[发明专利]动态图卷积交通速度预测方法

权利要求书

1.一种动态图卷积交通速度预测方法，其特征在于，包括：

步骤1，将车辆GPS轨迹数据匹配到城市道路网络中，获取每条路段的交通速度时间序列；

步骤2，将城市道路网络的路段视为图节点，将城市道路网络的交叉口视为图的连接边，构建路网图，获取路段间的邻接矩阵；

步骤3，根据每条路段的交通速度时间序列，计算邻接路段间交通速度相似性，获得实时邻接路段相似矩阵；

步骤4，将每条路段的交通速度时间序列和邻接路段相似矩阵输入图卷积网络中训练，获得未来路段交通速度预测结果。

2.根据权利要求1所述的动态图卷积交通速度预测方法，其特征在于，所述步骤1具体包括：

将车辆GPS轨迹数据进行清洗，去除研究区域外的轨迹点和噪声轨迹点，以10分钟为一个时段，将一天划分为144个时段，截取每个时段内的轨迹点数据进行轨迹匹配。

3.根据权利要求2所述的动态图卷积交通速度预测方法，其特征在于，所述步骤1还包括：

计算每个轨迹点到研究区域路段的距离，将轨迹点匹配到最近的路段，聚合每条路段各个时段的轨迹点速度值，取每条路段各个时段所有轨迹点速度的平均值表示路段的速度，得到每条路段的交通速度时间序列。

4.根据权利要求3所述的动态图卷积交通速度预测方法，其特征在于，所述步骤1还包括：

对车辆轨迹数据进行清洗，去除错误数据和冗余数据，对于缺失数据，采用线性插值进行补全，如下所示：

其中，y₀表示当前待插值时段的上一时刻x₀时的速度值，y₁表示当前待插值时段的下一时刻x₁时的速度值，y表示经线性插值后当前时段的速度拟合值。

5.根据权利要求4所述的动态图卷积交通速度预测方法，其特征在于，所述步骤3具体包括：

选取历史交通速度时间序列中待预测时段之前的邻近3个时段、前1天同一时段、前一个星期同一时段的速度值构建交通速度输入序列，采用斯皮尔曼等级相关系数计算邻接路段间的交通速度输入序列相似性，获得该时段下路段间的邻接相似矩阵，如下所示：

其中，r表示两条路段X和Y之间的相关系数，N表示序列的长度，表示路段X交通速度序列的平均值，表示路段Y交通速度序列的平均值，X_n、Y_n表示序列中的第n个值。

6.根据权利要求5所述的动态图卷积交通速度预测方法，其特征在于，所述步骤4具体包括：

对公式(2)计算所得的实时动态路段邻接相似矩阵进行拉普拉斯变换，如下所示：

L＝D-A (3)

其中，A表示由实时输入的交通速度序列计算的邻接路段相似矩阵A∈R^N×N，D＝∑_jA_ij表示路段节点的度矩阵；

去除相似矩阵的量纲影响且保持拉普拉斯矩阵对称，计算时不改变特征的分布，获得更快的收敛速度，如下所示：

其中，I表示单位矩阵，表示(A+I)的度矩阵，L^sys表示对称且归一化的拉普拉斯矩阵。

7.根据权利要求6所述的动态图卷积交通速度预测方法，其特征在于，所述步骤4还包括：

对输入特征X进行图卷积运算，如下所示：

其中，A表示邻接矩阵，I表示单位矩阵；氛示A+I的度矩阵，X表示输入特征，W表示每层的权重参数，σ表示激活函数。

8.根据权利要求7所述的动态图卷积交通速度预测方法，其特征在于，所述步骤4还包括：

对输入特征X和邻接矩阵A进行非线性映射，如下所示：

y＝f(X，A) (6)

将残差引入图卷积模型中，层与层之间的传播方式如下所示：

y＝X+f(X，A) (7)。