【技术实现步骤摘要】
一种交通流预测方法及装置
[0001]本申请涉及信息处理
，具体而言，涉及一种交通流预测方法及装置。
技术介绍
[0002]交通流是指汽车再道路上连续行驶所形成的车流，交通流一般分为两种：宏观交通流和微观交通流。宏观交通流主要描述车辆的总体运动情况，例如：在目标道路上一定时间内的车流量、车辆平均速度、车辆平均密度。微观交通流主要描述车辆的具体运动状态，即每一辆车的位置、车速、加速度等特性。目前，宏观交通流预测主要是根据扩散方程建立的统计模型或者深度学习算法来进行预测。
[0003]然而，上述交通流预测方法未考虑不同节点之间的相互影响及交通路网独特的物理特性，导致交通流预测结果不准确的问题。
技术实现思路
[0004]有鉴于此，本申请的目的在于提供一种交通流预测方法及装置，以解决交通流预测结果不准确的问题。
[0005]第一方面，本申请实施例提供了一种交通流预测方法，包括：根据道路交通流数据中道路节点的节点位置及传感器的传感器位置，确定多个交通流采集组，每个交通流采集组包括一个道路节点及该...
【技术保护点】
【技术特征摘要】
1.一种交通流预测方法，其特征在于，包括：根据道路交通流数据中道路节点的节点位置及传感器的传感器位置，确定多个交通流采集组，每个交通流采集组包括一个道路节点及该道路节点对应的至少一个传感器，所述传感器用于采集交通流数据；确定每两个传感器之间的第一距离及每两个道路节点之间的第二距离；获取每个传感器采集的第一交通流数据，对每个交通流采集组中传感器采集的第一交通流数据进行聚合处理，得到多个交通流采集组对应的第二交通流数据；将所述第一距离及所述第一交通流数据作为第一样本数据，将所述第二距离及所述第二交通流数据作为第二样本数据；利用所述第一样本数据及所述第二样本数据对多个不同类型的初始交通流预测模型进行训练，根据训练后的多个初始交通流预测模型构建交通流预测优化模型，利用所述交通流预测优化模型对目标时刻的交通流进行预测。2.根据权利要求1所述的方法，其特征在于，所述对每个交通流采集组中传感器采集的第一交通流数据进行聚合处理，得到多个交通流采集组对应的第二交通流数据，包括：针对每个交通流采集组，从该交通流采集组中每个传感器采集的第一交通流数据中分别提取第一车流量、第一车辆平均速度及第一占有率；将多个第一车流量之和作为第二车流量，将多个第一车辆平均速度的权重之和作为第二车辆平均速度，将多个占有率的平均值作为第二占有率；将所述第二车流量、所述第二车辆平均速度及所述第二占有率作为该交通流采集组对应的第二交通流数据。3.根据权利要求1所述的方法，其特征在于，所述对多个不同类型的初始交通流预测模型进行训练，根据训练后的多个初始交通流预测模型构建交通流预测优化模型，包括：分别对所述第一样本数据及所述第二样本数据进行数据集划分，获得第一样本数据对应的第一训练数据集、第一验证数据集，第二样本数据对应的第二训练数据集、第二验证数据集；针对每个初始交通流预测模型，利用所述第一训练数据集及第二训练数据集分别对该初始交通流预测模型进行训练，获得该初始交通流预测模型对应的初始交通流预测优化模型；将所述第一验证数据集及所述第二验证数据集分别输入每个初始交通流预测优化模型，获得多个初始交通流预测结果；对所述多个初始交通流预测结果进行线性回归处理，获得每个初始交通流预测优化模型的模型权重；根据所述模型权重将多个初始交通流预测优化模型组合在一起，构建交通流预测优化模型。4.根据权利要求1所述的方法，其特征在于，所述根据道路交通流数据中道路节点的节点位置及传感器的传感器位置，确定多个交通流采集组，包括：针对每个道路节点，计算该道路节点与每个传感器之间的球面距离；将球面距离小于第一设定值的所有传感器与该道路节点组成一个交通流采集组。5.根据权利要求1所述的方法，其特征在于，所述确定每两个传感器之间的第一距离及
每两个道路节点之间的第二距离，包括：根据所述传感器位置，确定每两个传感器之间的第一球面距离及第一道路距离，将所述第一球面距离及所述第一道路距离作为第一距离；根据所述节点位置，确定每两个道路节点之间的第二球面距离及第二道路距离，将所述第二球面距离及所述第二道路距离作为第二距离。6.根据权利要求5所述的方法，其特征在于，所述根据所述传感器...
【专利技术属性】
技术研发人员：胡大林，叶云飞，杨强，
申请(专利权)人：北京赛目科技股份有限公司，
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。