(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111244550.4 (22)申请日 2021.10.26 (71)申请人 山东通广电子有限公司 地址 255000 山东省淄博市张店区一帆路5 号 (72)发明人 李庆印　翟慧　曹倩　孙爱美　 周昕　罗顺才　李颛　仝瑞亚　 张俊波　王志今　韩启龙　 (74)专利代理 机构 青岛恒昇众力知识产权代理 事务所(普通 合伙) 37332 代理人 刘明辉 (51)Int.Cl. G06F 30/27(2020.01) G06F 17/18(2006.01) G06F 119/02(2020.01) (54)发明名称 短时交通流的预测方法、 装置、 终端设备及 存储介质 (57)摘要 本发明实施例提供了一种短时交通流的预 测方法、 装置、 终端设备及存储介质， 包括： 获取 待预测道路区域的预设时间段； 根据预设时间段 和预先建立的目标交通流预测模 型， 得到待预测 道路区域内的预设时间段的目标交通流量， 预先 建立的目标交通流预测模型是根据目标移动平 均模型、 目标岭回归模型和目标向量机模型确定 的， 目标移动平均模型是通过采用移动平均法对 样本集中的交通流量样本数据进行处理得到的， 目标岭回归模型是通过交通流量样本数据对初 始岭回归模 型进行训练得到的， 目标向量机模型 是通过交通流量样本数据对初始向量机模型进 行训练得到的， 可以对某一路段某 一时间对道路 的短时交通量进行预测， 节省人力资源， 提高预 测效率。 权利要求书3页 说明书17页 附图4页 CN 113947025 A 2022.01.18 CN 113947025 A 1.一种短时交通 流的预测方法， 其特 征在于， 所述方法包括： 获取待预测道路区域的预设时间段； 根据所述预设时间段和预先建立的目标交通流预测模型， 得到待预测道路区域内的预 设时间段的目标交通流量， 其中， 所述预先建立的目标交通流预测模型是根据目标移动平 均模型、 目标岭回归模型和目标向量机模型确定的， 所述 目标移动平均模型是通过采用移 动平均法对样本集中的交通流量样本数据进 行处理得到的， 所述目标岭回归模型是通过样 本集中的交通流量样本数据对初始岭回归模型进 行训练得到的， 所述目标向量机模型是通 过所述样本集中的交通 流量样本数据对初始向量机模型进行训练得到的。 2.根据权利要求1所述的方法， 其特征在于， 所述预先建立的目标交通流预测模型通过 如下方式得到的， 包括： 获取样本集中的交通 流量样本数据； 对所述交通 流量样本数据进行 预处理， 得到初始化样本数据； 根据移动平均法和所述初始化样本数据， 确定所述移动平均模型； 根据所述移动平均模型计算的第 一预测值和交通流量标准值， 确定所述移动平均模型 的第一精确参数； 采用所述初始化样本数据对初始岭回归 模型进行训练， 确定所述岭回归 模型； 根据所述岭回归模型计算的第 二预测值和交通流量标准值， 确定所述移岭回归模型的 第二精确参数； 采用所述初始化样本数据对初始向量机模型进行训练， 确定所述向量机模型； 根据所述向量机模型计算的第 三预测值和交通流量标准值， 确定所述移向量机模型的 第三精确参数； 若所述第一精确参数小于第一预设值， 所述第二精确参数小于第二预设值， 所述第三 精确参数小于第三预设值， 则将所述移动平均模型确定为 目标移动平均模型， 将所述岭回 归模型确定为目标岭回归 模型， 将所述向量机模型确定为目标向量机模型； 确定所述目标移动平均模型的第 一权重值、 所述目标岭回归模型的第 二权重值和所述 目标向量机模型的第三权 重值； 确定所述目标移动平均模型和第 一权重值的第 一乘积， 所述目标回归模型和所述第 二 权重值的第二乘积， 所述目标向量机模型和所述第三权 重值的第三乘积； 根据所述第一乘积、 所述第二乘积和所述第三乘积， 确定所述目标交通 流预测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述第一乘积、 所述第二乘积和 所述第三乘积， 确定所述目标交通 流预测模型， 包括： 根据所述第一精确参数、 第一权重值、 第二精确参数、 第二权重值、 第三精确参数和第 三权重值， 确定预设误差参数； 若所述预设误差参数的值最小， 则将与 所述预设误差参数对应的交通流预测模型为目 标交通流预测模型。 4.根据权利要求2所述的方法， 其特征在于， 所述根据移动平均法和所述初始化样本数 据， 确定所述移动平均模型， 包括：权　利　要　求　书 1/3 页 2 CN 113947025 A 2其中： 为第t期的二次移动平均值； xt+1为t+1期的预测值； 为第t期一次移动 平均值； n 为参加移动平均的历史数据的个数。 5.根据权利要求4所述的方法， 其特征在于， 所述第 一精确参数包括： 相对误差、 平均相 对误差、 平均绝对相对误差和均方根相对误差， 所述相对误差、 平均相对误差、 平均绝对相 对误差、 均方根相对误差具体包括： 计算相对误差， 其中， xi为交通量实际值， yi为交通量预测值； 计算出平均相对误差， 计算绝对相对误差， 计算均方根相对误差， 6.根据权利要求4所述的方法， 其特征在于， 所述根据所述第一乘积、 所述第二乘积和 所述第三乘积， 确定所述目标交通 流预测模型， 包括： 设置l1,l2,ln分别为n种独立预测方法的权系数， 且所述权系数应满足： l1+l2+ln＝1， 其 中， l1为第一权 重值、 l2为第二权 重值， ln为第三权 重值； 获取目标交通 流预测模型为 获取所述目标交通 流预测模型的在t时刻的预测误差值 为 计算所述目标交通 流预测模型的预测误差平方和 根据所述预测误差平方和， 确定最小预测误差平方和， 即 在确定了最小预测误差平方和， 确定与所述最小预测误差平方和对应的第一权重值、 第二权重值和第三权 重值； 根据所述第一权 重值、 第二权 重值和第三权 重值确定所述目标交通 流预测模型。 7.一种短时交通 流的预测装置， 其特 征在于， 所述装置包括：权　利　要　求　书 2/3 页 3 CN 113947025 A 3