专利交易市场

本发明公开了基于传递感知的时空图注意力网络交通流预测方法、系统，涉及交通流预测技术领域，该方法包括：根据实际路网的空间连接关系建立与待预测区域对应的图结构集合；获取待预测区域在第一预置时间长度内的交通流数据，基于图结构集合，利用待预测区域的交通流数据对预设的TAGAT‑LSTM模型进行训练，得到与TAGAT‑LSTM模型对应并训练完成的目标模型；获取在预设时间长度中待预测区域的历史交通流，并将历史交通流输入至目标模型中进行处理，得到未来的预设时间长度中待预测区域的预测交通流；通过TAGAT‑LSTM模型中三个核心模块的结合使得模型能够捕捉更加丰富的时空依赖关系，提高交通流预测的精度。

本发明公开了一种基于STGNN‑Net的车辆轨迹预测方法，首先，对预先获取的轨迹数据集进行划分与特征构建；其次，构建基于STGNN‑Net的车辆轨迹预测网络，一个分支用TGCN‑Net提取输入轨迹数据的时间特征，另一个分支利用STG‑Net获得轨迹的时空特征，使得模型能考虑不同时间与空间范围的影响，再利用残差网络分别对TGCN‑Net和STG‑Net进行特征融合；最后利用自适应学习经过Informer特征融合后送入BiGRU网络预测车辆的轨迹。本发明充分利用轨迹数据中的时间特征，同时结合不同时间的空间特征，通过TGCN‑Net和STG‑Net提取特征以减少信息的损失，实现了更加准确和鲁棒的轨迹预测；通过图神经网络和注意力机制使网络能考虑交互信息，从而优化特征，实现较高的轨迹预测精度。