【技术实现步骤摘要】
本专利技术实施例涉及人工智能，尤其涉及一种通过隐式地理信息和知识蒸馏模型来提高交通预测性能的方法及产品。
技术介绍
1、近几十年来，快速城市化带来城市出行需求的爆炸式增长，交通速度预测在开发智能交通系统（itss）、调度、规划和管理城市交通方面发挥着至关重要的作用。交通速度预测旨在通过利用地理实体（例如路段）之间的空间相关性（地理信息）和时间相关性（例如演变交通的时间影响），基于历史数据来估计未来的交通速度。因此，如何有效地保持空间相关性和时间相关性成为实现准确交通速度预测的关键。
2、在研究交通速度预测的空间相关性和时间相关性方面已经进行了广泛的研究。在时间相关性方面，早期的工作将交通速度预测视为一个纯时间序列（即单/多变量）预测问题，其中应用自回归模型（例如arma、arima等）来预测每个时隙的交通速度。后来，深度递归神经网络（rnn）的成功为通过深度神经网络对具有隐藏状态的历史模式进行建模打开了新的篇章。rnn的各种变体，如长短期记忆（lstm）、门控递归单元（gru）等，已被用于建模城市交通速度预测中的时间演变模式...
【技术保护点】
1.一种通过隐式地理信息和知识蒸馏模型来提高交通预测性能的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的通过隐式地理信息和知识蒸馏模型来提高交通预测性能的方法，其特征在于，在所述交通速度预测模型的训练过程中，损失函数至少包括第一损失，所述交通速度预测模型的训练过程包括：
3.根据权利要求2所述的通过隐式地理信息和知识蒸馏模型来提高交通预测性能的方法，其特征在于，在所述交通速度预测模型的训练过程中，损失函数还包括第二损失，所述交通速度预测模型的训练过程包括：
4.根据权利要求1所述的通过隐式地理信息和知识蒸馏模型来提高交通...
【技术特征摘要】
1.一种通过隐式地理信息和知识蒸馏模型来提高交通预测性能的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的通过隐式地理信息和知识蒸馏模型来提高交通预测性能的方法，其特征在于，在所述交通速度预测模型的训练过程中，损失函数至少包括第一损失，所述交通速度预测模型的训练过程包括：
3.根据权利要求2所述的通过隐式地理信息和知识蒸馏模型来提高交通预测性能的方法，其特征在于，在所述交通速度预测模型的训练过程中，损失函数还包括第二损失，所述交通速度预测模型的训练过程包括：
4.根据权利要求1所述的通过隐式地理信息和知识蒸馏模型来提高交通预测性能的方法，其特征在于，所述交通速度预测模型包括：第一信息提取模块和第二信息提取模块；将交通速度记录输入交通速度预测模型，包括：
5.根据权利要求3所述的通过隐式地理信息和知识蒸馏模型来提高交通预测性能的方法，其特征在于，基于所述第一损失和所述第二损失更新学生模型的模型参数，包括：
6.一种通过...
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。