【技术实现步骤摘要】
本专利技术涉及交通流量预测领域，具体地说是一种基于先验注意力机制的个性化联邦学习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中重要的一部分，其预测的高准确性可以为交通管理者提供有力的交通决策依据，同时也可以让驾驶员选择更为畅通的道路出行，进而避免或缓解交通拥堵的状况。但这些数据往往属于不同管理机构，且具有高隐私特征，致使数据无法集中存储和训练，数据孤岛的现象便由此而生。传统统计学方法、机器学习、简单的深度学习神经网络无法直接实现基于隐私保护的预测；除此之外，因为不同来源产生了复杂的内部依赖关系，比如一个交通序列内的时间相关性，以及相互依赖关系，比如众多相关交通序列之间的空间相关性，例如，用于交通流量和交通速度预测的不同环路检测器/交叉口，以及用于乘客需求预测的不同车站/地区；所以交通流量通常表现出高度非线性和复杂的模式，而现有的交通流预测方法大多缺乏对交通数据动态时空相关性的建模能力，无法得到令人满意的预测结果。
2、联邦学习旨在解决在分布式数据环境下的隐私和安全问题，可以有效解决上述挑战。联邦学习通过在本...
【技术保护点】
1.一种基于先验注意力机制的个性化联邦学习的交通流量预测方法，其特征在于，是应用于一个中央服务器和N个客户端{C1,C2,...,Cn,...,CN}所组成的联邦学习场景中，其中，Cn表示第n个客户端，每个客户端上分别设置有一个交通流量传感器用于获取私有数据集，且第n个客户端Cn上的私有数据集记为其中，分别表示第n个客户端Cn在第t个时间点的交通流量数据和真实标签；所述交通流量预测方法是按如下步骤进行：
2.根据权利要求1所述的一种基于先验注意力机制的个性化联邦学习的交通流量预测方法，其特征在于，所述步骤4包括：
3.根据权利要求2所述的一种基...
【技术特征摘要】
1.一种基于先验注意力机制的个性化联邦学习的交通流量预测方法，其特征在于，是应用于一个中央服务器和n个客户端{c1,c2,...,cn,...,cn}所组成的联邦学习场景中，其中，cn表示第n个客户端，每个客户端上分别设置有一个交通流量传感器用于获取私有数据集，且第n个客户端cn上的私有数据集记为其中，分别表示第n个客户端cn在第t个时间点的交通流量数据和真实标签；所述交通流量预测方法是按如下步骤进行：
2.根据权利要求1所述的一种基于先验注意力机制的个性化联邦学习的交通流量预测方法，其特征在于，所述步骤4包括：
3.根据权利要求2所述的一种基于先验注意力机制的个性化联邦学习的交通流量预测方法，其特征在于，所述步骤5包括：
4.根据权利要求3所述的一种基于...
【专利技术属性】
技术研发人员：柴一栋，黄阿美，刘依，刘龙顺，潘岳，陈钰莹，刘昊鑫，周芦娟，周安琪，杨兴革，姜元春，刘业政，
申请(专利权)人：合肥工业大学，
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。