CN113822460B 一种交通流量预测方法、装置、电子设备和存储介质 （腾讯科技（深圳）有限公司）

本发明实施例公开了一种交通流量预测方史交通流量矩阵中包括多个交通区域中每一交通区域与其他交通区域之间的交通流量流转信一交通区域和其他交通区域的交通流量之间的2根据待预测区域和待预测时刻，获取历史交通流量矩阵，所述通过邻接矩阵基于所述历史交通流量矩阵提取每一交通区域和其他交通区域的交通基于所述预测结果中所述目标交通区域在所述待预测时刻下的交通通过当前图卷积单元的邻接矩阵，基于最初的历史交通流量矩阵，将所述当前图卷积单元的后一图卷积单元作为新的当前图卷积单所述通过当前图卷积单元的邻接矩阵，基于最初的历史交通流量单元输出的交通流量特征，提取每一交通区域和其他交通区域的交通流量之间的流转特通过当前图卷积单元中第一特征提取单元的邻接矩阵，基于通过当前图卷积单元中第二特征提取单元的邻接矩阵，基于通过当前图卷积单元中的第三特征提取单元，对所述第二交通流量特3通过所述第三特征提取单元的邻接矩阵，基于所述最初的历通过所述特征融合单元，计算所述第一交通流量特征与所述前一图所述通过邻接矩阵基于所述历史交通流量矩阵提取每一交通区域和其他交通区域的通过邻接矩阵基于各所述历史交通流量矩阵提取每一交通区域和其他交通区域的交对各所述历史交通流量矩阵对应的交通流量特征进行特征融合，基于所述交通流量特征进行交通流量预测，得到所述多个交通所述基于所述预测结果中所述目标交通区域在所述待预测时刻下的交基于所述多个交通区域中每个交通区域的预测结果，得到所述目标根据需要预测交通流量的待预测时刻，确定所述待预测时刻之前的对各流量监测时间区域基于预设的时间间隔划分为多个根据需要预测交通流量的待预测区域，确定所述待预测区域所在4针对各监测交通区域，获取各所述时间片中所述监测交通区针对各流量监测时间区域，基于所述流量监测时间区域的时间片中基于各所述流量监测时间区域对应的所述子向量，得到各所述流获取交通流量矩阵样本，所述交通流量矩阵样本标注有样本预测通过待训练流量预测模型中图卷积单元的邻接矩阵，基于所述交通流基于所述待训练流量预测模型的流量预测单元，基于所述样本交根据各样本交通区域的所述样本预测结果以及对应的实际交通流所述基于所述待训练流量预测模型的流量预测单元，基于所述样本通过各流量预测单元对所述样本交通流量特征分别进行交通流量所述根据各样本交通区域的所述样本预测结果以及对应的实际交通流针对每一目标类型，根据所述目标类型下各样本交通区域的样5根据各所述目标类型对应的类型预测损失，计算所述待训练流量预根据所述样本预测损失对所述待训练流量预测模型中各单元的参数特征提取模块，用于通过邻接矩阵基于所述历史交通流量流量确定模块，用于基于所述预测结果中所述目标交通区域将所述当前图卷积单元的后一图卷积单元作为新的当前图卷积单对应的，所述特征提取模块，用于通过当前图卷积单元中第一特征提取通过当前图卷积单元中第二特征提取单元的邻接矩阵，基于通过当前图卷积单元中的第三特征提取单元，对所述第二交通流量特通过所述第三特征提取单元的邻接矩阵，基于所述最初的历6通过所述特征融合单元，计算所述第一交通流量特征与所述前一图所述特征提取模块，用于通过邻接矩阵基于各所述历史交通流量矩阵对各所述历史交通流量矩阵对应的交通流量特征进行特征融合，得到融合后交通流量特对各流量监测时间区域基于预设的时间间隔划分为多个根据需要预测交通流量的待预测区域，确定所述待预测区域所在针对各监测交通区域，获取各所述时间片中所述监测交通区针对各流量监测时间区域，基于所述流量监测时间区域的时间片中基于各所述流量监测时间区域对应的所述子向量，得到各所述流7所述非线性映射模块，用于对所述交通流量特征进行非线性映射，得所述流量预测子模块，用于根据所述映射后特征向量进行交通样本获取模块，用于获取交通流量矩阵样本，所述交通流量矩阵样本样本交通区域中其他样本交通区域之间的交通样本特征提取模块，用于通过待训练流量预测模型中图卷积单元的邻述交通流量矩阵样本提取每一样本交通区域和其他样本交通区域的交通流量之间的流转样本预测模块，用于基于所述待训练流量预测模型的流量预测单元，模型调整模块，用于根据各样本交通区域的所述样本预测结果以及对应的，所述样本预测模块，用于通过各流量预测单元对所述样本交通流量所述模型调整模块，用于针对每一目标类型，根据所述目标类型下根据各所述目标类型对应的类型预测损失，计算所述待训练流量预根据所述样本预测损失对所述待训练流量预测模型中各单元的参数述处理器用于运行所述存储器内的应用程序，以执行权利要求1至11任一项所述的交通流8图卷积计算过程准确提取历史交通流量矩阵中包含的各交通区域之间的交通流量流转信[0007]通过邻接矩阵基于所述历史交通流量矩阵提取每一交通区域和其他交通区域的9一图卷积单元输出的交通流量特征进行点乘多个样本交通区域中其他样本交通区域之间的交通于所述交通流量矩阵样本提取每一样本交通区域和其他样本交通区域的交通流量之