基于数据融合和知识图谱嵌入的城市流量模式挖掘方法技术

本发明专利技术公开了一种基于数据融合和知识图谱嵌入的城市流量模式挖掘方法，包括步骤：多源异构数据预处理、实体提取和关系提取、多源数据融合和城市流量模式的知识三元组挖掘。本发明专利技术的有益效果在于，构建有效的城市交通流量知识图谱，可用于对不同日期和不同时间的交通流量进行预测，或者对整个城市相同的交通流量模式进行概览。

【技术实现步骤摘要】
基于数据融合和知识图谱嵌入的城市流量模式挖掘方法
本专利技术涉及人工智能和知识图谱
，特别是一种基于数据融合和知识图谱嵌入的城市流量模式挖掘方法。
技术介绍
基于大数据的智能城市技术的创新发展对城市的发展和运行带来巨大的影响。城市计算是一个对城市多源异构大数据进行收集、融合和分析的过程，对解决城市中问题是有效的和有价值的。比如利用机器学习方法预测城市交通流量、城市空气质量和水质量，和缓解城市交通拥堵等。这些方法可以对将来某些时刻的结果进行有效地预测。更智能的，一些方法可以实现实时的预测。然而，这一类方法得到的结果都是瞬时的，只能分析城市离散的状态。通常，许多的城市状态在许多时刻都是相同的，比如工作日的早高峰和晚高峰。利用城市交通流的这个特性，如瞬时性、周期性和长期性，可以有效地优化预测结果。如果城市的状态能够被保留，可以直接得到城市的预测结果根据相同的状态下的特征。幸运地是，知识图谱的知识存储和高速反馈能力，对城市的连续状态和多方面的问题进行同时研究是非常有意义的。通过构建城市知识图谱，可以对城市的知识进行有效地的存储和运用。近年本文档来自技高网...

【技术保护点】
1.基于数据融合和知识图谱嵌入的城市流量模式挖掘方法，其特征在于，包括：/n步骤1：多源异构数据预处理，包括：/n对城市地图按经纬度划分为M×N个区域，并将每条轨迹的起始点p

【技术特征摘要】
1.基于数据融合和知识图谱嵌入的城市流量模式挖掘方法，其特征在于，包括：
步骤1：多源异构数据预处理，包括：
对城市地图按经纬度划分为M×N个区域，并将每条轨迹的起始点ps和到达点pe分别映射到对应的起点区域和终点区域中；
计算在不同时间点所有区域之间的迁移量，得到时间序列迁移矩阵其中，|v|表示所有区域的数量，|v|＝M×N，T表示时间点的数量；
计算整个时间段每个区域的流量变化量，得到区域迁移矩阵
计算每两个区域之间的欧氏距离，得到区域相对距离矩阵
利用独热编码对每个区域的POI属性进行初始化编码，计算每两个区域之间的余弦相似度，得到区域POI语义相似度矩阵
步骤2：实体提取和关系提取，包括：
将输入到LSTM自编码器的编码器中，获取特定的时间段内任意两个区域的迁移特征其中，k是时间序列迁移矩阵的特征维度；所述LSTM自编码器由编码器和解码器组成，其中编码器由两层LSTM层和一层线性层构成，解码器和编码器具有相同的结构；
将输入到2D-CNN自编码器中，得到区域的迁移特征其中，k2是区域迁移矩阵的特征维度；所述2D-CNN自编码器由编码器和解码器组成，其中编码器由两层2D卷积层和一层线性层构成，解码器由第一上采样层、第一2D卷积层、激活层、第二上采样层和第二2D卷积层构成；
将输入到另一个2D-CNN自编码器中，得到区域的相对距离特征
将输入到1D-CNN自编码器中，得到区域的POI语义特征所述1D-CNN自编码器由两层1D卷积层和一层线性层构成，解码器由第一上采样层、第一1D卷积层、激活层、第二上采样层和第二1D卷积层构成；
步骤3：多源数据融合，包括：
对和进行平均融合，即得到融合结果再将和进行连接融合，并加上一层...

【专利技术属性】
技术研发人员：李天瑞，刘佳，谢鹏，杜圣东，滕飞，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51