[发明专利]一种基于循环自回归模型的城市拥堵传播模式的预测方法

说明书

一种基于循环自回归模型的城市拥堵传播模式的预测方法，其具体步骤如下：S1.利用城市路网的拓扑连接关系，生成路段连接关系图N；S2.选择长时间段的历史数据，基于路段连接关系图N构造拥堵传播时序知识图谱G；S3.训练循环自回归模型，学习拥堵传播时序知识图谱G中的拥堵传播模式，并进行预测。本发明通过构建相应的时序知识图谱，该方法可以针对路网中不同类型的拥堵传播模式，进行时空预测。

技术领域

本发明属于智慧交通工程领域，涉及一种基于循环自回归模型的城市拥堵传播模式的预测方法。

背景技术

针对城市路网中的拥堵的时空传播模式，进行实时或者近实时的预测，将会显著地提升城市交通的控制、运营、以及管理能力。然而，城市路网的交通流呈现出强烈的随机性与时空相关性，针对拥堵传播模式的时空预测也成为业界一大难题。

传统的交通模型尝试对拥堵本身进行建模。然而传统模型存在两大问题：首先，传统模型往往基于交通流或者行车轨迹，判断拥堵频发的路段，并进行路口或者是路段的重要性分级，其关注更多的是拥堵发生而非拥堵传播模式；其次，传统方法往往只考虑相邻路段间的拥堵，或者无任何距离限制的路段间的拥堵，将拥堵传播的强度与空间影响力考虑地较为简单。近年来，一些新兴的技术被应用到了城市拥堵建模中，其中知识图谱技术就是其一。然而，这些知识图谱模型的欠缺足够的语义丰富度(表达不同类型的拥堵传播模式)，同时由于它们是静态图谱(实体与关系是固定的)，缺乏拥堵传播的动态表达能力，无法表现拥堵传播的时空演化能力。因此在这一领域，存在着理论与技术的欠缺。

发明内容

针对上述背景技术介绍中存在的问题，本发明的目的在于提供了一种对拥堵传播本身进行建模、具备了时序预测的能力、能够学习不同日期下的拥堵传播模式的时序演化规律，并且防止针对某一天的数据过拟合的基于循环自回归模型的城市拥堵传播模式的预测方法，通过构建相应的时序知识图谱，该方法可以针对路网中不同类型的拥堵传播模式，进行时空预测。

本发明采用的技术方案是：

一种基于循环自回归模型的城市拥堵传播模式的预测方法,其具体步骤如下：

S1.利用城市路网的拓扑连接关系，生成路段连接关系图N；

S2.选择长时间段的历史数据，基于路段连接关系图N构造拥堵传播时序知识图谱G，其中长时间段为至少1个月的时间段；

S3.训练循环自回归模型，学习拥堵传播时序知识图谱G中的拥堵传播模式，并进行预测。

进一步，S1中的路段连接关系图N的构建如下：

设路段连接关系图N＝{V，E}，其中V和E分别代表节点和边的集合，每一个节点代表的是路网中的路段，每一个边代表的是路段与路段之间的连接关系，边是具有方向的，与行车方向一致。

进一步，S2中拥堵传播时序知识图谱G的构建如下：

S2.1，根据采集的一组或多组交通状态参数来对应不同等级的拥堵状态ST；

S2.2，根据相邻路段的拥堵状态ST的等级对比，以及拥堵状态的传播强度M的等级，来对应拥堵传播关系PR，每一种拥堵传播关系对应一种拥堵传播模式；

S2.3，根据路段连接关系图N中各路段R的交通时间序列数据，以及各路段R的邻居集T_R，生成拥堵传播时序知识图谱G，其中T_R是一个元素为路段的集合，表示的是路段R可能的拥堵传播范围。

进一步，路段R的邻居集T_R采用随机游走的方式生成，具体如下：