[發明專利]一種基于交叉路口轉移計算的交通預測方法

有效

• 申請號: 202110373408.3
• 申請日: 2021-04-07
• 公開（公告）號: CN112989539B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 王偉烽;潘哲逸;張偉楠
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F30/18
• 分類號: G06F30/18;G06F30/27;G06Q10/04;G06Q50/30;G06N3/04;G06N3/08
• 代理公司: 上海旭誠知識產權代理有限公司 31220
• 代理人: 鄭立

1.一種基于交叉路口轉移計算的交通預測方法，其特征在于，包括以下步驟：

步驟1：將多個時空特征挖掘模塊堆疊；所述時空特征挖掘模塊的直接輸出連接到后一個所述時空特征挖掘模塊；所述時空特征挖掘模塊還包括跳躍連接；全部所述時空特征挖掘模塊的所述跳躍連接收集到一個全連接網絡；

步驟2：將路網屬性圖，以及過去N_in個時間片的交通歷史數據輸入到第一個所述時空特征挖掘模塊；所述路網屬性圖為其中，邊集合代表路網中所有路段，點集合代表路網中所有的交叉路口；所述交通歷史數據為一個張量其中N_t是交通數據的時間片總數，N_r是路網中路段的總數，D是數據的維度；

步驟3：所述全連接網絡輸出未來N_out個時間片的交通預測結果

其中，所述時空特征挖掘模塊包括級聯的門控時序卷積網絡和交叉路口轉移圖卷積網絡，所述門控時序卷積網絡對輸入數據的時間相關性建模；所述交叉路口轉移圖卷積網絡包含一個圖卷積神經網絡，所述圖卷積網絡使用轉移矩陣學習器學習到的轉移矩陣進行運算，對輸入數據中的空間相關性建模，所述門控時序卷積網絡和所述交叉路口轉移圖卷積網絡共同完成對城市交通數據中時空相關性的挖掘。

2.如權利要求1所述的基于交叉路口轉移計算的交通預測方法，其特征在于，所述時空特征挖掘模塊的輸入連接至所述門控時序卷積網絡，所述門控時序卷積網絡的輸出連接至所述交叉路口轉移圖卷積網絡和所述跳躍連接，所述交叉路口轉移圖卷積網絡的輸出連接至所述時空特征挖掘模塊的輸出。

3.如權利要求2所述的基于交叉路口轉移計算的交通預測方法，其特征在于，所述交通歷史數據先經過線性層的編碼，然后輸出至所述時空特征挖掘模塊，所述線性層的計算公式為：

其中是編碼后的隱狀態張量，W_l和b_l是線性層的參數。

4.如權利要求3所述的基于交叉路口轉移計算的交通預測方法，其特征在于，所述門控時序卷積網絡包括兩個時序卷積網絡，所述門控時序卷積網絡的計算公式為：

其中，Θ₁，b_t1和Θ₂，b_t2分別是所述兩個時序卷積網絡的可訓練參數，⊙是元素間乘法，σ函數將卷積神經網絡輸出張量中的元素映射到(0,1)之間，tanh函數將卷積神經網絡輸出張量中的元素映射到(-1,1)之間。

5.如權利要求4所述的基于交叉路口轉移計算的交通預測方法，其特征在于，所述交叉路口轉移圖卷積網絡采用冪級數形式的轉移矩陣。

6.如權利要求5所述的基于交叉路口轉移計算的交通預測方法，其特征在于，所述交叉路口轉移圖卷積網絡在計算之前，所述轉移矩陣學習器生成D_A個轉移矩陣傳遞到所述交叉路口轉移圖卷積網絡中，其中，代表其中第i個轉移矩陣，D_A代表轉移矩陣的個數。

7.如權利要求6所述的基于交叉路口轉移計算的交通預測方法，其特征在于，所述交叉路口轉移圖卷積網絡的計算公式為：

其中，K0是擴散步數，W_nk是可學習參數，隱狀態張量為所述門控時序卷積網絡的輸出。

8.如權利要求7所述的基于交叉路口轉移計算的交通預測方法，其特征在于，所述轉移矩陣學習器的學習流程包括生成邊嵌入、生成節點嵌入、更新邊嵌入、計算轉移矩陣。

9.如權利要求8所述的基于交叉路口轉移計算的交通預測方法，其特征在于，所述全連接網絡的計算公式為：

其中，W_FC1、b_FC1、W_FC2、b_FC2是最終的全連接網絡的參數。

10.如權利要求9所述的基于交叉路口轉移計算的交通預測方法，其特征在于，所述多個時空特征挖掘模塊堆疊的個數為9。