(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210950965.1 (22)申请日 2022.08.09 (71)申请人 中国科学院计算 技术研究所 地址 100190 北京市海淀区中关村科 学院 南路6号 (72)发明人 刘庆祥　王煜炜　孙胜　刘敏　 梅嘉容　 (74)专利代理 机构 北京泛华伟业知识产权代理 有限公司 1 1280 专利代理师 王勇 (51)Int.Cl. G08G 1/01(2006.01) G08G 1/065(2006.01) G06Q 10/04(2012.01) G06Q 50/30(2012.01)G06N 20/00(2019.01) (54)发明名称 一种交通流量预测模型的在线联邦学习方 法 (57)摘要 本发明提供一种用于交通控制系统的交通 流量预测模型的在线联邦 学习方法， 包括： D1、 对 每个路侧单元的交通流量预测模型进行预设次 数的更新， 每次更新包括： D11、 获取当前路侧单 元的待预测交通流量序列作为其交通流量预测 模型的编码输入以获得其编码隐藏状态； D12、 服 务器计算当前路侧单元与其他路侧单元之间的 空间关系并更新当前路侧单元的编码隐藏状态， 将更新后的编码隐藏状态作为当前路侧单元的 交通流量预测模型的解码输入以获得预测交通 流量； D13、 根据实际交通流量和预测交通流量之 间的损失更新当前路侧单元的交通流量预测模 型的参数； D2、 服务器将所有交通流量预测模型 的参数进行融合； D3、 将融合后的模型参数下发 至每个路侧单元以更新每个路侧单元的模型参 数。 权利要求书3页 说明书12页 附图2页 CN 115311860 A 2022.11.08 CN 115311860 A 1.一种用于交通控制系统的交通流量预测模型的在线联邦学习方法， 所述交通控制系 统包括服务器和多个路侧单元， 其中， 每个路侧单元中配置有一个编解码结构的交通流量 预测模型， 其特征在于， 所述方法包括对所有路侧单元 的交通流量预测模型进行多轮联邦 学习直至满足最大轮数约束条件， 其中， 每 轮联邦学习包括： D1、 对每个路侧单 元的交通 流量预测模型进行 预设次数的更新， 其中， 每次更新包括： D11、 获取当前路侧单元所在道路中的待预测交通流量序列作为当前路侧单元的交通 流量预测模型的编码输入以获得当前路侧单 元的编码隐藏状态； D12、 服务器根据步骤D11中获得的当前路侧单元的编码隐藏状态以及当前路侧单元与 其他路侧单元之间的空间关系更新当前路侧单元的编 码隐藏状态， 并将更新后的编 码隐藏 状态作为当前路侧单元的交通流量预测模型的解码输入以获得所述待预测交通流量序列 对应的预测交通 流量； D13、 根据所述待预测交通流量序列对应的实际交通流量和步骤D12中获得的预测交通 流量之间的损失更新当前路侧单 元的交通 流量预测模型的参数； D2、 服务器将所有路侧单元的交通流量预测模型的参数进行融合以获得融合后的模 型； D3、 将融合后的模型参数 下发至每 个路侧单 元以更新每 个路侧单 元的模型参数。 2.根据权利要求1所述的方法， 其特征在于， 在所述步骤D12中， 通过如下方式确定当前 路侧单元与其他路侧单 元之间的空间关系： 基于当前路侧单元与其他路侧单元之间的地理位置， 判断当前路侧单元与其他路侧单 元之间是否具有邻接性， 其中， 所有与当前路侧单元邻接的路侧单元组成当前路侧单元 的 邻接集合； 基于当前路侧单元的编码隐藏状态， 计算当前路侧单元的邻 接集合中每个路侧单元与 当前路侧单 元之间的关联程度； 基于邻接集合中每个路侧单元与当前路侧单元之间的关联程度， 计算当前路侧单元与 其邻接集 合中每个路侧单 元之间的权 重关系。 