交通流量的预测方法、装置、设备及计算机存储介质制造方法及图纸

本发明专利技术公开了交通流量的预测方法，用于预测终端和云端，其中，用于终端的交通流量的预测方法包括：获取来自云端的本地初始模型；获取源交通流量数据和目标交通流量数据；利用所述源交通流量数据和所述目标交通流量数据训练所述本地初始模型得到目标共享数据；将所述目标共享数据传输至所述云端，以便于所述云端利用所述目标共享数据更新所述本地初始模型得到全局更新模型；获取所述全局更新模型进行交通流量预测。本发明专利技术可以在不损害隐私保护约束的条件下，实现精确预测交通流量。

【技术实现步骤摘要】
交通流量的预测方法、装置、设备及计算机存储介质
本专利技术涉及信息处理
，尤其是涉及交通流量的预测方法、装置、设备及计算机存储介质。
技术介绍
交通流量预测(TFP)就是利用历史交通流量数据来预测未来的交通流量，从而提供人们需要的交通流量信息。当代城市居民，出租车司机，商业部门和政府机构都强烈需要准确及时的交通流量信息，因为这些道路使用者可以利用这些信息来缓解交通拥堵，适当控制交通灯，提高交通效率，人们还可以使用交通流量信息来制定更好的出行计划。在交通流量预测中，集中式机器学习方法通常是通过训练足够的传感器数据来准确预测交通流量，例如来自手机、相机、雷达等的数据。由于不同的运营方(例如公共机构和私营公司)传感器数据可能包含敏感的隐私信息，目前集中式机器学习方法出于数据隐私的考虑无法从不同的运营方(例如公共机构和私营公司)获取交通流量数据，导致无法保障交通流量预测的精确度。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出交通流量的预测方法，应用于终端，能够在隐私保护的约束下精确预测交通流量。本专利技术还提出另一种交通流量的预测方法，应用于云端。本专利技术还提出一种交通流量的预测装置。本专利技术还提出另一种交通流量的预测装置。本专利技术还提出一种交通流量的预测控制设备。本专利技术还提出一种计算机存储介质。第一方面，本专利技术的一个实施例提供了交通流量的预测方法，用于预测终端，该方法包括：获取来自云端的本地初始模型；获取源交通流量数据和目标交通流量数据；利用所述源交通流量数据和所述目标交通流量数据训练所述本地初始模型得到目标共享数据；将所述目标共享数据传输至所述云端，以便于所述云端利用所述目标共享数据更新所述本地初始模型得到全局更新模型；获取所述全局更新模型进行交通流量预测。本专利技术实施例至少具有如下有益效果：通过使用本地初始模型对源交通流量数据和目标交通流量数据进行训练，得到目标共享数据，并将所得目标共享数据上传到云端，以使云端可以根据目标共享数据更新本地初始模型得到全局更新模型，而不是共享不同预测终端的原始数据，最后可以获取全局更新模型进行交通流量的预测，可以在不损害隐私保护约束的条件下，根据全局更新训练模型使得预测终端可以在其本地数据上精确预测交通流量。根据本专利技术的另一些实施例，所述根据所述全局更新模型预测交通流量，包括：获取待预测交通流量数据和目标预测数据输入到所述全局更新模型中；获取所述全局更新模型进行交通流量预测输出的预测结果。第二方面，本专利技术的一个实施例提供了交通流量的预测方法，用于云端，该方法包括：向多个预测终端发送本地初始模型；获取多个所述预测终端发送的目标共享数据；根据所述目标共享数据生成全局参数；利用所述全局参数更新所述本地初始模型得到全局更新模型；将所述全局更新模型发送给所述预测终端，以使得所述预测终端利用所述全局更新模型进行交通流量预测输出的预测结果。本专利技术实施例至少具有如下有益效果：首先通过获取多个预测终端发送的目标共享数据，然后根据目标共享数据生成全局参数，继而可以利用全局参数更新本地初始模型得到全局更新模型，最后可以将全局更新模型发送至预测终端进行交通流量的预测，可以在不损害隐私保护约束的条件下，根据全局更新训练模型使得每个节点都能在其本地数据上，实现精确预测交通流量。根据本专利技术的另一些实施例，所述目标共享数据包括：预测终端的模型参数，所述根据所述目标共享数据生成全局参数，包括：对多个所述预测终端发送的所述模型参数进行加权平均得到所述全局参数。根据本专利技术的另一些实施例，所述目标共享数据还包括：全局输入数据和全局输出数据；所述方法还包括：根据所述全局输入数据和所述全局输出数据生成对应于多个所述预测终端的全局训练样本对；分别根据多对所述全局训练样本对所述全局更新模型进行训练，得到对应于多个所述预测终端的全局更新模型；选取满足预设选取条件的全局更新模型发送给所述预测终端进行交通流量预测输出的预测结果。根据本专利技术的另一些实施例，所述本地初始模型采用以下步骤得到：获取本地训练样本对集合，所述本地训练样本对集合包括多个本地训练样本对，所述本地训练样本对中包括：训练源交通流量数据样本和训练目标交通流量数据样本；分别提取所述训练源交通流量数据样本和所述训练目标交通流量数据样本的参数特征；将所述训练源交通流量数据样本的参数特征、所述训练源交通流量数据样本和所述训练目标交通流量数据样本作为待训练本地初始模型的输入，将所述训练目标交通流量数据样本的参数特征作为期望的输出，对所述待训练本地初始模型进行训练，得到训练好的本地初始模型。根据本专利技术的另一些实施例，所述将所述训练源交通流量数据样本的参数特征、所述训练源交通流量数据样本和所述训练目标交通流量数据样本作为待训练本地初始模型的输入，将所述训练目标交通流量数据样本的参数特征作为期望的输出，对所述待训练本地初始模型进行训练，得到训练好的本地初始模型，包括：将所述训练源交通流量数据样本的参数特征、所述训练源交通流量数据样本和所述训练目标交通流量数据样本作为待训练本地初始模型的输入，获取所述待训练本地初始模型输出的实际参数特征；根据所述实际参数特征和所述训练目标交通流量数据样本的参数特征计算得到损失值；根据所述损失值对待训练本地初始模型中的参数、所述源交通流量数据和所述目标交通流量数据进行更新，直到所述损失值达到预设的收敛条件，将最后更新得到的待训练本地初始模型作为所述本地初始模型。第三方面，本专利技术的一个实施例提供了一种交通流量的预测方法，用于预测终端和云端，所述预测终端与所述云端通信连接，其特征在于，所述方法包括：所述预测终端执行本专利技术第一方面提出的所述的交通流量的预测方法；对应的，所述云端执行本专利技术第二方面提出所述的交通流量的预测方法。本专利技术实施例至少具有如下有益效果：通过上述方法，首先，预测终端根据利用本地初始模型训练得到的目标共享数据，然后将目标共享数据上传至云端，以使云端可以根据目标共享数据更新得到全局更新模型，最后预测终端根据全局更新模型进行交通流量预测，可以在不损害隐私保护约束的同时，实现精确预测交通流量。第四方面，本专利技术的一个实施例提供了交通流量的预测装置，其特征在于，所述装置包括：第一获取模块，用于获取来自云端的本地初始模型；第二获取模块，用于获取源交通流量数据和目标交通流量数据；第一训练模块，用于利用所述源交通流量数据和所述目标交通流量数据训练所述本地初始模型得到目标共享数据；第一传输模块，用于将所述目标共享数据传输至所述云端，以便于所述云端利用所述目标共享数据更新所述本地初始模型得到全局更新模型；预测模块，用于获取所述全局更新模型进行交通流量预测。本专利技术实施例至少具有如下有益效果：通过上述装置，首先预测终端利用本地初始模型训练得到的目标共享数据，其次将目标共享数据上传至云端，最本文档来自技高网...

