matlab交通通行量模型_更精准的时空预测模型:混合时空图卷积网络

发布时间:2021-11-30 22:53:59

导读



时空预测在天气预报、运输规划等领域有着重要的应用价值。交通预测作为一种典型的时空预测问题,具有较高的挑战性。以往的研究中主要利用通行时间作为模型输入,很难预测整体的交通状况,本文提出的混合时空图卷积网络,利用导航数据大大提升了时空预测的效果(本文作者高德机器学*团队,论文已被收录到KDD2020)。



论文下载地址:https://arxiv.org/abs/2006.12715


日常通勤中的规律往往相对容易挖掘,但交通状况还会受很多其他因素影响,之前的研究主要利用通行时间作为特征,少量引入事件,不能很好地预测实际交通流量。


为解决这一问题,本文从高德导航引擎中获取了「计划中交通流量」,并将其扩充到机器学*模型当中。


计划中交通流量来自导航数据,反映了用户出行意图中蕴含的未来交通流量。由于拥有海量用户,高德地图中的导航规划数据能够较为全面地反应正在发生的通行需求,并且信息粒度较事件级别的特征更精细。


具体来说,规划的路线产生了计划中交通流量,而计划中交通流量可以用来指导对未来通行时间的预测。volf代表当前可获取的导航路径在f个时间步后在此路段产生的计划中交通流量。计划中交通流量的迅速飙升意味着即将到来的交通拥堵。





图 1 北京某路段在2019年10月28日早高峰期间通行时间和计划中交通流量


为了将交通流量这一异质信号整合到通行时间预测模型当中,我们创新性地设计出一种域转换器(domain transformer)结构,用于将交通流量信息转化为通行时间信息。


交通流理论中,路段的交通流量和车辆密度呈三角形曲线映射关系,而曲线的参数是因路段而异的。图2展示了现实世界中的例子。为了利用这一转换关系,我们设计了将流量转化为通行时间的转换器,该转换器由两层网络构成,分别用于提取全局共享信息和学*不同路段的精细化信息。





图 2 四个不同路段的流量时间曲线


另一方面,由于交通网络的非欧几里得特性,我们利用图卷积(graph convolution)结构提取空间依赖性特征,并设计了一种新的邻接矩阵用于更好地体现路段间的交通邻*性。


在以往的研究中[6],邻接矩阵的权重只按距离衰减,并没有考虑到路段间固有的交通邻*性(图 3 给出了距离*但交通状态相差较大的例子)。为解决这一问题,我们设计了一种复合邻接矩阵(compound adjacency matrix),在距离衰减的基础上进一步引入了路段通行时间的协方差。





图 3 相邻道路间拥堵不一定会传播


本文提出的混合时空图卷积网络(Hybrid Spatio-Temporal Graph Convolutional Network,H-STGCN)是综合利用上述技术的交通预测框架。


在H-STGCN中,转换器将未来交通流量信号转化为通行时间信号。路段间参数共享的门控卷积用于提取时间依赖信息。


基于复合邻接矩阵的图卷积从合并后的通行时间信号中捕捉空间依赖信息。H-STGCN经由端到端的训练,可具备基于计划中交通流量信息预测未来拥堵的能力。利用真实交通数据集进行实验可验证,H-STGCN的效果显著优于各种前沿模型。



混合时空图卷积网络,独创域转换器和复合邻接矩阵


整体框架


图 4 展示了H-STGCN的整体框架。模型输入由两个特征张量组成,理想未来流量和通行时间张量。和均包含三个维度:空间维度、时间维度、通道维度,分别对应路段、所使用的时间片和特征。域转换器(模块a)首先将转化为通行时间信号,输出未来通行时间张量。接下来,两个独立的门控卷积(模块b)分别作用于和的时间维度以提取更高层级的时域特征。将每个路段视为一个节点,基于复合邻接矩阵的图卷积(模块c)作用在合并(concatenation)后的信号上。两个门控卷积继续扩大时域上的感知范围,并最终经由一个全连接层(FC)输出预测结果。





