[发明专利]基于图卷积神经网络的城市交通流预测方法及介质

摘要

本发明公开了一种基于图卷积神经网络的城市交通流预测方法和介质，其中方法包括：获取原始数据；根据每个节点对应的经纬度信息生成距离矩阵；根据限速平均值和距离矩阵计算可达矩阵；构建用于预测交通流速的初始交通流预测模型，并将交通流速信息和可达矩阵输入到初始交通流预测模型，以便初始交通流预测模型根据交通流速信息和可达矩阵输出交通流速预测值；对初始交通流预测模型进行训练，以确定最终的交通流预测模型；将待预测交通流速信息和待预测可达矩阵输入交通流预测模型，以便通过交通流预测模型对未来交通流进行预测；实现对城市交通路网的空间特征进行有效提取，提高交通流预测的精准度，并且，提高该预测方法的普适性，使其便于推广。

主权项

1.一种基于图卷积神经网络的城市交通流预测方法，其特征在于，包括以下步骤：获取原始数据，其中，所述原始数据包括交通路网中多个节点采集到的交通流速信息和每个节点对应的经纬度信息；根据每个节点对应的经纬度信息计算节点间的距离矩阵；获取节点间途经路段的限速平均值，并根据所述限速平均值和所述节点间的距离矩阵计算节点间可达矩阵；构建用于预测交通流速的初始交通流预测模型，并将所述交通流速信息和所述节点间可达矩阵输入到所述初始交通流预测模型，以便所述初始交通流预测模型根据所述交通流速信息和所述节点间可达矩阵输出交通流速预测值；将所述交通流速预测值与交通流速真实值进行比对，以计算所述交通流速预测值与交通流速真实值之间的损失值，并根据所述损失值进行反向误差传播，以对所述初始交通流预测模型进行训练，以及根据训练结果确定最终的交通流预测模型；获取待预测数据，并对所述待预测数据进行预处理，以生成待预测交通流速信息和待预测节点间可达矩阵；将所述待预测交通流速信息和所述待预测节点间可达矩阵输入所述交通流预测模型，以便通过所述交通流预测模型对未来交通流进行预测。