一种基于选择注意力机制的交通流量预测方法及系统

本发明属于智能交通，特别是涉及一种基于选择注意力机制的交通流量预测方法及系统。

背景技术：

1、交通流量预测任务是一种利用数据分析和机器学习技术来预测特定区域或路段未来交通流量的过程。这项任务通常利用历史交通数据、道路网络数据、天气情况等多种因素进行分析和建模。随着物联网的发展，现如今这些数据来源可以通过各种方式收集，包括传感器设备、政府机构的数据公开、第三方数据提供商和公共数据库等，为交通流量预测领域提供了有力数据支撑。

2、传统的交通流量预测方法主要基于统计模型和时间序列分析。这些方法利用历史交通数据和一些数学模型进行建模和预测。虽然传统方法在一定程度上可以满足交通流量预测的需求，但它们往往无法处理复杂的非线性问题。相比传统方法，深度学习可以自动从数据中学习特征表示，并通过端到端的方式进行数据建模和预测。这种端到端的学习方式消除了传统方法中繁琐的特征工程过程，能够更好地捕捉数据中的潜在规律。但大部分模型都忽视了交通网络的整体性，道路的全局相关性，有些模型采用了注意力机制解决这个问题，但会面临输出过度平均的问题。

3、基于上述问题，亟需设计一种新的模型对道路进行全方位的建模以提高交通流量预测的精准度。

技术实现思路

1、本发明的目的在于提供一种基于选择注意力机制的交通流量预测方法及系统，通过改良注意力机制、建立kgcn-gsam交通流量预测模型，提高了预测精度

2、为了实现本发明目的，一方面本发明提供一种基于选择注意力机制的交通流量预测方法，步骤如下：

3、步骤1：通过地图和实地调研获取道路拓扑网络结构并编号；定义观测点集合，获得道路知识属性信息，得到观测点在时间点上的交通速度矩阵；

4、步骤2：利用kr-ear方法和道路知识属性信息构建道路知识图谱，完成知识向量的生成；将所述知识向量和交通速度矩阵输入kf-cell，得到嵌入知识向量的交通速度矩阵；

5、步骤3：将嵌入知识图谱的交通速度矩阵和道路拓扑网络结构作为堆叠两层图卷积网络模型的输入，得到有空间信息的交通速度矩阵；

6、步骤4：将有空间信息的交通速度作为堆叠两层门控循环单元模型的输入，得到有时间信息的门控循环单元隐藏状态；

7、步骤5：利用gumbel-max trick改良注意力机制，将有空间信息的交通速度输入选择注意力机制，选择注意力机制自动生成权重矩阵，得到有选择注意力机制的隐藏矩阵；

8、步骤6：通过全连接层得到交通流量的预测结果；通过训练kgcn-gsam模型获得更准确的预测结果。

9、另一方面本发明提供一种基于选择注意力机制的交通流量预测系统，所述系统包括：

10、道路知识属性信息获取模块：用于获取道路拓扑网络结构并编号，定义观测点集合，得到观测点在时间点上的交通速度矩阵；

11、知识向量生成模块：用于构建道路知识图谱，生成知识向量的生成，得到嵌入知识向量的交通速度矩阵；

12、图卷积网络模块：用于计算嵌入知识图谱的交通速度矩阵和道路拓扑网络结构，得到具有空间信息的交通速度矩阵；

13、门控循环单元隐藏模块：用于计算空间信息的交通速度，得到有时间信息的门控循环单元隐藏状态；

14、注意力机制矩阵模块：用于计算空间信息的交通速度，生成权重矩阵，得到有选择注意力机制的隐藏矩阵；

15、预测结果生成模块：用于计算全连接层，得到交通流量预测结果，同时用于训练kgcn-gsam模型获得更准确的预测结果。

16、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时实现上述的选择注意力机制的交通流量预测方法。

17、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的选择注意力机制的交通流量预测方法。

18、与现有技术相比，本发明的显著进步在于：(1)本发明利用gumbel-max trick改良注意力机制，弥补了注意力机制输出过于平均的缺陷；(2)本发明通过建立kgcn-gsam交通流量预测模型，减少了预测误差，提高了预测精度。

19、为更清楚说明本发明的功能特性以及结构参数，下面结合附图及具体实施方式进一步说明。

技术特征：

1.一种基于选择注意力机制的交通流量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于选择注意力机制的交通流量预测方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的基于选择注意力机制的交通流量预测方法，其特征在于，所述步骤2中将所述知识向量和交通速度矩阵输入的kf-cell，得到嵌入了知识向量xe的交通速度矩阵x′t：

4.根据权利要求1所述的基于选择注意力机制的交通流量预测方法，其特征在于，步骤3所述的有空间信息的交通速度矩阵xgcn为：

5.根据权利要求1所述的基于选择注意力机制的交通流量预测方法，其特征在于，步骤4中所述的有时间信息的门控循环单元隐藏状态ht计算为：

6.根据权利要求5所述的基于选择注意力机制的交通流量预测方法，其特征在于，所述步骤5具体为：

7.根据权利要求1所述的基于选择注意力机制的交通流量预测方法，其特征在于，所述步骤6的全连接函数为ffcl(x)：

8.一种基于选择注意力机制的交通流量预测系统，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一所述的方法的步骤。

技术总结本发明公开了一种基于选择注意力机制的交通流量预测方法及系统，属于智能交通和机器学习领域。该基于选择注意力机制的交通流量预测方法及系统包括：首先，获取历史交通数据、道路拓扑数据和道路属性数据；接着，基于KGCN‑GSAM模型，根据道路拓扑数据和道路属性数据，建立交通预测模型；然后，基于所得交通预测模型，根据历史交通数据，进行下一时段内的交通预测值的预测。通过运用KGCN‑GSAM模型交通预测，本发明有效提高了交通预测的精准度。技术研发人员：邱天阳,钱玉文,李骏,时龙,梅镇受保护的技术使用者：南京理工大学技术研发日：技术公布日：2024/6/11