图 4 H-STGCN模型框架


模型输入与数据处理


输入特征张量的每个切片对应了一个单独的时间片 ()。每个切片又由两部分组成:理想未来流量和通行时间。理想未来流量 。作为对真实未来流量这一无法获取信息的*似,理想未来流量可以通过在线导航引擎获取。图 5 示意了高德导航系统的架构。导航过程中,车辆每秒钟与云服务器同步自身坐标,与此同时,为保证用户获取到最新的交通状态信息,云服务器对ETA进行几乎实时的持续更新。





图 5 高德导航系统架构示意
。我们将高斯噪音叠加到流量通道中小于的值上,以提升模型的泛化能力。


优化目标 。对于本文中的多时间步预测,我们使用L1损失函数:





其中是模型的输出,为真值。


基于真实路况测试,各项指标均优于传统模型

数据集 实验数据集W3-715和E5-2907,分别对应西三环附*的715个路段和东五环附*的2907个路段(如图 7 所示)。数据集的时间跨度为2018年12月24日至2019年4月21日(其中包含的节假日被移除,共十周数据),保留的时段为每天的06:00至22:00。前八周数据作为训练集,后两周作为测试集。





图 7 实验路网空间分布 对比模型 基线模型,包括历史均值(HA)、线性回归(LR)、GBRT、MLP、Seq2Seq、STGCN(包含单个时空卷积块)。 用于对比实验的变种模型。


STGCN (Im):换用复合邻接矩阵的STGCN(用于和原始的迪杰斯特拉矩阵对比。H-STGCN (1):将流量特征张量V全部设成1。

评价指标 我们在三种测试集上进行模型效果的比对:


全测试集(如4.1节中所描述)。高流量路段的拥堵时期,用C表示。高流量路段的突发拥堵时期,用尾缀NRC表示。

效果比较 表 1 展示了在全测试集、测试集C、测试集NRC上不同模型的表现。评估标准包括MAE(s/m)、MAPE(%)和RMSE(s/m)。H-STGCN在各项指标上均显著优于不同的对标模型,在突发拥堵的预测方面优势尤为明显。





复合邻接矩阵 。分析表 1 可知,和STGCN相比,STGCN (Im)在W3-715数据集上有着更低的MAE、MAPE,在E5-2907数据集上有着更低的MAE、MAPE及RMSE,证明了复合邻接矩阵的有效性。图 8 以E5-2907数据集为例,对不同邻接矩阵进行可视化。图中颜色代表的值为





,(a)为迪杰斯特拉矩阵,(b)为协方差矩阵,(c)为复合邻接矩阵。





图 8 E5-2970的各种邻接矩阵未来流量特征和域转换器。如表 1 所示,和STGCN (Im)相比,H-STGCN有着稳定的更优表现,从而证实了利用未来流量数据带来的收益。由于域转换器中逐路段卷积结构的存在,H-STGCN的模型表达能力是强于STGCN (Im)的。为了消除这一影响以针对未来流量特征带来的收益做更公*的分析,我们进一步将H-STGCN与H-STGCN (1)进行对比。在测试集C、测试集NRC上,不难发现未来流量特征在对拥堵的预测上有显著更优的表现。如图 9 所示,随着预测时间跨度的拉长,未来流量特征带来的收益会起主导作用。





图 9 测试集NRC上效果比对


为了更加直观地对H-STGCN的原理加以剖析,我们这里展示一个突发拥堵预测的案例(如图 10 所示)。这个案例来自2018年4月16日某一高速路段。GT代表真值,HA代表历史均值,是个时间步以前对当前通行时间的预测值,是对应个时间步后的理想未来流量。17:30至18:00拥堵加剧的阶段,H-STGCN (1)提前多个时间步的预测结果和真值相比有明显的时间滞后。相比之下,H-STGCN由于有理想未来流量中的信息,甚至有能力在30min以前就对拥堵有着准确的预测。我们可以这样理解这一现象:对应的曲线代表了对15min之后交通流量的*似推算,该曲线在17:15就开始拉升了。基于导航引擎中只有当前时刻已经发起的导航行程这一事实,实际的未来流量要比理想未来流量更高。所以,的飙升预示着有较大的交通流量正在涌来,这就使H-STGCN能够在没有历史数据做参考的情况下预知未来的拥堵。





图 10 突发拥堵预测案例 模型可扩展性 模型在W3-715和E5-2097两数据集的预测时间不超过100ms。为了在实际线上应用场景中*衡推演效率和预测效果,我们将城市路网切分成最多包含几千个路段的子路网,每个子路网在线上部署一个模型。



