一种基于时空特征深度融合的全周期交通流量预测方法技术

本发明专利技术公开了一种基于时空特征深度融合的全周期交通流量预测方法，旨在深度整合交通流的复杂时空依赖，形成复合交通态势感知，实现对交通多周期综合流量预测。首先通过时空信息综合表征，提取多时间模态的时序特征并构建具象的真实空间关系。为进一步构建融合多尺度以及多粒度综合要素的数字化城市交通流量预测方法，本发明专利技术针对短期交通流量预测提出深度融合短期时空依赖的综合交通流量预测模型，提高对瞬时流量变化的敏感性，充分建模交通流量在多功能空域节点的短期动态变化；此外，还设计了一种深度空域解构与时序特征融合的模型用于中长期交通预测，深层次提取复杂交通模式。仿真结果显示，本发明专利技术所提方法优于现有交通流量预测技术。

【技术实现步骤摘要】

本专利技术涉及交通流量预测，尤其涉及一种基于时空特征深度融合的全周期交通流量预测方法。该方法从时空维度出发面向短、中、长多个周期，结合不同尺度的时序特征以及不同粒度的空间关系，用于实现融合多维度、多尺度以及多粒度综合要素的全周期数字化城市交通流量预测。

技术介绍

1、在自动驾驶、物联网、云计算和5g/6g通信技术的推动下，城市交通系统正经历深刻变革。与此同时，全球气候变化促使碳中和与可持续发展成为全球共识，进一步提高了对资源优化和应急管理的需求。在这一背景下，智能交通系统(its)的应用被证明能有效解决城市交通问题，其中交通流量预测发挥着至关重要的作用。良好的交通流量预测能够为交通管理者提供科学有效的决策支持，优化交通资源配置，减少拥堵，提升城市运行效率。随着城市扩张和人口聚集，交通需求的复杂性增加，通勤、物流和其他出行活动的流量激增，导致道路网络负荷加重，城市交通拥堵问题日益严峻。因此，高效、精准的交通流量预测成为解决这些问题的关键，它不仅能够提高交通系统的效率和响应能力，还能为实现城市可持续发展目标提供科学支撑，这对于构建未来智能、绿色的城市交通系统具本文档来自技高网...

【技术保护点】

1.一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于：所述步骤S1中，将交通路网数据进行时空信息综合表征，包括以下步骤：

3.根据权利要求1所述的一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于：所述步骤S2中，设计双向门控时序卷积网络Bi-Gated TCN捕捉短期时序依赖，包括以下步骤：

4.根据权利要求1所述的一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于：所述步骤S3中，设计基于时变多邻域图卷积和上下文多图...

【技术特征摘要】

1.一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于：所述步骤s1中，将交通路网数据进行时空信息综合表征，包括以下步骤：

3.根据权利要求1所述的一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于：所述步骤s2中，设计双向门控时序卷积网络bi-gated tcn捕捉短期时序依赖，包括以下步骤：

4.根据权利要求1所述的一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于：所述步骤s3中，设计基于时变多邻域图卷积和上下文多图感知注意力的模型tvmgcn-camga捕捉短期多属性邻域交互，包括以下步骤：

5.根据权利要求1所述的一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于：所述步骤s4中，设计tvformer深入挖掘历史流量数据中的长期趋势，包括以下步骤：

6.根据权利要求1所述的一种基于时空特征深度融合的全周期交通流量预测方法，其特征在于：所述步骤s5中，设计spagra...

【专利技术属性】
技术研发人员：赵中楠，谢旭，王钺，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：