(19)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 202211343407.5 (22)申请日 2022.10.31 (71)申请人 江苏中路交通发展 有限公司 地址 214000 江苏省无锡市湖滨路157号C 区31号 (72)发明人 吕辰　陆锴　徐伟　邵舟　周子敬　 (74)专利代理 机构 天津万华知识产权代理事务 所(普通合伙) 12235 专利代理师 梁改改 (51)Int.Cl. G08G 1/01(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于贝叶斯LSTM的高速公路交通流量可靠 预测方法 (57)摘要 本发明公开了基于贝叶斯LSTM的高速公路 交通流量可靠预测方法， 属于高速公路交通流量 预测技术领域， 基于贝叶斯LS TM的高速公路 交通 流量可靠 预测方法， 利用高速公路门架数据找出 交通流时序特征， 对高速公路交通流量进行预 测， 基于传统LSTM神经网络结构， 以概率分布 的 形式设置权重参数和偏移参数， 并确定先验概率 分布的参数； 通过变分推断， 将训练过程中的权 重参数、 偏置参数后验概率求解， 转化为参数优 化问题； 构造损失函数， 确定模型超参数， 训练贝 叶斯LSTM模型参数， 训练完成后， 对该高速公路 路段未来交通流量的均值和置信区间进行预测， 提高交通 流量预测的合理性。 权利要求书3页 说明书7页 附图3页 CN 115410372 A 2022.11.29 CN 115410372 A 1.基于贝叶斯 LSTM的高速公路交通 流量可靠预测方法， 其特 征在于： 包括如下步骤： S1、 从高速公路门架收费系统中获取路段门架数据； S2、 统计汇总高速公路 路段的小时交通 流量， 得到时序流 量数据作为模型输入； S3、 基于传统LSTM神经网络结构， 以概率分布的形式设置权重参数和偏移参数， 并确定 先验概率分布的参数； S4、 通过变分推断， 将训练过程中的权重参数、 偏置参数后验概率求解， 转化为参数优 化问题； S5、 构建贝叶斯 LSTM模型训练损失函数； S6、 确定模型超参数， 利用Adam优化 算法训练贝叶斯 LSTM模型参数； S7、 利用训练好的贝叶斯LSTM模型， 对该高速公路路段未来1小时交通流量的均 值和置 信区间进行 预测。 2.根据权利要求1所述的基于贝叶斯LSTM的高速公路交通流量可靠预测方法， 其特征 在于： 所述S1进一步为： 从高速公路门架系统中获取门架数据， 主要字段包括门架编号、 记 录时段、 汽车类别， 每条数据 表示特定编号的门架系统在1小时时间间隔内记录通过的不同 类型车辆数量。 3.根据权利要求1所述的基于贝叶斯LSTM的高速公路交通流量可靠预测方法， 其特征 在于： 所述S2进一 步为： S2.1、 将一条门架数据记录得到的所有不同车辆类型的交通流量相加， 得到特定路段1 小时车流 量数据 ； ； 式中： 表示 种汽车类别中的第 种， 表示第 种汽车的小时交通流 量； S2.2、 将连续四个小时路段历史交通流量构成模型输入 ， 用于 预测接下来 一个小时的路段交通 流量 。 4.根据权利要求1所述的基于贝叶斯LSTM的高速公路交通流量可靠预测方法， 其特征 在于： 所述S3确定 权重参数和偏置参数的概 率分布形式和先验分布， 包括以下步骤； S3.1、 以LSTM神经网络记忆单元的转换函数公式为基础， 将记忆单元权重参数 和偏 置参数 设置为高斯分布形式： 权　利　要　求　书 1/3 页 2 CN 115410372 A 2式中， 是当前时间 间隔 内的路段 车流量数据； 是记忆单元在前一时间 间隔 内的输出； ， , , 是权重参数； 分别服从分布 , , , ； ， , , 是偏置参数； 分别服从分布 , , , ； S3.2、 设置权重参数 和偏置参数 的初始先验分布为标准正态分布， 即 ， 。 5.根据权利要求1所述的基于贝叶斯LSTM的高速公路交通流量可靠预测方法， 其特征 在于： 所述S4进一 步为： S4.1、 设定变分后验参数 满足 ， 其中 为随机分 布系； S4.2、 使用分布 近似真实的后验概率分布 ， 将贝叶斯LSTM网络训练时的 网络权重、 偏置参数后验概率分布的推断问题， 转化为最佳参数 的求解， 以最小化 和 的KL散度作为优化目标求 解； ； 式中， 是变分后验参数的集合， 是所有权重和偏置 的集合， 是用于神经网络训练 的交通流数据。 6.根据权利要求1所述的基于贝叶斯LSTM的高速公路交通流量可靠预测方法， 其特征 在于： 所述S5进一 步为： S5.1、 将步骤S4.1中变分后参数 的优化目标作为贝叶斯 LSTM模型的损失函数 ： 权　利　要　求　书 2/3 页 3 CN 115410372 A 3