[发明专利]基于平稳化长短期记忆网络模型预测交叉口交通流量方法在审
| 申请号： | 201910162274.3 | 申请日： | 2019-03-05 |
| 公开（公告）号： | CN109741604A | 公开（公告）日： | 2019-05-10 |
| 发明（设计）人： | 施佺;吕心钰;沈琴琴;曹阳;朱森来 | 申请（专利权）人： | 南通大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;H04L12/24 |
| 代理公司： | 南京正联知识产权代理有限公司 32243 | 代理人： | 王素琴 |
| 地址： | 226007*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于平稳化长短期记忆网络模型预测交叉口交通流量方法，包括：基于深度学习网络采用Tensorflow框架逐层构建形成平稳化长短期记忆网络；输入时间序列数据至平稳化长短期记忆网络，并对时间序列数据做预处理；将预处理后的时间序列数据输入平稳化长短期记忆网络，计算输入时间序列数据的权重和偏向，并保存权重和偏向；基于权重和偏向计算获得平稳化长短期记忆网络的训练结果，并设定一判断阈值，基于判断阈值判断训练结果是否满足条件；若判断结果满足条件则构建基于平稳化长短期记忆网络的交叉口交通流量预测模型，输入测试样本至交叉口交通流量预测模型，输出预测结果；本发明对交叉口交通流的预测误差小，有效提升了预测准确率。 | ||
| 搜索关键词： | 记忆网络 时间序列数据 交叉口交通 权重和 预处理 流量预测模型 满足条件 模型预测 训练结果 构建 判断结果 输出预测 输入测试 预测误差 阈值判断 交叉口 交通流 准确率 样本 保存 预测 网络 学习 | ||
【主权项】：
1.基于平稳化长短期记忆网络模型预测交叉口交通流量方法，其特征在于，所述方法包括：S1、基于深度学习网络采用Tensorflow框架逐层构建形成平稳化长短期记忆网络；S2、输入时间序列数据至所述平稳化长短期记忆网络，并对所述时间序列数据做预处理；S3、将预处理后的所述时间序列数据输入所述平稳化长短期记忆网络，计算所述输入时间序列数据的权重和偏向，并保存所述权重和偏向；S4、基于所述权重和偏向计算获得所述平稳化长短期记忆网络的训练结果，并设定一判断阈值，基于所述判断阈值判断所述训练结果是否满足条件；S5、若所述判断结果满足条件则构建基于平稳化长短期记忆网络的交叉口交通流量预测模型，输入测试样本至所述交叉口交通流量预测模型，输出预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南通大学，未经南通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910162274.3/，转载请声明来源钻瓜专利网。
