← 返回列表
一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测方法
摘要文本
来源：马 克 团 队 本发明涉及一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测方法，属于交通流时空数据预测领域。本发明构建了一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测模型，模型采用三维残差卷积结构，用以捕获交通数据的时空依赖性特征，时空注意力模块用以捕获时空动态性特征，建立起历史数据与未来交通的直接关系，进一步提高现有方法在交通数据时空特征建模不充分的问题，提高了交通流量的预测精度，其预测结果可以缓解城市交通压力。
申请人信息
- 申请人:西南林业大学
- 申请人地址:650000 云南省昆明市白龙寺300号
- 发明人: 西南林业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410247186.4 |
| 申请日 | 2024/3/5 |
| 公告号 | CN117831301A |
| 公开日 | 2024/4/5 |
| IPC主分类号 | G08G1/01 |
| 权利人 | 西南林业大学 |
| 发明人 | 李乐成; 代飞; 黄苾; 王帅; 刘国志; 柴新卓 |
| 地址 | 云南省昆明市白龙寺300号 |
专利主权项内容
1.一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测方法，其特征在于，所述方法包括以下步骤：Step1：收集交通流量数据形成数据集，并对数据集进行预处理；Step2：将预处理后的数据集根据时间临近性和周期性进行数据划分，拼接构建后作为预测模型的输入数据；Step3：结合三维残差卷积神经网络和时空注意力机制构建交通流量预测模型，利用Step2中的数据对预测模型进行训练；其中，预测模型包括一个三维卷积层组成的升维单元、三个三维残差注意单元以及两个三维卷积层组成的降维单元，每个所述三维残差注意单元由三个三维卷积层和一个时空注意力块组成，所述时空注意力块包括时间注意力层和空间注意力层；Step4：使用训练好的预测模型在公开数据集上进行交通流量预测。