申请/专利权人：北京交通大学

申请日：2024-01-25

公开（公告）日：2024-04-09

公开（公告）号：CN117635218B

主分类号：G06Q30/0202

分类号：G06Q30/0202;G06N3/042;G06N3/0464;G06N3/0442;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明提供一种基于六度分离理论和图注意网络的商圈流量预测方法，包括以下步骤：S1、采集商圈流量数据；S2、构造基于六度分离理论的自适应商圈流量图结构；S3、基于线性门控卷积注意力单元提取时间特征；S4、基于多头图注意力提取空间特征；S5、通过全连接层输出预测结果，完成商圈流量预测模型搭建；S6、商圈流量预测模型训练；S7、调用训练好的商圈流量预测模型进行流量预测。本发明解决了商圈流量预测特有的商圈特点和商业营销活动导致的节点长距离空间相关性、时滞、动态耦合问题，与其他流量预测过程中的时空特征提取有明显差别。

主权项：1.一种基于六度分离理论和图注意网络的商圈流量预测方法，其特征在于，包括以下步骤：S1、采集商圈流量数据；S2、构造基于六度分离理论的自适应商圈流量图结构，具体如下：S21、计算任意两个商铺节点变量的相关系数，得到亲和矩阵S；对亲和矩阵S进行归一化，则矩阵内任一元素sij取值在0到1之间；将亲和矩阵S中的上三角矩阵元素降序排列；当sij≥ε时，将邻接矩阵A的相应位置aij设为1，其余为0，得到邻接矩阵A；ε为阈值；S22、对邻接矩阵A分别计算对应的网络平均一致性h和网络平均聚类系数CC，最终形成两条曲线；两条曲线的交点ratio，ε为效率和网络冗余程度的平衡点；ratio为h和CC曲线的交点处网络半径的取值；S23、将平衡点的ε值作为最佳阈值，将距离大于等于ε的节点对连接，形成商圈流量节点图结构；S3、基于线性门控卷积注意力单元提取时间特征，具体如下：首先将Transformer模型中的自注意力机制替换为局部上下文敏感的卷积注意力，形成门控注意力单元，拟合时序数据的时间维度特性；输入为时间长度为t的历史时序数据，将输入的时序数据进行分块，块内使用精确的卷积注意力而跨块使用快速线性注意力，得到具有线性复杂度的门控注意力单元；再通过由具有线性复杂度的门控注意力单元对输入的数据做时间卷积，输出各时间戳之间相关性的特征向量；S4、基于多头图注意力提取空间特征，具体为：将S3得到的时间特征向量，输入空间卷积层，计算获得带有空间特性的特征向量，具体的计算过程如下： 其中，||是矩阵拼接操作；对于同一个节点，多头自注意力分别计算H次注意力，并以拼接或平均的方式合并H次注意力；为第k+1层节点vi的特征向量，为第k层节点vi的特征向量，经过注意力机制为核心的聚合操作后，输出为节点vi的新的特征向量理解为不同的节点vi特征表达，第k个节点vi，经过注意力机制后的第k+1个节点特征表示；head指注意力的头，α表示注意力系数，Nvi表示节点vi的度，Wk，Whead是可学习的参数，h′i是第i节点的向量表示，表示索引为head中第i节点对第j节点的注意力权重；σ·是激活函数，h'j是第j节点的向量表示；注意力系数α的计算方法如下： 其中为可学习的参数，αi是第i个头的注意力系数，exp是指数函数，Xi是节点i的特征向量；S5、通过全连接层输出预测结果，完成商圈流量预测模型搭建；S6、商圈流量预测模型训练；S7、调用训练好的商圈流量预测模型进行流量预测。

全文数据：

权利要求：

百度查询： 北京交通大学 基于六度分离理论和图注意网络的商圈流量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD