申请/专利权人：华南理工大学

申请日：2024-01-03

公开（公告）日：2024-04-16

公开（公告）号：CN117894173A

主分类号：G08G1/01

分类号：G08G1/01;G08G1/065

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明提供了一种基于大数据的宽度并行交通预测方法、介质及设备；其中方法为：交通实时数据以消息队列方式流入分布式文件系统；分布式文件系统将交通实时数据进行预处理，输入到并行宽度学习系统中，得到交通预测结果；并行宽度学习系统的训练和测试方法是：将交通历史数据的数据集根据分布式节点数量分成n份；把特征映射层的权重广播到各个分布式节点；各个分布式节点分别进行特征映射与特征增强；对各个分布式节点权重进行整合，设定分布式节点的权重。该方法基于并行宽度学习，可提高预测精度，并解决基于深度学习方法资源占用大，耗时长等问题，有助于模型的快速开发和技术部署。

主权项：1.一种基于大数据的宽度并行交通预测方法，其特征在于：包括如下步骤：S1、采集交通实时数据；交通实时数据以消息队列方式流入分布式文件系统；S2、分布式文件系统将交通实时数据进行预处理，输入到并行宽度学习系统中，得到交通预测结果；所述并行宽度学习系统包括n个分布式节点；并行宽度学习系统是指经过训练和测试的并行宽度学习系统；并行宽度学习系统的训练和测试方法是：读取交通历史数据；将交通历史数据的数据集根据分布式节点数量分成n份；每一个分布式节点均统一进行分区内操作，把特征映射层的权重Wbr作为共享变量广播到各个分布式节点；随后，各个分布式节点分别进行特征映射与特征增强；所有分布式节点训练结束后，对各个分布式节点权重进行整合，取误差最小的分布式节点的映射特征权重和所有增强特征权重的平均值结合，作为各个分布式节点的权重；之后用均方根误差作为评判指标进行测试；当测试满足要求时生成最终的并行宽度学习系统。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于大数据的宽度并行交通预测方法、介质及设备

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