一种预测大规模城市道路车流量方法及存储介质技术

本发明专利技术公开了一种预测大规模城市道路车流量方法及存储介质，包括：获取各道路t时刻的交通负载信息；将各道路t时刻的交通负载信息输入预先训练获得的融合脑胶质细胞的脉冲神经网络模型，预测各道路t+1时刻的道路负载量。本发明专利技术在全局协同控制的背景下，保证整个网络模型的正常工作，通过逐步修正地学习网络和实时监测车辆池，实现实时预测及超前预测功能。实现实时预测及超前预测功能。实现实时预测及超前预测功能。

【技术实现步骤摘要】
一种预测大规模城市道路车流量方法及存储介质


[0001]本专利技术涉及一种预测大规模城市道路车流量方法及存储介质，属于车流量预测


技术介绍

[0002]目前交通治理方案中，大多数是单路口或有限个路口的局部交通控制，无法在整个网络模型的效果下实现全局协同最优控制。

技术实现思路

[0003]本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种预测大规模城市道路车流量方法及存储介质，在全局协同控制的背景下，保证整个网络模型的正常工作，通过逐步修正地学习网络和实时监测车辆池，实现实时预测及超前预测功能。
[0004]为达到上述目的，本专利技术提供一种预测大规模城市道路车流量方法，包括：
[0005]获取各道路t时刻的交通负载信息；
[0006]将各道路t时刻的交通负载信息输入预先训练获得的融合脑胶质细胞的脉冲神经网络模型，预测各道路t+1时刻的道路负载量。
[0007]优先地，将各道路t时刻的交通负载信息输入预先训练获得的融合脑胶质细胞的脉冲神经网络模型，预测各道路t+1时刻的道路负载量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测大规模城市道路车流量方法，其特征在于，包括：获取各道路t时刻的交通负载信息；将各道路t时刻的交通负载信息输入预先训练获得的融合脑胶质细胞的脉冲神经网络模型，预测各道路t+1时刻的道路负载量。2.根据权利要求1所述的一种预测大规模城市道路车流量方法，其特征在于，将各道路t时刻的交通负载信息输入预先训练获得的融合脑胶质细胞的脉冲神经网络模型，预测各道路t+1时刻的道路负载量，通过以下步骤实现：融合脑胶质细胞的脉冲神经网络模型包括道路负载编码胶质细胞种群、正误差编码胶质细胞种群、负误差编码胶质细胞种群、路网时空负载表达神经元种群、路网时空负载分析与调度胶质细胞种群和路网交通控制器表达神经元种群和车辆池表达神经元种群；道路负载编码胶质细胞种群，用于将交通负载信息转换为胶质细胞的平均脉冲发放频率f，f＝kI，k为比例系数，I为神经元电流；正误差编码胶质细胞种群和负误差编码胶质细胞种群，用于基于平均脉冲发放率，计算t时刻道路输入的道路负载量x
t
和t时刻道路输出的道路负载量y
t
；路网时空负载表达神经元种群，用于基于t时刻道路输入的道路负载量x
t
和t时刻道路输出的道路负载量y
t
，预测t+1时刻道路的道路负载量。3.根据权利要求2所述的一种预测大规模城市道路车流量方法，其特征在于,路网时空负载分析与调度胶质细胞种群，用于利用t+1时刻道路的道路负载量，生成t+1时刻胶质细胞的平均脉冲发放频率；路网交通控制器表达神经元种群，用于将t+1时刻胶质细胞的平均脉冲发放频率转换为t+1时刻交通控制信号。4.根据权利要求2所述的一种预测大规模城市道路车流量方法，其特征在于,将各道路t时刻的交通负载信息输入预先训练获得的融合脑胶质细胞的脉冲神经网络模型，预测各道路下一时刻的道路负载量，通过以下步骤实现：计算t时刻道路输入的道路负载量x
t
：其中，x
t
表示t时刻道路输入的道路负载量，表示t
‑
1时刻道路输入的道路负载量，A
t
‑1为t
‑
1时刻道路驶入车辆的权重矩阵，B
t
‑1为t
‑
1时刻道路驶出车辆的权重矩阵；O t
‑1＝kI，k为控制系数，I为胶质细胞的平均脉冲发放频率。5.根据权利要求4所述的一种预测大规模城市道路车流量方法，其特征在于，将各道路当前...

【专利技术属性】
技术研发人员：尚德龙，董吉，李盼，刘小壮，吴军芳，乔树山，周玉梅，
申请(专利权)人：中科南京智能技术研究院，
类型：发明
国别省市：