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！

申请/专利权人：华东交通大学

摘要：一种基于云边协同训练的分布式交通流预测方法，包括：构建交通流混合预测模型，通过各道路节点部署的边缘服务器对本地交通流数据进行预处理，得到时间序列，然后利用时间序列对交通流混合预测模型进行本地训练，得到本地模型参数；基于云边协同训练策略，边缘服务器将本地模型参数上传到云端服务器进行聚合，然后云端服务器将聚合后的模型参数下发到各个边缘服务器，以进行下一轮本地训练，如此迭代训练，直至各个边缘服务器的交通流混合预测模型均达到损失函数最小化，从而完成交通流混合预测模型的训练；各边缘服务器利用训练好的交通流混合预测模型进行交通流预测。本发明能够减小云端服务器的计算压力，满足交通流预测的实时性。

主权项：1.一种基于云边协同训练的分布式交通流预测方法，其特征在于，包括步骤S1~步骤S3：步骤S1，构建交通流混合预测模型，通过各道路节点部署的边缘服务器对本地交通流数据进行预处理，得到时间序列，然后利用时间序列对交通流混合预测模型进行本地训练，得到本地模型参数；其中，所述交通流混合预测模型包括分段并行长短期记忆网络和双向时域卷积神经网络；所述分段并行长短期记忆网络包括编码器和解码器，在编码器中，将时间序列划分为m段，得到分段时间序列，然后通过可学习的线性投影和LeakyRelu激活函数将变换为中间序列，将m段中间序列并行输入到多层LSTM单元中迭代，以捕获交通流数据的时间特征；在解码器中，多层LSTM单元同时并行处理，将重复m次，并与m个定位块相结合，生成m个中间输出向量，然后将中间输出向量输入至Dropout层，并使用可学习的线性投影对进行变换，得到分段并行长短期记忆网络的输出向量；所述双向时域卷积神经网络包括正向TCN模块、反向TCN模块、双向融合层、平均池化层和全连接层，将作为正向TCN模块的输入，将反转后的作为反向TCN模块的输入，所述正向TCN模块和反向TCN模块均包括3层残差块，所述双向融合层对所述正向TCN模块中第三层残差块的输出特征和所述反向TCN模块中第三层残差块的输出特征进行融合，再将融合后的特征输入至平均池化层进行压缩，接着将压缩后的特征输入到全连接层，得到最后的交通流预测值；步骤S2，基于云边协同训练策略，边缘服务器将本地模型参数上传到云端服务器进行聚合，然后云端服务器将聚合后的模型参数下发到各个边缘服务器，以进行下一轮本地训练，如此迭代训练，直至各个边缘服务器的交通流混合预测模型均达到损失函数最小化，从而完成交通流混合预测模型的训练；步骤S3，各边缘服务器利用训练好的交通流混合预测模型进行交通流预测。

全文数据：

权利要求：

百度查询： 华东交通大学 一种基于云边协同训练的分布式交通流预测方法