[发明专利]交通流量预测方法和设备

权利要求书

1.一种交通流量预测方法，其特征在于，包括：

获取待预测路口对应的多个第一入口车道的历史交通流量数据；

计算各个所述第一入口车道的历史交通流量数据，以及第二入口车道的历史交通流量数据之间的拟合优度值；

根据各个所述第一入口车道的历史交通流量数据以及各自对应的拟合优度值，获取校正后的所述第二入口车道的历史交通流量数据；其中，所述第二入口车道为所述待预测路口中除所述第一入口车道之外的车道，所述第一入口车道为检测器获得的历史交通流量数据的准确性高于预设阈值的车道，所述第二入口车道为检测器获得的历史交通流量数据的准确性低于预设阈值的车道；

根据所述校正后的第二入口车道的历史交通流量数据以及各个所述第一入口车道的历史交通流量数据，利用预先训练的多层循环神经网络模型，预测所述待预测路口的交通流量。

2.根据权利要求1所述的方法，其特征在于，所述计算各个所述第一入口车道的历史交通流量数据，以及所述第二入口车道的历史交通流量数据之间的拟合优度值，包括：

利用如下公式(1)，分别确定各个所述第一入口车道的历史交通流量数据，以及所述第二入口车道的历史交通流量数据之间的拟合优度值R²_ad；

其中，m表示历史交通流量数据的总信息量，p为第一入口车道的数量，n表示时间点，为大于0的整数，y_i表示所述第一入口车道的历史交通流量数据，f_i表示所述第二入口车道的历史交通流量数据，表示各个所述第一入口车道的历史交通流量数据的均值；

相应的，所述根据各个所述第一入口车道的历史交通流量数据以及各自对应的拟合优度值，获取所述校正后的第二入口车道的历史交通流量数据，包括：

将各个所述第一入口车道的历史交通流量数据以及各自对应的拟合优度值进行加权处理，获取所述校正后的第二入口车道的历史交通流量数据。

3.根据权利要求1所述的方法，其特征在于，所述根据所述校正后的第二入口车道的历史交通流量数据以及各个所述第一入口车道的历史交通流量数据，利用预先训练的多层循环神经网络模型，预测所述待预测路口的交通流量，包括：

根据所述校正后的第二入口车道的历史交通流量数据以及各个所述第一入口车道的历史交通流量数据，利用所述多层循环神经网络模型的第一循环神经网络单元层得到第一输出结果；

利用所述多层循环神经网络模型的第一Dropout层，剔除所述第一输出结果中的部分数据，获取处理后的第一数据；

将所述处理后的第一数据利用所述多层循环神经网络模型的全连接层进行特征整合，得到所述待预测路口的交通流量。

4.根据权利要求3所述的方法，其特征在于，所述利用所述多层循环神经网络模型的第一Dropout层，剔除所述第一输出结果中的部分数据，获取处理后的第一数据之后，还包括：

将处理后的第一数据利用所述多层循环神经网络模型的第二循环神经网络单元层得到第二输出结果；

利用所述多层循环神经网络模型的第二Dropout层，剔除所述第二输出结果中的部分数据，获取处理后的第二数据；

相应的，所述将所述处理后的第一数据利用所述多层循环神经网络模型的全连接层进行特征整合，得到所述待预测路口的交通流量，包括：

将所述处理后的第一数据利用所述多层循环神经网络模型的两层全连接层进行特征整合，得到所述待预测路口的交通流量。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述校正后的第二入口车道的历史交通流量数据以及各个所述第一入口车道的历史交通流量数据，利用预先训练的多层循环神经网络模型，预测所述待预测路口的交通流量，包括：

根据所述校正后的第二入口车道的历史交通流量数据，利用预先训练的多层循环神经网络模型，预测所述第二入口车道的交通流量；

根据多个所述第一入口车道的历史交通流量数据，利用预先训练的多层循环神经网络模型，预测各个所述第一入口车道的交通流量。