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：浙江大学
摘要：本发明公开了一种流量实时预测的Lanczos时空网络方法，本发明方法能够适用于跨度大、长范围波动的高速公路，在实时真实环境数据采集下，对实时流量预测达到可靠的准确性。本发明实时采集的数据训练预测网络；鲁棒性较强，使用的图神经预测网络有较强的鲁棒性，有较强的稳定性和实用性；适用性强，当图神经预测网络训练完成后，可以直接布置在智能管控和预测平台上而无需重复训练。
主权项：1.一种流量实时预测的Lanczos时空网络方法，其特征是，包括以下步骤：1构建多维结构化特征数据和路网数据；实时获取流量与交通态势数据；所述多维结构化数据包含交通态势和气象数据，所述交通态势数据包含但不限于流量、速度、密度、车型占比数据；气象数据包括但不限于天气状况、温度；所述路网数据由预测目标路网的检测器构成节点数据；2确定网络结构；数据输入层：使用时空模块作为特征输入编码器；时空卷积层：将输入特征分别输入空间卷积层和时间卷积层，再进行残差操作，得到的结果返回到输出层；输出层：使用预测器进行最后一层数据输出；3构建空间卷积层；空间卷积基于Lanczos方法作为图卷积核实现，首先根据路网数据计算相似变换矩阵的特征值和特征向量，通过多层感知机实现相似变换矩阵与路网矩阵之间的同型变换，得到不同的挖掘空间关联规则的矩阵，并与多维数据经过图卷积模块，得到不同关联规则的特征集，经过线性变换的融合得到空间模块输出；4构建时间卷积层；适用GRU作为时间卷积模块，将步骤3的空序特征数据输入门控循环单元，利用门控机制筛选长短时间序列传播特征，经过权重参数化得到时序输出；5实现实时预测；将步骤四得到的数据进行二维卷积操作得到预测结果，同预测目标数据传入损失函数，经过迭代器直到损失函数值达到可接受阈值，即改变训练参数，对比不同参数下的预测结果得到最好的预测模型。
全文数据：
权利要求：
百度查询： 浙江大学 一种流量实时预测的Lanczos时空网络方法
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