本發明涉及交通，具體為基于交通流預測的時空融合感知變換裝置及方法。

背景技術：

1、交通流預測被認為是rndt中最關鍵的任務之一，圖結構可以描述不同實體之間的關系，非常適合建模交通數據和道路網絡結構，基于圖神經網絡（gnn）的方法也在交通預測領域得到了廣泛探索，在最新的技術發展中，研究人員將gnn與序列信息處理機制，如循環神經網絡（rnn）或注意力機制結合起來，這種集成旨在同時捕獲空間和時間關系，促進交通流信息的準確預測，這種集成網絡通常被稱為時空圖神經網絡（stgnn），目前它在交通預測領域展現出最先進的性能。

2、盡管gnn模型非常有效，但仍面臨顯著的局限性：不同時期的交通節點往往表現出相似的交通流，但他們的交通互動模式可能不相等，例如，商業節點可能在不同日期的用餐時間經歷相似的交通高峰，但高峰后的交通流在工作日和周末之間有所不同，僅依賴于單一時刻的時間嵌入作為輸入會導致模型無法充分捕捉交互特征；在現實中，不同節點之間的交通轉移不是瞬時的，由于擁堵，可能存在不可避免的延遲，此外，節點的歷史交通狀況也會影響當前的交通狀況和周圍環境，使用單一時刻的時間嵌入作為輸入將忽略重要的歷史和相關交互信息；城市交通網絡不斷發展，這意味著在建立空間依賴模型時，預定義靜態物理道路網絡可能導致交通信息傳遞不完整，限制了學習城市交通動態模式的能力。

技術實現思路

1、本發明的目的在于提供基于交通流預測的時空融合感知變換裝置及方法，以解決上述背景技術中提出的不同時期的交通節點往往表現出相似的交通流，但他們的交通互動模式可能不相等，不同節點之間的交通轉移不是瞬時的，由于擁堵，可能存在不可避免的延遲，此外，節點的歷史交通狀況也會影響當前的交通狀況和周圍環境，預定義靜態物理道路網絡可能導致交通信息傳遞不完整，限制了學習城市交通動態模式的能力的問題。為實現上述目的，本發明提供如下技術方案：基于交通流預測的時空融合感知變換裝置及方法，包括歷史周期感知模塊、交通數據處理、信息嵌入、動態流量互動圖以及空間和時間自注意力模塊，步驟如下：

2、s1：首先使用k-pop聚類算法對歷史交通數據進行處理，以獲得包含關鍵歷史信息的代表性短期交通模式集合；

3、s2：歷史周期感知模塊使用自注意力機制將過去周期性特征信息嵌入到交通數據中，將單個節點的交通特征擴展到單一時刻之外；

4、s3：通過動態流量互動圖生成算法，將歷史狀態對當前狀態的影響納入考慮，從而區分具有相似交通流狀態的不同時期的互動關系；

5、s4：由自注意力模塊以捕獲空間和時間依賴性以進一步優化圖；

6、s5：最終輸出的圖將作為交通流預測的基礎。

7、所述歷史周期感知模塊用于捕獲歷史信息并引入多尺度時間相關性，區分交通周期并準確感知時間延遲。

8、所述動態流量互動圖由基于嵌入歷史周期信息的特征之間語義相似性的新型動態流量互動圖生成算法生成，生成的圖包含了不同交通節點之間的語義層次互動關系。

9、所述空間和時間自注意力模塊包括空間自注意力和時間自注意力，所述空間自注意力利用圖注意力機制同時捕獲物理級空間依賴性和語義級空間依賴性，所述時間自注意力捕獲交通數據中的復雜動態時間依賴性。

