[发明专利]基于图注意力网络和天气权重的城市车速预测方法及系统

说明书

本发明公开一种基于图注意力网络和天气权重的城市车速预测方法及系统，包括：构建由目标路段p及其相关路段组成的空间结构图G_p＝(V_p,E_p)；基于空间结构图，构建车速矩阵C_p,t,l和天气因素矩阵D_p,t,k,l；使用加权的方式将车速矩阵与天气因素矩阵进行加权融合，获得特征融合后的矩阵A_p,t,k,l；将特征融合后的矩阵输入构建好的W2‑GAT模型，预测出目标路段p当前时刻t之后k个时段的车速特征。本发明基于融合图注意力网络、门控循环单元和天气权重因子的深度学习预测模型，能够较好地反映实际路面情况下未来短时的车速特征，为具体的交通数据应用提供数据支撑。

技术领域

本发明涉及智慧交通领域，特别是指一种基于图注意力网络和天气权重的城市车速预测方法及系统。

背景技术

大体量的机动车保有量对于交通系统而言是一个不小的挑战，这将引发交通拥堵、环境污染等众多问题，需要有合适的治理措施或行车出行的引导方案，以促进城市交通系统的正向发展。在当今大数据和人工智能的时代，城市交通领域的智慧交通系统(Intelligent Transport System,ITS)应运而生。ITS包含了城市道路车流控制、公共交通客流分析等诸多内容。

其中，道路车速预测是交通信号控制、公交组织等实际应用的基础，有利于决策者制定合适的策略引导市民出行提升城市交通服务品质。

为了能够更加准确的实现车速预测，目前业界主流的方法是采用深度学习技术。但目前多是使用图卷积神经网络捕获空间特征，使用直接的线性拼接方法进行特征处理，在准确度上有一定的不足。

发明内容

本发明的主要目的在于提出一种基于图注意力网络和天气权重的城市车速预测方法及系统，使用图注意力网络捕获城市道路空间特征，使用循环门单元捕获时间特征；在特征处理上，设计了一种特征融合方法，能够将外部天气特征与车速特征进行融合，提升模型的收敛速度和预测精度。

本发明采用如下技术方案：

一方面，一种基于图注意力网络和天气权重的城市车速预测方法，包括如下步骤：

构建由目标路段p及其相关路段组成的空间结构图G_p＝(V_p,E_p)；其中，V_p是顶点集， E_p是边集；

基于空间结构图，构建车速矩阵C_p,t,l和天气因素矩阵D_p,t,k,l；其中，矩阵C表示要预测的目标路段p在当前时刻t之前l个时段的历史车速，矩阵D表示要预测的目标路段p在当前时刻t之前l个时段和t之后k个时段的天气因素；

使用加权的方式将车速矩阵与天气因素矩阵进行加权融合，获得特征融合后的矩阵A_p,t,k,l；

将特征融合后的矩阵输入构建好的W2-GAT模型，预测出目标路段p当前时刻t之后k 个时段的车速特征。

优选的，顶点集V_p和边集E_p的表示如下：

优选的，车速矩阵C_p,t,l和天气因素矩阵D_p,t,k,l表示如下：