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：哈尔滨工业大学(深圳)

摘要：本发明公开了一种基于动态时空图卷积注意力模型的交通预测方法及装置，首先，将道路交通网络建模为图结构，利用图结构和图信号对动态时空图卷积注意力模型进行建模，通过所述动态时空图卷积注意力模型的编码器单元，捕获不同时刻传感器节点间的动态空间相关性，捕获历史时刻步长的时间相关性以及多步预测间的时间相关性，以及得到包含每个预测步长的隐藏状态；解码器单元接收每个预测步长的隐藏状态，采用调度采样策略，得到未来一小时所有传感器节点记录速度值的预测结果。实验证明，本发明方法能有效得到未来一小时的交通预测结果，本发明方法所述模型超越了SOTA。

主权项：1.一种基于动态时空图卷积注意力模型的交通预测方法，其特征在于，包括如下步骤：1将道路交通网络建模为图结构，图的节点表示传感器，图的边表示传感器间的连通性，传感器所记录的历史速度数据作为图信号，图信号中包括传感器节点输入数据的特征维度；2利用步骤1得到的图结构和图信号，对动态时空图卷积注意力模型进行建模，所述动态时空图卷积注意力模型建模包括序列时间相关性建模和动态空间相关性建模，所述动态时空图卷积注意力模型采用编解码器结构，通过所述动态时空图卷积注意力模型的编码器单元，捕获不同时刻传感器节点间的动态空间相关性，捕获历史时刻步长的时间相关性以及多步预测间的时间相关性，以及得到包含每个预测步长的隐藏状态；3将步骤2得到的每个预测步长的隐藏状态输入解码器单元，采用调度采样策略，得到未来一小时所有传感器节点记录速度值的预测结果；其中，所述动态时空图卷积注意力模型包括动态图卷积注意力网络、门控循环单元和融合注意力模块，将所述动态图卷积注意力网络嵌入门控循环单元得到DGAC-GRU模块，所述DGAC-GRU模块包括两层，均输出隐层向量，将第一层和第二层输出的隐层向量进行拼接，将拼接结果作为融合注意力模块的输入，所述融合注意力模块包括全局注意力单元和局部注意力单元，所述全局注意力单元接收过去12个时间步的隐层向量并输出，所述局部注意力单元接收过去6个时间步的隐层向量并输出，所述全局注意力单元和局部注意力单元的输出经过门控融合后送至第一个解码器单元；所述动态空间相关性建模还包括预定义空间依赖性建模，所述预定义空间依赖性建模利用动态聚合邻居节点来更新隐层向量，所述隐层向量动态公式为： 其中，为时段t节点在l+1层的隐层向量，为时段t节点在l层的隐层向量，σ是非线性激活函数，A∈RN×N表示图卷积网络中的邻接矩阵，I表示节点间的自连接关系，D表示度矩阵，表示前向扩散转移矩阵，表示反向扩散转移矩阵，K1是扩散步数，Ct为t时段的自适应矩阵，Wk1、Wk2、Wk3、Wt为可学习的参数矩阵。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳) 基于动态时空图卷积注意力模型的交通预测方法及装置