一种基于图过程神经网络的城市道路拥堵时空预测方法

    公开(公告)号:CN117275215A

    公开(公告)日:2023-12-22

    申请号:CN202310488416.1

    申请日:2023-05-04

    Abstract: 本发明公开了一种基于图过程神经网络的城市道路拥堵时空预测方法。它将路网图结构信息嵌入到时间点过程模型内部,形成标值时空图过程神经网络模型,使时间点过程模型不仅能够捕获事件在时间上的依赖,同时能够捕获城市道路网络拥堵事件之间的远程空间关联信息,同时通过顾及城市道路网络拥堵事件的时空传播模式,对传统的图卷积网络进行扩展,形成新的感知拥堵模式变化的图传播卷积核P‑GCN,使得图卷积核能够感知拥堵模式变化,提升标值时空图过程神经网络模型的泛化能力。本发明具有提升城市道路拥堵预测准确性、稳定性及预测效率的优点。

    基于时间点过程神经网络模型的道路交叉口拥堵预测方法

    公开(公告)号:CN116311887A

    公开(公告)日:2023-06-23

    申请号:CN202211673867.4

    申请日:2022-12-26

    Abstract: 本发明公开了一种基于时间点过程神经网络模型的道路交叉口拥堵预测方法。它包括如下步骤,首先,在空间关联建模过程中,通过将多个交叉口的空间区域拥堵变化模式融合到单个交叉口级,构建空间关联模块;其次,在双粒度时间关联建模过程中,通过时间点过程捕获拥堵事件时间粒度,并进一步与门控循环网络单元集成、构建新的神经点过程门控循环单元,通过新的神经点过程门控循环单元,分别对拥堵在不同时间粒度下建模,得到双粒度时间关联模块;最后,基于序列得到序列架构和时空关联模块建立时空点过程神经网络模型,进行参数优化,实现拥堵事件的多步预测。本发明具有针对精细化的城市交叉口车道间、信号周期内拥堵事件预测,预测精度高的优点。

Patent Agency Ranking