基于多通道超图卷积网络的交通OD客流预测方法及系统

专利主权项内容

1.基于多通道超图卷积网络的交通OD客流预测方法，其特征在于，包括：获取交通区域在当前时段的客流量数据；所述客流量数据包括：离开O的流出客流量、到达D的流入客流量以及OD的客流量真实值；其中，O表示起始地；D表示目的地；OD表示起讫对；从当前时段的客流量数据中提取当前时段O通道、D通道和OD通道下的客流分布矩阵；根据当前时段O通道、D通道和OD通道下的客流分布矩阵构建当前时段的超图集合；所述超图集合包括：O通道的邻域超图、D通道的邻域超图、OD通道下的邻域超图以及OD通道下的语义超图；将当前时段的超图集合输入交通OD客流预测模型中，得到交通区域在未来时段OD的客流量预测值；其中，所述交通OD客流预测模型是采用训练数据对多通道超图卷积网络模型训练得到的；所述多通道超图卷积网络模型包括：依次连接的编码器、多通道特征融合模块和解码器；所述编码器和所述解码器均是基于超图卷积网络和门控循环单元构建的；所述编码器用于根据超图集合提取O通道、D通道和OD通道的客流量特征；O通道的客流量特征表征O通道下流出客流的隐含时空近邻关系；D通道的客流量特征表征D通道下流入客流的隐含时空近邻关系；OD通道的客流量特征表征OD通道下OD客流的隐含时空近邻关系和隐含语义近邻关联关系；所述多通道特征融合模块用于将O通道、D通道和OD通道的客流量特征进行融合，得到OD客流分布特征；所述解码器用于根据OD客流分布特征得到OD的客流量预测值；所述编码器包括：并列的流入通道特征提取模块、流出通道特征提取模块和OD通道特征提取模块；所述流入通道特征提取模块和所述流出通道特征提取模块均包括多个时空超图卷积模块；所述OD通道特征提取模块包括多个时空OD卷积模块；所述时空超图卷积模块的计算公式为：
；其中，表示时空超图卷积模块t时刻在通道channel输出的表达隐含空间局部关联关系的客流量特征，是时空超图卷积模块的输出值；/>为时空超图卷积模块t-1时刻在通道channel输出的表达隐含空间局部关联关系的客流量特征；当t=1时，/>表示时空超图卷积模块初始时刻在通道channel输出的表达隐含空间局部关联关系的客流量特征；/>是根据通道channel的邻域超图确定的；通道channel取值为O或者D；当时，/>，/>表示时空超图卷积模块t时刻在O通道输出的表达隐含空间局部关联关系的流出客流量特征；当/>时，/>，/>表示时空超图卷积模块t时刻在D通道输出的表达隐含空间局部关联关系的流入客流量特征；/>为门控循环单元的更新门；/>表示门控循环单元的候选值；/>表示哈马达乘积；所述时空OD卷积模块包括：依次连接的二维超图卷积网络、超图卷积网络和门控循环单元；所述二维超图卷积网络用于对由OD通道下的邻域超图和语义超图建立的客流分布矩阵进行超图卷积操作，得到二维OD客流分布矩阵；所述超图卷积网络用于将所述二维OD客流分布矩阵经过格式转化后，得到一维数据；所述门控循环单元用于提取所述一维数据的时序特征，作为OD通道的客流量特征；所述二维超图卷积网络的计算公式为：
；其中，表示二维OD客流分布矩阵；/>表示由OD通道下的邻域超图和语义超图建立的客流分布矩阵；/>表示激活函数；/>表示通道O下的客流分布矩阵经超图拉普拉斯变换后的矩阵；/>表示通道D下的客流分布矩阵经超图拉普拉斯变换后的矩阵；N表示交通区域的总数；/>表示交通区域i对应的切比雪夫多项式；/>表示交通区域j对应的切比雪夫多项式；Θ表示可学习的卷积核；b表示可学习的偏置参数；所述多通道特征融合模块包括：第一融合单元和第二融合单元；所述第一融合单元用于将O通道的客流量特征和D通道的客流量特征进行合并，得到初步融合客流分布特征；所述第二融合单元用于将所述初步融合客流分布特征与所述OD通道的客流量特征进行加权求和，得到最终的OD客流分布特征；所述初步融合客流分布特征的计算公式为：
；其中，表示初步融合客流分布特征；/>表示交通区域i的D通道的客流量特征；表示交通区域i的O通道的客流量特征；concat表示拼接操作；所述OD客流分布特征的计算公式为：
；其中，表示OD客流分布特征；/>表示OD通道的客流量特征；/>表示OD通道下对应客流量的权重值分布比例；/>表示O通道和D通道下对应客流量的权重值分布比例。