一种基于神经网络的服务区车流量预测方法和装置制造方法及图纸

本发明专利技术提供了一种基于神经网络的服务区车流量预测方法和装置，所述方法包括：获取交通流历史统计数据和实时数据；将获取的所有数据进行聚合处理，划分为若干时间步的数据，将与时间步的数据对应的空间图依次拼接，提取空间特征；将所述若干组空间特征沿时间轴顺序提取时空动态特征；建立所述服务区的车流量时空同步模型，预测所述服务区的驶入车流量。本发明专利技术相对于现有技术，将数据进行聚合处理，将处理后相邻时间步的车流量空间图拼接到一起，提取了车流量数据的空间特征；捕获了复杂的时空动态特征；通过建立时空同步模型实现对车流量时空网络的预测，汇总了服务区各入口的车流量；结合了空间维度数据，并高效地利用了局部和全局的时空特征。和全局的时空特征。和全局的时空特征。

【技术实现步骤摘要】
一种基于神经网络的服务区车流量预测方法和装置


[0001]本专利技术涉及车流量预测领域，尤其涉及一种基于神经网络的服务区车流量预测方法和装置。

技术介绍

[0002]目前，高速公路服务区的车流量预测方法主要通过服务区信息采集系统获取车流的历史数据，依靠基于人工智能理论的模型来获得较为准确的预测方法。但是现有技术主要在时间维度上进行相关性分析并进行预测，但是实际车流量的动态变化不仅取决于时间维度上的序列模式，还取决于空间维度上的其他道路情况，尤其是主线交通实时车流对服务区驶入车流量大的影响。

技术实现思路

[0003]本专利技术提供了一种基于神经网络的服务区车流量预测方法和装置，解决了如何在车流量预测过程中捕捉服务区车流量的空间特征的技术问题。
[0004]为了解决上述技术问题，本专利技术实施例提供了一种基于神经网络的服务区车流量预测方法和装置，包括：
[0005]获取交通流历史统计数据和实时数据；其中，所述交通流历史统计数据包括服务区的历史统计数据和所述服务区所在路段的历史统计数据；所述实时数据包括所述服务区的车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的服务区车流量预测方法，其特征在于，包括：获取交通流历史统计数据和实时数据；其中，所述交通流历史统计数据包括服务区的历史统计数据和所述服务区所在路段的历史统计数据；所述实时数据包括所述服务区的车流量实时数据和所述服务区所在路段的车流量实时数据；将获取的所有数据进行聚合处理，划分为若干时间步的数据，按照时间步对应的顺序将与时间步的数据对应的车流量空间图依次拼接，从拼接的车流量空间图中提取若干组空间特征；其中，每个时间步的数据对应所述服务区一个时间区间的车流量数据；每个时间步的数据对应一幅服务区的车流量空间图；将所述若干组空间特征沿时间轴顺序进行排列，按照所述时间轴顺序提取车流量数据的若干组时空动态特征；通过所述若干组时空动态特征，建立所述服务区的车流量时空同步模型，并利用所述车流量时空同步模型，结合获取的所有实时数据，预测所述服务区的驶入车流量。2.如权利要求1所述的一种基于神经网络的服务区车流量预测方法，其特征在于，所述将获取的所有数据进行聚合处理，具体为：将获取的所有数据以第一预设时间区间为单位进行聚合处理；其中，每个时间步的数据表征所述第一预设时间区间内的车流量数据。3.如权利要求1所述的一种基于神经网络的服务区车流量预测方法，其特征在于，所述从拼接的车流量空间图中提取若干组空间特征，具体为：将拼接的车流量空间图输入图卷积神经网络模型，通过所述图卷积神经网络模型，提取拼接的车流量空间图的空间特征，获得若干组空间特征；其中，每组空间特征对应一个时间节点。4.如权利要求1所述的一种基于神经网络的服务区车流量预测方法，其特征在于，所述按照所述时间轴顺序提取车流量数据的若干组时空动态特征，具体为：按照时间轴顺序，通过一维标准卷积，结合若干组件，依次提取车流量数据的时空动态特征。5.如权利要求4所述的一种基于神经网络的服务区车流量预测方法，其特征在于，在所述通过所述若干组时空动态特征，建立所述服务区的车流量时空同步模型之前，还包括：在时间轴上建立若干时周期组件、若干日周期组件和若干周周期组件，通过所述若干时周期组件捕获所有数据的邻近性，通过所述若干日周期组件和所述若干周周期组件捕获所有数据的周期性。6.如权利要求1至5任意一项所述的一种基于神经网络的服务区车流量预测方法，其特征在于，在所述通过所述若干组时空动态...

【专利技术属性】
技术研发人员：任庆昌，何淑婷，汪作为，李松松，郭磊，安旭，
申请(专利权)人：广东省城乡规划设计研究院有限责任公司，
类型：发明
国别省市：