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：安徽师范大学

摘要：本发明公开了一种基于时间感知的动态图卷积长期交通流预测方法，包括首先利用注意力驱动的动态自适应图卷积网络来捕交通流获潜在的空间依赖；接着利用时间感知联合多视图时间依赖编码器，来提取周期模式的时间相关性，还通过时间感知矩阵增强了模型的时间感知能力。最终建立一种面向长期交通流预测的时间感知动态图卷积网络模型。该方法增强了对于时间信息的感知能力，预测结果更加精确，能够为交通决策者的管理提供更有力和更准确的参考，大大缓解了交通拥堵现象。

主权项：1.一种基于时间感知的动态图卷积长期交通流预测方法，其特征在于，所述方法包括：将原始数据集划分为三个周期模式，分别为closeness模式、trend模式和period模式，并且分别对应着最近的数据、与相应预测目标部分前一天和前一周的数据；将三个周期模式的历史交通数据定义为： 其中，和分别代表closeness、trend和period模式，ttrend和tperiod分别对应于一整天和一整周的时间步数，P和Q分别代表历史序列时间步长和预测目标序列时间步长；依据基础数据集各个传感器之间的非欧式距离的驾驶路程中得到静态图G；建立基于时间感知动态图卷积网络交通流量模型，将经过处理的三种模式的动态图与一个静态图作为模型的输入，对所述交通流量预测模型进行训练，以获得未来长时间跨度的交通流量信息预测效果；其中，使用图嵌入算法node2vec对静态图进行建模以挖掘交通流的静态空间特征表示向量，记为SE；同时，初始化若干个动态空间特征表示向量DE，并将其与静态空间特征表示向量SE进行拼接；确定交通流量预测模型的输入和输出变量；其中，输入变量包括closeness、trend和period三种周期模式的交通流数据以及静态空间特征表示向量；输出变量Ost是最终的卷积神经网络CNN预测器输出的对应传感器未来时间段内的交通流量预测值；其中，所述基于时间感知动态图卷积网络模型交通流量预测模型TADGCN包括：注意力驱动的动态自适应图卷积网络ADAGCN和时间感知联合多视图时间依赖编码器TJMTE，TADGCN模型由多个ADAGCN和TJMTE模块堆叠而成，并在最后一个TJMTE模块之后添加了一层卷积神经网络CNN；其中，将三个模式的动态图和静态空间特征表示向量作为注意力驱动的动态自适应图卷积网络ADAGCN的输入，旨在捕获潜在的空间依赖，包括动态与静态空间特征以及动态空间依赖中潜在的相互关联；时间感知联合多视图时间依赖编码器TJMTE通过联合自注意力机制来提取周期模式的时间相关性，还通过时间感知矩阵增强了模型的时间感知能力；通过堆叠多个ADAGCN和TJMTE以及最后一个CNN来产生输出结果Ost。

全文数据：

权利要求：

百度查询： 安徽师范大学 基于时间感知的动态图卷积长期交通流预测方法