公开(公告)号：CN119540887A

公开(公告)日：2025-02-28

申请号：CN202411604505.9

申请日：2024-11-12

Applicant: 哈尔滨理工大学

Inventor： 郑集文 ,  黄海 ,  鲍方博 ,  叶津麟 ,  安兴 ,  邵友信

IPC: G06V20/54 ,  G08G1/065 ,  G08G1/01 ,  G06V20/40 ,  G06V10/25 ,  G06V10/28 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出一种基于长短周期Transformer融合趋势与季节特征的高速交通流预测方法，属于数据无监督预测领域。针对交通流数据中变量间存在的时空关联性，以及传统方法在处理数据时未能充分结合近期与远期信息的问题，提出一种基于长短周期Transformer融合趋势与季节特征的高速交通流预测方法。本发明创新性地将Transformer注意力机制与扩散卷积相结合，深入挖掘短周期数据的时空相关性，同时将Transformer的趋势与季节特征相融合，有效捕获不同周期内的长期依赖关系。最后，通过利用3个权重矩对不同周期数据的预测结果进行融合，该方法充分考虑了短期数据与长期数据的特点。将所提的网络模型应用于高速交通流预测，能够提高预测准确度，实验结果验证了该方法的有效性。