[发明专利]一种基于时空多图卷积网络的交通站点流量预测方法

权利要求书

1.一种基于时空多图卷积的交通站点流量预测方法，其特征在于，所述交通站点流量预测方法，包括如下步骤：

步骤S1，根据站点与站点之间是否有直连的线路，判断站点之间是否物理位置相邻，从而构建交通网络中的邻居图；

步骤S2，取交通网络在预设周期内生成的所有出入交通网络记录，计算站点之间在所述周期内的流通流量，构建流通流量图；

步骤S3，分别在所述邻居图和所述流通流量图上构建邻居图-时空图卷积组件和流通流量图-时空图卷积组件，捕获站点流量的时空特征，然后在两个组件后分别接入全连接层，将两个组件所捕获的时空特征输出映射为与待预测结果形状相同的流量值；

步骤S4，将两个组件的全连接层后面接入融合模块，在融合模块中，将两个组件全连接层的输出进行融合，作为做种的预测结果，至此，得到了完整的基于上下文门控的时空多图卷积网络模型；

步骤S5，取一段时间内的交通网络站点出入流量数据，构造训练集和测试集，将训练集输入构建的基于上下文门控的时空多图卷积网络模型，对模型进行训练，并采用测试集进行测试；训练并测试完成后，得到成熟的基于上下文门控的时空多图卷积网络模型；

步骤S6，使用成熟的基于上下文门控的时空多图卷积网络模型，对交通站点流量进行预测。

2.根据权利要求1所述的交通站点流量预测方法，其特征在于，所述交通网络G是站点v及其关系的函数，G＝(V，E，A)，E表示交通网络中的边集，边集中的边代表站点之间存在直连的线路，V表示其中所有站点，v∈V，|V|＝N表示交通网络中的站点个数，A为邻接矩阵；

邻居图G_N表示站点间的位置相邻关系，G_N＝(V，E_N，A_N)，E_N邻居图中的表示边集，边代表站点之间的相邻关系，A_N为邻接矩阵；且

3.根据权利要求2所述的交通站点流量预测方法，其特征在于，所述步骤S2中出入交通网络记录，包括个体p从站点v进出网络产生的每一条记录和个体连续进出一次网络产生的记录组；其中，四元组T_k(p，v，τ，κ)，表示个体p从站点v进出网络产生的一条记录，其中p为个体标识，v为站点标识，τ为时间标识，κ为进出标识，κ∈{in，out}，k∈N表示记录序号；二元组T_io(T_k，T_k+1)，表示某个体连续进出一次网络产生的记录组，其中T_k·κ＝in，T_k+1·κ＝out，T_k·p＝T_k+1·p，T_k.τ＜T_k+1·τ。

4.根据权利要求3所述的交通站点流量预测方法，其特征在于，所述流通流量图G_F表示站点间流通流量关系，表达式为G_F＝(V，E_F，A_F)，其中，E_F表示流通流量图中的边集，边代表流量强弱关系，A_F为邻接矩阵；且：