[发明专利]交通流量预测方法及装置、计算机设备及可读存储介质

权利要求书

1.一种交通流量预测方法，其特征在于，所述交通流量预测方法包括：

获取目标路段在预定时长内的原始交通数据，所述原始交通数据包括所述目标路段的交通流量数据及影响所述目标路段的交通流量的外部因素信息；

处理所述原始交通数据以获取外部因素对所述目标路段的交通流量的影响参数；

根据所述影响参数处理所述原始交通数据以获取去除了所述外部因素影响的修正交通数据；

划分所述修正交通数据以得到训练集数据及测试集数据；

利用所述训练集数据训练初始因果卷积-循环神经网络模型以获得中间因果卷积-循环神经网络模型；

利用所述测试集数据测试所述中间因果卷积-循环神经网络模型以获得评估结果，并在所述评估结果满足预定条件时确认所述中间因果卷积-循环神经网络模型为目标因果卷积-循环神经网络模型；及

利用所述目标因果卷积-循环神经网络模型对所述目标路段在待预测时间点下的交通流量进行预测；

所述初始因果卷积-循环神经网络模型包括因果卷积单元及循环神经网络单元，所述利用所述训练集数据训练初始因果卷积-循环神经网络模型以获得中间因果卷积-循环神经网络模型，包括：

将所述训练集数据以预定时段为单位输入到所述因果卷积单元中以获得因果卷积输出结果；

将所述因果卷积输出结果输入到所述循环神经网络单元中以获得预测值；

根据真实值和所述预测值计算损耗值；及

在所述损耗值小于预定阈值时确认训练后的所述初始因果卷积-循环神经网络模型为所述中间因果卷积-循环卷积神经网络模型；

在所述损耗值大于所述预定阈值时继续对训练后的所述初始因果卷积-循环神经网络模型进行训练；

所述利用所述目标因果卷积-循环神经网络模型对所述目标路段在待预测时间点下的交通流量进行预测，包括：

获取预定周期内的原始交通数据，所述预定周期包括待预测时间点；

根据所述影响参数处理所述预定周期内的原始交通数据以获得所述预定周期内的修正交通数据；

将所述预定周期内的修正交通数据输入到所述目标因果卷积-循环神经网络模型以获得所述待预测时间点的初始预测值；及

根据所述初始预测值及所述影响参数计算目标预测值；

所述处理所述原始交通数据以获取外部因素对所述目标路段的交通流量的影响参数，包括：

处理所述原始交通数据以获取所述原始交通数据中未受到所述外部因素影响的正常交通数据及受到所述外部因素信息影响的受影响交通数据；及

根据所述受影响交通数据及所述正常交通数据计算所述影响参数；

每个所述外部因素对应一个所述影响参数，所述根据所述受影响交通数据及所述正常交通数据计算所述影响参数，包括：

对于所述预定时长内的每个时间节点，计算属于同一所述时间节点的所述正常交通数据的均值以获得对应于多个所述时间节点的多个均值；及

对于每个所述外部因素，根据受该外部因素影响的受影响交通数据及所述多个均值计算该外部因素在每个所述时间节点下的初始参数；及

根据多个所述时间节点对应的多个所述初始参数计算所述影响参数。

2.根据权利要求1所述的交通流量预测方法，其特征在于，所述交通流量数据包括交通速度及交通密度中的至少一种；

所述外部因素信息包括低温、高温、正常、小雨、大雨、暴雨、小雪、大雪、暴雪、大风、有交通状况、修路中至少一种外部因素的信息。

3.根据权利要求1所述的交通流量预测方法，其特征在于，所述因果卷积单元包括多个因果卷积层，所述循环神经网络单元为循环门控单元。