一种融合时空特征的交通流预测方法

    公开(公告)号:CN110378531A

    公开(公告)日:2019-10-25

    申请号:CN201910652102.4

    申请日:2019-07-18

    申请人: 长安大学

    摘要: 一种融合时空特征的交通流预测方法,包括以下步骤:步骤1,先对数据进行预处理;步骤2,引入自动编码器得到数据特征;步骤3,引入SAEs模型,获取空间特征;步骤4,引入LSTM模型,获取时间特征;步骤5,将SAEs模型与LSTM模型综合起来得到理想的混合模型,建立一种混合深度学习模型SAEs-LSTM来预测城市高速公路的交通流。本发明模型综合利用了时间与空间信息,对已收集到的数据库的信息分析利用得更充分,从而预测结果能更精准。

    一种基于收费数据的高速公路任意断面的交通流预测方法

    公开(公告)号:CN110299011A

    公开(公告)日:2019-10-01

    申请号:CN201910683480.9

    申请日:2019-07-26

    申请人: 长安大学

    IPC分类号: G08G1/01

    摘要: 一种基于收费数据的高速公路任意断面的交通流预测方法,包括以下步骤:步骤1,采集数据,得到每辆车在最短路径上的平均行驶速度;步骤2,计算出各类车辆在每个路段的随流运动速度与随流运动时间;步骤3,估算出车辆在各路段接近真实情况的行驶时间;步骤4,估算出每辆车到达指定断面位置的确切时间;步骤5,获取指定断面的交通流量;步骤6,基于SAE模型来对指定断面位置交通流进行预测。本发明不再需要人工在公路现场进行车流量记录或从监控视频进行记录,大大节省了人力与时间。