龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：齐鲁工业大学
摘要：本公开提供了一种用于道路占有率预测的多元时空图神经网络方法及系统，利用一种多元时空图神经网络‑MLSGNN，能够在没有预定义的图结构的情况下，提取各个变量之间的潜在关系，生成图的特征矩阵，并有效的结合多个层次的邻域信息，处理各个变量的长时间历史信息，获得并记忆变量内部的时间依赖关系，实现对未来道路占有率的精准预测。
主权项：1.一种用于道路占有率预测的多元时空图神经网络方法，其特征在于，包括：S1:获取待预测道路的历史交通道路占有率数据，按照时间窗口将历史交通道路占有率数据划分为每个时刻的道路占有率数据，并将每个时刻的道路占有率数据作为节点特征；S2:将每个节点特征分别输入多元时空图神经网络的隐藏相关层，生成图邻接矩阵；所述隐藏相关层能够通过原始节点特征的嵌入信息自动学习节点之间的隐藏关系，从而生成图的邻接矩阵；S3:在空间域中，将生成的邻接矩阵输入进图处理模块进行多个层次的邻域信息的结合，并提取和筛选每一层的重要特征，获得各个变量之间的空间依赖关系；在时间域上，将各个变量的长时间重要特征输入至LSTM模块，获得并记忆变量内部的时间依赖关系；所述LSTM模块由记忆细胞、输入门、遗忘门和输出门组成；所述输入门用来控制新信息存放在当前记忆细胞的程度；所述遗忘门用来决定保留或是删除上一时间步记忆细胞的信息；所述输出门则用来控制记忆细胞的现有值是否会影响输出；将上一层的输出分别输入进两层LSTM中，其中一层LSTM的输出使用tanh函数进行激活，另一层LSTM的输出使用sigmoid的函数进行激活；将上述两层获得的两部分输出相乘，并通过Dropout丢弃层得到输出；S4:重复步骤S2、S3直到最后一个时刻，最后将得到的空间关系依赖特征和时间关系依赖特征输入至卷积模块中得到未来某一时刻的道路占有率预测结果。
全文数据：
权利要求：
百度查询： 齐鲁工业大学 一种用于道路占有率预测的多元时空图神经网络方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号