-
公开(公告)号：CN111179596B
公开(公告)日：2021-09-21
申请号：CN202010011994.2
申请日：2020-01-06
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于组归一化和网格化协同的交通流预测方法，通过获取交通流量数据，将交通流量数据进行预处理；将预处理后的数据，分成g组，每组样本数为m，形成m×F的向量；对每组样本数据进行向量格式转换，即将m×F的向量转换成M×T×F向量，其中T为时间间隔，M是T时间间隔内的样本数，F是特征数，并进行组归一化操作；将每组样本组归一化后的样本分为训练样本和测试样本，样本数分别为N和n；将得到的训练样本代入网格循环网络；最后经过线性判决得到最优的交通流量预测模型。本发明主要贡献在于循环网络中解决了LSTM和GRU后一时刻需要等待前一时刻输出的弊端，简化了模型，节约了计算资源。
-
公开(公告)号：CN111179596A
公开(公告)日：2020-05-19
申请号：CN202010011994.2
申请日：2020-01-06
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于组归一化和网格化协同的交通流预测方法，通过获取交通流量数据，将交通流量数据进行预处理；将预处理后的数据，分成g组，每组样本数为m，形成m×F的向量；对每组样本数据进行向量格式转换，即将m×F的向量转换成M×T×F向量，其中T为时间间隔，M是T时间间隔内的样本数，F是特征数，并进行组归一化操作；将每组样本组归一化后的样本分为训练样本和测试样本，样本数分别为N和n；将得到的训练样本代入网格循环网络；最后经过线性判决得到最优的交通流量预测模型。本发明主要贡献在于循环网络中解决了LSTM和GRU后一时刻需要等待前一时刻输出的弊端，简化了模型，节约了计算资源。
-
公开(公告)号：CN112801181B
公开(公告)日：2022-08-05
申请号：CN202110110618.3
申请日：2021-01-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种城市信令交通流用户分类、预测方法、存储介质及系统，包括：获取城市蜂窝网络信令数据进行预处理，提高数据精度；通过时空约束定义信令轨迹的平均速度和加速度特征，结合模糊统计和聚类特征，建立信令用户的时空轨迹的多维表达方法；从时间、空间的角度进行特征融合，利用预先训练好的分类模型获取出行方式识别结果；不同出行类别用户注入标签并分别存入文件，并转换为时间间隔相同的交通流数据集；分别针对交通流数据进行预测训练，预测值整合后作为最终预测结果。优点：考虑了城市信令交通流中不同出行用户的时空多维特征，能够满足对大规模路网进行交通流分类和预测的需要。
-
公开(公告)号：CN112801181A
公开(公告)日：2021-05-14
申请号：CN202110110618.3
申请日：2021-01-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种城市信令交通流用户分类、预测方法、存储介质及系统，包括：获取城市蜂窝网络信令数据进行预处理，提高数据精度；通过时空约束定义信令轨迹的平均速度和加速度特征，结合模糊统计和聚类特征，建立信令用户的时空轨迹的多维表达方法；从时间、空间的角度进行特征融合，利用预先训练好的分类模型获取出行方式识别结果；不同出行类别用户注入标签并分别存入文件，并转换为时间间隔相同的交通流数据集；分别针对交通流数据进行预测训练，预测值整合后作为最终预测结果。优点：考虑了城市信令交通流中不同出行用户的时空多维特征，能够满足对大规模路网进行交通流分类和预测的需要。
-
-
-
Search Results
4
records
(took 0.033 seconds)
