[發(fā)明專利]一種基于Transformer網(wǎng)絡(luò)的時空交通狀態(tài)預(yù)測方法在審
| 申請?zhí)枺?/td> | 202110654675.8 | 申請日: | 2021-06-11 |
| 公開(公告)號: | CN113345236A | 公開(公告)日: | 2021-09-03 |
| 發(fā)明(設(shè)計)人: | 馬曉磊;閆昊陽;李昱潔 | 申請(專利權(quán))人: | 北京航空航天大學(xué) |
| 主分類號: | G08G1/01 | 分類號: | G08G1/01;G06N3/04 |
| 代理公司: | 北京慕達(dá)星云知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465 | 代理人: | 符繼超 |
| 地址: | 100191*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 transformer 網(wǎng)絡(luò) 時空 交通 狀態(tài) 預(yù)測 方法 | ||
1.一種基于Transformer網(wǎng)絡(luò)的時空交通狀態(tài)預(yù)測方法,其特征在于,包括:
數(shù)據(jù)編碼嵌入:獲取交通網(wǎng)絡(luò)的狀態(tài)數(shù)據(jù),并對交通網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)進(jìn)行處理,編碼和嵌入后得到向量化交通網(wǎng)絡(luò)狀態(tài)數(shù)據(jù);
全局空間特征提取:根據(jù)所述的向量化交通網(wǎng)絡(luò)狀態(tài)數(shù)據(jù),提取交通網(wǎng)絡(luò)中不同空間位置之間的全局關(guān)聯(lián)關(guān)系特征;
局部空間特征信息提取:根據(jù)所述的向量化交通網(wǎng)絡(luò)狀態(tài)數(shù)據(jù),結(jié)合已有的鄰接矩陣信息,提取交通網(wǎng)絡(luò)中限定范圍的空間位置之間的局部關(guān)聯(lián)關(guān)系特征;
全局-局部特征融合:根據(jù)所述的全局空間特征和局部空間特征,融合兩部分提取到的特征,實現(xiàn)全局-局部特征的加權(quán)融合;
單步交通狀態(tài)預(yù)測:根據(jù)所述的全局-局部特征,單步地一次預(yù)測多個未來時刻的時空交通網(wǎng)絡(luò)狀態(tài)。
2.根據(jù)權(quán)利要求1所述的一種基于Transformer網(wǎng)絡(luò)的時空交通狀態(tài)預(yù)測方法,其特征在于,所述數(shù)據(jù)編碼嵌入的步驟中,對所述交通網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)進(jìn)行處理的過程,具體包括:
將交通網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)處理為時空交通狀態(tài)預(yù)測問題的定義形式;
將交通網(wǎng)絡(luò)狀態(tài)數(shù)據(jù)按照時間維度提取特征,進(jìn)行時間維度嵌入;
進(jìn)行時間維度嵌入后的數(shù)據(jù),重新按照空間維度排布為按照固定順序排列的序列,進(jìn)行位置上的編碼嵌入。
3.根據(jù)權(quán)利要求2所述的一種基于Transformer網(wǎng)絡(luò)的時空交通狀態(tài)預(yù)測方法,其特征在于,所述時空交通狀態(tài)預(yù)測問題的定義為張量形式的時空圖:
其中,代表N個節(jié)點組成的集合,這些節(jié)點表示交通系統(tǒng)中提前設(shè)置的檢測器;ε代表連通節(jié)點的邊所組成的集合,且AN×N表示邊所構(gòu)成的鄰接矩陣;在T個間隔為Δt的離散時間步內(nèi)的交通狀態(tài)的變化由特征張量X表示;時間步t時節(jié)點i的特征向量表示為其中代表實數(shù)域;C代表C個不同的交通狀態(tài)特征,包括速度、流量和密度。
4.根據(jù)權(quán)利要求2所述的一種基于Transformer網(wǎng)絡(luò)的時空交通狀態(tài)預(yù)測方法,其特征在于,所述時間維度嵌入方法可表示為:
ft=σ(Wf(ht-1,xt)+bf)
it=σ(Wi(ht-1,xt)+bi)
ot=σ(Wo(ht-1,xt)+bo)
ht=ot*tanh(Ct)
