申请号：CN202411448361.2

当前权利人：浙江大学

摘要: 本发明公开了一种基于多尺度联合时空超图神经网络的交通 流量预测方法，包括：根据交通流量数据构建训练样本，基于每批训 练样本为每个空间尺度构建图邻接矩阵；构建多尺度联合时空超图神 经网络模型，在时空金字塔建模模块中基于图邻接矩阵和构建的空间 金字塔图从训练样本中提取多尺度时空特征；在自适应超图建模模块 中通过学习超图结构并执行三阶段超图传播，以建模多尺度时空特征间的高阶依赖；在融合和输出模块中将更新后的多尺度时空特征进行 融合并输出预测结果；利用训练样本进行模型训练后用于交通流量预 测。本发明引入超图神经网络显式地建模了多尺度时空特征间的交互， 即联合建模了多尺度时空依赖，能够提升交通流量的预测精度。 

主权利要求: 1.一种基于多尺度联合时空超图神经网络的交通流量 预测方法，其特征在于，包括以下步骤： 对给定的交通流量数据进 行预处理并构建训练样本，基于每批训练样本为每个空间尺度构建图 邻接矩阵； 构建包括时空金字塔建模模块、自适应超图建模模块、 以及融合和输出模块的多尺度联合时空超图神经网络模型，在时空金 字塔建模模块中基于图邻接矩阵和构建的空间金字塔图从训练样本 中提取多尺度时空特征； 在自适应超图建模模块中将多尺度时空特 征中的每一个特征作为超图中的节点，通过学习超图结构并执行包括 节点到超边、超边到超边和超边到节点的三阶段超图传播，以建模多 尺度时空特征间的高阶依赖； 在融合和输出模块中将经过自适应超 图建模模块更新后的多尺度时空特征进行融合并输出交通流量的预 测结果； 利用训练样本对多尺度联合时空超图神经网络模型进行训 练，利用训练好的多尺度联合时空超图神经网络模型进行交通流量预 测。