【技术实现步骤摘要】
本专利技术涉及时空序列预测，尤其是一种基于聚合差分注意力机制的时空序列预测方法。
技术介绍
1、智慧城市以及智慧交通正在兴起，出行方式趋于智能化，时空序列预测作为一种关键且有力的技术，被广泛应用于智慧交通、智慧出行的建设之中。精准的车流量预测，可以帮助交管部门合理调控信号灯以减轻堵塞，提高出行效率从而减小碳排放。准确的乘客需求预测，可以帮助网约车、出租车平台提前调度车辆，减少乘客的等待时间以及车辆的空闲时间，从而提升整体效率以及各方满意度。
2、在时空序列预测任务中，一个重要的部分在于：合理的模型框架。早期研究将区域看作网格，将每一个地区看作一个像素，利用卷积神经网络捕获空间关联。该方法不能够适应现实的地理空间，现实中的地理单元是不规整的，拥有其内在的拓扑结构特性。这种特性使得图神经网络更加适合时空数据。文献1：spatiotemporal multi-graph convolutionnetwork for ride-hailing demand forecasting，定义了多种图结构去捕获结点间的多种关联。文献2：sp...
【技术保护点】
1.一种基于聚合差分注意力机制的时空序列预测方法，其特征在于：该方法具体包括：
2.根据权利要求1所述的基于聚合差分注意力机制的时空序列预测方法，其特征在于，所述通过空间差分注意力网络提取原始层级的空间相关性Hs，其学习数据原始层级空间关联的具体过程如下：
3.根据权利要求1所述的基于聚合差分注意力机制的时空序列预测方法，其特征在于，所述获取聚簇之间的空间关联其学习数据系统性空间关联的具体过程如下：
4.根据权利要求1所述的基于聚合差分注意力机制的时空序列预测方法，其特征在于，所述学习数据特征中的原始层级时间相关性Ht，其学习数据原...
【技术特征摘要】
1.一种基于聚合差分注意力机制的时空序列预测方法，其特征在于：该方法具体包括：
2.根据权利要求1所述的基于聚合差分注意力机制的时空序列预测方法，其特征在于，所述通过空间差分注意力网络提取原始层级的空间相关性hs，其学习数据原始层级空间关联的具体过程如下：
3.根据权利要求1所述的基于聚合差分注意力机制的时空序列预测方法，其特征在于，所述获取聚簇之间的空间关联其学习数据系统性空间关联的具体过程如下：
4.根据权利要求1所述的基...
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。