【技术实现步骤摘要】
本专利技术属于交通路网交通流处理领域，尤其涉及一种基于掩码图注意力机制的交通路网编码表征学习方法。
技术介绍
1、随着国内城市现代化的快速发展与城市人口密度的不断增加，交通拥堵日益突出，为社会发展带来了巨大压力，成为了亟待解决的问题。改善城市交通状况需要交通规划者与管理者采取积极措施，对路网交通流进行科学有效的引导与分配将有助于缓解城市交通拥堵问题。近年来，随着城市基础设施不断完善、互联网通信技术的不断发展以及定位设备的广泛使用，大量的交通传感器分布到了道路设施以及个人终端当中，传感器数据已经达到了十分庞大的累积量。交通大数据的时代背景下，对交通大数据的处理分析技术作为智能交通系统重要组成部分无疑是不可或缺的研究重点。
2、当前，深度学习理论及模型在各个领域的研究愈发深入与广泛，图神经网络、交通流空间特征提取模型及序列表征模型的不断发展，使深度学习模型不断在非欧氏空间任务处理、交通流时空特征提取及序列深度表征等领域展现出显著的成功与巨大的潜力，但目前仍存在某些不足或空缺。路网空间信息提取模型存有缺陷，交通流处理领域也缺乏具有...
【技术保护点】
1.一种基于掩码图注意力机制的交通路网编码表征学习方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于掩码图注意力机制的交通路网编码表征学习方法，其特征在于，步骤1进一步包括以下子步骤：
3.根据权利要求2所述的一种基于掩码图注意力机制的交通路网编码表征学习方法，其特征在于，所述多头图注意力层M-GAT的计算过程被表示为如式(6)-(8)所示：
4.根据权利要求1所述的一种基于掩码图注意力机制的交通路网编码表征学习方法，其特征在于，步骤3进一步包括以下子步骤：
5.根据权利要求4所述的一种基于掩码图注意力机...
【技术特征摘要】
1.一种基于掩码图注意力机制的交通路网编码表征学习方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于掩码图注意力机制的交通路网编码表征学习方法，其特征在于，步骤1进一步包括以下子步骤：
3.根据权利要求2所述的一种基于掩码图注意力机制的交通路网编码表征学习方法，其特征在于，所述多头图注意力层m-gat的计算过程被表示为如式(6)-(8)所示：
4.根据权利要求1所述的一种基于掩码图注意力机制的交通路网编码表征学习方法，其特征在于，步骤3进一步包括以下子步骤：
5.根据权利要求4所述的一种基于掩码图...
【专利技术属性】
技术研发人员：董宏辉，朱鹏程，张雨晴，张慧鹏，
申请(专利权)人：北京交通大学，
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。