公开(公告)号：CN116504060A

公开(公告)日：2023-07-28

申请号：CN202310483068.9

申请日：2023-05-01

申请人： 兰州理工大学

发明人： 张红 ,  王红燕 ,  巩蕾 ,  张玺君 ,  朱思雨 ,  李扬 ,  伊敏 ,  魏骄云 ,  杨俊译

IPC分类号： G08G1/01 ,  G06N3/0464 ,  G06N3/08

摘要： 基于Transformer的扩散图注意力网络交通流预测方法，所述的交通流组合预测方法，T‑DGAN方法采用Transformer编码器‑解码器架构，其中编码器和解码器包含多个时空卷积网络模块(ST‑Conv Block)和扩散图注意力模块(DGA‑Block)，ST‑Conv Block通过时间门控卷积网络和空间卷积网络分别捕获交通流的时间依赖性和空间相关性，DGA‑Block利用查询键值自注意力机制自适应学习每个扩散步的扩散参数，并动态更新邻接转移矩阵，以捕获交通流的动态空间相关性。此外，解码器增加了信息辅助模块，以聚合编码器和解码器之间的交通流信息。

公开(公告)号：CN116543554B

公开(公告)日：2024-05-14

申请号：CN202310484143.3

申请日：2023-05-01

申请人： 兰州理工大学

发明人： 张红 ,  王红燕 ,  巩蕾 ,  张玺君 ,  杨俊译 ,  李扬 ,  伊敏 ,  魏骄云 ,  朱思雨

IPC分类号： G08G1/01 ,  G06Q10/04 ,  G06Q50/40 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/045

摘要： 基于动态相关性的时空Transformer交通流预测方法，所述的交通流组合预测方法，DST‑Trans通过时空门控卷积网络和Transformer对交通流的动态时空相关性进行建模。首先，构造自适应邻接矩阵并通过节点嵌入来学习隐藏的交通路网动态空间关系；其次，通过结合时间门控卷积网络和图卷积网络，以同时捕获交通流的时空相关性。ST‑Block通过在时空门控卷积网络中引入多头注意力机制对长时间序列的动态时空相关性进行建模。此外，为了充分利用路网之间的动态和静态关联，本发明设计基于道路连接图、相似图以及自适应动态图的多图方法。

公开(公告)号：CN116504060B

公开(公告)日：2024-05-14

申请号：CN202310483068.9

申请日：2023-05-01

申请人： 兰州理工大学

发明人： 张红 ,  王红燕 ,  巩蕾 ,  张玺君 ,  朱思雨 ,  李扬 ,  伊敏 ,  魏骄云 ,  杨俊译

IPC分类号： G08G1/01 ,  G06N3/0464 ,  G06N3/08

摘要： 基于Transformer的扩散图注意力网络交通流预测方法，所述的交通流组合预测方法，T‑DGAN方法采用Transformer编码器‑解码器架构，其中编码器和解码器包含多个时空卷积网络模块(ST‑Conv Block)和扩散图注意力模块(DGA‑Block)，ST‑Conv Block通过时间门控卷积网络和空间卷积网络分别捕获交通流的时间依赖性和空间相关性，DGA‑Block利用查询键值自注意力机制自适应学习每个扩散步的扩散参数，并动态更新邻接转移矩阵，以捕获交通流的动态空间相关性。此外，解码器增加了信息辅助模块，以聚合编码器和解码器之间的交通流信息。

公开(公告)号：CN116543554A

公开(公告)日：2023-08-04

申请号：CN202310484143.3

申请日：2023-05-01

申请人： 兰州理工大学

发明人： 张红 ,  王红燕 ,  巩蕾 ,  张玺君 ,  杨俊译 ,  李扬 ,  伊敏 ,  魏骄云 ,  朱思雨

IPC分类号： G08G1/01 ,  G06Q10/04 ,  G06Q50/30 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/045

摘要： 基于动态相关性的时空Transformer交通流预测方法，所述的交通流组合预测方法，DST‑Trans通过时空门控卷积网络和Transformer对交通流的动态时空相关性进行建模。首先，构造自适应邻接矩阵并通过节点嵌入来学习隐藏的交通路网动态空间关系；其次，通过结合时间门控卷积网络和图卷积网络，以同时捕获交通流的时空相关性。ST‑Block通过在时空门控卷积网络中引入多头注意力机制对长时间序列的动态时空相关性进行建模。此外，为了充分利用路网之间的动态和静态关联，本发明设计基于道路连接图、相似图以及自适应动态图的多图方法。