买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明实施例公开一种交通流混合时空预测方法及系统、设备及介质，所述时空预测方法包括：根据目标高速公路的路网结构定义管控单元；通过管控单元内各传感器采集的数据建立管控单元的交通流时序数据集；应用图卷积神经网络GCN和循环神经网络LSTM混合模型算法，将周期时空影响因子邻接矩阵序列和交通流周期统计特征序列输入至混合模型的图卷积神经网络中，将具有时空特征的交通流时序数据训练集输入至所述混合模型的循环神经网络中进行训练获得交通流预测模型；根据所述交通流预测模型进行交通流预测。

主权项：1.一种交通流混合时空预测方法，其特征在于，包括根据目标高速公路的路网结构划分管控单元，以管控单元为核心构建路网图；通过管控单元内各传感器采集的数据建立管控单元的交通流时序数据集；基于交通流时序数据周期设置移动窗口函数，基于所述移动窗口函数对所述交通流时序数据集进行处理以获得具有时空特征的交通流时序数据训练集和验证集；建立图卷积神经网络和循环神经网络混合模型；基于交通流时序数据周期统计值建立图卷积神经网络节点特征输入X的交通流周期统计特征序列；建立图卷积神经网络边特征输入A的周期时空影响因子邻接矩阵序列；将所述周期时空影响因子邻接矩阵序列和交通流周期统计特征序列输入所述混合模型的图卷积神经网络中，将所述具有时空特征的交通流时序数据训练集输入所述混合模型的循环神经网络中进行训练获得交通流预测模型；根据所述交通流预测模型进行交通流预测；所述基于交通流时序数据周期统计值建立图卷积神经网络节点特征输入X的交通流周期统计特征序列包括：以管控单元为节点，以交通流数据周期统计值为节点特征构建图卷积神经网络，基于所述图卷积神经网络表现的交通流周期性数据趋势和特征建立图卷积神经网络节点特征输入X的交通流周期统计特征序列；所述交通流数据周期统计值包括所述移动窗口函数周期内数据的均值、中位数、标准差、偏态和峰度值；所述管控单元包括普通单元和特殊单元；所述普通单元包括目标高速公路收费站之间的路段；所述特殊单元包括桥梁隧道、互通式立交桥、省界收费站和具备应急救援能力的服务区；所述管控单元设置有至少一个监测点，每个监测点设置有车辆检测器、视频检测器、微波检测器、雷达检测器或交通量调查器；交通流时序数据集的交通参数包括管控单元监测到的交通量、车辆平均速度和占有率；所述基于交通流时序数据周期设置移动窗口函数，基于所述移动窗口函数对所述交通流时序数据集进行处理以获得具有时空特征的交通流时序数据训练集和验证集包括：根据先验知识，确定交通流采样时序数据的周期T；设定移动窗口函数为周期等于所述交通流采样时序数据周期的一维或多维输入序列，预测目标周期的一维或多维输出，通过所述移动窗口函数对交通流时序数据集进行处理以将所述交通流时序数据集转换为监督学习数据得到具有时空特征的交通流时序数据训练集和验证集；所述建立图卷积神经网络边特征输入A的周期时空影响因子邻接矩阵序列包括：确定管控单元间交通流互相影响的时空因素，通过乘法模型生成与所述时空因素相关的时空影响因子作为管控单元的动态特征；以管控单元间周期内交通量和所述时空影响因子的互相关系构建邻接矩阵，生成图卷积神经网络边特征输入A的交通流周期时空影响因子邻接矩阵序列。

全文数据：

权利要求：

百度查询： 北京公科飞达交通工程发展有限公司 一种交通流混合时空预测方法及系统、设备及介质