申请/专利权人:浙江大学
申请日:2024-03-08
公开(公告)日:2024-04-12
公开(公告)号:CN117875190A
主分类号:G06F30/27
分类号:G06F30/27;G06F119/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种极端暴雨事件中交通网络功能状态的时空预测方法,包括:生成物理模拟数据集并进行预处理;基于TA‑STGCN构建数据驱动代理模型,将物理模拟数据集随机分成训练集和测试集,通过对输入数据进行融合处理、并捕捉输入数据的灾害特征和时空特征,完成对未来交通的预测。该方法使用TA‑STGCN来捕捉动态网络功能状态的时空特性;通过建立多模态输入机制,实现了降雨相关数据和交通网络数据的双状态输入,从而捕捉极端暴雨事件对交通网络功能的时空影响;并基于自注意机制和时空卷积操作,实现了在非平稳降雨条件下稳定的多步交通功能预测。
主权项:1.一种极端暴雨事件中交通网络功能状态的时空预测方法,其特征在于,包括步骤如下:S1、生成物理模拟数据集:针对目标区域,首先生成降雨序列,然后模拟城市洪水淹没场景,再对交通网络进行功能分析以得到交通网络功能状态,对降雨序列和交通网络功能状态组成的原始数据集分别进行空间维度和时间维度的预处理;S2、构建数据驱动代理模型并进行训练:基于TA-STGCN构建数据驱动代理模型,所述数据驱动代理模型至少包括输入数据处理模块、灾害特征捕捉模块、时空特征捕捉模块和预测未来交通模块;将物理模拟数据集随机分成训练集和测试集,并使用K折交叉验证法训练数据驱动代理模型的网络参数;通过对输入数据进行融合处理、并捕捉输入数据的灾害特征和时空特征,完成对未来交通的预测。
全文数据:
权利要求:
百度查询: 浙江大学 极端暴雨事件中交通网络功能状态的时空预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。