WO2016095708A1 - Procédé de prédiction du débit de la circulation, et procédé et dispositif de génération de modèle de prédiction - Google Patents
Procédé de prédiction du débit de la circulation, et procédé et dispositif de génération de modèle de prédiction Download PDFInfo
- Publication number
- WO2016095708A1 WO2016095708A1 PCT/CN2015/096341 CN2015096341W WO2016095708A1 WO 2016095708 A1 WO2016095708 A1 WO 2016095708A1 CN 2015096341 W CN2015096341 W CN 2015096341W WO 2016095708 A1 WO2016095708 A1 WO 2016095708A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- traffic flow
- period
- time
- flow data
- current
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Abstract
L'invention concerne un procédé de prédiction du débit de la circulation, et un procédé et un dispositif de génération de modèle de prédiction. Le procédé de prédiction consiste à : acquérir, pour une route devant faire l'objet d'une prédiction, des données du débit de la circulation historiques de la route devant faire l'objet d'une prédiction pendant une période antérieure au moment actuel (301) ; à partir d'une corrélation entre une route préexistante et un modèle de prédiction du débit de la circulation, acquérir le modèle de prédiction du débit de la circulation correspondant à la route devant faire l'objet d'une prédiction (302) ; et introduire les données du débit de la circulation historiques pendant la période antérieure au moment actuel dans le modèle de prédiction du débit de la circulation correspondant à la route devant faire l'objet d'une prédiction, de sorte à obtenir des données du débit de la circulation pendant une période ultérieure au moment actuel (303). Étant donné que les données du débit de la circulation présentent un degré élevé de non linéarité et d'incertitude et qu'un modèle de réseau neuronal présente une capacité de prédiction non linéaire relativement élevée, le modèle de réseau neuronal est entraîné conformément à des données du débit de la circulation historiques d'une route, de sorte qu'un modèle de prédiction du débit de la circulation obtenu par apprentissage permette de prédire de manière relativement précise les données du débit de la circulation de la route pendant la période ultérieure au moment actuel conformément aux données du débit de la circulation de la route pendant la période antérieure au moment actuel.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410785171.XA CN105788249B (zh) | 2014-12-16 | 2014-12-16 | 一种交通流量预测方法、预测模型生成方法及装置 |
CN201410785171.X | 2014-12-16 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2016095708A1 true WO2016095708A1 (fr) | 2016-06-23 |
Family
ID=56125888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2015/096341 WO2016095708A1 (fr) | 2014-12-16 | 2015-12-03 | Procédé de prédiction du débit de la circulation, et procédé et dispositif de génération de modèle de prédiction |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105788249B (fr) |
