-
公开(公告)号：CN117690289A
公开(公告)日：2024-03-12
申请号：CN202311591910.7
申请日：2023-11-27
Applicant: 北京交通大学
IPC: G08G1/01 , G06N3/0455 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于掩码图注意力机制的交通路网编码表征学习方法，利用BERT模型的上下文信息提取能力，扩大图注意力机制的邻接空间信息提取阶数，使模型能完成对路网交通流数据的深度表征，对路网空间特征进行有效提取。所述RNERT模型采用掩码(mask)预训练算法，学习路网空间特征提取的共性能力。对于缺失数据补全任务直接使用RNERT预训练模型进行补全计算；对于路网交通流预测，基于图注意力编码表示的交通路网门控循环网络(GRU‑RNERT)，对其中的时空多维度特征进行提取。
-
公开(公告)号：CN117690290B
公开(公告)日：2025-01-17
申请号：CN202311612649.4
申请日：2023-11-29
Applicant: 北京交通大学
IPC: G08G1/01 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于概率扩散模型的交通路网状态估计方法，包括：步骤1、分析交通路网环境数据，构建路网环境编码器；步骤2、提取路网状态特征，构建路网级别的交通状态估计模型Traffic DDPM，采用去噪概率扩散模型框架DDPM最大化拟合概率分布，采用步骤1所构建的路网环境编码器提取路网环境属性并融合为环境编码，采用无分类器引导器CFG控制模型采样方向，采用U型网络结构和注意力机制提取路网特征；步骤3、对步骤2得到的Traffic DDPM从模型准确度对比、实例误差方面校验模型，最终估计出路网状态。本发明可准确、高效地估计出任意环境条件下的交通路网状态，为决策者制定管理决策举措提供重要依据。
-
公开(公告)号：CN117690290A
公开(公告)日：2024-03-12
申请号：CN202311612649.4
申请日：2023-11-29
Applicant: 北京交通大学
IPC: G08G1/01 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于概率扩散模型的交通路网状态估计方法，包括：步骤1、分析交通路网环境数据，构建路网环境编码器；步骤2、提取路网状态特征，构建路网级别的交通状态估计模型Traffic DDPM，采用去噪概率扩散模型框架DDPM最大化拟合概率分布，采用步骤1所构建的路网环境编码器提取路网环境属性并融合为环境编码，采用无分类器引导器CFG控制模型采样方向，采用U型网络结构和注意力机制提取路网特征；步骤3、对步骤2得到的Traffic DDPM从模型准确度对比、实例误差方面校验模型，最终估计出路网状态。本发明可准确、高效地估计出任意环境条件下的交通路网状态，为决策者制定管理决策举措提供重要依据。
-
公开(公告)号：CN117690289B
公开(公告)日：2025-01-17
申请号：CN202311591910.7
申请日：2023-11-27
Applicant: 北京交通大学
IPC: G08G1/01 , G06N3/0455 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于掩码图注意力机制的交通路网编码表征学习方法，利用BERT模型的上下文信息提取能力，扩大图注意力机制的邻接空间信息提取阶数，使模型能完成对路网交通流数据的深度表征，对路网空间特征进行有效提取。所述RNERT模型采用掩码(mask)预训练算法，学习路网空间特征提取的共性能力。对于缺失数据补全任务直接使用RNERT预训练模型进行补全计算；对于路网交通流预测，基于图注意力编码表示的交通路网门控循环网络(GRU‑RNERT)，对其中的时空多维度特征进行提取。
-
-
-
Search Results
4
records
(took 0.015 seconds)
