一种基于时空关联特征矩阵的未来交通流量智能预测方法
申请人信息
- 申请人:南京邮电大学
- 申请人地址:210003 江苏省南京市鼓楼区新模范马路66号
- 发明人: 南京邮电大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于时空关联特征矩阵的未来交通流量智能预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410117383.4 |
| 申请日 | 2024/1/29 |
| 公告号 | CN117649769A |
| 公开日 | 2024/3/5 |
| IPC主分类号 | G08G1/01 |
| 权利人 | 南京邮电大学 |
| 发明人 | 徐小龙; 张继杰 |
| 地址 | 江苏省南京市栖霞区文苑路9号 |
摘要文本
本发明涉及一种基于时空关联特征矩阵的未来交通流量智能预测方法，引入图卷积残差网络与时空双向门控循环单元组合，实现对目标路网的预测，其中，时空双向门控循环单元有效地捕捉交通数据中的时空关联性，允许模型在考虑历史数据的同时，考虑未来时刻的信息，图卷积残差网络有助于模型更好地理解城市交通网络的拓扑结构，从而提高预测的精确性和鲁棒性，设计方法通过考虑时间和空间的复杂关系，精确地预测未来交通流量，提高了交通管理的效率，应用潜力广泛，不仅可以帮助城市规划者更好地管理交通流量，还可以为个人驾驶者提供实时交通信息，以改善他们的出行体验，具有重要的实际应用前景。
专利主权项内容
1.一种基于时空关联特征矩阵的未来交通流量智能预测方法，其特征在于：执行步骤A至步骤D，获得目标路网对应的路网预测模型，进而执行步骤i，对目标路网实现目标未来时段的预测；步骤A. 以道路为节点、道路之间相连为对应节点间相连边，构建目标路网拓扑节点图，并获得拓扑节点图所对应关于节点之间是否连通的邻接矩阵，然后进入步骤B；步骤B. 首先获得预设周期各历史时间点下、目标路网关于各道路对应预设各道路属性特征的特征矩阵，然后基于第一预设数量连续各历史时间点的依据时段，向未来时间方向与依据时段间隔预设时长跨度、包含第二预设数量连续各历史时间点的分析时段，以依据时段各历史时间点下目标路网特征矩阵、结合对应分析时段各历史时间点下目标路网特征矩阵构建样本，获得各组样本，再进入步骤C；步骤C. 构建包括图卷积残差网络与时空双向门控循环单元串联的待训练网络，然后进入步骤D；步骤D. 基于各组样本，以目标路网拓扑节点图、样本中依据时段各历史时间点下目标路网特征矩阵为输入，样本中分析时段各历史时间点下目标路网特征矩阵为输出，针对待训练网络进行训练，获得路网预测模型；步骤ⅰ. 针对向历史时间方向与目标未来时段相距间隔预设时长跨度依据时段的依据时段，按步骤B方法，获得该依据时段中各历史时间点下、目标路网关于各道路对应预设各道路属性特征的特征矩阵，然后结合目标路网拓扑节点图，应用目标路网对应的路网预测模型，获得目标未来时段各时间点下、目标路网关于各道路对应预设各道路属性特征的特征矩阵，对目标路网实现目标未来时段的预测。