WO (1) | WO2016095708A1 (fr) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345857A (zh) * | 2018-02-09 | 2018-07-31 | 北京天元创新科技有限公司 | 一种基于深度学习的区域人群密度预测方法及装置 |
CN108399749A (zh) * | 2018-03-14 | 2018-08-14 | 西南交通大学 | 一种短时交通出行需求预测方法 |
CN109032038A (zh) * | 2018-09-04 | 2018-12-18 | 南宁学院 | 一种基于强化学习的污水处理控制系统 |
CN109462853A (zh) * | 2018-11-05 | 2019-03-12 | 武汉虹信技术服务有限责任公司 | 一种基于神经网络模型的网络容量预测方法 |
CN109711640A (zh) * | 2019-01-23 | 2019-05-03 | 北京工业大学 | 一种基于模糊c均值交通流量聚类以及误差反馈卷积神经网络的短时交通流预测方法 |
CN109978040A (zh) * | 2019-03-19 | 2019-07-05 | 西南交通大学 | 一种交通运力分布预测方法 |
CN110020475A (zh) * | 2019-04-03 | 2019-07-16 | 北京工业大学 | 一种交通流预测的马尔科夫粒子滤波方法 |
CN110046711A (zh) * | 2018-12-29 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 一种模型特征剔除方法及装置 |
CN110276474A (zh) * | 2019-05-22 | 2019-09-24 | 南京理工大学 | 一种城市轨道交通车站短时客流预测方法 |
CN111339156A (zh) * | 2020-02-07 | 2020-06-26 | 京东城市(北京)数字科技有限公司 | 业务数据的长期确定方法、装置和计算机可读存储介质 |
CN111507499A (zh) * | 2019-12-05 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 预测用模型的构建方法、测试方法、装置及系统 |
CN111639791A (zh) * | 2020-05-11 | 2020-09-08 | 同济大学 | 交通流预测方法、系统、存储介质及终端 |
CN111797768A (zh) * | 2020-07-06 | 2020-10-20 | 华侨大学 | 一种城市道路交通拥堵多原因自动实时识别方法及系统 |
WO2020224445A1 (fr) * | 2019-05-08 | 2020-11-12 | 阿里巴巴集团控股有限公司 | Procédé et dispositif de traitement d'informations de distribution de trajet d'écoulement de circulation et dispositif électronique |
CN112820120A (zh) * | 2020-12-30 | 2021-05-18 | 杭州趣链科技有限公司 | 一种基于联盟链的多方交通流时空交叉验证方法 |
CN113537595A (zh) * | 2021-07-16 | 2021-10-22 | 上海电气风电集团股份有限公司 | 模型训练方法、风功率预测方法、系统、设备及介质 |
CN113706863A (zh) * | 2021-08-05 | 2021-11-26 | 青岛海信网络科技股份有限公司 | 一种道路交通状态预测方法 |
CN114550453A (zh) * | 2022-02-23 | 2022-05-27 | 阿里巴巴(中国)有限公司 | 模型训练方法、确定方法、电子设备及计算机存储介质 |
CN114944057A (zh) * | 2022-04-21 | 2022-08-26 | 中山大学 | 一种路网交通流量数据的修复方法与系统 |
CN114973640A (zh) * | 2021-02-24 | 2022-08-30 | 阿里巴巴集团控股有限公司 | 交通流量的预测方法、装置及系统 |
CN115273497A (zh) * | 2022-08-02 | 2022-11-01 | 河北雄安荣乌高速公路有限公司 | 高速公路交通协同控制方法、电子设备和存储介质 |
CN117475633A (zh) * | 2023-11-07 | 2024-01-30 | 西南交通大学 | 一种面向事件的交通流量预测方法及装置 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355879A (zh) * | 2016-09-30 | 2017-01-25 | 西安翔迅科技有限责任公司 | 一种基于时空关联的城市交通流量预测方法 |
CN108257378B (zh) * | 2016-12-29 | 2020-05-19 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法及装置 |
CN106710222B (zh) * | 2017-03-22 | 2019-07-02 | 广东工业大学 | 一种交通流量预测方法及装置 |
CN107038478B (zh) | 2017-04-20 | 2023-10-27 | 百度在线网络技术(北京)有限公司 | 路况预测方法及装置、计算机设备与可读介质 |
CN107894970A (zh) * | 2017-12-06 | 2018-04-10 | 广东机场白云信息科技有限公司 | 航站楼出港人数的预测方法和系统 |
CN108364463B (zh) * | 2018-01-30 | 2020-07-31 | 重庆交通大学 | 一种交通流量的预测方法和系统 |
CN108777805B (zh) * | 2018-05-17 | 2021-01-22 | 北京奇艺世纪科技有限公司 | 一种非法访问请求的检测方法、装置、中控服务器及系统 |
