-
公开(公告)号：CN110415516B
公开(公告)日：2021-06-22
申请号：CN201910637679.8
申请日：2019-07-15
Applicant: 厦门大学
Abstract: 本发明公开了一种基于图卷积神经网络的城市交通流预测方法和介质，其中方法包括：获取原始数据；根据每个节点对应的经纬度信息生成距离矩阵；根据限速平均值和距离矩阵计算可达矩阵；构建用于预测交通流速的初始交通流预测模型，并将交通流速信息和可达矩阵输入到初始交通流预测模型，以便初始交通流预测模型根据交通流速信息和可达矩阵输出交通流速预测值；对初始交通流预测模型进行训练，以确定最终的交通流预测模型；将待预测交通流速信息和待预测可达矩阵输入交通流预测模型，以便通过交通流预测模型对未来交通流进行预测；实现对城市交通路网的空间特征进行有效提取，提高交通流预测的精准度，并且，提高该预测方法的普适性，使其便于推广。
-
Patent Agency Ranking
公开(公告)号：CN111260919A
公开(公告)日：2020-06-09
申请号：CN202010044078.9
申请日：2020-01-15
Applicant: 厦门大学
Abstract: 本发明公开了一种交通流量预测方法，包括以下步骤：获取多个节点采集的交通状况数据和每个节点对应的定位信息；根据所述定位信息计算每个节点对应的空间向量，并根据所述交通状况数据和所述空间向量生成时空向量；根据所述时空向量和所述交通状况数据计算每个节点对应的空间加权值和时间加权值，并对所述空间加权值和所述时间加权值进行门控融合，以得到融合值，以及根据所述融合值对未来交通流量进行预测；能够实现对未来交通状况的准确预测，提高预测结果的可参考性。
-
公开(公告)号：CN110415516A
公开(公告)日：2019-11-05
申请号：CN201910637679.8
申请日：2019-07-15
Applicant: 厦门大学
Abstract: 本发明公开了一种基于图卷积神经网络的城市交通流预测方法和介质，其中方法包括：获取原始数据；根据每个节点对应的经纬度信息生成距离矩阵；根据限速平均值和距离矩阵计算可达矩阵；构建用于预测交通流速的初始交通流预测模型，并将交通流速信息和可达矩阵输入到初始交通流预测模型，以便初始交通流预测模型根据交通流速信息和可达矩阵输出交通流速预测值；对初始交通流预测模型进行训练，以确定最终的交通流预测模型；将待预测交通流速信息和待预测可达矩阵输入交通流预测模型，以便通过交通流预测模型对未来交通流进行预测；实现对城市交通路网的空间特征进行有效提取，提高交通流预测的精准度，并且，提高该预测方法的普适性，使其便于推广。
-
公开(公告)号：CN115510277A
公开(公告)日：2022-12-23
申请号：CN202210717598.0
申请日：2022-06-23
Applicant: 厦门大学
IPC: G06F16/901 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种连续时序交互图表示方法和介质，其中方法包括：获取原始动态图数据，进行预处理，以得到结构数据、节点特征和边特征；进行划分，以生成训练集、测试集和验证集；根据训练集对模型进行训练，以得到初始图表示模型，并根据测试集和验证集对初始图表示模型进行测试和验证，以得到最终图表示模型，获取待处理动态图，并通过最终图表示模型输出待处理动态图中节点对应的节点表示向量；能够有效捕捉节点表示的连续动态性并学习其状态轨迹，进而有效提升非活跃节点的表示能力及长间隔交互的预测效果。
-
公开(公告)号：CN115203351A
公开(公告)日：2022-10-18
申请号：CN202210803355.9
申请日：2022-07-07
Applicant: 厦门大学
Abstract: 本发明公开了一种多图融合的城市区域表示学习方法和预测方法，其中表示学习方法包括：获取原始城市区域划分及其对应的人群移动数据，并根据人群移动数据对原始城市区域划分进行预处理，以得到多张移动图；计算多张移动图之间的移动图距离，并根据移动图距离对多张移动图进行相似度聚合，以得到多个移动模式；将多个移动模式输入到联合学习模块，以便通过联合学习模块对多个移动模式进行模式内消息传递和模式间交叉注意力处理，以得到城市区域的向量表示；由此，只需通过人群移动数据进行城市区域表示学习，且能够有效消除冗余信息，提升了城市区域表示的泛化能力。
-
公开(公告)号：CN111260919B
公开(公告)日：2021-06-22
申请号：CN202010044078.9
申请日：2020-01-15
Applicant: 厦门大学
Abstract: 本发明公开了一种交通流量预测方法，包括以下步骤：获取多个节点采集的交通状况数据和每个节点对应的定位信息；根据所述定位信息计算每个节点对应的空间向量，并根据所述交通状况数据和所述空间向量生成时空向量；根据所述时空向量和所述交通状况数据计算每个节点对应的空间加权值和时间加权值，并对所述空间加权值和所述时间加权值进行门控融合，以得到融合值，以及根据所述融合值对未来交通流量进行预测；能够实现对未来交通状况的准确预测，提高预测结果的可参考性。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
