公开(公告)号：CN118820686B

公开(公告)日：2025-01-07

申请号：CN202411270738.X

申请日：2024-09-11

Applicant: 暨南大学

Inventor： 吴文泰 ,  何黎刚

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/22 ,  G06F18/2433 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/0985 ,  G06Q10/04 ,  G06Q50/40 ,  G08G1/065 ,  G06F123/02

Abstract: 本发明公开了一种基于空间划分和静态加权的交通流量预测方法，可以快速划分交通流量历史观测数据对应的数据空间和实现观测记录到数据子空间的关联映射，能够根据观测记录在数据子空间内的分布特性衡量观测记录的特异性和离群性并赋予差异化的价值权重，结合长短期记忆神经网络模型实现对交通流量的准确预测。由于本方法使用静态加权的技术，能够在预处理阶段一次性完成观测记录数据价值权重的计算与存储，计算成本较低，同时避免对长短期记忆神经网络模型训练过程造成额外时间开销。使用长短期记忆神经网络模型结合空间划分和静态加权的数据处理技术，降低了无效或异常的观测数据对模型性能的影响，有效提升了交通流量预测的准确性。

公开(公告)号：CN118820686A

公开(公告)日：2024-10-22

申请号：CN202411270738.X

申请日：2024-09-11

Applicant: 暨南大学

Inventor： 吴文泰 ,  何黎刚

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/22 ,  G06F18/2433 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/0985 ,  G06Q10/04 ,  G06Q50/40 ,  G08G1/065 ,  G06F123/02

Abstract: 本发明公开了一种基于空间划分和静态加权的交通流量预测方法，可以快速划分交通流量历史观测数据对应的数据空间和实现观测记录到数据子空间的关联映射，能够根据观测记录在数据子空间内的分布特性衡量观测记录的特异性和离群性并赋予差异化的价值权重，结合长短期记忆神经网络模型实现对交通流量的准确预测。由于本方法使用静态加权的技术，能够在预处理阶段一次性完成观测记录数据价值权重的计算与存储，计算成本较低，同时避免对长短期记忆神经网络模型训练过程造成额外时间开销。使用长短期记忆神经网络模型结合空间划分和静态加权的数据处理技术，降低了无效或异常的观测数据对模型性能的影响，有效提升了交通流量预测的准确性。