一种基于循环时空注意力机制的交通流量预测方法技术

本发明专利技术公开了一种基于循环时空注意力机制的交通流量预测方法，属于交通流量预测领域。预测方法包括：首先，将来自传感器的原始数据经数据预处理模块得到交通流量数据集；其次，将划分后的数据集输入到基于循环时空注意力机制的时空特征提取模块，融合学习到的时空特征；最后，将得到的时空特征输入到预测模块并预测未来一段时间的交通流量数据。在数据预处理阶段的数据填充过程中，根据交通流量数据的特点设计了前向填充法，大幅降低了计算开销。本方法设计了带有循环特性的滑动自注意力位置编码，解决了交通流量预测在长依赖上表现不佳的问题，并通过并行计算架构骨架支持多个GPU上的分布式训练，提供高于单个GPU的计算并行度，提高运算效率。

【技术实现步骤摘要】

本专利技术涉及交通预测任务中的交通流量预测领域，具体涉及一种基于循环时空注意力机制的交通流量预测方法。

技术介绍

1、交通流是同时包括了时间信息和空间信息的数据，其时间信息和空间信息具有强相关性以及动态的特点。交通流量预测任务需要使用给定的时间空间信息、根据场景下的特定机制来对时间信息和空间信息的关联性进行建模。

2、目前交通流预测方法多是基于图卷积网络(gcn)或transformer对时空图建模。gcn模型基于传感器节点或观测点之间的距离构建了空间图，并将图卷积运算直接作用在空间图上提取空间域中有意义的模式和特征。这种将传感器视为全部相连的做法虽然可以充分提取空间关系，但是会引入更多的噪声和无用信息从而导致过拟合。以transformer模型为基础的一类方法由于可以适应多种格式的输入且引入了特有的多头自注意力机制(multi-head self-attention)，在包括交通流量预测在内的多数任务中的表现要显著优于基于前者的方法。以transformer作为基础架构的模型，对于时间序列常使用位置编码来保留时间序列中的顺序信息，对于空间序列本文档来自技高网...

【技术保护点】

1.一种基于循环时空注意力机制的交通流量预测方法，其特征在于：通过城市交通传感器节点集合以及路网数据获得城市交通流量数据，利用城市交通流量数据设计交通流量预测模型，实现全面且有针对的提取空间特征、时间序列特征、进行时空特征融合并预测未来一段时间的交通流量数据；所述交通流量预测模型为带有时空注意力的且具有循环特性的Transformer模型，Transformer模型包括：将输入的交通流量数据进行高维向量表示的数据嵌入层，并行设置的、由若干个Transformer组成的带有循环特性空间序列语义提取模块和时间序列语义提取模块，与空间序列语义提取模块和时间序列语义提取模块分别连接的用于实现数据...

【技术特征摘要】

1.一种基于循环时空注意力机制的交通流量预测方法，其特征在于：通过城市交通传感器节点集合以及路网数据获得城市交通流量数据，利用城市交通流量数据设计交通流量预测模型，实现全面且有针对的提取空间特征、时间序列特征、进行时空特征融合并预测未来一段时间的交通流量数据；所述交通流量预测模型为带有时空注意力的且具有循环特性的transformer模型，transformer模型包括：将输入的交通流量数据进行高维向量表示的数据嵌入层，并行设置的、由若干个transformer组成的带有循环特性空间序列语义提取模块和时间序列语义提取模块，与空间序列语义提取模块和时间序列语义提取模块分别连接的用于实现数据时空特征融合的时空融合模块，以及使用跳跃连接和全连接层对时空特征融合模块得到的特征降维并最终输出的输出模块；

2.根据权利要求1所述的基于循环时空注意力机制的交通流量预测方法，其特征在于：对所有传感器节点集合中节点的预处理包括数据清洗、填充、聚合和序列窗口的划分；窗口划分后，再拆分为当前、未来子序列分别作为输入窗口和输出窗口，得到时间序列样本集，并划分训练和测试样本集合：

3.根据权利要求1所述的基于循...

【专利技术属性】
技术研发人员：徐潇，张磊，刘佰龙，梁志贞，江海峰，祝传琦，张增殖，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：