【技术实现步骤摘要】
模型训练方法、交通流量预测方法和装置
[0001]本公开涉及人工智能
，尤其涉及深度学习、神经网络、智能交通等领域。
技术介绍
[0002]随着经济不断发展，车辆的数量逐年增长，数量庞大的车辆会带来交通拥堵和停车困难等一系列问题。因此，交通流量预测日趋重要。一方面，准确的交通流量预测可以为交通管理者提供有力的交通决策依据，为交通系统管理提供有力支持。另一方面，准确的交通流量预测也便于驾驶员选择更为畅通的道路出行，进而避免或缓解交通拥堵的状况。再一方面，为了促进更先进的智能交通系统发展，也需要更准确地实现交通流预测。
技术实现思路
[0003]本公开提供了模型训练方法、交通流量预测方法和装置。
[0004]根据本公开的一方面，提供了一种模型训练方法，包括：
[0005]将第一交通流量的样本数据输入待训练的预测模型；
[0006]在该待训练的预测模型中利用该第一交通流量的样本数据，确定第二交通流量的M个预测结果，该M为大于或等于2的整数；
[0007]利用该第二交通流量的M个...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，包括：将第一交通流量的样本数据输入待训练的预测模型；在所述待训练的预测模型中利用所述第一交通流量的样本数据，确定第二交通流量的M个预测结果，所述M为大于或等于2的整数；利用所述第二交通流量的M个预测结果，确定所述第二交通流量的预测数据；利用所述第二交通流量的预测数据、以及所述第二交通流量的样本数据，确定损失函数；根据所述损失函数调整所述待训练的预测模型的参数，得到训练后的预测模型。2.根据权利要求1所述的方法，其中，所述第一交通流量包括，多个位置在第一时间序列中多个时刻的交通流量；所述第二交通流量包括，所述多个位置在第二时间序列中多个时刻的交通流量；所述第一时间序列在所述第二时间序列之前。3.根据权利要求1或2所述的方法，其中，所述待训练的预测模型包括M个层；所述在所述待训练的预测模型中利用所述第一交通流量的样本数据，确定第二交通流量的M个预测结果，包括：在所述待训练的预测模型的M个层的每一层中，分别利用所述第一交通流量的样本数据，确定所述第二交通流量的1个预测结果。4.根据权利要求3所述的方法，其中，所述待训练的预测模型的M个层采用逐层连接的方式进行架构；所述在所述待训练的预测模型的M个层的每一层中，分别利用所述第一交通流量的样本数据，确定所述第二交通流量的1个预测结果，包括：针对所述M个层中的第一层，将所述第一交通流量的样本数据作为所述第一层的输入数据；在所述第一层中，利用所述第一层的输入数据，确定第一交通流量的回测结果、以及所述第二交通流量的预测结果；针对所述M个层中的其余各层，将上一层的输入数据与上一层确定的第一交通流量的回测结果的差值作为该层的输入数据；在该层中，利用该层的输入数据，确定第一交通流量的回测结果、以及所述第二交通流量的预测结果。5.根据权利要求4所述的方法，其中，所述M个层中的各个层包括学习栈和推理模块；针对所述M个层中的各个层，利用所述层的输入数据，确定第一交通流量的回测结果、以及所述第二交通流量的预测结果，包括：在所述学习栈中，利用所述输入数据确定所述第一交通流量的回测结果、以及第二交通流量的初始预测结果；在所述推理模块中，利用所述第二交通流量的初始预测结果确定所述第二交通流量的最终预测结果；将所述第二交通流量的最终预测结果，确定为所述第二交通流量的预测结果。6.根据权利要求5所述的方法，其中，所述学习栈包括变量扩张模块和时间扩张模块；所述在所述学习栈中，利用所述输入数据确定所述第一交通流量的回测结果、以及第二交通流量的初始预测结果，包括：在所述变量扩张模块中，从所述输入数据中提取所述第一交通流量的空间依赖特征，
以确定所述输入数据所对应的变量扩张结果；在所述时间扩张模块中，从所述变量扩张结果中提取所述第一交通流量的时间依赖特征，以确定所述第一交通流量的回测结果、以及第二交通流量的初始预测结果；其中，所述空间依赖特征，包括不同位置的交通流量之间的依赖关系；所述时间依赖特征，包括不同时刻的交通流量之间的依赖关系。7.根据权利要求6所述的方法，其中，所述变量扩张模块包括至少一个卷积层。8.根据权利要求6或7所述的方法，其中，所述时间扩张模块包括全连接层模块和季节层模块；所述在所述时间扩张模块中，从所述变量扩张结果中提取所述第一交通流量的时间依赖特征，以确定所述第一交通流量的回测结果、以及第二交通流量的初始预测结果，包括：在所述全连接层模块中，将所述变量扩张结果转化为扩张系数；在所述季节层模块中，构建回测标记向量和预测标记向量，并用于所述扩张系数和所述回测标记向量确定所述第一交通流量的回测结果，以及利用所述扩张系数和所述预测标记向量确定所述第二交通流量的初始预测结果。9.根据权利要求5
‑
8中任一所述的方法，其中，所述推理模块包括自注意力模块；所述在所述推理模块中，利用所述第二交通流量的初始预测结果确定所述第二交通流量的最终预测结果，包括：在所述自注意力模块中，计算所述第二交通流量的初始预测结果中各个数值的注意力分数，并分别将各个数值与所述数值的注意力分数相乘，以得到所述第二交通流量的最终预测结果。10.一种交通流量预测方法，包括：将第一交通流量的观测数据输入训练后的预测模型，由所述训练后的预测模型输出第二交通流量的M个预测结果，所述训练后的预测模型为采用权利要求1
‑
9中任一模型训练方法训练得到的模型；利用所述第二交通流量的M个预测结果，确定所述第二交通流量的预测数据。11.根据权利要求10所述的方法，其中，所述第一交通流量的观测数据包括，多个位置在第一时间序列中多个时刻的实际交通流量；所述第二交通流量的预测数据包括，所述多个位置在第二时间序列中多个时刻的预测交通流量；所述第一时间序列在所述第二时间序列之前。12.根据权利要求10或11所述的方法，其中，所述利用所述第二交通流量的M个预测结果，确定所述第二交通流量的预测数据，包括：计算所述第二交通流量的M个预测结果的平均值，将所述平均值作为所述第二交通流量的预测数据。13.一种模型训练装置，包括：输入模块，用于将第一交通流量的样本数据输入待训练的预测...
【专利技术属性】
技术研发人员：张乐，范玮，梅雨，田楚杰，凌玮岑，明靖祠，熊辉，
申请(专利权)人：北京百度网讯科技有限公司，
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。