公开(公告)号：CN118800074B

公开(公告)日：2024-11-15

申请号：CN202411285553.6

申请日：2024-09-13

Applicant: 中南大学

Inventor： 王璞 ,  李胜楠 ,  钟文 ,  谢志军 ,  谢廷群 ,  王斌

IPC: G08G1/01 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习的高速公路交通需求预测方法及装置，方法包括：获取待研究的区域高速公路网的拓扑结构数据和历史交通需求数据，根据获取的数据定位区域高速公路网中的大流量路段，并识别区域高速公路网中的拥堵源O‑D对和主要拥堵源O‑D对；根据历史交通需求数据和所有主要拥堵源O‑D对，构建每个时间窗内的主要拥堵源O‑D矩阵；同时以多个不同历史时间窗内的主要拥堵源O‑D矩阵为输入，以未来时间窗内的主要拥堵源O‑D矩阵为输出，训练深度可分离卷积神经网络模型，得到高速公路交通需求预测模型，用于预测待预测时间窗内的主要拥堵源O‑D矩阵。本发明适用于高速公路交通需求预测，且预测准确。

公开(公告)号：CN118800074A

公开(公告)日：2024-10-18

申请号：CN202411285553.6

申请日：2024-09-13

Applicant: 中南大学

Inventor： 王璞 ,  李胜楠 ,  钟文 ,  谢志军 ,  谢廷群 ,  王斌

IPC: G08G1/01 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习的高速公路交通需求预测方法及装置，方法包括：获取待研究的区域高速公路网的拓扑结构数据和历史交通需求数据，根据获取的数据定位区域高速公路网中的大流量路段，并识别区域高速公路网中的拥堵源O‑D对和主要拥堵源O‑D对；根据历史交通需求数据和所有主要拥堵源O‑D对，构建每个时间窗内的主要拥堵源O‑D矩阵；同时以多个不同历史时间窗内的主要拥堵源O‑D矩阵为输入，以未来时间窗内的主要拥堵源O‑D矩阵为输出，训练深度可分离卷积神经网络模型，得到高速公路交通需求预测模型，用于预测待预测时间窗内的主要拥堵源O‑D矩阵。本发明适用于高速公路交通需求预测，且预测准确。