公开(公告)号：CN116128114A

公开(公告)日：2023-05-16

申请号：CN202211695882.9

申请日：2022-12-28

Applicant: 杭州电子科技大学 ,  浙江省交通运输科学研究院

Inventor： 樊谨 ,  翁文超 ,  田浩 ,  祝苻 ,  陈溪源

IPC: G06Q10/04 ,  G08G1/01 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于动态图卷积的交通预测方法，采用时间embedding生成器和MLP层来提取时空embedding和动态信号，并将两者结合得到动态图embedding用来生成动态图。为了提取交通信号的时空依赖关系，使用动态图构建了一个基于RNN的动态图卷积递归模块(DGCRM)来提取交通信号的时空特征。为了识别交通信号中的主体信号和异常信号，使用残差分解机制来分解得到异常信号并使用DGCRM进行建模预测。本发明采用上述的一种基于动态图卷积的交通预测方法，该方法不依赖任何先验知识，生成的动态邻接矩阵能根据当前时间特征和交通信号来挖掘节点间的动态关系，该方法可以识别交通信号中的主体信号和异常信号并对其分开建模以提升效果。

公开(公告)号：CN119694117A

公开(公告)日：2025-03-25

申请号：CN202411813552.4

申请日：2024-12-10

Applicant: 杭州电子科技大学

Inventor： 祝苻 ,  樊谨 ,  王佳颖 ,  张心仪 ,  章复嘉 ,  邬惠峰

IPC: G08G1/01

Abstract: 本发明公开了基于深度时空图神经网络的双向交通流动态建模方法，属于智能交通与数据挖掘领域，包括以下步骤：S1、构造交通流动态图，捕获交通流的局部时空依赖性；S2、得到局部时空依赖性之后，使用时间卷积层提取时间特征；S3、得到时间特征后使用选择门来筛选S2中得到的有效信息，得到最终输出；S4、得到S3中的结果后，使用复合图卷积模块提取空间特征；S5、将双向流量融合，并通过预测层得到最终的预测结果；S6、计算模型的损失，确定模型是否符合要求，本发明通过解决现有技术在交通流量预测中面临的双向流量建模不充分、动态依赖性捕获不足以及对复杂交通场景适应性差等问题，从而提升交通流量预测的精度和模型的适用性。