【技术实现步骤摘要】
本申请涉及数据处理领域，具体地，涉及一种智能交通系统中交通流预测方法及其系统。
技术介绍
1、随着物联网(iot)和网络物理系统(cps)的不断发展，智能交通系统(its)逐渐成为智慧城市运营的驱动力its通过使用计算机，通信和控制技术来加强道路，车辆和用户之间的关系。结果，可以形成一套方便高效的道路交通服务系统。its的合理运行调度是保证其正常运行的途径。为实现这一目标，对its中的交通流进行准确预测成为需要突破的重要技术。交通预测是its的关键模块。交通预测的核心是通过在道路网络中部署的传感器测量的给定历史观测值来预测未来的交通状况(流量，速度，行驶时间等)。准确的交通预测可以帮助人们避开拥挤的道路并合理安排行程，还可以帮助当局提前分配道路资源，以缓解交通拥堵并提高公共安全。近年来，在交通流预测中使用机器学习已成为解决这一问题的主流思想。计算机像人类一样实现自我学习和改进，充当着实现智能的重要手段。广泛应用于网络流的数据挖掘任务，如社交网络。预计机器学习算法也可以很好地应用于its中的流量预测。its中的流量预测通常比社交网络中的一般数据挖掘任务更具挑战性。通过建立模型来预测未来的数值趋势，从历史数据中学习。最直观的方法是从历史交通流数据中挖掘统计特征，并从统计角度预测未来数据，如高斯回归模型。但是，这种方法未能充分利用its中的各种功能，并且具有很大的不稳定性。
2、因此，如何提供一种更为合适的模型来进行流量预测，从而保证能充分利用its中的各种功能的同时还具有较高的稳定性，成为本领域急需解决的问题。
<...【技术保护点】
1.一种智能交通系统中交通流预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的智能交通系统中交通流预测方法，其特征在于，固有特征分为离散型和连续型，用向量表示固有特征的离散特征，向量表示固有特征的连续特征，用A’i表示关系特征。
3.如权利要求2所述的智能交通系统中交通流预测方法，其特征在于，对离散特征进行编码通过矩阵计算直接嵌入，对于第s个节点，其第x个离散特征表示为Dx,s，对于Dx,s，首先通过one-hot编码将其转换为向量Δ(Dx,s)；对于Δ(Dx,s)，其维数等于其选项的数量；而Δ(Dx,s)由元素1和部分元素0组成，通过以下公式将Δ(Dx,s)编码为具有特定维度的另一个向量是Dx,s的嵌入结果：
4.如权利要求3所述的智能交通系统中交通流预测方法，其特征在于，对于连续特征期望它们在离散区间内的对应位置，对于单个特征，首先将其所有值归一化为[0,1]的范围，对于第i个节点，其第l个连续特征表示为El,i。El,i的归一化过程表示为：
5.如权利要求4所述的智能交通系统中交通流预测方法，其特征在于，给定初始特征
6.一种智能交通系统中交通流预测系统，其特征在于，包括节点特征获取单元、编码单元以及预测流量值获取单元；
7.如权利要求6所述的智能交通系统中交通流预测系统，其特征在于，节点特征获取单元中，固有特征分为离散型和连续型，用向量表示固有特征的离散特征，向量表示固有特征的连续特征，用A’i表示关系特征。
8.如权利要求7所述的智能交通系统中交通流预测系统，其特征在于，编码单元中，对离散特征进行编码通过矩阵计算直接嵌入，对于第s个节点，其第x个离散特征表示为Dx,s，对于Dx,s，首先通过one-hot编码将其转换为向量Δ(Dx,s)；对于Δ(Dx,s)，其维数等于其选项的数量；而Δ(Dx,s)由元素1和部分元素0组成，通过以下公式将Δ(Dx,s)编码为具有特定维度的另一个向量是Dx,s的嵌入结果：
9.如权利要求8所述的智能交通系统中交通流预测系统，其特征在于，编码单元中，对于连续特征期望它们在离散区间内的对应位置，对于单个特征，首先将其所有值归一化为[0,1]的范围，对于第i个节点，其第l个连续特征表示为El,i。El,i的归一化过程表示为：
10.如权利要求9所述的智能交通系统中交通流预测系统，其特征在于，编码单元中，给定初始特征值El,i及其归一化值E′l,i，其中：
...【技术特征摘要】
1.一种智能交通系统中交通流预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的智能交通系统中交通流预测方法，其特征在于，固有特征分为离散型和连续型，用向量表示固有特征的离散特征，向量表示固有特征的连续特征，用a’i表示关系特征。
3.如权利要求2所述的智能交通系统中交通流预测方法，其特征在于，对离散特征进行编码通过矩阵计算直接嵌入，对于第s个节点，其第x个离散特征表示为dx,s，对于dx,s，首先通过one-hot编码将其转换为向量δ(dx,s)；对于δ(dx,s)，其维数等于其选项的数量；而δ(dx,s)由元素1和部分元素0组成，通过以下公式将δ(dx,s)编码为具有特定维度的另一个向量是dx,s的嵌入结果：
4.如权利要求3所述的智能交通系统中交通流预测方法，其特征在于，对于连续特征期望它们在离散区间内的对应位置，对于单个特征，首先将其所有值归一化为[0,1]的范围，对于第i个节点，其第l个连续特征表示为el,i。el,i的归一化过程表示为：
5.如权利要求4所述的智能交通系统中交通流预测方法，其特征在于，给定初始特征值el,i及其归一化值e′l,i，其中：
6.一种智能交通系统中交通流预测系统，其特...
【专利技术属性】
技术研发人员：丁峰，肖祧宗，郭智威，余恪平，朱小刚，
申请(专利权)人：南昌大学，
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。