CN108960496B (zh) * | 2018-06-26 | 2021-07-23 | 浙江工业大学 | 一种基于改进学习率的深度学习交通流预测方法 |
CN110969275B (zh) * | 2018-09-30 | 2024-01-23 | 杭州海康威视数字技术股份有限公司 | 交通流量预测方法、装置、可读存储介质及电子设备 |
CN109191846B (zh) * | 2018-10-12 | 2021-03-09 | 国网浙江省电力有限公司温州供电公司 | 一种交通出行流量预测方法 |
CN109615852B (zh) * | 2018-11-20 | 2021-03-30 | 上海海事大学 | 一种突发事故下路段交通流分配快速预测的方法 |
CN109300310B (zh) * | 2018-11-26 | 2021-09-17 | 平安科技(深圳)有限公司 | 一种车流量预测方法及装置 |
CN109598381B (zh) * | 2018-12-05 | 2023-04-18 | 武汉理工大学 | 一种基于状态频率记忆神经网络的短时交通流预测方法 |
CN109583656B (zh) * | 2018-12-06 | 2022-05-10 | 重庆邮电大学 | 基于a-lstm的城市轨道交通客流量预测方法 |
CN109658741A (zh) * | 2018-12-12 | 2019-04-19 | 中国船舶重工集团公司第七0九研究所 | 一种扇区短时流量预测方法及系统 |
CN109741604A (zh) * | 2019-03-05 | 2019-05-10 | 南通大学 | 基于平稳化长短期记忆网络模型预测交叉口交通流量方法 |
CN114287023B (zh) * | 2019-09-25 | 2023-12-15 | 华为云计算技术有限公司 | 用于交通预测的多传感器学习系统 |
CN111291924B (zh) * | 2020-01-17 | 2023-06-06 | 同济大学 | 面向长时交通速度预测的几何代数深度神经网络模型方法 |
CN111341098B (zh) * | 2020-02-18 | 2021-07-27 | 北京中旖新能源有限公司 | 拥堵状态预测的方法及装置 |
CN111341099B (zh) * | 2020-02-27 | 2022-05-10 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、装置及电子设备 |
CN111985619B (zh) * | 2020-08-18 | 2024-03-08 | 中冶南方城市建设工程技术有限公司 | 一种基于短时交通流预测的城市单交叉口控制方法 |
CN113762578A (zh) * | 2020-12-28 | 2021-12-07 | 京东城市(北京)数字科技有限公司 | 流量预测模型的训练方法、装置和电子设备 |
CN112651361A (zh) * | 2020-12-31 | 2021-04-13 | 维特瑞交通科技有限公司 | 一种基于动态交通流量的监测方法 |
CN113112795B (zh) * | 2021-04-06 | 2022-01-21 | 中移(上海)信息通信科技有限公司 | 一种路况预测方法、装置及设备 |
CN114091357B (zh) * | 2022-01-19 | 2022-05-06 | 杭州海康威视数字技术股份有限公司 | 交通流预测方法、装置、电子设备及存储介质 |
CN117829612A (zh) * | 2024-03-04 | 2024-04-05 | 北京帮安迪信息科技股份有限公司 | 一种园区安全预警方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH076290A (ja) * | 1993-06-21 | 1995-01-10 | Toshiba Corp | 交通流予測装置 |
JPH0729087A (ja) * | 1993-07-13 | 1995-01-31 | Mitsubishi Electric Corp | 交通量予測装置 |
CN102496284A (zh) * | 2011-12-24 | 2012-06-13 | 重庆大学 | 一种道路交通流量采集及预测方法 |
CN102622418A (zh) * | 2012-02-21 | 2012-08-01 | 北京联合大学 | 一种基于bp神经网络的预测装置及设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10022812A1 (de) * | 2000-05-10 | 2001-11-22 | Daimler Chrysler Ag | Verfahren zur Verkehrslagebestimmung auf Basis von Meldefahrzeugdaten für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten |
CN102646332B (zh) * | 2011-02-21 | 2014-03-12 | 日电(中国)有限公司 | 基于数据融合的交通状态估计装置和方法 |
CN102682345B (zh) * | 2012-01-11 | 2015-10-14 | 河南科技大学 | 基于双最优学习率快速学习神经网络的交通流预测方法 |
CN104134351B (zh) * | 2014-08-14 | 2016-08-03 | 中国科学院自动化研究所 | 一种短时交通流预测方法 |
-
2014
- 2014-12-16 CN CN201410785171.XA patent/CN105788249B/zh active Active
-
2015
- 2015-12-03 WO PCT/CN2015/096341 patent/WO2016095708A1/fr active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH076290A (ja) * | 1993-06-21 | 1995-01-10 | Toshiba Corp | 交通流予測装置 |
JPH0729087A (ja) * | 1993-07-13 | 1995-01-31 | Mitsubishi Electric Corp | 交通量予測装置 |
CN102496284A (zh) * | 2011-12-24 | 2012-06-13 | 重庆大学 | 一种道路交通流量采集及预测方法 |
CN102622418A (zh) * | 2012-02-21 | 2012-08-01 | 北京联合大学 | 一种基于bp神经网络的预测装置及设备 |
Non-Patent Citations (1)
Title |
---|
DU, GUOMING ET AL.: "Fast Second Order BP Neural Networks and Its Application for Forecast of Road Traffic Volume", CENTRAL SOUTH HIGHWAY ENGINEERING, vol. 31, no. 2, 30 April 2006 (2006-04-30), pages 48 - 50 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108345857A (zh) * | 2018-02-09 | 2018-07-31 | 北京天元创新科技有限公司 | 一种基于深度学习的区域人群密度预测方法及装置 |
CN108399749A (zh) * | 2018-03-14 | 2018-08-14 | 西南交通大学 | 一种短时交通出行需求预测方法 |
CN109032038A (zh) * | 2018-09-04 | 2018-12-18 | 南宁学院 | 一种基于强化学习的污水处理控制系统 |
CN109462853A (zh) * | 2018-11-05 | 2019-03-12 | 武汉虹信技术服务有限责任公司 | 一种基于神经网络模型的网络容量预测方法 |
CN109462853B (zh) * | 2018-11-05 | 2022-01-14 | 武汉虹信技术服务有限责任公司 | 一种基于神经网络模型的网络容量预测方法 |
CN110046711B (zh) * | 2018-12-29 | 2023-08-04 | 创新先进技术有限公司 | 一种模型特征剔除方法及装置 |
CN110046711A (zh) * | 2018-12-29 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 一种模型特征剔除方法及装置 |
CN109711640A (zh) * | 2019-01-23 | 2019-05-03 | 北京工业大学 | 一种基于模糊c均值交通流量聚类以及误差反馈卷积神经网络的短时交通流预测方法 |
CN109978040A (zh) * | 2019-03-19 | 2019-07-05 | 西南交通大学 | 一种交通运力分布预测方法 |
CN110020475B (zh) * | 2019-04-03 | 2023-10-10 | 北京工业大学 | 一种交通流预测的马尔科夫粒子滤波方法 |
CN110020475A (zh) * | 2019-04-03 | 2019-07-16 | 北京工业大学 | 一种交通流预测的马尔科夫粒子滤波方法 |
WO2020224445A1 (fr) * | 2019-05-08 | 2020-11-12 | 阿里巴巴集团控股有限公司 | Procédé et dispositif de traitement d'informations de distribution de trajet d'écoulement de circulation et dispositif électronique |
CN110276474A (zh) * | 2019-05-22 | 2019-09-24 | 南京理工大学 | 一种城市轨道交通车站短时客流预测方法 |
CN111507499A (zh) * | 2019-12-05 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 预测用模型的构建方法、测试方法、装置及系统 |
CN111507499B (zh) * | 2019-12-05 | 2023-05-26 | 阿里巴巴集团控股有限公司 | 预测用模型的构建方法、测试方法、装置及系统 |
CN111339156A (zh) * | 2020-02-07 | 2020-06-26 | 京东城市(北京)数字科技有限公司 | 业务数据的长期确定方法、装置和计算机可读存储介质 |
CN111339156B (zh) * | 2020-02-07 | 2023-09-26 | 京东城市(北京)数字科技有限公司 | 业务数据的长期确定方法、装置和计算机可读存储介质 |
CN111639791A (zh) * | 2020-05-11 | 2020-09-08 | 同济大学 | 交通流预测方法、系统、存储介质及终端 |
CN111797768A (zh) * | 2020-07-06 | 2020-10-20 | 华侨大学 | 一种城市道路交通拥堵多原因自动实时识别方法及系统 |
CN111797768B (zh) * | 2020-07-06 | 2023-05-12 | 华侨大学 | 一种城市道路交通拥堵多原因自动实时识别方法及系统 |
CN112820120A (zh) * | 2020-12-30 | 2021-05-18 | 杭州趣链科技有限公司 | 一种基于联盟链的多方交通流时空交叉验证方法 |
CN114973640A (zh) * | 2021-02-24 | 2022-08-30 | 阿里巴巴集团控股有限公司 | 交通流量的预测方法、装置及系统 |
CN113537595A (zh) * | 2021-07-16 | 2021-10-22 | 上海电气风电集团股份有限公司 | 模型训练方法、风功率预测方法、系统、设备及介质 |
CN113706863B (zh) * | 2021-08-05 | 2022-08-02 | 青岛海信网络科技股份有限公司 | 一种道路交通状态预测方法 |
CN113706863A (zh) * | 2021-08-05 | 2021-11-26 | 青岛海信网络科技股份有限公司 | 一种道路交通状态预测方法 |
CN114550453A (zh) * | 2022-02-23 | 2022-05-27 | 阿里巴巴(中国)有限公司 | 模型训练方法、确定方法、电子设备及计算机存储介质 |
CN114550453B (zh) * | 2022-02-23 | 2023-09-26 | 阿里巴巴(中国)有限公司 | 模型训练方法、确定方法、电子设备及计算机存储介质 |
