[发明专利]一种基于知识图谱和自注意力机制的轨迹目的地预测的方法

说明书

一种基于知识图谱和自注意力机制的轨迹目的地预测的方法，属于深度学习与城市交通规划技术交叉的领域。本发明先由底向上构建多层知识图谱，其中第一层表示基础路网结构及基本属性，第二层表示轨迹数据中路段的上下游关系及选择偏好，第三层使用MeanShift算法对轨迹起始点和终点进行聚类对路网进行功能区的划分。其次，本发明对Graph‑Bert算法进行改进提出TrafficGraph‑Bert的算法对多层交通知识图谱进行图表示，并根据目的地的密度对路网进行划分，以解决轨迹数据稀疏的问题。最后，用自注意力机制对轨迹序列进行学习，并通过注意力机制学习轨迹中不同路段对结果预测的贡献程度，并预测最终轨迹到达的地点。

技术领域

本发明属于深度学习与城市交通规划技术交叉的领域，涉及一种基于交通知识图谱和自注意力机制根据部分已知轨迹预测轨迹目的地的方法。

背景技术

最近，交通出行作为当代社会一个瞩目而又无可避免的问题频繁的出现在我们的视野之中。作为城市发展的关键点之一，交通出行无论在生态环境还是经济发展都有着瞩目的影响力。通过交通运输实现了城市之间的联通，促进了运输业商业等行业的快速发展。除了交通本身的同行收益，在交通工具上投放广告同样也可以为广告商带来经济收益。当然，交通为我们带来了许多便利和良好的经济效应的同时也导致了一些问题。例如，当发生交通拥堵时，出行时间的增加导致了运输成本的增加，在给经济发展和社会发展带来影响的同时，汽车所排放的尾气也会对城市的生态环境带来恶劣的影响。因此，如何对交通进行有效地管理，最大化的利用交通带给我们便利的同时降低交通所产生的负面的影响。这一问题为我们带来了巨大的挑战。而交通作为一个复杂的系统，同时受到出行者、时间、天气等多种方面的影响，因此仅凭交通领域知识是不够的。而交通大数据的出现赋予了这一挑战新的转机。通过交通大数据，可以对交通系统建立科学且有效的模型，学习大数据中所包含的多源信息对于交通状态的影响，从而准确的对路网中的交通状态进行预测。

所谓目的地预测，即在车辆的行进过程中，通过已经产生的轨迹部分以及一些其他的辅助的信息，对尚未到达的最终的目的地进行预测。目的地预测作为交通状态预测领域中的一个主要的分支，无论在商业广告推广、社会的公共治安管理还是交通调度都具有十分重要的意义。例如，在商业中，在出租车行驶的过程中，如果可以预测出乘客最终可能到达的区域，从而可以将该区域相关的商家信息优先的推送给此时乘车的乘客。在公共治安管理之中，当出现未报备大型集会的时候，通过预测此时路网中汽车可能到达的区域，可以提前发现并终止这种大型集会的发生。除此之外，在交通领域中，通常认为一个区域产生交通拥堵的根本原因是因为这一区域的车辆流入量大于流出量。通过目的地预测任务，可以间接地估计出未来某一区域的车流量，从而可以提前对该区域的交通拥堵作出对应的管控。