[发明专利]一种基于3D反卷积的出行需求预测方法

权利要求书

1.一种基于3D反卷积的出行需求预测方法，其特征在于，包括构建预测模型的步骤：

步骤1：构建时空栅格数据，具体如下：

将时间间隔t内，所有I×J栅格节点的出行需求表示为张量X_t∈R^C×I×J，其中C＝2表示有需求流入量和流出量两个通道，X_t表示一个时空栅格数据；

步骤2：根据时空栅格数据来构建预测方法的输入；三种时间依赖性的输入不同，分别构建如下：

1)临近依赖性的输入是时空栅格数据的子序列

其中，d_c表示临近依赖序列的长度；

2)日常依赖性的输入是时空栅格数据的子序列

其中l_p表示一天时空序列的长度，d_p表示日常依赖序列的长度；

3)周期依赖性的输入是时空栅格数据的子序列

其中l_w表示一周时空序列的长度，d_w表示周期依赖序列的长度；

步骤3：使用3D卷积初步提取时空特征；对于三种时间属性，分别连接2个3D卷积层，如下：

1)临近依赖性的3D卷积计算过程如下：

其中*表示3D卷积的运算；是第l个3D卷积的输入，C_l-1是通道数；当l＝1时，C₀＝C，I₀＝I，J₀＝J和T₀＝d_c；W_c^(l)和是参数，f是激活函数；

2)日常依赖性的3D卷积计算过程如下：

其中*表示3D卷积的运算；是第l个3D卷积的输入，C_l-1是通道数；当l＝1时，C₀＝C，I₀＝I，J₀＝J和T₀＝d_p；W_p^(l)和是参数，f是激活函数；

3)周期依赖性的3D卷积计算过程如下：

其中*表示3D卷积的运算；是第l个3D卷积的输入，C_l-1是通道数；当l＝1时，C₀＝C，I₀＝I，J₀＝J和T₀＝d_w；和是参数，f是激活函数；步骤4：使用3D反卷积来进一步提取空间信息；对于三种时间属性，分别连接2个3D反卷积层，如下：

1)临近依赖性的3D反卷积计算过程如下：

其中，表示3D反卷积的运算；C₃、C₄是通道数，W_c⁽³⁾、W_c⁽⁴⁾和是参数；将降维成

2)日常依赖性的3D反卷积计算过程如下：

其中，表示3D反卷积的运算；C₃、C₄是通道数，W_p⁽³⁾、W_p⁽⁴⁾和是参数；将降维成

3)周期依赖性的3D反卷积计算过程如下：

其中，表示3D反卷积的运算；C₃、C₄是通道数，和是参数；将降维成

步骤5：将三个输出和融合，提取三个输出不同的贡献程度；融合过程如下：

其中，表示按元素相乘，W_fc，W_fp和W_fw表示可学习的参数，反映对预测目标的三种时间特性影响的程度；

步骤6：激活函数作用于融合结果来得到最终的结果；过程如下：

其中，f表示激活函数，表示最终的模型输出结果。