买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学

摘要：本发明公开了基于时空图卷积网络的全国公路运输能力分布预测方法，包括：获取全国各城市公路运力历史数据并进行预处理；对公路运力历史数据进行奇异谱分解，提取公路运力时序数据的趋势性、波动性和噪声信号；通过计算传递熵确定各城市间公路运力的因果矩阵；使用因果矩阵构造邻接矩阵，利用时空图卷积网络对公路运力的趋势性数据以及波动性数据进行学习预测；最后将趋势性预测值和波动性预测值进行融合，得到各城市公路运力的预测值。本发明的方法充分利用了公路运力变化的趋势性特征并考虑了运力分布的空间因果特性，对全国各城市公路运力分布有较好的预测能力，为全国交通运力分布时序预测提供了有效而稳定的解决方案。

主权项：1.基于时空图卷积网络的全国公路运输能力分布预测方法，其特征在于，包括以下步骤：S1：数据获取及预处理；具体过程为：S1-1：对全国各城市编号，各城市公路运力值X＝[X1,X2,X3,…,Xc,…,XG]，其中，X1,X2,X3,…,Xc,…,XG分别为城市1,2,3,…,c,…,G的公路运力历史值，G为全国城市总数，获取城市c在预测时刻前N+1天内的每日公路运力值Xc＝[xc1,xc2,xc3,…,xcn,…,xcN+1]，其中，xc1,xc2,xc3,…,xcn,…,xcN+1分别为城市c在预测时刻前N+1天，前N天，前N-1天，…，前N+1-n天，…，前1天的公路运力值；S1-2：对公路运力值进行数据清洗，对于缺失数据通过线性插值补全；S1-3：对公路运力值进行差分计算：Δxcn＝xcn+1-xcnΔXc＝[Δxc1,Δxc2,Δxc3,…,Δxcn,…,ΔxcN]其中，Δxc1,Δxc2,Δxc3,…,Δxcn,…,ΔxcN分别为城市c在预测时刻前N天，前N-1天，前N-2天，…，前N+1-n天，…，前1天的公路运力变化值，ΔXc为城市c的公路运力历史变化值；S1-4：将ΔXc进行0-1归一化处理，得到归一化后的公路运力历史变化值ΔZc＝[Δzc1,Δzc2,Δzc3,…,Δzcn,…,ΔzcN]，其中，Δzc1,Δzc2,Δzc3,…,Δzcn,…,ΔzcN分别为归一化后城市c在预测时刻前N天，前N-1天，前N-2天，…，前N+1-n天，…，前1天的公路运力历史变化值；S1-5：重复步骤S1-1至S1-4得到各城市公路运力历史变化值ΔZ＝[ΔZ1,ΔZ2,ΔZ3,…,ΔZc,…,ΔZG]，其中，ΔZ1,ΔZ2,ΔZ3,…,ΔZc,…,ΔZG为归一化后的城市1,2,3,…,c,…,G的公路运力历史变化值；S2：确定奇异谱分析的参数即时间滑动窗的大小，将每个城市的归一化后公路运力历史变化值进行奇异谱分解，从分解后的分量中提取时序信号的趋势性信号、波动性信号及噪声；S3：计算不同城市之间的传递熵，构造全国各城市间公路运力的因果矩阵；S4：使用全国公路运力的因果矩阵构造邻接矩阵，将每个城市公路运力值的趋势性信号及波动性信号作为时空图卷积网络中不同时间片上各节点的值，搭建时空图卷积网络；S5：将通过时空图卷积网络后得到的趋势性信号预测值及波动性信号预测值融合，得到最终的城市公路运力分布预测值。

全文数据：

权利要求：

百度查询： 北京航空航天大学 基于时空图卷积网络的全国公路运输能力分布预测方法