本發(fā)明涉及一種基于深度學(xué)習(xí)的城市區(qū)域交通流量預(yù)測方法，通過使用深度學(xué)習(xí)技術(shù)中的卷積神經(jīng)網(wǎng)絡(luò)和卷積長短時(shí)記憶網(wǎng)絡(luò)，結(jié)合城市路網(wǎng)的網(wǎng)格區(qū)域劃分方法，實(shí)現(xiàn)城市區(qū)域交通流量的預(yù)測，屬于深度學(xué)習(xí)和智能交通系統(tǒng)的交叉技術(shù)應(yīng)用領(lǐng)域。

背景技術(shù)：

智能交通系統(tǒng)(its)是將信息和通信技術(shù)應(yīng)用到道路運(yùn)輸領(lǐng)域的系統(tǒng)，其通過交通管理模式的創(chuàng)新，使人們能夠更好地了解、更加協(xié)調(diào)、合理地利用交通網(wǎng)絡(luò)。近年來，智能交通系統(tǒng)的快速發(fā)展為交通網(wǎng)絡(luò)需求的不斷增長提供了有效的解決方案，是建設(shè)智慧城市的核心環(huán)節(jié)。目前，智能交通系統(tǒng)在解決城市道路擁堵、城市運(yùn)力分配、城市安全、城市基礎(chǔ)設(shè)施規(guī)劃等問題上已經(jīng)得到了廣泛的應(yīng)用。

準(zhǔn)確的交通流量預(yù)測系統(tǒng)是its的核心部分，人們?cè)诮煌髁款A(yù)測問題上已經(jīng)做了大量的研究工作。這些研究工作大體可以分為兩類：一類是以數(shù)理統(tǒng)計(jì)等傳統(tǒng)數(shù)學(xué)物理方法為基礎(chǔ)的預(yù)測模型，如自回歸模型(ar)、自回歸移動(dòng)平均模型(arima)，歷史平均模型(ha)、卡爾曼濾波模型(kfm)等；另一類是以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的預(yù)測模型，如bp神經(jīng)網(wǎng)絡(luò)模型、棧式自編碼(sae)、卷積神經(jīng)網(wǎng)絡(luò)模型(cnn)、遞歸神經(jīng)網(wǎng)路模型(rnn)等。

現(xiàn)有方法或發(fā)明的缺陷：1)現(xiàn)有方法大多只關(guān)注單點(diǎn)或單路段的交通流量預(yù)測，不適合用于區(qū)域的流量預(yù)測，因?yàn)辄c(diǎn)或路段均無法代表區(qū)域；2)現(xiàn)有方法大多只考慮交通流量變化在時(shí)間維度的依賴性或空間維度的關(guān)聯(lián)性，而沒有同時(shí)考慮交通流量變化的時(shí)空特征；3)現(xiàn)有方法大多只關(guān)注短時(shí)的交通流量預(yù)測，而缺乏對(duì)長時(shí)間流量預(yù)測方法的支持。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種基于深度學(xué)習(xí)的城市區(qū)域交通流量預(yù)測方法，將深度學(xué)習(xí)應(yīng)用于城市區(qū)域交通流量預(yù)測，把歷史的交通流量數(shù)據(jù)作為輸入，利用多層convlstm進(jìn)行高維時(shí)空特征提取，最后通過單層的cnn作降維處理，獲取預(yù)測結(jié)果，該方法通過提取交通流量變化的高維時(shí)空特征對(duì)城市每個(gè)區(qū)域的交通流量同時(shí)進(jìn)行預(yù)測，為城市交通流量預(yù)測問題提供了一種新的思路。

首先根據(jù)lpr設(shè)備的數(shù)據(jù)計(jì)算城市區(qū)域每個(gè)時(shí)間段的歷史流量；然后利用convlstm和cnn設(shè)計(jì)交通流量預(yù)測模型，并提取影響預(yù)測時(shí)段的關(guān)鍵時(shí)間段的流量數(shù)據(jù)作為輸入訓(xùn)練模型；最后利用訓(xùn)練好的模型進(jìn)行城市區(qū)域交通流量的預(yù)測。

