本發(fā)明涉及交通，具體為基于深度學(xué)習(xí)的交通信息嵌入裝置及方法。

背景技術(shù)：

1、交通流預(yù)測被認為是rndt中最關(guān)鍵的任務(wù)之一，圖結(jié)構(gòu)可以描述不同實體之間的關(guān)系，非常適合建模交通數(shù)據(jù)和道路網(wǎng)絡(luò)結(jié)構(gòu)，基于圖神經(jīng)網(wǎng)絡(luò)的方法也在交通預(yù)測領(lǐng)域得到了廣泛探索，在最新的技術(shù)發(fā)展中，研究人員將gnn與序列信息處理機制；如循環(huán)神經(jīng)網(wǎng)絡(luò)或注意力機制結(jié)合起來，這種集成旨在同時捕獲空間和時間關(guān)系，促進交通流信息的準確預(yù)測，這種集成網(wǎng)絡(luò)通常被稱為時空圖神經(jīng)網(wǎng)絡(luò)(stgnn)，目前它在交通預(yù)測領(lǐng)域展現(xiàn)出最先進的性能。

2、不同時期的交通節(jié)點往往表現(xiàn)出相似的交通流，但他們的交通互動模式可能不相等，例如，商業(yè)節(jié)點可能在不同日期的用餐時間經(jīng)歷相似的交通高峰，但高峰后的交通流在工作日和周末之間有所不同，僅依賴于單一時刻的時間嵌入作為輸入會導(dǎo)致模型無法充分捕捉交互特征。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供基于深度學(xué)習(xí)的交通信息嵌入裝置及方法，以解決上述背景技術(shù)中提出的不同時期的交通節(jié)點往往表現(xiàn)出相似的交通流，但他們的交通互動模式可能不相等，例如，商業(yè)節(jié)點可能在不同日期的用餐時間經(jīng)歷相似的交通高峰，但高峰后的交通流在工作日和周末之間有所不同，僅依賴于單一時刻的時間嵌入作為輸入會導(dǎo)致模型無法充分捕捉交互特征的問題。為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于深度學(xué)習(xí)的交通信息嵌入裝置及方法，包括如下步驟：

2、s1：首先通過一個數(shù)據(jù)嵌入層將原始數(shù)據(jù)x∈rt×n×c轉(zhuǎn)換為x∈rt×n×2c，將道路網(wǎng)絡(luò)的空間信息以拉普拉斯矩陣的形式嵌入，并通過對時間進行標記來整合交通周期性；

3、s2：使用tw(t)，來表示一周內(nèi)和一天內(nèi)的具體時間位置，其中tw(t)和td(t)是將時間t轉(zhuǎn)換為周索引(1到7)和分鐘索引(1到1440)的函數(shù)，通過連接所有t個時間片的嵌入，獲得了時間周期嵌入這使得交通數(shù)據(jù)中的每周和每日周期信息得以建模；

4、s3：通過將s2所得的嵌入向量相加來獲得數(shù)據(jù)嵌入層的輸出：

5、xemb＝xdata+xspe+xw+xd；

6、s4：使用長度為s的滑動窗口對歷史交通數(shù)據(jù)進行分割，生成一系列交通流序列并對序列應(yīng)用k-shape聚類算法；

7、s5：每個聚合聚類的中心點pi(其中pi$$也是一個長度為s的時間序列)被用來代表相應(yīng)的聚類，用p＝{pi|i∈[1,...,np]}來表示聚類結(jié)果，其中np是聚類的總數(shù)，p是特定聚類的代表性短期交通模式；

8、s6：通過一個節(jié)點$n$，其歷史交通流序列跨越從時間$(t-s+1)到t的s步，將該序列表示為xt-s+1:t,n；

9、s7：通過兩個嵌入矩陣xt-s+1：t，n和pi分別獲得w1和w2的高維表示，并使用自注意力機制計算它們之間的相似性：

10、mi＝softmax((xt-s+1t,nw1)t(piw2))；

11、s8：利用s7獲得的相似性的加權(quán)和，將歷史序列的綜合表示${r}_{t}$嵌入到節(jié)點${n}_{t}$中，公式如下：

12、

13、式中xi，t表示節(jié)點xi，t完成后的嵌入特征。

14、基于深度學(xué)習(xí)的交通信息嵌入裝置，包括用于數(shù)據(jù)處理的處理模塊、用于數(shù)據(jù)儲存的儲存模塊，用于數(shù)據(jù)獲取的無線通信模塊以及用于深度學(xué)習(xí)的學(xué)習(xí)模塊。

15、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

16、本發(fā)明中，對于給定的節(jié)點，它經(jīng)常展現(xiàn)出各種獨特的短期交通模式，每種模式都代表了節(jié)點交通行為的一個重要方面，對于rndt系統(tǒng)而言，這些交通模式常常作為創(chuàng)建現(xiàn)實世界交通系統(tǒng)虛擬副本的關(guān)鍵組成部分，同時，它們還可以協(xié)助決策，以優(yōu)化rndt系統(tǒng)算法。

技術(shù)特征：

1.基于深度學(xué)習(xí)的交通信息嵌入裝置及方法，其特征在于，包括如下步驟：

2.基于深度學(xué)習(xí)的交通信息嵌入裝置，其特征在于，包括用于數(shù)據(jù)處理的處理模塊、用于數(shù)據(jù)儲存的儲存模塊，用于數(shù)據(jù)獲取的無線通信模塊以及用于深度學(xué)習(xí)的學(xué)習(xí)模塊。

技術(shù)總結(jié)
本發(fā)明涉及交通技術(shù)領(lǐng)域，具體為基于深度學(xué)習(xí)的交通信息嵌入裝置及方法，包括如下步驟：S1：首先通過一個數(shù)據(jù)嵌入層將原始數(shù)據(jù)轉(zhuǎn)換為，將道路網(wǎng)絡(luò)的空間信息以拉普拉斯矩陣的形式嵌入，并通過對時間進行標記來整合交通周期性；S2：使用，來表示一周內(nèi)和一天內(nèi)的具體時間位置，其中和是將時間t轉(zhuǎn)換為周索引（1到7）和分鐘索引（1到1440）的函數(shù)。該基于深度學(xué)習(xí)的交通信息嵌入裝置及方法，對于給定的節(jié)點，它經(jīng)常展現(xiàn)出各種獨特的短期交通模式，每種模式都代表了節(jié)點交通行為的一個重要方面，對于RNDT系統(tǒng)而言，這些交通模式常常作為創(chuàng)建現(xiàn)實世界交通系統(tǒng)虛擬副本的關(guān)鍵組成部分，同時，它們還可以協(xié)助決策，以優(yōu)化RNDT系統(tǒng)算法。

技術(shù)研發(fā)人員：張翔,楊昊鑫
受保護的技術(shù)使用者：西安建筑科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8