(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111656768.0 (22)申请日 2021.12.3 0 (71)申请人 中山大学 地址 510275 广东省广州市海珠区新港西 路135号 (72)发明人 刘星星　黄玲　王昌栋　 (74)专利代理 机构 深圳市创富知识产权代理有 限公司 4 4367 代理人 高冰 (51)Int.Cl. G06F 16/9537(2019.01) G06F 16/29(2019.01) G06F 16/2458(2019.01) G06K 9/62(2022.01) G08G 1/01(2006.01) (54)发明名称 一种基于时空层次化网络的交通预测方法 及系统 (57)摘要 本发明公开了一种基于时空层次化网络的 交通预测方法及系统， 该方法包括： 获取交通数 据并对交通数据进行预处理， 构建得到层次区域 增强网络和交通特征矩阵； 将层次区域增强网络 和交通特征矩阵作为预测模型的输入， 学习空间 相关性和时间相关性， 输出预测结果； 所述预测 模型包括区域感知 的空间相关性模型和区域感 知的时间相关性模型。 该系统包括： 预处理模块 和预测模块。 通过使用本发明， 有效捕获交通数 据中的时空相关性， 提高交通流量预测的准确 性。 本发明作为一种基于时空层次化网络的交通 预测方法及系统， 可广泛应用于交通预测领域。 权利要求书2页 说明书8页 附图3页 CN 114254214 A 2022.03.29 CN 114254214 A 1.一种基于时空层次化网络的交通预测方法， 其特 征在于， 包括以下步骤： 获取交通数据并对交通数据进行预处理， 构建得到层次区域增强网络和交通特征矩 阵； 将层次区域增强网络和交通特征矩阵作为预测模型的输入， 学习空间相关性和时间相 关性， 输出 预测结果； 所述预测模型包括区域感知的空间相关性模型和区域感知的时间相关性模型。 2.根据权利要求1所述一种基于时空层次化网络的交通预测方法， 其特征在于， 所述获 取交通数据并对交通数据进行预处理， 构建得到层次区域增强网络和交通特征矩阵这一步 骤， 其具体包括： 获取原始交通数据； 根据原始道路网络 和层次区域结构 将区域作为虚拟 节点加入到网络中， 并对节点和区域以及区域之间的连接关系进行提取， 建立层次区域增 强网络 将原始交通数据中的交通时序信息建模为节点属性， 构建交通特 征矩阵 3.根据权利要求2所述一种基于时空层次化网络的交通预测方法， 其特征在于， 所述 区 域感知的空间相关性模型采用图注意力网络， 所述区域感知的时间相关性模型采用门控循 环单元， 所述将层次区域增强网络和交通特征矩阵作为预测模型 的输入， 学习空间相关性 和时间相关性， 输出 预测结果 这一步骤， 其具体包括： 图注意力网络依据 层次区域增强网络 的空间拓扑结构， 将输入的交通 特征矩 阵 转换为新的特征矩阵Xt； 门控循环单 元根据新特 征矩阵Xt， 计算对应的隐藏状态 矩阵Ht； 交替经过图注意力网络、 门控循环单元并递归多次地学习隐藏状态后， 基于最后一步 的隐藏状态 矩阵Ht， 经过一个全连接层进行维度变换 得到最终的预测结果 4.根据权利要求3所述一种基于时空层次化网络的交通预测方法， 其特征在于， 所述图 注意力网络依据层次区域增强网络 的空间拓扑结构， 将输入的交通特征矩阵 转换为新特征矩阵Xt这一步骤， 其具体包括： 对于将输入的交通特征矩阵 在每个时间步长， 基于注意力机制建模节点间、 节点与 区域间以及区域之间的区域感知的空间依赖关系， 得到对应的新特 征矩阵Xt。 5.根据权利要求4所述一种基于时空层次化网络的交通预测方法， 其特征在于， 所述门 控循环单 元根据新特 征矩阵Xt， 计算对应的隐藏状态 矩阵Ht这一步骤， 其具体包括： 门控单元同时建模节点间、 节点与区域间以及区域之间的区域感知的时间依赖关系； 基于新特征矩阵Xt， 以及上一个时间步长的隐藏状态矩阵Ht‑1， 得到当前时间步长的隐 藏状态矩阵Ht。 6.根据权利要求5所述一种基于时空层次化网络的交通预测方法， 其特征在于， 所述门 控循环单元包括一个重置门和一个更新门， 所述重置门确定对过去时间步长的信息的遗忘 程度， 所述更新门确定将过去时间步长的信息传递到下一个隐藏状态的程度。权　利　要　求　书 1/2 页 2 CN 114254214 A 27.一种基于时空层次化网络的交通预测系统， 其特 征在于， 包括： 预处理模块， 用于获取交通数据并对交通数据进行预处理， 构建得到层次区域增强网 络和交通特 征矩阵； 预测模块， 用于将层次区域增强网络和 交通特征矩阵作为预测模型的输入， 学习空间 相关性和时间相关性， 输出 预测结果。权　利　要　求　书 2/2 页 3 CN 114254214 A 3