具體步驟為：

s1、將城市路網(wǎng)劃分為m×n的網(wǎng)格區(qū)域，根據(jù)經(jīng)緯度將每個(gè)lpr設(shè)備映射到網(wǎng)格區(qū)域中；

s2、對(duì)lpr數(shù)據(jù)進(jìn)行預(yù)處理，得到每個(gè)lpr設(shè)備每個(gè)時(shí)間段的過車記錄，結(jié)合lpr設(shè)備與網(wǎng)格區(qū)域的映射關(guān)系，得到各個(gè)網(wǎng)格區(qū)域在每個(gè)時(shí)間段內(nèi)的交通流量數(shù)據(jù)；

s3、選取影響預(yù)測時(shí)段的關(guān)鍵時(shí)間段的流量數(shù)據(jù)作為交通流量預(yù)測模塊的輸入；

s4、利用卷積長短時(shí)記憶網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)測模型，對(duì)預(yù)測模型進(jìn)行訓(xùn)練，選取誤差最小的模型作為最優(yōu)預(yù)測模型，通過該模型計(jì)算得到城市區(qū)域交通流量的預(yù)測值。

進(jìn)一步地，步驟s1具體包括：

s11、根據(jù)經(jīng)緯度把城市路網(wǎng)劃分為m×n的網(wǎng)格區(qū)域；

s12、將每個(gè)lpr設(shè)備根據(jù)經(jīng)緯度映射到網(wǎng)格區(qū)域中，將網(wǎng)格區(qū)域(m，n)中的lpr設(shè)備記為l(m，n)＝{l1，l2，...li，...，lk}，其中l(wèi)i表示網(wǎng)格區(qū)域(m，n)中的第i個(gè)設(shè)備的編號(hào)，k表示該網(wǎng)格區(qū)域中共有k個(gè)設(shè)備。

進(jìn)一步地，步驟s2具體包括

s21、提取lpr數(shù)據(jù)的關(guān)鍵字段{l，p，τ}，其中l(wèi)表示設(shè)備編號(hào)，p表示設(shè)備l記錄的車牌號(hào)，τ表示其記錄的時(shí)間；

s22、對(duì)lpr數(shù)據(jù)進(jìn)行過濾清洗，刪除錯(cuò)誤、冗余數(shù)據(jù)；

s23、將一天平均分成t個(gè)時(shí)間段，根據(jù)s22的處理結(jié)果，提取各個(gè)設(shè)備在每個(gè)時(shí)間段內(nèi)的過車記錄；

s24、根據(jù)lpr設(shè)備與網(wǎng)格區(qū)域的映射關(guān)系，將lpr設(shè)備的過車記錄關(guān)聯(lián)到其對(duì)應(yīng)的網(wǎng)格區(qū)域中，得到每個(gè)網(wǎng)格區(qū)域中各個(gè)lpr設(shè)備在每個(gè)時(shí)間段內(nèi)的過車記錄；

s25、根據(jù)每個(gè)網(wǎng)格區(qū)域中的lpr設(shè)備數(shù)量計(jì)算每個(gè)網(wǎng)格區(qū)域各個(gè)時(shí)間段內(nèi)的交通流量數(shù)據(jù)；

s26、對(duì)s25中得到的所有時(shí)段所有網(wǎng)格區(qū)域的流量數(shù)據(jù)x進(jìn)行歸一化處理，則有式中，x′為歸一化后的流量，xmax和xmin為所有時(shí)段所有網(wǎng)格區(qū)域流量的最大值和最小值，歸一化后時(shí)間段t的流量數(shù)據(jù)為m行n列1通道的三維矩陣，記為xt∈r^m×n×1。

進(jìn)一步地，步驟s25中每個(gè)網(wǎng)格區(qū)域各個(gè)時(shí)間段內(nèi)的交通流量數(shù)據(jù)的計(jì)算方法為：

a、若網(wǎng)格區(qū)域(m，n)中無lpr設(shè)備，則不對(duì)其流量進(jìn)行預(yù)測，流量記為0；

b、若網(wǎng)格區(qū)域(m，n)中只有一個(gè)lpr設(shè)備，則計(jì)算此lpr設(shè)備在時(shí)間段t內(nèi)的過車數(shù)作為該區(qū)域在時(shí)間段t內(nèi)的流量；

c、若網(wǎng)格區(qū)域(m，n)中的設(shè)備數(shù)多于1個(gè)，首先計(jì)算各個(gè)lpr設(shè)備在時(shí)間段t內(nèi)的過車數(shù)并求和，然后對(duì)于可能出現(xiàn)的多個(gè)lpr設(shè)備記錄同一車輛的情況，按照以下方式處理：

