[发明专利]一种基于循环注意力对偶图卷积网络的交通流量预测方法

权利要求书

1.一种基于循环注意力对偶图卷积网络的交通流量预测方法，包括以下步骤：

步骤1，根据城市交通路网上道路线圈传感器所采集的车流数据构建交通流量时序，并进行预处理；

步骤2，计算线圈传感器之间的路网距离，根据该路网距离构建节点图其中，V_n为节点集，E_n为边集，A_n为邻接矩阵；

步骤3，将节点图中的边E_n视作边图的节点，定义上下游连接关系和竞争关系两种边影响模式，根据该两种边影响模式构建边图的边，继而构建边图G_e＝(V_e，E_e，A_e)，其中，V_e为节点集，E_e为边集，A_e为邻接矩阵；

步骤4，根据节点图和边图G_e构建对偶图卷积网络，将t时刻的交通流量X_t输入k层对偶图卷积网络，各层输出的节点表示为

步骤5，将对偶图卷积网络各层输出的节点表示输入多范围注意力网络进行融合，输出融合表示U_t；

步骤6，将过去T′个时刻的融合表示U_{(s-T′+1)：s}输入节点间共享的编解码结构长短时记忆网络，输出未来T个时刻的交通流量预测值

2.如权利要求1所述的基于循环注意力对偶图卷积网络的交通流量预测方法，其特征在于，步骤1中，道路网络上的线圈传感器的数量为N，表示在t时刻结束时间窗口内交通路网上N个节点的交通流量，使用线性插值的方法对交通流量处理缺失值和异常值。

3.如权利要求1所述的基于循环注意力对偶图卷积网络的交通流量预测方法，其特征在于，步骤2中，构建节点图的具体步骤为：

(a)构建节点图的节点集V_n＝{v₁，v₂，…，v_N}，其中，|V_n|＝N，节点集V_n中的一个元素对应一个道路节点；

(b)计算任意两个道路节点间的路网距离，dist(v_i，v_j)表示道路节点i到道路节点j的最短路网距离；

(c)根据节点间的路网距离计算的邻接矩阵A_n，其中，邻接矩阵A_n的计算公式为：

其中，σ²为所有道路节点间路网距离的方差，d为人工设置的阈值；

(d)构建节点图的边集E_n＝{(i→j)|0≤i，j≤N，A_i，j＞0}，其中，(i→j)表示以i为头节点，以j为尾节点的边。

4.如权利要求1所述的基于循环注意力对偶图卷积网络的交通流量预测方法，其特征在于，步骤3中，构建边图G_e的具体步骤为：

(a)构建边图G_e的节点集V_e＝E，边图G_e中的节点对应节点图中的边；

(b)针对路径：表示为(i→j)的道路节点i到道路节点j，表示为(j→k)的道路节点j到道路节点k，定义上下游连接关系为：(i→j)为(j→k)的上游边，(j→k)为(i→j)的下游边，并定义A_e中(i→j)与(j→k)的上下游连接关系的权重如下：

其中，deg^-(·)和deg⁺(·)分别表示节点的入度和出度，ε²表示节点度的方差；

(c)针对路径：表示为(i→k)的道路节点i到道路节点k，表示为(j→k)的道路节点j到道路节点k，即(i→k)和(j→k)共享同一尾节点，定义(i→k)和(j→k)为竞争关系，并定义A_e中(i→k)和(j→k)的竞争关系的权重如下：

(d)构建边图G_e的边集E_e，其中，E_e中的元素为G_e的边。