【技术实现步骤摘要】
本专利技术涉及客流预测，尤其涉及一种基于数据互操作机制的跨交通方式客流联合预测方法。
技术介绍
1、随着城市人口的增加，单一的交通方式已无法满足人们的出行需求，居民们越来越倾向于采用多种交通方式。联合预测多种交通方式的客流可以实现更精准的出行规划和资源配置，并提高交通系统的效率和服务质量，减轻交通拥堵，优化公共交通的运营，最终提升乘客的出行体验。早期主要以统计学模型、神经网络等方法为主，但大多专注于单一交通方式时空关系下的交通流或客流预测，忽略了各交通方式之间的潜在关联。
2、因此，近些年来，通过网格化聚合客流和图神经网络的方法，对传统模型进行了改进和优化。但仍然难以泛化到存在异构空间关系的不同交通方式。此外，传统的交通网络建模方法针对单种交通方式内部节点的相关性考虑也不够，未能精准地捕捉到跨交通方式的关联特征。
3、目前，现有技术中还没有一种有效的跨交通方式客流联合预测方法。
技术实现思路
1、本专利技术的实施例提供了一种基于数据互操作机制的跨交通方式客流联合预测方法，以实现多种交通方式客流的精准预测。
2、为了实现上述目的，本专利技术采取了如下技术方案。
3、一种基于数据互操作机制的跨交通方式客流联合预测方法，包括：
4、根据客流预测区域的网络拓扑结构数据基于超图理论构建单一交通子网络，获取各个单一交通子网络上所有节点的历史客流数据；
5、基于各个单一交通方式子网络的拓扑结构利用数据互操作机制构建跨方式交通
6、构建多模时空超图卷积网络，将各个单一交通子网络上所有节点的历史客流数据转和所述跨方式交通子网络的交通网络拓扑结构输入到所述多模时空超图卷积网络，多模时空超图卷积网络输出各个单一交通子网络的客流预测结果。
7、优选地，所述的根据客流预测区域的网络拓扑结构数据基于超图理论构建单一交通子网络，包括：
8、定义交通网络g＝{g1,g2,…,gn,…,gn}，n＝1,2,…,n，gn表示单一交通方式子网络，n为包含交通方式的种类数量，交通方式的种类包括地铁与公交，n＝2；根据客流预测区域的网络拓扑结构数据，基于超图理论构建单一交通子网络gn＝{v,ε,h}，v表示gn的节点集合，q＝1,2,…,qn，qn为gn的节点总数量，vq表示gn中的第q个节点，所述节点对应于地铁与公交的站点，设置地铁子网络的节点数为q1，设置公交子网络的节点数为q2，ε表示gn中的超边e的集合，k＝1,2,…,kn，kn为gn的超边总数量，ek表示gn中的第k个超边，所述超边对应于地铁与公交的线路，hn表示gn的关联矩阵，表示节点vq和超边ek之间的从属关系；
9、
10、在地铁子网络g1与公交子网络g2内部的节点vq的节点超度k(vq)均满足式(2)，超边超度ks(ek)均满足式(3)；
11、
12、节点超度k(vq)为节点vq所在的超边数目，所有节点vq的k(vq)构成对角矩阵
13、
14、超边超度ks(ek)指超边ek中所有的节点数目，所有超边ek的ks(ek)构成对角矩阵
15、
16、优选地，所述的获取各个单一交通子网络上所有节点的历史客流数据，包括：
17、获取单一交通子网络gn上所有节点的历史客流数据则gn的第q个节点在历史步长u时段内的客流数据为u＝1,2,…,u；
18、预测出步长p时段内单一交通子网络gn的q个节点的未来客流为：
19、第q个节点的未来客流为
20、优选地，所述的基于各个单一交通方式子网络的拓扑结构利用数据互操作机制构建跨方式交通子网络，包括：
21、基于数据互操作机制将地铁子网络g1与公交子网络g2之间的数据进行互通共享，定义跨方式交通子网络为g1,2，g1,2的节点由g1和g2的节点vi和vj组成；
22、g1,2中的超边为跨方式关联超边，即为m，l＝1,2,…,l1,2，l1,2为g1,2中跨方式关联超边的总数量，ml表示g1,2中的第l个超边；g1,2的关联矩阵为且q1＜q2，vi和ml一一对应，h1,2满足式(4)；
23、
24、在g1,2中vi的节点超度k(vi)固定为1；vj的节点超度k(vj)满足式(5)，k(vi)和k(vj)共同构成对角矩阵
25、
26、超边超度ks(ml)满足式(6)，所有超边ml的ks(ml)构成对角矩阵
27、
