公开(公告)号：CN108399748B

公开(公告)日：2020-12-22

申请号：CN201810190151.6

申请日：2018-03-08

Applicant: 重庆邮电大学

Inventor： 宋万超 ,  周应华 ,  程爱华

IPC: G08G1/01

Abstract: 本发明请求保护一种基于随机森林与聚类算法的道路旅行时间预测方法，该方法根据历史交通数据的时序规律，结合道路本身属性、天气因素、节假日信息以及道路上下游交通流的状态，利用密度聚类算法(DBSCAN)和随机森林(RF)的混合预测模型精准预测各关键路段在某一时段的旅行时间。该预测结果可用于对交通状态发展趋势进行预判，对潜在拥堵的道路提前做出管控方案，也可用于动态路径诱导，为出行者规划最佳出行计划，助力社会智慧出行。本预测方法通过密度聚类提高随机森林中每棵树的预测精度，从而提高预测的整体准确度。

公开(公告)号：CN111160628A

公开(公告)日：2020-05-15

申请号：CN201911282630.1

申请日：2019-12-13

Applicant: 重庆邮电大学

Inventor： 程爱华 ,  周应华 ,  程文科

IPC: G06Q10/04 ,  G06N3/04 ,  G01N33/00 ,  G01N15/06

Abstract: 本发明提供了一种基于CNN和双注意力seq2seq的空气污染物浓度预测方法。包括以下步骤：1)获取预测区域站点的一段时间内的历史空气污染物浓度数据；2)对这些历史数据进行预处理，对缺失的数据采用拉格朗日插值法进行填充，进行标准化处理；3)构建组成污染物浓度数据的时空矩阵，并通过CNN提取其空间特征；4)对预测站点的所有污染物历史浓度数据值提取，通过seq2seq模型架构的编码端提取其时间特征；5)在seq2seq的编码端增加特征注意力机制，编、解码端均采用两层LSTM神经网络，同时解码端引入时间注意力机制，6)拼接得到的时间特征和空间特征来更新下一预测时刻的隐层状态，最后解码端的输出得到预测数据。本发明分别引入了特征和时间注意力，同时将时间和空间特征进行融合，从而有效地提高了数据预测精度。

公开(公告)号：CN108399748A

公开(公告)日：2018-08-14

申请号：CN201810190151.6

申请日：2018-03-08

Applicant: 重庆邮电大学

Inventor： 宋万超 ,  周应华 ,  程爱华

IPC: G08G1/01

CPC classification number: G08G1/0129 ,  G08G1/0141 ,  G08G1/0145

Abstract: 本发明请求保护一种基于随机森林与聚类算法的道路旅行时间预测方法，该方法根据历史交通数据的时序规律，结合道路本身属性、天气因素、节假日信息以及道路上下游交通流的状态，利用密度聚类算法(DBSCAN)和随机森林(RF)的混合预测模型精准预测各关键路段在某一时段的旅行时间。该预测结果可用于对交通状态发展趋势进行预判，对潜在拥堵的道路提前做出管控方案，也可用于动态路径诱导，为出行者规划最佳出行计划，助力社会智慧出行。本预测方法通过密度聚类提高随机森林中每棵树的预测精度，从而提高预测的整体准确度。