基于去噪扩散时空残差多图卷积网络的交通流预测方法技术

本发明专利技术公开一种基于扩散时空残差多图卷积网络的交通流预测方法，包括：采集交通流量数据并预处理，得到无噪声交通流量数据，将有噪声和无噪声交通流量数据拆分为训练集和测试集；构建去噪扩散时空残差多图卷积网络，包括去噪扩散模块和时空残差多图卷积模块，去噪扩散模块用于获取有噪声交通流量数据中的原始特征，时空残差多图卷积模块用于增强无噪声交通流量数据的时空特征并输出预测值；训练去噪扩散时空残差多图卷积网络，利用训练好的网络进行交通流预测。本发明专利技术通过对引入去噪扩散模块来避免经过预处理的无噪声交通流量数据丢失原始特征，并利用时空残差多图卷积模块增强对无噪声交通流量数据的时空特征提取，有利于提高交通流的预测性能。

【技术实现步骤摘要】

本专利技术属于人工智能和智能交通领域，具体为一种基于去噪扩散时空残差多图卷积网络的交通流预测方法。

技术介绍

1、城市化进程的加快带来了汽车数量的迅猛增长，导致交通拥堵问题日益严重。智能交通系统为缓解交通拥堵具有重要研究价值。实时准确的交通流预测作为智能交通系统的重要组成部分，对提高交通效率起着关键性作用，如何提高交通流预测的精度是当前研究热点。现有的交通流预测模型大多是基于交通数据完整或缺失值较少的假设。然而，由于网络波动和设备损坏等因素，现实世界交通流数据不可避免存在数据缺失和异常。现有方法通常采用插值法来填充缺失数据，容易导致数据过于平滑，致使潜在特征被破坏，进而导致误差积累问题。因此，如何充分利用原始数据中的潜在特征来提高交通流的预测精度至关重要。

技术实现思路

1、专利技术目的：针对上述问题，本专利技术提出一种基于去噪扩散时空残差多图卷积网络的交通流预测方法。该方法针对现有交通流预测模型大多是基于交通数据完整或缺失值较少的假设，忽视了预处理后的交通数据过于平滑而导致潜在特征被破坏的问题，构建去噪扩散本文档来自技高网...

【技术保护点】

1.一种基于去噪扩散时空残差多图卷积网络的交通流预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于去噪扩散时空残差多图卷积网络的交通流预测方法，其特征在于，采集城市或高速路网交通流量数据并传输至服务器，得到原始交通流量数据为Dflow＝{Dtime,Dnode,Dlon,Dlat}，其中Dtime，Dnode，Dlon和Dlat分别是交通流量的记录时间、记录节点、记录经度和纬度；将经过数据预处理的交通流量数据标记为确定节点数量为N，历史序列长度为L，预测序列长度为M，存在噪声的输入特征和无噪声的输入特征分别记为和

3.根据权利要求1所述的一种基...

【技术特征摘要】

1.一种基于去噪扩散时空残差多图卷积网络的交通流预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于去噪扩散时空残差多图卷积网络的交通流预测方法，其特征在于，采集城市或高速路网交通流量数据并传输至服务器，得到原始交通流量数据为dflow＝{dtime,dnode,dlon,dlat}，其中dtime，dnode，dlon和dlat分别是交通流量的记录时间、记录节点、记录经度和纬度；将经过数据预处理的交通流量数据标记为确定节点数量为n，历史序列长度为l，预测序列长度为m，存在噪声的输入特征和无噪声的输入特征分别记为和

3.根据权利要求1所述的一种基于去噪扩散时空残差多图卷积网络的交通流预测方法，其特征在于，所述去噪扩散模块构建流程为：

4.根据权利要求1所述的一种...

【专利技术属性】
技术研发人员：施佺，包银鑫，曹晨阳，沈琴琴，余弦，曹阳，
申请(专利权)人：南通大学，
类型：发明
国别省市：