[發明專利]一種可直接捕獲時空相關性的時空數據預測方法

在審

• 申請號: 202011123547.2
• 申請日: 2020-10-20
• 公開（公告）號: CN112257920A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 何楊青;李勝男;韓忠明;段大高;毛明毅
• 申請（專利權）人: 北京工商大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 李娜

1.一種可直接捕獲時空相關性的時空數據預測方法，其特征在于：該方法包括以下步驟：

步驟1、準備方法所需時空數據；包括：

S11、構建局部時空鄰接矩陣；局部時空鄰接矩陣表示局部時空圖中頂點之間的相鄰關系，包含時空數據的空間結構信息，還包含其中的時間信息和時空信息；

S12、構建時空數據樣本集；

步驟2、構建可直接捕獲時空相關性的時空數據預測模型；包括：

S21、構建局部時空圖卷積模塊捕獲局部時空特征；

S22、構建時間卷積模塊捕獲長期時間特征；

S23、構建輸出層從而得到最終的預測結果；

步驟3、對步驟2所構建的模型進行訓練，得到模型參數；

步驟4、用步驟3訓練好的模型對時空數據進行預測。

2.根據權利要求1所述的一種可直接捕獲時空相關性的時空數據預測方法，其特征在于：步驟S11所述的局部時空鄰接矩陣A_L的構建方法為：局部時空鄰接矩陣A_L∈R^2N×2N的構建方法與標準鄰接矩陣A∈R^N×N類似，只是含有兩個時間點的信息，因此節點數為標準鄰接矩陣的兩倍，即2N；將這2N個節點分為上一時刻的節點集V_t-1和當前時刻的節點集V_t兩部分，每部分含有N個節點，且兩部分的節點一一對應，按照先V_t-1后V_t的順序構建局部時空鄰接矩陣A_L；

其構建公式如下：

式中，(V_i,V_j)＝1表示監測點V_i和V_j之間連通，(V_i,V_j)＝0表示監測點V_i和V_j之間不連通，W_i,j表示連通監測點V_i和V_j之間的權重。

3.根據權利要求2所述的一種可直接捕獲時空相關性的時空數據預測方法，其特征在于：對比標準鄰接矩陣A可以將局部時空鄰接矩陣A_L寫為分塊矩陣的形式，即其中A_t-1表示上一時刻時空數據的標準鄰接矩陣，A_t表示當前時刻時空數據的標準鄰接矩陣，A_(t-1)～t表示上一時刻節點與當前時刻節點的鄰接矩陣，A_t～(t-1)表示當前時刻節點與上一時刻節點的鄰接矩陣；由于時空數據在各時刻下監測點間的空間結構信息都保持不變，因此A_t-1＝A_t，A_(t-1)～t＝A_t～(t-1)；而鄰接矩陣A_(t-1)～t中包含了上一時刻節點與當前時刻節點自身之間的鄰接關系以及上一時刻節點與當前時刻節點鄰居之間的鄰接關系，因此A_(t-1)～t＝A_t+I，I為單位矩陣；最終，局部時空鄰接矩陣A_L可以表示為構建局部時空鄰接矩陣A_L可以化簡為先構建鄰接矩陣A_t，然后將A_t與A_t+I進行拼接；

構建鄰接矩陣A_t的公式同構建局部時空鄰接矩陣A_L的公式，其中，權重W_i,j由監測點V_i和V_j之間的距離d_i,j經過最大最小歸一化而來，最大最小歸一化公式如下：

式中，max(d)表示監測點間的最大距離，min(d)表示監測點間的最小距離。

4.根據權利要求1所述的一種可直接捕獲時空相關性的時空數據預測方法，其特征在于：所述步驟S21具體過程為：局部時空圖卷積模塊由多個圖卷積神經網絡層GCN疊堆而成；圖卷積神經網絡GCN的公式如下：

其中，X表示輸入的特征向量；其中，A是鄰接矩陣，I是單位矩陣，為的度矩陣；W是圖卷積神經網絡需要學習的權重矩陣。