[发明专利]交通速度预测方法、装置、电子设备及计算机可读介质

权利要求书

1.一种交通速度预测方法，其特征在于，包括：

获取0至T历史时间步各路段节点的历史速度信息和历史时间相关信息，T为大于0的整数；

利用循环神经网络模型的编码器中的第t个图生成器对所述编码器中的第t-1个编码单元的隐状态、t历史时间步各路段节点的历史速度信息和历史时间相关信息进行处理，获得t历史时间步所述路段节点的动态自适应邻接矩阵，t为大于0且小于或等于T的整数；

对所述t历史时间步所述路段节点的动态自适应邻接矩阵进行图卷积运算，确定所述编码器中的第t个编码单元的门函数；

利用所述编码器中的第t个编码单元的门函数对所述第t-1个编码单元的隐状态和所述t历史时间步各路段节点的历史速度信息进行处理，获得第t个编码单元的隐状态；

通过所述循环神经网络模型的解码器对第T个编码单元的隐状态进行处理，获得未来时间步各路段节点的预测交通速度；

其中，利用循环神经网络模型的编码器中的第t个图生成器对所述编码器中的第t-1个编码单元的隐状态、t历史时间步各路段节点的历史速度信息和历史时间相关信息进行处理，获得t历史时间步所述路段节点的动态自适应邻接矩阵包括：

对t历史时间步各路段节点的历史速度信息、历史时间相关信息和第t-1个编码单元的隐状态进行拼接，获得t历史时间步的输入信息；

通过多层感知机对所述t历史时间步的输入信息进行处理，获得t历史时间步的感知信息；

通过静态先验邻接矩阵参与的图卷积运算对t历史时间步的感知信息进行消息传递，捕捉路段节点间的动态关系，得到t历史时间步的图卷积信息，所述静态先验邻接矩阵是以路网的静态拓扑属性或节点间时序相关关系构建的图结构连接关系；

根据所述t历史时间步的图卷积信息对各路段节点的静态节点嵌入向量进行过滤，获得t历史时间步各路段节点的动态节点自适应嵌入向量；

对t历史时间步各路段节点的所述动态节点自适应嵌入向量进行相似性计算，获得t历史时间步所述路段节点的所述动态自适应邻接矩阵。

2.如权利要求1所述的方法，其特征在于，根据所述t历史时间步的感知信息对静态先验邻接矩阵进行图卷积运算，获得t历史时间步的图卷积信息包括：

以所述t历史时间步的感知信息为输入，对所述静态先验邻接矩阵依次进行一阶至K阶的图卷积运算，获得t历史时间步的一阶至K阶的第一图卷积运算结果，K为大于0的整数；

根据所述t历史时间步的感知信息和k-1阶的第一图卷积运算结果确定k阶节点属性信息，0k≤K；

将所述t历史时间步的感知信息作为0阶节点属性信息，并将0阶至K阶节点属性信息拼接获得t历史时间步的拼接信息；

根据所述t历史时间步的拼接信息确定所述t历史时间步的图卷积信息。

3.如权利要求1所述的方法，其特征在于，根据所述t历史时间步的图卷积信息对各路段节点的静态节点嵌入向量进行过滤，获得t历史时间步各路段节点的动态节点自适应嵌入向量包括：

若所述静态节点嵌入向量的维度与所述t历史时间步的图卷积信息的维度相同，则对所述静态节点嵌入向量和所述图卷积信息进行按位相乘，获得所述t历史时间步各路段节点的动态节点自适应嵌入向量；

若所述静态节点嵌入向量的维度为所述t历史时间步的图卷积信息的维度的约数且小于所述t历史时间步的图卷积信息的维度，则对所述t历史时间步的图卷积信息进行维度转换，将维度转换后的所述t历史时间步的图卷积信息和所述静态节点嵌入向量进行按位相乘，获得所述t历史时间步各路段节点的动态节点自适应嵌入向量。