[发明专利]一种基于有限数据资源的城市细粒度流量预测方法及系统

说明书

本发明公开了一种基于有限数据资源的城市细粒度流量预测方法及系统。所述方法包括：获取待预测区域一定时间内的流量分布数据和相应外部因素数据；根据设定的粗细粒度放缩因子得到细粒度流量分布图和粗粒度流量分布图；将粗粒度流量分布图进行下采样，得到下采样粗粒度流量图；训练从下采样粗粒度流量图到粗粒度流量分布图的空间推理编码器，用于所述区域细粒度流量的预测。本发明针对训练资源有限的情况下，提出了推理网络来简化城市细粒度流量预测问题，提高了模型的流量预测精度和可靠性。

技术领域

本发明属于智慧交通技术领域，尤其涉及一种基于有限数据资源的城市细粒度流量预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

近些年来，随着大数据时代的到来，人工智能技术被广泛地应用到社会的各个层面：机器翻译、智能客服和智慧城市等。其中智能交通是智慧城市领域的一个重要组成部分，它需要城市规划者对城市流量进行全局监控，并在城市道路出现交通拥堵或者意外状况时发出警告。但是为了获得全局的流量信息，需要在城市的各个街道部署大量的传感设备，方便流量监控的同时也相应消耗了大量的电力资源。为了减少这样的能源消耗，研究者们提出了城市细粒度流量预测方法，它目标是根据现有的粗粒度流量预测细粒度流量变化。

现有的城市细粒度流量预测方法大多依赖于庞大的训练数据，在实际应用中，庞大的训练数据并不容易获得。如果利用有限数据资源来进行模型的训练，容易造成过拟合、泛化性能差，影响预测结果的准确性。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于有限数据资源的城市细粒度流量预测方法及系统。根据流量数据本身的特性设计适合的流量预测辅助任务，在针对训练资源有限的情况下，提出了推理网络来简化城市细粒度流量预测问题，结合流量随时间的变化规律以及受外部因素的影响，使用权重采样的方式对数据进行充分的利用，提高了模型的流量预测精度和可靠性。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种基于有限数据资源的城市细粒度流量预测方法，包括以下步骤：

获取待预测区域一定时间内的流量分布数据和相应外部因素数据；

根据设定的粗细粒度放缩因子，结合流量分布数据得到细粒度流量分布图和粗粒度流量分布图；对所述外部因素数据进行处理，得到外部因素流量图；

将所述粗粒度流量分布图根据所述放缩因子进行下采样，得到下采样粗粒度流量图；训练从下采样粗粒度流量图到粗粒度流量分布图的空间推理编码器，用于所述区域细粒度流量的预测。

进一步地，所述空间推理编码器被配置为包括依次连接的卷积层、带ReLU激活函数的卷积层和上采样层；并且，训练过程设有结构性约束条件，要求下采样粗粒度流量图中区域流量之和等于粗粒度流量图中相应区域流量大小。

进一步地，还根据流量数据随时间的变化规律训练时间编码器，具体为：

根据流量数据随时间的变化规律选定特定时刻的粗粒度流量分布图作为锚点，通过计算锚点与其他时刻流量图的欧式距离，得到正样本集和负样本集；根据权重采样构造新的正样本集和负样本集，根据锚点、新的正样本集和负样本集，通过三元组对比学习训练时间编码器。

进一步地，还获取外部因素数据，并对所述外部因素数据进行处理，得到外部因素流量图。

进一步地，所述外部特征包括连续特征和离散特征；对所述外部因素数据进行处理包括：

将所述离散特征进行非线性变换，与连续特征进行张量拼接；

对拼接得到的特征进行非线性变换和尺度变换得外部因素流量图。

进一步地，所述方法还包括：