摘要
本发明公开了融合模式特征识别的多尺度交通流时空预测方法及系统,该方法包括:构建时空数据集即不同时间尺度下路网车流量数据集;以及构建模式数据集X,其样本为每个采样时刻的路网车流量数据;再将各个时间尺度下的时空数据集均输入图卷积网络提取空间特征;以及对模式数据集X进行模式识别,进而将样本划分为高峰模式和平峰模式,再提取道路节点分别在高峰模式和平峰模式的分布模式特征;以及提取交通流数据的时间相关性特征;然后将分布模式特征、空间特征以及时间相关性特征进行融合;最后基于融合后的特征,通过车流量预测网络得到预测时刻/预测时长的车流量预测值,通过上述技术方案可显著提升车流量预测精度。
技术关键词
车流量预测
车流量数据
时空预测方法
交通流
动态邻接矩阵
模式识别
周期
样本
节点
融合特征
道路车流量
门控循环单元
高斯混合模型
门控结构
网络
拉普拉斯
模块
系统为您推荐了相关专利信息
交通信号控制方法
多模态数据融合
数字孪生驱动
动态
交通流预测
巡航控制方法
加速度
交通流信息
速度预测方法
模型预测控制框架
关联交叉口
协同控制系统
控制决策模块
交叉口信号灯
协同控制方法
时空注意力机制
融合历史
推理机制
交通流信息
特征提取单元
路段
采集分析系统
拓扑特征
时序特征
交通信号灯控制器