一种基于注意力的动态时空图卷积交通流预测系统与方法技术方案

本发明专利技术公开了一种基于注意力的动态时空图卷积交通流预测系统与方法，涉及智能交通领域，所述系统包括：1个输入层

【技术实现步骤摘要】
一种基于注意力的动态时空图卷积交通流预测系统与方法


[0001]本专利技术涉及智能交通领域，尤其涉及一种基于注意力的动态时空图卷积交通流预测系统与方法
。

技术介绍

[0002]交通流预测是智能交通的重要组成部分
。
预测结果可用于解决交通拥堵和道路规划等问题，也可用于开发交通智能应用
。
在交通流预测中，节点的未来交通流状态由其历史流量和相邻节点的历史流量决定
。
因此，对于预测交通流量的模型，有必要同时考虑时间和空间相关性
。
目前基于深度学习方法的主要通过结合时间序列网络和图卷积网络来提取交通流数据的时空特征
。
但是，现有的方法仍存在如下技术问题：
[0003]在提取数据时间特征时，现有技术通过融合数据在日
、
周
、
月不同时间尺度下的特征来增强预测的精度，或者通过注意力机制捕获全局时间关系
。
然而这两种方式都只能捕获时间点之间的关系，却不能捕获时间序列的变化趋势
>。
因此，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于注意力的动态时空图卷积交通流预测系统，其特征在于，包括：1个输入层
、
依次连接的
n
个时空层和1个输出层；其中，所述输入层接收输入数据并与第1个所述时空层连接，所述输入层进行数据预处理，将所述输入数据的维度整理为训练用的格式，并输入到第1个所述时空层中进行训练；所述输出层与第
n
个所述时空层连接，并输出预测数据；所述每个时空层包括：多粒度趋势自注意力模块
、
语义自适应图卷积模块和门控时间卷积模块
。2.
如权利要求1所述的基于注意力的动态时空图卷积交通流预测系统，其特征在于，所述多粒度趋势自注意力模块是整个系统提取流量变化趋势的模块，接收时空层输入，将自注意力中输入向
K、Q
的线性映射替换为时间卷积，同时将多粒度机制引入所述自注意力中，即将前一层的所述多粒度趋势自注意力模块的趋势相似度结合进本层的计算中，并输出本层的趋势相似度
。3.
如权利要求2所述的基于注意力的动态时空图卷积交通流预测系统，其特征在于，所述语义自适应图卷积模块连接所述多粒度趋势自注意力模块，构造一个语义自适应图并通过扩散图卷积提取空间关系；所述语义自适应图先通过节点嵌入构造一个自适应图，然后使用注意力机制，根据输入数据的相似性来赋予数据语义；所述扩散图卷积通过模拟扩散过程，建模非直接相连节点之间的关系
。4.
如权利要求3所述的基于注意力的动态时空图卷积交通流预测系统，其特征在于，所述自适应图的参数会在训练的过程中进行自适应的调整，通过学习隐式特征，动态的调整节点关系；同时，通过所述数据语义的关系来定义节点的空间关系，比基于距离的图更有泛化性
。5.
如权利要求3所述的基于注意力的动态时空图卷积交通流预测系统，其特征在于，所述门控时间卷积模块连接所述语义自适应图卷积模块并输出时空层输出，包含两个时间卷积，将数据重新处理转换为时间表示；门控机制的设置可以消除模型堆叠结构造成的误差
。6.
如权利要求1所述的基于注意力的动态时空图卷积交通流预测系统，其特征在于，
n
为
3。7.
一种基于注意力的动态时空图卷积交通流预测方法，其...

【专利技术属性】
技术研发人员：计振元，还约辉，杨根科，褚健，王宏武，
申请(专利权)人：上海交通大学宁波人工智能研究院，
类型：发明
国别省市：