[发明专利]一种基于图卷积分析的道路流量预测方法和装置

权利要求书

1.一种基于图卷积分析的道路流量预测方法，其特征在于，包括：

确定预测流量业务的节点，采集所述节点的特征值；

预设损失函数，将所述特征值作为输入数据对所述模型进行训练，得到模型参数；

根据所述模型参数和所述输入数据对所述节点的流量进行预测。

2.如权利要求1所述的方法，其特征在于，所述确定预测流量业务的节点，采集所述节点的特征值，包括：

确定与预测流量业务相关的节点关联图；

绘制节点和边形成的图邻接矩阵；

按照时间顺序采集所述节点的特征值。

3.如权利要求2所述的方法，其特征在于，所述预设损失函数，将所述特征值作为输入数据对所述模型进行训练，得到模型参数，包括：

假设获取数据的时间间隔为T，即每隔T时间段进行一次数据采集，预测t+nT时刻数据d_t+nT，对n阶关联节点进行采集，模型训练采用(d_t-(m+n)T,d_t-(m+n-1)T,...,d_t-(n+1)T)数据作为输入数据，d_t时刻数据作为输出数据进行训练，其中，m,n∈[1,2,3,...)，d_t表示t时刻的数据；

通过采样的数据对公式进行模型化，所述模型包括：其中，W,b为模型参数，σ为激活函数。

4.如权利要求3所述的方法，其特征在于，

所述损失函数包括平方损失函数或均方损失函数。

5.如权利要求4所述的方法，其特征在于，所述根据所述模型参数和所述输入数据对所述节点的流量进行预测，包括：

通过t+n的预测模型，以(d_t-(m-1)T,d_t-(m-2)T,...,d_t)对d_t+nT进行预测。

6.一种基于图卷积分析的道路流量预测装置，其特征在于，包括：

采集模块，用于确定预测流量业务的节点，采集所述节点的特征值；

训练模块，用于预设损失函数，将所述特征值作为输入数据对所述模型进行训练，得到模型参数；

预测模块，用于根据所述模型参数和所述输入数据对所述节点的流量进行预测。

7.如权利要求6所述的装置，其特征在于，所述采集模块，包括：

处理单元，用于确定与预测流量业务相关的节点关联图；

绘制单元，用于绘制节点和边形成的图邻接矩阵；

采集单元，用于按照时间顺序采集所述节点的特征值。

8.如权利要求7所述的装置，其特征在于，所述训练模块，包括：

训练单元，用于预测t+nT时刻数据d_t+nT，对n阶关联节点进行采集，模型训练采用(d_t-(m+n)T,d_t-(m+n-1)T,...,d_t-(n+1)T)数据作为输入数据，d_t时刻数据作为输出数据进行训练,其中，m,n∈[1,2,3,...)，d_t表示t时刻的数据；

转化单元，通过采样的数据对公式进行模型化，所述模型包括：其中，W,b为模型参数，σ为激活函数。

9.如权利要求8所述的装置，其特征在于，所述预测模块，还用于通过t+n的预测模型，以(d_t-(m-1)T,d_t-(m-2)T,...,d_t)对d_t+nT进行预测。

10.一种基于图卷积分析的道路流量预测装置，其特征在于，包括：

存储器，用于存储程序；

处理器，用于通过执行所述存储器存储的程序以实现如权利要求1-5中任一项所述的方法。