[發(fā)明專利]一種基于時空多圖卷積網(wǎng)絡(luò)的交通站點流量預測方法

在審

• 申請?zhí)枺?/td>: 202010164538.1
• 申請日: 2020-03-11
• 公開（公告）號: CN111489013A
• 公開（公告）日: 2020-08-04
• 發(fā)明（設(shè)計）人: 武志昊;林友芳;萬懷宇;韓升;王晶;張碩
• 申請（專利權(quán)）人: 北京交通大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04
• 代理公司: 北京紅福盈知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11525
• 代理人: 陳月福

本發(fā)明提供了一種基于時空多圖卷積的交通站點流量預測方法，用以解決現(xiàn)有技術(shù)中交通站點流量預測的特征捕獲能力及預測精度不高的問題。所述交通站點流量預測方法，首先構(gòu)建鄰居圖和流通流量圖，并分別構(gòu)建卷積組件及捕獲站點流量的時空特征輸出映射為與待預測結(jié)果形狀相同的流量值，對兩個組件融合，得到基于上下文門控的時空多圖卷積網(wǎng)絡(luò)模型；再根據(jù)站點出入流量數(shù)據(jù)構(gòu)建訓練及測試數(shù)據(jù)，得到成熟時空多圖卷積網(wǎng)絡(luò)模型，完成站點流量預測。本發(fā)明將多圖卷積應(yīng)用于交通站點流量數(shù)據(jù)的深度挖掘，從空間維度與時間維度出發(fā)，充分捕獲交通站點流量的時空特征，全面考慮用于預測交通站點出入流量的各種因素，提高交通站點流量預測精度。

技術(shù)領(lǐng)域

本發(fā)明屬于智能交通領(lǐng)域，具體涉及一種基于時空多圖卷積的交通站點流量預測方法。

背景技術(shù)

隨著城市的不斷發(fā)展，交通也越來越智能化。交通流量預測是智能交通系統(tǒng)的重要組成 部分。生活中存在多種交通站點，如城市地鐵站、高速公路收費站、民航機場等，站點的交 通擁堵情況與整個交通網(wǎng)絡(luò)的正常運轉(zhuǎn)息息相關(guān)，也會影響到旅客的正常出行。如果能對交 通站點的出入流量進行有效預測，有利于保證整個交通網(wǎng)絡(luò)的正常運轉(zhuǎn)，提前采取措施避免 交通擁堵，減少安全隱患，便于旅客合理地安排出行，規(guī)劃出行路線，并助力智能交通系統(tǒng) 的發(fā)展。

目前，交通流量預測有三類方法，包括經(jīng)典時間序列預測方法、傳統(tǒng)機器學習方法以及 深度學習預測方法。在經(jīng)典時間序列預測方法中，主要有歷史均值法(HA)、向量自回歸模型 (VAR)、滑動平均自回歸模型(ARIMA)及其變體模型。這些方法主要通過從交通流量的時間序 列中挖掘出時間維度上的規(guī)律進行預測，一般要求時間序列具有一定的周期性或規(guī)律性，因 此預測效果不佳。傳統(tǒng)機器學習方法主要通過構(gòu)建集成模型，如將經(jīng)驗模式分解(Empirical model decomposition)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合用于預測地鐵人流量，再如將小波支持向量機 (Wavelet-SVM)用于地鐵的短期流量預測，但該方法僅考慮了序列的時間維屬性，未考慮交通 流量序列之間的空間相關(guān)性。深度學習預測方法克服了前兩種方法的不足，是一種較理想的 交通流量預測方法。

現(xiàn)有技術(shù)中，其中一種深度學習預測方法，通過將城市區(qū)域劃分成等大小的網(wǎng)格來計算 區(qū)域人流量，并設(shè)計了基于殘差單元的模型ST-ResNet用于預測各區(qū)域的人流量，取得了很 好的預測效果。上述方法雖然能夠有效捕捉各區(qū)域流量之間的時空相關(guān)性，但是只能處理歐 幾里得結(jié)構(gòu)數(shù)據(jù)，并不適用于非歐幾里得結(jié)構(gòu)數(shù)據(jù)。還有一種深度學習預測方法，通過分別 使用圖卷積和門控卷積捕捉高速高速公路上各路段車速的時空依賴性，構(gòu)建了一種時空圖卷 預測模型，但是該模型忽略了流量的周期性。另外，通過建模待預測流量與近期流量、日周 期流量以及周周期流量之間的關(guān)系同時采用時空注意力機制，用于捕獲結(jié)點交通流量之間的 時空相關(guān)性，但是該模型忽略了不同周期流量之間的相關(guān)性，也存在一定的不足。為了解決 傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)在圖數(shù)據(jù)上的局限性，圖卷積技術(shù)應(yīng)運而生。

發(fā)明內(nèi)容

為了提高交通站點流量預測的特征捕獲能力及預測精度，本發(fā)明實施例提出了一種基于 時空多圖卷積網(wǎng)絡(luò)的交通站點流量預測方法，從空間維度與時間維度出發(fā)，充分捕獲交通站 點流量的時空特征，全面考慮用于預測交通站點出入流量的各種因素，充分捕獲特征，提高 交通站點流量預測精度。

本發(fā)明實施例采用如下技術(shù)方案：

一種基于時空多圖卷積的交通站點流量預測方法，所述交通站點流量預測方法，包括如 下步驟：

步驟S1，根據(jù)站點與站點之間是否有直連的線路，判斷站點之間是否物理位置相鄰，從 而構(gòu)建交通網(wǎng)絡(luò)中的鄰居圖；

步驟S2，取交通網(wǎng)絡(luò)在預設(shè)周期內(nèi)生成的所有出入交通網(wǎng)絡(luò)記錄，計算站點之間在所述 周期內(nèi)的流通流量，構(gòu)建流通流量圖；