[发明专利]基于图网络的多元交通流预测方法

权利要求书

1.一种基于图网络的多元交通流预测方法，其特征在于，包括以下步骤：

S1、获取用于交通流预测的多元交通流历史数据；

S2、基于所述多元交通流历史数据，对每一个交通流属性，分别构建一个独立的动态关系图；所述交通流属性包括流量、平均速度和路段占用率三种属性；

S3、将各交通流属性的动态关系图进行融合，转化为属性间相互联系的融合动态关系图网络；

S4、基于所述融合动态关系图网络，利用图注意力网络学习交通流属性之间和路段之间的潜在空间依赖关系，提取空间依赖特征，构建基于图网络的多元交通流预测模型；

S5、训练所述基于图网络的多元交通流预测模型；

S6、根据训练得到的多元交通流预测模型，进行短时交通流预测

步骤S3包括：对于任意两个路段节点N_i和N_j，根据路段节点N_i和N_j分别在流量、路段占用率和平均速度上的注意力得分计算两个路段节点N_i和N_j在融合动态关系图网络中的邻接关系获得融合动态关系图网络G^f：

其中，n表示节点数量即路段数量；

步骤S4包括：

图注意力网络计算如下：

其中，α_ij表示注意力系数，exp表示指数函数，LeakyRelu表示非线性激活函数，σ表示sigmoid激活函数，W和a^T都表示线性变换的权值矩阵，h_i,h_j,h_k分别表示图注意力网络中路段节点N_i、N_j、N_k的输入特征，||表示对向量的拼接操作，H_i表示路段节点N_i在图注意力网络中的邻居节点，h_i′表示图注意力网络对路段节点N_i的邻居节点信息进行聚合后输出的空间依赖特征；

将通过图注意力网络提取得到的所有路段节点的空间依赖特征输入1×1卷积层，卷积层的输出为多元交通流预测结果，构建基于图网络的多元交通流预测模型。

2.如权利要求1所述的基于图网络的多元交通流预测方法，其特征在于，步骤S1中，获取所述多元交通流历史数据包括：

获取路网中所有路段在时间间隔[1,T]内的多元交通流历史数据，以时间序列X＝[X₁,X₂,…,X_T]表示；其中，表示路网中所有路段在t时刻的流量、平均速度和路段占有率，t∈[1,T]，n表示路段数量。

3.如权利要求2所述的基于图网络的多元交通流预测方法，其特征在于，步骤S1还包括对所述多元交通流历史数据进行如下预处理：

提取t时刻的多元交通流历史数据作为输入，t+1时刻各个路段交通流特征的实际值作为标签。

4.如权利要求1所述的基于图网络的多元交通流预测方法，其特征在于，步骤S2包括：

针对流量、平均速度和路段占用率三种交通流属性，分别使用自注意力机制学习路段节点间的相互邻接关系，以两个路段节点间的注意力得分作为动态关系图中节点之间连边的权重，得到各交通流属性的独立的动态关系图。