一种城市路网流量生成因果关系的异质图学习系统及方法技术方案

本发明专利技术公开了一种城市路网流量生成因果关系的异质图学习系统及方法，包括交通路网异质图构建模块、流量生成因果关系学习模块和时间相关性建模模块，所述交通路网异质图构建模块的数据输出端与所述流量生成因果关系学习模块的数据输入端连接，所述流量生成因果关系学习模块的数据输出端与所述时间相关性建模模块的数据输入端连接；该系统及方法捕捉了OD需求和路径级空间依赖，从车辆轨迹数据中学习旅行需求和交通流量之间的因果关系，并匹配交通流量生成的基本过程，可应用于构建路网数字孪生，该系统及方法支持实时与物理交通系统进行交互，可为实时决策提供可靠结果，在推演受异常交通事件影响路段的交通流量方面，表现出显著优势。显著优势。显著优势。

【技术实现步骤摘要】
一种城市路网流量生成因果关系的异质图学习系统及方法


[0001]本专利技术涉及构建路网数字孪生的
，具体为一种城市路网流量生成因果关系的异质图学习系统及方法。

技术介绍

[0002]随着支持物联网的道路基础设施和配备GPS的车辆的日益普及，路网数字孪生成为交通管控实时决策的基石。为了支持实时决策，路网数字孪生需要从在线传感数据中动态学习流量模式且产生高精确度的仿真结果。目前，构建路网数字孪生的方法主要包括传统交通仿真技术和图深度学习方法。传统交通仿真技术基于大量理想化的假设，缺乏与实时数据交互的机制。图深度学习方法仅根据历史流量数据中的相关性进行预测，而未考虑出行需求和路线选择等流量生成原因。因此，使用上述方法构建路网数字孪生存在较大局限性。

