【技术实现步骤摘要】
本专利技术属于交通流量预测，尤其涉及一种基于时空感知混合图的交通流量预测方法。
技术介绍
1、交通流量预测的目的是在复杂的交互环境中，根据流量传感器读数的历史值来估计交通网络中指定位置的未来交通状况，它是智能交通系统稳定和安全的基础，然而，由于复杂的道路网络和无处不在的数据噪声，这是具有挑战性的。在传统的时间序列预测方法中，短期时间序列预测的结果较好，也可以识别不同时间序列隐藏的空间关系，但对于长期时间序列的准确性不高。交通流数据往往具有很长的时间依赖性，短期时间序列预测无法满足实际工业需要。基于深度的方法可以迭代学习多个传感器之间的相关性以捕获多元序列中的时间序列内和时间序列间的时间依赖性，用于进行准确的交通流量预测，但它们大都忽略了数据集中道路网络中的空间相关性。为了用适合道路网络的非欧几里得空间结构来表示多元时间序列的空间依赖性，一些方法将图神经网络引入到交通流量预测中捕捉潜在的空间相关性。在最近的一些方法中，通常使用动态图神经网络对时空依赖的演化进行建模。使用离散时间动态图难以表示出交通道路之间关系的细微变化。因此，交通流量预测...
【技术保护点】
1.一种基于时空感知混合图的交通流量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时空感知混合图的交通流量预测方法，其特征在于，所述步骤S1中训练集中的道路交通图的定义如下：
3.根据权利要求2所述的基于时空感知混合图的交通流量预测方法，其特征在于，所述稳定性特征和趋势性特征的表达式分别如下：
4.根据权利要求3所述的基于时空感知混合图的交通流量预测方法，其特征在于，所述最终的交通流量时间序列的表达式如下：
5.根据权利要求1所述的基于时空感知混合图的交通流量预测方法，其特征在于，所述LSTM序列模型
【技术特征摘要】
1.一种基于时空感知混合图的交通流量预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时空感知混合图的交通流量预测方法，其特征在于，所述步骤s1中训练集中的道路交通图的定义如下：
3.根据权利要求2所述的基于时空感知混合图的交通流量预测方法，其特征在于，所述稳定性特征和趋势性特征的表达式分别如下：
4.根据权利要求3所述的基于时空感知混合图的交通流量预测方法，其特征在于，所述最终的交通流量时间序列的表达式如下：...
【专利技术属性】
技术研发人员：王稷尧，彭泽华，贺登博，秦阳，
申请(专利权)人：香港科技大学广州，
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。