基于大数据分析下道路交通流预测的方法、设备和介质技术

本发明专利技术属于道路交通预测领域，具体涉及基于大数据分析下道路交通流预测的方法、设备和介质，用于解决现有的交通流预测方法在处理非线性的交通流数据时，预测精度低的问题。该方法包括：首先对其使用周平均空间相关系数进行数据选择，选择出相关性最大的部分路段，然后将选择的这些路段的流量数据使用自动编码器进行特征提取，最后经过特征提取后的上下游流量再与当前路段t时段流量一并输入到两层GRU组成的网络，然后将GRU网络输出的特征向量作为SVR模型的输人，并对SVR模型进行训练，使用SVR模型进行预测，并将模型输出做反规范化得到预测结果。到预测结果。

【技术实现步骤摘要】
基于大数据分析下道路交通流预测的方法、设备和介质


[0001]本专利技术属于交通预测领域，具体涉及基于大数据分析下道路交通流预测的方法。

技术介绍

[0002]近些年，随着大数据分析技术的蓬勃发展，各行各业的数据都呈爆炸式增长。车辆轨迹、车辆流量、道路传感器等交通数据相较于之前也是几何倍的增加，如何处理好各种交通数据已经成为构建智能交通系统中最受关注的任务之一。交通流预测是一个被广泛研究的问题，准确及时的交通流预测不仅可以缓解交通堵塞等问题，也能节约各种资源。交通流数据同时包含时间相关性和空间相关性，因此，如何有效挖掘数据间的时空关系充满挑战。随着深度学习的发展，越来越多的研究者将深度学习引入到了交通预测问题中。已有学者们已经开始基于核函数进行优化，最优核函数还将继续成为基于SVM的交通流预测模型的研究重点。SVM在处理非线性数据时需将低维数据映射到高维的特征空间上，维度的增加必然导致算法的复杂程度增加，如何在处理复杂的交通流数据时减少时间开销成本也有待解决，且由于交通流的非线性，交通流的预测精度还有待进一步提高。

技术实现思路

...

【技术保护点】

【技术特征摘要】
1.一种基于大数据分析下道路交通流预测的方法，其特征在于，所述方法包括：使用t
‑
1至t+ 1时段当前路段和上下游路段交通流量数据对当前路段t+ 1后某个时间点交通流量进行预测，首先对其使用周平均空间相关系数进行数据选择，选择出相关性最大的部分路段，然后将选择的这些路段的流量数据X
’
ua(t)使用自动编码器进行特征提取，最后经过特征提取后的上下游流量X
’’
ua(t)再与当前路段t时段流量一并输入到两层GRU组成的网络，然后将GRU网络输出的特征向量作为SVR模型的输人，并对SVR模型进行训练，使用SVR模型进行预测，并将模型输出做反规范化得到预测结果，具体步骤包括：步骤1、假设当前路段为x0，共有n条有数据的一二级上下游路段，则定义该网络的空间路段集合为F{x0，x1，...，x
n
}，其中x0代表当前路段，x1至x
n
为其一二级上下游路段，假设每一个路段x
i
含一条长q的连续时间序列记为F
i
，表示路段x
i
的天流量序列，则，表示路段x
i
在t1时刻的流量序列， 表示x
i
在t2时刻的流量序列， 表示x
i
在t
q
时刻的流量序列，则以日为周期单位构建周期输入流量F
d
为F
d
=[F1，F2， F3， ...F
n
]
T
，F1表示路段x1的天流量序列，F2表示路段x2的天流量序列，F3表示路段x3的天流量序列，F
n
表示路段x
n
的天流量序列，[]
T
表示矩阵的转置，设定训练次数K；步骤2、输入M维上下游路段流量数据至自动编码器然后获取输出，训练次数加1；步骤3、计算重构误差；步骤4、对自动编码器进行权值更新，当训练次数未达到设定值且重构误差大于阈值d时，重新回到步骤2，否则进入步骤5；步骤5、基于训练后的自动编码器将M维上下游数据降维至m维；步骤6、将当前路段流量数据归一化...

【专利技术属性】
技术研发人员：赵雪梅，王启凡，曾麟钧，李艳琼，曾宇航，
申请(专利权)人：四川省商投信息技术有限责任公司，
类型：发明
国别省市：