[发明专利]一种基于高维路网和循环神经网络的交通轨迹预测方法

摘要

本发明请求保护一种基于高维路网和循环神经网络的交通轨迹预测方法，属于智能交通分析领域。首先，获取数据源，提取相关属性并对轨迹数据集根据车速阈值进行筛选。然后，通过近邻规则对轨迹数据进行二次筛选，获取完整的格式化轨迹数据。建立路网模型，通过时间窗口对轨迹数据集进行提取，获取目标卡口上下文关系，然后利用嵌入算法将目标卡口编码嵌入高维空间，完成二维平面路网到高位空间路网的映射，在高维空间中，卡口之间不再包含复杂的拓扑关系，使用高维相似度可以度量卡口之间在轨迹数据中的角色相似度。最后，使用双向循环神经网络对轨迹矩阵进行双向学习预测，结合前后向信息对轨迹数据进行学习预测。本发明提高了预测效率。

主权项

1.一种基于高维路网和循环神经网络的交通轨迹预测方法，其特征在于，包括以下步骤：通过卡口信息采集装置采集行驶中车辆原始信息，并提取车牌号、过车时间、卡口编码作为相关属性，对相关属性进行排序并按速度阈值进行初步筛选获取原始轨迹数据集；对原始轨迹数据进行二次筛选，按照近邻规则对目标卡口的相邻卡口进行筛选，选出频繁近邻卡口，去除不相关卡口之间的轨迹连接；使用固定大小的滑动窗口对二次筛选后的轨迹数据进行上下文关系提取，并建立卡口语料库，卡口语料库用于反映实际路网中卡口之间的关联关系，使用嵌入算法将这些关联关系映射到高维空间，单个卡口对应高维空间中的点，从而建立高维空间路网模型，卡口在轨迹数据中的角色相似度用卡口在高维空间中对应的点之间的距离衡量；结合道路双向性和轨迹时序性特点，使用双向循环神经网络对轨迹数据进行前向后向双向学习，得到两个输出结果后再进行加权求和得到最终预测结果。