← 返回列表
基于Transformer的高速公路交通状态估计方法
申请人信息
- 申请人:东南大学
- 申请人地址:210096 江苏省南京市玄武区四牌楼2号
- 发明人: 东南大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于Transformer的高速公路交通状态估计方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311448915.4 |
| 申请日 | 2023/11/2 |
| 公告号 | CN117576897A |
| 公开日 | 2024/2/20 |
| IPC主分类号 | G08G1/01 |
| 权利人 | 东南大学 |
| 发明人 | 赵妍; 李林恒; 王灿; 芮一康; 冉斌 |
| 地址 | 江苏省南京市江宁区东南大学路2号 |
摘要文本
微信公众号专利查询网 。本发明公开了一种基于Transformer模型的高速公路交通状态估计方法,包括:采集高速公路的交通数据并进行预处理,将历史交通数据转化为交通状态特征向量;构建基于Transformer的交通状态估计模型,利用多头自注意力机制捕获交通数据的时空特点,构建深度学习模型来学习交通数据中的隐藏模式,利用交通状态特征向量训练一个交通状态估计器;在进行状态估计时,该方法会将实时交通数据输入到Transformer模型中,获取其特征向量,并通过前述训练的交通状态估计器得到高速公路的当前交通状态参数。本发明方法不仅提高了交通状态估计的准确性,还为高速公路管理者提供了一种高效、可靠的工具,帮助他们更好地进行交通管理和调度,从而优化路网的交通流动性和整体性能。
专利主权项内容
1.一种基于Transformer的高速公路交通状态估计方法,其特征在于,包括以下步骤:S1、采集高速公路的微观车辆运动参数并进行预处理,将微观车辆运动参数转化为交通特征向量,得到标准化的时间序列数据集;S2、构建基于Transformer的交通状态估计模型,利用多头自注意力机制学习交通数据中的隐藏模式;S3、利用交通特征向量训练所述交通状态估计模型,使用均方误差损失函数优化交通状态估计模型的权重,进行交通状态估计模型验证和调整;S4、实时输入交通数据到步骤S3训练好的交通状态估计模型中,获取高速公路实时交通状态参数,进行高速公路交通状态估计。