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

    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

    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。

    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

    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

    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。

Patent Agency Ranking