[發明專利]基于多圖卷積網絡的景區交通量預測模型建立和預測方法

有效

• 申請號: 202011052408.5
• 申請日: 2020-09-29
• 公開（公告）號: CN112365708B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 張蕾;施元磊;高原;張小溪;王潔
• 申請（專利權）人: 西北大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/065;G06K9/62;G06F16/901;G06N3/02
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 王芳

1.一種基于多圖卷積網絡的景區交通量預測模型建立方法，其特征在于，包括如下步驟：

步驟1：獲取景區的多源異構數據，對景區的多源異構數據提取特征，獲得景區流行度特征圖、景區功能相似性特征圖、景區距離特征圖和景區交通通達度特征圖；

步驟2：獲取景區歷史交通流量，對景區歷史交通流量提取特征，獲得景區的歷史交通流量矩陣；

步驟3：建立構建多圖卷積循環神經網絡模型，將歷史交通流量矩陣、景區流行度特征圖、景區功能相似性特征圖、景區距離特征圖和景區交通通達度特征圖作為輸入，將景區預測交通流量作為輸出，訓練模型，將訓練好的模型作為景區交通流量預測模型；

所述多圖卷積循環神經網絡模型包括圖卷積網絡和循環門控單元，所述圖卷積網絡用于根據歷史交通流量矩陣、景區流行度特征圖、景區功能相似性特征圖、景區距離特征圖和景區交通通達度特征圖輸出景區特征圖的深度特征并根據景區特征圖的深度特征建立多特征融合矩陣，所述循環門控單元用于根據多特征融合矩陣輸出景區預測交通流量；

所述景區流行度特征圖的鄰接矩陣P通過式1獲得：

其中，V_i和V_j為景區集合中任意第i個和第j個景區，和分別為V_i和V_j的用戶評論數，為V_i和V_j的流行相似度，的取值范圍為[0,1]，i和j為正整數；

所述景區功能相似性特征圖的鄰接矩陣F通過式2獲得：

其中，V_i和V_j為景區集合中任意第i個和第j個景區，和分別為V_i和V_j內各類POI數量組成的向量，r表示POI的類別總數，k表示第k類，表示V_i的第k類POI數量，表示V_j的第k類POI數量，i、j、r和k均為正整數；

所述景區距離特征圖的鄰接矩陣L通過式3獲得：

其中，V_i和V_j為景區集合中任意第i個和第j個景區，dist(V_i,V_j)表示V_i和V_j之間的距離且R為地球半徑，和分別為V_i和V_j的經度，和分別為V_i和V_j的緯度，maxmin表示最大最小歸一化，n表示景區的數量，i、j∈n，i、j和n均為正整數；

所述景區交通通達度特征圖的鄰接矩陣T通過式4獲得：

其中，T_i,j表示任意第i個景區和第j個景區的交通通達度，convenienttransportation表示第i個景區和第j個景區在同一路段上；

所述景區的歷史交通流量矩陣采用式5獲得

其中，x_mn表示第m時間間隔時第n個景區的交通流量值，m表示時間間隔的數量，n表示景區的數量；

步驟3訓練時的損失函數為：

其中，Y_t表示t時間段內的實際交通流量，表示t時間段內預測交通流量，L_reg是L2正則化項，μ是屬于[0,1]的超參數。

2.一種基于多圖卷積網絡的景區交通量預測方法，其特征在于，包括如下步驟：

步驟a：獲取目標景區的歷史交通流量和目標景區的多源異構數據；

步驟b：對目標景區的多源異構數據提取特征，獲得目標景區的景區流行度特征圖、目標景區的景區功能相似性特征圖、目標景區的景區距離特征圖和目標景區的景區交通通達度特征圖；對目標景區的歷史交通流量提取特征，獲得目標景區的歷史交通流量矩陣；

步驟c：將目標景區的景區流行度特征圖、目標景區的景區功能相似性特征圖、目標景區的景區距離特征圖和目標景區的景區交通通達度特征圖和目標景區的歷史交通流量矩陣輸入景區交通量預測模型預測交通流量，所述的景區交通量預測模型采用如權利要求1所述的基于多圖卷積網絡的景區交通量預測模型建立方法獲得，輸出目標景區的預測交通流量；

所述景區多源異構數據包括景區評論數據、景區POI數據、景區的地理坐標和道路網絡數據。