一种单个路口的车流量预测方法及装置与流程

技术特征：
1.一种单个路口的车流量预测方法，其特征在于，包括以下步骤：s1、采集单个路口以设定时间间隔统计的车流量和平均车速的历史数据，对其进行标准化处理后，分割成当前时间点、周周期、月周期的周期性数据；s2、根据步骤s1的周期性数据构建训练集和测试集，构建lstm初始模型根据测试集进行车流量历史数据和车速历史数据的表征学习后，通过soft
‑
attention机制融合形成最终的表征后得到lstm模型；s3、根据步骤s2的训练集训练步骤s2的lstm模型，输入待预测数据按步骤s1进行处理后输入训练后的lstm模型进行预测。2.根据权利要求1所述的一种单个路口的车流量预测方法，其特征在于，步骤s1中标准化处理的具体过程为：将时间节点车流量、车速为0的数据均替换为1；然后使用z
‑
score方法分别对车流量历史数据和车速历史数据进行标准化处理。3.根据权利要求1所述的一种单个路口的车流量预测方法，其特征在于，步骤s1中分割成周期数据的具体过程为：依次将历史数据序列中每一个时间节点的车流量作为预测节点；设定预测节点为a，然后分别获取a节点前一周的车流量历史数据和车速历史数据；获取预测节a点前一周的时间节点为b，然后获取b节点前一周的车流量历史数据和车速历史数据；再获取a节点前一个月的时间节点为c，然后获取c节点前一周的车流量历史数据和车速历史数据。4.根据权利要求3所述的一种单个路口的车流量预测方法，其特征在于，步骤s2数据集构建的具体过程如下：x
cur_flow
＝[x
f1
,x
f2
,x
f3
,
……
,x
fn
‑1,x
fn
]，x
fi
表示第i条a节点前一周的车流量历史数；x
cur_speed
＝[x
s1
,x
s2
,x
s3
,
……
,x
sn
‑1,x
sn
]，x
si
表示第i条a节点前一周的车速历史数据；x
week_flow
＝[x
f_w_1
,x
f_w_2
,x
f_w_3
,
……
,x
f_w_n
‑1,x
f_w_n
]，x
f_w_i
表示第i条b节点前一周的车流量历史数据；x
week_speed
＝[x
s_w_1
,x
s_w_2
,x
s_w_3
,
……
,x
s_w_n
‑1,x
s_w_n
]，x
s_w_i
表示第i条b节点前一周的车速历史数据；x
month_flow
＝[x
f_m_1
,x
f_m_2
,x
f_m_3
,
……
,x
f_m_n
‑1,x
f_m_n
]，x
f_m_i
表示第i条c节点前一周的车流量历史数据；x
month_speed
＝[x
s_m_1
,x
s_m_2
,x
s_m_3
,
……
,x
s_m_n
‑1,x
s_m_n
]，x
s_m_i
表示第i条c节点前一周的车速历史数据；y＝[y1,y2,y3,
……
,y
y
‑1,y
n
]，y
i
表示第i个当前节点，即预测节点；将以上全部数据按设定比例分为训练集x
train
，y
train
和测试集x
test
，y
test
。5.根据权利要求4所述的一种单个路口的车流量预测方法，其特征在于，步骤s2中最终表征的形成过程为：通过分别构建lstm模型进行车流量历史数据和车速历史数据的表征学习，依据当前时间，一周前，一月前将车流量表征和车速表征进行融合；通过soft
‑
attention机制得到一周前，一月前的融合表征与当前时间表征的重点关注表征，并与当前表征进行融合，形成最终的表征并进行预测。6.根据权利要求5所述的一种单个路口的车流量预测方法，其特征在于，步骤s3训练lstm模型包括初始化该模型，其具体过程为：初始化全连接层的权重矩阵wp的值为正态分布，其均值为0，方差为0.1；初始化全连接层的偏置向量bp为0.1；初始化soft
‑
attention权
重矩阵att_q，att_k，att_v为正太分布，其均值为0，方差为0.1。7.根据权利要求6所述的一种单个路口的车流量预测方法，其特征在于，步骤s3训练lstm模型在初始化该模型后，进行模型训练，其具体过程为：将训练集输入到初始化的模型中，采用平均绝对百分比误差法进行权重更新；经过若干次迭代后，得到收敛的神经网络模型，从而得到训练完成的stm模型模型。8.根据权利要求7所述的一种单个路口的车流量预测方法，其特征在于，平均绝对百分比误差法的损失函数如下：其中n表示值的个数，为预测值，y
i
为真实值。9.一种单个路口的车流量预测装置，其特征在于，包括存储器：用于存储可执行指令；处理器：用于执行所述存储器中存储的可执行指令，实现如权利要求1
‑
8任一项所述的一种单个路口的车流量预测方法。

技术总结
本发明公开了一种单个路口的车流量预测方法及装置，主要解决现有技术中存在的在现有单个路口车流量预测忽略了节假日类时间规律对车流量影响的问题。该一种单个路口的车流量预测方法将单个路口历史车流数据进行数据标准化处理；将单个路口历史车流数据进行数据分割；构建训练模型，进行历史数据的表征学习；依据训练好的模型进行下一时间点车流量预测。通过上述方案，本发明针对单个路口车流量预测进行专项优化，增加数据的周期性特性，包括每周，每月的周期性；使用LSTM和soft


技术研发人员：李升阳 赵红军 李今朝
受保护的技术使用者：成都四方伟业软件股份有限公司
技术研发日：2021.09.15
技术公布日：2022/1/3