[發明專利]基于重力學多層三維殘差網絡的城市OD人流預測方法

有效

• 申請號: 202210109690.9
• 申請日: 2022-01-29
• 公開（公告）號: CN114139836B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 馬佳曼;蔣淑園;金晨;王瑾;羅喜伶
• 申請（專利權）人: 北京航空航天大學杭州創新研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06Q50/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

1.一種基于重力學多層三維殘差網絡的城市OD人流預測方法，其特征在于,包括如下步驟：

1）構建基于重力學多層三維殘差網絡的三個OD信息輸入，所述重力學多層三維殘差網絡包括網絡結構相同的背景信息模塊、平面OD信息模塊、基于重力學的OD信息模塊；構建的三個OD信息輸入分別對應為三個模塊的輸入；

所述背景信息模塊的輸入包括四組背景信息特征，分別為地理上相似度特征、社會功能特征、受歡迎度特征和外部特征；

背景信息模塊的輸入表示為：

；

平面OD信息模塊的輸入表示為長周期OD人流與短周期OD人流的相連；其中，長周期的OD人流被表述為：

其中X_t表示在t時間段的OD輸入信息， p是趨勢跨度，h是時間窗口的數量長度；

短周期的表示如下：

；

所述的基于重力學的OD信息模塊的輸入的構建方法為：

輸入城市OD信息圖G和指定的聚類結果個數K；根據城市興趣點信息和進出客流的相似度進行K-means聚類，得到聚類結果后，根據類內每個點的人流密度做基于重力學的加權平均，得到每個聚類結果c的OD信息；即高層次具有穩定人流規律的OD信息；

基于重力學的OD信息輸入張量維度與平面OD輸入張量維度相同，為長周期與短周期時間段OD客流的相連；

2）對基于重力學多層三維殘差網絡進行訓練；所述基于重力學多層三維殘差網絡中，背景信息模塊、平面OD信息模塊、基于重力學的OD信息模塊均由多層三維多注意力的殘差網絡組成，且將平面OD信息模塊和基于重力學的OD信息模塊的淺層特征和深層特征進行跳躍式聚合連接；三個多層三維多注意力的殘差網絡均設計有循環三維張量縱橫自注意力塊，用于學習人群流動受到本地和全局鄰居的時間-空間-背景信息影響；

3）利用訓練好的基于重力學多層三維殘差網絡進行城市OD人流預測。

2.根據權利要求1所述的城市OD人流預測方法，其特征在于，所述背景信息模塊、平面OD信息模塊、基于重力學的OD信息模塊采用相同的多層三維殘差網絡，三個網絡以殘差的形式連接，且以不同的影響權重進行融合。

3.根據權利要求1或2所述的城市OD人流預測方法，其特征在于，所述將平面OD信息模塊和基于重力學的OD信息模塊的淺層特征和深層特征進行跳躍式聚合連接，具體為：

對于基于重力學的OD信息模塊，其l-1層的輸出為：

對于平面OD信息模塊，其l-1層的輸出為：

其中，為基于重力學的OD信息模塊在第l-1層的輸出，為平面OD信息模塊在第l-1層的輸出，、、、、和為網絡中的可學習參數，act()為激活函數。

4.根據權利要求1或2所述的城市OD人流預測方法，其特征在于，所述循環三維張量縱橫自注意力塊包括兩個部分，分別是時間-特征注意力塊和全局空間注意力塊；三個模塊的輸入信息X的輸入結構為一個三維的張量，維度表示為，其中C為通道維數，O為出發區域個數，D為目的地區域個數；時間-特征注意力塊是對維度C上的自注意力操作，全局空間注意力塊是對維度上自子注意力操作。