[发明专利]面向卡口相似性划分和循环神经网络的交通流量预测方法

摘要

本发明请求保护一种面向卡口相似性划分和循环神经网络的交通流量预测方法，属于智能交通分析领域。第一，获取数据源，并做数据处理。第二，交通卡口关联性分析。根据轨迹集中交通卡口的上下文关系，使用统计概率模型构建关联空间，按照关联空间中的相对位置度量交通卡口之间的关联性；第三，按照向量空间相似性对卡口进行划分，根据交通卡口向量之间表现出的交通时空关系，使用AP聚类算法对卡口空间的卡口向量集进行无监督聚类分析，找到具有交通流量相似性的卡口组。第四，预测和分析过程，利用卡口的历史交通流量数据和具有流量相似性卡口的历史数据，建立循环神经网络预测模型,通过综合考虑时序特性和空间相关性预测卡口的交通流量。

主权项

1.一种面向卡口相似性划分和循环神经网络的交通流量预测方法，其特征在于，包括以下步骤：步骤1、获取数据源：直接从现有的交通大数据开源平台或者从交通管理部门获取包括用户的车辆信息及其在各个卡口的过车信息集合在内的数据源，并进行预处理；步骤2、卡口上下文分析步骤：首先提取用户轨迹中用于表示位置的交通卡口集；其次根据若干条轨迹中交通卡口的位置相似性，提取不同交通卡口的相似性，集中卡口存在的上下文关系，使用相对位置表征相似程度；最后构建交通卡口的向量空间，使得运用卡口向量集表征卡口间的交通时空关系；步骤3、卡口语义相似性分析步骤：根据交通卡口向量之间表现出的交通时空关系，对用户的历史轨迹数据进行数据分析，使用AP聚类算法对卡口空间的卡口向量集进行无监督聚类分析，找到各个卡口具有交通流量相似性的卡口，为后续的交通流量预测提供信息；步骤4、预测与分析步骤：利用卡口的历史交通流量数据和具有流量相似性卡口的历史数据，建立循环神经网络预测模型，通过综合考虑时序特性和空间相关性预测卡口的交通流量。