【技术实现步骤摘要】
本专利技术涉及数据分析，尤其涉及一种基于人工智能的公路交通拥堵预测方法。
技术介绍
1、随着汽车保有量的不断增加，道路资源的相对稀缺导致交通拥堵问题日益严重。准确预测交通拥堵状况，采取相应的交通管控措施，对于缓解城市交通压力、提高道路通行效率具有重要意义。传统的交通拥堵预测方法主要依赖于沿路设置的诸如感应线圈(道路的路口都预埋了地压式磁感应线圈，车辆通过时可产生感应信号)、视频监控等固定式交通检测设备。这些设备能够获取特定路段的交通流量、车辆速度等数据，并基于交通流理论模型进行拥堵预测。然而，固定式设备的布设和维护成本高昂，覆盖范围也受到一定限制。
2、目前，人们习惯于智能车载导航终端或者和移动终端的使用，终端为交通大数据的采集提供了便利，大量车载移动终端可以作为移动的"交通探测器"实时上传位置、速度等行驶数据，从而获取更加全面和准确的交通信息。目前，基于移动数据的交通预测方法主要有两种思路：一是建立复杂的交通模拟模型，在模型中融入多源异构数据，通过模型求解得到预测结果；二是将问题看作一个典型的时空序列预测问题，使用机器学习...
【技术保护点】
1.一种基于人工智能的公路交通拥堵预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于人工智能的公路交通拥堵预测方法，其特征在于，所述基于长短期记忆网络训练的拥堵模式分类模型的方法包括：
3.根据权利要求2所述的一种基于人工智能的公路交通拥堵预测方法，其特征在于，将所述多维空间曲线进行特征提取的方法；
4.根据权利要求3所述的一种基于人工智能的公路交通拥堵预测方法，其特征在于，所述计算每个子片段的每个数据点的空间位置变化率，空间位置变化率为相邻数据点之间的欧氏距离变化率；计算子片段内所有数据点的均值向量和标准差向量...
【技术特征摘要】
1.一种基于人工智能的公路交通拥堵预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于人工智能的公路交通拥堵预测方法，其特征在于，所述基于长短期记忆网络训练的拥堵模式分类模型的方法包括：
3.根据权利要求2所述的一种基于人工智能的公路交通拥堵预测方法，其特征在于，将所述多维空间曲线进行特征提取的方法；
4.根据权利要求3所述的一种基于人工智能的公路交通拥堵预测方法，其特征在于，所述计算每个子片段的每个数据点的空间位置变化率，空间位置变化率为相邻数据点之间的欧氏距离变化率；计算子片段内所有数据点的均值向量和标准差向量，计算时间步长之间的变化率；通过主成分分析对特征向量进行降维处理，将降维后的特征向量基于局部时空上下文信息对特征向量...
【专利技术属性】
技术研发人员：王洪刚，曹晓华，
申请(专利权)人：上海萃图数字科技有限公司，
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。