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：四川警察学院

摘要：本发明公开了一种基于动态自适应卷积神经网络的城市交通流预测方法，涉及交通工程及智能交通技术领域，包括：数据采集及预处理；建立基于时空残差卷积的神经网络模型；构建动态自适应卷积；建立时空动力学模型并对其进行优化；利用随机梯度下降算法，通过训练不断优化动态时空自适应卷积网络超参数，得到交通状态预测方案；本发明利用DSTACN在预测交通流考虑时空依赖关系，捕捉路网中的动态时空关系，使得预测结果更加精确。

主权项：1.一种基于动态自适应卷积神经网络的城市交通流预测方法，其特征在于，包括以下步骤：步骤1、数据采集及预处理：根据实验设计对数据进行不同时间域的处理、数据集划分、归一化处理，获得道路网络上的历史交通数据特征，并形成输入特征矩阵；步骤2、建立基于时空残差卷积的神经网络模型：结合处理后的输入特征矩阵，构建出基础的基于时空残差卷积的神经网络模型；步骤3、构建动态自适应卷积：交通数据表现出的空间相关性由注意力引导的动态卷积和可变形卷积捕捉，将动态卷积和可变形卷积结合为自适应卷积；在步骤3中，所述可变形卷积通过调整卷积核位置与路网结构保持一致，同时利用注意力引导的可变形卷积网络V2学习可变形卷积的偏移量：在输入特征图x上使用规则网格进行采样，然后将采样值按w加权求和，且给所述规则网格添加偏移量{Δpn|n＝1,…,N}；公式如下： 这里,p代表特征图上的像素点位置，yp代表特征图上p点的卷积结果，pn代表卷积核的第n个位置，Δpn代表n位置通过卷积学习到的偏移量，为浮点数，而Δmn则是第n个位置的调制标量，b代表偏差，通过对输入特征图x应用单独的卷积层而获得，由于p+pn+Δpn是浮点数，因此要通过双线性插值法进行变换；在步骤3中，通过聚合多个线性函数来引入动态卷积，具体如下： 其中，πk是第k个线性函数的注意力权重，代表第k个卷积核的原始权重与偏差，代表经过注意力计算的动态卷积权重与偏差，通过注意力后权重{πkx}并非固定不变，而是随每个输入x的变化而变化；步骤4、建立时空动力学模型并对其进行优化：交通数据的时间相关性由时间注意力捕捉，动态时间注意力与动态自适应卷积集成到所述基于时空残差卷积的神经网络模型中同步构建时空动力学模型，得到动态时空自适应卷积网络；步骤5、利用随机梯度下降算法，通过训练不断优化动态时空自适应卷积网络超参数，得到交通状态预测方案。

全文数据：

权利要求：

百度查询： 四川警察学院 基于动态自适应卷积神经网络的城市交通流预测方法