本發(fā)明涉及跨域交通流量預(yù)測(cè)，尤其涉及一種基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法。

背景技術(shù)：

1、交通流量監(jiān)控與預(yù)測(cè)旨在通過(guò)收集、分析和利用交通數(shù)據(jù)，對(duì)交通流量進(jìn)行監(jiān)測(cè)和預(yù)測(cè)，以指導(dǎo)交通管理、優(yōu)化交通組織和提高交通效率。如圖1所示,交通流量監(jiān)控與預(yù)測(cè)方法包括以下步驟：數(shù)據(jù)采集及清洗；構(gòu)建交通流量預(yù)測(cè)模型；判斷模型是否有效，若否，進(jìn)行模型優(yōu)化；若是，進(jìn)行應(yīng)用，即預(yù)測(cè)交通流量；判斷是否達(dá)到更新節(jié)點(diǎn)，若否，沿用當(dāng)前模型；若是，進(jìn)行模型更新處理，判斷模型是否有效，若否，進(jìn)行模型優(yōu)化；若是，進(jìn)行新一輪應(yīng)用，對(duì)交通流量進(jìn)行監(jiān)控與預(yù)測(cè)；持續(xù)進(jìn)行模型的更新和優(yōu)化，進(jìn)行決策部署，如圖2所示，根據(jù)交通流量大小適用不同決策（控制交通信號(hào)燈等），在交通流量大時(shí)，執(zhí)行決策部署a，在交通流量小時(shí)，執(zhí)行決策部署b。上述方法中，基于歷史數(shù)據(jù)構(gòu)建多種類型模型，包括傳統(tǒng)的時(shí)間序列模型、機(jī)器學(xué)習(xí)模型和深度學(xué)習(xí)模型等，成為預(yù)測(cè)交通流量的主要手段之一。這些模型能夠捕捉地區(qū)交通的動(dòng)態(tài)特征，預(yù)測(cè)未來(lái)的交通情況，從而為交通管理部門提供決策支持和參考依據(jù)。

2、然而，當(dāng)一個(gè)地區(qū)的歷史交通數(shù)據(jù)不足或者不完整時(shí)，交通流量預(yù)測(cè)模型可能會(huì)面臨準(zhǔn)確性和穩(wěn)定性方面的挑戰(zhàn)?，F(xiàn)有的交通流量預(yù)測(cè)方案幾乎是針對(duì)數(shù)據(jù)量充足的情況所提出的，如何在數(shù)據(jù)量不足時(shí)有效開(kāi)展交通流預(yù)測(cè)，仍尚待解決。當(dāng)前，“智慧交通”研究中一個(gè)重要的課題就是如何解決數(shù)據(jù)不足給交通流量預(yù)測(cè)帶來(lái)的挑戰(zhàn)，通過(guò)技術(shù)手段和方法論的創(chuàng)新，實(shí)現(xiàn)對(duì)交通流量的準(zhǔn)確監(jiān)測(cè)和可靠預(yù)測(cè)，為城市交通管理和規(guī)劃提供更有效的支持。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的問(wèn)題，提供了一種基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法。

2、本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)：一種基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法，該方法包括以下步驟：

3、s1：構(gòu)建跨域交通流量預(yù)測(cè)模型并初始化；所述跨域交通流量預(yù)測(cè)模型包括地區(qū)間共享知識(shí)子模塊和地區(qū)專屬知識(shí)子模塊；

4、s2：基于當(dāng)前訓(xùn)練輪次的訓(xùn)練數(shù)據(jù)集對(duì)跨域交通流量預(yù)測(cè)模型進(jìn)行訓(xùn)練，包括以下子步驟：

