[发明专利]一种基于BP神经网络的可变车道车流量的预测方法

权利要求书

1.一种基于BP神经网络的可变车道车流量的预测方法，其特征在于，包括：

获取待测时段的日类型和时段类型，并获得所述待测时段内的环境影响因素；

将所述日类型、所述时段类型及对应的所述环境影响因素整理为预测集合；

将所述预测集合处理为预测向量集合；

将所述预测向量集合输入预先训练好的BP神经网络模型，通过预先训练好的BP神经网络模型获取所述待测时段内的车流量。

2.根据权利要求1所述的一种基于BP神经网络的可变车道车流量的预测方法，其特征在于，所述预测集合包括所述日类型的数据序列、所述时段类型的数据序列及对应的所述环境影响因素的数据序列；

其中，所述日类型包括工作日和非工作日；

所述时段类型包括高峰时段和平峰时段：

所述环境影响因素包括太阳辐照度、环境温度、环境湿度、瞬时风速。

3.根据权利要求2所述的一种基于BP神经网络的可变车道车流量的预测方法，其特征在于，采用最小最大法对所述预测集合进行归一化处理获得预测向量集合，将所述预测集合中的所述数据序列分别作为输入向量，应用公式：

其中，为归一化处理后一个所述数据序列的第k个分量，x_k为归一化处理前一个所述数据序列的第k个分量，为归一化处理前一个所述数据序列中的最小数，为归一化处理前一个所述数据序列中的最大数。

4.根据权利要求3所述的一种基于BP神经网络的可变车道车流量的预测方法，其特征在于，将所述预测向量集合输入预先训练好的BP神经网络模型，通过预先训练好的BP神经网络模型获取输出向量，获取所述待测时段内的左转车流量和直行车流量；

其中，所述输出向量包括左转车流量的数据序列和直行车流量的数据序列。

5.根据权利要求4所述的一种基于BP神经网络的可变车道车流量的预测方法，其特征在于，获得所述输出向量之后，对所述输出向量进行反归一化处理，应用公式：

其中，y_i为反归一化处理后所述输出向量的一个数据序列中的第i个分量，为反归一化处理前所述输出向量的一个数据序列的第i个分量，为归一化处理前所述输出向量的一个数据序列中的最小数，为归一化处理前所述输出向量的一个数据序列中的最大数。

6.根据权利要求4所述的一种基于BP神经网络的可变车道车流量的预测方法，其特征在于，获取所述待测时段内的左转车流量和直行车流量，计算可变道参数a，应用公式：

其中，c₁为所述待测时段内的左转车流量、c₂为所述待测时段内的直行车流量，d₁为固定左转车道数量，d₂为固定直行车道数量，可变车道数量为1；

若a1,则提示将可变车道在所述待测时段内设置为直行车道，若a≥1,则提示将可变车道在所述待测时段内设置为左转车道。

7.根据权利要求4所述的一种基于BP神经网络的可变车道车流量的预测方法，其特征在于，所述BP神经网络模型经过预先训练，包括：

获取训练样本集合，采集历史数据：获取样本直行车流量和样本左转车流量，获取所述样本直行车流量和样本左转车流量对应的样本日类型、样本时段类型，获取对应的样本环境影响因素；

对所述训练样本集合进行归一化预处理，获取训练向量集合；

其中，输入向量包括所述样本日类型、样本时段类型和样本环境影响因素；输出向量包括样本直行车流量和样本左转车流量；

确定BP神经网络拓扑结构。