一种智能路线规划方法及系统

专利主权项内容

1.一种智能路线规划方法，其特征在于，所述方法包括：S1、收集道路数据并进行预处理；S2、对预处理后的数据构建模型进行分析；其中，所述模型包括速度和位置分析模块、用户反馈分析模块和数据融合模块；所述速度和位置分析模块通过对速度和位置的实时分析数据以及对所述用户反馈分析模块中用户的实时反馈补充交通数据传入数据融合模块进行数据融合，所述数据融合模块基于多模态学习方法得到交通事件的预测结果；其中，在所述速度和位置分析模块中包括构建EventPredictor深度学习模型对交通网络中的空间和时间模式进行分析，所述EventPredictor深度学习模型具体包括：输入速度特征、位置特征和历史事件；使用图神经网络来捕捉交通网络中的空间模式，每个节点代表一个路段或交叉口，每个边代表两个路段之间的连接，表示如下：其中，是节点v在第l+1层的隐藏状态，N(v)是节点v的邻居，W和b是第l层的权重和偏置，σ是激活函数，/>是节点u在第l层的隐藏状态；(l)(l)为了捕捉交通数据的时间模式，在GNN之后添加了一个LSTM层，表示如下：(h，c)＝LSTM(h，c，x)ttt-1t-1t其中，h和c是在时间t的隐藏状态和单元状态，x是在时间t的输入特征，h和c分别是在时间t-1的隐藏状态和单元状态；tttt-1t-1最后，使用一个全连接层来预测未来的交通事件概率，表示如下：P(event)＝σ(Wh+b)oTo其中，W和b是输出层的权重和偏置；P(event)为模型的原始预测，h表示模型的最后一个隐藏状态的特征向量；ooTS3、对模型进行训练：S4、根据模型输出的概率值进行分析与验证，提出路线规划建议和进行报警。