基于树形高阶图卷积的交通状态预测方法、训练方法及装置

AITNT
正文
推荐专利
基于树形高阶图卷积的交通状态预测方法、训练方法及装置
申请号:CN202410917128
申请日期:2024-07-10
公开号:CN118503651B
公开日期:2024-10-11
类型:发明专利
摘要
本发明提供了一种基于树形高阶图卷积的交通状态预测方法、训练方法及装置,可以应用于智能交通技术领域。该预测方法包括:获取在第T时段内的与目标区域的多个路网节点对应的交通状态信息,T为大于等于1的整数;对多个路网节点对应的交通状态信息进行分组,得到多组交通状态信息;将每一组交通状态信息输入第一网络,输出融合特征;将融合特征输入第二网络,输出第T+1时段内与目标区域的多个路网节点对应的交通状态信息。
技术关键词
交通状态信息 多层感知机 依赖特征 融合特征 网络 节点 交通状态预测方法 样本 矩阵 因子 交通状态预测装置 序列 级联 智能交通技术 模型训练装置 模型训练方法 模块 标签 元素
系统为您推荐了相关专利信息
1
基于市场反馈的电商图像动态优化调整方法
边缘曲率特征 形状上下文 小波变换系数 机器学习模型 电商
2
模型训练方法、基于扩散模型的分子生成方法和数据处理装置
模型训练方法 分子 生成方法 编码器 样本
3
一种行为检测告警方法、装置、设备、车辆和介质
车辆状态信息 检测告警方法 神经网络模型 人脸 检测告警装置
4
一种快速实时协助完成靶场实验课时训练的方法与系统
远程桌面协议 实时通信 控制虚拟机 操作界面 消息
5
基于场景聚类的风电-储热联合系统优化方法
系统优化方法 实时数据 风电出力场景 热电联产机组 长短期记忆网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号