公开(公告)号：CN111860989A

公开(公告)日：2020-10-30

申请号：CN202010654628.9

申请日：2020-07-08

Applicant: 南通大学

Inventor： 施佺 ,  袁敏 ,  李赟波 ,  曹阳 ,  荆彬彬 ,  戴俊明

IPC: G06Q10/04 ,  G06Q50/30 ,  G06N3/08 ,  G06N3/04 ,  G06N3/00

Abstract: 本发明公开了一种基于蚁群算法优化的LSTM神经网络短时交通流量预测方法，从某路口通行数据库及历史数据导入至Python的Pandas模块进行预处理，并按照时间段进行分组聚合；对处理后的数据进行归一化处理；使用基于长短期神经网络构建训练模型，按照80％训练集、20％验证集的比例划分训练集与验证集；通过Ant-Cycle蚁群算法基于启发式思想对LSTM的神经网络进行优化，与实时数据进行比对，使用MASE与决定系数指标评价模型的预测准确率，最终完成对路口短时交通流的预测。本发明使用蚁群算法优化超参数的设置避免了设置超参数困难的情况，使决定系数提升8个百分点，可有效提高路口短时交通流量预测的准确率。

公开(公告)号：CN111027662A

公开(公告)日：2020-04-17

申请号：CN201911085138.5

申请日：2019-11-08

Applicant: 南通大学

Inventor： 施佺 ,  张添豪 ,  沈琴琴 ,  曹阳 ,  荆彬彬 ,  朱森来 ,  周晨璨

IPC: G06N3/00 ,  G06N7/08 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明提出了一种基于混沌量子粒子群算法优化的SD-LSSVR短时交通流量预测方法，在优化的SD-LSSVR模型中首先利用季节性因子预处理方法弱化原始数据序列的季节特征，其次构造优化的SD-LSSVR模型快速得到预测结果。再次，利用混沌量子粒子群优化算法选择新模型所涉及的最优参数，以获得最佳的精度，最后采用滤波控制理论为实际的交通干道结构构建信号控制系统。最后，以某主干道为例进行了实际测试，验证了该模型的准确性和稳定性。数值结果表明，该模型不仅能有效地预测交通流量的季节变化，而且与BP神经网络模型、原最小二乘支持向量回归模型、季节ARIMA模型和灰色预测模型等几种著名的预测模型相比，具有较好的预测效果。