一种基于Transformer与GCN的城市交通网络交通流预测方法与系统技术方案

一种基于Transformer与GCN的城市交通网络交通流预测方法与系统。涉及交通预测技术领域，具体涉及城市交通网络交通流预测技术领域。为解决现有研究发明专利技术的不足，本发明专利技术提供如下方案，将交通系统收集的数据进行Z‑score归一化处理、对交通网络时空属性进行收集与编码、根据道路网络与交通数据进行预定义拓扑结构结构、建立一个基于Transformer与GCN的神经网络模型、利用历史数据对提出的模型进行训练、采用自回归的推理模式，根据历史交通数据预测未来交通荷载数据。本发明专利技术在交通领域中有较好的应用，可以提高交通流量预测的准确性和可靠性，为交通管理和规划提供有力支持。

【技术实现步骤摘要】

本专利技术涉及交通预测，具体涉及城市交通网络交通流预测。

技术介绍

1、近年来，随着城市交通网络(公路网络，轨道交通网络)的不断发展和出行需求的日益复杂，城市交通系统基础设施(公路桥梁、隧道、车道、地铁站点等)的服役性能已经成为人们关注的核心问题之一。一旦由于过度超载而引发基础设施损坏或倒塌，必然造成严重损失，并容易引发城市交通网络基础设施的关联损伤。

2、统计表明近10年约10.83％的公路桥梁失效是由车辆荷载超载导致的。2015年6月19日，位于粤赣高速广东河源城南出口匝道桥突然垮塌，需要指出的是，跌落桥底的四辆货车中，每辆车的载重加上车身自重约有100吨重，已经严重超过了桥隧的设计载重；2021年12月18日，鄂州市鄂城区大广高速鄂东大桥附近桥面垮塌，事发时4辆坠落的车中有3辆大货车，其中一辆大货车重达198吨，已远远超过高速公路大桥限重49吨。

3、因此，准确预测城市交通网络中各个位置的交通特征(交通流、车辆荷载、人流量)对交通基础设施的服役性能评估以及事故预防是十分重要的。例如，准确的城市公路网络车流量预测可以帮助城市公路本文档来自技高网...

【技术保护点】

1.一种基于Transformer与GCN的城市交通网络交通流预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于Transformer与GCN的城市交通网络交通流预测方法，其特征在于，所述步骤一中，所述Z-score预处理操作通过：

3.根据权利要求1所述的一种基于Transformer与GCN的城市交通网络交通流预测方法，其特征在于，所述步骤二中，所述时间属性包括：时间、星期和天气；

4.根据权利要求1所述的一种基于Transformer与GCN的城市交通网络交通流预测方法，其特征在于，所述步骤三中，

<p>5.根据权利要求...

【技术特征摘要】

1.一种基于transformer与gcn的城市交通网络交通流预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于transformer与gcn的城市交通网络交通流预测方法，其特征在于，所述步骤一中，所述z-score预处理操作通过：

3.根据权利要求1所述的一种基于transformer与gcn的城市交通网络交通流预测方法，其特征在于，所述步骤二中，所述时间属性包括：时间、星期和天气；

4.根据权利要求1所述的一种基于transfor...

【专利技术属性】
技术研发人员：鲍跃全，李兴，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：