公开(公告)号：CN111754775B

公开(公告)日：2021-05-25

申请号：CN202010634989.7

申请日：2020-07-03

Applicant: 浙江大学

Inventor： 余正旭 ,  蔡登 ,  王鹏飞 ,  徐骏凯 ,  金仲明 ,  黄建强 ,  华先胜 ,  何晓飞

IPC: G08G1/01 ,  G06F30/27 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种基于特征重构误差的交通流量预测方法，属于机器学习技术领域，包括：(1)选择目标机器学习网络，初始化目标机器学习网络的参数；(2)构建交通流量的训练数据集，初始化特征校正权值矩阵的参数；(3)利用训练数据集对特征校正权值矩阵进行训练，训练过程使用随机梯度下降算法和特征重构误差损失函数；(4)固定特征校正权值矩阵参数，对目标机器学习网络进行训练，训练过程使用随机梯度下降算法；(5)重复步骤(3)和步骤(4)，直至损失函数收敛或达到最大训练步数；(6)训练结束，将待预测的交通流量数据输入训练好的网络模型，得到预测的交通流量。利用本发明，可以增强模型在进行交通流量预测的稳定性。

公开(公告)号：CN111754775A

公开(公告)日：2020-10-09

申请号：CN202010634989.7

申请日：2020-07-03

Applicant: 浙江大学

Inventor： 余正旭 ,  蔡登 ,  王鹏飞 ,  徐骏凯 ,  金仲明 ,  黄建强 ,  华先胜 ,  何晓飞

IPC: G08G1/01 ,  G06F30/27 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明公开了一种基于特征重构误差的交通流量预测方法，属于机器学习技术领域，包括：(1)选择目标机器学习网络，初始化目标机器学习网络的参数；(2)构建交通流量的训练数据集，初始化特征校正权值矩阵的参数；(3)利用训练数据集对特征校正权值矩阵进行训练，训练过程使用随机梯度下降算法和特征重构误差损失函数；(4)固定特征校正权值矩阵参数，对目标机器学习网络进行训练，训练过程使用随机梯度下降算法；(5)重复步骤(3)和步骤(4)，直至损失函数收敛或达到最大训练步数；(6)训练结束，将待预测的交通流量数据输入训练好的网络模型，得到预测的交通流量。利用本发明，可以增强模型在进行交通流量预测的稳定性。