[發(fā)明專利]基于多元時間序列插補的圖神經(jīng)網(wǎng)絡(luò)交通流預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202110973523.4
• 申請日: 2021-08-24
• 公開（公告）號: CN113673769A
• 公開（公告）日: 2021-11-19
• 發(fā)明（設(shè)計）人: 彭浩;劉琳;劉明生;冼俊宇
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G08G1/01;G06N3/04;G06N3/08
• 代理公司: 成都帝鵬知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51265
• 代理人: 李華

本發(fā)明公開基于多元時間序列插補的圖神經(jīng)網(wǎng)絡(luò)交通流預(yù)測方法，用加權(quán)圖來描述交通網(wǎng)絡(luò)中站點之間的拓撲，將交通的流入和流出作為站點節(jié)點本身的特征；根據(jù)各站點流入流出情況，構(gòu)建交通流圖；利用圖神經(jīng)網(wǎng)絡(luò)對缺失值進行插補；通過圖注意力網(wǎng)絡(luò)得到空間特征序列；時間關(guān)注捕獲不同時間之間的動態(tài)相關(guān)性，再利用長短期記憶網(wǎng)絡(luò)捕獲時間特征，得到交通流特征作為預(yù)測結(jié)果。本發(fā)明能夠消除交通流預(yù)測中時空關(guān)系數(shù)據(jù)缺失帶來的影響，克服實際應(yīng)用中可能出現(xiàn)的數(shù)據(jù)缺失，實現(xiàn)對交通流量進行長期預(yù)測。

技術(shù)領(lǐng)域

本發(fā)明屬于交通流預(yù)測技術(shù)領(lǐng)域，特別是涉及基于多元時間序列插補的圖神經(jīng)網(wǎng)絡(luò)交通流預(yù)測方法。

背景技術(shù)

隨著全球定位系統(tǒng)(GPS)、移動設(shè)備等各種定位技術(shù)的快速發(fā)展，攝像頭、傳感器等信息采集設(shè)備不斷完善，為數(shù)據(jù)分析積累了大量豐富的帶有地理信息的交通時間序列數(shù)據(jù),人類社會已然進入“大數(shù)據(jù)時代”，這對人類生活、社會治理等產(chǎn)生了重大影響，因此如何從海量數(shù)據(jù)中得到有用信息就受到了廣泛關(guān)注。時空數(shù)據(jù)的挖掘?qū)υS多應(yīng)用都有重要作用，包括智能交通、城市規(guī)劃、公共安全、醫(yī)療保健和環(huán)境管理等。傳統(tǒng)的數(shù)據(jù)挖掘方法已經(jīng)不能滿足現(xiàn)在的要求，近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，利用深度神經(jīng)網(wǎng)絡(luò)模型進行交通流預(yù)測已經(jīng)變得越來越重要，深度學(xué)習(xí)模型在空間和時間域中都表現(xiàn)強大的學(xué)習(xí)能力，現(xiàn)已被各種時空數(shù)據(jù)挖掘任務(wù)中廣泛應(yīng)用。

交通擁堵現(xiàn)在已經(jīng)成為全球性的城市問題，交通擁堵會增加人們的出行時間，增加了車輛排放的污染物，降低了人們生活質(zhì)量，甚至?xí)斐山煌ㄊ鹿省鴥?nèi)的許多城市都采用了不同的辦法來緩解交通問題，雖然都取得一系列的效果，但是還遠遠不能滿足現(xiàn)有的需求。所以要求我們不僅要增加交通基礎(chǔ)設(shè)施的建設(shè)，而且更重要的是最大限度的利用現(xiàn)有路網(wǎng)，通過加強對城市交通的管理，來保證人和車輛快速、舒適、經(jīng)濟和安全行駛。相比于傳統(tǒng)交通管理方法，通過人工智能和大數(shù)據(jù)技術(shù)在交通領(lǐng)域的應(yīng)用，可以更加有效快速地管理城市交通。

交通流量的復(fù)雜性和實時性給傳統(tǒng)的交通流量預(yù)測帶來巨大挑戰(zhàn)。在對交通流的預(yù)測中，交通流量預(yù)測的一個重要問題就是數(shù)據(jù)的完整性和準確性。在實際應(yīng)用中，一些機構(gòu)和組織收集的數(shù)據(jù)不是實時的，有時數(shù)據(jù)將會丟失，這將對交通流量的預(yù)測產(chǎn)生很大影響，使用這些數(shù)據(jù)來預(yù)測交通流量顯然會造成較大的偏差。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提出了基于多元時間序列插補的圖神經(jīng)網(wǎng)絡(luò)交通流預(yù)測方法，能夠消除交通流預(yù)測中時空關(guān)系數(shù)據(jù)缺失帶來的影響，克服實際應(yīng)用中可能出現(xiàn)的數(shù)據(jù)缺失，實現(xiàn)對交通流量進行長期預(yù)測。

為達到上述目的，本發(fā)明采用的技術(shù)方案是：基于多元時間序列插補的圖神經(jīng)網(wǎng)絡(luò)交通流預(yù)測方法，包括步驟：

S10，用加權(quán)圖來描述交通網(wǎng)絡(luò)中站點之間的拓撲，將交通的流入和流出作為站點節(jié)點本身的特征；

S20，根據(jù)各站點流入流出情況，構(gòu)建交通流圖；

S30，利用圖神經(jīng)網(wǎng)絡(luò)對缺失值進行插補；

S40，通過圖注意力網(wǎng)絡(luò)得到空間特征序列；

S50，時間關(guān)注捕獲不同時間之間的動態(tài)相關(guān)性，再利用長短期記憶網(wǎng)絡(luò)捕獲時間特征，得到交通流特征作為預(yù)測結(jié)果。

進一步的是，在所述步驟S10中，包括步驟：

S11，用加權(quán)圖Gt＝(Vt，Et)來描述交通網(wǎng)絡(luò)中站點之間的拓撲，其中Vt＝{v₁，v₂，…，v_N}表示站點的節(jié)點集，N是站點數(shù)，Et是加權(quán)邊集；

S12，分別統(tǒng)計各個站點流入和流出的交通流量，獲取所有站點在時間t的交通流特征矩陣Xt＝[I^t，O^t]。

進一步的是，在所述步驟S20中，根據(jù)各站點流入流出情況，構(gòu)建交通流圖包括步驟：