[发明专利]一种长短期交通预测方法

说明书

本申请公开了一种长短期交通预测方法，获取构建的交通路网图中的节点的第一历史交通数据，通过预置交通预测模型中的第一卷积层对第一历史交通数据进行卷积处理；通过模型中的第一个迭代RNN算子对卷积处理后的第一历史交通数据进行交通预测，输出第一个时间步的交通预测结果，将第一个时间步的交通预测结果输入到下一个迭代RNN算子进行交通预测，直至第Tsubgt;p/subgt;个迭代RNN算子输出第Tsubgt;p/subgt;个时间步的交通预测结果，通过模型中的拼接模块将Tsubgt;p/subgt;个时间步的交通预测结果拼接后输入到第二卷积层进行卷积处理，输出最终的交通预测结果。本申请解决了现有的交通预测方法存在预测误差累计较高，以及不能同时兼顾长短期预测精度的技术问题。

技术领域

本申请涉及交通预测技术领域，尤其涉及一种长短期交通预测方法。

背景技术

交通预测是经典的时空预测问题，在实际生活中应用广泛，例如智慧城市路网规划、智能出行路径规划、城市公共交通系统等。由于交通数据具有高度非线性和复杂性，现有技术主要通过深度学习来解决交通预测问题。而现有的交通预测方法存在预测误差累计较高，以及不能同时兼顾长短期预测精度的问题。

发明内容

本申请提供了一种长短期交通预测方法，用于解决现有的交通预测方法存在预测误差累计较高，以及不能同时兼顾长短期预测精度的技术问题。

有鉴于此，本申请第一方面提供了一种长短期交通预测方法，包括：

将交通路网构建为图结构，得到交通路网图；

获取所述交通路网图中的节点的第一历史交通数据；

将所述第一历史交通数据输入到包含第一卷积层、T_p个迭代RNN算子、拼接模块和第二卷积层的预置交通预测模型，使得所述第一卷积层对所述第一历史交通数据进行卷积处理，第一个迭代RNN算子对卷积处理后的所述第一历史交通数据进行交通预测，输出第一个时间步的交通预测结果，将所述第一个时间步的交通预测结果输入到下一个迭代RNN算子进行交通预测，直至第T_p个迭代RNN算子输出第T_p个时间步的交通预测结果，所述拼接模块对T_p个时间步的交通预测结果进行拼接，所述第二卷积层对拼接后的交通预测结果进行卷积处理，输出最终的交通预测结果。

可选的，所述迭代RNN算子包括门控线性单元、扩散卷积层和全连接层；

所述第一个迭代RNN算子对卷积处理后的所述第一历史交通数据进行交通预测，输出第一个时间步的交通预测结果，包括：

所述门控线性单元提取卷积处理后的所述第一历史交通数据的时间依赖关系，输出第一特征；

所述扩散卷积层提取所述第一特征的空间依赖关系，输出第二特征；

所述全连接层对所述第二特征进行交通预测，输出第一个时间步的交通预测结果。

可选的，所述门控线性单元提取卷积处理后的所述第一历史交通数据的时间依赖关系，输出第一特征，包括：

所述门控线性单元对卷积处理后的所述第一历史交通数据进行一维卷积处理，得到第一卷积特征和第二卷积特征，

所述门控线性单元通过激活函数对所述第二卷积特征进行激活处理，并计算所述第一卷积特征与激活处理后的所述第二卷积特征的哈达玛积；

所述门控线性单元将卷积处理后的所述第一历史交通数据与所述哈达玛积进行残差连接，输出第一特征。

可选的，所述扩散卷积层提取所述第一特征的空间依赖关系，输出第二特征，包括：

所述扩散卷积层对所述第一特征进行带自适应矩阵的扩散卷积特征提取，输出第二特征。

可选的，所述第二特征为：