[发明专利]一种基于多注意力因果关系的交通预测方法及系统

权利要求书

1.一种基于多注意力因果关系的交通预测方法，其特征在于，所述基于多注意力因果关系的交通预测方法包括：

获取历史交通数据；所述历史交通数据包括多组在相邻两时段内的第一历史观测数据和第二历史观测数据；所述第一历史观测数据和第二历史观测数据均包括多个在不同历史观测点及历史时间步长下的历史观测值；其中，待测路段内布置有多个观测点，每一时段分为多个时间步长；

基于多注意力因果网络模型，根据各所述第一历史观测数据和第二历史观测数据，得到交通预测模型；所述多注意力因果网络模型包括子图划分单元、时空嵌入单元、编码器、注意力转换层、解码器以及第一全连接层；所述子图划分单元与所述时空嵌入单元及所述编码器连接，所述时空嵌入单元与所述编码器、注意力转换层及解码器连接，所述编码器、注意力转换层及解码器依次连接，所述解码器与第一全连接层连接；所述基于多注意力因果网络模型，根据各所述第一历史观测数据和第二历史观测数据，得到交通预测模型，具体包括：

采用收敛交叉映射算法，通过时空嵌入单元计算各组中的第一历史观测数据和第二历史观测数据的相关性值；

根据各相关性值，通过子图划分单元将各第一历史观测数据划分为多个子图；

针对任一子图，通过时空嵌入单元根据所述子图中各第一历史观测数据对应的相关性值，确定所述子图的相关性矩阵；

根据所述子图的相关性矩阵以及各历史时间步长，确定时空嵌入特征；

编码器根据所述时空嵌入特征，采用空间注意力机制和时间注意力机制，确定第一时空状态；

采用转换注意力机制，通过注意力转换层将所述第一时空状态转换为第二时空状态；

根据所述第二时空状态，通过解码器以及全连接层，确定历史交通预测值；

获取所述历史交通预测值与第二历史观测数据之间的平均绝对误差；

根据所述平均绝对误差进行迭代训练，直到平均绝对误差达到最小值或迭代次数达到迭代阈值时，得到交通预测模型；

基于所述交通预测模型，根据当前时段内的观测数据，预测在下一时段内的交通预测值。

2.根据权利要求1所述的基于多注意力因果关系的交通预测方法，其特征在于，所述采用收敛交叉映射算法，通过时空嵌入单元计算各组中的第一历史观测数据和第二历史观测数据的相关性值，具体包括：

针对每组第一历史观测数据和第二历史观测数据，根据以下公式，计算历史观测点P和历史观测点Q在T-1个时间步长中的相关性值：

其中，E_P,Q为历史观测点P和历史观测点Q在T-1个时间步长中的相关性值，T-1为历史时间步长的数量，f_c()为收敛交叉映射算法函数，为历史观测点P在第T-1个历史时间步长下的历史观测值，为历史观测点Q在第T-1个历史时间步长下的历史观测值，V为历史观测点集合。

3.根据权利要求1所述的基于多注意力因果关系的交通预测方法，其特征在于，所述时空嵌入单元包括多个第二全连接层；

所述根据所述子图的相关性矩阵以及各历史时间步长，确定时空嵌入特征，具体包括：

将所述相关性矩阵经过两个第二全连接层，得到空间嵌入特征；

采用独热编码方法，对每个历史时间步长进行时间编码，并经过两个第二全连接层，得到时间嵌入特征；

根据所述空间嵌入特征以及所述时间嵌入特征，确定时空嵌入特征。