公开(公告)号：CN116502740A

公开(公告)日：2023-07-28

申请号：CN202211226583.0

申请日：2022-10-09

Applicant: 东北林业大学

Inventor： 李麟 ,  黄清月 ,  冯美玲 ,  吴龙植

IPC: G06Q10/04 ,  G06Q50/30 ,  G06F17/11 ,  G06N3/0442 ,  G06N3/08 ,  G06F18/25 ,  G08G1/01

Abstract: 本发明涉及一种交通流参数混合预测方法和装置，属于智能交通技术领域，解决现有预测方法中模型校准耗时长，无法实时反应道路偶发情况的问题。方法包括：选择待预测路段AB并获取待预测路段的网格点A处的实时交通流数据和网格点B处的历史交通流数据；建立GKT宏观交通流模型并将A处的实时交通流数据输入该模型以预测B处的未来交通流数据作为宏观交通流模型预测结果U1；建立并训练LSTM深度学习模型，利用模型对B处的未来交通流数据进行预测作为深度学习模型预测结果U2；利用线性卡尔曼滤波器将宏观交通流模型预测结果U1与深度学习模型预测结果U2融合为B的未来交通流参数的最终预测结果U3。宏观与深度学习模型的优势被集中和相互补充。