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。