基于个性化联邦图信号学习的分布式交通流量预测方法

    公开(公告)号:CN118675337A

    公开(公告)日:2024-09-20

    申请号:CN202410687738.3

    申请日:2024-05-30

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于个性化联邦图信号学习的分布式交通流量预测方法,首先利用周期图法计算每个客户端的显著周期并上传至服务器端,服务器端将近似周期的客户端聚类成簇,然后采用图信号处理方法计算客户端图结构的特征值和模型参数一起上传至服务器端,再在服务器端利用客户端上传的信息进行个性化聚合操作,为每个客户端生成个性化预测模型并下发至客户端,同时为服务器端生成全局模型。本发明设计的个性化聚合操作,在不交互交通区域间流量数据的前提下构建客户端交通流量预测模型之间的协作机制,而设计的周期图和图信号处理方法,通过提取客户端交通流量数据的时空特征,增强协作的有效性,提升个性化模型和全局模型的性能。

Patent Agency Ranking