基于Encoder-Decoder的长时交通流预测方法

摘要

本发明公开了一种基于Encoder‑Decoder的长时交通流预测方法，步骤如下：计算各路段交通流与目标路段交通流的皮尔逊相关系数，选取相关性最高的路段数据作为输入参数，然后将交通流数据进行标准化处理，并按比例将标准化处理后的数据集划分为训练集、验证集和测试集；接着构建基于Encoder‑Decoder的长时交通流预测模型，并使用训练集训练基于Encoder‑Decoder的长时交通流预测模型，以训练过程中验证集表现最优的模型参数作为最终的模型参数，最后通过测试集的数据预测目标路段后一天的交通流数据来验证模型的实际效果。本发明使用GRU作为Encoder部分的基本单元，将LSTM作为Decoder部分的基本单元，同时引入soft attention机制对编码向量C的数值进行动态调整，从而提高了Encoder‑Decoder模型的长期记忆能力，有较好的预测精度。