【技术实现步骤摘要】
本申请涉及人工智能领域，尤其是涉及一种考虑多种集散模式的交通枢纽客流量预测方法。
技术介绍
1、近年来，随着全球城市化和经济的快速发展，大型综合交通枢纽的客流量显著增加。随着智能交通系统的蓬勃发展，乘客出行需求日益多样化。由于客流量的复杂变化，枢纽的多种集散模式给交通规划和管理带来了独特的挑战和机遇。准确的客流预测可以为优化运营策略、保障资源高效配置提供重要的基础参考。然而，获得准确的、精细化的且具有指导意义的预测结果仍然是一项具有挑战性的任务。卷积神经网络(cnn)将客流数据转换为图像表示以提取时间特征。使用卷积层可以大大提高并行计算能力和效率。但相对简单的模型可能无法完全捕捉时间串行数据中的非线性关系和复杂模式。自注意力机制使transformer能够考虑串行中的所有元素并创建各种相关性，从而引起了研究人员的极大关注。然而，窗口大小会直接限制长序处理中的上下文依赖性，影响训练和推理。一些研究将交通中心划分为不同的区域以预测客流分布，基于图卷积神经网络(gcn)提取空间特征。此外，还有研究考虑了多源数据，包括手机数据、特殊事件、天气情...
【技术保护点】
1.一种考虑多种集散模式的交通枢纽客流量预测方法，其特征在于，包括：
2.根据权利要求1所述的考虑多种集散模式的交通枢纽客流量预测方法，其特征在于，所述多通道时序增强模块通过多个通道将所述原始数据进行时序特征增强，包括：
3.根据权利要求2所述的考虑多种集散模式的交通枢纽客流量预测方法，其特征在于，包括：
4.根据权利要求3所述的考虑多种集散模式的交通枢纽客流量预测方法，其特征在于，所述将通过时序特征增强后的原始数据输入所述时空动态图卷积循环网络，得到编码数据，包括：
5.根据权利要求1所述的考虑多种集散模式的交通枢纽客...
【技术特征摘要】
1.一种考虑多种集散模式的交通枢纽客流量预测方法，其特征在于，包括：
2.根据权利要求1所述的考虑多种集散模式的交通枢纽客流量预测方法，其特征在于，所述多通道时序增强模块通过多个通道将所述原始数据进行时序特征增强，包括：
3.根据权利要求2所述的考虑多种集散模式的交通枢纽客流量预测方法，其特征在于，包括：
4.根据权利要求3所述的考虑多种集散模式的交通枢纽客流量预测方法，其特征在于，所述将通过时序特征增强后的原始数据输入所述时空动态图卷积循环网络，得到编码数据，包括：
5.根据权利要求1所述的考虑多种集散模式的交通枢纽客流量预测方法，其特征在于，所述接着采用自适应的通道注意力机制融合所述编码数据，得到融合数据，包括：
6.根据权利要求1所述的考虑多种集散模式的...
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。