基于贝叶斯网络改进LSTM模型的交通密度预测方法技术

本发明专利技术公开了一种基于贝叶斯网络改进LSTM模型的交通密度预测方法，具体为：获取路段交通密度的历史数据；将历史交通密度数据按照时间顺序构建出交通密度时序序列；将时序序列作为样本训练LSTM模型，获得交通密度预测模型；将预测路段的交通密度数据和时间数据输入交通密度预测模型得到预测结果。本发明专利技术采用基于贝叶斯网络改进的LSTM模型，可以将历史交通密度大数据作为训练集进行训练，实现对未来路段交通密度的准确预测。段交通密度的准确预测。段交通密度的准确预测。

【技术实现步骤摘要】
基于贝叶斯网络改进LSTM模型的交通密度预测方法


[0001]本专利技术属于交通工程
，具体为一种基于贝叶斯网络改进LSTM模型的交通 密度预测方法。

技术介绍

[0002]交通管理和控制技术的基础是交通数据的获取，不管是交通出行诱导、交通信号控 制还是拥堵预测都需要感知实时路网交通信息。在路网交通信息中，交通密度可以直观 地反映出道路的通畅程度，当交通密度较小时，车头间距较大，驾驶员可以自由选择行 驶车速；当交通量逐渐增大，车头间距缩小，密度加大，车辆行驶时相互制约。随着交 通密度进一步增大，车辆拥挤，车速下降，驾驶自由度极小，车辆走走停停，直到车辆 趋于停驶状态。因此，从车流密度的大小就可以判定交通拥挤情况，从而决定应采取何 种管理措施。
[0003]现有的交通检测技术主要分为定点检测技术和移动检测技术，定点检测器主要为感 应线圈、地磁、微波雷达、红外线、超声波等检测器，可以按一定时间间隔统计断面交 通量、速度、占有率等数据；移动检测器主要为出租车、公交车等特殊作业的浮动车、 手机信号数据以及近两年发展较快的智能网联车，可提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贝叶斯网络改进LSTM模型的交通密度预测方法，其特征在于，具体步骤为：步骤1、获取路段交通密度的历史数据；步骤2、将历史交通密度数据按照时间顺序构建出交通密度时序序列；步骤3、将时序序列作为样本训练改进LSTM模型，获得交通密度预测模型；步骤4、将预测路段的交通密度数据和时间数据输入交通密度预测模型得到预测结果。2.根据权利要求1所述的基于贝叶斯网络改进LSTM模型的交通密度预测方法，其特征在于，步骤1所述路段交通密度的历史数据包含路段信息、交通密度、时间。3.根据权利要求1所述的基于贝叶斯网络改进LSTM模型的交通密度预测方法，其特征在于，步骤2所述的交通密度时序序列对应的矩阵表达式：式中，X
r
是第r时间间隔的路段交通密度时序序列；是第r时间间隔内第i时刻的交通密度。4.根据权利要求1所述的基于贝叶斯网络改进LS...

【专利技术属性】
技术研发人员：杜鹏桢，李健，郭唐仪，汤贤康，
申请(专利权)人：江阴市双丰交通科技有限公司，
类型：发明
国别省市：