一种基于时空数据的流量确定方法、装置、设备和介质制造方法及图纸

本发明专利技术实施例公开了一种基于时空数据的流量确定方法、装置、电子设备和计算机可读存储介质，涉及计算机技术领域。该实施例包括：获取目标区域内的第一历史流量数据；将所述历史流量数据作为输入数据输入预设的时空网络模型，得到所述目标区域在目标时间段内的目标流量数据，所述预设的时空网络模型包括时空特征层，所述时空特征层通过多种尺度的卷积核获得所述历史流量数据的多种卷积特征，并通过自注意力机制从所述多种卷积特征中确定所述历史流量数据的时空特征。该实施例能够准确确定各个区域的流量变化和历史流量之间的关系以及确定不同区域之间的流量流转之间的关系，从而准确预测目标区域的流量。准确预测目标区域的流量。准确预测目标区域的流量。

【技术实现步骤摘要】
一种基于时空数据的流量确定方法、装置、设备和介质


[0001]本申请涉及计算机
，尤其涉及一种基于时空数据的流量确定方法、装置、设备和介质。

技术介绍

[0002]近年来，深度学习在自然语言处理、计算机视觉方面取得了很大成功。这些成功一方面依赖于大数据和硬件算力的发展，另一方面也依赖于神经网络架构的发展。在具体的应用场景中，如目标检测等，很多具有针对性、定制化的特征提取网络模型被研发。但是，在时空领域具有针对性的网络模型很少，而现有的网络模型是借鉴其他领域的模型进行特征提取，这些模型往往忽略了时空数据的特性，因此效果差强人意。

技术实现思路

[0003]为了解决上述技术问题或者至少部分地解决上述技术问题，本专利技术实施例提供一种基于时空数据的流量确定方法、装置、设备和介质。
[0004]第一方面，本专利技术实施例提供了一种基于时空数据的流量确定方法，包括：获取目标区域内的第一历史流量数据；将所述历史流量数据作为输入数据输入预设的时空网络模型，得到所述目标区域在目标时间段内的目标流量数据；其中，所述预设的时空网络模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空数据的流量确定方法，其特征在于，包括：获取目标区域内的第一历史流量数据；将所述历史流量数据作为输入数据输入预设的时空网络模型，得到所述目标区域在目标时间段内的目标流量数据；其中，所述预设的时空网络模型包括时空特征层，所述时空特征层通过多种尺度的卷积核获得所述历史流量数据的多种卷积特征，并通过自注意力机制从所述多种卷积特征中确定所述历史流量数据的时空特征，以使所述预设的时空网络模型根据所述时空特征，确定所述目标区域在目标时间段内的目标流量数据。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述预设的时空网络模型包括多个相邻的时空特征层的情况下，将所述多个相邻的时空特征层中前一个时空特征层的输出数据输入后一个时空特征层，以确定所述输出数据的时空特征。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述预设的时空网络模型还包括第一卷积层的情况下，将所述历史流量数据输入所述第一卷积层，获取所述历史流量数据的高维特征，并将所述高维特征输入所述时空特征层。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在所述预设的时空网络模型还包括第二卷积层的情况下，将所述时空特征输入所述第二卷积层，对所述时空特征进行降采样操作，以获得所述目标区域在目标时间段内的目标流量数据。5.根据权利要求1所述的方法，其特征在于，所述方法还包括根据如下步骤训练得到所述预设的时空网络模型：对训练区域进行格化划分，确定多个网格区域；针对每一所述网格区域，获取所述网格区域在多个时间段内的第二历史流量数据；将所述多个网格区域在同一时间段内的第二历史流量数据进行拼接，得到所述同一时间段的第二流量特征数据；根据所述多个时间段内的所述第二流量特征数据，得到历史流量序列，将所述历史流量序列作为训练数据集；对所述训练数据集进行训练，以获得所述预设的时空网络模型。6.根据权利要求5所述的方法，其特征在于，对所述训练数据集进行训练，以获得所述预设的时空网络模型包括：确定滑动窗口的尺寸；利用所述滑动窗口从所述历史流量序列中抽取输入样本，所述输入样本的数据量与所述滑动窗口的尺寸一致；根据所抽取的输入样本，从所述历史流量序列中抽取输出样本，所述输出样本作为所述输入样本对应的标签；基于所述输入样本和所述标签进行训练，以获得所述预设的时空网络模型。7.根据权利要求6所述的方法，其特征在于，确定滑动窗口的尺寸包括：确定所述滑动窗口的尺寸为N；利用所述滑动窗口从所述历史流量序列中抽取输入样本包括：确定起始时刻...

【专利技术属性】
技术研发人员：宋礼，张钧波，郑宇，
申请(专利权)人：京东城市北京数字科技有限公司，
类型：发明
国别省市：