[發(fā)明專利]一種基于RGCN的交通流預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202010461193.6
• 申請日: 2020-05-27
• 公開（公告）號: CN111862592B
• 公開（公告）日: 2021-12-17
• 發(fā)明（設(shè)計）人: 徐東偉;戴宏偉;魏臣臣;彭鵬;王永東
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06Q10/04;G06Q50/30;G06N3/04;G06N3/08
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強(qiáng)

1.一種基于RGCN的交通流預(yù)測方法，其特征在于，所述方法包括以下步驟：

步驟1)基于時間序列相似性構(gòu)建道路交通網(wǎng)絡(luò)：基于時間序列相似性的準(zhǔn)則，對每個道路選出與之相似的道路，構(gòu)建道路交通網(wǎng)絡(luò)；

步驟2)對道路交通流數(shù)據(jù)進(jìn)行預(yù)處理并構(gòu)建道路交通流狀態(tài)矩陣數(shù)據(jù)集：獲取道路交通流數(shù)據(jù)，對數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建道路交通流狀態(tài)矩陣數(shù)據(jù)集；

步驟3)基于道路交通網(wǎng)絡(luò)和道路交通狀態(tài)矩陣，使用基于高斯分布的圖卷積層提取節(jié)點(diǎn)特征：將道路交通網(wǎng)絡(luò)和道路交通狀態(tài)矩陣作為基于高斯分布的圖卷積層的輸入，進(jìn)而提取道路交通網(wǎng)絡(luò)的節(jié)點(diǎn)特征；

步驟4)基于高斯分布的圖卷積層進(jìn)行交通流預(yù)測：將基于高斯分布的圖卷積層采樣后的特征作為回歸預(yù)測層輸入，計算當(dāng)前輸入對應(yīng)的預(yù)測結(jié)果；定義模型損失函數(shù)，根據(jù)損失函數(shù)數(shù)值利用反向傳播算法不斷優(yōu)化模型參數(shù)；獲取實時交通流數(shù)據(jù)作為模型輸入，實現(xiàn)實時道路交通流的預(yù)測；

所述步驟1)的過程如下：

針對多條道路交通路段，獲取其某一天的時間序列數(shù)據(jù)，基于時間序列相似性構(gòu)建道路交通網(wǎng)絡(luò)，例如：給定兩條時間序列數(shù)據(jù)X＝(x₁,x₂,…,x_n)，Y＝(y₁,y₂,…,y_n)，然后構(gòu)建距離矩陣M_n×n，其中，M_i,j＝|x_i-y_j|，基于距離矩陣M_n×n構(gòu)建累積距離矩陣D_n×n，其中，D_i,j＝M_i,j+min(D_i,j-1,D_i-1,j,D_i-1,j-1)，D_n,n是最終距離，對于道路i，選出前d條與其最終距離最小的道路S＝{j,k,…}，即道路i與道路S最相似；

基于時間序列相似性構(gòu)建道路交通網(wǎng)絡(luò)圖G＝(V,E,A)，V表示節(jié)點(diǎn)，E表示連邊，A表示交通網(wǎng)絡(luò)的鄰接矩陣，其中，A_ij＝1表示道路i和道路j相似，否則，A_ij＝0。

2.如權(quán)利要求1所述的一種基于RGCN的交通流預(yù)測方法，其特征在于，所述步驟2)的過程如下：

2.1：對道路交通流數(shù)據(jù)進(jìn)行預(yù)處理

對多道路多天的交通流數(shù)據(jù)進(jìn)行預(yù)處理，使用最大-最小標(biāo)準(zhǔn)化對數(shù)據(jù)進(jìn)行歸一化，計算表達(dá)式如下所示：

其中，x_real為道路的原始流量數(shù)據(jù)，x_min為道路原始流量數(shù)據(jù)中的最小值，x_max為道路原始流量數(shù)據(jù)中的最大值，x為預(yù)處理后的道路流量數(shù)據(jù)；

2.2：構(gòu)建道路交通流狀態(tài)矩陣

根據(jù)預(yù)處理后的道路交通流數(shù)據(jù)構(gòu)建道路交通流狀態(tài)矩陣，道路交通流狀態(tài)矩陣形式如下：

其中，狀態(tài)矩陣行向量表示同一時刻不同道路的交通狀態(tài)，列向量表示同一車道不同時刻的道路交通狀態(tài)的時間狀態(tài)，M表示歷史交通狀態(tài)數(shù)據(jù)的數(shù)目，N表示輸入矩陣中道路的數(shù)目，則x_it表示第i條道路上的在t時刻的交通狀態(tài)。