【技术实现步骤摘要】
一种基于天气感知图形注意力网络的交通预测方法
[0001]本专利技术涉及交通预测
，尤其涉及一种基于天气感知图形注意力网络的交通预测方法。
技术介绍
[0002]交通拥堵是全世界都亟待解决的问题，严重的交通拥堵会对一个国家产生经济负担、导致生产力损失，尤其是会导致不必要的时间延误和高能源消耗。例如，中国北京每年交通拥堵带来的直接、间接经济损失高达数千亿人民币。此外，交通拥堵对空气污染和温室气体排放有很大的影响，这可能导致如雾、暴雨和极端高温等恶劣的天气条件，从而影响交通安全。为了应对这些挑战，优化公共资源和减少拥堵情况的发生，促进可持续发展和生态友好型社会，智能交通系统旨在通过有效的数据管理和监测系统来缓解拥堵和其他与交通有关的问题。这种方法符合可持续发展目标，可以为更安全、更高效和可持续的交通系统铺平道路。
[0003]近年来，交通部门在道路网络上布设传感器，广泛收集交通历史观测数据，以利用历史观察数据对未来交通状况(如交通流量或车流速度等)进行预测。目前，在智能交通系统使用神经网络来对交通状况进行管理和优化...
【技术保护点】
【技术特征摘要】
1.一种基于天气感知图形注意力网络的交通预测方法，其特征在于：所述交通预测方法包括：S1、对经过预处理后的交通数据在空间域上描述为加权有向图并建立邻接矩阵；S2、将单数据因素、双数据因素和三数据因素数据进行整理并输入到双层全连接层网络中；S3、通过双层全连接层网络对输入的交通数据进行数据处理；S4、将经过S3步骤处理后的交通数据和双数据因素嵌入数据输入到编码器，通过编码器让网络学习过去的数据；S5、输入经过S4步骤编码器处理后的交通数据和三数据因素嵌入数据，通过时空
‑
天气自我注意力机制让网络对过去和未来的数据关系进行学习；S6、输入经过S5步骤处理后的交通数据和双数据因素嵌入数据到解码器，通过解码器让网络对未来数据进行学习；S7、通过双层全连接层网络对解码器输出的数据进行处理，得到交通预测结果。2.根据权利要求1所述的一种基于天气感知图形注意力网络的交通预测方法，其特征在于：所述S1的步骤具体包括以下内容：S101、构建加权有向图：将道路网络描述为加权有向图G＝(V,E,A)，其中V是N个传感器节点的集合，表示收集交通和天气数据的传感器位置，E是代表城市交通道路的边缘集合，是带权邻接矩阵；S102、建立邻接矩阵：建立邻接矩阵A，其中的范围从0到1，用v
i
到v
j
的距离表示两个顶点之间的接近度。3.根据权利要求2所述的一种基于天气感知图形注意力网络的交通预测方法，其特征在于：所述S2的步骤具体包括以下内容：S201、单数据因素嵌入：将空间数据、时间数据和天气数据进行整理并输入到双层全连接层网络中得到空间数据嵌入、时间数据嵌入和天气数据嵌入；S202、双数据因素嵌入：将步骤S201中的空间数据嵌入和时间数据嵌入与天气数据嵌入两两组合相加得到空间
‑
天气数据嵌入和时间
‑
天气数据嵌入；S203、三数据因素嵌入：将步骤S201中的空间数据嵌入、时间数据嵌入和天气数据嵌入相加得到时空
‑
天气数据嵌入。4.根据权利要求2所述的一种基于天气感知图形注意力网络的交通预测方法，其特征在于：所述S4的步骤具体包括以下内容：S401、将空间
‑
天气数据嵌入和时间
‑
天气数据嵌入输入到编码器中进行处理，并通过Gate Fusion对处理后的数据进行融合；S402、通过残差连接处将经过步骤S3和步骤S401处理后的数据相加。5.根据权利要求3所述的一种基于天气感知图形注意力网络的交通预测方法，其特征在于：所述单数据因素嵌入具体包括以下内容：S2011、输入到双层全连接层网络中得到空间数据嵌入其中v
i
∈V，S表示空间，D表示处理后数据的维度，并将图G转变为向量；S2012、将一天划分为T个时间节点，并使用独热编码将一周中的星期数和一天中的时
间节点数分别编码为R7和R
T
，将这两者连接到向量R
T+7
中，并使用双层全连接层网络进行处理，以获得时间数据嵌入其中t
j
∈*t1,...,t
P
,...,t
P+Q
+，T表示时间，即覆盖P个过去和Q个未来时间节点；S2013、将天气数据输入到双层全连接层网络中得到天气数据嵌入其中v
i
∈V,t
j
∈*t1,...,t
P
,...,t
P+Q
+，W表示天气。6.根据权利要求5所述的一种基于天气感知图形注意力网络的交通预测方法，其特征在于：所述双数据因素嵌入具体包括以下内容：S2021、对N个传感器节点，在P个过去和Q个未来时间节点，空间
‑
天气数据嵌入设置为将空间数据嵌入和天气数据嵌入相加得到空间
‑
天气数据嵌入为：S2022、对N个传感器节点，在P个过去和Q个未来...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。