买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉公安部交通管理科学研究所申请的专利一种场景自适应的交通流量预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115238984B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210846272.8，技术领域涉及：G06Q10/04；该发明授权一种场景自适应的交通流量预测方法是由蔡岗;黄淑兵;童刚;孔晨晨;张沛;张东辉;周云龙设计研发完成，并于2022-07-19向国家知识产权局提交的专利申请。

本一种场景自适应的交通流量预测方法在说明书摘要公布了：本发明提供的一种场景自适应的交通流量预测方法，将交通状态分为三类场景，针对每个场景的特点选用不同的交通流量算法，分别构建交通流量预测模型，确保能够覆盖到所有的交通状态；交通流量预测时，将当前时刻的交通流量与指定监测周期的历史数据进行比较，通过同期流量合集的流量对比上限阈值和流量对比下限阈值，来判断当前时刻的交通流量所处的交通状态，然后使用不同的交通流量预测模型进行下一时刻的交通流量预测，确保在任何一种场景下都能得到准确的交通流量预测结果。

本发明授权一种场景自适应的交通流量预测方法在权利要求书中公布了：1.一种场景自适应的交通流量预测方法，其特征在于，其包括以下步骤： S1：确定待预测路段，将交通状态场景分为三种交通状态，包括： 无突发事件下的正常交通状态、突发事件下导致的非周期性交通拥堵状态和突发事件下导致的交通流量锐减状态； S2：针对三种交通状态，分别构建交通流量预测模型： 针对所述无突发事件下的正常交通状态，基于自回归积分滑动平均模型，构建常规状态流量预测模型，记作：ARIMA模型； 针对所述突发事件下导致的非周期性交通拥堵状态，基于长短期记忆神经网络模型，构建非周期拥堵状态流量预测模型，记作：LSTM模型； 针对所述突发事件下导致的交通流量锐减状态，基于卡尔曼滤波算法，构建非周期锐减状态流量预测模型，记作：KF模型； S3：基于所述待预测路段的卡口轨迹数据的历史数据作为训练数据，分别对三种交通流量预测模型进行训练，得到训练好的交通流量预测模型； S4：指定交通流量预测开始时刻，实时对所述待预测路段进行车流量数据采集； S5：实时地运行训练好的LSTM模型、ARIMA模型和KF模型模型； S6：实时判断采集到的所述车流量数据所处的交通状态，并对选择交通流量预测模型对后一刻的交通流量进行预测； 详细包括以下步骤： a1：预先指定时间段td为一个监测时刻，将所述交通流量预测开始时刻设置为监测时刻0； a2：获取当前时刻t的车流量数据在历史上同样时间段的流量对比集合Qt； 流量对比集合Qt＝[qt-1*T,qt-2*T,...,qt-m*T] 其中：T为监测周期，T＝n*td，即，将当前时刻t的车流量数据与历史上n个td之前的数据进行横向比对，用以判断当前时刻t的交通状态，其中n为正整数； qt为当前时刻监测车流量；m为需要比对的历史上的监测周期的数量；qt-m*T为m个监测周期前的监测车流量； a3：实时计算流量对比集合Qt的上四分位数qt3和下四分位数qt1； 设，IOR＝qt3-qt1； 计算得到流量对比上限阈值qtup和流量对比下限阈值qtdo： 流量对比上限阈值qtup＝qt3+1.5*IOR， 流量对比下限阈值qtdo＝qt1-1.5*IOR； a4：将qt的值分别与qtup和qtdo的值进行比较； 如果qt≥qtdo且qt≤qtup，表示当前时刻t的车流量数据处于所述无突发事件下的正常交通状态下，则：t+1时刻的流量预测值选用ARIMA模型的预测值； 如果qtqtup，表示当前时刻t的车流量数据处于所述突发事件下导致的非周期性交通拥堵状态下，则：t+1时刻的流量预测值选用LSTM模型的预测值； 如果qtqtdo，表示当前时刻t的车流量数据处于所述突发事件下导致的交通流量锐减状态下，则：t+1时刻的流量预测值选用KF模型的预测值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人公安部交通管理科学研究所，其通讯地址为：214151 江苏省无锡市滨湖区钱荣路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。