3.根据权利要求2所述的方法， 其特征在于， 按照如下方式判断当前路侧单元与其他路 侧单元之间是否具有邻接性： 其中， sn、 sx分别表示第n个路侧单元和第x个路侧单元， dist(sn,sx)表示sn和sx之间的 距离， ε、 τ2为两个控制关联程度的超参数， ex,n＝1表示第n个路侧单元和第x个路侧单元存 在邻接性， ex,n＝0表示第n个路侧单元和第x个路侧单元不存在邻接性， otherwise表示否 则， exp表示以自然常数 e为底的指数函数。 4.根据权利要求3所述的方法， 其特征在于， 按照如下方式计算当前路侧单元与其邻 接 集合中每个路侧单 元之间的权 重关系： 权　利　要　求　书 1/3 页 2 CN 115311860 A 2其中， 表示在第t轮联邦学习中第n个路侧单元与其邻接集合中第m个路侧单元 之间的权重关系， 表示在第t轮联邦学习中采用图注意网络计算的第n个路侧单元与 其邻接集 合中第m个路侧单 元之间的关联程度， 表示在第t轮联邦学习中采用信息几何 方式计算的第n个路侧单元与其邻接集合中第m个路侧单元之间的关联程度， 表示 和 之间的权重， Nn表示第n个路侧单元的邻接集合， i表示Nn中第i个路侧单元， 表 示在第t轮联邦学习中采用图注意网络计算的第n个路侧单元与其邻接集合中第i个路侧单 元之间的关联程度， 表示在第t轮联邦学习中采用信息几何方 式计算的第n个路侧单元 与其邻接集 合中第i个路侧单 元之间的关联程度， exp表示以自然常数 e为底的指数函数。 5.根据权利要求4所述的方法， 其特征在于， 在所述步骤D12中， 服务器按照如下方式更 新当前路侧单 元的交通 流量预测模型的编码隐藏状态： 其中， h′t,n表示在第t轮联邦学习中第n个路侧单元的交通流量预测模型更新后的编码 隐藏状态， Nn表示第n个路侧单元的邻接集合， sm表示Nn中第m个路侧单元， ht,m表示在第t轮 联邦学习中sm的交通流量预测模型的编码隐藏状态， 表示在第t轮联邦学习中第n个 路侧单元与其邻接集 合中第m个路侧单 元之间的权 重关系， sigmo id(·)表示激活函数。 6.根据权利要求5所述的方法， 其特 征在于， 在所述 步骤D13中， 按照如下方式计算当前路侧单元的待预测交通流量序列对应的实际交通流量和当前 路侧单元的待预测交通 流量序列对应的预测交通 流量之间的损失： lt,n(wt,n)＝lt,n(yt,n,y′t,n； wt,n) 其中， lt,n(·)表示在第t轮联邦学习中第n个路侧单元的损失函数， wt,n表示在第t轮联 邦学习中第n个路侧单元的交通流量预测模 型的参数， yt,n表示在第t轮联邦学习中第n个路 侧单元的待 预测交通流量序列对应的实际交通流量， y ′t,n表示在第t轮联邦学习中第n个路 侧单元的待预测交通 流量序列对应的预测交通 流量。 7.根据权利要求6所述的方法， 其特征在于， 在所述步骤D13中， 按照如下方式更新当前 路侧单元的交通 流量预测模型的参数： 其中， w′t,n表示在第t轮联邦学习中第n个路侧单元的交通流量预测模型更新后的参 数,wt,n表示在第t轮联邦学习中第n个路侧单元的交通流量预测 模型更新前的参数， lt,n表 示在第t轮联邦学习中第n个路侧单 元的损失函数， η表示学习率。 8.根据权利要求7所述的方法， 其特征在于， 在所述步骤D2中， 按照如下方式进行模型 融合： 当前轮数小于周期长度时， 通过如下 方式获得融合后的模型： 权　利　要　求　书 2/3 页 3 CN 115311860 A 3