公开(公告)号：CN115115082B

公开(公告)日：2024-06-14

申请号：CN202111650392.2

申请日：2021-12-30

Applicant: 南通大学

Inventor： 张一迪 ,  顾翔 ,  陈飞扬 ,  王进 ,  陈亮 ,  万杰

IPC: G06Q10/04 ,  G06Q50/40 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/098

Abstract: 本发明提供了一种基于联邦学习的长距离高速公路交通流量预测方法，属于交通预测和信息安全技术领域。解决了现有交通预测模型对长距离高速公路进行交通流量预测，准确率不高，监测点使用损耗较大，浪费能源，且未考虑交通数据信息安全的问题。其技术方案为：包括以下步骤：步骤一、LSTM‑RNN搭建；步骤二、数据处理；步骤三、联邦学习；步骤四、模型预测。本发明的有益效果为：本发明提高交通流量预测的准确率，防止信息泄露，降低能源消耗，降低监测点的使用损耗。

公开(公告)号：CN115115082A

公开(公告)日：2022-09-27

申请号：CN202111650392.2

申请日：2021-12-30

Applicant: 南通大学

Inventor： 张一迪 ,  顾翔 ,  陈飞扬 ,  王进 ,  陈亮 ,  万杰

IPC: G06Q10/04 ,  G06Q50/30 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供了一种基于联邦学习的长距离高速公路交通流量预测方法，属于交通预测和信息安全技术领域。解决了现有交通预测模型对长距离高速公路进行交通流量预测，准确率不高，监测点使用损耗较大，浪费能源，且未考虑交通数据信息安全的问题。其技术方案为：包括以下步骤：步骤一、LSTM‑RNN搭建；步骤二、数据处理；步骤三、联邦学习；步骤四、模型预测。本发明的有益效果为：本发明提高交通流量预测的准确率，防止信息泄露，降低能源消耗，降低监测点的使用损耗。