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：山东建筑大学

摘要：本发明公开了一种基于综合时空特征的交通预测方法，包括：基于交通网络，提取预测路段的时空维度特征，并将所述时空维度特征作为原始图信号矩阵输入时空块进行处理，获取最终输入量，其中时空块包括时空注意模块和时空卷积模块；将最终输入量与原始图信号矩阵经过残差卷积操作得到的结果相结合，并进行处理，获得最终输出量；将最终输出量输入LSTM网络模型，并将模型的输出结果输入至全连接层中，获得最终预测结果。本发明有助于提高交通管理的效率，还能够减少或避免拥塞发生的可能性。

主权项：1.一种基于综合时空特征的交通预测方法，其特征在于，包括：基于交通网络，提取预测路段的时空维度特征，并将所述时空维度特征作为原始图信号矩阵输入时空块进行处理，获取最终输入量，其中所述时空块包括时空注意模块和时空卷积模块；其中，所述交通网络为无向，其中，是节点的有限集合，表示节点间连通性的边的集合，表示图的邻接矩阵，元素；所述时空维度特征包括：小时时间维特征，即下一时刻前几个小时的交通流量变化；天时间维特征，即前几天下一时刻的交通流量变化；周时间维特征，即前几周的同一天下一时刻的交通流量变化；节假日时间维特征，即相同节假日的下一时刻的交通流量变化；天气时间维特征，即天气相同下的下一时刻的交通；空间维特征，即对于预测路段，获取连接路段或路口的车辆密度信息；将所述时空维度特征作为原始图信号矩阵输入时空块进行处理，包括：将所述时空维度特征作为输入图信号矩阵，经过所述时空卷积模块进行加权，获得归一化后的时间注意力矩阵和归一化后的空间注意力矩阵；将所述归一化后的空间注意力矩阵通过所述时空注意模块与所述交通网络中的邻接矩阵进行结合，调整节点间的影响权重；将所述归一化后的时间注意力矩阵应用于所述原始图信号矩阵中进行动态调整，将所述时间注意力矩阵与所述原始图信号矩阵结合，获得最终输入量，所述最终输入量为考虑时间注意力调整后的图信号矩阵；在所述时空卷积模块中，基于切比雪夫多项式对所述输入图信号矩阵进行多项式近似；所述时空卷积模块包括：空间维度的图卷积单元：用于捕捉来自邻近区域的空间依赖性；时间维度的图卷积单元：用于捕捉来自邻近时间的时间依赖性；将所述时空维度特征作为原始图信号矩阵输入时空块进行处理，还包括：将所述最终输入量输入所述时空卷积模块，并与所述原始图信号矩阵经过残差卷积操作得到的结果相结合，通过层归一化和ReLU激活函数对结合后的结果进行归一化处理，获得最终输出量；将所述最终输入量与原始图信号矩阵经过残差卷积操作得到的结果相结合，并进行处理，获得最终输出量；将所述最终输出量输入LSTM网络模型，并将模型的输出结果输入至全连接层中，获得最终预测结果；其中，由于不同时间段对区域车流量的影响各不相同，需要对小时、天、周、天气、节假日五个时空块的输出进行加权融合，形成所述最终预测结果；所述LSTM网络模型包括：输入门：用于确定输入量中任意时间段内交通数据显示出显著变化的信息，并将所述信息添加至单元状态中存储，根据新的输入动态调整这些信息，其中所述单元状态用于传递和存储信息，所述显著变化的标准通过模型训练获得；遗忘门：用于评估当前单元状态中的不相关信息，并进行遗忘；单元状态更新单元：用于基于所述输入门和所述遗忘门的结果更新单元状态，保留有关当前交通状况、天气和节假日的信息；输出门：用于基于当前单元状态中的信息确定输出量；通过反向传播算法更新所述LSTM网络模型的参数。

全文数据：

权利要求：

百度查询： 山东建筑大学 一种基于综合时空特征的交通预测方法