← 返回列表
一种基于掩码图注意力机制的交通路网编码表征学习方法
摘要文本
本发明公开了一种基于掩码图注意力机制的交通路网编码表征学习方法，利用BERT模型的上下文信息提取能力，扩大图注意力机制的邻接空间信息提取阶数，使模型能完成对路网交通流数据的深度表征，对路网空间特征进行有效提取。所述RNERT模型采用掩码(mask)预训练算法，学习路网空间特征提取的共性能力。对于缺失数据补全任务直接使用RNERT预训练模型进行补全计算；对于路网交通流预测，基于图注意力编码表示的交通路网门控循环网络(GRU‑RNERT)，对其中的时空多维度特征进行提取。 百度搜索专利查询网
申请人信息
- 申请人:北京交通大学
- 申请人地址:100000 北京市海淀区西直门外上园村3号
- 发明人: 北京交通大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于掩码图注意力机制的交通路网编码表征学习方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311591910.7 |
| 申请日 | 2023/11/27 |
| 公告号 | CN117690289A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G08G1/01 |
| 权利人 | 北京交通大学 |
| 发明人 | 董宏辉; 朱鹏程; 张雨晴; 张慧鹏 |
| 地址 | 北京市海淀区西直门外上园村3号北京交通大学 |
专利主权项内容
1.一种基于掩码图注意力机制的交通路网编码表征学习方法，其特征在于，包括以下步骤：步骤1、结合双向编码表征模型及图注意力网络构建基于掩码图注意力机制的交通路网编码表征模型RNERT，通过掩码预训练方式训练模型的路网空间特征提取通用能力，支撑不同的交通任务；步骤2、通过预训练后的RNERT模型对某个时刻的交通路网缺失值进行补全；步骤3、基于RNERT构建交通路网门控循环网络GRU-RNERT，将RNERT作为预训练空间特征提取单元嵌入到循环神经网络中，参与门控单元计算，使其能够提取交通路网交通流中的时空多维特征，实现路网交通流时序建模。