摘要
本发明公开一种基于多任务学习的多模式出行流协同预测方法、系统及装置,方法包括:获取待测区域中多种出行方式的相关数据;将多种出行方式的相关数据进行预处理及时空对齐,基于OD流矩阵,提取OD流的流量相似特征及建成环境特征和时序特征,基于建成环境特征和时序特征提取建成环境与移动流的高维特征;基于空间邻近关系构建空间邻接图,基于流量相似特征构建流量特征图,基于提取的高维特征构建建成环境特征图,进而构建每种出行方式视图;构建流量预测预训练模型,对流量预测预训练模型进行训练,得到流量预测模型;将待测OD流输入至流量预测模型进行预测得到下一时刻预测结果。基于历史OD流和建成环境数据预测后续时段的多交通OD流,结果精度高。
技术关键词
依赖特征
出行方式
协同预测方法
特征提取模块
流量预测模型
预训练模型
空间邻近关系
多任务
多模式
矩阵
时间卷积网络
注意力机制
兴趣点
时序特征
地理信息数据
时间段
终点
卷积结构学习
模型训练模块
系统为您推荐了相关专利信息
信息抽取模型
语义特征
数据
依赖特征
条件随机场
鉴定系统
图像处理模块
图像采集模块
特征提取模块
匹配模块
卷积模块
训练数据处理
融合特征
Winograd算法
特征提取模块
金字塔池化模块
注意力
特征提取模块
分支
识别方法
相机设备
区域特征提取
特征匹配算法
服务设备
工件