欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024118687178
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 信号装置
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种城市道路交通拥堵指数的预测方法,其特征在于,包括以下步骤:获取目标路段的拥堵指数数据,利用 CEEMDAN 模型对拥堵指数数据进行分解,分解得到不同频率的固有模态函数和残差项;

构建基于 GRU-ATTENTION 的拥堵指数预测模型,训练各个固有模态函数分量,得到不同频率的所述固有模态函数的预测结果;

所述训练各个所述固有模态函数分量包括:通过重置门,处理自的权重矩阵得到重置门的输出,表达式为:;

其中代表时刻重置门的输出;代表当前输入;代表前一刻的隐藏状态;δ代表sigmoid函数;、代表权重参数;代表偏差参数;

通过更新门,将上一层的隐藏状态的部分数据信息传递到下一层进行训练,表达式为:;

其中代表时刻更新门的输出;代表sigmoid函数;、代表权重参数;代表偏差参数;

利用时刻重置门的输出与时刻的隐藏状态进行逐元素相乘,合并计算数值与t时刻的输入,得到候选隐藏状态,表达式为:;

其中代表t时刻候选隐藏状态; 、代表权重参数;代表偏差参数;☉代表按元素乘法;

基于更新门对和做组合得到t时刻的隐藏状态,表达式为:;

其中代表上一时刻的隐藏状态;代表当前隐藏状态;代表当前候选隐藏状态;代表当前更新门的输出;☉代表按元素乘;

根据输入序列不同位置的相关性分配不同的权重,表达式为:;

其中Q代表查询向量;K代表键向量;V代表值向量;

根据 CEEMDAN 分解得到的不同频率的固有模态函数IMF和残差项,将各IMF及残差项进行预测,得到不同频率的 IMF 的预测结果,将每个 IMF 的预测结果与残差项进行相加,得到各个 IMF 和残差项的叠加结果,将各个IMF 和残差项的叠加结果进行相加,得到拥堵指数的预测值,叠加构建各个子序列的所述预测结果,集成拥堵指数的预测值;

基于评价指标验证所述预测值,量化所述预测值与真实值的偏差度。

2.如权利要求1所述的城市道路交通拥堵指数的预测方法,其特征在于,所述获取目标路段的拥堵指数数据包括:获取所述目标路段的拥堵指数历史数据,对所述拥堵指数历史数据进行预处理;

对处理数据进行描述性统计分析,得到所述拥堵指数数据。

3.如权利要求2所述的城市道路交通拥堵指数的预测方法,其特征在于,所述预处理包括对所述拥堵指数历史数据的异常值、重复值以及缺失值的处理,所述描述性统计包括均值、方差、偏度、峰度的分析以及正态性检验和序列自相关性检验。

4.如权利要求1所述的城市道路交通拥堵指数的预测方法,其特征在于,所述分解得到不同频率的固有模态函数和残差项包括:将N倍相同长度的自适应噪声与原始信号序列相加得到新的信号序列,基于经验模态分解对新序列进行N次分解,平均值为第一特征模态函数;

获取第一个边距序列,基于所述边距序列计算第二特征模态函数;

重复计算得到阶段和第阶段的边际序列和特征模态分量;

重复计算直至边距序列的极值点不大于 2,得到K个所述固有模态函数和所述残差项。

5.如权利要求4所述的城市道路交通拥堵指数的预测方法,其特征在于,所述新的信号序列、所述第一特征模态函数的表达式为:;

;

其中是原始信号序列,是自适应系数,是噪声序列。

6.如权利要求4所述的城市道路交通拥堵指数的预测方法,其特征在于,所述第一个边距序列、所述第二特征模态函数的表达式为:;

。

7.如权利要求4所述的城市道路交通拥堵指数的预测方法,其特征在于,所述阶段和第阶段的边际序列和特征模态分量,表达式为:;

。

8.如权利要求4所述的城市道路交通拥堵指数的预测方法,其特征在于,所述K个所述固有模态函数和所述残差项表达式为:。

9.如权利要求1所述的城市道路交通拥堵指数的预测方法,其特征在于,所述评价指标包含决定系数、平均绝对百分比误差以及平均绝对误差。