設(shè)網(wǎng)格區(qū)域(m，n)中，lpr設(shè)備li及l(fā)j在同一時(shí)間段t內(nèi)先后記錄同一車輛pa，其記錄時(shí)間分別為τi與τj，若則認(rèn)為是車輛pa的同一條軌跡被重復(fù)記錄，將上述求和的結(jié)果減1；否則保留原結(jié)果；式中，d(li，lj)為lpr設(shè)備li、lj之間的距離，λ為設(shè)定閾值。

進(jìn)一步地，步驟s3具體包括：

s31、選取最近周的同一天同一個(gè)時(shí)間段的流量數(shù)據(jù)，記為

s32、選取最近天同一個(gè)時(shí)間段的流量數(shù)據(jù)，記為

s33、選取最近個(gè)時(shí)間段的流量數(shù)據(jù)，記為

s34、將上述三組數(shù)據(jù)的組合作為輸入，記為xt作為輸出，構(gòu)建一個(gè)樣本將所有數(shù)據(jù)按此方法構(gòu)建樣本，并按一定比例分為訓(xùn)練集、驗(yàn)證集與測試集。

進(jìn)一步地，步驟s4具體包括：

s41、構(gòu)建預(yù)測模型，該模型包括4層卷積長短時(shí)記憶網(wǎng)絡(luò)層、4層批規(guī)范層和一層的卷積神經(jīng)網(wǎng)絡(luò)層；

s42、預(yù)測模型為9層的網(wǎng)絡(luò)，其中前8層為卷積長短時(shí)記憶網(wǎng)絡(luò)層和批規(guī)范層的組合，即每個(gè)卷積長短時(shí)記憶網(wǎng)絡(luò)層后接一個(gè)批規(guī)范層，每一個(gè)批規(guī)范層后接一個(gè)卷積長短時(shí)記憶網(wǎng)絡(luò)層，第9層為單層的卷積神經(jīng)網(wǎng)絡(luò)層；

s43、每個(gè)卷積長短時(shí)記憶網(wǎng)絡(luò)層使用64個(gè)3×3的卷積核，采用補(bǔ)零操作，使用relu函數(shù)作為激活函數(shù)；

s44、卷積神經(jīng)網(wǎng)絡(luò)層層使用1個(gè)3×3的卷積核，采用補(bǔ)零操作，使用sigmoid函數(shù)作為激活函數(shù)；

s45、預(yù)測模型的目標(biāo)函數(shù)為均方誤差函數(shù)mse，則有：

其中，xi表示真實(shí)流量，表示預(yù)測流量，s表示樣本數(shù)，m，n為網(wǎng)格的行數(shù)和列數(shù)；

s46、把訓(xùn)練集輸入預(yù)測模型中進(jìn)行訓(xùn)練，根據(jù)驗(yàn)證集選取mse最小的模型作為最終預(yù)測模型；

s47、把測試集輸入s46訓(xùn)練好的模型中，得到輸出結(jié)果后，再進(jìn)行反歸一化,得到最終的城市區(qū)域流量預(yù)測結(jié)果。

