[发明专利]基于多模态融合和图注意力机制的高速交通流预测方法

权利要求书

1.一种基于多模态融合和图注意力机制的高速交通流预测方法，包括如下步骤：

(1)对于高速公路上的每一卡口，结合门架点位和车辆通过时间计算出每一卡口的道路速度；

(2)统计判断高速公路上的每一收费站的进出流量；

(3)根据步骤(1)和(2)获取大量的样本，每一样本即对应一个卡口且每一样本的特征量包括当前卡口的道路速度、上一卡口的道路速度、当前卡口处的有效车道数以及当前卡口上游最近收费站的进出流量；

(4)构建高速公路的路网有向图，卡口与收费站作为图中的结点，各结点之间通过边相互连接，进而对结点特征量做标准化处理，对结点之间在高速公路上的实际距离做归一化处理后作为图中对应边的权重；

(5)建立一个基于图注意力机制的时间卷积神经网络，利用样本对该神经网络进行训练，得到用于高速交通道路车速的预测模型；

(6)对于待预测卡口，获取其特征信息并输入至预测模型中，从而输出得到待测卡口未来时段的道路速度。

2.根据权利要求1所述的高速交通流预测方法，其特征在于：所述步骤(1)的具体实现方式如下：

1.1对于高速公路上的任一车辆，利用卡口处的摄像头记录该车辆经过每一卡口的时间{t₁,t₂,…,t_n}；

1.2根据以下公式计算车辆在相邻卡口之间路段上的平均速度；

其中：v_i为车辆在第i号卡口与第i-1号卡口之间路段上的平均速度，p_i和p_i-1分别为高速公路上第i号卡口和第i-1号卡口的里程值，t_i和t_i-1分别为车辆经过第i号卡口和第i-1号卡口的时间，i为自然数且2≤i≤n，n为高速公路上的卡口数量；

1.3以5分钟为一个步长，将当前步长时间段内通过第i号卡口的所有车辆按平均速度v_i从低到高进行排序，取其中85分位的车辆的平均速度v_i作为第i号卡口的道路速度。

3.根据权利要求2所述的高速交通流预测方法，其特征在于：在所述步骤(1)的具体实现过程中需对车辆进行识别以及数据异常处理，所采用的策略为：首先进行车牌修正，将车牌识别出的O和I分别修改为0和1，并以车牌对车辆进行模糊匹配；当车辆在某一路段上的平均速度超过正常速度上下限范围，则判定异常并去除该平均速度；当车辆在某一路段上的平均速度缺失，则根据车辆在其他路段上平均速度的均值对其补齐。

4.根据权利要求1所述的高速交通流预测方法，其特征在于：所述步骤(2)的具体实现方式如下：

2.1对于高速公路上的任一收费站s且其位于卡口a和卡口b之间，以5分钟为一个步长，确定当前步长时间段内高速公路上所有车辆的集合U＝{c₁,c₂,…,c_m}；

2.2对于集合U中的任一车辆c_j，通过以下公式计算其进入收费站s的判别指标fin_j和离开收费站s的判别指标fout_j；

其中：m_s、m_a和m_b分别为收费站s、卡口a和卡口b处的里程碑桩号，t_sj、t_aj和t_bj分别为车辆c_j经过收费站s、卡口a和卡口b的时间，d＝1表示车辆c_j的行驶方向为从卡口a至卡口b，反之d＝2，ζ为时间阈值；

2.3在当前步长时间段内统计进入收费站s的流量以及离开收费站s的流量m为当前步长时间段内高速公路上的车辆数量。

5.根据权利要求1所述的高速交通流预测方法，其特征在于：所述步骤(5)中的时间卷积神经网络由输入层、全连接层、空洞卷积层、图注意力网络以及线性输出层依次连接组成。