5、s21：判斷訓(xùn)練是否為首個(gè)訓(xùn)練任務(wù)，若是，則執(zhí)行步驟s22，否則，執(zhí)行步驟s23；

6、s22：預(yù)處理當(dāng)前已有樣本數(shù)據(jù)，構(gòu)建首個(gè)訓(xùn)練輪次的訓(xùn)練數(shù)據(jù)集；利用首個(gè)訓(xùn)練輪次的訓(xùn)練數(shù)據(jù)集，訓(xùn)練初始化的跨域交通流量預(yù)測(cè)模型，獲得首個(gè)訓(xùn)練輪次對(duì)應(yīng)的跨域交通流量預(yù)測(cè)模型；所述樣本數(shù)據(jù)為圖像數(shù)據(jù)、視頻數(shù)據(jù)、gps數(shù)據(jù)、時(shí)間序列數(shù)據(jù)、公共交通數(shù)據(jù)中任意一種或多種；

7、s23：預(yù)處理新增的樣本數(shù)據(jù)，獲得當(dāng)前訓(xùn)練輪次的訓(xùn)練數(shù)據(jù)集；利用當(dāng)前訓(xùn)練輪次的訓(xùn)練數(shù)據(jù)集，對(duì)上一訓(xùn)練輪次獲得的跨域交通流量預(yù)測(cè)模型進(jìn)行增量訓(xùn)練，且在增量訓(xùn)練過(guò)程中，利用從上一訓(xùn)練輪次獲得的跨域交通流量預(yù)測(cè)模型提取的參數(shù)知識(shí)進(jìn)行參數(shù)尋優(yōu)，使地區(qū)間共享知識(shí)子模塊提取不同地區(qū)流量預(yù)測(cè)任務(wù)間的通用融合信息，獲得當(dāng)前訓(xùn)練輪次對(duì)應(yīng)的跨域交通流量預(yù)測(cè)模型；

8、s3：利用訓(xùn)練獲得的當(dāng)前跨域交通流量預(yù)測(cè)模型，執(zhí)行跨域交通流量預(yù)測(cè)任務(wù)，進(jìn)而輸出跨域交通流量預(yù)測(cè)結(jié)果，根據(jù)各個(gè)地區(qū)的預(yù)測(cè)交通流量信息，結(jié)合當(dāng)前訓(xùn)練輪次的跨域交通流量預(yù)測(cè)模型的參數(shù)知識(shí)，更新對(duì)應(yīng)的地區(qū)專屬知識(shí)子模塊，使地區(qū)專屬知識(shí)子模塊提取每個(gè)地區(qū)的特有交通流量特征信息。

9、在一示例中，所述跨域交通流量預(yù)測(cè)模型為全連接神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)、transformer模型、時(shí)間圖卷積、多尺度卷積網(wǎng)絡(luò)中任意一種。

10、在一示例中，利用從上一訓(xùn)練輪次獲得的跨域交通流量預(yù)測(cè)模型提取的參數(shù)知識(shí)進(jìn)行參數(shù)尋優(yōu)，包括以下步驟：

11、將當(dāng)前輪次訓(xùn)練任務(wù)中跨域交通流量預(yù)測(cè)模型的參數(shù)，與從上一輪次訓(xùn)練任務(wù)獲得的跨域交通流量預(yù)測(cè)模型提取的參數(shù)知識(shí)進(jìn)行比較，將比較得到的參數(shù)差異納入當(dāng)前輪次模型訓(xùn)練任務(wù)的參數(shù)尋優(yōu)的損失函數(shù)中，使得上一輪次訓(xùn)練任務(wù)獲得的跨域交通流量預(yù)測(cè)模型中權(quán)重越大的參數(shù)，在當(dāng)前輪次訓(xùn)練任務(wù)中的損失函數(shù)中保持越大的權(quán)重。

12、在一示例中，獲得首個(gè)訓(xùn)練輪次和/或當(dāng)前訓(xùn)練輪次對(duì)應(yīng)的跨域交通流量預(yù)測(cè)模型后，還包括：