其中,ft代表長短期記憶神經(jīng)網(wǎng)絡(luò)的遺忘門;it、表示輸入門;Ct表示細(xì)胞狀態(tài);ot表示輸出門;ht表示隱藏狀態(tài);以上符號中,t代表了對應(yīng)的第t步順序編號,σ為Sigmoid激活函數(shù);W和b分別表示對應(yīng)層的權(quán)重參數(shù)和偏置;每一個時間步驟的輸入都會被嵌入到一個隱藏狀態(tài){h1,h2,...,ht-1,ht}中,僅最后一個隱藏狀態(tài)ht會被選擇使用。
5.根據(jù)權(quán)利要求2所述的一種基于Transformer網(wǎng)絡(luò)的時空交通狀態(tài)預(yù)測方法,其特征在于,所述位置上的編碼嵌入包括位置編碼和位置嵌入。
其中,位置編碼表示為函數(shù)PE(pos,2i)和PE(pos,2i+1):
其中,pos代表序列中的位置;i代表向量的維度;dmodel代表向量總的維度數(shù);
其中,位置嵌入表示為:
其中,N代表序列的總長度;代表可學(xué)習(xí)的參數(shù)矩陣。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京航空航天大學(xué),未經(jīng)北京航空航天大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110654675.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 基于Transformer+LSTM神經(jīng)網(wǎng)絡(luò)模型的商品銷量預(yù)測方法及裝置
- 一種基于Transformer模型自然場景文字識別方法
- 一種深度Transformer級聯(lián)神經(jīng)網(wǎng)絡(luò)模型壓縮算法
- 點云分割方法、系統(tǒng)、介質(zhì)、計算機(jī)設(shè)備、終端及應(yīng)用
- 基于Transformer的中文智能對話方法
- 一種基于改進(jìn)Transformer模型的飛行器故障診斷方法和系統(tǒng)
- 一種基于Transformer模型的機(jī)器翻譯模型優(yōu)化方法
- 基于Transformer和增強(qiáng)交互型MPNN神經(jīng)網(wǎng)絡(luò)的小分子表示學(xué)習(xí)方法
- 基于U-Transformer多層次特征重構(gòu)的異常檢測方法及系統(tǒng)
- 基于EfficientDet和Transformer的航空圖像中的飛機(jī)檢測方法
- 網(wǎng)絡(luò)和網(wǎng)絡(luò)終端
- 網(wǎng)絡(luò)DNA
- 網(wǎng)絡(luò)地址自適應(yīng)系統(tǒng)和方法及應(yīng)用系統(tǒng)和方法
- 網(wǎng)絡(luò)系統(tǒng)及網(wǎng)絡(luò)至網(wǎng)絡(luò)橋接器
- 一種電力線網(wǎng)絡(luò)中根節(jié)點網(wǎng)絡(luò)協(xié)調(diào)方法和系統(tǒng)
- 一種多網(wǎng)絡(luò)定位方法、存儲介質(zhì)及移動終端
- 網(wǎng)絡(luò)裝置、網(wǎng)絡(luò)系統(tǒng)、網(wǎng)絡(luò)方法以及網(wǎng)絡(luò)程序
- 從重復(fù)網(wǎng)絡(luò)地址自動恢復(fù)的方法、網(wǎng)絡(luò)設(shè)備及其存儲介質(zhì)
- 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、裝置及存儲介質(zhì)
- 網(wǎng)絡(luò)管理方法和裝置
- 一種時空地理大數(shù)據(jù)的檢索方法及系統(tǒng)
- 一種泛知識化時空對象表達(dá)數(shù)據(jù)庫建立方法
- 一種基于時空密度波與同步的大型時空數(shù)據(jù)聚類算法GRIDWAVE
- 時空數(shù)據(jù)的存儲方法、查詢方法及存儲裝置、查詢裝置
- 一種云環(huán)境下時空索引的構(gòu)建方法、裝置及電子設(shè)備
- 面向工業(yè)4.0的時空大數(shù)據(jù)分布式存儲檢索方法及系統(tǒng)
- 一種數(shù)據(jù)比對碰撞方法和裝置
- 時空數(shù)據(jù)的異常檢測方法、裝置、電子設(shè)備和存儲介質(zhì)
- 一種可直接捕獲時空相關(guān)性的時空數(shù)據(jù)預(yù)測方法
- 多維時空譜數(shù)據(jù)融合方法、裝置、電子設(shè)備和存儲介質(zhì)





