[發明專利]一種網聯車車輛行程時間估計方法

有效

• 申請號: 202011519013.1
• 申請日: 2020-12-21
• 公開（公告）號: CN112541638B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 王強;徐琛;石東海;袁哲明
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 丁蕓;馬敬

1.一種網聯車車輛行程時間估計方法，其特征在于，所述方法包括：

獲取路網的靜態信息和路網的動態信息，其中，所述路網的靜態信息包括所述路網中各條道路的屬性信息，所述路網的動態信息包括所述路網中各條道路的交通狀況信息；

將所述路網的靜態信息和所述路網的動態信息輸入到預先訓練的圖卷積神經網絡中，得到所述路網中各路線的空間特征，其中，所述各路線的空間特征包括所述各路線動態信息和靜態信息以及該路線的相鄰路線的動態信息和靜態信息；

利用所述路網中各路線的空間特征更新靜態特征向量和動態特征向量；

將所述路網中各路線的更新后的靜態特征向量和更新后的動態特征向量輸入到預先訓練的循環神經網絡中，得到所述路網中各路線的時間特征，其中，所述各路線的時間特征包括所述各路線在不同采樣頻率下統計的交通狀況的變化趨勢信息；

利用所述路網中各路線的時間特征更新所述更新后的動態特征向量，得到二次更新后的動態特征向量；

將所述路網中各路線的所述更新后的靜態特征向量和所述二次更新后的動態特征向量輸入到預先訓練的基于圖神經網絡的注意力機制網絡中，得到所述路網中各路線的軌跡影響力得分；

根據所述路網中各路線的軌跡影響力得分和所述路網結構，抽取目標路線對應的路網子圖，其中，所述目標路線對應的路網子圖包括所述路網中軌跡影響力得分最高的前N條路線和所述路網中所述目標路線經過的路線，所述目標路線為用戶選取的行進路線；

通過圖表示學習神經網絡將所述路網子圖轉化為子圖向量；

獲取通行信息向量；

通過預先訓練的深度殘差網絡，根據所述子圖向量與通行信息向量計算得到所述目標路線預測行程時間。

2.根據權利要求1所述的方法，其特征在于，所述獲取通行信息向量，包括：

獲取通行信息；

通過預先訓練好的神經網絡，對所述通行信息進行向量化，得到通行信息向量。

3.根據權利要求1所述的方法，其特征在于，所述將所述路網中各路線的所述更新后的靜態特征向量和所述二次更新后的動態特征向量輸入到預先訓練的基于圖神經網絡的注意力機制網絡中，得到所述路網中各路線的軌跡影響力得分，包括：

通過預設公式計算所述路網中各路線的連通度之和；

將所述路網中各路線的所述更新后的靜態特征向量、所述二次更新后的動態特征向量和所述連通度之和進行組合，得到所述路網中各路線的綜合特征向量；

將所述路網中各路線的綜合特征向量輸入到預先訓練的基于圖神經網絡的注意力機制網絡中，得到所述路網中各路線的軌跡影響力得分。

4.根據權利要求3所述的方法，其特征在于，所述通過預設公式計算所述路網中各路線的連通度之和，包括：

針對所述路網中各路線，根據預設公式：計算所述路網中各路線k跳以內的連通度，其中，Aⁱ為道路i的鄰接矩陣，L為道路連通度矩陣，R^N×N表示N×N階矩陣；

根據所述路網中各路線k跳以內的連通度，通過預設公式：計算所述路網中各路線的連通度之和，其中，i和j表示不同的道路，lij表示道路i到道路j在k跳之內連通方式的數量，D_i為道路i連通度之和，V_t為目標路線包含的道路的集合。