[发明专利]一种基于LSTM神经网络的有效停车时空资源预测方法有效
| 申请号： | 201910809828.4 | 申请日： | 2019-08-29 |
| 公开（公告）号： | CN110555990B | 公开（公告）日： | 2021-04-13 |
| 发明（设计）人： | 万千;彭国庆;李志斌;郑钰;刘华磊;马剑;谢振友;冯汝怡 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G06Q10/04;G06N3/04;G06F30/27 |
| 代理公司： | 桂林市华杰专利商标事务所有限责任公司 45112 | 代理人： | 杨雪梅 |
| 地址： | 541004 广西*** | 国省代码： | 广西;45 |
| 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LSTM神经网络的有效停车时空资源预测方法，首先，根据不同日子特性条件下的历史数据，采用LSTM神经网络建立停车时长预测模型，对未来某一时段内进场车辆的停车时长进行预估，得到预估消耗的停车资源；其次，建立下一时段内有效停车时空资源预测模型，通过综合当前统计时段内，进出场车辆与不出场车辆的时空利用数据信息，结合前一时段有效停车时空资源量，计算出下一时段的有效停车时空资源量。本发明方法提出两个模型以从时空资源的角度去呈现和计算停车场资源，模型鲁棒性好，预测结果精确度较高，对未来停车场实现高度共享和智慧化的停车预约服务与停车资源调度分配奠定了理论基础。 | ||
| 搜索关键词： | 一种 基于 lstm 神经网络 有效 停车 时空 资源 预测 方法 | ||
【主权项】：
1.一种基于LSTM神经网络的有效停车时空资源预测方法，其特征在于，该方法包括:/nA.根据不同日子特性条件下的历史数据，采用LSTM神经网络建立停车时长预测模型，对未来某一时段内进场车辆的停车时长进行预估，得到预估消耗的停车资源；/nB.建立下一时段内有效停车时空资源预测模型，通过综合当前统计时段内，进出场车辆与不出场车辆的时空利用数据信息，结合前一时段有效停车时空资源量，计算出下一时段的有效停车时空资源量两个步骤：/n步骤A所述的建立停车时长预测模型，具体包括：/nA1.停车场数据收集与预处理/nA11：根据不同日子特性对停车场的历史数据交通特征参数进行收集与分类：日子特性包括不同日子、不同节假日、不同天气；交通特征参数包括不同车辆历史停放时间，单位时间内的历史饱和度、周转率和进出场车流量；/nA12：对数据进行预处理，使用sigmoid函数深度网络内部单元为激活，将数据范围规整到－1和1之间，经过归一化后作为LSTM深度神经网络结构中的输入数据，并利用这些数据对算法模型进行训练；/nA2.建立LSTM神经网络模型预测停车时长，采用反向传播算法作为LSTM预测模型的训练算法，主要有下面三个步骤：/nA21：所述LSTM神经网络包含gate的激活函数，定义为sigmoid函数，输入与输出的激活函数为tanh函数，分别对不同特性下的交通特征历史参数数据做处理；前向计算每个神经元的输出值，即f
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桂林电子科技大学，未经桂林电子科技大学许可，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/201910809828.4/，转载请声明来源钻瓜专利网。
