一种基于重构交通网络的图聚合机制的道路交通流预测方法，包括以下步骤：(1)针对各车道的交通流量数据，根据原始道路邻接矩阵获得车道连接关系，获取有连接的车道的时间相关性，并按照相关性降序排序获得各车道的高阶邻域，基于各车道的高阶邻域重构车道间的邻接关系，实现道路网络重构；(2)获取时间序列上的重构道路交通网络，通过GraphSAGE获得聚合的路网空间特征序列并将其作为LSTM模型的输入，经LSTM提取聚合后的路网空间特征中的时序特征，输出未来时刻的交通流量预测结果，实现道路交通流量预测。本发明提升了模型实现长期流量预测的稳定性和准确性，实现了短时和长时的交通流量预测。
📄 2021102427251
📂 G08G1_01
👤 浙江工业大学
📅 2021-03-05
基于时空注意力机制的地面道路车道级交通流预测方法，预处理原始交通流数据；制定车道选取策略；进行速度处理及空间编码器网络自学习；通过张量融合并进行时间解码器网络自学习获取最终预测结果。本发明通过编解码结构的时空注意力机制网络，捕获交通流深层次特征，并以并行方式高效解决长距离依赖问题。同时特定的地面车道选取策略，并经灰色关联分析法验证。能取得精细化车道级交通流预测结果，更好地服务交通管理。
📄 2021101143178
📂 G08G1_01
👤 浙江工业大学
📅 2021-01-27
本发明公开基于张量鲁棒分解的平均车速预测方法、装置、存储介质，包括S1：接收服务器发送的预测路段历史平均车速的指令，从传感器采集路段历史车速数据并进行存储；S2：根据存储的路段历史车速数据构建平均车速张量；S3：根据平均车速张量构建平均车速预测目标损失函数，并进行迭代优化，输出平均车速预测值。本发明通过利用历史车速数据构造非负张量分解模型，并构建目标函数(柯西损失)来度量观测到的平均车速值与预测值之间的差异，效降低了离群值对数据特征发掘的干扰，提高预测的准确性。同时，采用交替方向乘子法对目标函数进行更新，以获得较高的计算效率。
📄 2023109991723
📂 G08G1_052
👤 西南大学
📅 2023-08-09
本发明揭示了一种基于DenseNet的高速公路交通流预测方法，在研究深层二维卷积网络DenseNet的基础上，将一维交通流数据导入，并且修改网络中的输入以及卷积方式，使得网络学习一维时间序列数据中的隐藏规律，有效地实现对下一阶段高速公路交通流的预测。其实现步骤是：（1）读取交通流数据，并构建训练测试集；（2）数据预处理，变换四维张量，并进行归一化，适应于网络的学习；（3）构建网络；（4）训练网络，输入训练样本，通过前向预测结果以及误差反向传播更新网络参数，循环迭代，直至网络收敛；（5）测试网络，对测试集进行交通流量的预测。本发明能够自动学习流量数据集中流量之间隐藏的特征关系，且具有更好的预测效果，广泛适用于交通流预测。
📄 2018110020461
📂 G08G1_01
👤 南京邮电大学
📅 2018-08-30
本发明公开了一种基于时空缓冲区的轨迹数据补全及交通流预测方法。本发明针对交通流轨迹数据的特点，通过数据预处理、冗余处理、数据缺失时段标记和重采样，实现了轨迹数据的标准化，进而基于时空缓冲区对轨迹数据进行匹配和补全。本发明通过设置时空缓冲区，同时在空间维度和时间维度进行了待匹配轨迹的筛选，这种做法即合理解决了轨迹的时空异质性问题，又大大节省了后续轨迹相似度计算的计算量。本发明可以获得带有车辆行驶方向的完整轨迹数据集，为交通流量预测奠定数据基础。
📄 202111623537X
📂 G06F16_29
👤 杭州电子科技大学
📅 2021-12-28
本发明公开了基于增量输出分解循环神经网络的交通流预测方法及系统，应用于智能交通技术领域。包括以下步骤：对道路路网中的点观测数据和面观测数据进行多特征提取作为输入数据；将多特征时空图输入数据进行两次仿射变换成为单特征输出形式输入到编码器中，在编码器中使用双头自注意力层，从而获取两个不同的增量子状态，并将两个不同的增量子状态分别作为增量大小和预测基础值；根据增量大小和预测基础值，基于门控循环单元结构得到不确定性增量和预测输出；使用长期交叉注意力机制与解码器耦合；使用移位散度差作为交通流预测结果的延迟程度评估指标。本发明能够有效缓解交通流预测的延迟现象，得到有效稳定的预测结果。
📄 2023102491172
📂 G06Q10_04
👤 杭州中交智行科技有限公司
📅 2023-03-15
