CN115641720B 基于时空融合图神经网络的交通预测方法及系统 （重庆大学）_第1页
CN115641720B 基于时空融合图神经网络的交通预测方法及系统 （重庆大学）_第2页
CN115641720B 基于时空融合图神经网络的交通预测方法及系统 （重庆大学）_第3页
CN115641720B 基于时空融合图神经网络的交通预测方法及系统 （重庆大学）_第4页
CN115641720B 基于时空融合图神经网络的交通预测方法及系统 （重庆大学）_第5页
已阅读5页，还剩24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

基于时空融合图神经网络的交通预测方法一种基于时空融合图神经网络的交通预测方法2将历史交通流量数据输入全连接层进行特征升维，设置具有多个子层的时空卷积重构层的上一子层的输出为下一子层的输对时空卷积重构层的每个子层的输出进行聚合操作，并将聚合操作23cccstW12图乘法模块的核心部分Ast*hl特性：某节点在特定时间戳t的交通流量被之前的t_1个tst4l)∈RN*CC*T7.一种基于时空融合图神经网络的交通预测系使用平均绝对误差，平均绝对百分比误差和均方根误差作为评5i为某一时刻某个节点的流量的6方法的模型被用于交通预测以对更复杂的数据进行建模，虽然这些方法提高了预测水平，7为p行q列的矩阵；8节点在时间戳t时刻聚集之前的(t_1)个时间戳的自我节点和邻居节点的味着每个节点在时间戳t聚集来自其1跳空间[0038]利用DTW算法计算各个节点的时间数据序列之间的距离，和原始的路网邻接矩阵W12s9l示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。是计算两个时间序列相似度的经典算法)算法，计算各交通节点间的历史数据序列的相似[0105]Ast就是直接保留丰富时空隐藏信息的下三角矩阵；Ast的每个子矩阵都是N*N矩st整体为一个下三角矩阵；某节点在特定时间戳t的交通流量被之前的(t_1)个时间戳Astst主对角线下方的每个子元味着每个节点在时间戳t聚集来自其1跳空间W12As∈RN*N为原始路

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