[发明专利]基于时序依赖注意力稀疏卷积的交通流量预测方法及系统

说明书

本发明提出一种基于时序依赖注意力稀疏卷积的交通流量预测方法及系统，该方法包括：首先将目标城市划分为多个网格区域，同时定义交通流入和交通流出的概念，以计算出任一网格区域的交通流入和交通流出，而后再基于该区域的交通流入和交通流出生成历史流量数据，并采用卷积层提取隐藏特征，从而得到三维特征张量，再基于改进后的ConvLSTM网络从三维特征张量中提取时空特征序列，进而计算出多个时间间隔之间的时间相关性注意力特征，而后再将深度提取出的时空特征和时间相关性注意力特征进行融合，得到一融合特征，最后根据该融合特征预测在未来时间间隔下的三维特征张量。本发明提出的方法提高预测未来时间间隔的交通流量结果的准确度。

技术领域

本发明涉及交通流量预测技术领域，特别涉及一种基于时序依赖注意力稀疏卷积的交通流量预测方法及系统。

背景技术

随着交通网络的日益复杂，交通流量预测对于交通道路的管理和公共安全的预防具有重要的现实意义。例如准确地预测出租车需求可以帮助提高车辆调度效率，减少交通拥堵。

传统的预测方法，一般是使用历史交通流量平均值作为下一个时间间隔的预测值，而不能捕获不同时间间隔之间的相关性，同时由于模型容量有限，很难捕捉交通流数据的复杂时空特征，导致预测得到的未来时间间隔的流量数据准确度较低。

发明内容

基于此，本发明的目的是提出一种基于时序依赖注意力稀疏卷积的交通流量预测方法及系统，以深度捕捉不同时间间隔之间的相关性，同时捕捉历史交通流量数据的时空特征，进而提高预测未来时间间隔的交通流量结果的准确度。

根据一种基于时序依赖注意力稀疏卷积的交通流量预测方法，所述方法包括：

基于经纬度将目标城市划分为M*N的网格地图，其中g(i,j)表示位于第i行、第j列的网格区域；

定义从其他区域流入到区域g(i,j)的人群流量之和为交通流入，定义从区域g(i,j)流入到其他区域的人群流量之和为交通流出，以获取在连续多个相同时间间隔内区域g(i,j)分别对应的交通流入和交通流出；

根据区域g(i,j)对应的交通流入和交通流出生成历史流量数据序列，并根据改进后的ConvLSTM网络从历史流量数据序列中提取时空特征序列，以根据时空特征序列计算得到第t个时间间隔的时间相关性注意力特征，X_t表示第t个时间间隔的历史流量数据，H_t表示与第t个时间间隔的历史流量数据对应的时空特征；

根据第t个时间间隔对应的时间相关性注意力特征和时空特征H_t计算得到融合特征F_t，并将所述融合特征F_t输入到多层反卷积层中预测得到第t+1个时间间隔对应的三维特征张量。

综上，根据上述的基于时序依赖注意力稀疏卷积的交通流量预测方法，以替代传统的交通流量预测方式，通过深度提取历史交通流量数据的时空特征，同时利用深度提取的时空特征深度捕捉多个时间间隔之间的时间相关性，从而能够更加精确地预测目标城市中任一区域在未来时间段下的交通流量结果。具体为：首先将目标城市划分为多个网格区域，同时定义交通流入和交通流出的概念，以计算出任一网格区域的交通流入和交通流出，而后再基于该区域的交通流入和交通流出生成历史流量数据，再基于改进后的ConvLSTM网络从历史流量数据序列中提取时空特征序列，进而计算出多个时间间隔之间的时间相关性注意力特征，而后再将深度提取出的时空特征和时间相关性注意力特征进行融合，得到一融合特征，最后根据该融合特征预测在未来时间间隔下的三维特征张量。

进一步地，所述以获取在连续多个相同时间间隔内区域g(i,j)分别对应的交通流入和交通流出的步骤包括：

根据以下公式计算得到区域g(i,j)对应的交通流入：

，