一种无人驾驶用交通流量预测的图层级卷积神经网络模型

摘要

本发明公开了一种无人驾驶用交通流量预测的图层级卷积神经网络模型，该模型包括以下步骤：S1、建立路网图，抽象为节点和边的连接关系，并构建邻接矩阵；S2、将每个节点上的流量作为此节点的信号；S3、利用图的邻接矩阵，拉普拉斯矩阵针对流量信号建立谱图卷积模块，提取路网的空间结构对流量的影响；S4、构建聚类池化和反池化模块，提取路网中的层级信息，以寻找相似结构的流量特征；S5、谱图卷积模块和池化模块一起构成GRU单元，实现对流量时间特征的提取；S6、利用encoder‑decoder结构完成seq2seq的流量预测，encoder和decoder中的神经元都是有GRU单元构成。本发明能有效挖掘提取路网图中的流量信息，同时可以处理大图，对内存的要求降低，提高效率。