【技术实现步骤摘要】
本专利技术涉及特征工程，具体而言，涉及一种基于多层级特征融合的交通流预测方法及系统。
技术介绍
1、在智慧城市的智能交通系统中，交通流预测是缓解交通拥堵与加强交通管理的关键技术。
2、交通流预测是根据历史交通流数据，预测未来时刻的路网交通流。交通流预测在实际生活中具有诸多应用场景，例如：实时路况预测、道路规划设计、应急调度指挥等。
3、只有充分挖掘数据，才能准确地预测交通流，获取分布规律和依赖关系，并设计出合适的预测模型输出结果。由于交通数据具有多源性、随机性、非线性等性质，目前通常采用数据融合的方式进行数据增强与信息补充。
4、然而，现有的数据融合技术只关注数据层融合，忽略了特征层融合与决策层融合，未能实现多层次全方面的数据融合。
5、此外，目前大多数的数据融合技术依赖于神经网络的特征自学习功能，而忽略了基于领域知识进行交通流特征工程的重要性，使得数据特征缺乏可解释性与可读性，影响到交通流预测的准确性。
技术实现思路
1、鉴于此，本专利技术...
【技术保护点】
1.基于多层级特征融合的交通流预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多层级特征融合的交通流预测方法，其特征在于，所述S4步骤的选出代表决定性因素的特征进行组合的方法包括以下步骤：
3.根据权利要求1所述的基于多层级特征融合的交通流预测方法，其特征在于，所述S2步骤的八类时空交通流特征包括：道路实体特征、路网拓扑特征、上游流量特征、下游流量特征、长期流量特征、短期流量特征、环境相关特征、时空统计特征；
4.根据权利要求1所述的基于多层级特征融合的交通流预测方法，其特征在于，所述S2步骤的所述交通流数据蕴含的
【技术特征摘要】
1.基于多层级特征融合的交通流预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多层级特征融合的交通流预测方法，其特征在于，所述s4步骤的选出代表决定性因素的特征进行组合的方法包括以下步骤：
3.根据权利要求1所述的基于多层级特征融合的交通流预测方法，其特征在于，所述s2步骤的八类时空交通流特征包括：道路实体特征、路网拓扑特征、上游流量特征、下游流量特征、长期流量特征、短期流量特征、环境相关特征、时空统计特征；
4.根据权利要求1所述的基于多层级特征融合的交通流预测方法，其特征在于，所述s2步骤的所述交通流数据蕴含的时间相关性包括：
5.根据权利要求1所述的基于多层级特征融合的交通流预测方法，其特征在于，所述s2步骤的所述交通流数据蕴含的空间相关性包括：相邻路段与目标路段的交通流量存在的依赖关系，其中，相邻路段包括上游路段和下游路段，以及路段等级的...
【专利技术属性】
技术研发人员：李红辉，闫佳和，白岩慧，徐邑，张大林，
申请(专利权)人：北京交通大学，
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。