[发明专利]一种基于卷积神经网络的短期交通流量预测方法及系统

摘要

本发明公开了基于卷积神经网络的短期交通流量预测方法及系统，该方法包括接收各个路口的过车记录数据，生成交通流量数据集和轨迹数据集；将轨迹数据集作为CBOW模型的输入，得到路口的向量表达，进而通过计算向量的距离得到路口间的交通流量影响关系；构建特征矩阵并作为预测模型的输入；应用卷积神经网络作为预测模型，对预测模型的参数进行训练，将测试数据集输入至预测模型并计算输出预测值与目标值的平均误差，选择误差最小所对应的参数作为预测模型的最优参数，得到最优预测模型，进而输出交通流量的最佳预测值。本发明考虑了交通流量在时间和空间上的联系，结合卷积神经网络，提高了短期交通流量的预测准确率。

主权项

一种基于卷积神经网络的短期交通流量预测方法，其特征在于，该方法在服务器内完成，该方法包括：接收各个路口的过车记录数据，生成交通流量数据集和轨迹数据集；将轨迹数据集作为CBOW模型的输入，得到路口的向量表达，进而通过计算向量的距离得到路口间的交通流量影响关系；根据路口间的交通流量影响关系、每个路口的交通流量及其对应的周平均交通流量和周众数交通流量，构建特征矩阵并作为预测模型的输入；应用卷积神经网络作为预测模型，对预测模型的参数进行训练，将测试数据集输入至预测模型并计算输出预测值与目标值的平均误差，选择误差最小所对应的参数作为预测模型的最优参数，得到最优预测模型，进而输出交通流量的最佳预测值。