[发明专利]基于机器学习的车联网通信的流量预测方法

摘要

本发明公开了一种基于机器学习的车联网通信的流量预测方法，利用交通数据平台发布的流量速度数据库，选取八类数据指标，通过优化参数后的随机森林算法完成全天候的车流量预测；利用openstreetmap导出某地城市道路车辆交通场景，获取交通数据，再配置通信仿真文件，获取通信数据，两种数据混合，分析车流量与通信流量二者关系；利用openstreetmap导出在交通数据平台所选的路段，配置通信仿真文件，获取通信数据，从交通数据平台发布的流量速度数据数据与通信数据中选取九类相关指标，通过Bagging模型进行通信流量预测。本发明的方法泛化性能好，准确度较高，能为后期利用经济高效的数据分发提供可靠的车载通信分析方法，增强车辆用户驾驶的安全性。

主权项

1.一种基于机器学习的车联网通信的流量预测方法，其特征在于步骤如下：步骤1、车流量预测：利用交通数据平台发布的流量速度数据，选取8类指标进行数据处理，完成全天候的车流量预测；步骤2、分析两种流量关系：利用openstreetmap导出某地城市道路车辆交通场景，配置车流探测文件，获取交通数据，再配置车辆通信仿真文件，获取通信数据，两类数据混合，分析车流量与通信流量二者关系；步骤3、通信流量预测：在交通数据平台选择某些路段，利用openstreetmap导出这些路段的城市道路车辆交通场景后，配置车辆通信仿真文件，获取通信数据，依据已得的两种流量关系，从交通数据平台发布的流量速度数据和获取的仿真车辆通信数据中，选取9类指标进行数据处理，完成车载网络的通信流量预测。