【技术实现步骤摘要】
本专利技术涉及智能交通，具体地涉及一种基于树形高阶图卷积的交通状态预测方法、训练方法及装置。
技术介绍
1、随着全球城市化进程的加速，城市交通网络的复杂性显著增加，尤其是在大型城市，高密度的交通流和复杂的路网结构给交通管理和规划带来了较大的挑战。
2、在实现本专利技术的构思的过程中，专利技术人发现相关技术中对交通路网中路网节点的交通状态的预测过程中数据计算量较大，且预测的准确性较低。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于树形高阶图卷积的交通状态预测方法、模型训练方法及装置。
2、根据本专利技术的第一个方面，提供了一种基于树形高阶图卷积的交通状态预测方法，包括：获取在第t时段内的与目标区域的多个路网节点对应的交通状态信息，t为大于等于1的整数；对上述多个路网节点对应的交通状态信息进行分组，得到多组交通状态信息；其中，每一组交通状态信息包括交通状态相似的多个路网节点对应的交通状态信息；将每一组交通状态信息输入第一网络，输出融合特征，其中，上述融合特征表征...
【技术保护点】
1.一种基于树形高阶图卷积的交通状态预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述多组交通状态信息包括L1组，L1为大于1的整数；
3.根据权利要求2所述的方法，其特征在于，所述第T时段包括K个时刻，K为大于1的整数；
4.根据权利要求3所述的方法，其特征在于，所述将所述与目标路网节点对应的时间依赖特征输入所述图卷积层，输出第二中间特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述融合特征输入第二网络，输出第T+1时段内与所述目标区域的所述多个路网节点对应的交通状态信息，包括
6....
【技术特征摘要】
1.一种基于树形高阶图卷积的交通状态预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述多组交通状态信息包括l1组，l1为大于1的整数；
3.根据权利要求2所述的方法，其特征在于，所述第t时段包括k个时刻，k为大于1的整数；
4.根据权利要求3所述的方法，其特征在于，所述将所述与目标路网节点对应的时间依赖特征输入所述图卷积层，输出第二中间特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述融合特征输入第二网络，输出第t+1时段内与所述目标区域的所述多个路网节点对...
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。