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：哈尔滨工业大学
摘要：一种基于Transformer与GCN的城市交通网络交通流预测方法与系统。涉及交通预测技术领域，具体涉及城市交通网络交通流预测技术领域。为解决现有研究发明的不足，本发明提供如下方案，将交通系统收集的数据进行Z‑score归一化处理、对交通网络时空属性进行收集与编码、根据道路网络与交通数据进行预定义拓扑结构结构、建立一个基于Transformer与GCN的神经网络模型、利用历史数据对提出的模型进行训练、采用自回归的推理模式，根据历史交通数据预测未来交通荷载数据。本发明在交通领域中有较好的应用，可以提高交通流量预测的准确性和可靠性，为交通管理和规划提供有力支持。
主权项：1.一种基于Transformer与GCN的城市交通网络交通流预测方法，其特征在于，所述方法包括：步骤一、对原始交通数据进行Z-score预处理操作，得到输入数据X，将所述输入数据X分为训练集和测试集，所述原始交通数据是待预测城市交通网络中的实际交通流量；步骤二、收集所述城市交通网络中桥隧网络中各个桥隧对应的时间属性和空间属性，并对所述时间属性和空间属性进行编码处理，使所述时间属性和空间属性与所述输入数据X对应，所述桥隧网络是城市交通网络中的桥梁和隧道组成的网络；步骤三、建立预定义图，所述预定义图包括：距离图、相似性图、相关性图和特征图；步骤四、根据所述输入数据X、所述时间属性、所述空间属性和所述预定义图，建立城市交通网络交通流预测模型，所述预测模型为：fX,TC,SC,PG＝Y其中，X为输入数据，TC为时间属性，SC为空间属性，PG为预定义图，Y为预测的交通数据流；步骤五、利用所述训练集对所述预测模型进行训练，定义损失函数，得到训练好的城市交通网络交通流预测模型，所述损失函数用于衡量预测结果与真实值之间的差异；步骤六、向训练好的城市交通网络交通流预测模型输入所述测试集，预测未来交通数据流。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学 一种基于Transformer与GCN的城市交通网络交通流预测方法与系统
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