基于深度学习的分时段交通流趋势预测方法、系统、装置

摘要

本发明属于智能交通系统领域，具体涉及一种基于深度学习的分时段交通流趋势预测方法、系统、装置，旨在解决现有预测交通流的方法预测精度较低、稳定性较差的问题。本系统方法包括：获取待预测的交通观测点t时刻之前的历史交通流数据及对应的采样时间；对历史交通流数据标准化，并进行一阶差分；提取差分后数据的特征，并对其对应的采样时间进行编码，将编码后的采样时间与提取的特征进行拼接；基于拼接后的特征，通过第二模型得到t时刻相对于t‑1时刻交通流的变化量，并结合t‑1时刻的交通流数据，得到待预测交通观测点t时刻的交通流数据的预测结果；将预测结果进行反标准化，得到t时刻交通流的预测值。本发明提高了预测的稳定性和精度。