基于特征融合的交通流预测方法

授权

摘要

本发明涉及一种基于特征融合的交通流预测方法，包括如下步骤：步骤S1:获取历史交通数据，并进行时空相关性分析；步骤S2:根据得到的时空相关性，利用图卷积神经网络与卷积神经网络分别进行空时特征提取;步骤S3:构建基于卷积的特征融合模型和基于低秩多模态的特征融合模型,并对交通数据的时空特征，预测交通流量；步骤S4:根据真实交通流量对比预测交通流量调整模型的参数，降低损失，优化模型,得到最优的预测模型；步骤S5:将实时交通数据通过步骤S1‑S2处理后，输入最优的预测模型，得到预测的交通流量。本发明有效提升了模型在交通数据异常情况下预测性能的鲁棒性和在正常情况下的预测精度。

基本信息

专利标题：

基于特征融合的交通流预测方法

专利标题（英）：

暂无

公开（公告）号：

CN113240904A

申请号：

CN202110497806.6

公开（公告）日：

2021-08-10

申请日：

2021-05-08

授权号：

CN113240904B

授权日：

2022-06-14

发明人：

冯心欣郑强张海涛郑海峰

申请人：

福州大学

申请人地址：

福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学

代理机构：

福州元创专利商标代理有限公司

代理人：

陈鼎桂

优先权：

CN202110497806.6

主分类号：

G08G1/01

IPC分类号：

G08G1/01 G06N3/04 G06N3/08