摘要
本发明提供了一种基于人工智能的公路交通拥堵预测方法,包括获取多个移动终端的定位信息和导航信息,将其投射到多维空间坐标系中生成多维空间数据点集合;根据数据点集合计算移动终端的密集度,筛选出第一拥堵信息并剔除信号灯状态导致的非实际拥堵数据点,得到第二拥堵信息;绘制交通流量空间曲线并进行特征提取,生成特征向量;将特征向量输入到基于长短期记忆网络训练的拥堵模式分类模型中,生成交通拥堵模式;根据拥堵模式预测车辆通过拥堵路段的时间。本发明通过获取并分析多个移动终端的定位信息和导航信息,结合多维空间数据点集合和LSTM模型,可以精确预测不同车道的交通流量和拥堵模式。
技术关键词
交通拥堵预测方法
扩展特征向量
时空上下文信息
模式分类模型
长短期记忆网络
移动终端
拥堵信息
LSTM模型
历史交通数据
上下文特征
信号灯
车道
局部时空特征
时序依赖关系
公路
成分分析
时空上下文分析
协方差矩阵
系统为您推荐了相关专利信息
容量优化配置方法
储能电站
分布式储能
动力电池
时序依赖关系
数据生成模型
识别方法
标签类别
分布式架构
参数
麻醉深度监测系统
脑肿瘤切除手术
深度学习模型
麻醉深度监测方法
特征提取模块
时间序列预测方法
时序预测模型
离散小波变换
交通流预测
滑动窗口
血液透析设备
编码向量
多任务深度学习
决策方法
参数