【技术实现步骤摘要】
本专利技术涉及时空数据预测，特别是指一种基于全局时空循环神经网络的交通数据预测方法及系统。
技术介绍
1、在时空数据分析研究中，不仅要考虑空间地点间的直接相邻性所导致的局部空间关联关系，还需要考虑地理位置相距遥远的空间地点间的关联关系即全局空间相关性来提升预测方法的准确度。例如，地理空间特征相似的地点所产生的变量数值相似性。以城市中办公区和住宅区两种不同功能区的交通流量数据为例，人们通常在早高峰从住宅区前往办公区工作，而在晚高峰返回。因此，对于同属于办公区的空间地点，它们的早高峰交通流入量相似。而对住宅区，由于区域特性不同，将与办公区的流入量趋势完全不同。
2、针对过往研究中基于空间距离来定义图中节点的邻居，忽略了空间距离相距遥远的节点也可能具有类似时空模式的事实。li等人以及he等人提出基于节点的时态模式相似性定义节点间的相邻关系，构建空间关联图。由于时空数据中复杂的动态变化和时间漂移现象，传统的静态距离度量如欧几里德距离通常不适合计算两个时间序列之间的相似性。因此，在上述研究中采用动态时间规整(dtw)算法计算两个时间序...
【技术保护点】
1.一种基于全局时空循环神经网络的交通数据预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于全局时空循环神经网络的交通数据预测方法，其特征在于，所述地理空间特征包括：经纬度、POI特征、地形特征、周边建筑设施，道路连接状况。
3.根据权利要求1所述的基于全局时空循环神经网络的交通数据预测方法，其特征在于，对于输入全局时空循环神经网络模型的图信号序列和地理空间特征向量，使用两个全连接层分别对其进行处理；所述地理空间特征向量由全连接层重新编码后得到地理空间特征嵌入向量，并与处理后的图信号序列进行拼接，得到完整的节点特征向量，输入时空...
【技术特征摘要】
1.一种基于全局时空循环神经网络的交通数据预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于全局时空循环神经网络的交通数据预测方法，其特征在于，所述地理空间特征包括：经纬度、poi特征、地形特征、周边建筑设施，道路连接状况。
3.根据权利要求1所述的基于全局时空循环神经网络的交通数据预测方法，其特征在于，对于输入全局时空循环神经网络模型的图信号序列和地理空间特征向量，使用两个全连接层分别对其进行处理；所述地理空间特征向量由全连接层重新编码后得到地理空间特征嵌入向量，并与处理后的图信号序列进行拼接，得到完整的节点特征向量，输入时空gru；所述时空gru提取各节点的特征信息生成节点状态向量，然后使用高斯核函数计算节点对之间的时态模式相似度。
4.根据权利要求3所述的基于全局时空循环神经网络的交通数据预测方法，其特征在于，针对每个节点，通过使用空间注意力机制计算不同邻居节点的重要性，生成区域信息向量；得到区域信息向量之后，对时空gru进行改进，得到能够聚合节点区域信息向量的改进的时空gru；使用改进的时空gru...
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。