【技术实现步骤摘要】
本申请涉及交通流量预测，具体涉及一种基于耦合多因子协同图网络的交通流量预测模型构建方法。
技术介绍
1、随着人口的快速增长和经济的发展，交通领域面临一些难以用传统方法解决的复杂问题，再加上城市化进程的持续加快，同时在交通流量大、行驶速度快的场景下，繁重的交通压力会严重影响通行能力。交通拥堵给予社会带来高耗能的负面影响，并且具有高度的复杂性、时效性和随机性。交通的健康发展能够减轻社会经济发展的压力，扼制不必要的经济负担发生以及环境的健康发展。
2、为了应对社会化发展中的交通问题挑战，保障生态友好社会的可持续发展，科研人员运用深度学习、智能感知、大数据、信息通信技术、无线通信技术以及电子控制等多种先进技术对整个交通管理系统的集成应用，交通管理系统以其智能化、数字化、易共享性以及高耦合性等特点，逐渐成为交通领域的应用热点，满足了人们对交通时空信息的可视化、分析预测和规划等需求。
3、交通的预测方法经历了传统统计学理论到现在的深度学习技术。传统的交通预测方法基于模型驱动，使用线性系统理论预测方法，这些方法假设目标数据是稳...
【技术保护点】
1.一种基于耦合多因子协同图网络的交通流量预测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的基于耦合多因子协同图网络的交通流量预测模型构建方法，其特征在于，所述步骤1中，预处理包括：将不同来源的交通特征数据进行格式统一化和初步清理，然后采用Z-值对交通特征数据进行归一化，并将每个交通特征数据按均值和标准差进行转换，从而得到标准化交通特征数据。
3.根据权利要求1所述的基于耦合多因子协同图网络的交通流量预测模型构建方法，其特征在于，所述步骤3中，根据所述图网络构建距离邻接矩阵具体为：提取所述图网络中的不同节点，并计算每对节点之间的距离...
【技术特征摘要】
1.一种基于耦合多因子协同图网络的交通流量预测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的基于耦合多因子协同图网络的交通流量预测模型构建方法，其特征在于，所述步骤1中，预处理包括：将不同来源的交通特征数据进行格式统一化和初步清理，然后采用z-值对交通特征数据进行归一化，并将每个交通特征数据按均值和标准差进行转换，从而得到标准化交通特征数据。
3.根据权利要求1所述的基于耦合多因子协同图网络的交通流量预测模型构建方法，其特征在于，所述步骤3中，根据所述图网络构建距离邻接矩阵具体为：提取所述图网络中的不同节点，并计算每对节点之间的距离；通过距离邻接性表现在节点之间的连通性，将计算得到的距离填入邻接矩阵中，得到距离邻接矩阵。
4.根据权利要求3所述的基于耦合多因子协同图网络的交通流量预测模型构建方法，其特征在于，所述计算每对节点之间的距离时根据节点位置坐标使用欧氏距离或地理距离公式进行计算。
5.根据权利要求1所述的基于耦合多因子协同图网络的交通流量预测模型构建方法，其特征在于，所述步骤3中，根据所述图网络构建节点相关性矩阵具体为：采用皮尔逊相关系数法将所述图网络节点之间的相关程度...
【专利技术属性】
技术研发人员：陈才，王坚，许丁昕，李栋，钟华，居旭薇，杨耀庭，
申请(专利权)人：北京建筑大学，
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。