一种路段缺失流量推算方法、电子设备及存储介质技术

本发明专利技术提出一种路段缺失流量推算方法、电子设备及存储介质，属于路段缺失流量推算技术领域。包括以下步骤：S1.根据地理信息构建路网加权邻接矩阵；S2.对路网内不同路段的信息传递机制建模；S3.对动态路网进行重构；S4.构建图神经网络DGCN网络结构；S5.对图神经网络模型参数进行训练；S6.将待推算时间段和路网节点构建输入S5所述图神经网络模型中，输出推算结果，提取缺失流量补全路段。本发明专利技术支持不同的道路网络和面域文件生成路网拓扑图，可在大规模城市路网中使用，避免了流量缺失对训练数据造成的噪点，同时提高了路段缺失流量推算的准确性和推算效率。解决了路段缺失流量推算中的时空模式挖掘不足的技术问题。的时空模式挖掘不足的技术问题。的时空模式挖掘不足的技术问题。

【技术实现步骤摘要】
一种路段缺失流量推算方法、电子设备及存储介质


[0001]本专利技术涉及一种推算方法，尤其涉及一种路段缺失流量推算方法、电子设备及存储介质，属于路段缺失流量推算


技术介绍

[0002]城市交通路网流量观测是城市交通管理、交通污染物排放监测、城市空气质量监测中的重要基础性工作，受限于目前城市路网流量观测基础设施建设以及个体出行数据敏感性等因素，路段流量观测一直存在路段流量观测不全和观测车辆类型覆盖范围不全的问题，数据缺失进一步影响需要道路流量的作为输入的上层应用的开展。
[0003]对路段缺失流量推算补全的需求，路段流量推算补全是在现有的路段流量观测数据的基础上，结合数据挖掘技术，利用数学模型刻画路段流量之间潜在的非线性关系，推算流量缺失路段的流量，以弥补路段流量观测过程中的流量缺失问题，发挥流量观测结果在交通综合管理、交通碳排放监测等领域更好的作用。
[0004]与本专利技术最为接近的技术方案如下：（1）基于高斯过程回归的流量推算方法高斯过程回归（GPR）基于随机过程和贝叶斯统计方法，将随机变量簇划分为已观测到值的随机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路段缺失流量推算方法，其特征在于，包括以下步骤：S1.根据地理信息构建路网加权邻接矩阵；S2.对路网内不同路段的信息传递机制建模；S3.对动态路网进行重构；S4.构建图神经网络DGCN网络结构；S5.对图神经网络模型参数进行训练；S6.将待推算时间段和路网节点构建输入S5所述图神经网络模型中，输出推算结果，提取缺失流量补全路段。2.根据权利要求1所述的一种路段缺失流量推算方法，其特征在于，S1具体是：S11.将不同方向的路网转化为单向的路网；S12.保留from_node字段、to_node字段和权重字段，按照用户传入的列顺序，生成边列表；S13.边节点集合V={V1,V2,V3,V4,V5,V6}和边集合E={E1,E2,E3,E4,E5,E6,E7,E8}对应的拓扑连通矩阵A如下：将连通矩阵的节点通过下述公式转换为基于距离的路网加权邻接矩阵：其中，dist(v
i
,v
j
)表示从路段v
i
到路段v
j
之间的最短到达行驶距离，σ是距离标准化参数；路网加权邻接矩阵：。3.根据权利要求2所述的一种路段缺失流量推算方法，其特征在于，S2具体是：其中，表示节点i的2阶邻域对节点i的下一时刻的流量影响，i为对应的节点标号；N(2)为节点的2阶邻域；f(i)为节点状态；β
j
为权重系数，刻画不同节点之间的影响程度。4.根据权利要求3所述的一种路段缺失流量推算方法，其特征在于，S3具体是：S31.排除未观测到流量的节点，未观测到流量的节点不参与动态路网重构；
S32.从观测到流量的节点中随机选择n
o
+n
m
个节点，其中，n
o
表示观测到流量的节点中不进行流量遮罩的节点，n
m
表示观测到流量的节点中进行流量遮罩的节点；S34.从S1中的路网加权邻接矩阵抽取n
o
+n
m
个节点对应的邻接矩阵构成流量推算的动态邻接矩阵。5.根据权利要求4所述的一种路段缺失流量推算方法，其特征在于，S4具体是：采用两个并行的图卷积操作后拼接，在卷积计算时，采用切比雪夫多项式作为图卷积的卷积核其中，，L为动态邻接矩阵对应的拉普拉斯矩阵，λmax为L的最大特征值，I为相同大小的而单位矩阵；β
k
为网络待学细的超参数；为切比雪夫多项式；根据切比雪夫多项式递推性质计算： 。6.根据权利要求5所述的一种路段缺失流量推算方法，其特征在于，S5具体是：S51.根据交通路网信息构建一张图G=(V,E)，节点V：每条路段，边E:路段之间的连接关系；S52.对n个节点p个时间片的流量数据生成特征矩阵X=[X1,X2,

【专利技术属性】
技术研发人员：张晓春，吕锴超，唐铠，屈新明，朱发玉，刘晓玲，刘美华，
申请(专利权)人：深圳市城市交通规划设计研究中心股份有限公司，
类型：发明
国别省市：