申请/专利权人：中南大学

申请日：2024-03-14

公开（公告）日：2024-06-25

公开（公告）号：CN117935560B

主分类号：G08G1/01

分类号：G08G1/01;G08G1/065;G06Q10/04;G06Q50/40;G06F16/29;G06N3/042;G06N3/0442;G06N3/045;G06N3/0464;G06N3/084;G06N3/0985

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本申请适用于时空大数据挖掘技术领域，提供了一种交通出行交互流量预测方法、系统、终端设备及介质，该方法通过采集研究区域的历史OD轨迹数据、历史POI数据以及历史气象数据；将研究区域网格化后，对历史OD轨迹数据进行时空对齐，提取出行交互流，并构建图节点矩阵；分别构建图节点特征、空间距离邻近关系边、起点语义相似关系边、终点语义相似关系边；构建交通出行交互流关系图；构建交互流量预测模型，并对其进行训练；利用训练后的交互流量预测模型预测研究区域在待测时段的交通出行交互流量。本申请能提高交通出行交互流量预测的准确性。

主权项：1.一种交通出行交互流量预测方法，其特征在于，包括：采集研究区域在历史时段的历史OD轨迹数据、历史POI数据以及历史气象数据；所述历史OD轨迹数据包括多个OD轨迹，所述历史OD轨迹数据包括研究区域中的共享单车订单数据，所述历史POI数据包括公司企业对应的兴趣点数量、购物服务对应的兴趣点数量、交通设施对应的兴趣点数量、科教文化服务对应的兴趣点数量、住宿服务对应的兴趣点数量、旅游景点对应的兴趣点数量、文化传媒对应的兴趣点数量、休闲娱乐服务对应的兴趣点数量、医疗保健服务对应的兴趣点数量、体育休闲服务对应的兴趣点数量、住宅区对应的兴趣点数量；将所述研究区域网格化后，对所述历史OD轨迹数据进行时空对齐，提取出行交互流，并构建图节点矩阵；其中，所述历史时段被划分为多个时间片，所述出行交互流表示在一时间片中所述研究区域中的两个网格分别为一OD轨迹的起始点和终点，所述图节点矩阵包括所有时间片中的出行交互流；分别针对每个所述时间片，根据所述历史OD轨迹数据、所述历史POI数据以及所述历史气象数据，构建所述时间片的图节点特征，分别计算所述时间片中各出行交互流之间的空间长度距离和空间角度距离，根据所述空间长度距离和所述空间角度距离，构建空间距离邻近关系边，分别计算所述时间片中各出行交互流之间的起点语义距离和终点语义距离，根据所述起点语义距离，构建起点语义相似关系边，根据所述终点语义距离构建终点语义相似关系边；所述起点语义距离用于描述起点语义的相似度大小，所述终点语义距离用于描述终点语义的相似度大小；所述分别计算所述时间片中各出行交互流之间的空间长度距离和空间角度距离，根据所述空间长度距离和所述空间角度距离，构建空间距离邻近关系边，包括：通过计算公式 ； ； ； ；得到所述空间长度距离和所述空间角度距离；其中，和分别表示的起止点网格中心坐标，表示在时间片中到的出行交互流，和分别表示的起止点网格中心坐标，表示在时间片中到的出行交互流；若且，则在交互流与交互流之间构建一空间距离邻近关系边；其中，表示预先设置的空间长度距离阈值，表示预先设置的空间角度距离阈值；所述分别计算所述时间片中各出行交互流之间的起点语义距离和终点语义距离，根据所述起点语义距离，构建起点语义相似关系边，根据所述终点语义距离构建终点语义相似关系边，包括：通过计算公式 ； ；得到所述起点语义距离；其中，表示所述研究区域中点网格内归一化后的特征向量，表示所述研究区域中点网格内归一化后的特征向量，表示第个出行交互流的起点网格内归一化后的特征向量，，表示POI特征向量的总数，表示所有出行交互流的起点网格内归一化后的特征向量；通过计算公式 ； ；得到所述终点语义距离；其中，表示所述研究区域中点网格内归一化后的特征向量，表示所述研究区域中点网格内归一化后的特征向量；若，则在交互流与交互流之间构建一起点语义相似关系边；若，则在交互流与交互流之间构建一终点语义相似关系边；根据所述图节点矩阵、所述图节点特征、所述空间距离邻近关系边、所述起点语义相似关系边以及所述终点语义相似关系边，构建每个时间片的交通出行交互流关系图；所述交通出行交互流关系图的表达式为；其中，表示内所述研究区域中存在的所有图节点矩阵，表示内所述研究区域中存在的所有图节点特征，表示内所述研究区域中存在的所有图节点间的多关系集合，，，，表示第个出行交互流和第个出行交互流间的多关系集合，，表示所述空间距离邻近关系边，表示所述起点语义相似关系边，表示所述终点语义相似关系边；构建交互流量预测模型，并利用所述交通出行交互流关系图对所述交互流量预测模型进行训练，得到训练后的交互流量预测模型；所述交互流量预测模型包括用于提取空间依赖性的出行流空间依赖学习模块、用于提取时间依赖性的出行流时间依赖学习模块以及用于预测出行交互流量的出行交互流量解码模块；利用所述训练后的交互流量预测模型预测所述研究区域在待测时段的交通出行交互流量。

全文数据：

权利要求：

百度查询： 中南大学 一种交通出行交互流量预测方法、系统、终端设备及介质

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