申请/专利权人：长安大学

申请日：2020-12-31

公开（公告）日：2021-04-13

公开（公告）号：CN112651570A

主分类号：G06Q10/04(20120101)

分类号：G06Q10/04(20120101);G06Q50/26(20120101);G06K9/62(20060101);G06N3/00(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.07.26#授权;2021.04.30#实质审查的生效;2021.04.13#公开

摘要：本发明公开了一种高速公路服务区交通量预测模型构建、预测方法及装置提供的改进粒子群算法对XBOOST模型进行优化，将粒子群划分为主从拓扑，较好地避免在模型参数优化过程中陷入局部最优解，这种改进粒子群算法能更好寻优出理想的超参数，提高交通量预测准确度。

主权项：1.一种高速公路服务区交通量预测模型构建方法，其特征在于，所述的方法按照以下步骤执行：步骤1、获得多组服务区交通量数据，所述的服务区交通量数据包括服务区小客车每小时的车流量、服务区大客车每小时的车流量以及服务区货车每小时的车流量；获取每组服务区交通量数据对应的高速公路断面交通量数据，获得多组高速公路断面交通量数据，所述的高速公路断面交通量数据包括高速公路断面小客车每小时的车流量、高速公路断面大客车每小时的车流量以及高速公路断面货车每小时的车流量；步骤2、对所述的每组服务区交通量数据进行当量折算，获得每组服务区交通量数据对应的服务区车当量和服务区人当量；对所述的每组高速公路断面交通量数据进行当量折算，获得每组高速公路断面交通量数据对应的高速公路断面车当量和高速公路断面人当量；步骤3、将第r组服务区交通量数据和第r组服务区交通量数据对应的服务区车当量和服务区人当量作为第r个标签数据，r＝1，2，……，R，R为正整数；重复本步骤，直至获得R个标签数据，获得标签集；步骤4、将第j组高速公路断面交通量数据和第j组高速公路断面交通量数据对应的高速公路断面车当量和高速公路断面人当量作为第j个样本数据，j＝1，2，……，J，J为正整数，J＝R；重复本步骤，直至获得J个样本数据，获得样本集；步骤5、将所述的样本集作为输入，将所述的标签集作为参考输出，训练XGBoost模型；其中在训练XGBoost模型时采用粒子群算法；所述的粒子群算法在更新每个粒子的速度时，按照以下步骤执行：步骤a、将粒子群中的所有粒子按照粒子的适应度值的大小从大到小排列，选取前N个粒子作为主粒子，N为正整数，将所述粒子群中除了主粒子以外的所有粒子作为从粒子；步骤b、将每个主粒子作为聚类中心，采用聚类的方法将所述的从粒子进行分类，获得多个从粒子组，所述的每个从粒子组中从粒子个数相同；步骤c、将每个从粒子组与其对应聚类中心的主粒子作为改进粒子组，获得N个改进粒子组；步骤d、采用式I获得每个改进粒子组中每个粒子的速度： 其中vmit+1表示t+1时刻第i个改进粒子组中主粒子的速度值，vsijt+1表示t+1时刻第i个改进粒子组中第j个从粒子的速度值，xmit表示当前t时刻第i个改进粒子组中主粒子的位置记录，xsijt表示当前t时刻第i个改进粒子组中的第j个从粒子的位置记录，vmit表示当前t时刻第i个改进粒子组中主粒子的速度值，vsijt表示当前t时刻第i个改进粒子组中第j个从粒子的速度值，K为收敛因子，K为常数，均为加速常数，表示t时刻第i个改进粒子组中主粒子的历史最优位置记录，表示t时刻第i个改进粒子组中第j个从粒子的历史最优位置记录，r1与r2均为大于0且小于1的常数，表示当前t时刻所有改进粒子组中最优的主粒子历史位置记录，表示当前t时刻第i个改进粒子组中最优的从粒子历史位置记录。

全文数据：

权利要求：

百度查询： 长安大学 高速公路服务区交通量预测模型构建、预测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD