基于头部效应和循环神经网络的交通拥堵预测方法和装置制造方法及图纸

本发明专利技术公开了一种基于头部效应和循环神经网络的交通拥堵预测方法和装置，属于交通预测领域，包括：获取车辆轨迹点序列数据并依次进行清洗和路网匹配得到有效轨迹点序列数据；基于有效轨迹点序列数据构建节点表示轨迹点对应访问行为、连边表示行为间关系强度的原始行为图；基于头部效应在有效轨迹点序列数据中挖掘真实意图轨迹数据，基于真实意图轨迹数据对原始行为图进行意图增强，得到意图增强行为图；对意图增强行为图进行嵌入表示得到嵌入向量；采用门控循环神经网络根据嵌入向量预测未来时刻轨迹点对应的访问行为后，对访问行为进行密度聚类，根据聚类结果预测交通拥堵情况。该方法和装置通过考虑头部效应以提升交通拥堵的预测准确性。堵的预测准确性。堵的预测准确性。

【技术实现步骤摘要】
基于头部效应和循环神经网络的交通拥堵预测方法和装置


[0001]本专利技术属于交通拥堵治理和数据挖掘相结合的
，具体涉及一种基于头部效应和循环神经网络的交通拥堵预测方法和装置。

技术介绍

[0002]随着经济的迅猛发展和人们生活水平的快速提高，通行需求和汽车保有量持续增加，在此同时，道路管理行业也面临着道路通行能力与快速增长的公众通行需求之间的矛盾，城市核心区域和高速公路绕城区域拥堵频发，对道路通行效率和用户体验带来了极大的挑战。对于车流量评估的研究目前已有较多成果，比如很多学者通过建立微分方程、时间预测、BP神经网络等数学模型来研究传统的车流量问题，但因其计算过程往往过于繁琐，需要的参数变量很多，如考虑车速、天气、突发事件等诸多随机因素对车流量的影响，在实际过程中，由于这些参数获得的成本很高，往往缺失很多值，这使得最终的计算结果与实际情况相差较大。在推广应用的过程中面临着严峻的挑战。
[0003]交通运行状态的全面及时准确获取，是进行路网状态评价，分析路网运行效率,有针对性地制定精细化交通管控措施的基础，同时也是交通智慧化建设的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于头部效应和循环神经网络的交通拥堵预测方法，其特征在于，包括以下步骤：获取车辆轨迹点序列数据并依次进行清洗和路网匹配得到有效轨迹点序列数据；基于有效轨迹点序列数据构建节点表示轨迹点对应访问行为、连边表示行为间关系强度的原始行为图；基于头部效应在有效轨迹点序列数据中挖掘真实意图轨迹数据，基于真实意图轨迹数据对原始行为图进行意图增强，得到意图增强行为图；对意图增强行为图进行嵌入表示得到嵌入向量；采用门控循环神经网络根据嵌入向量预测未来时刻轨迹点对应的访问行为；对未来时刻轨迹点对应的访问行为进行概率密度聚类，根据聚类结果预测交通拥堵情况。2.根据权利要求1所述的基于头部效应和循环神经网络的交通拥堵预测方法，其特征在于，对清洗后的车辆轨迹点序列数据进行路网匹配，包括：在路网数据库中为车辆轨迹点序列数据中每个轨迹点匹配对应的至少一个候选点以及候选点所在的路段，得到车辆轨迹点序列数据对应的候选点集合，依据单独空间分析或者同时空间分析和时间分析来删除候选点集合中的无效候选点，剩余候选点组成有效候选点集合，基于有效候选点集合生成多条候选匹配轨迹，并从中筛选质量评分最高的候选匹配轨迹来生成有效轨迹点序列数据。3.根据权利要求2所述的基于头部效应和循环神经网络的交通拥堵预测方法，其特征在于，进行空间分析时，若当前候选点的相邻候选点均在对应路段上，而当前候选点不在对应路段上，则当前候选点为无效候选点被删除；在进行时间分析时，针对当前候选点，依据当前候选点与前一相邻候选点之间距离与对应的时间间隔计算最短路径平均速度后，计算该最短路径平均速度与最短路径包含各路段限速要求的相似度，若相似度小于设定阈值，则当前候选点为无效候选点被删除。4.根据权利要求1所述的基于头部效应和循环神经网络的交通拥堵预测方法，其特征在于，所述基于头部效应在有效轨迹点序列数据中挖掘真实意图轨迹数据，基于真实意图轨迹数据对原始行为图进行意图增强，包括：设定最大时间窗口，在最大时间窗口内对有效轨迹点序列数据搜索表示头部效应的二阶频发模式<头部访问行为，尾部访问行为>；从有效轨迹点序列数据中统计所有以头部访问行为为起始，以尾部访问行为结束的频发序列模式<头部访问行为，至少1个中间访问行为，尾部访问行为>作为真实意图轨迹数据；通过统计每个中间访问行为的频次来计算中间访问行为出现在头部访问行为与尾部访问行为之间的概率值；基于所有中间访问行为的概率值计算头部访问行为与尾部访问行为之间连接的关系强度，将关系强度作为连边权重，在原始行为图中的头部访问行为与尾部访...

【专利技术属性】
技术研发人员：阮涛，徐图，李道勋，季青原，张鹏，
申请(专利权)人：之江实验室，
类型：发明
国别省市：