基于结构自适应自演化深度学习的大规模路网交通流预测方法

摘要

一种基于结构自适应自演化深度学习的大规模路网交通流预测方法，根据时变的路网检测器与道路状况，由路网检测器的地理位置关系建立对应时变的拓扑结构与邻接矩阵；基于检测器所采集的实时交通流数据，以及天气、时间和反馈误差自定义特征数据构建输入张量；将该张量输入图卷积网络生成含有节点信息与结构信息的重构特征张量；将重构特征张量分别输入到决策网络与预测网络，决策网络输出一个类别分布，对应在预测网络内k个终止决策点结束运算的概率，并从中随机采样，预测网络按照采样得到的终止决策输出交通流预测结果；实时预测时间间隔T后，将历史记录存入经验回放池，以决策和预测损失函数分别更新网络参数。本发明方法操作简便，适用性强。