龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了面向突发事件下路网流量实时预测的在线学习图卷积方法，通过事故前后的不同参数训练模式，实现了事故发生后更高精度的路网流量预测。通过事故前的检测器数据可以训练出针对未发生事故情况下的路网流量特征，但是事故发生后，路网流量特征发生重大改变，事故发生前训练出的模型参数不再适用事故发生时的路网流量特征。因此事故发生后采用实时更新参数的方法，对自适应图卷积网络参数进行实时更新，让该模型能够识别事故特征，实现对事故发生后高速路网交通流的更高精度预测。本发明所提基于实时参数更新图卷积网络突发重大交通事故后的高速路网交通流预测方法具有较高的预测精度。
主权项：1.面向突发事件下路网流量实时预测的在线学习图卷积方法，其特征在于，包括如下步骤：步骤1，获取发生突发事件的路段附近布设的路网检测器的历史交通流数据，利用预先设置的时间步长对历史交通流数据进行预处理；所述步骤1中，获取以发生突发事件的路段为中心，半径16公里范围内高速公路上布设的路网检测器在突发事件发生前两周的交通流数据，包括：检测器编号、日期、车辆通过时间和流量信息，设置固定的时间步长，将流量信息按时间步长进行集计，得到预处理后的历史数据；步骤2，利用预处理后的历史数据对自适应图卷积模型进行训练，得到训练完成的模型，同时将训练完成的模型的参数及优化器参数进行存储；步骤3，突发事件发生后，将步骤2训练完成的模型的参数及优化器参数作为事件发生后的自适应图卷积预测模型的初始参数，利用初始化的自适应图卷积预测模型对当前时间步长的路网流量进行预测，得到预测结果，并利用当前步长的实时路网流量和预测结果对自适应图卷积预测模型的参数进行更新；步骤4，滚动时间至下一步长，获取下一步长的实时路网流量，返回步骤3，利用参数更新后的自适应图卷积预测模型再次进行预测，直至突发事件处理结束。
全文数据：
权利要求：
百度查询： 东南大学 面向突发事件下路网流量实时预测的在线学习图卷积方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号