[发明专利]交通速度预测方法、系统及存储介质

权利要求书

1.一种交通速度预测方法，其特征在于，包括以下步骤：

1)采集原始交通速度数据集，将所述数据集划分成训练集和测试集，挖掘原始交通速度数据集不同的空间关系，构建出两个路网图；

2)将所述两个路网图的邻接矩阵融合为新图邻接矩阵；

3)将所述训练集和所述新图邻接矩阵作为交通预测模型的输入，训练得到预测模型；

4)利用所述预测模型预测交通速度。

2.根据权利要求1所述的交通速度预测方法，其特征在于，步骤1)中，所述两个路网图分别为邻居图和相关性图；所述邻居图G_N＝(V_N,E_N,A_N)，其中，V_N为邻接图的节点，E_N代表邻接图的边，A_N为邻居图的邻接矩阵；所述相关性图Gs＝(Vs,Es,As)，其中，Vs为相关性图的节点，Es代表相关性图的边，As为相关性图的邻接矩阵。

3.根据权利要求2所述的交通速度预测方法，其特征在于，所述邻居图的节点为道路或采集原始交通速度数据的传感器；当所述节点为道路时，当所述节点为传感器时，其中v_i,v_j代表传感器i和传感器j，dist(v_i,v_j)代表了传感器i和传感器j之间的距离，σ是传感器i和传感器j的距离之间的标准偏差，k是为了保证邻接矩阵稀疏性设置的一个阈值。

4.根据权利要求2所述的交通速度预测方法，其特征在于，所述相关性图的边的权值和邻接矩阵表达式如下：

其中r_i,j代表相关性图节点i和节点j之间的皮尔逊系数，X_i代表节点i的速度向量，代表节点i的速度向量的均值，Y_i代表节点j的速度向量，代表节点j的速度向量的均值；As为相关性图的邻接矩阵；n是节点的个数。

5.根据权利要求1所述的交通速度预测方法，其特征在于，步骤2)的具体实现过程包括：

A)分别计算两个所述路网图的归一化的拉普拉斯矩阵；

B)利用两个所述路网图的归一化的拉普拉斯矩阵分别计算两个所述路网图的谱嵌入矩阵；

C)根据每个路网图的谱嵌入矩阵和归一化的拉普拉斯矩阵，计算出新图的拉普拉斯矩阵L_new＝(L_N+L_S)-(α₁U_NU_N'+α₂U_SU_S')；取出L_new的对角线生成新图的度矩阵D_new，根据公式A_new＝D_new-L_new，求出新图的邻接矩阵A_new；其中，L_N，Ls分别为两个路网图的归一化的拉普拉斯矩阵；U_N，Us分别为两个路网图的谱嵌入矩阵，U_N'，U_S'分别为谱嵌入矩阵U_N，Us的转置矩阵，α₁，α₂为平衡等式项数的超参数。

6.根据权利要求1所述的交通速度预测方法，其特征在于，所述交通预测模型包括用于提取空间特征的图卷积神经网络和用于提取时间特征的门控递归单元。