采用上述技術(shù)方案后，本發(fā)明與背景技術(shù)相比，具有如下優(yōu)點(diǎn)：

1、現(xiàn)有的方法大多只關(guān)注單點(diǎn)或單路段的流量預(yù)測，本發(fā)明提出的方法基于卷積長短時(shí)記憶網(wǎng)絡(luò)層與卷積神經(jīng)網(wǎng)絡(luò)層進(jìn)行預(yù)測，城市中每一個(gè)區(qū)域的交通流量與其周圍區(qū)域乃至整個(gè)城市中其它區(qū)域的交通流量均有聯(lián)系，而卷積結(jié)構(gòu)可以學(xué)習(xí)一個(gè)區(qū)域與其它周圍區(qū)域的流量關(guān)系，隨著卷積層數(shù)的加深，可以學(xué)習(xí)城市周圍區(qū)域?qū)υ搮^(qū)域的影響特征；2、現(xiàn)有方法大多只考慮交通流量變化在時(shí)間上或空間上的特征，而本發(fā)明預(yù)測方法中的卷積長短時(shí)記憶網(wǎng)絡(luò)層通過卷積結(jié)構(gòu)提取空間特征，通過lstm結(jié)構(gòu)獲取時(shí)間特征，并在其算法底層把卷積神經(jīng)網(wǎng)絡(luò)與lstm相結(jié)合，可以學(xué)習(xí)交通流量變化的高維度時(shí)空特征，有效融合了時(shí)間維度和空間維度，從而大大提高了預(yù)測精度；

3、卷積神經(jīng)設(shè)置一個(gè)卷積核，可以對(duì)高維度時(shí)空特征作降維處理，通過補(bǔ)零操作，可以實(shí)現(xiàn)城市所有區(qū)域的流量預(yù)測；

4、現(xiàn)有的方法大多只關(guān)注短時(shí)交通流量預(yù)測，本發(fā)明提出的城市區(qū)域交通流量預(yù)測方法通過選取特定的輸入序列，既可以實(shí)現(xiàn)一小時(shí)短時(shí)的區(qū)域交通流量預(yù)測，也可以實(shí)現(xiàn)24小時(shí)、一周等長時(shí)間的區(qū)域交通流量預(yù)測；

綜上，故本發(fā)明所揭示的方法尤其適用于城市級(jí)別的重大活動(dòng)和節(jié)假日的重點(diǎn)監(jiān)測區(qū)域的交通流量預(yù)測。

附圖說明

圖1為基于深度學(xué)習(xí)的城市區(qū)域交通流量預(yù)測方法的算法流程圖；

圖2為城市路網(wǎng)網(wǎng)格區(qū)域劃分示意圖；

圖3為時(shí)間段t城市區(qū)域交通流量的流量表示xt；

圖4為輸入和輸出的示意圖；

圖5為預(yù)測模型計(jì)算過程的示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

實(shí)施例

如圖1所示的是基于深度學(xué)習(xí)的城市區(qū)域交通流量預(yù)測方法的算法流程圖，其預(yù)測系統(tǒng)包括基于網(wǎng)格區(qū)域的交通流量計(jì)算模塊和交通流量預(yù)測模塊。在交通流量計(jì)算模塊中，首先根據(jù)經(jīng)緯度對(duì)城市道路網(wǎng)絡(luò)進(jìn)行網(wǎng)格區(qū)域劃分，并將城市路網(wǎng)中各個(gè)路段的車牌識(shí)別(lpr)設(shè)備映射到網(wǎng)格區(qū)域中；其次，根據(jù)lpr設(shè)備的數(shù)據(jù)得到每個(gè)設(shè)備每個(gè)時(shí)間段內(nèi)的過車記錄；再次，融合上述兩步的結(jié)果計(jì)算各個(gè)網(wǎng)格區(qū)域每個(gè)時(shí)間段內(nèi)的交通流量；最后，對(duì)流量數(shù)據(jù)進(jìn)行歸一化處理。在交通流量預(yù)測模塊中，首先選取關(guān)鍵時(shí)間段的交通流量數(shù)據(jù)作為卷積長短時(shí)記憶網(wǎng)絡(luò)(convlstm)的輸入，通過該網(wǎng)絡(luò)學(xué)習(xí)交通流量變化的高維時(shí)空特征；其次，通過卷積神經(jīng)網(wǎng)絡(luò)(cnn)對(duì)高維時(shí)空特征進(jìn)行降維處理；最后，通過反歸一化得到最終的城市區(qū)域流量預(yù)測結(jié)果。

