将所述历史车流量时间序列输入所述目标预测模型，得到对应的预测车流量时间序列。/n

【技术特征摘要】
1.一种车流量时间序列的预测方法，其特征在于，包括以下步骤：
响应于车流量预测指令，获取待预测的历史车流量时间序列；
将所述历史车流量时间序列输入分类模型以获取对应的分类标签，其中所述分类标签用于唯一标识所述历史车流量时间序列适用的预测模型；
根据所述对应的分类标签获取目标预测模型；
将所述历史车流量时间序列输入所述目标预测模型，得到对应的预测车流量时间序列。


2.根据权利要求1所述的车流量时间序列的预测方法，其特征在于，所述响应于数据预测指令，获取待预测的历史车流量时间序列的步骤之前，还包括：
获取训练时间序列；
获取与所述训练时间序列相匹配的预测模型，并记录所述目标预测模型对应的分类标签；
建立所述训练时间序列与所述分类标签之间的映射关系，根据所述映射关系进行机器学习得到所述分类模型。


3.根据权利要求2所述的车流量时间序列的预测方法，其特征在于，所述获取与所述训练时间序列相匹配的目标预测模型的步骤包括：
提取所述训练时间序列中的统计特征，基于所述统计特征为所述训练时间序列分配候选预测集，所述候选预测及中包含用于对时间序列进行预测的一个或多个候选预测模型；
将所述训练时间序列分别输入所述候选预测集中的每一个候选预测模型，得到对应的拟合值；
将拟合值最优的候选预测模型作为目标预测模型。


4.根据权利要求3所述的车流量时间序列的预测方法，其特征在于，所述将所述历史车流量时间序列输入分类模型，获取分类标签的步骤包括：
提取所述历史车流量时间序列的斜率、凸性和方差，构成所述历史车流量时间序列的标准数据结构；
将所述标准数据结构输入所述分类模型，得到所述分类标签。


5.根据权利要求3或4所述的车流量时间序列的预测方法，其特征在于，所述将所述历史车流量时间序列输入所述预测模型，得到所述历史车流量序列的预测数据的步骤包括：
对所述历史车流量时间序列进行平稳处理，得到与所述历史车流量时间序列相对应的平...

【专利技术属性】
技术研发人员：段洪云，彭琛，汪伟，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44