摘要
本申请提供交通态势预测模型的训练方法、交通态势预测方法及设备,训练方法包括:根据门架连通矩阵和门架连通基础数据获取目标区域在历史时间周期内的历史交通状态数据,以确定各个单位时间段内的交通状态平均值和交通状态差分学习值,采用设有交通态势标签的各个单位时间段内的交通状态平均值和交通状态差分学习值训练混合预测模型,以将混合预测模型训练为用于对目标区域在未来的单位时间段内的交通态势进行预测的交通态势预测模型。本申请能够有效提高训练交通态势预测模型所用数据的可靠性及有效性,进而能够有效提高采用训练的交通态势预测模型预测交通态势的结果准确性及可靠性,并能够提高交通态势预测的自动化程度及智能化程度。
技术关键词
混合预测模型
态势预测方法
交通拥堵指数
ETC门架
时间段
数据
基础
矩阵
XGBoost模型
样本
流速
周期
标签
路网结构
训练集
处理器
关系
系统为您推荐了相关专利信息
虚拟电厂能源管理
智能体模型
深度强化学习算法
时间段
负荷
动态
网络特征
皮尔逊相关系数
情绪分析方法
面部特征点
自动检测装置
睡眠呼吸暂停检测
信号特征提取
特征提取模块
信号采集模块