间的令适于处理器进行加载，以执行本发明实施例所提供的任一种交通流量预测方法中的步[0057]图3是本发明实施例提供的图卷积单元包括第一特征提取单元、第二特征提取单作为用户向服务器20发送交通流量预测请求的终发送包含需要预测交通流量的待预测时刻和定时间段内从起点区域流向终点区域的交通流量，此处的交通流量具体可以包括人流量、小时内某个或某些交通区域的交通流量数据生成的交通n_1个交通区域的入流量，比如，可以第一行第一列的数据表示对应的交通区域的OD交通量，位于第一行第二列的数据表示对应的交通区域到位于排列顺序上第2个交通区域的出流量，位于第二行第一列的数据表示对应的交通区域到位于排列顺序上第2个交通区域的间区域后，可以由技术人员自行获取与流量监测时间区域对应的n个时间片内的交通流量[0108]在本发明实施例对交通流量的预测过程中，涉及到人工智能(ArtificialIntelligence,AI)技术，人工智能技术是利用数字计算机或者数字计算机控制的机器模[0112]202、通过邻接矩阵基于历史交通流量矩阵提取每一交通区域和其他交通区域的[0119]可以理解的是，技术人员也可以选择其他的激活函数进否相邻接的连接关系，也可以表示每个交通区域与其他交通区域之间的交通流量流转关“通过邻接矩阵基于历史交通流量矩阵提取每一交通区域和其他交通区域的交通流量之间单元输出的交通流量特征，提取每一交通区域和其他交通区域的交通流量之间的流转特积单元即为相邻交通流量特征之间的差距小于某个判断值的循环单元中的第n个等等。其t的图卷积单元作为当前图卷积单元，ht-1表示两个相连接的图卷积单元第二特征提取单元输出的第二交通流量特征rr=o([xphr-1IEW),rt决定需要从前越应该丢弃，越接近1意味着越应该保留；第三特征提取单元输出的第三交通流量特征[0149]对应的，最终输出的交通流量特征可以是由zt控制需要从前一循环单元得到的[0158]通过邻接矩阵基于各历史交通流量矩阵提取每一交通区域和其他交通区域的交的目标有着相对较高的相关性，可以输入距离待预测时刻最近的n个时间片内的交通流量性以及抑制可能的数据异常，可以输入距离待预测时刻168小时前与170小时前的最近的n矩阵，则矩阵中第i行第i列可以表示第i个小区与其他n_1个小区之间的交通流量流转信预测时刻下待预测区域对应的交通流量。若待预测区域是目标交通区域中的一个子区域，[0198]根据各目标类型对应的类型预测损失，计算待训练流量预测模型的样本预测损[0202]对应的，训练过程中待训练流量预测模型的样本预测损失可以通过如下方式计域出流量任务的损失为预测OD交通量任务的损失[0208]根据待预测时刻和参考预测区域，获取参考预测区域对执行通过邻接矩阵基于历史交通流量矩阵提取每一交通区域和其他交通区域的交通流量[0210]其中，基于参考预测区域对应的交通流量和待预测区域对应的交通流量进行计一个图卷积单元即为相邻交通流量特征之间的差距小于某个判断值的循环单元中的第n个第二特征提取单元输出的第二交通流量特征rt=o(A[x.vhr-1]EW),rt决定需要从前越应该丢弃，越接近1意味着越应该保留；第三特征提取单元输出的第三交通流量特征[0240]对应的，最终输出的交通流量特征可以是由zt控制需要从前一循环单元得到的得到特征融合单元输出的交通流量特征ht=zoht-1+(1-其中，⊙表示哈阵中设置特定行列为目标交通区域对应的行列，比如设置第1行计算可以得到目标交通区[0259]特征提取模块802，可以用于通过邻接矩阵基于历史交通流量矩阵提取每一交通[0260]流量预测模块803，可以用于基于交通流量特征进行交通流量预测，得到预测结[0261]流量确定模块804，可以用于基于预测结果中目标交通区域在待预测时刻下的交[0271]特征提取模块802，可以用于通过邻接矩阵基于各历史交通流量矩阵提取每一交样本交通区域中其他样本交通区域之间的交通[0290]样本特征提取模块，可以用于通过待训练流量预测模型中图卷积单元的邻接矩[0296]根据各目标类型对应的类型预测损失，计算待训练流量预测模型的样本预测损间的交通流量流转信息，进而根据具有空间相关性的交通流量流转信息进行交通流量预(GSM，GlobalSystemofMobilecommunication)、通用分组无线服务(GPRS，General址(WCDMA，WidebandCodeDivisionMultipleAccess)、长期演进(LTE，LongTerm[0302]存储器1002可用于存储软件程序以及模块，处理器1008通过运行存储在存储器附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装[0304]显示单元1004可用于显示由用户输入的信息或提供给用户的信息以及电子设备分，通过运行或执行存储在存储器1002内的软件程序和/或模块，以及调用存储在存储器[0312]通过邻接矩阵基于历史交通流量矩阵提取