未来将在主动交通方面发挥重要作用



matlab 代码

相关文档

  • 【实用】小学运动会作文400字汇编7篇
  • 职业一念之转美文
  • 宽容是一种修行作文
  • 2018浙江省最低工资标准:第一档2010元,排名全国第四
  • 微信签名高雅有内涵精选的 唯美又简洁的微信签名大全推荐47句
  • 关于回忆父亲节的日记
  • 变身淑女真抓狂
  • 十八大以来科技扶贫实践综述:以科技支撑助推精准脱贫
  • 法国欲强制所有16岁公民服役
  • 树莓派通过命令行设置动态IP及wifi连接
  • 简单感人的分手信
  • 用回溯递归算法解决走迷宫问题
  • 感恩老师的高一作文
  • 常见的电话销售客户类型
  • 企业加强廉政建设工作动员会讲话稿
  • 爱,有时候很简单
  • VS2010 开发 VB6.0 activeX控件 dll
  • 内核timer使用
  • 长征胜利84周年作文600字
  • 匡威鞋码偏大还是偏小?匡威鞋码偏大吗?
  • ArcGIS地图发布与数据切片
  • 天天象棋残局挑战194期怎么过?194期过关攻略
  • MySQL 聚集UDF,计算列表中的奇数总和
  • Hadoop2.7.4集群搭建
  • 为什么苹果手机的邮件无法使用
  • 回避型人格在恋爱中是什么样的如何和回避型人格恋爱
  • 魔兽哈希算法
  • 蓝牙耳机最低声音很大
  • 2018专八写作范文:学生是否该穿校服
  • 2008年4月院团委工作总结
  • 猜你喜欢

  • 500强企业文化-中国篇ppt课件
  • 军训闭幕式校长讲话范文
  • 台湾世界佛教密乘研究学会(筹)颁赠奖学金并签订学术合作意愿书
  • 最新项目管理软件PROJECT上机操作实例资料
  • 弹性导丝分割加中心静脉导管内置术治联岷诵孕厍换?毫菩Ч鄄
  • 2020年护理部月工作计划
  • 对*衡计分卡与企业战略性业绩评价的研究
  • 关于和谐的作文:和谐的校园
  • 短篇英文小笑话故事阅读 英文短篇故事
  • 2020年护理部月工作计划
  • 大数据视域下的城市公共危机案例库建设初探
  • 小学四年级数学上学期培优转差教学计划共2篇
  • 北师大版BS小学数学六年级下册六年级第二学期数学期中测试卷(一)试卷
  • 高一状物作文:不该丢失的微笑
  • 18岁生日祝福语大全
  • 论汉代赋家在思想上对楚辞的承继
  • 2018-2019学年九年级化学下册人教版(江西)课件:8.第十一单元 化学方程式梳理(共9张PPT)
  • 教育咨询师招生话术
  • 中国邮政储蓄银行股份有限公司武穴市大金营业所企业信用报告-天眼查
  • office 电子表格函数大全
  • 英语六级阅读理解考前模拟练习
  • 电教管理员安全岗位责任制
  • Unit-2-standard-English-and-dialects
  • 人教版小学数学三年级下《5面积:面积和面积单位》赛课教案_1
  • byte[]与String互转不一致引起的bug
  • 中国电镀工艺行业供需态势全景调研与未来发展前景预测报告
  • 第六章电子商务安全基础共44页
  • 企业组织结构与企业文化动态联系探析
  • 亳州市福安祥药业销售有限公司企业信用报告-天眼查
  • 【范文学*】企业“安全生产月”活动准备细节方案流程
  • 银行借款明细表记录表excel表格模板
  • 2010年河南省初中学业水*考试试卷(含有评分标准和参考答案)
  • 第九讲 渐变工具和油漆桶工具
  • 数据库武大版6章数据库设计ppt课件共73页文档
  • 毕业设计表格及格式
  • 思科 NAT配置
  • 手机变大了怎么办
  • 北师大版四年级语文下册《纪念日》教案
  • 作文 最美丽的瞬间-精品
  • 生活中的美容小知识
  • 补气血肾虚喝什么茶好
  • 化工企业冬季安全生产[优质ppt]
  • 电脑版