[發明專利]一種基于Transformer網絡的時空交通狀態預測方法

在審

• 申請號: 202110654675.8
• 申請日: 2021-06-11
• 公開（公告）號: CN113345236A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 馬曉磊;閆昊陽;李昱潔
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06N3/04
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 符繼超

本發明公開了一種基于Transformer網絡的時空交通狀態預測方法，包括數據編碼嵌入、全局空間特征提取、局部空間特征信息提取、全局?局部特征融合以及單步交通狀態預測。該方法充分考慮到了交通狀態在空間上依賴關系的動態性，并層次化的進行分步的特征提取與建模，使得該方法的預測更精確；該方法提取的動態交通空間依賴關系能夠顯式表達，具有可解釋性，可以為交通規劃提供參考；且該方法能夠純數據驅動地提取和構建交通網絡的全局空間特征，在缺少交通網絡空間特征數據的情況下依然得到較好的預測結果，具有可靠性。因此，該方法對交通狀態預測更精確、更可靠，具有可解釋性，對數據的要求更低，更適合推廣應用。

技術領域

本發明涉及公共交通信息處理技術領域，更具體的說是涉及一種基于Transformer網絡的時空交通狀態預測方法。

背景技術

目前，隨著經濟的不斷發展以及城鎮化的不斷推進，城市內的汽車保有量進一步提升，使得原有城市道路上的車流量超出了預先設計的道路交通量，從而導致交通擁堵現象越來越嚴重，使得城市內部的交通運輸效率下降，服務水平下降。時空交通狀態預測，能夠為相關部門提前進行擁堵現象的管理和控制提供依據；并且時空交通狀態預測還能夠揭示和反應交通網絡設計中的關鍵點與不足，為交通規劃提供參考；此外，時空交通狀態預測還是多個智能交通系統(ITS)應用的基石。因此，準確、可靠的時空交通狀態預測對于交通管理、交通規劃以及智能交通系統都是不可或缺的一個關鍵環節。

然而，現有的時空交通狀態預測方法存在著以下不足：(1)利用柵格化技術轉化交通狀態的方法，丟失了大量的信息，在同一柵格內的交通狀態完全無法分析；(2)基于圖神經網絡的方法，太過依賴鄰接矩陣，從而忽視了交通狀態空間關系的動態性和層次性，且必須依賴鄰接矩陣，使得這類方法必須費時費力的構建鄰接矩陣。由于以上不足，使得這些預測方法不夠準確和可靠。

因此，如何提供一種準確、可靠的時空交通態勢預測方法是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提供了一種基于Transformer網絡的時空交通狀態預測方法，該方法通過對數據進行編碼嵌入，分別進行全局空間特征提取與局部空間特征信息提取，并進行全局-局部的特征融合，最終實現單步的時空交通狀態預測。解決了現有的交通狀態預測方法準確度、可靠度不高的問題，并具有解釋性，能夠揭示現有交通系統的空間關系，為城市交通分析與規劃提供依據。

為了實現上述目的，本發明采用如下技術方案：

一方面，本發明提供了一種基于Transformer網絡的時空交通狀態預測方法，該方法包括：

數據編碼嵌入：獲取交通網絡的狀態數據，并對所述交通網絡狀態數據進行處理，編碼和嵌入后得到向量化數據；

全局空間特征提取：根據所述的向量化交通網絡狀態數據，提取交通網絡中不同空間位置之間的全局關聯關系特征；

局部空間特征信息提取：根據所述的向量化交通網絡狀態數據，結合已有的鄰接矩陣信息，提取交通網絡中限定范圍的空間位置之間的局部關聯關系特征；

全局-局部特征融合：根據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，實現全局-局部特征的加權融合；

單步交通狀態預測：根據所述的全局-局部特征，單步地一次預測多個未來時刻的時空交通網絡狀態。

進一步地，所述數據編碼嵌入的步驟中，對所述交通網絡狀態數據進行編碼嵌入的過程，具體包括：

步驟1：將交通網絡的狀態數據處理為時空交通狀態預測問題的定義的形式。時空交通狀態可以自然的被表示為時空圖的形式，網絡層面的時空交通網絡狀態預測可以看作通過靠前的若干個時間的時空圖狀態，預測靠后的若干個時間的時空圖狀態。

所述時空圖可以表示為：