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！
摘要：本发明涉及交通预测技术领域，具体涉及一种基于数据驱动的多视图流量预测方法及系统，本发明数据驱动的多视图时空预测模型MTGNN，成功应用于交通流量预测任务上。在MTGNN模型中，本发明分别通过扩散卷积方法，对已有的邻边矩阵和数据驱动的自适应邻边矩阵提取局部空间特征，再通过多图耦合模块进行融合，提取到全局空间特征，并通过编码器‑解码器结构的递归神经网络来捕获时间动态。最后，本发明在四个真实数据集上大量实验结果，验证了我们的模型相对于其他九个baselines的优越性，解决了当前主流的流量预测模型大多从节点的空间拓扑结构出发提取网络的空间特征，从而忽略在时序上相似的节点间依赖关系的问题。
主权项：1.一种基于数据驱动的多视图流量预测方法，其特征在于，包括以下步骤：获取交通图数据，以节点度量角度构造数据驱动的自适应邻接矩阵，并通过SVD分解后输入多视图时空预测模型MTGNN训练；以节点度量角度构造数据驱动的自适应邻接矩阵具体为：基于数据驱动从节点的历史数据中分析出节点间的相关性，并定义交通图的自适应邻接矩阵Aadp∈RN×N：Aadp＝SoftmaxReLUE1，E2其中，E1，E2为可训练参数；基于Norm2定义了节点间的距离矩阵 其中为节点i和节点j之间历史数据差值的二范数，m∈RN×N，p∈RN×N，n∈RN×N分别为节点距离矩阵的奇异分解值；将E1，E2初始化为： 在训练的过程中，E1∈RN×N，E2∈RN×N会自动更新，以学习不同流量序列之间隐藏的依赖关系，并生成用于图卷积的自适应邻接矩阵；分别通过扩散卷积方法，对基于交通图数据空间距离的邻边矩阵和数据驱动的自适应邻接矩阵提取局部空间特征；通过耦合每个节点与其空间邻居节点、时序相似节点的信息，提取全局空间特征并作为GRU模型的时域输入；通过堆叠多个GRU模型来学习多视图时空预测模型MTGNN网络的时域特征，实现未来时间步的流量预测。
全文数据：
权利要求：
百度查询： 石河子大学 基于数据驱动的多视图流量预测方法及系统
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