一种用于交通流预测的双模式图卷积循环神经网络制造技术

本发明专利技术公开了一种用于交通流预测的双模式图卷积循环神经网络，从三个角度分别出发设计，分别解决序列特征相关性、时间相关性和空间相关性的问题，其中序列特征相关性问题主要提出了采用多头注意力机制的方案直接解决，而时间相关性问题又分为短时间相关性和长时间相关性(即局部和全局)的处理情况，最后空间相关性方面主要以预定义图形和动态学习特定与节点两种模式进行图卷积的手段进而达到目的。从多个角度出发，解决各自对应问题，将其各自的计算结果融合到一起从而进行交通流预测。的计算结果融合到一起从而进行交通流预测。的计算结果融合到一起从而进行交通流预测。

【技术实现步骤摘要】
一种用于交通流预测的双模式图卷积循环神经网络


[0001]本专利技术涉及智能交通
，特别是涉及一种用于交通流预测的双模式图卷积循环神经网络。

技术介绍

[0002]在智慧城市的建设过程中，交通拥堵是当前各国城市面临的巨大挑战之一。交通流量情况的预测对新时代智慧城市的交通管理来说具有重要的意义。然而，目前交通流的预测越来越具有挑战性。首先，交通流从时间的纬度上来说是具有极强的不确定性和不稳定性，例如在一个小时内的的出行变化，这是无法确定的，要是在交通事故、特殊事件等突发事件的情况下，将有更多的未知，不确定性；但在特定的时间范围内也具有周期性的规律，例如每天上下班的出行轨迹、每个节假日商圈景区的出行量，所以预测模型很难快速适应交通流飞速变化的情况。其次，在空间维度上道路与车辆、行人行为的复杂关系等也对交通流的预测产生了关键性的影响，例如在一条道路上发生的交通事故所引起的大堵车，随着时间的推移，交通流也在逐渐的降低。此外道路交叉、车道的复杂性也会影响预测交通流的去向。
[0003]尽管现在已有很多预测未来交通流量的杰出网络模型，但大多数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于交通流预测的双模式图卷积循环神经网络，其特征在于，包括M
‑
GRU模块、位置编码模块、长时多头注意力机制模块和预测模块，所述M
‑
GRU模块包括若干个串联的M
‑
GRU单元，最后一个M
‑
GRU单元连接所述位置编码模块，所述位置编码模块连接所述长时多头注意力机制模块，所述长时多头注意力机制模块连接所述预测模块；获取交通网络中每个节点记录的一时间段内所有时刻的交通流序列特征，将对应时刻的交通流特征序列值x
i
和切比雪夫多项式依次输入至对应的M
‑
GRU单元得到最后一个M
‑
GRU单元输出的结果x，所述位置编码模块用于对x进行正余弦位置编码得到编码后的x；所述长时多头注意力机制模块用于根据接收的所述编码后的x得到长时多头注意力机制模块的结果；所述预测模块用于根据接收的长时多头注意力机制模块的结果和预设的损失函数得到损失值，根据所述损失值进行反向传播并更新网络的网络参数，记录迭代次数，直至所述迭代次数达到预设的要求，得到训练好的双模式图卷积循环神经网络。2.根据权利要求1所述的网络，其特征在于，所述M
‑
GRU单元包括M
‑
RESET模块和M
‑
UPDATE模块，所述M
‑
RESET模块包括CDSG模块、序列特征多头注意力模块、拼接模块和残差融合模块，所述CDSG模块和所述序列特征多头注意力模块分别连接所述拼接模块，所述拼接模块连接所述残差融合模块；将x
i
和切比雪夫多项式输入到所述CDSG模块，将所述x
i
输入到所述序列特征多头注意力模块，得到第一结果和第二结果，所述拼接模块将所述第一结果和所述第二结果拼装组装得到拼接结果，所述残差融合模块将所述拼接结果与所述x
i
进行残差融合，最后将残差融合的结果输出。3.根据权利要求2所述的网络，其特征在于，所述CDSG模块包括动态学习与特定节点的图卷积模块、空间多头注意力模块、切比雪夫图卷积模块和空间融合模块，所述动态学习与特定节点的图卷积模块连接所述空间融合模块，所述空间多头注意力模块连接所述切比雪夫图卷积模块，所述切比雪夫图卷积模块连接所述空间融合模块；将x
i
和切比雪夫多项式输入到动态学习与特定节点的图卷积模块进行图卷积得到第一图卷积结果，将x
i
输入到所述空间多头注意力模块得到空间注意力模块的结果，所述切比雪夫图卷积模块对所述空间注意力模块的结果进行图卷积得到第二图卷积结果，所述融合模块将所述第一图卷积结果和所述第二图卷积结果进行融合得到第一结果并输出。4.根据权利要求3所述的网络，其特征在于，所述将x
i
输入到所述空间多头注意力模块得到空间注意力模块的结果，具体为：attention＝[a'
·
V:x
i
]]
其中，为模型可学习参数，表示空间注意力模块的结果，表示空间注意力模块的结果，表示缩放因子，表示缩放点积注意力机制计算的结果，c表示节点的序号，C表示节点总数，B为批次大小，N为节点个数，F为特征通道，表...

【专利技术属性】
技术研发人员：张锦，唐杰，阮昌，陈熊，赵佳佳，吴志强，黄浩炜，蔡汪洋，李文军，王觊婧，
申请(专利权)人：湖南雷升信息技术集团有限公司，
类型：发明
国别省市：