基于时序卷积网络的RSCN交通流预测方法

本发明公开了一种基于时序卷积网络的RSCN交通流预测方法，包括时序特征数据的预处理和归一化模块、特征数据的并行处理模块和基于残差网络的误差判断校正模块；时序特征数据的预处理和归一化模块，对一条路段上的多个传输器记录的时间序列的交通流数据整理成序列数据，对交通流数据进行预处理和归一化；特征数据的并行处理模块，将预处理和归一化后的交通流数据分置在膨胀卷积和径向基网络中并行处理；将并行处理后的交通流数据作为残差处理的输入，残差神经元作为残差处理的输出，进行残差网络的自我校正误差分析训练。本发明采用一种基于时序卷积网络的RSCN交通流预测算法，基于卷积网络层，运用并行计算和残差校核的方法对一条路段上的多个传输器记录的时间序列的交通流数据进行预测计算，构造一种预测精度更高和能够实时改变学习参数的短时交通流预测模型，解决了原有的模型精度不够高，处理实时数据能力较差的问题。