【技术实现步骤摘要】
基于多信号源的交通拥堵预测方法、设备及介质
[0001]本专利技术涉及交通预测
，尤其是一种基于多信号源的交通拥堵预测方法、设备及介质。
技术介绍
[0002]交通预测模型是指交通现象各要素之间以及交通现象与社会经济活动各因素之间相互关系的定量描述，用于交通分析和交通预测，是交通规划重要技术方法之一。交通预测的输入端为已知因素，也就是影响城市交通状况的因素，但是影响城市交通状况的因素很多，比如天气状况、时间、车辆数量、交通事故、交通信号灯等。
[0003]目前，现有的交通预测技术方案多数属于单一信号源数据预测，利用交通图像数据进行城市交通预测智能控制，并没有结合具体交通信号灯、GPS、雷达等数据进行建模分析，不足以全面反映交通流状态的实际情况。如何将多信号源交通数据进行整合，提高交通运行效率改善城市交通拥堵状况，建立一个城市拥堵预测方法及系统是当前数字化时代智慧城市交通智能控制亟待解决的难题。
技术实现思路
[0004]本专利技术的目的是提供一种基于多信号源的交通拥堵预测方法、设备及介质，以解决...
【技术保护点】
【技术特征摘要】
1.一种基于多信号源的交通拥堵预测方法，其特征在于，包括：获取路网上的每条路段信息以及多种训练数据；其中，所述训练数据包括历史信号灯数据、历史车辆定位数据、历史环境数据和历史监控数据；依据数据类型对训练数据分别进行对应的预处理；将预处理后的训练数据输入至拥堵预测模型，依据预测误差和拥堵预测模型的状态分布确定拥堵预测模型的单元路径上的连接权重；其中，拥堵预测模型具有输入层、多个中间可见层和输出层，两中间可见层之间连接有隐层；将待预测数据输入至拥堵预测模型，使用训练后的拥堵预测模型对待预测数据进行拥堵预测；将相邻的前后两次拥堵预测结果进行相关性检验，输出相关性检验为合理的拥堵预测结果。2.根据权利要求1所述的基于多信号源的交通拥堵预测方法，其特征在于，所述依据数据类型对训练数据分别进行对应的预处理，包括：依据历史车辆信号灯数据和历史交通信号灯数据之间的关系建立二维矩阵，对历史车辆信号灯数据和历史交通信号灯数据的亮灯情况进行表示；依据历史车辆定位数据和历史环境数据的类型建立二维矩阵，分别对历史车辆定位数据和历史环境数据进行表示；对历史监控数据进行分帧后进行光流处理，计算车辆运动信息。3.根据权利要求2所述的基于多信号源的交通拥堵预测方法，其特征在于，所述对历史监控数据进行分帧后进行光流处理，计算车辆运动信息，包括：对历史监控数据进行分帧处理，并将分帧处理获得的图像转换为二值图像；对二值图像进行卷积运算，提取局部特征图；所述对二值图像进行卷积运算的公式为：；其中，C表示通道数量，表示第帧，表示第帧，表示第帧的二值图像，表示第帧的二值图像，表示预设最大位移量，表示二值图像边缘与中心的距离，表示二值图像边缘与中心的距离；扩张局部特征图，基于光流法对扩张后的局部特征图进行特征提取，依据特征在局部特征图上的移动量计算车辆运动信息。4.根据权利要求1所述的基于多信号源的交通拥堵预测方法，其特征在于，所述依据预测误差和拥堵预测模型的状态分布确定拥堵预测模型的单元路径上的连接权重，包括：通过反向传播方式对中间可见层和输出层之间的连接权重以及输入层和中间可见层之间的连接权重进行计算；通过前向传播方式对各中间可见层以及两中间可见层之间的隐层的状态分布，调整中间可见层与隐层的偏置以及两者之间的连接权重。5.根据权利要求4所述的基于多信号源的交通拥堵预测方法，其特征在于，所述通过反向传播方式对中间可见层和输出层之间的连接权重以及输入层和中间可见层之间的连接
权重进行计算，包括：使用误差函数对最后一个中间可见层和输出层之间的连接权重进行求导，得到以下公式：；其中，E表示误差函数，表示最后一个中间可见层第j个单元和输出层第k个单元之间的连接权重，表示输出层第k个单元的预测输出，表示实际结果，表示最后一个中间可见层第k个单元的激活值，表示最后一个中间可见层第j个单元；使用误差函数对输入层和第一个中间出层之间的连接权重进行求导，得到以下公式：；其中，表示第一个中间可见层第i个单元和输出层第j个单元之间的连接权重，表示第一个中间可见层第j个单元，m表示输出层的单元的数量；所述输入层和第一个中间可见层之间的连接权重的调整值为：；其中，表示连接权重的调整值，表示学习率，表示输入层的第i个单元。6.根据权...
【专利技术属性】
技术研发人员：黄钢忠，官耀威，杨志鹄，姜春涛，洪澄杰，
申请(专利权)人：佛山市达衍数据科技有限公司，
类型：发明
国别省市：
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。