[发明专利]一种基于时空格兰杰因果的交通流预测方法

权利要求书

1.一种基于时空格兰杰因果的交通流预测方法，其特征在于，包括以下步骤：

全局动态交通信息GDTi表达长时预测下路网的空间依赖关系，具体表现为交通流传递的因果关系TCR，将交通流传递的因果关系TCR建模为时空格兰杰因果关系图；

考虑全局动态交通信息GDTi在传递时的时空耦合，根据时空对齐算法捕获TCR；所述时空对齐算法考虑TCR中因果关系从原因节点传递到结果节点的时间，根据路网中全局动态交通信息GDTi全局传递的起始点的空间距离进行时间序列的对齐，建模TCR传递的时空滞后；

使用时空格兰杰因果检验方法从对齐后的时间序列中测试出哪两个节点间有GDTi的传递，从而捕获动态交通流下稳定的TCR；

将得到的时空格兰杰因果检验图输入到基于GNN的交通预测模型中，同时捕获交通路网的时间依赖性和空间依赖性；所述基于GNN的交通预测模型包括两个模块，一个用于建模时间依赖性，一个使用GNN建模空间依赖性；其中，GNN结构传播和集成有空间依赖性的节点间的交通信息。

2.根据权利要求1所述的基于时空格兰杰因果的交通流预测方法，其特征在于，所述时空对齐算法是将源节点的时间序列沿着时间轴向后平移，步长等于源节点和目标节点间的时空滞后，所述时空滞后等于源节点与目标节点间的空间滞后与源节点的平均交通速度的比值；

所述时空对齐算法分为两个步骤：

根据因果滞后性，计算出TCR从原因节点向结果节点传递所消耗的时间，即两者间的时空滞后；

根据因果顺序性，将原因节点的时间序列沿时间轴平移s个时间步，将TCR在原因节点上产生和在结果节点上作用的时间进行对齐，进而保证能够直接从观测到的结果中推断出因果机制。

3.根据权利要求1所述的基于时空格兰杰因果的交通流预测方法，其特征在于，所述因果滞后性为：结果发生和原因发生具有一个时间差，在交通路网中表现为原因节点和结果节点之间的时空滞后；

所述因果顺序性为：结果总是发生或被观测在原因之后，在交通路网中表现为结果节点接收GDTi的时间总是发生在原因节点释放GDTi之后。

4.根据权利要求1所述的基于时空格兰杰因果的交通流预测方法，其特征在于，节点间的空间滞后是节点之间的空间距离，时空滞后是GDTi从原因节点流向结果节点需要消耗的时间，即TCR传递需要的时间。

5.根据权利要求1所述的基于时空格兰杰因果的交通流预测方法，其特征在于，格兰杰因果检验方法建立的两个向量自回归模型如下：

其中X_t-j和Y_t-j分别代表时间序列X和Y在t-j时刻的交通流数据的数值，α_j、a_j和b_j代表自回归模型的回归参数，ε_Y和ε_Y|X分别代表两个自回归模型的残差，m代表模型的阶数，即时间滞后值；如果υar(ε_Y|X)＜υar(ε_Y)，则可以判断时间序列X对时间序列Y具有统计意义下的格兰杰因果关系，表示为：

X Granger-causes Y

根据格兰杰因果分析方法对节点A的时间序列和节点B的时间序列进行Granger因果检验时，本发明需要同时输入待检验的时间序列X_A和X_B：

H₀ hypothesis：X_B does not Granger-cause X_A

将两个节点的时间序列输入进行Granger因果检验，如果返回的p值低于显著性水平，则拒绝原假设，即得到的结论为：节点B是节点A的格兰杰因。