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：福州大学

摘要：本发明涉及一种融合graph2vec、双层LSTM的车辆行程时间预测方法及系统，该方法包括：获取车辆历史出行轨迹数据，解析轨迹的相关特征信息，转换成键值对的形式存放，构建轨迹特征数据集；获取城市路网的路段唯一标识名与路段之间的邻接关系，构建拓扑空间数据集；对轨迹特征数据集中的特征因子与车辆行程时间进行相关性分析，选取强相关性的特征因子，并与拓扑空间数据集进行匹配，获取预测行程时间数据集；构建融合graph2vec、双层LSTM的车辆行程时间预测模型，将预测行程时间数据集输入到模型中，对车辆的行程时间进行预测，输出车辆行程时间。该方法及系统有利于更加精准的预测车辆行程时间，提高资源利用效率。

主权项：1.一种融合graph2vec、双层LSTM的车辆行程时间预测方法，其特征在于，包括以下步骤：步骤S1：获取车辆历史出行轨迹数据，解析轨迹的相关特征信息，转换成键值对的形式存放，构建轨迹特征数据集；步骤S2：获取城市路网的路段唯一标识名与路段之间的邻接关系，构建拓扑空间数据集；步骤S3：对轨迹特征数据集中的特征因子与车辆行程时间进行相关性分析，选取强相关性的特征因子，并与拓扑空间数据集进行匹配，获取预测行程时间数据集；步骤S4：构建融合graph2vec、双层LSTM的车辆行程时间预测模型，将预测行程时间数据集输入到模型中，对车辆的行程时间进行预测，输出车辆行程时间；所述步骤S3具体包括以下步骤：步骤S31：采用夏皮罗-威尔克检验法检验轨迹特征数据集中的特征因子，对非正态分布数据采用斯皮尔曼相关系数进行相关性分析，获取变量之间的相关系数；步骤S32：选取强相关性的特征因子，并与拓扑空间数据集进行匹配，构建预测行程时间数据集；所述步骤S4具体包括以下步骤：步骤S41：采用CBAM注意力模块提取路径空间特征信息，获得路径空间特征矩阵；步骤S42：将轨迹特征数据集中的特征因子进行编码，表征为特征向量，获取属性特征矩阵；步骤S43：将相邻两个路段之间的标识连接表示为一条边，以键值对的形式对每条边进行边属性的录入，利用graph2vec方法，将拓扑空间数据集输入到图转向量模块中，生成路网空间表征矩阵；步骤S44：将获得的路径空间特征矩阵、属性特征矩阵、路网空间表征矩阵进行拼接输入，利用双层LSTM，提取车辆行程中的时间特征，生成时间特征矩阵；步骤S45：将获得的时间特征矩阵，输入到行程时间预测模块，对LSTM输出的隐藏状态利用softmax函数分配不同的权重，识别关键路段对通行时间的影响；在全连接层，使用平均绝对误差作为模型的损失函数，将预测结果与真实结果进行比较，对模型进行不断的迭代训练，实现对车辆行程时间的预测。

全文数据：

权利要求：

百度查询： 福州大学 融合graph2vec、双层LSTM的车辆行程时间预测方法及系统