具體步驟為：

s1、將城市路網(wǎng)進(jìn)行網(wǎng)格區(qū)域劃分，根據(jù)經(jīng)緯度將每個(gè)lpr設(shè)備映射到網(wǎng)格區(qū)域中：

s11、根據(jù)經(jīng)緯度把城市路網(wǎng)劃分為m×n的網(wǎng)格區(qū)域；

s12、將每個(gè)lpr設(shè)備根據(jù)經(jīng)緯度映射到網(wǎng)格區(qū)域中，如網(wǎng)格區(qū)域(m,n)中的lpr設(shè)備記為l(m，n)＝{l1，l2，...li，...，lk}，其中l(wèi)i表示網(wǎng)格區(qū)域(m,n)中的第i個(gè)設(shè)備的編號(hào)，k表示該網(wǎng)格區(qū)域中共有k個(gè)設(shè)備。

s2、對(duì)lpr數(shù)據(jù)進(jìn)行預(yù)處理，得到每個(gè)設(shè)備每個(gè)時(shí)間段的過車記錄，結(jié)合lpr設(shè)備與網(wǎng)格區(qū)域的映射關(guān)系，得到各個(gè)網(wǎng)格區(qū)域在每個(gè)時(shí)間段內(nèi)的交通流量數(shù)據(jù)；

s21、提取lpr數(shù)據(jù)的關(guān)鍵字段{l，p，τ}，其中l(wèi)表示設(shè)備編號(hào)，p表示設(shè)備l記錄的車牌號(hào)，τ表示其記錄的時(shí)間；

s22、對(duì)lpr數(shù)據(jù)進(jìn)行過濾清洗，刪除錯(cuò)誤、冗余數(shù)據(jù)；

s23、將一天平均分成t個(gè)時(shí)間段，根據(jù)s22的處理結(jié)果，提取各個(gè)設(shè)備在每個(gè)時(shí)間段內(nèi)的過車記錄；

s24、根據(jù)lpr設(shè)備與網(wǎng)格區(qū)域的映射關(guān)系，將lpr設(shè)備的過車記錄關(guān)聯(lián)到其對(duì)應(yīng)的網(wǎng)格區(qū)域中，得到每個(gè)網(wǎng)格區(qū)域中各個(gè)設(shè)備每個(gè)時(shí)間段內(nèi)的過車記錄；

s25、對(duì)于網(wǎng)格區(qū)域(m，n)在時(shí)間段t內(nèi)的交通流量，分以下三種情況進(jìn)行計(jì)算：

若網(wǎng)格區(qū)域(m，n)中無lpr設(shè)備，表示其中沒有路網(wǎng)或不是交通熱點(diǎn)區(qū)域，不對(duì)其流量進(jìn)行預(yù)測，流量記為0；

若網(wǎng)格區(qū)域(m，n)中只有一個(gè)lpr設(shè)備，則計(jì)算此設(shè)備在時(shí)間段t內(nèi)的過車數(shù)作為該區(qū)域在時(shí)間段t內(nèi)的流量；

若網(wǎng)格區(qū)域(m，n)中的設(shè)備數(shù)多于1個(gè)，首先計(jì)算各個(gè)設(shè)備在時(shí)間段t內(nèi)的過車數(shù)并求和，然后對(duì)于可能出現(xiàn)的多個(gè)設(shè)備記錄同一車輛的情況，按照以下方式處理：

設(shè)網(wǎng)格(m，n)中，li、lj在同一時(shí)間段t內(nèi)先后記錄同一車輛pa，記錄時(shí)間分別為τi、τj(τi、τj為該網(wǎng)格區(qū)域內(nèi)記錄車輛pa的最鄰近時(shí)間，即在時(shí)間段t內(nèi)，對(duì)區(qū)域(m，n)，若(其中，d(li，lj)為設(shè)備li、lj之間的距離，λ為設(shè)定閾值)，則認(rèn)為是車輛pa的同一條軌跡被重復(fù)記錄，將上述求和的結(jié)果減1，否則不減1；

