基于多图卷积和GRU的不规则区域流量预测方法技术

本发明专利技术公开了基于多图卷积和GRU的不规则区域流量预测方法，包括如下步骤：步骤一，将地域划分为N个不相连的不规则区域；步骤二，对历史轨迹数据进行时空简化，计算得到所有区域在每个时间步下的进入量和流出量；步骤三，建立区域间的多个关联图，构造相应的邻接矩阵，表示不规则区域间多样化的空间关联；步骤四，基于区域间的所述关联图设计多图卷积神经网络，融合区域间多样化的空间关联特征，得到多图卷积融合的结果；步骤五，基于多图卷积融合结果，采用GRU神经网络来捕获时间关联；步骤六，选择合适的损失函数，训练得到预测模型，通过所述预测模型预测得到每个区域的所述进入量和所述流出量。

Traffic prediction method in irregular area based on multi graph convolution and Gru

【技术实现步骤摘要】
基于多图卷积和GRU的不规则区域流量预测方法
本专利技术涉及交通流量预测领域，尤其是涉及基于多图卷积和GRU的不规则区域流量预测方法。
技术介绍
交通流量预测是智能交通系统中重要的组成部分。区域流量预测的目的是基于给定的历史数据，预测城市区域中未来的流量值，精确的预测能帮助交通管理者提前进行流量控制和管理。区域流量预测方法通常利用区域间的空间关联和时间关联。传统的区域流量预测使用时间序列预测方法，如自回归移动平均模型(ARIMA)、时变泊松模型、向量自回归模型。它们仅考虑时间依赖关联，预测准确率较低。随着深度学习的兴起，研究者采用深度学习模型来预测流量。相比于传统的方法，长短期记忆网络LSTM(LongShortTermMemory)和门控循环单元GRU(GatedRecurrentUnit)模型对于短期时间序列预测取得了更好的效果。但是，它们仍然仅关注于时间关联。为了更好地捕获时空关联，研究者提出采用基于卷积神经网络(CNN)和残差神经网络的方法来预测区域流量，首先将城市划分为网格，然后在网格级别预测流量。但是，这些方法仅能预测规则区本文档来自技高网...

【技术保护点】
1.基于多图卷积和GRU的不规则区域流量预测方法，其特征在于，包括如下步骤：/n步骤一，将地域划分为N个不相连的不规则区域；/n步骤二，对历史轨迹数据进行时空简化，计算得到所有区域在每个时间步下的进入量和流出量；/n步骤三，建立区域间的多个关联图，构造相应的邻接矩阵，表示不规则区域间多样化的空间关联；/n步骤四，基于区域间的所述关联图设计多图卷积神经网络，融合区域间多样化的空间关联特征，得到多图卷积融合的结果；/n步骤五，基于多图卷积融合结果，采用GRU神经网络来捕获时间关联；/n步骤六，选择合适的损失函数，训练得到预测模型，通过所述预测模型预测得到每个区域的所述进入量和所述流出量。/n

【技术特征摘要】
1.基于多图卷积和GRU的不规则区域流量预测方法，其特征在于，包括如下步骤：
步骤一，将地域划分为N个不相连的不规则区域；
步骤二，对历史轨迹数据进行时空简化，计算得到所有区域在每个时间步下的进入量和流出量；
步骤三，建立区域间的多个关联图，构造相应的邻接矩阵，表示不规则区域间多样化的空间关联；
步骤四，基于区域间的所述关联图设计多图卷积神经网络，融合区域间多样化的空间关联特征，得到多图卷积融合的结果；
步骤五，基于多图卷积融合结果，采用GRU神经网络来捕获时间关联；
步骤六，选择合适的损失函数，训练得到预测模型，通过所述预测模型预测得到每个区域的所述进入量和所述流出量。


2.根据权利要求1所述的基于多图卷积和GRU的不规则区域流量预测方法，其特征在于，所述步骤一中，基于所述地域的路网结构数据，采用不规则区域划分方法，将所述地域划分为N个不相连的不规则区域。


3.根据权利要求1所述的基于多图卷积和GRU的不规则区域流量预测方法，其特征在于，所述步骤二，首先将处理的整个时间段按单位时间划分为多个时间步，然后基于区域划分结果，将原始的历史轨迹数据按单位时间映射到所述区域中，得到简化的轨迹：
TRSimp＝(startRegion，startDate，startHour，endRegion，endDate，endHour)
其中startRegion为出发区域ID，startDate为出发日期，startHour为出发单位时间，endRegion为到达区域ID，endDate为到达日期，endHour为到达单位时间，接着聚合简化的轨迹计算得到每个所述区域的进入量和流出量其中所述表示第t个时间步下区域i的进入量，所述表示第t个时间步下区域i的流出量，最后基于所述和所述计算得到所有区域在所述时间步t下的进入量和流出量


4.根据权利要求3所述的基于多图卷积和GRU的不规则区域流量预测方法，其特征在于，所述步骤三，建立不同的所述关联图来表示不规则区域间多样化的空间关联，包括距离图、流量交互图、流量关联图，所述不同的关联图均采用G＝(V，E)表示，节点vi∈V代表不规则区域，边(vi，vj)∈E编码了不规则区域间的关联程度，由邻接矩阵A∈RN×N表示；
所述距离图，边的权重为两个区域间的距离，所述距离图中邻接矩阵元素Ad(i，j)的值计算如下：



所述dist(i，j)表示所述区域i和j中心点之间的距离，将所述邻接矩阵Ad归一化到[0，1]，并基于预先定义好的距离阈值thresd将所述Ad转换为一个0/1矩阵，如果所述Ad(i，j)≤thresd，表示所述区域i和j之间的距离非常接近，令所述Ad(i，j)＝1，否则所述Ad(i，j)＝0；
所述流量交互图，指示两个区域之间是否有频繁的双向流量，通过对所述TRSimp数据进行聚合，获得在整个分析时间段内从所述区域i出发到达所述区域j的流量值fn(i，j)和从所述区域j出发到达所述区域i的流量值fn(j，i)，所述流量交互图中邻接矩阵元素Ainter(i，j)的值计算如下：



将所述邻接矩阵Ainter归一化到[0，1]，并基于预先定义的流量交互阈值thresinter将所述Ainter转换为一个0/1矩阵，如果所述Ainter(i，j)≥thresinter，表示所述区域i和j之间的交互非常强，令所述Ainter(i，j)＝1，否则所述Ainter(i，j)＝0；
所述流量关联图，指示区域间流量的时间相关性，获得每个区域在每个时间步下的历史流量值，根据需要分析的时间段，设定所述时间段内每个区域进入量和流出量的时间序列，对于所述区域i，时间序列表示为：所述T表示时间段长度，采用皮尔逊相关系数计算所述区域i和所述区域j之间的关联，所述流量关联图中所述邻接矩阵元素Acorr(i，j)的值计算如下：



所述hi和所述hj表示所述区域i和j的所述时...

【专利技术属性】
技术研发人员：史晓颖，僧德文，吕凡顺，徐海涛，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33