【技术实现步骤摘要】
交通流量预测方法及装置、计算机设备及可读存储介质
[0001]本申请涉及交通流量预测
,特别涉及一种交通流量预测方法、交通流量预测装置、计算机设备及非易失性计算机可读存储介质。
技术介绍
[0002]交通在每个人的日常生活中起着至关重要的作用,每个人每天需要花大量时间在交通出行上,在这种情况下,准确的实时交通状况预测对道路使用者、私营部门和政府来说非常重要。而且,目前人们广泛使用的交通服务,如流量控制、路线规划和导航等,也严重依赖于高质量的交通状况评估,所以对交通状态的精准预测显得十分有意义,交通预测的目的是根据基础路网结构内的历史交通数据预测相连路段的未来交通状态。然而,现有的交通流量预测方法存在预测精度不高的问题。
技术实现思路
[0003]本申请实施方式提供了一种交通流量预测方法、交通流量预测装置、计算机设备及非易失性计算机可读存储介质,以解决现有的交通流量预测方法的预测精度不高的问题。
[0004]本申请实施方式的交通流量预测方法包括:获取目标路段在预定时长内的原始交通数据,所述原始交通数据包括所述目标路段的交通流量数据及影响所述目标路段的交通流量的外部因素信息;处理所述原始交通数据以获取外部因素对所述目标路段的交通流量的影响参数;根据所述影响参数处理所述原始交通数据以获取去除了所述外部因素影响的修正交通数据;划分所述修正交通数据以得到训练集数据及测试集数据;利用所述训练集数据训练初始因果卷积-循环神经网络模型以获得中间因果卷积-循环神经网络模型;利用所述测试集数据测试所述中间因 ...
【技术保护点】
【技术特征摘要】
1.一种交通流量预测方法,其特征在于,所述交通流量预测方法包括:获取目标路段在预定时长内的原始交通数据,所述原始交通数据包括所述目标路段的交通流量数据及影响所述目标路段的交通流量的外部因素信息;处理所述原始交通数据以获取外部因素对所述目标路段的交通流量的影响参数;根据所述影响参数处理所述原始交通数据以获取去除了所述外部因素影响的修正交通数据;划分所述修正交通数据以得到训练集数据及测试集数据;利用所述训练集数据训练初始因果卷积-循环神经网络模型以获得中间因果卷积-循环神经网络模型;利用所述测试集数据测试所述中间因果卷积-循环神经网络模型以获得评估结果,并在所述评估结果满足预定条件时确认所述中间因果卷积-循环神经网络模型为目标因果卷积-循环神经网络模型;及利用所述目标因果卷积-循环神经网络模型对所述目标路段在待预测时间点下的交通流量进行预测。2.根据权利要求1所述的交通流量预测方法,其特征在于,所述交通流量数据包括交通速度及交通密度中的至少一种;所述外部因素信息包括低温、高温、正常、小雨、大雨、暴雨、小雪、大雪、暴雪、大风、有交通状况、修路中至少一种外部因素的信息。3.根据权利要求2所述的交通流量预测方法,其特征在于,所述处理所述原始交通数据以获取外部因素对所述目标路段的交通流量的影响参数,包括:处理所述原始交通数据以获取所述原始交通数据中未受到所述外部因素影响的正常交通数据及受到所述外部因素信息影响的受影响交通数据;及根据所述受影响交通数据及所述正常交通数据计算所述影响参数。4.根据权利要求3所述的交通流量预测方法,其特征在于,每个所述外部因素对应一个所述影响参数,所述根据所述受影响交通数据及所述正常交通数据计算所述影响参数,包括:对于所述预定时长内的每个时间节点,计算属于同一所述时间节点的所述正常交通数据的均值以获得对应于多个所述时间节点的多个均值;及对于每个所述外部因素,根据受该外部因素影响的受影响交通数据及所述多个均值计算该外部因素在每个所述时间节点下的初始参数;及根据多个所述时间节点对应的多个所述初始参数计算所述影响参数。5.根据权利要求1所述的交通流量预测方法,其特征在于,所述初始因果卷积-循环神经网络模型包括因果卷积单元及循环神经网络单元,所述利用所述训练集数据训练初始因果卷积-循环神经网络模型以获得中间因果卷积-循环神经网络模型,包括:将所述训练集数据以预定时段为单位输入到所述因果卷积单元中以获得因果卷积输出结果;将所述因果卷积...
【专利技术属性】
技术研发人员:叶可江,贺航涛,须成忠,
申请(专利权)人:深圳先进技术研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。