[发明专利]一种短时交通状况预测系统及其方法

权利要求书

1.一种短时交通状况预测系统，其特征在于：包括数据处理单元、模型预测单元、数据库单元以及交通状况查询单元，所述的数据库单元分别与数据处理单元、模型预测单元以及交通状况查询单元连接，所述的数据处理单元与模型预测单元连接，且数据处理单元连接有外部的交通数据库，所述的交通状况查询单元连接有外部的若干移动终端；

交通状况查询单元，用于接收用户的移动终端发送的交通状况查询信息并在数据库单元中进行匹配，提取对应的短时交通状况预测结果生成并显示可视化图像；

数据处理单元，用于采集外部互联网的交通数据库中带有时序的真实交通数据并进行数据处理，将得到的一次处理后交通数据分别发送至数据库单元进行存储和发送至模型预测单元进行模型训练或预测；

模型预测单元，用于接收一次处理后交通数据并进行二次处理，将得到的二次处理后交通数据发送至数据库单元进行存储，根据二次处理后交通数据进行模型训练或预测，将得到的短时交通状况预测模型的模型参数或短时交通状况预测结果发送至数据库单元进行存储；

数据库单元，用于存储数据处理单元采集的真实交通数据、数据处理单元发送的一次处理后交通数据以及模型预测单元发送的二次处理后交通数据、短时交通状况预测模型的模型参数以及短时交通状况预测结果，并向交通状况查询单元发送短时交通状况预测结果。

2.根据权利要求1所述的短时交通状况预测系统，其特征在于：所述的数据库单元设置有一次处理后交通数据库、二次处理后交通数据库、模型参数数据库以及短时交通状况预测结果数据库。

3.一种短时交通状况预测方法，基于如权利要求1所述的短时交通状况预测系统，其特征在于：包括如下步骤：

初始化短时交通状况预测系统，基于神经网络建立短时交通状况预测模型；

使用短时交通状况预测模型进行预测，得到并存储短时交通状况预测结果；

获取交通状况查询信息并匹配对应的短时交通状况预测结果；

根据匹配到的短时交通状况预测结果生成并显示可视化图像。

4.根据权利要求3所述的短时交通状况预测方法，其特征在于：所述的基于神经网络建立短时交通状况预测模型，包括如下步骤：

获取带有时序的真实交通数据集，对真实交通数据集进行数据处理，得到并存储一次处理后交通数据集；

对一次处理后交通数据集进行二次处理，得到并存储二次处理后交通数据集；

基于神经网络根据二次处理后交通数据集进行模型训练，得到短时交通状况预测模型并存储其模型参数。

5.根据权利要求4所述的短时交通状况预测方法，其特征在于：所述的数据处理包括对带有时序的真实交通数据集依次进行的异常值剔除和缺失值填补；

所述的二次处理包括对一次处理后交通数据集依次进行的矩阵转换和归一化处理。

6.根据权利要求4所述的短时交通状况预测方法，其特征在于：所述的带有时序的真实交通数据集为各训练时间段内各训练道路的交通情况真实值，所述的交通情况真实值为真实交通指数、真实交通速度或真实交通流量。

7.根据权利要求3所述的短时交通状况预测方法，其特征在于：基于MGRU网络模型建立短时交通状况预测模型。

8.根据权利要求3所述的短时交通状况预测方法，其特征在于：所述的交通状况查询信息包括当前时间和查询道路。

9.根据权利要求8所述的短时交通状况预测方法，其特征在于：所述的短时交通状况预测结果为预测周期到达时在查询道路的交通情况预测值，所述的交通情况预测值为短时交通状况预测模型预测的预测交通指数、预测交通速度或预测交通流量。

10.根据权利要求3所述的短时交通状况预测方法，其特征在于：所述的可视化图像包括根据短时交通状况预测结果生成的交通情况折线图、交通状况查询信息以及查询道路的实际地图。