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：吉林大学

摘要：一种基于图时空自编码网络的交通路网数据预测方法，本发明涉及基于图时空自编码网络的交通路网数据预测方法。本发明的目的是为了解决现有技术中存在的路网交通时空特征提取与数据预测过程中局部与全局特征失衡，难以保证路网各节点的预测结果的稳定可靠，降低了路网交通预测准确性的问题。过程为：一、将实际交通路网数据抽象为加权有向图结构；二、构建图时空自编码网络；三、将历史交通数据按一的图结构进行组织，并对二构建的图时空自编码网络进行训练，得到训练好的图时空自编码网络；四、将实时获取的交通数据按一处理获得图结构交通数据，输入训练好的图时空自编码网络中，获得路网各节点的预测结果。本发明属于智能交通技术领域。

主权项：1.一种基于图时空自编码网络的交通路网数据预测方法，其特征在于：所述方法具体过程为：步骤一、将实际交通路网数据抽象为加权有向图结构，检测器位置表示为图的节点，检测器位置间的连接关系表示为图的边，获得图结构交通数据；步骤二、构建图时空自编码网络；图时空自编码网络包括：图编码器、图解码器、预测器；将图结构交通数据输入图时空自编码网络中的图编码器，图编码器对图结构交通数据进行空间与时间维度的特征融合提取；图解码器以图编码器提取到的特征为输入，对图结构交通数据进行重构；预测器以图编码器提取到的特征为输入，对未来路网交通数据进行预测；具体过程为：所述图编码器包括双向扩散卷积层和图注意门循环单元；所述图解码器包括图注意门循环单元和双向扩散卷积层；所述图编码器和图解码器中的双向扩散卷积层和图注意门循环单元具有对称性；所述预测器包括图注意力层；步骤二一、对步骤一获得的图结构交通数据输入图编码器中双向扩散卷积层，双向扩散卷积层输出H，图编码器中双向扩散卷积层完成由P维输入至Q维输出的卷积映射；步骤二二、双向扩散卷积层输出H作为图注意门循环单元层输入，图注意门循环单元层输出一组新的节点特征M为图注意门循环单元输出特征维度；步骤二三、将步骤二二得到的H′定义为为图注意门循环单元函数，W为可训练矩阵，为门控循环单元的隐含状态，a为图注意门循环单元的注意力核，A为加权邻接矩阵；引入门控循环单元对交通流时序规律进行动态提取；步骤二四、图解码器以图编码器提取到的特征为输入，对步骤一获得的图结构交通数据进行重构；图解码器的重构损失定义为其中与X分别表示图结构交通数据重构值与步骤一获得的图结构交通数据，表示重构值，Xn,p表示步骤一获得的图结构交通数据即真实值；N与P分别表示X中的节点数与特征数；步骤二五、预测器以图编码器提取到的特征为输入，对步骤一获得的图结构交通数据进行预测；预测器预测损失利用网络预测结果Y与下一时段交通检测数据Xt+1的交叉熵进行定义其中N与P分别表示X中的节点数与特征数，表示下一时段图结构交通数据，Yn,p表示预测值；步骤三、将历史交通数据按步骤一的图结构进行组织，并对步骤二构建的图时空自编码网络进行训练，得到训练好的图时空自编码网络；步骤四、将实时获取的交通数据按步骤一处理，获得图结构交通数据，将图结构交通数据输入步骤三训练好的图时空自编码网络中，获得路网各节点的预测结果。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于图时空自编码网络的交通路网数据预测方法