CN115456238B 一种基于动态多视图耦合图卷积的城市出行需求预测方法 （浙江工业大学）_第1页
CN115456238B 一种基于动态多视图耦合图卷积的城市出行需求预测方法 （浙江工业大学）_第2页
CN115456238B 一种基于动态多视图耦合图卷积的城市出行需求预测方法 （浙江工业大学）_第3页
CN115456238B 一种基于动态多视图耦合图卷积的城市出行需求预测方法 （浙江工业大学）_第4页
CN115456238B 一种基于动态多视图耦合图卷积的城市出行需求预测方法 （浙江工业大学）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于动态多视图耦合图卷积的城市出本发明公开了一种基于动态多视图耦合图合空间特征分别采用门控循环单元提取时间相2将特征矩阵分别与动态需求相似图、地理相似图、功能相似图和道路对各个单位时间对应的融合空间特征分别采用门控循环单元提取时间其中，所述通过注意力层提取时间相关特征与外部特征之2.根据权利要求1所述的基于动态多视图耦合图卷积的城市出行需求预测方法，其特所述功能相似图表示为S,=(V,EPAP),其中V表示图中节点的集合，Ep表示节点间所述道路相似图表示为S,=(V,Br,A),其中V表示图中节点的集合，Er表示节点间r中每个元素表示两个节点间道路特征的相似性；3所述动态需求相似图表示为sa=(V,Ea,Aa),其中V表示图中节点的集合，Ed表示节ij3.根据权利要求1所述的基于动态多视图耦合图卷积的城市出行需求预测方法，其特4.根据权利要求1所述的基于动态多视图耦合图卷积的城市出行需求预测方法，其特通过区域与城市网格的映射矩阵，将预测结果转化为网格形式，得到4提取时间和空间的关联性。早期的交通需求预测大多使用的是机器学习和统计分析方法，[0005]本申请的目的是提供一种基于动态多视图耦合图卷积的[0011]对各个单位时间对应的融合空间特征分别采用门控循环然后通过注意力层提取时间相关特征与外部特征之间的注意力分数，以注意力分数为权[0012]进一步的，所述地理相似图表示为其中V表示图中节点的集5[0020]所述道路相似图表示为sr=(V,E,A,),其中V表示图中节点的集合，Er表示节[0025]所述动态需求相似图表示为[0031]进一步的，所述通过注意力层提取时间相关特征与外部6态多视图和耦合图卷积模块，能够从多个角度对出行需求数据中复杂的时空关系进行建结合GRU来捕获时空相关性。最后融合外部环境因素通过注意层和映射矩阵得到城市出行[0045]地理相似图表示为表示区域gg7[0048]功能相似图表示为S,=(V,EPAP),表示区域间的POI分布相似性，其中V表示[0061]构建的动态需求相似图表示为sa=(V,Ea,Aa),表示不同区域之间的出行需求89[0088]本实施例将邻接矩阵和特征矩阵输入到多视图耦合图卷[0097]本实施例使用门控循环单元(GRU)来建模出行需求的动态的时间相关性，然后结[0099]使用门控循环单元来建模出行需求的动态时间相关性时，使用GRU来提取时间相[0104]注意力层通过计算U和外部特征E＝{e1,e2,…,eT}之间的注意力分数，其中[0107]得到所有时间相关特征和对

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论