【技术实现步骤摘要】
本专利技术涉及交通流量预测，尤其涉及一种基于未来知识差分变换神经网络的交通流量预测方法。
技术介绍
1、交通流量预测是智能交通系统(itss)和先进交通管理系统(atmss)的重要组成部分。获取及时准确的交通流量信息是实现交通控制和实施交通管理的关键，通过预测未来的交通状况，进而设计有效的交通组织策略，以缓解交通拥堵，提高城市交通系统的服务水平和管理效率。
2、现有的基于图学习的交通流预测技术通过编码输入特征并将信息从相邻节点(如邻近道路)聚合到目标节点(特定路段)，在每个时间戳和节点上生成隐藏状态的表示，能够有效地处理交通网络的复杂性和动态性，捕捉交通流中的时空依赖关系。然而，这些方法均遵循朴素的因果关系原理，即在预测未来的交通流量时只关注朴素的邻近时空信息，而忽略了不同日期之间的时空模式具有一定特异性。为此，这种建模方式学习到的参数必须表示时域中所有时空模式的“平均值”。
3、因此，亟需研发一种对时域实现数据驱动式感知的具有动态模型参数的交通流预测方法，以提高交通流量预测的准确性和鲁棒性。
【技术保护点】
1.一种基于未来知识差分变换神经网络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所述的基于未来知识差分变换神经网络的交通流量预测方法，其特征在于，采用所述嵌入器将给定的交通流量数据处理为包含未来统计量的嵌入数据，包括：
3.根据权利要求2所述的基于未来知识差分变换神经网络的交通流量预测方法，其特征在于，对于输入序列所述编码器通过高阶差分神经网络得到流量序列的n阶差分信息，并将所述n阶差分信息输入至所述双时空卷积模块，挖掘交通流量的时空依赖性，输出由嵌入数据编码得到的隐藏特征，所述编码器被定义为：
4.根据权利要...
【技术特征摘要】
1.一种基于未来知识差分变换神经网络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所述的基于未来知识差分变换神经网络的交通流量预测方法，其特征在于，采用所述嵌入器将给定的交通流量数据处理为包含未来统计量的嵌入数据，包括：
3.根据权利要求2所述的基于未来知识差分变换神经网络的交通流量预测方法，其特征在于，对于输入序列所述编码器通过高阶差分神经网络得到流量序列的n阶差分信息，并将所述n阶差分信息输入至所述双时空卷积模块，挖掘交通流量的时空依赖性，输出由嵌入数据编码得到的隐藏特征，所述编码器被定义为：
4.根据权利要求3所述的基于未来知识差分变换神经网络的交通流量预测方法，其特征在于，所述编码器通过高阶差分神经网络得到流量序列的n阶差分信息，包括：
5....
【专利技术属性】
技术研发人员：夏大文，白德伟，李华青，刘海涛，黄丹，汤寒林，王自强，霍雨佳，冯夫健，徐海龙，邓丽，张文勇，
申请(专利权)人：贵州民族大学，
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。