13、提取跨域交通流量預(yù)測(cè)模型的參數(shù)知識(shí)。

14、在一示例中，采用彈性權(quán)重鞏固方法提取跨域交通流量預(yù)測(cè)模型的參數(shù)知識(shí)。

15、在一示例中，更新對(duì)應(yīng)的地區(qū)專屬知識(shí)子模塊，包括以下子步驟：

16、若預(yù)測(cè)當(dāng)前地區(qū)，則執(zhí)行原有任務(wù)；

17、若預(yù)測(cè)新地區(qū)，則在保留原有任務(wù)的基礎(chǔ)上，根據(jù)當(dāng)前輪次訓(xùn)練獲得的跨域交通流量預(yù)測(cè)模型的新參數(shù)，構(gòu)建新的地區(qū)專屬知識(shí)子模塊。

18、在一示例中，對(duì)跨域交通流量預(yù)測(cè)模型進(jìn)行訓(xùn)練過(guò)程中，還包括：

19、判斷是否到達(dá)跨域交通流量預(yù)測(cè)模型的更新周期，若是，則進(jìn)入步驟s23，進(jìn)入下一輪訓(xùn)練，否則進(jìn)入步驟s3。

20、在一示例中，當(dāng)新增地區(qū)出現(xiàn)時(shí)或者達(dá)到固定時(shí)間周期時(shí)，判定跨域交通流量預(yù)測(cè)模型到達(dá)更新周期。

21、需要進(jìn)一步說(shuō)明的是，上述各示例對(duì)應(yīng)的技術(shù)特征可以相互組合或替換構(gòu)成新的技術(shù)方案。

22、與現(xiàn)有技術(shù)相比，本發(fā)明有益效果是：

23、1.在一示例中，通過(guò)在持續(xù)學(xué)習(xí)框架中設(shè)置地區(qū)間共享知識(shí)模塊與地區(qū)專屬知識(shí)子模塊，通過(guò)地區(qū)間共享知識(shí)模塊融合多個(gè)地區(qū)知識(shí)的同時(shí)，通過(guò)地區(qū)專屬知識(shí)子模塊隔離各地區(qū)之間的通用知識(shí)與專屬知識(shí)，保證了對(duì)目標(biāo)地區(qū)預(yù)測(cè)的適應(yīng)性，提升了交通部門預(yù)測(cè)交通流量的能力；同時(shí)，基于持續(xù)學(xué)習(xí)框架實(shí)現(xiàn)交通流預(yù)測(cè)知識(shí)在地區(qū)之間的傳遞，從而解決了缺少交通流量數(shù)據(jù)難以建模的問(wèn)題；進(jìn)一步地，通過(guò)增量式模型更新策略，本發(fā)明無(wú)需從頭開(kāi)始訓(xùn)練整個(gè)模型，在保證模型性能的同時(shí)，免去了重新建模導(dǎo)致的資源消耗，從而在推動(dòng)“智慧交通”的同時(shí)，提交了“綠色交通”方案。

24、2.在一示例中，采用彈性權(quán)重鞏固（elastic?weight?consolidation，ewc）方法提取模型的參數(shù)知識(shí)，通過(guò)抑制重要參數(shù)變化幅度這一方式，傳遞之前的任務(wù)中學(xué)習(xí)到的知識(shí)到下一個(gè)任務(wù)，在目標(biāo)地區(qū)數(shù)據(jù)量不足的情況下，以傳輸跨域交通流量知識(shí)的方式，為目標(biāo)地區(qū)預(yù)測(cè)交通流量提供了有效解決方案，提高了模型的泛化能力，使模型能夠有效適應(yīng)樣本數(shù)據(jù)有限的新地區(qū)的交通流量預(yù)測(cè)任務(wù)，以此保證預(yù)測(cè)的準(zhǔn)確性和可靠性。

