【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种基于时空数据挖掘的到达时间预测方法及系统。
技术介绍
1、时空数据挖掘是数据科学的一个重要分支，专注于分析和挖掘具有时间和地理空间属性的数据中的模式和知识。该领域结合了时间序列分析、地理信息系统、数据挖掘和机器学习技术，以处理和分析时间和空间维度的数据。主要应用包括交通流量分析、气象模式预测、地震预测、城市规划和公共安全等。到达时间预测任务，即预测从一点到另一点所需的时间，是时空数据挖掘中的一个重要应用。该任务在运输和物流行业尤为关键，如在线地图服务、出租车调度和货运管理系统等，现有的到达时间预测方法存在如下问题：
2、1、现有的到达时间预测任务可以分为独立预测和整体预测两大类。独立预测就是将整个路径划分为若干个连续片段，并且预测每个部分的通勤时间，最后将所有的通勤时间相加作为整个路径的通勤时间；而整体预测则是直接预测整个通勤时间不再进行分割。独立预测的缺点在于不能够处理复杂的交通情况，例如包含十字路口、红绿灯、转向操作等，同时也不能很好的考虑到各个片段之间在空间和时间上的依赖关系；整体预测...
【技术保护点】
1.一种基于时空数据挖掘的到达时间预测方法，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，将所述时空数据输入至卷积神经网络模型中进行地理卷积，得到第一输出数据具体包括：
3.根据权利要求1所述的方法，其特征在于，改进的递归神经网络模型为使用两个堆叠的长短期记忆层的递归神经网络模型。
4.根据权利要求1所述的方法，其特征在于，将所述第二输出数据输入至多任务学习模型进行整体轨迹的时间预测具体包括：
5.一种基于时空数据挖掘的到达时间预测系统，其特征在于包括：
6.根据权利要求5所述的系统，其特征在于...
【技术特征摘要】
1.一种基于时空数据挖掘的到达时间预测方法，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，将所述时空数据输入至卷积神经网络模型中进行地理卷积，得到第一输出数据具体包括：
3.根据权利要求1所述的方法，其特征在于，改进的递归神经网络模型为使用两个堆叠的长短期记忆层的递归神经网络模型。
4.根据权利要求1所述的方法，其特征在于，将所述第二输出数据输入至多任务学习模型进行整体轨迹的时间预测具体包括：
5.一种基于时空数据挖掘的到达时间预测系统，其特征在于包括：
6.根据权利要求5所述的系统，其特征在于，时空学习模块具体用于：
7.根...
【专利技术属性】
技术研发人员：卢志，王小鸽，
申请(专利权)人：杭州涿溪脑与智能研究所，
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。