一种基于深度学习的智能运输路线规划方法

本发明涉及路径规划技术领域，具体涉及一种基于深度学习的智能运输路线规划方法，包括以下步骤：基于卷积神经网络和长短期记忆网络构建联合网络模型，利用历史交通数据对联合网络模型进行训练；在当前运输任务中，基于联合网络模型对当前路径中未行驶路段的实时交通数据进行分析，预测下一时刻各未行驶路段的交通变化趋势；若当前路径的未行使路段发生突发交通事件，或者预测出当前路径中某一个或多个未行使路段在下一时刻会出现交通拥堵，则重新规划路径；在重新规划路径时，通过强化学习模型在多目标优化函数约束下动态优化当前路径。本发明不仅可提高对未来交通状况的准确度，还可实现对运输路径的自适应优化。