【技术实现步骤摘要】
一种基于时序交通网络图的交通运行状态分类方法
本专利技术涉及一种基于时序交通网络图的交通运行状态分类方法，本专利技术属于交通领域。
技术介绍
在经济发展如此迅速的今天，车辆数量的增长速度已经完全超乎了我们的想象，随之而来的就是一系列交通拥堵问题。所以，如何能更加有效地解决交通拥堵的问题成为了一个值得我们思考的问题。对于不同的拥堵情况，我们把交通路况分为多个不同的状态，通过分析这些状态来调配相应的交通调控方案，例如调节信号灯的时间相位，是否需要交警指挥等等。目前已经有了很多基于历史数据、实时数据对交通流量进行特征提取并分类的方法。有的是基于深度学习CNN对图进行特征提提取，有的是利用LSTM对时序数据进行特征提取，有的是利用自编码SAE进行特征提取，有的是通过NLP的方法进行特征提取。
技术实现思路
为了克服现有技术的不足，本专利技术的目的在于提供一种基于时序交通网络图的交通运行状态分类方法，该方法利用时序的交通流量数据构建时序交通网络图，利用Graph2vec将时序交通网络图的信息转化为向量，最后...
【技术保护点】
1.一种基于时序交通网络图的交通运行状态分类方法，其特征在于，所述方法包括以下步骤：/n步骤1：根据时间序列道路交通流数据集构建时序交通网络图，并保存网络图信息：获取路段的时序交通流量数据，构建时序交通网络图，并保存网络图信息；/n步骤2：将保存的网络图信息转化为vector：利用Doc2vec将paragraph转化为特征词向量vector；/n步骤3：基于Doc2vec训练得到的特征词向量vector进行分类：基于得到的特征词向量vector结合对应交通状态进行分类。/n
【技术特征摘要】
1.一种基于时序交通网络图的交通运行状态分类方法，其特征在于，所述方法包括以下步骤：
步骤1：根据时间序列道路交通流数据集构建时序交通网络图，并保存网络图信息：获取路段的时序交通流量数据，构建时序交通网络图，并保存网络图信息；
步骤2：将保存的网络图信息转化为vector：利用Doc2vec将paragraph转化为特征词向量vector；
步骤3：基于Doc2vec训练得到的特征词向量vector进行分类：基于得到的特征词向量vector结合对应交通状态进行分类。
2.如权利要求1所述的基于时序交通网络图的交通运行状态分类方法，其特征在于，所述步骤1中，对时序的交通流数据进行预处理并构建时序的交通网络图，获取某路段的时序交通流数据...
【专利技术属性】
技术研发人员：徐东伟，林臻谦，魏臣臣，王永东，彭鹏，朱钟华，戴宏伟，周磊，宣琦，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
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。