-
公开(公告)号：CN109886387A
公开(公告)日：2019-06-14
申请号：CN201910013775.5
申请日：2019-01-07
Applicant: 北京大学
Abstract: 本发明公布了一种基于门控神经网络GRU和梯度提升回归模型GBR预测交通时序的方法，包括多时间维度数据提取、模式挖掘、时序数据预测和滚动预测过程；通过多时间维度的数据提取，使用GRU对时间序列数据进行短期和长期模式挖掘，利用GBR结合交通趋势和相关道路数据进行初步预测，再将初步预测结果进行融合，获取最终的交通时序数据预测值。本发明方法能够发掘时间序列的潜在长期和短期模式，并根据实时数据进行微调，能够适应当前交通状况，对交通时间序列的预测精度高，可扩展性强，且具有可解释性。
-
公开(公告)号：CN110766942A
公开(公告)日：2020-02-07
申请号：CN201910993235.8
申请日：2019-10-18
Applicant: 北京大学
Abstract: 本发明公布了一种基于卷积长短期记忆网络的交通拥堵预测方法，利用实际的路网空间结构和路网中站点的数据，基于卷积长短期记忆网络，实现交通路网拥堵预测；包括构造路网拥堵矩阵过程、构造拥堵张量过程和拥堵预测过程；通过实际路网空间结构和路网中站点的数据来构造二维拥堵矩阵，采用滑动时间窗口方法将二维拥堵矩阵转换为三维拥堵张量，使用双层卷积长短期记忆网络ConvLSTM对拥堵张量进行训练和预测，得到交通路网拥堵预测矩阵，从而实现对未来一段时间内的交通路网拥堵状况进行预测。本发明方法实用，适应性强，对路网交通拥堵的预测精度高。
-
公开(公告)号：CN109886387B
公开(公告)日：2021-02-26
申请号：CN201910013775.5
申请日：2019-01-07
Applicant: 北京大学
Abstract: 本发明公布了一种基于门控神经网络GRU和梯度提升回归模型GBR预测交通时序的方法，包括多时间维度数据提取、模式挖掘、时序数据预测和滚动预测过程；通过多时间维度的数据提取，使用GRU对时间序列数据进行短期和长期模式挖掘，利用GBR结合交通趋势和相关道路数据进行初步预测，再将初步预测结果进行融合，获取最终的交通时序数据预测值。本发明方法能够发掘时间序列的潜在长期和短期模式，并根据实时数据进行微调，能够适应当前交通状况，对交通时间序列的预测精度高，可扩展性强，且具有可解释性。
-
公开(公告)号：CN110766942B
公开(公告)日：2020-12-22
申请号：CN201910993235.8
申请日：2019-10-18
Applicant: 北京大学
Abstract: 本发明公布了一种基于卷积长短期记忆网络的交通拥堵预测方法，利用实际的路网空间结构和路网中站点的数据，基于卷积长短期记忆网络，实现交通路网拥堵预测；包括构造路网拥堵矩阵过程、构造拥堵张量过程和拥堵预测过程；通过实际路网空间结构和路网中站点的数据来构造二维拥堵矩阵，采用滑动时间窗口方法将二维拥堵矩阵转换为三维拥堵张量，使用双层卷积长短期记忆网络ConvLSTM对拥堵张量进行训练和预测，得到交通路网拥堵预测矩阵，从而实现对未来一段时间内的交通路网拥堵状况进行预测。本发明方法实用，适应性强，对路网交通拥堵的预测精度高。
-
-
-
Search Results
4
records
(took 0.022 seconds)
