-
公开(公告)号：CN116052419A
公开(公告)日：2023-05-02
申请号：CN202310010893.7
申请日：2023-01-04
Applicant: 桂林理工大学
IPC: G08G1/01 , G06Q10/04 , G06N3/045 , G06N3/0464
Abstract: 本发明提出了一种基于深度学习的图神经网络交通流预测方法。该方法由融合了不同深度学习方法的三个模块：融合特征注意力模块、信息聚合模块和多信息结合模块组成。融合特征注意力模块通过注意力机制和Softmax函数提取不同交通信息间的影响因子，将交通流信息与其他各种交通信息在时间维度上结合，充分考虑了不同交通信息间的时间周期性；信息聚合模块将交通流信息输入GRU网络中提取历史时间信息，同时用图卷积实现时空依赖性的同步提取；多信息结合模块将主次信息用CONCAT(·)函数相加后进行图卷积运算，挖掘主次要信息间的隐藏关系。本发明实现了一个高效的交通流预测方法，能够快速准确的预测交通流信息。
Search Results
1
records
(took 0.028 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