25、34.在一示例中，在預(yù)測(cè)新地區(qū)時(shí)，保留原有任務(wù)，根據(jù)當(dāng)前輪次訓(xùn)練獲得的跨域交通流量預(yù)測(cè)模型的新參數(shù)，構(gòu)建新的地區(qū)專屬知識(shí)子模塊，實(shí)現(xiàn)對(duì)地區(qū)專屬知識(shí)子模塊的更新的同時(shí)，能夠避免災(zāi)難性遺忘，進(jìn)而適應(yīng)新地區(qū)的交通流量預(yù)測(cè)任務(wù)，保證模型對(duì)新地區(qū)任務(wù)的預(yù)測(cè)性能。

技術(shù)特征：

1.一種基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法，其特征在于，所述跨域交通流量預(yù)測(cè)模型為全連接神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)、transformer模型、時(shí)間圖卷積、多尺度卷積網(wǎng)絡(luò)中任意一種。

3.根據(jù)權(quán)利要求1所述的基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法，其特征在于，利用從上一訓(xùn)練輪次獲得的跨域交通流量預(yù)測(cè)模型提取的參數(shù)知識(shí)進(jìn)行參數(shù)尋優(yōu)，包括以下步驟：

4.根據(jù)權(quán)利要求1所述的基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法，其特征在于，獲得首個(gè)訓(xùn)練輪次對(duì)應(yīng)的跨域交通流量預(yù)測(cè)模型和/或獲得當(dāng)前訓(xùn)練輪次對(duì)應(yīng)的跨域交通流量預(yù)測(cè)模型之后，還包括：

5.根據(jù)權(quán)利要求4所述的基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法，其特征在于，采用彈性權(quán)重鞏固方法提取跨域交通流量預(yù)測(cè)模型的參數(shù)知識(shí)。

6.根據(jù)權(quán)利要求1所述的基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法，其特征在于，更新對(duì)應(yīng)的地區(qū)專屬知識(shí)子模塊，包括以下子步驟：

7.根據(jù)權(quán)利要求1所述的基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法，其特征在于，對(duì)跨域交通流量預(yù)測(cè)模型進(jìn)行訓(xùn)練過(guò)程中，還包括：

8.根據(jù)權(quán)利要求7所述的基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法，其特征在于，當(dāng)新增地區(qū)出現(xiàn)時(shí)或者達(dá)到固定時(shí)間周期時(shí)，判定跨域交通流量預(yù)測(cè)模型到達(dá)更新周期。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于持續(xù)學(xué)習(xí)的跨域交通流量預(yù)測(cè)方法，屬于交通流量預(yù)測(cè)領(lǐng)域，方法包括：對(duì)跨域交通流量預(yù)測(cè)模型進(jìn)行增量訓(xùn)練，使地區(qū)間共享知識(shí)子模塊提取不同任務(wù)間的通用融合信息，獲得當(dāng)前訓(xùn)練輪次的跨域交通流量預(yù)測(cè)模型，并執(zhí)行預(yù)測(cè)任務(wù)，根據(jù)預(yù)測(cè)結(jié)果、模型的參數(shù)知識(shí)更新對(duì)應(yīng)的地區(qū)專屬知識(shí)子模塊。在持續(xù)學(xué)習(xí)框架中通過(guò)地區(qū)間共享知識(shí)模塊融合多個(gè)地區(qū)知識(shí)的同時(shí)，通過(guò)地區(qū)專屬知識(shí)子模塊隔離各地區(qū)之間的通用知識(shí)與專屬知識(shí)，保證了對(duì)目標(biāo)地區(qū)預(yù)測(cè)的適應(yīng)性，提升了交通部門預(yù)測(cè)交通流量的能力；同時(shí)，基于持續(xù)學(xué)習(xí)框架實(shí)現(xiàn)交通流預(yù)測(cè)知識(shí)在地區(qū)之間的傳遞，從而解決了缺少交通流量數(shù)據(jù)難以建模的問(wèn)題。

技術(shù)研發(fā)人員：楊新,吳美君,初子涵,彭雨瑄,歐陽(yáng)小草,寇綱
受保護(hù)的技術(shù)使用者：西南財(cái)經(jīng)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19