技术实现思路

[0003]基于此，有必要提供一种城市路网流量生成因果关系的异质图学习系统及方法。
[0004]一种城市路网流量生成因果关系的异质图学习系统，包括交通路网异质图构建模块、流量生成因果关系学习模块和时间相关性建模模块，所述交通路网异质图构建模块的数据输出端与所述流量生成因果关系学习模块的数据输入端连接，所述流量生成因果关系学习模块的数据输出端与所述时间相关性建模模块的数据输入端连接。
[0005]在其中一个实施例中，所述流量生成因果关系学习模块包括路径嵌入单元、路径选择学习单元和路段嵌入单元，所述路径嵌入单元的数据输出端与所述路径选择学习单元的数据输入端连接，所述路径选择学习单元的数据输出端与所述路段嵌入单元的数据输入端连接。<br/>[0006]在其中一个实施例中，所述路径嵌入单元采用双向GRU来编码流量在路径内的传播效应，并生成路径表示。
[0007]在其中一个实施例中，所述路径选择学习单元使用基于元路径的图注意力机制来学习路径选择偏好，并更新路径嵌入以保留分配给每条路径的OD需求。
[0008]在其中一个实施例中，所述路段嵌入单元使用考虑位置信息的消息传递机制来获得路段的表示，获得捕捉不同路径之间的聚合效应的路段嵌入。
[0009]在其中一个实施例中，时间相关性建模模块利用一个GRU和一个带残差单元的多层全连接网络来建模流量的产生过程。
[0010]一种城市路网流量生成因果关系的异质图学习方法，
[0011]交通路网异质图构建模块通过利用车辆轨迹和GIS地图来提取OD需求、旅行路径和路段特征，构建成交通路网异质图并发送给流量生成因果关系学习模块；
[0012]流量生成因果关系学习模块的路径嵌入单元采用双向GRU来编码流量在路径内的传播效应，并生成路径表示发送给路径选择学习单元；
[0013]路径选择学习单元使用基于元路径的图注意力机制来学习路径选择偏好，并更新路径嵌入以保留分配给每条路径的OD需求；
[0014]更新后的路径表示被送入路段嵌入单元，所述路段嵌入单元使用考虑位置信息的消息传递机制来获得路段的表示，获得捕捉不同路径之间的聚合效应的路段嵌入；
[0015]时间相关性建模模块利用一个GRU和一个带残差单元的多层全连接网络来建模流量的产生过程。
[0016]在其中一个实施例中，所述路径嵌入单元的学习方法为：
[0017]采用双向门控循环神经网络(Bi
‑
GRU)对路径中的每个路段进行建模；
[0018]将路径内每个路段节点的表示拼接在一起，构成整个路径的路径内嵌入；
[0019]得到路径节点p
j
的路径内嵌入为：
[0020][0021]其中，|N
V
(
·
)|表示某个路径类型节点的路段类型邻居节点数量。
[0022]在其中一个实施例中，所述路径选择学习单元的学习方法为：
[0023]基于元路径Path
‑
OD
‑
Path，获得一个路径节点与相同的od节点相关联的所有路径类型邻居节点；
[0024]利用图注意力机制获得聚合了元路径下邻居信息的路径节点嵌入；
[0025]根据来自元路径邻居的聚合信息，更新路径节点p
j
的嵌入向量并获得
[0026]采用多层全连接网络和softmax函数，根据更新到路径节点嵌入向量计算路径偏好获得一个包含了承担od对m
k
的流量信息的路径节点嵌入
[0027][0028]其中，表示路径p
j
承担出行需求m
k
的数量。
[0029]在其中一个实施例中，所述路段嵌入单元的学习方法为：
[0030]根据路径
‑
路段边上的路段次序信息，从所有关联的路径节点嵌入中提取对应的路段的嵌入，并将其作为消息传递给路段节点；
[0031]路段节点对接收到的消息进行聚合；
[0032]获得同时包含了路段在路径内传播效应、路径选择偏好以及路径间聚合效应的路段嵌入。
[0033]在其中一个实施例中，所述时间相关性建模模块的学习方法为：
[0034]使用GRU来建模时间相关性和带残差单元的多层全连接网络；
[0035]将前t时间步内的所有路段嵌入输入到时间GRU模块中，并推演未来L时间步的流量；
[0036]上述一种城市路网流量生成因果关系的异质图学习系统及方法的有益效果为：该系统及方法捕捉了OD需求和路径级空间依赖，从车辆轨迹数据中学习旅行需求和交通流量之间的因果关系，并匹配交通流量生成的基本过程，可应用于构建路网数字孪生，该系统及方法支持实时与物理交通系统进行交互，可为实时决策提供可靠结果，在推演受异常交通
事件影响路段的交通流量方面，表现出显著优势。
附图说明
[0037]图1为本专利技术的城市路网流量生成因果关系的异质图学习系统的结构示意图。
具体实施方式
[0038]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似改进，因此本专利技术不受下面公开的具体实施例的限制。
[0039]需要说明的是，当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。相反，当元件被称作“直接”与另一元件连接时，不存在中间元件。
[0040]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本专利技术。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0041]如图1所示，一种城市路网流量生成因果关系的异质图学习系统，包括交通路网异质图构建模块100、流量生成因果关系学习模块200和时间相关性建模模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市路网流量生成因果关系的异质图学习系统，其特征在于，包括交通路网异质图构建模块、流量生成因果关系学习模块和时间相关性建模模块，所述交通路网异质图构建模块的数据输出端与所述流量生成因果关系学习模块的数据输入端连接，所述流量生成因果关系学习模块的数据输出端与所述时间相关性建模模块的数据输入端连接。2.根据权利要求1所述的城市路网流量生成因果关系的异质图学习系统，其特征在于，所述流量生成因果关系学习模块包括路径嵌入单元、路径选择学习单元和路段嵌入单元，所述路径嵌入单元的数据输出端与所述路径选择学习单元的数据输入端连接，所述路径选择学习单元的数据输出端与所述路段嵌入单元的数据输入端连接。3.根据权利要求2所述的城市路网流量生成因果关系的异质图学习系统，其特征在于，所述路径嵌入单元采用双向GRU来编码流量在路径内的传播效应，并生成路径表示。4.根据权利要求2所述的城市路网流量生成因果关系的异质图学习系统，其特征在于，所述路径选择学习单元使用基于元路径的图注意力机制来学习路径选择偏好，并更新路径嵌入以保留分配给每条路径的OD需求。5.根据权利要求2所述的城市路网流量生成因果关系的异质图学习系统，其特征在于，所述路段嵌入单元使用考虑位置信息的消息传递机制来获得路段的表示，获得捕捉不同路径之间的聚合效应的路段嵌入。6.根据权利要求1所述的城市路网流量生成因果关系的异质图学习系统，其特征在于，时间相关性建模模块利用一个GRU和一个带残差单元的多层全连接网络来建模流量的产生过程。7.一种城市路网流量生成因果关系的异质图学习方法，其特征在于，交通路网异质图构建模块通过利用车辆轨迹和GIS地图来提取OD需求、旅行路径和路段特征，构建异质图并发送发送给流量生成因果关系学习模块；流量生成因果关系学习模块的路径嵌入单元采用双向GRU来编码流量在路径内的传播效应，并生成路径表示发送给路径选择学习单元；路径选择学习单元使用基于元路径的图注意力机制来学习路径选择偏好，并更新路径嵌入以保留分配给每条路径的OD需求；更新后的路径表示输入给路段嵌入单元，所述路段嵌入单元使用考虑位置信息的消息传递机制来获得路段的表示，捕捉不同路径之间的聚合效应的路段嵌入；...

【专利技术属性】
技术研发人员：许明，马蕴一，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：