[发明专利]一种基于ASTGCN算法的公交路况预测方法及系统

说明书

本发明涉及一种基于ASTGCN算法的公交路况预测方法，包括：数据采集单元获取公交车辆的历史GPS行驶信息路网结构信息和实时GPS行驶信息；对数据采集单元获取的信息进行清洗和预处理得到历史预处理信息和实时预处理信息；对历史预处理信息进行训练得到历史路况模型，对实时预处理信息根据历史路况模型进行预测得到预测路况信息。本发明还提供一种基于ASTGCN算法的公交路况预测系统。本发明采用注意力机制的时空图卷积神经网络算法，提高了公交实时路况的预测精度及预测效果。

技术领域

本发明涉及城市交通监测技术领域，尤其涉及一种基于ASTGCN算法的公交路况预测方法一种基于ASTGCN算法的公交路况预测方法及系统。

背景技术

现阶段，城市道路路况速度预测技术也应用于城市交通出行中，目前对城市交通路况的研究方法多样，考虑的维度也不尽相同。现阶段较为成熟的路况预测技术应用，如百度、高德的实时私家车出行路况展示与未来路况预测。从算法原理的角度分析，底层采用的算法有小波神经网络、粒子群算法、图神经网络等；从应用场景而言，主要是基于高速、城市道路多种车辆浮动车数据分析预判路况。

现有的城市路况分析主要是基于多种车辆对城市或高速道路做路况速度分析，缺少公交线路车道路况的分析，对于城市交通路况监测有一定的缺失。

发明内容

本发明的目的是提供一种基于时空注意力机制的图卷积神经网络 (ASTCGN,Attention Based Spatial-Temporal Graph Convolutional Networks) 的公交实时路况预测方法及系统，针对公交出行路况对公交线路车道路况运行速度进行分析和预判，应用场景更具有针对性，准确度相对于混合车辆的预测效果好，采用基于自注意力机制的时空图卷积神经网络，也一定程度上提高了预测精度。

为了实现上述目的，本发明采用了如下技术方案：

一种基于ASTGCN算法的公交路况预测方法，包括

数据采集单元获取公交车辆的历史GPS行驶信息路网结构信息和实时GPS 行驶信息；

对数据采集单元获取的信息进行清洗和预处理得到历史预处理信息和实时预处理信息；

对历史预处理信息进行训练得到历史路况模型，对实时预处理信息根据历史路况模型进行预测得到预测路况信息。

作为本发明的进一步技术方案为，所述获取公交车辆的历史GPS行驶信息路网结构信息和实时GPS行驶信息，具体包括：

用地理网格工具确定基本公交路网，获取立式数据中有公交GPS经过的所有地理网格，对异常值进行处理；

对实际行驶GPS路径进行优化，获取公交路网节点的速度和行进距离。

作为本发明的进一步技术方案为，所述对数据采集单元获取的信息进行清洗和预处理得到历史预处理信息和实时预处理信息，具体包括：对公交车辆的历史GPS行驶信息组成的城市公交网络表转换为邻接矩阵，用于确定模型网络结构，对城市公交网络表继续进行特征处理形成时空矩阵，用于训练数据集形成训练模型，其中，时空矩阵的空间维度顺序与模型网络结构的节点顺序一一对应。

作为本发明的进一步技术方案为，所述对公交车辆的历史GPS行驶信息组成的城市公交网络表转换为邻接矩阵，具体包括：

根据通过行驶车辆的线路站点情况，对公交路网节点的相同站间的节点依次相连，建立节点间连接关系；

将相邻节点找出，其中每对相邻节点生成一条记录；

根据节点间距离计算节点之间的关系权重；

对公交路网节点中的节点及节点之间的关系权重构成城市公交网络表；