本发明涉及一种融合空气质量与车流量数据的短时交通流预测方法,根据获取的车流量和空气质量数据集构建特征矩阵,再根据街道节点绘制空气质量关联拓扑图,用于获取空间特征,并创建对应的空气质量关联矩阵;然后根据空气质量关联拓扑图和特征矩阵,构造映射函数,使用深度学习方法搭建神经网络模型,对映射函数进行建模;对神经网络模型进行训练,并计算预测值与实际值之间的损失函数,通过反向传播算法对神经网络模型的参数进行优化,使用ADAM不断自适应学习率,优化神经网络模型的参数以使模型更加准确;使用训练好的神经网络模型对实时数据进行预测,输出预测结果。本发明结合车流量和空气质量数据,提高了交通流预测的准确性和可靠性。
📄 202311184559X
📂 G08G1_01
👤 萍乡市湘旺软件开发有限公司
📅 2023-09-14
本发明涉及一种基于时空特性分析的短时交通流预测方法，应用于道路交通管理，是智能交通系统的核心部分，主要涉及交通流量采集预处理，数据样本优化，交通流量预测三大核心技术部分。交通流量采集预处理技术提供历史实验数据，存储预测数据和导入实时对比数据；数据样本优化技术，通过交通流量时空相关特性，采用OPTICS聚类方法处理，得到高质量的训练集样本；交通流量预测技术，基于训练样本构建以SVM为载体的的短时交通流预测模型，通过BFOA算法优化其中的关键参数提高模型性能，实现实时准确的短时交通流量预测，便于道路交通管理系统有效分配利用道路资源，改善交通拥堵，提高运行效率，方便居民出行。
📄 2018103774820
📂 G08G1_01
👤 南京邮电大学
📅 2018-04-25
本发明属于交通流预测技术领域，具体涉及一种面向多元交通流时空数据信息的交通流预测方法，包括获取输入数据，基于注意力机制对输入数据进行加权求和得到动态加权的输入数据矩阵，并利用出度矩阵和入度矩阵分别对其进行掩码得到对应的动态权重矩阵；构建自适应矩阵并对其进行稀疏化；基于动态权重矩阵和自适应矩阵构建扩散图卷积网络模块，在基于扩散图卷积网络模构建GRU门控单元，将输入数据输入门控单元获取状态向量；利用多头注意力机制对获取的隐状态信息进行处理，将多头注意力的输出输入到神经网络层进行预测；本发明提高交通流预测的准确度，同时降低了交通流波动对预测结果的影响。
📄 2023114256421
📂 G08G1_01
👤 重庆邮电大学
📅 2023-10-30
本发明公开了基于灰熵分析和改进贝叶斯融合的交通流预测方法，首先根据历史交通流量分别建立线性最小二乘回归模型以及径向基函数（RBF）神经网络模型来进行交通流量预测；其次考虑交通流量之间的关联度，根据灰熵分析计算预测交通流量与历史交通流量关联度等级，并选取关联度等级较高的历史交通流量作为预测模型的输入数据，根据输入数据获得每个预测模型的预测值；接着结合改进贝叶斯融合的方法及最相关的历史交通流量，计算每个预测模型在预测该时刻交通流量时的权重，最终获得该时刻的预测交通流量，实现短时交通流的预测。
📄 2015100190886
📂 G08G1_01
👤 上海密尔克卫化工储存有限公司
📅 2015-01-14
本发明涉及一种卡口节点的短时交通流预测方法，包括：获取目标卡口的天气信息、节假日信息、以及目标卡口所在目标区域的路网地理图及其历史交通流数据；对历史交通流数据提取交通流特征矩阵和POI数据；根据卡口节点的邻居信息利用SDNE算法和DTW算法计算卡口节点与其相邻节点之间的连接强度；根据连接强度矩阵和交通流特征矩阵利用空间注意力机制和基于切比雪夫多项式为卷积核的GCN算法挖掘卡口节点的空间特征；根据空间特征矩阵利用Gate‑TCN模型提取卡口节点的时空特征；根据外部属性构建目标卡口节点的流量吸引矩阵，并根据目标卡口节点的天气信息、节假日信息和时空特征利用MLP多层感知器预测目标卡口节点的交通流。
📄 202311001746X
📂 G08G1_01
👤 重庆邮电大学
📅 2023-08-09
本发明公开了一种RFID时空数据交通流特征参数预测方法，包括以下步骤：S1：获取RFID采集目标路段的交通数据，对交通数据进行时空相关性分析；S2：获取影响目标路段交通状态的交通流特征参数和能够反映目标路段交通状态的交通流特征参数的相关性；S3：预测目标路段在交通流稳定状态和交通流不稳定状态下的交通流特征参数；S4：对两种状态下的交通流特征参数进行加权组合。本发明克服了现有的预测方法计算量大、实时性和抗干扰能力差、预测精度不高、预测效率低等问题具有可以实现准确、全面、可靠的交通流特征参数预测，为改善交通拥堵问题提供了一种新思路的优点。
📄 2020104140266
📂 G08G1_01
👤 重庆大学
📅 2020-05-15
柿子坊 · 知识产权运营
柿子坊知识产权运营平台