本发明涉及交通预测，特别涉及一种图卷积模型框架下路网交通时空状态不确定性计算方法。
背景技术：
1、随着交通信息采集技术的不断提升，实时交通数据的获取变得更加便捷和精确，使得实时预测交通状态成为可能。这种技术进步为交通管理和预测提供了大量的实时或近实时数据，极大地促进了交通流预测模型的发展。然而，传统的点预测方法，尽管可以预测未来某一时刻的交通流量，却无法有效度量交通流的波动性和不确定性。交通流的波动性主要是由于各种不可预测因素引起的，如突发事件、天气变化及节假日效应等。这些因素导致交通流状态具有高度的不确定性，单一的点预测值无法提供足够的信息来描述这种不确定性。
2、因此，如何提供一种能够预测未来交通状态的可能变化范围的基于图卷积模型的路网交通时空状态不确定性计算方法是本领域技术人员亟待解决的技术问题。
技术实现思路
1、本发明针对上述研究现状，提供了一种基于图卷积模型的路网交通时空状态不确定性计算方法，利用图卷积模型作为时空预测框架，建立一种路网交通时空状态不确定性计算的方法，更直观地量化不确定因素引起的交通波动，支撑起更有效的管理和引导交通流。
2、本发明提供的一种基于图卷积模型的路网交通时空状态不确定性计算方法，包括如下步骤：
3、s1：采集历史交通时空数据，包括路网交通空间数据，及所述路网交通空间下的交通状态时间序列数据；
4、s2：基于dcrnn模型构建路网交通状态点预测模型，以历史交通状态时间序列数据和路网交通空间数据作为输入，路网交通状态时空预测点值以及预测点值的方差作为输出；
5、s3：建立描述偶然不确定性的损失函数方法，并利用所述历史交通时空数据，基于贝叶斯框架的mc-dropout对所述路网交通状态点预测模型进行交通状态不确定性训练，获得训练好的路网交通状态区间范围预测模型；
6、s4：将待预测交通时空数据输入到所述训练好的路网交通状态区间范围预测模型中得到预测的时间范围内的交通状态。
7、优选的，所述s1中的所述路网结构数据包括：道路连接信息、道路长度和道路间实际距离；所述路网结构下的交通状态时间序列数据包括：均匀时间间隔下的道路交通量和路段平均速度。
8、优选的，所述s1中的路网交通空间数据还包括根据两路段的实际空间距离构建空间关联矩阵，用于表征两路段间的权重。
9、优选的，所述s2包括对时间特征进行建模的步骤：
10、利用gru对所述交通状态时间序列数据进行处理，捕捉时间上的动态变化，通过设置更新门、重置门和候选隐藏状态，输出最终隐藏状态。
11、优选的，所述s2包括对空间特征进行建模的步骤：
12、利用扩散卷积的方法对网交通空间数据进行处理，捕捉节点之间的空间依赖关系。
13、优选的，所述dcrnn模型在扩散卷积步骤中通过双边随机游走捕捉路网交通空间数据的结构信息，包括：
14、利用空间关联矩阵构建交通网络图g＝(v,e)，其中v表示路段集合，e表示表征路段之间的关联关系的边集合；
15、
16、其中，h表示经过扩散过程后聚合输入特征x的输出矩阵，k表示扩散步数，x表示输入特征矩阵，包括各节点的交通状态数据，扩散算子d用于捕捉节点之间的信息传播和影响关系，θk表示扩散卷积模型中需要学习的权重矩阵，通过学习权重矩阵的参数，模型自适应调整内部计算使得输出结果尽可能接近真实的交通流量。
17、优选的，所述s3中建立描述偶然不确定性的损失函数方法包括：
18、通过使用条件方差函数σ(xi)2来建模输出噪声的方差，其中n为输入数据xi的个数，θ为模型参数，yi和分别表示真实值和模型的预测值，xi为输入的交通状态数据，建立损失函数：
19、
20、优选的，所述s4包括：
21、应用dropout从后验分布中进采样，估计输出的认知不确定性；总预测方差以及总预测区间由以下表达式得到：
22、
23、其中，t为mc-dropout的采样次数，代表第t次采样得到的预测值，u(y)和l(y)分别表示预测区间的上下界，zα/2为标准正态分布中置信水平(1-α)％对应的临界值。
24、本发明提出的基于图卷积模型的路网交通时空状态不确定性计算方法相较现有技术具有以下有益效果：
25、本发明采用预测区间来表示未来交通状态的可能变化范围，有助于更全面地理解交通流的不确定性。预测区间不仅给出了预测值，还提供了关于预测结果可信度的信息，通过上下界表示可能的最大和最小交通流量，从而为交通管理和调度提供更灵活、更全面的决策支持。这种基于预测区间的方法能够更有效地应对交通管理中的不确定性和风险，提高交通系统的适应能力和响应速度。
1.一种基于图卷积模型的路网交通时空状态不确定性计算方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于图卷积模型的路网交通时空状态不确定性计算方法，其特征在于，所述s1中的所述路网结构数据包括：道路连接信息、道路长度和道路间实际距离；所述路网结构下的交通状态时间序列数据包括：均匀时间间隔下的道路交通量和路段平均速度。
3.根据权利要求1所述的一种基于图卷积模型的路网交通时空状态不确定性计算方法，其特征在于，所述s1中的路网交通空间数据还包括根据两路段的实际空间距离构建空间关联矩阵，用于表征两路段间的权重。
4.根据权利要求1所述的一种基于图卷积模型的路网交通时空状态不确定性计算方法，其特征在于，所述s2包括对时间特征进行建模的步骤：
5.根据权利要求1所述的一种基于图卷积模型的路网交通时空状态不确定性计算方法，其特征在于，所述s2包括对空间特征特征进行建模的步骤：
6.根据权利要求5所述的一种基于图卷积模型的路网交通时空状态不确定性计算方法，其特征在于，所述dcrnn模型在扩散卷积步骤中通过双边随机游走捕捉路网交通空间数据的结构信息，包括：
7.根据权利要求1所述的一种基于图卷积模型的路网交通时空状态不确定性计算方法，其特征在于，所述s3中建立描述偶然不确定性的损失函数方法包括：
8.根据权利要求1所述的一种基于图卷积模型的路网交通时空状态不确定性计算方法，其特征在于，所述s4包括：
