[發(fā)明專利]一種基于動(dòng)態(tài)多視圖耦合圖卷積的城市出行需求預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210916072.5
• 申請(qǐng)日: 2022-08-01
• 公開（公告）號(hào): CN115456238A
• 公開（公告）日: 2022-12-09
• 發(fā)明（設(shè)計(jì)）人: 劉志;卞紀(jì)新;張德舉;陳洋;孔祥杰;沈國(guó)江
• 申請(qǐng)（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 忻明年

本發(fā)明公開了一種基于動(dòng)態(tài)多視圖耦合圖卷積的城市出行需求預(yù)測(cè)方法，獲取城市中各個(gè)區(qū)域的地理位置數(shù)據(jù)、POI數(shù)據(jù)和道路數(shù)據(jù)，以各個(gè)區(qū)域?yàn)楣?jié)點(diǎn)構(gòu)建地理相似圖、功能相似圖和道路相似圖；以單位時(shí)間為間隔，獲取城市中每個(gè)區(qū)域在各個(gè)單位時(shí)間內(nèi)的出行需求數(shù)據(jù)，構(gòu)建動(dòng)態(tài)需求相似圖；然后結(jié)合動(dòng)態(tài)多視圖和耦合圖卷積模塊，能夠從多個(gè)角度對(duì)出行需求數(shù)據(jù)中復(fù)雜的時(shí)空關(guān)系進(jìn)行建模，對(duì)各個(gè)單位時(shí)間對(duì)應(yīng)的融合空間特征分別采用門控循環(huán)單元提取時(shí)間相關(guān)特征，然后提取時(shí)間相關(guān)特征與外部特征之間的注意力分?jǐn)?shù)，以注意力分?jǐn)?shù)為權(quán)重，對(duì)所有單位時(shí)間對(duì)應(yīng)的時(shí)間相關(guān)特征進(jìn)行加權(quán)求和，得到最終預(yù)測(cè)結(jié)果。本發(fā)明提高了城市出行需求預(yù)測(cè)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)屬于數(shù)據(jù)預(yù)測(cè)技術(shù)領(lǐng)域，尤其涉及一種基于動(dòng)態(tài)多視圖耦合圖卷積的城市出行需求預(yù)測(cè)方法。

背景技術(shù)

隨著智慧交通系統(tǒng)的快速發(fā)展，出租車、網(wǎng)約車、公交車、地鐵等交通工具成為了人們?nèi)粘３鲂械闹饕ぞ撸煌〒矶骂A(yù)測(cè)、交通事故預(yù)測(cè)和出租車異常路徑檢測(cè)等問(wèn)題已成為智慧城市建設(shè)的重大挑戰(zhàn)。如何提高車輛的利用率，減少乘客的等待時(shí)間，是一個(gè)很緊迫的挑戰(zhàn)。準(zhǔn)確的城市出行需求預(yù)測(cè)可以減少乘客的等待時(shí)間，提高出行效率，可以幫助車輛運(yùn)行商對(duì)車輛進(jìn)行合理的預(yù)調(diào)度，還可以幫助交通部門來(lái)緩解交通擁堵。

城市出行需求預(yù)測(cè)是智能交通系統(tǒng)中的一個(gè)重要問(wèn)題，對(duì)交通管理和城市規(guī)劃等有很大影響。為此，人們提出了大量的交通需求預(yù)測(cè)方法，這些方法主要集中在如何有效地提取時(shí)間和空間的關(guān)聯(lián)性。早期的交通需求預(yù)測(cè)大多使用的是機(jī)器學(xué)習(xí)和統(tǒng)計(jì)分析方法，如自回歸移動(dòng)綜合平均ARIMA模型及其變體，最小二乘支持向量機(jī)(LS-SVM)，K近鄰等，他們主要研究的是時(shí)間序列的變化，而忽略了不同區(qū)域之間的空間相關(guān)性的影響。

最近的一些深度學(xué)習(xí)的成果在處理復(fù)雜的時(shí)空數(shù)據(jù)方面表現(xiàn)出卓越的性能，許多學(xué)者將卷積神經(jīng)網(wǎng)絡(luò)(CNN)與其他網(wǎng)絡(luò)如(循環(huán)神經(jīng)網(wǎng)絡(luò)RNN，長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)LSTM，門控循環(huán)單元GRU)等相結(jié)合捕獲時(shí)空相關(guān)性。但是他們中的大多數(shù)將復(fù)雜的交通網(wǎng)絡(luò)建模為靜態(tài)圖，忽略了在整個(gè)時(shí)間軸上動(dòng)態(tài)的構(gòu)建區(qū)域圖的重要性。

發(fā)明內(nèi)容

本申請(qǐng)的目的是提供一種基于動(dòng)態(tài)多視圖耦合圖卷積的城市出行需求預(yù)測(cè)方法，克服現(xiàn)有技術(shù)方案的不足，提高城市出行需求預(yù)測(cè)的準(zhǔn)確性。

為了實(shí)現(xiàn)上述目的，本申請(qǐng)技術(shù)方案如下：

一種基于動(dòng)態(tài)多視圖耦合圖卷積的城市出行需求預(yù)測(cè)方法，包括：

獲取城市中各個(gè)區(qū)域的地理位置數(shù)據(jù)、POI數(shù)據(jù)和道路數(shù)據(jù)，以各個(gè)區(qū)域?yàn)楣?jié)點(diǎn)構(gòu)建地理相似圖、功能相似圖和道路相似圖；

以單位時(shí)間為間隔，獲取城市中每個(gè)區(qū)域在各個(gè)單位時(shí)間內(nèi)的出行需求數(shù)據(jù)，得到每個(gè)單位時(shí)間對(duì)應(yīng)的特征矩陣，并構(gòu)建動(dòng)態(tài)需求相似圖；

將特征矩陣分別與動(dòng)態(tài)需求相似圖、地理相似圖、功能相似圖和道路相似圖的鄰接矩陣輸入到對(duì)應(yīng)的耦合圖卷積模塊，得到各相似圖對(duì)應(yīng)的空間特征，將各相似圖對(duì)應(yīng)的空間特征進(jìn)行融合，得到融合空間特征；

對(duì)各個(gè)單位時(shí)間對(duì)應(yīng)的融合空間特征分別采用門控循環(huán)單元提取時(shí)間相關(guān)特征，然后通過(guò)注意力層提取時(shí)間相關(guān)特征與外部特征之間的注意力分?jǐn)?shù)，以注意力分?jǐn)?shù)為權(quán)重，對(duì)所有單位時(shí)間對(duì)應(yīng)的時(shí)間相關(guān)特征進(jìn)行加權(quán)求和，得到最終預(yù)測(cè)結(jié)果。

進(jìn)一步的，所述地理相似圖表示為其中V表示圖中節(jié)點(diǎn)的集合，E_g表示節(jié)點(diǎn)間邊的集合，A_g表示圖的鄰接矩陣，A_g中每個(gè)元素表示兩個(gè)節(jié)點(diǎn)間是否相鄰；

A_g中任一元素A_g(i,j)表示為：