【技术实现步骤摘要】
本申请涉及交通状态预测领域，尤其涉及一种自适应时空信息预测的方法。
技术介绍
0、技术背景
1、分析和预测交通状态对于构建智能交通系统至关重要，是解决交通拥堵的有效方法。而交通状态在时间维度上受到交通事故及天气变化等因素的影响，导致交通状态的时间信息不仅表现出随季节性的周期性变化规律也表现出短时间内的波动性，这种高度的非线性使得交通状态的预测愈加困难。同时，道路和车辆在空间维度上的复杂关系也对交通状态的变化有着重要的影响，如道路上的交通事故等突发事件会导致较远处的交通状态发生变化，造成不同的传感器监测的交通数据存在空间异质性。因此，利用深度学习的方法并构建动态的时空信息是提升预测精度的有效方法。
技术实现思路
1、本专利技术提供的自适应时空信息的交通状态预测方法由可训练的参数生成三种时间嵌入和动态邻接矩阵，在训练过程中通过时空信息的实时更新学习非线性时间信息和动态空间信息，可训练时间嵌入不仅可以表示交通状态的时间周期性还可以表示交通状态的波动性，动态邻接矩阵不仅可以表示复杂的道...
【技术保护点】
1.基于自适应时空信息的交通状态预测方法，其特征在于包括下述内容：
2.根据权利1所述的基于自适应时空信息的交通状态预测方法，其特征在于，所述的按采样顺序依次产生日、周、月时间嵌入矩阵是现根据采样顺序可以生成天时间信息、周时间信息以及月时间信息，同时，为表示交通数据的时间维度的波动性，还需将这些时间信息与可训练的节点嵌入矩阵相乘。
3.根据权利2所述的按采样顺序依次产生日、周、月时间嵌入矩阵其特征在于，所述矩阵可分别表示为天时间嵌入、周时间嵌入、月时间嵌入，其产生过程可由下述公式表示：
4.根据权利3日、周、月时间嵌入矩阵为变现交通...
【技术特征摘要】
1.基于自适应时空信息的交通状态预测方法，其特征在于包括下述内容：
2.根据权利1所述的基于自适应时空信息的交通状态预测方法，其特征在于，所述的按采样顺序依次产生日、周、月时间嵌入矩阵是现根据采样顺序可以生成天时间信息、周时间信息以及月时间信息，同时，为表示交通数据的时间维度的波动性，还需将这些时间信息与可训练的节点嵌入矩阵相乘。
3.根据权利2所述的按采样顺序依次产生日、周、月时间嵌入矩阵其特征在于，所述矩阵可分别表示为天时间嵌入、周时间嵌入、月时间嵌入，其产生过程可由下述公式表示：
4.根据权利3日、周、月时间嵌入矩阵为变现交通数据的时间维度的波动性，还需将这些时间信息与可训练的节点嵌入矩阵相乘，其过程为：
5.根据权利1所述的基于自适应时空信息的交通状态预测方法，其特征在于，所述在进行门控机制融合操作之前需要将时间嵌入信息与将全连接层扩充维度的交通数据在时间维度拼接，并...
【专利技术属性】
技术研发人员：安陈，卢自宝，张佳丽，赵伟伟，马雨茹，曹浩，张波涛，汤广李，
申请(专利权)人：安徽师范大学，
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。