一种基于时空嵌入注意力网络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时空嵌入注意力网络的交通流量预测方法，属于交通流量预测领域，包括如下步骤：步骤1、从公开网站上获取现有交通流量数据集，对现有交通流量数据集进行滑动窗口采样，得到用于训练的历史交通流量数据、时间信息、空间信息和未来交通流量标签数据；步骤2、构建时间和空间的位置编码矩阵；步骤3、使用空间位置编码矩阵计算传感器节点间的余弦相似度，得到空间掩码矩阵；步骤4、构建基于时空嵌入注意力网络的交通流量预测模型，并对交通流量预测模型进行训练；步骤5、采集前一个时间段的交通流量数据，输入训练完成的交通流量预测模型，对未来一个时间段的交通流量数据进行预测。本发明专利技术实现了交通流量的准确预测。

【技术实现步骤摘要】

本专利技术属于交通流量预测领域，具体涉及一种基于时空嵌入注意力网络的交通流量预测方法。

技术介绍

1、随着智慧城市的发展，智慧交通系统开始用于管理、分析和改善城市的交通状况。而交通流量预测作为智慧交通系统的核心技术，受到了广泛的研究。交通流量序列来自于人类活动数据，存在明显的时空分布和周期模式，是一个典型的时空序列。现有的研究主要存在以下两个问题。

2、交通流量的周期模式难以建模：由于人类活动存在明显的周期性，故交通数据的变化呈现一定的周期性。早期的时空神经网络将时间信息作为交通数据的特征进行建模，然而添加时间特征只能对不同时刻的交通数据加以区分，缺少了交通数据的周期信息。随后，注意力时空图神经网络（astgcn）和延迟传播动态远程transformer（pdformer）通过使用多周期的历史数据和对历史的交通序列进行聚类等方法来引入更多的周期信息来提高了模型的预测精度。然而上述方法受限于狭窄的滑动窗口难以建模整体的周期模式。时空身份信息网络（stid）则使用嵌入向量对时间信息进行位置编码，却忽略了天与天之间周期模式的差异。例如，周五和周四同属本文档来自技高网...

【技术保护点】

1.一种基于时空嵌入注意力网络的交通流量预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于时空嵌入注意力网络的交通流量预测方法，其特征在于，所述步骤1中，将历史交通流量数据视作一个时空序列，其中，表示传感器节点的数量；表示历史数据的时间点总数，对应历史交通流量的输入长度；表示第一个传感器节点的历史数据在第一个时间点的交通流量；表示第一个传感器节点的历史数据在第个时间点的交通流量；表示第个传感器节点的历史数据在第一个时间点的交通流量；表示第个传感器节点的历史数据在第个时间点的交通流量；

3.根据权利要求1所述基于时空嵌入注意力网络的交通流量预测方法，其...

【技术特征摘要】

1.一种基于时空嵌入注意力网络的交通流量预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于时空嵌入注意力网络的交通流量预测方法，其特征在于，所述步骤1中，将历史交通流量数据视作一个时空序列，其中，表示传感器节点的数量；表示历史数据的时间点总数，对应历史交通流量的输入长度；表示第一个传感器节点的历史数据在第一个时间点的交通流量；表示第一个传感器节点的历史数据在第个时间点的交通流量；表示第个传感器节点的历史数据在第一个时间点的交通流量；表示第个传感器节点的历史数据在第个时间点的交通流量；

3.根据权利要求1所述基于时空嵌入注意力网络的交通流量预测方法，其特征在于，所述步骤2的具体过程为：

4.根...

【专利技术属性】
技术研发人员：曾庆田，赵志华，原桂远，李超，段华，宋戈，周长红，郭文艳，程成，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：