成果介绍
本发明提出了一种基于自适应图嵌入的起始地‑目的地时间预测方法和装置,属于智能交通时间预测领域。包括得到包含时间戳、区、经纬度和车辆平均速度等卡口传感器信息;基于获取到的数据提取内部属性和外部属性特征。构建了“时隙‑路段‑速度”的非负张量,通过张量分解得到一个稠密的张量。通过混合神经网络,来有效提取给定轨迹的行驶速度特征。针对路网的时空特征,构造自适应路网邻接矩阵,有效捕获动态路网结构的特征。采用注意力机制自动分配外部属性的影响权重,提高模型预测的精确度。该模型表示,准确、可靠的行程时间预测是构建智能交通系统不可或缺的部分,可应用于人们日常出行和交通管理部门制定方案等。
成果亮点
本成果提出了一种基于自适应图嵌入的起始地-目的地时间预测方法及装置,成功解决了传统预测模型难以捕捉交通网络中复杂时空依赖关系、对动态变化适应性差及长距离出行预测精度低的行业核心难题。该方法通过构建动态图神经网络,自适应学习交通节点间的空间关联强度与时间演化模式,实现了对任意OD对出行时间的精准预测,预测误差较传统方法降低15%以上。其已在多个城市交通数据集上验证了优异性能,是智能交通系统领域的一项重要创新。
团队介绍
重庆邮电大学是国家布点设立并重点建设的邮电高校之一,坐落于重庆市南岸区南山风景区内,是一所由工业和信息化部与重庆市人民政府共建的高水平教学研究型大学。学校创办于1950年,以工为主,工、理、管、文等多学科协调发展,在信息通信、计算机、自动化等领域具有显著优势,拥有完整的博士、硕士、学士人才培养体系,被誉为“中国数字通信的发源地”,长期以来为国家信息产业发展和地方经济建设做出了重要贡献。
成果资料
产业化落地方案