按上述方法計(jì)算每個(gè)網(wǎng)格區(qū)域各個(gè)時(shí)間段內(nèi)的交通流量數(shù)據(jù)。

s26、將得到的所有時(shí)段所有網(wǎng)格區(qū)域的流量數(shù)據(jù)進(jìn)行統(tǒng)一歸一化處理，計(jì)算公式：其中x′為歸一化后的流量，xmax和xmin為所有時(shí)段所有網(wǎng)格區(qū)域流量的最大值和最小值，歸一化后時(shí)間段t的流量數(shù)據(jù)為m行n列1通道的三維矩陣，記為xt∈r^m×n×1。

s3、選取影響預(yù)測時(shí)段的關(guān)鍵時(shí)間段的流量數(shù)據(jù)作為交通流量預(yù)測模塊的輸入：

s31、為預(yù)測xt，選取最近周的同一天同一個(gè)時(shí)間段的流量數(shù)據(jù)，記為

s32、為預(yù)測xt，選取最近天同一個(gè)時(shí)間段的流量數(shù)據(jù)，記為

s33、為預(yù)測xt，選取最近個(gè)時(shí)間段的流量數(shù)據(jù)，記為

s34、將上述三組數(shù)據(jù)的組合作為輸入，記為xt作為輸出，構(gòu)建一個(gè)樣本將所有數(shù)據(jù)按此方法構(gòu)建樣本，并按一定比例分為訓(xùn)練集、驗(yàn)證集與測試集。

s4、利用卷積長短時(shí)記憶網(wǎng)絡(luò)(convlstm)和卷積神經(jīng)網(wǎng)絡(luò)(cnn)構(gòu)建預(yù)測模型，對(duì)預(yù)測模型進(jìn)行訓(xùn)練，選取誤差最小的模型作為最優(yōu)預(yù)測模型，通過該模型計(jì)算得到城市區(qū)域交通流量的預(yù)測值。

s41、構(gòu)建預(yù)測模型，該模型包括4層卷積長短時(shí)記憶網(wǎng)絡(luò)層(convlstm)、4層批規(guī)范層(batchnormalization)和一層的卷積神經(jīng)網(wǎng)絡(luò)層(cnn)；

s42、預(yù)測模型為9層的網(wǎng)絡(luò)，其中前8層為convlstm和批規(guī)范層的組合(每個(gè)convlstm層后接一個(gè)批規(guī)范層，然后接convlstm層，如此串聯(lián)，構(gòu)成8層的網(wǎng)絡(luò))，第9層為單層的cnn；

s43、每個(gè)convlstm層使用64個(gè)3×3的卷積核，采用補(bǔ)零操作(zero-padding)，使用relu函數(shù)作為激活函數(shù)；

s44、cnn層使用1個(gè)3×3的卷積核，采用補(bǔ)零操作，使用sigmoid函數(shù)作為激活函數(shù)；

s45、預(yù)測模型的目標(biāo)函數(shù)為均方誤差函數(shù)(mse)，如下：

其中，xi表示真實(shí)流量，表示預(yù)測流量，s表示樣本數(shù)，m，n為網(wǎng)格的行數(shù)和列數(shù)；

s46、把訓(xùn)練集輸入預(yù)測模型中進(jìn)行訓(xùn)練，根據(jù)驗(yàn)證集選取mse最小的模型作為最終預(yù)測模型；

s47、把測試集輸入s46訓(xùn)練好的模型中，得到輸出結(jié)果后，再進(jìn)行反歸一化,得到最終預(yù)測結(jié)果。

下面結(jié)合具體例子來詳細(xì)描述方法中的一些步驟。

一、城市路網(wǎng)網(wǎng)格區(qū)域劃分

圖2所示為中國福建省廈門市廈門島路網(wǎng)18×18網(wǎng)格區(qū)域劃分示意圖，根據(jù)lpr設(shè)備的經(jīng)緯度將每個(gè)設(shè)備映射到網(wǎng)格區(qū)域中，得到每個(gè)網(wǎng)格區(qū)域中包含的lpr設(shè)備編號(hào)，如網(wǎng)格區(qū)域(m，n)中的lpr設(shè)備記為l(m，n){l1，l2，...li，...，lk}。

二、交通流量計(jì)算

根據(jù)lpr設(shè)備數(shù)據(jù)的記錄時(shí)間以一小時(shí)為間隔(t＝24)進(jìn)行時(shí)間段劃分，統(tǒng)計(jì)網(wǎng)格區(qū)域每天24個(gè)時(shí)間段每個(gè)時(shí)間段的過車記錄，根據(jù)lpr設(shè)備與網(wǎng)格區(qū)域的映射關(guān)系，統(tǒng)計(jì)網(wǎng)格區(qū)域每個(gè)時(shí)間段內(nèi)的過車記錄，按以下方法計(jì)算網(wǎng)格區(qū)域中每個(gè)時(shí)間段內(nèi)的交通流量數(shù)據(jù)：