CN114944057A (zh) * | 2022-04-21 | 2022-08-26 | 中山大学 | 一种路网交通流量数据的修复方法与系统 |
CN114944057B (zh) * | 2022-04-21 | 2023-07-25 | 中山大学 | 一种路网交通流量数据的修复方法与系统 |
CN115273497A (zh) * | 2022-08-02 | 2022-11-01 | 河北雄安荣乌高速公路有限公司 | 高速公路交通协同控制方法、电子设备和存储介质 |
CN117475633A (zh) * | 2023-11-07 | 2024-01-30 | 西南交通大学 | 一种面向事件的交通流量预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105788249B (zh) | 2018-09-28 |
CN105788249A (zh) | 2016-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016095708A1 (fr) | Procédé de prédiction du débit de la circulation, et procédé et dispositif de génération de modèle de prédiction | |
JP2021064390A (ja) | ニューラルアーキテクチャ検索 | |
MX2019000713A (es) | Sistemas, aparatos y metodos para maquina de aprendizaje distribuido. | |
JP2018522325A5 (fr) | ||
EP2562700A3 (fr) | Procédé et système pour optimisation des ressources | |
Gao et al. | Modeling and predicting retweeting dynamics via a mixture process | |
EA201391111A1 (ru) | Система и способ для использования искусственной нейронной сети для моделирования гидравлики трубопроводов в имитаторе пластов | |
RU2014125223A (ru) | Управление приготовлением пищи | |
WO2015048466A3 (fr) | Systèmes et procédés informatiques relatifs à l'optimisation de contenus contrôlés | |
CN110858973A (zh) | 小区网络流量预测方法及装置 | |
Jiang | BP neural network algorithm optimized by genetic algorithm and its simulation | |
JP2015533245A5 (fr) | ||
CN108877224B (zh) | 一种可进行置信区间估计的短时交通流预测方法 | |
KR20180084417A (ko) | 해수담수화 플랜트의 에너지 관리 방법 및 시스템 | |
Krushel et al. | Forecasting model of small city depopulation processes and possibilities of their prevention | |
AU2019268138A1 (en) | Determining digital value of a digital technology initiative | |
Li et al. | Application of time-series autoregressive integrated moving average model in predicting the epidemic situation of newcastle disease | |
RU160582U1 (ru) | Устройство для расчета риска обеспечения требуемого уровня качества образцов ракетно-артиллерийского вооружения в условиях дискретного производства | |
Zheng et al. | A New Method to Construct Education Knowledge Graph | |
ELSHIN et al. | AA ABDUKAYEVA, Leading researcher | |
Aryanti et al. | The application of fuzzy time series Singh for forecasting bandwidth network demand | |
Nohara et al. | Real-time reservoir operation for water supply considering middle-range operational ensemble forecasts of precipitation in Japan | |
Narapusetty et al. | Ensemble Logistic Regression to Forecast and Monitor Different Phases of Drought over Contiguous United States | |
Park et al. | The Guy-Greenbrier seismic sequence revisited with deep learning | |
Kao et al. | Uncertainty Quantification of Water Quality in Tamsui River in Taiwan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 15869216 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 15869216 Country of ref document: EP Kind code of ref document: A1 |