龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：南通大学
摘要：本发明公开的一种基于多因素因果融合增强时序图卷积网络的交通流预测方法及系统，包括以下步骤：首先，采用收敛交叉映射算法来分析节点多因素之间的因果关系，得到融合多种交通状态的因果系数矩阵来增强节点关联特征的表达能力。然后，设计基于门控融合网络的空间特征提取模块，提髙对非欧几里得数据的处理能力。此外，设计基于时序卷积网络的时间特征提取模块以有效捕获长期时间依赖。最后，构建基于注意力机制的融合输出模块得到预测值。以均方根误差为评价指标，在PEMS04数据集上，本发明的MCF‑TGCN模型相比基于注意力的ASTGCN、DCRNN和GWN，其预测误差分别降低11.623％、18.783％和21.456％；在PEMS08数据集上，MCF‑TGCN模型相比ASTGCN、DCRNN和GWN模型预测误差分别降低14.513％、20.766％和29.614％。
主权项：1.一种基于多因素因果融合增强时序图卷积网络的交通流预测方法，其特征在于：所述多因素因果融合增强时序图卷积网络包括层叠的时空层和输出层；所述时空层接收内车辆节点的车速、占有率与车流量数据，经过若干个所述时空层处理后形成训练结果，具体步骤包括：步骤1：计算车辆节点的车速、占有率与车流量之间的因果关系，得到融合多种交通状态信息的因果系数矩阵；步骤2：将车流量数据分别送入图卷积网络、图注意力网络，所述因果系数矩阵作为辅助信息增强图卷积网络，将图卷积网络、图注意力网络的输出分别与权重矩阵进行哈达玛积操作，再将结果相加，以提取空间特征；步骤3：将提取到的空间特征输入时序卷积网络，以捕获时间依赖，经时序卷积网络输出，并将提取的时间特征输入到下一个所述时空层；步骤4：重复所述步骤1～所述步骤3，直至所有的所述时空层处理完毕，将最终的所述训练结果发送给所述输出层；所述输出层采用多头自注意力机制对多个时空层提取到的空间特征和时间特征进行融合，并输出最终预测值。
全文数据：
权利要求：
百度查询： 南通大学 基于多因素因果融合增强时序图卷积网络的交通流预测方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号