摘要
本发明公开一种交通流预测模型的构建方法及交通流预测方法,包括如下步骤:S100、以图结构来描述网络中实体之间的关系,同时构建节点之间的特征矩阵;S200、根据图结构和特征矩阵,采用结合时空注意力机制的卷积神经网络框架,构建交通流预测模型。本发明建立一个由图网络生成层、图卷积模块和多尺度时间卷积模块三个核心组件构成的框架,由自适应动态图生成器和异构邻接关系注意力机制来生成动态邻接矩阵,并对多类邻接矩阵聚合,进而更好地利用交通节点中的交通特性,以及捕捉提取交通特征里隐含的空间特征,克服了传统方法的局限性,有效地解决了传统交通流量预测方法在智能交通系统中预测准确度度、无法反映交通网络影响等问题。
技术关键词
交通流预测模型
动态邻接矩阵
交通流预测方法
节点
卷积神经网络框架
时空注意力机制
卷积模块
交通流量预测方法
天气
关系
非暂态计算机可读存储介质
Softmax函数
定义
多尺度特征提取
系统为您推荐了相关专利信息
预训练语言模型
皮尔逊相关系数
层级
基因调控网络
特征提取方法
振动加速度信号
行星齿轮箱
深度学习模型
样本
随机噪声
信息智能管理系统
大数据
监控设备
周期
异常轨迹
缺陷在线检测系统
电阻片
光照补偿算法
策略优化模型
可变形卷积网络
路径检测方法
图谱
BiLSTM模型
注意力机制
卷积神经网络模型