若網(wǎng)格區(qū)域(m，n)中無lpr設(shè)備，表示其中沒有路網(wǎng)或不是交通熱點(diǎn)區(qū)域，不對(duì)其流量進(jìn)行預(yù)測，流量記為0；

若網(wǎng)格區(qū)域(m，n)中只有一個(gè)lpr設(shè)備，則計(jì)算該設(shè)備每個(gè)時(shí)間段的過車數(shù)記為該區(qū)域每個(gè)時(shí)間段內(nèi)的交通流量；

若網(wǎng)格區(qū)域(m，n)中的設(shè)備數(shù)多于1個(gè)，舉例說明如下：

假設(shè)網(wǎng)格區(qū)域(m，n)內(nèi)有兩個(gè)設(shè)備l1、l2，在時(shí)間段t內(nèi)，l1的記錄為l2的記錄為若(λ為閾值，可設(shè)定為10)，則網(wǎng)格區(qū)域(m,n)在時(shí)間段t內(nèi)的交通流量為3+2-1＝4，否則為5；

按照以上所述方法可以計(jì)算得到每個(gè)小時(shí)時(shí)間段內(nèi)各個(gè)區(qū)域的交通流量，如圖3所示為時(shí)間段t的城市區(qū)域交通流量表示xt，然后按照min-max標(biāo)準(zhǔn)化方法進(jìn)行歸一化。

三、獲取輸入序列

時(shí)間段t的流量與其前個(gè)時(shí)間步的流量有一定的連續(xù)性，與其前天同一時(shí)刻的流量具有一定的周期性，與其前周同一天同一時(shí)刻的流量具有一定的相似性。為預(yù)測xt，取令輸入輸入步長為期望輸出為xt，構(gòu)建樣本對(duì)，并按8:1:1分為訓(xùn)練集、驗(yàn)證集和測試集。

通過設(shè)計(jì)輸入序列，可是實(shí)現(xiàn)短時(shí)或長時(shí)的流量預(yù)測。舉例如下：

若預(yù)測未來一小時(shí)的城市區(qū)域流量，可以設(shè)置t＝24，若預(yù)測24小時(shí)后的城市區(qū)域流量，可以設(shè)置t＝24，若預(yù)測一周后的城市區(qū)域流量，可以設(shè)置t＝24，如圖4所示為系統(tǒng)的輸入和輸出示意圖。

預(yù)測模型的設(shè)計(jì)和訓(xùn)練：

預(yù)測模型由4層convlstm層、4層批規(guī)范層和一層的cnn層構(gòu)成。網(wǎng)絡(luò)前8層為convlstm和批規(guī)范層的組合(每個(gè)convlstm層后接一個(gè)批規(guī)范層，然后接convlstm層，如此串聯(lián)，構(gòu)成8層的網(wǎng)絡(luò))，第9層為單層的cnn。

每個(gè)convlstm層使用64個(gè)3×3的卷積核，采用補(bǔ)零操作(zero-padding)，使用relu函數(shù)作為激活函數(shù)，前三層convlstm層的輸入輸出序列長度相同，最后一層convlstm層的輸出序列長度為1；cnn層使用1個(gè)3×3的卷積核，采用補(bǔ)零操作(zero-padding)，使用sigmoid函數(shù)作為激活函數(shù)；預(yù)測模型的目標(biāo)函數(shù)為均方誤差函數(shù)(mse)。

圖5為預(yù)測模型計(jì)算過程的示意圖。把訓(xùn)練集輸入預(yù)測模型中進(jìn)行訓(xùn)練，根據(jù)驗(yàn)證集選取mse最小的模型作為最終預(yù)測模型，把測試集輸入訓(xùn)練好的模型中，得到輸出結(jié)果后，再進(jìn)行反歸一化,得到最終預(yù)測結(jié)果。

以上所述，僅為本發(fā)明較佳的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍為準(zhǔn)。