一种基于时空自适应嵌入对偶交互的交通流量预测方法
本发明属于深度学习及其在交通预测应用的领域,尤其涉及一种基于时空自适应嵌入对偶交互的交通流量预测方法。
背景技术:
1、交通流量预测是智能交通系统的核心任务,其精确性直接影响城市交通管理、路径规划和拥堵预警的效果。然而,实际交通流量数据具有高度的非线性、动态性和复杂的时空相关性,给精准预测带来了巨大挑战。传统的预测方法往往难以有效整合多维度特征(如时间周期、空间拓扑、外部事件等),它们或侧重于单一维度的建模,忽略了时空信息之间深层次的动态耦合;或难以同时捕捉交通流量中的局部模式与宏观的长期趋势。特别是在复杂多变的交通环境下,如何构建一个能够自适应地学习并融合这些多维时空特征,并充分挖掘时间与空间之间相互影响的动态机制,是当前交通流量预测领域亟待解决的关键问题。
2、近年来,人们已经提出了诸多研究方法并取得了丰厚的成果。从所采用的研究方法来看,当前该领域的各类研究工作可大致划分为三类:基于传统统计学的交通流量预测模型、基于传统机器学习的交通流量预测模型以及基于深度学习的交通流量预测模型。其中,传统统计学方法为交通流量预测的早期研究奠定了坚实基础,传统机器学习方法进一步提升了预测结果的精度,而深度学习方法凭借其强大的特征提取能力与复杂时空依赖关系的建模优势,逐步成为当前交通流量预测领域的研究热点。
3、虽然上述方法极大的推动了时序预测的精度,但它们仍然存在诸多问题,主要体现在:(1)现有模型容易忽略时空信息之间深层次的动态耦合;(2) 难以同时捕捉交通流量中的局部模式与宏观的长期趋势等。
技术实现思路
1、本发明的目的在于提供一种基于时空自适应嵌入对偶交互的交通流量预测方法,以解决现有技术中存在的至少一项技术问题。
2、为解决上述技术问题,本发明提供的一种基于时空自适应嵌入对偶交互的交通流量预测方法,包括如下步骤:
3、s1:采用计算机软件读取城市路网交通流量数据,该数据包括城市不同路口不同时间采集的交通流量数据,并将其转化为待处理的第一交通流量数据矩阵。
4、s2:采用时空嵌入模块将时空周期信息、空间位置信息和自适应嵌入信息嵌入到第一交通流量数据矩阵中,得到第二交通流量数据矩阵。
5、s3:采用交错抽样模块将第二交通流量数据矩阵进行交错分解,得到奇数位交通流量数据矩阵和偶数位交通流量数据矩阵。
6、s4:采用信息感知模块1处理奇数位交通流量数据矩阵得到第三交通流量数据矩阵,并采用信息感知模块2处理偶数位交通流量数据矩阵得到第四交通流量数据矩阵。
7、s5:采用时空编码模块处理第四交通流量数据矩阵得到第五交通流量数据矩阵。
8、s6:采用空时编码模块处理第四交通流量数据矩阵得到第六交通流量数据矩阵。
9、s7:将第五交通流量数据矩阵和第六交通流量数据矩阵串联并采用输入嵌入层模块处理得到交通流量的预测结果。
10、本发明提出的方法对经典交通流量数据预测的结果优于现有的主流交通流量预测方法。
1.一种基于时空自适应嵌入对偶交互的交通流量预测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于时空自适应嵌入对偶交互的交通流量预测方法,其特征在于,上述步骤s2中采用时空嵌入模块将时空周期信息、空间位置信息和自适应嵌入信息嵌入到第一交通流量数据矩阵中,得到第二交通流量数据矩阵,具体处理流程如下所示:
3.根据权利要求2所述的一种基于时空自适应嵌入对偶交互的交通流量预测方法,其特征在于,上述步骤s3中采用交错抽样模块将第二交通流量数据矩阵进行交错分解,得到奇数位交通流量数据矩阵和偶数位交通流量数据矩阵,具体处理流程如下所示:
4.根据权利要求3所述的一种基于时空自适应嵌入对偶交互的交通流量预测方法,其特征在于,上述步骤s4中采用信息感知模块1处理奇数位交通流量数据矩阵得到第三交通流量数据矩阵,并采用信息感知模块2处理偶数位交通流量数据矩阵得到第四交通流量数据矩阵,具体处理流程如下所示:
5.根据权利要求4所述的一种基于时空自适应嵌入对偶交互的交通流量预测方法,其特征在于,上述步骤s5中采用时空编码模块处理第四交通流量数据矩阵得到第五交通流量数据矩阵,具体处理流程如下所示:
6.根据权利要求5所述的一种基于时空自适应嵌入对偶交互的交通流量预测方法,其特征在于,上述步骤s6中采用空时编码模块处理第四交通流量数据矩阵得到第六交通流量数据矩阵,具体处理流程如下所示:
7.根据权利要求6所述的一种基于时空自适应嵌入对偶交互的交通流量预测方法,其特征在于,上述步骤s7中将第五交通流量数据矩阵和第六交通流量数据矩阵串联并采用输入嵌入层模块处理得到交通流量的预测结果,具体处理流程如下所示:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com