【技术保护点】
1.交通流量的预测方法，用于预测终端，其特征在于，所述方法包括：/n获取来自云端的本地初始模型；/n获取源交通流量数据和目标交通流量数据；/n利用所述源交通流量数据和所述目标交通流量数据训练所述本地初始模型得到目标共享数据；/n将所述目标共享数据传输至所述云端，以便于所述云端利用所述目标共享数据更新所述本地初始模型得到全局更新模型；/n获取所述全局更新模型进行交通流量预测。/n

【技术特征摘要】
1.交通流量的预测方法，用于预测终端，其特征在于，所述方法包括：
获取来自云端的本地初始模型；
获取源交通流量数据和目标交通流量数据；
利用所述源交通流量数据和所述目标交通流量数据训练所述本地初始模型得到目标共享数据；
将所述目标共享数据传输至所述云端，以便于所述云端利用所述目标共享数据更新所述本地初始模型得到全局更新模型；
获取所述全局更新模型进行交通流量预测。


2.根据权利要求1所述的方法，其特征在于，所述根据所述全局更新模型预测交通流量，包括：
获取待预测交通流量数据和目标预测数据输入到所述全局更新模型中；
获取所述全局更新模型进行交通流量预测输出的预测结果。


3.交通流量的预测方法，用于云端，其特征在于，所述方法包括：
向多个预测终端发送本地初始模型；
获取多个所述预测终端发送的目标共享数据；
根据所述目标共享数据生成全局参数；
利用所述全局参数更新所述本地初始模型得到全局更新模型；
将所述全局更新模型发送给所述预测终端，以使得所述预测终端利用所述全局更新模型进行交通流量预测输出预测结果。


4.根据权利要求3所述的方法，其特征在于，所述目标共享数据包括：预测终端的模型参数，所述根据所述目标共享数据生成全局参数，包括：对多个所述预测终端发送的所述模型参数进行加权平均得到所述全局参数。


5.根据权利要求3所述的方法，其特征在于，所述目标共享数据还包括：全局输入数据和全局输出数据；
所述方法还包括：
根据所述全局输入数据和所述全局输出数据生成对应于多个所述预测终端的全局训练样本对；
分别根据多对所述全局训练样本对所述全局更新模型进行训练，得到对应于多个所述预测终端的全局更新模型；
选取满足预设选取条件的全局更新模型发送给所述预测终端进行交通流量预测输出的预测结果。


6.根据权利要求3所述的方法，其特征在于，所述本地初始模型采用以下步骤得到：
获取本地训练样本对集合，所述本地训练样本对集合包括多个本地训练样本对，所述本地训练样本对中包括：训练源交通流量数据样本和训练目标交通流量数据样本；
分别提取所述训练源交通流量数据样本和所述训练目标交通流量数据样本的参数特征；
将所述训练源交通流量数据样本的参数特征、所述训练源交通流量数据样本和所述训练目标交通流量数据样本作为待训练本地初始模型的输入，将所述训练目标交通流量数据样本的参数特征作为期望的输出，对所述待训练本地初始模型进行训练，得到训练好的本地初始模型。


7.根据权利要求6所述的方法，其特征在于，所述将所述训练源交通流量数据样本的参数特征、所述训练源交通流量数据样本和所述训练目标交通流量数据样本作为待训练本地初始模型的...

【专利技术属性】
技术研发人员：余剑峤，刘毅，邹勰鑫，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：广东;44