10、基于交通流預測的時空融合感知變換裝置，包括殼體，所述殼體用于裝載在使用載具上并用于防護內部元器件，所述殼體的底部內壁上固定連接有歷史周期感知模塊，所述殼體的底部內壁上固定連接有空間和時間自注意力模塊，所述殼體的底部內壁上固定連接有用于信息儲存的儲存模塊，所述殼體的底部內壁上固定連接有pcb板且pcb板均與歷史周期感知模塊、空間和時間自注意力模塊和儲存模塊電連接，所述pcb板的頂部固定連接有用于信息處理和計算的處理模塊，所述處理模塊的頂部固定連接有用于載具位置定位的定位模塊，所述pcb板的頂部固定連接有用于網絡通信的無線通信模塊。

11、與現有技術相比，本發明的有益效果：

12、本發明中，通過該方法可有效地解決了交通數據動態性、周期性和延遲性帶來的挑戰，它可以作為rndt系統算法層的關鍵模型，準確預測未來的交通流并提供決策支持。

13、本發明中，通過歷史周期感知（hca）模塊，用于嵌入歷史信息，清晰感知交通周期和準確感知時間延遲，并通過動態流量互動圖（dfig）生成算法，模擬了語義層次的空間依賴性，區分具有相似交通流狀態的不同時期的互動。

技術特征：

1.基于交通流預測的時空融合感知變換裝置及方法，其特征在于，包括歷史周期感知模塊（2）、交通數據處理、信息嵌入、動態流量互動圖以及空間和時間自注意力模塊（3），步驟如下：

2.根據權利要求1所述的基于交通流預測的時空融合感知變換裝置及方法，其特征在于：所述歷史周期感知模塊（2）用于捕獲歷史信息并引入多尺度時間相關性，區分交通周期并準確感知時間延遲。

3.根據權利要求1所述的基于交通流預測的時空融合感知變換裝置及方法，其特征在于：所述動態流量互動圖由基于嵌入歷史周期信息的特征之間語義相似性的新型動態流量互動圖生成算法生成，生成的圖包含了不同交通節點之間的語義層次互動關系。

4.根據權利要求1所述的基于交通流預測的時空融合感知變換裝置及方法，其特征在于：所述空間和時間自注意力模塊（3）包括空間自注意力和時間自注意力，所述空間自注意力利用圖注意力機制同時捕獲物理級空間依賴性和語義級空間依賴性，所述時間自注意力捕獲交通數據中的復雜動態時間依賴性。

5.基于交通流預測的時空融合感知變換裝置，其特征在于：包括殼體（1），所述殼體（1）用于裝載在使用載具上并用于防護內部元器件，所述殼體（1）的底部內壁上固定連接有歷史周期感知模塊（2），所述殼體（1）的底部內壁上固定連接有空間和時間自注意力模塊（3），所述殼體（1）的底部內壁上固定連接有用于信息儲存的儲存模塊（4），所述殼體（1）的底部內壁上固定連接有pcb板（5）且pcb板（5）均與歷史周期感知模塊（2）、空間和時間自注意力模塊（3）和儲存模塊（4）電連接，所述pcb板（5）的頂部固定連接有用于信息處理和計算的處理模塊（6），所述處理模塊（6）的頂部固定連接有用于載具位置定位的定位模塊（7），所述pcb板（5）的頂部固定連接有用于網絡通信的無線通信模塊（8）。

技術總結
本發明涉及交通技術領域，具體為基于交通流預測的時空融合感知變換裝置及方法，包括歷史周期感知模塊、交通數據處理、信息嵌入、動態流量互動圖以及空間和時間自注意力模塊，步驟如下：S1：首先使用K?POP聚類算法對歷史交通數據進行處理，以獲得包含關鍵歷史信息的代表性短期交通模式集合；S2：歷史周期感知模塊使用自注意力機制將過去周期性特征信息嵌入到交通數據中，將單個節點的交通特征擴展到單一時刻之外。該基于交通流預測的時空融合感知變換裝置及方法，通過該方法可有效地解決了交通數據動態性、周期性和延遲性帶來的挑戰，它可以作為RNDT系統算法層的關鍵模型，準確預測未來的交通流并提供決策支持。

技術研發人員：張翔,楊昊鑫
受保護的技術使用者：西安建筑科技大學
技術研發日：
技術公布日：2025/4/28