公开(公告)号：CN115966083B

公开(公告)日：2025-04-25

申请号：CN202211721552.2

申请日：2022-12-30

Applicant: 南京大学

Inventor： 周海波 ,  张元 ,  许云霆 ,  刘婷婷

IPC: G08G1/01 ,  H04L67/10 ,  H04L67/12 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明公开了一种基于时空解耦的分布式交通流预测方法与系统，方法包括：对城市路网进行分区，每个区域部署一个边缘云，部署在道路上的传感器将收集到的交通信息上传到本区域对应的边缘云；边缘云联合核心云共同通过时空解耦的神经网络训练模型，预测未来的交通状况；其中边缘云存储道路交通原始数据，核心云存储路网拓扑关系，将时空特征提取进行解耦，分别部署在边缘云和核心云上，由边缘云获取交通信息的时间特征，核心云获取交通信息的空间特征，并利用边云协同在边缘云嵌入空间信息进行时空特征的融合。相比于传统方法，本发明在边云协同的机制下，降低了传输时延和计算压力，充分提取并融合了时空特征，能够提高预测的时效性和准确度。

公开(公告)号：CN115966083A

公开(公告)日：2023-04-14

申请号：CN202211721552.2

申请日：2022-12-30

Applicant: 南京大学

Inventor： 周海波 ,  张元 ,  许云霆 ,  刘婷婷

IPC: G08G1/01 ,  H04L67/10 ,  H04L67/12 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/30

Abstract: 本发明公开了一种基于时空解耦的分布式交通流预测方法与系统，方法包括：对城市路网进行分区，每个区域部署一个边缘云，部署在道路上的传感器将收集到的交通信息上传到本区域对应的边缘云；边缘云联合核心云共同通过时空解耦的神经网络训练模型，预测未来的交通状况；其中边缘云存储道路交通原始数据，核心云存储路网拓扑关系，将时空特征提取进行解耦，分别部署在边缘云和核心云上，由边缘云获取交通信息的时间特征，核心云获取交通信息的空间特征，并利用边云协同在边缘云嵌入空间信息进行时空特征的融合。相比于传统方法，本发明在边云协同的机制下，降低了传输时延和计算压力，充分提取并融合了时空特征，能够提高预测的时效性和准确度。