28、优选地，所述的构建多模时空超图卷积网络包括：利用输入模块、输出模块和所述时空卷积模块构建多模时空超图卷积网络，基于数据互操作机制利用超图卷积构建时空卷积模块，所述时空卷积模块包含2层时间卷积和2层空间卷积，所述输出模块由1层时间卷积、2层全连接层以及特征融合层组成。
29、优选地，所述的将各个单一交通子网络上所有节点的历史客流数据转和所述跨方式交通子网络的交通网络拓扑结构输入到所述多模时空超图卷积网络，多模时空超图卷积网络输出各个单一交通子网络的客流预测结果，包括：
30、将交通子网络gn上所有节点的历史客流数据转换为客流特征矩阵x，将所述跨方式交通子网络的交通网络拓扑结构转换为路网的关联矩阵h；
31、将所述客流特征矩阵x和所述路网的关联矩阵h输入到所述多模时空超图卷积网络的输入模块，所述时空卷积模块运用因果卷积操作对所述历史客流特征矩阵x进行集成，再对集成后的数据进行残差计算与sigmod激活，得到输出结果a和b，a表示前c0通道，b表示后c0通道的结果，
32、通过式(7)计算时间卷积的输出结果，即长度为u-kt+1的客流时间序列
33、
34、式中，表示门控卷积核，*τ表示门控卷积操作符，kt为对应时间步长卷积核的宽度，⊙表示哈达玛积，σsig(·)表示sigmod激活函数；
35、通过式(8)提取交通子网络g1、g2的空间特征；
36、
37、式中，n为1或2，wn为单位矩阵，θn为gn中各节点的滤波器参数，需要在训练过程中学习；xn为gn的历史客流特征矩阵，dv为gn的节点超度矩阵，hn为gn的关联矩阵，de为gn的超边超度矩阵；
38、通过式(9)提取跨方式子网络g1,2的空间特征；
39、
40、式中，xmerge＝x1+x2，x1为g1中的客流，x2为g2中的客流，wi,j为单位矩阵，θ1,2为g1,2中各节点的滤波器参数，需要在训练过程中学习；为g1,2的节点超度矩阵，hi,j为g1,2的关联矩阵，di,j为g1,2的超边超度矩阵；
41、通过特征先聚合后分配的两阶段过程，分别得到和即指通过式(8)操作所得gn的未来客流矩阵，即指通过式(9)操作所得g1,2的未来客流矩阵，
42、所述输出模块基于时间门控卷积将时本文档来自技高网...
【技术保护点】
1.一种基于数据互操作机制的跨交通方式客流联合预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述的根据客流预测区域的网络拓扑结构数据基于超图理论构建单一交通子网络，包括：
3.根据权利要求2所述的方法，其特征在于，所述的获取各个单一交通子网络上所有节点的历史客流数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述的基于各个单一交通方式子网络的拓扑结构利用数据互操作机制构建跨方式交通子网络，包括：
5.根据权利要求4所述的方法，其特征在于，所述的构建多模时空超图卷积网络包括：利用输入模块、输出模块和所述时空卷积模块构建多模时空超图卷积网络，基于数据互操作机制利用超图卷积构建时空卷积模块，所述时空卷积模块包含2层时间卷积和2层空间卷积，所述输出模块由1层时间卷积、2层全连接层以及特征融合层组成。
6.根据权利要求5所述的方法，其特征在于，所述的将各个单一交通子网络上所有节点的历史客流数据转和所述跨方式交通子网络的交通网络拓扑结构输入到所述多模时空超图卷积网络，多模时空超图卷积网络输出各个单一
...【技术特征摘要】
1.一种基于数据互操作机制的跨交通方式客流联合预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述的根据客流预测区域的网络拓扑结构数据基于超图理论构建单一交通子网络，包括：
3.根据权利要求2所述的方法，其特征在于，所述的获取各个单一交通子网络上所有节点的历史客流数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述的基于各个单一交通方式子网络的拓扑结构利用数据互操作机制构建跨方式交通子网络，包括：
5.根据权利要求4所述的方法，其...
【专利技术属性】
技术研发人员：王江锋，丁卫东，李云飞，罗冬宇，齐崇楷，宋玉超，杨志成，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。