System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于智能交通,尤其涉及一种基于自适应轻量级时间卷积网络的交通流量预测方法。
技术介绍
1、交通流量预测是智能交通系统的重要组成部分,准确的交通流量预测为许多应用提供基础支持,不仅有助于交通管理者提前采取措施以缓解拥堵,还能为出行者的路线决策提供便利。
2、然而,交通数据中隐含的复杂时空特征使得实现准确可靠的交通流量预测极具挑战性。交通流量具有天然的时间序列属性(如周期性和趋势)和空间属性(如地理位置和交通拓扑结构)。为了提高交通流量预测的准确性,学者们做了大量的研究工作以从交通数据的时间和空间维度中提取特征。同时,关于图卷积网络和注意力机制的理论和实验研究取得了令人鼓舞的进展。然而,在大规模数据集上的交通流量预测仍具挑战性。
3、首先,现有面向交通流量预测的高性能的复杂时空模型都要基于昂贵的计算成本。当面对现实世界中的大规模数据集时,此类高性能模型难以在有限的硬件资源条件下进行训练。当在仅有少量计算能力的边缘设备上进行部署时,此类高性能模型难以满足推理时的实时性需求。
4、其次,一天内的交通流量往往呈现出多种时间模式(例如稳定、上升、波动、下降)。然而,现有的研究工作往往假设一天中的交通流量具有共同的模式,并试图以粗粒度的方式(即交通流量多种时间模式的平均表示)提取时间特征,阻碍了此类特征的深入提取。
技术实现思路
1、本申请的目的是提供一种基于自适应轻量级时间卷积网络的交通流量预测方法,克服前面
技术介绍
中提到的两个关键问题,能够有效提取交
2、为了实现上述目的,本申请技术方案如下:
3、一种基于自适应轻量级时间卷积网络的交通流量预测方法,所述自适应轻量级时间卷积网络包括上下文感知嵌入层、堆叠的时空层和输出层,所述基于自适应轻量级时间卷积网络的交通流量预测方法,包括:
4、在上下文感知嵌入层中,对输入的历史交通流量进行下采样,然后为下采样后的每个时间步的交通流量提供上下文信息,并与时间嵌入聚合,得到处理后的数据;
5、将空间嵌入、处理后的数据和时间嵌入作为堆叠的时空层的输入,对于任一个时空层,其前一个时空层的输出与空间嵌入聚合后与时间嵌入先通过自适应轻量级时间卷积模块,然后进行卷积和残差连接,最后经过批归一化得到本时空层的输出特征;
6、在输出层,将每一个时空层中自适应轻量级时间卷积模块的输出进行跳跃连接得到聚合特征,然后通过卷积操作得到预测的交通流量。
7、进一步地,所述为下采样后的每个时间步的交通流量提供上下文信息,表示为如下公式:
8、xcontext=xint||xfd||xbd
9、其中,xint为下采样后的交通流量序列,xcontext是带有上下文信息的交通流量序列;||为连接函数;xfd和xbd分别为各时间步交通流量的前向和后向差异值。
10、进一步地,所述与时间嵌入聚合,得到处理后的数据,表示为如下公式:
11、xp=γp*(xcontext||etemporal)+bp
12、其中xp为处理后的数据、γp为卷积核,bp为偏置,*为标准卷积运算,||为连接函数,xcontext是带有上下文信息的交通流量序列,etemporal为时间嵌入。
13、进一步地,所述时间嵌入包括日嵌入和周嵌入。
14、进一步地,第l个时空层中自适应轻量级时间卷积模块,执行如下操作:
15、
16、
17、其中,a(l)和b(l)是等尺寸的特征;dropout[.]表示dropout操作;σ(.)是sigmoid函数;⊙是哈达玛乘积,和分别是针对t0时刻的输入交通流量所生成的卷积核和偏置,和是可学习的参数,和是偏置;为第l个时空层中自适应轻量级时间卷积模块的输出特征,为第l-1个时空层的输出特征,espatial表示空间嵌入,表示残差连接,etemporal表示时间嵌入。
18、进一步地,所述将每一个时空层中自适应轻量级时间卷积模块的输出进行跳跃连接得到聚合特征,表示为如下公式:
19、
20、其中,hsc是跳跃连接后的聚合特征;为卷积核;为偏置,为第l个时空层中自适应轻量级时间卷积模块的输出特征。
21、本申请提出了一种基于自适应轻量级时间卷积网络的交通流量预测方法,在时间维度上对交通流量进行下采样,同时为每个时间步的交通流量提供上下文信息。然后采用自适应轻量级时间卷积模块以深入提取时间特征。该模块能以轻量级、细粒度的方式自适应地更新模型参数,从而提高交通流量多种时间模式的处理能力。本申请通过数据驱动的时空嵌入技术来有效学习交通流量的潜在时空模式,无需先验知识,可以便捷地扩展到其他的时空预测任务。
本文档来自技高网...【技术保护点】
1.一种基于自适应轻量级时间卷积网络的交通流量预测方法,其特征在于,所述自适应轻量级时间卷积网络包括上下文感知嵌入层、堆叠的时空层和输出层,所述基于自适应轻量级时间卷积网络的交通流量预测方法,包括:
2.如权利要求1所述的基于自适应轻量级时间卷积网络的交通流量预测方法,其特征在于,所述为下采样后的每个时间步的交通流量提供上下文信息,表示为如下公式:
3.如权利要求1所述的基于自适应轻量级时间卷积网络的交通流量预测方法,其特征在于,所述与时间嵌入聚合,得到处理后的数据,表示为如下公式:
4.如权利要求3所述的基于自适应轻量级时间卷积网络的交通流量预测方法,其特征在于,所述时间嵌入包括日嵌入和周嵌入。
5.如权利要求1所述的基于自适应轻量级时间卷积网络的交通流量预测方法,其特征在于,第l个时空层中自适应轻量级时间卷积模块,执行如下操作:
6.如权利要求1所述的基于自适应轻量级时间卷积网络的交通流量预测方法,其特征在于,所述将每一个时空层中自适应轻量级时间卷积模块的输出进行跳跃连接得到聚合特征,表示为如下公式:
【技术特征摘要】
1.一种基于自适应轻量级时间卷积网络的交通流量预测方法,其特征在于,所述自适应轻量级时间卷积网络包括上下文感知嵌入层、堆叠的时空层和输出层,所述基于自适应轻量级时间卷积网络的交通流量预测方法,包括:
2.如权利要求1所述的基于自适应轻量级时间卷积网络的交通流量预测方法,其特征在于,所述为下采样后的每个时间步的交通流量提供上下文信息,表示为如下公式:
3.如权利要求1所述的基于自适应轻量级时间卷积网络的交通流量预测方法,其特征在于,所述与时间嵌入聚合,得到处理后的...
【专利技术属性】
技术研发人员:张帅,尹祥,张文宇,景鑫,金城磊,毛嘉怡,
申请(专利权)人:浙江财经大学,
类型:发明
国别省市:
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。