本發明提供一種基于強化時空圖神經網絡的交通預測方法,基于序列到序列模型的交通預測框架,對道路網絡的時間相關性、空間相關性進行建模,根據道路網絡上下游關系將整個路網構建成一個有向加權圖,通過擴散圖卷積網絡來捕獲路網的空間相關性,提取路網的空間相關性特征,將帶有空間相關性特征的時間序列輸入到遞歸神經網絡中捕獲路網的時間相關性,然后通過強化學習中的actor?critic算法在解碼的過程中對預測結果進行優化,將每個時間片捕獲的路網關系拓撲圖看作智能體中的actor,將遞歸神經網絡看作actor選擇下一個動作的隨機策略,并用critic對它選擇的動作進行評判,并反饋一個優勢函數,actor根據反饋的優勢函數來更新策略參數,相比傳統方法大大提高了預測精度。
聲明:
“基于強化時空圖神經網絡的交通預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)