一种基于深度学习的高速公路交通需求预测方法及装置

    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

    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。

    高速公路路面使用性能预测方法、装置和设备

    公开(公告)号:CN116109020A

    公开(公告)日:2023-05-12

    申请号:CN202310386183.4

    申请日:2023-04-12

    Applicant: 中南大学

    Abstract: 本发明公开了一种高速公路路面使用性能预测方法、装置和设备,方法包括:获取待研究高速公路各路段的基础信息、交通荷载信息、路面技术状况信息、地理信息、气象信息和环境信息;从获取数据中提取待定输入特征,筛选其中影响路面使用性能的关键特征;使用模糊C均值方法将所有路段聚为C个路段集;对每个路段集,使用层次聚类方法将关键特征聚为K个类;N次分别从K个类中随机抽取关键特征组成N个特征集合;对于每个路段集,均使用其各特征集合分别作为输入特征训练XGBoost模型,对应得到N个训练好的预测模型,并用于该类路段集的路面使用性能预测,均值作为最终预测结果。本发明能够科学预测高速公路的路面使用性能。

Patent Agency Ranking