[發明專利]聚合多尺度時空相似信息的城市交通流預測方法

在審

• 申請號: 202210277813.X
• 申請日: 2022-03-21
• 公開（公告）號: CN114611814A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 雷凱媛;諶愷祺;儲國威;石巖;鄧敏
• 申請（專利權）人: 中南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06K9/62;G06N3/04;G06N3/08;G08G1/01
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 丁耀鵬

本公開實施例中提供了一種聚合多尺度時空相似信息的城市交通流預測方法，屬于數據處理技術領域，具體包括：獲取路網數據及其對應的交通流速度數據；根據路網數據和交通流速度數據構建拓撲鄰接圖、二階相似圖和交通模式相似圖；對交通流速度數據對應的時間段進行編碼，得到絕對時間位置編碼；將交通流速度數據、拓撲鄰接圖、二階相似圖、交通模式相似圖和絕對時間位置編碼輸入聚合多尺度時空相似信息的交通流預測模型，得到預測交通流速度；根據預測交通流速度和交通流速度數據，迭代訓練交通流預測模型中的可學習參數，直到誤差滿足預設條件，得到目標預測模型。通過本公開的方案，提高了預測效率、預測精度和適應性，實現更好的預測效果。

技術領域

本公開實施例涉及數據處理技術領域，尤其涉及一種聚合多尺度時空相似信息的城市交通流預測方法。

背景技術

目前，隨著我國城市化進程的加速與流動人口的增多，城市居民出行行為愈發頻繁，對城市交通系統健康有序的發展帶來了巨大的挑戰。為有效緩解日益嚴峻的交通壓力，實現城市交通高時效、精細化的管理與優化，大數據時代下以人工智能方法為驅動的新型交通信息分析及管理引擎的建設需求應運而生。針對該現實需求，在國家信息化發展建設戰略的驅動下，智能交通系統(Intelligent Transportation System,簡稱ITS)在各大城市進行了實施與部署，通過有效集成先進的計算機信息、通訊傳輸、傳感控制等技術，實現大范圍、全方位的綜合交通管理。然而，智能交通系統的有效運行需要實時、精確、全覆蓋的交通流狀態信息作為知識支撐，進而，交通流預測技術成為了智能交通系統建設的核心內容與重要保障。交通流預測效果好壞直接影響著擁堵探測、路徑規劃等下游任務的結果。魯棒、精準的交通流預測模型是智能交通系統建設的迫切需求。

交通流預測是基于歷史交通流數據，對道路未來時刻交通狀況(速度、流量、密度等)進行精確估計的過程。交通流預測的關鍵在于如何有效地對交通流復雜、非線性的時間依賴性和空間依賴性進行建模。由于交通系統是在人、車、路、環境等多種因素交互作用下復雜多變的動態系統，使得交通流的時間、空間依賴性表現出多尺度的特點。交通流的空間依賴特征既直接體現在上下游相鄰路段間簡單的一階鄰域相似性，又包括隱含在局部路網拓撲結構中潛在的更深層次的高階相似性。交通流的時間依賴特征包含時序變化趨勢、整體周期性規律、局部時刻平穩性規律等多尺度特征。因此，如何有效地挖掘和聚合多尺度、多視圖下的交通流時空相似信息，對于實現精準、有效的交通流預測具有重要意義。

現有數據驅動的交通流預測方法主要有統計分析、機器學習和深度學習三種方法，但是基于統計分析的方法原理簡單，計算效率高，但大多基于線性假設，且只能建模交通流的時間相關性，對數據有著較為嚴格的先驗要求，不能有效處理復雜、非線性的真實交通狀況。大多數機器學習方法的精度仍依賴于前期特征工程的結果，需要較強的人為經驗支持，且無法融合交通流的多尺度時空信息。在大規模城市路網的交通流預測中具有較為明顯的精度瓶頸。深度學習對于時空相關性大多是從單一、低階的角度進行考慮，而較少涉及道路拓撲結構與時序規律中潛在的高階相似性。如何有效、準確地將交通流的多階時空相似關系編碼為圖結構，是多圖模塊設計是需要考慮的一大問題

可見，亟需一種高效精準且適應性強的聚合多尺度時空相似信息的城市交通流預測方法。

發明內容

有鑒于此，本公開實施例提供一種聚合多尺度時空相似信息的城市交通流預測方法，至少部分解決現有技術中存在預測效率、精準度和適應性較差的問題。

本公開實施例提供了一種聚合多尺度時空相似信息的城市交通流預測方法，包括：

步驟1，獲取路網數據及其對應的交通流速度數據；

步驟2，根據所述路網數據和交通流數據構建拓撲鄰接圖、二階相似圖和交通模式相似圖；

步驟3，對所述交通流速度數據對應的時間段進行編碼，得到絕對時間位置編碼；