公开(公告)号：CN114333327B

公开(公告)日：2022-10-28

申请号：CN202210035759.8

申请日：2022-01-05

Applicant: 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院)

Inventor： 于海洋 ,  刘帅 ,  张俊杰 ,  杨灿 ,  任毅龙 ,  王锟

IPC: G08G1/01 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明公开了一种基于多流神经网络的交通状态预测方法，属于智能交通技术领域，本发明利用多流神经网络框架局部特征流，融合了局部特征流、整体特征流和差分特征流，分别用于挖掘带有局部关联的交通状态时空特征，整体路网的时空特征和交通状态的增量变化特征。其中，每一层流式网络中都包含了时空特征的捕获单元，用于发现上述各类特征的空间和时间依赖关系。全面捕获多类时空特征，提升预测精度，并缓解时间滞后性和平滑性等导致的预测结果偏差大的问题。

公开(公告)号：CN114333327A

公开(公告)日：2022-04-12

申请号：CN202210035759.8

申请日：2022-01-05

Applicant: 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院)

Inventor： 于海洋 ,  刘帅 ,  张俊杰 ,  杨灿 ,  任毅龙 ,  王锟

IPC: G08G1/01 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明公开了一种基于多流神经网络的交通状态预测方法，属于智能交通技术领域，本发明利用多流神经网络框架局部特征流，融合了局部特征流、整体特征流和差分特征流，分别用于挖掘带有局部关联的交通状态时空特征，整体路网的时空特征和交通状态的增量变化特征。其中，每一层流式网络中都包含了时空特征的捕获单元，用于发现上述各类特征的空间和时间依赖关系。全面捕获多类时空特征，提升预测精度，并缓解时间滞后性和平滑性等导致的预测结果偏差大的问题。