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：浙江工业大学

摘要：一种基于知识迁移框架的跨城市交通状态预测方法，首先利用地理划分方法将目标城市和源城市划分为相应的网格地图，并将区域建模为节点，将城市建模为图；其次，基于各城市的路网结构、区域间的连接关系及区域内的上下文信息和交通数据构建出相应的多图网络；然后，将所构建的多图网络作为特征提取模块的输入，经多层图卷积和实例注意力处理提取出城市的嵌入特征；然后，各城市的嵌入特征输入到特征匹配模块中；再者，将匹配权值引入联合元学习模块中，经过源训练、目标微调、参数更新三步骤实现参数更新；最后，在目标城市进行最终的模型微调，实现准确的跨城市交通状态预测。本发明能够在数据有限的目标城市准确地预测交通状态。

主权项：1.一种基于知识迁移框架的跨城市交通状态预测方法，其特征在于，所述方法包括以下步骤：步骤1：基于地理划分：将城市路网结构划分为一个网格地图，网格地图表示为WC×HC，WC,HC分别表示为城市的经纬度范围，网格地图中的每一个网格称为一个区域r，基于源城市和目标城市所构建的网格地图分别表示为WS×HS,WT×HT；基于网格地图，将区域建模为节点，将城市建模为图，基于区域间的连接关系和道路连接关系，及基于区域间的道路信息和交通数据构建出多图网络：基于区域间的相邻性构建出图gp，基于区域间的道路连接性构建出图gr，基于区域间poi分布的相似性构建出图gpoi，基于区域间人口流动的相似性构建出图gs,gd，源城市和目标城市构建出的多图网络分别表示为步骤2：基于构建的多图网络v∈{p,r,poi,s,d},C∈{S,T},其中表示的边集合，将多图网络输入到特征提取模块中，经多层图卷积和实例注意力机制处理，得到各城市的嵌入特征C∈{S,T}；,其中NC表示城市区域的数量,Demb表示为相应的嵌入维度数；步骤3：基于源城市的嵌入特征和目标城市的嵌入特征将两者输入到特征匹配模块：首先对两嵌入特征添加相应的位置编码，以区分各自特征的来源，从而得到特征其次利用自我注意力机制和交互注意力机制对进行处理，得到城市的泛化特征最后利用相似性计算方法计算得到源城市与目标城市之间的特征匹配权值λS,T；步骤4：基于特征匹配权值λS,T，将其引入到联合元学习模块中，过程如下：①源训练：在源城市的环境中进行相应的交通状态预测，对源城市的训练数据进行批量随机采样并输入到相应的深度交通预测模型中进行交通状态预测，在损失计算考虑匹配权值λS,T得到加权损失，并利用加权损失来更新模型参数；②模拟目标微调：基于源训练的基础，在目标城市的环境中进行内部微调，随机批量采样目标城市的训练数据输入到深度交通预测模型中进行相应的交通状态预测，并根据误差损失更新模型参数；③参数更新：利用目标城市的测试数据对交通预测模型的性能进行评估，进而对特征匹配权值λS,T及源训练和目标微调两步骤进行评估；随机批量采样目标城市的测试数据，输入到相应的深度交通预测模型中，并根据联合损失更新特征提取模块、特征匹配模块及交通预测模型的参数；步骤5：在目标城市进行最终的模型微调：在目标城市再进行交通状态预测以实现进一步的参数更新，从而得到最优的模型参数，进而实现最为准确的跨城市交通状态预测。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于知识迁移框架的跨城市交通状态预测方法