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：无锡学院
摘要：本发明公开了一种交通流量预测方法，涉及智能交通技术领域，其具体步骤包括：S1、构建交通流量预测模型；S2、获取城市区域交通网络的相关数据，以及交通拥堵情况；S3、对交通流量预测模型进行训练，将交通流序列依次输入进嵌入层来融合时空信息，通过多图图卷积层来提取空间特征，特别是针对交通拥堵问题，引入动态的自适应邻接矩阵以捕捉交通网络中的实时变化和节点间的复杂依赖关系，通过时空多头自注意力层来捕获时空相关性；S4、获取当前时刻的交通数据，将获取的当前时刻的交通数据输入训练好的交通流量预测模型，输出未来时间段的交通流量，从而更加有效的解决城市交通拥堵问题，并提高交通流量预测的准确性。
主权项：1.一种交通流量预测方法，其特征在于：包括以下步骤S1、构建交通流量预测模型，交通流量预测模型包括嵌入层、多图图卷积层、时空多头自注意力层以及输出层，嵌入层包括原始特征嵌入、周期嵌入以及自适应时空嵌入，周期嵌入包括按日嵌入和按周嵌入；S2、获取城市区域交通网络的历史交通数据，以及交通拥堵情况，并将历史交通数据送入嵌入层中的嵌入模块，在原始交通流序列的基础上融合得到包含时空信息特征的新交通流序列，历史交通数据包括交通流量、交通速度以及道路占有率；S3、对交通流量预测模型进行训练，将原始交通流序列依次输入嵌入层来融合时空信息，分别提取交通数据中的原始特征嵌入、按日嵌入、按周嵌入以及自适应时空特征嵌入，并将四种嵌入拼接在一起得到嵌入层的输出；通过多图图卷积层来提取空间特征，多图图卷积层包括邻接矩阵、最大互信息系数矩阵、动态的自适应邻接矩阵以及扩散图卷积操作，通过动态的自适应邻接矩阵捕捉交通网络中的实时变化和节点间的依赖关系；通过时空多头自注意力层来捕获时空相关性，时空多头自注意力层包括时间多头自注意力和空间多头自注意力；在输出层中，将提取到的时空信息通过一层全连接层，最终通过激活函数和线性变换层输出最终的预测结果；S4、获取当前时刻交通数据，将获取的当前时刻交通数据输入训练好的交通流量预测模型，输出未来时间段的交通流量。
全文数据：
权利要求：
百度查询： 无锡学院 一种交通流量预测方法
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