[发明专利]时空数据预测模型的训练方法、装置及电子设备

说明书

本申请公开了一种时空数据预测模型的训练方法、装置及电子设备，该方法包括：获取训练区域内的数据节点的节点特征数据，节点特征数据包括历史数据信息和空间位置信息；获取数据节点之间的网络邻接数据，并转换成为表征数据节点之间是否存在连接边的连接信息以及与每个连接边对应的权重信息，连接边表征数据节点之间存在影响，权重信息表征数据节点之间的影响程度；获取基准结果；基于节点特征数据、连接信息、权重信息以及基准结果，训练时空数据预测模型。本方案考虑了数据节点之间的影响，提升了模型预测的准确性。另外将网络邻接数据进行分解，得到多个连接信息和对应的权重信息，计算简单方便，可以应用到复杂的网络邻接数据的训练。

技术领域

本申请涉及计算机技术领域，尤其涉及一种时空数据预测模型的训练方法、装置及电子设备。

背景技术

随着现代化与城市化进程的加快，人们在享受其带来的红利的同时，也在忍受着拥堵的道路、地下水污染、噪声污染、雾霾等等社会问题。与此同时，云计算、大数据、人工智能等新兴技术的产生，也带来了解决这些问题的可能的方法，同时也催生了城市计算这一交叉学科。这类问题大多可以被建模为时空数据预测问题，空间维度表示的是传感器或者监测站等观测点所在的地理位置，时间维度是随着时间的演进站点处的数据的变化。

常用的一种预测方法是将时空数据预测问题建模成为二维图片序列预测问题(或者称为视频预测问题)。例如在网约车需求预测问题中(网约车需求也可以被看成是时空数据，已知过去一段时间内区域网约车的需求数量，预测未来时网约车需求数量)，区域被分为单位格点为1km*1km的区域，覆盖于真实空间区域上，利用位置的空间位置信息和随时间变化的数据信息，进行深度学习后，得到时空数据预测模型，并应用该时空数据预测模型来预测网约车的数量。

但是应用空间维度的数据和时间维度的数据来训练该时空数据预测模型，时空数据预测模型的预测结果的准确性低。

发明内容

本申请实施例提供一种时空数据预测模型的训练方法、装置及电子设备，以解决现有的时空数据预测模型的预测结果的准确性低的问题。

第一方面，提供了一种时空数据预测模型的训练方法，包括：

获取训练区域内用于采集数据的数据节点的节点特征数据，所述节点特征数据包括所述数据节点相关的历史数据信息和所述数据节点的空间位置信息。

获取所述数据节点之间的网络邻接数据，并转换成为表征所述数据节点之间是否存在连接边的连接信息以及与每个所述连接边对应的权重信息，所述连接边表征所述数据节点之间存在影响，所述权重信息表征所述数据节点之间的影响程度。

获取与所述节点特征数据和所述网络邻接数据对应的基准结果。

基于所述节点特征数据、所述连接信息、所述权重信息以及所述基准结果，训练时空数据预测模型。

第二方面，提供了一种时空数据预测模型的训练装置，包括：

节点特征获取模块，用于获取训练区域内用于采集数据的数据节点的节点特征数据，所述节点特征数据包括所述数据节点相关的历史数据信息和所述数据节点的空间位置信息。

邻接数据获取模块，用于获取所述数据节点之间的网络邻接数据，并转换成为表征所述数据节点之间是否存在连接边的连接信息以及与每个所述连接边对应的权重信息，所述连接边表征所述数据节点之间存在影响，所述权重信息表征所述数据节点之间的影响程度。

标签信息获取模块，用于获取与所述节点特征数据和所述网络邻接数据对应的基准结果。

训练模块，用于基于所述节点特征数据、所述连接信息、所述权重信息以及所述基准结果，训练时空数据预测模型。

第三方面，提供了一种电子设备，包括：

处理器；以及