一种基于因果分类去偏的城市交通数据预测方法技术

本发明专利技术涉及一种基于因果分类去偏的城市交通数据预测方法，属于时空数据挖掘技术领域，本发明专利技术提出了一种基于因果分类去偏的城市交通数据预测方法，利用空间邻接关系和时间位置，通过因果干预修正城市时空数据分布偏态在因果挖掘上的影响，恢复隐藏在观测数据中的时空因果关系，采纳空间邻近性关系和时间位置等先验信息学习因果图，并引入了跨越不同时间片段的时空因果传递机制，以强化时空因果表征，从而显著提升了城市交通数据预测的精确度与稳健性，有效提升了预测模型的精度、鲁棒性和泛化能力。

【技术实现步骤摘要】

本专利技术涉及时空数据挖掘，具体涉及一种基于因果分类去偏的城市交通数据预测方法。

技术介绍

1、城市交通数据作为一种重要的信息资源，能够直观而有效地反应当前城市交通行为的动态变化规律。通过深入挖掘城市交通数据中的隐含信息并探索隐式的时空因果关系，可以揭示潜在的城市交通行为模式，有利于实施科学的城市交通数据预测分析，显著提升城市管理者在制定城市规划决策时的科学性。这不仅有助于针对性地缓解城市交通问题，而且对于提升居民的生活质量具有积极的推动作用。

2、现有技术中，大多数方法基于图网络处理时空相关性，利用静态图结构描述节点间关联，或者运用复杂的注意力机制捕捉长期依赖性。得益于大规模和均匀分布的数据集，这些方法在模拟某些典型交通场景的时空关联方面取得了一定成效。然而，由于极端场景罕见、探测器稀疏分布等原因，来自现实世界场景的城市交通观测数据无法覆盖所有潜在场景，且往往呈现显著的分布偏态。这种偏态可能导致交通模型过度拟合数据中的特定偏差，削弱模型的泛化能力，只适用于单一场景。例如，公告号为cn116740949b的中国专利以及公开号为cn1111795本文档来自技高网...

【技术保护点】

1.一种基于因果分类去偏的城市交通数据预测方法，其特征在于，包括：

2.根据权利要求1所述的基于因果分类去偏的城市交通数据预测方法，其特征在于，所述交通流量数据为各种交通工具的交通流量。

3.根据权利要求1所述的基于因果分类去偏的城市交通数据预测方法，其特征在于，

4.根据权利要求1所述的基于因果分类去偏的城市交通数据预测方法，其特征在于，步骤S2所述城市交通数据预测模型包括潜在混杂因子估计器、因果去偏器、动态因果学习器和因果传播模块。

5.根据权利要求1所述的基于因果分类去偏的城市交通数据预测方法，其特征在于，步骤S4所述得到第t个历史时...

【技术特征摘要】

1.一种基于因果分类去偏的城市交通数据预测方法，其特征在于，包括：

2.根据权利要求1所述的基于因果分类去偏的城市交通数据预测方法，其特征在于，所述交通流量数据为各种交通工具的交通流量。

3.根据权利要求1所述的基于因果分类去偏的城市交通数据预测方法，其特征在于，

4.根据权利要求1所述的基于因果分类去偏的城市交通数据预测方法，其特征在于，步骤s2所述城市交通数据预测模型包括潜在混杂因子估计器、因果去偏器、动态因果学习器和因果传播模块。

5.根据权利要求1所述的基于因果分类去偏的城市交通数据预测方法，其特征在于，步骤s4所述得到第t个历史时间段的多个含有特征混杂因子的...

【专利技术属性】
技术研发人员：何启荣，邓攀，周其顺，刘俊廷，赵宇，余绍函，杜嘉龙，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：