[发明专利]一种基于时空残差网络的车流量预测方法及装置

说明书

本发明公开了一种基于时空残差网络的车流量预测方法及装置，该方法获取待测城市的地理经纬度，将所述城市根据获取的地理经纬度按照预设的比例映射为一个I*J的网格，其中每一个方格代表一个区域；将利用GPS获取的对每个时间段的车辆行驶轨迹进行统计，并对获取的天气状况进行相应记录，得到收集的数据；对所述收集的数据进行归一化预处理；根据预处理的数据对时空残差网络进行训练，形成已训练车流预测模型；调用所述预测模型预测一个区域特定时刻的车流量并评估预测误差。使用本发明进行车流量预测，通过基于时空残差网络车流预测模型，利用区域间的相互影响，可以对数据进行更深入的挖掘分析，在很大程度上也进一步提高了车流预测的准确性。

技术领域

本发明涉及深度学习和智能车系统交叉的技术领域，特别涉及一种基于时空残差网络的车流量预测方法及装置。

背景技术

随着社会的发展和生活水平的提高，城市车辆日益拥堵，车事故和空气污染也进一步加剧。为了更加准确的预测车拥堵状况，为车辆出行提供更加合理的车路线规划，很有必要进行大规模的车网络拥堵预测。

在车网络中，道路的车拥堵状况是相互影响的，一个区域的车拥堵状态与相邻的区域的拥堵状态密不可分，所以预测各区域车动态变化情况需要从全局网络考虑；而且，对单一路段进行车拥堵预测具有短视性，局部车预测仅仅借助历史数据或基于周边有限路段车的状态进行预测，但一旦路段扩张到大规模车网络预测时，运算量会大大增加，预测效率和精度都无法得到保障，不能够满足车信息服务的实时性和准确性。

本发明的申请人在经过对现有技术的文献进行大量检索后发现，现存的车预测方法存在效率低和精度低的问题。因此，如何解决现有方法不能跨区域和长久记忆历史车流数据，从而无法根据相邻区域间的输入、输出车流量更加准确的预测车流量这一问题，便成为了本领域技术人员的一个重要研究方向。

发明内容

本发明根据上述技术背景，提供了一种基于时空残差网络的车流量预测方法及装置，目的是通过基于时空残差网络车流预测模型，利用区域间的相互影响，获得更好的预测结果。

第一方面，本发明提供了一种基于时空残差网络的车流量预测方法，包括以下步骤：

获取待测城市的地理经纬度，将所述城市根据获取的地理经纬度按照预设的比例映射为一个I*J的网格，其中每一个方格代表一个区域；

将利用GPS获取的对每个时间段的车辆行驶轨迹进行统计，并对获取的天气状况进行相应记录，得到收集的数据；

对所述收集的数据进行归一化预处理；

根据预处理的数据对时空残差网络进行训练，形成已训练车流预测模型；

调用所述预测模型预测一个区域特定时刻的车流量并评估预测误差。

优选地，将利用GPS获取的对每个时间段的车辆行驶轨迹进行统计，并对获取的天气状况进行相应记录，得到收集的数据的具体步骤为：将利用GPS统计的每个时间段内车辆在一个区域及其相邻区域的输入、输出轨迹进行记录，并记录每个时间段内的特殊事件、天气；将所述每个时间段内的若干个相关数据分别进行输入、输出汇总和聚合。

优选地，对所述收集的数据进行归一化预处理的具体步骤为：将聚合后的输入、输出数据进行归一化处理，具体通过以下公式实现：

其中x^*为归一化预处理后的数据，x_m为样本数据最小值，x_M为样本数据最大值，x为待归一化预处理的历史车流数据；所述样本数据具体是指：用于训练和测试的所有数据。