基于DenseNet的高速公路交通流预测方法

摘要

本发明揭示了一种基于DenseNet的高速公路交通流预测方法，在研究深层二维卷积网络DenseNet的基础上，将一维交通流数据导入，并且修改网络中的输入以及卷积方式，使得网络学习一维时间序列数据中的隐藏规律，有效地实现对下一阶段高速公路交通流的预测。其实现步骤是：（1）读取交通流数据，并构建训练测试集；（2）数据预处理，变换四维张量，并进行归一化，适应于网络的学习；（3）构建网络；（4）训练网络，输入训练样本，通过前向预测结果以及误差反向传播更新网络参数，循环迭代，直至网络收敛；（5）测试网络，对测试集进行交通流量的预测。本发明能够自动学习流量数据集中流量之间隐藏的特征关系，且具有更好的预测效果，广泛适用于交通流预测。