流量预测方法、装置、存储介质及电子设备与流程

1.本公开涉及计算机技术领域，尤其涉及一种流量预测方法、装置、存储介质及电子设备。


背景技术：

2.流量预测被广泛应用于各种场景，比如，在管道输送场景中管道中液体的流量预测，或者在交通管理场景中，道路上人流量或者车流量的预测。相关技术在进行流量预测时建立的模型通常都会与真实情况存在一定出入并且对历史流量的数据完备性提出较高要求，这会导致流量预测方案的准确度降低，或者很多场景下由于缺失历史流量导致流量预测方案无法落地应用。


技术实现要素：

3.为了解决上述至少一个技术问题，本公开提出了一种流量预测技术方案。
4.根据本公开的一些实施例中，提供了一种流量预测方法，包括：获取目标时段下的流量分布图，所述流量分布图包括指示交叉口处各方向上流量的节点以及相邻节点之间的连接关系，所述连接关系表征具备上下游关系的节点之间的流量流通通路，所述流量分布图中第一节点和第二节点分别为已知流量的节点和未知流量的节点；基于流量守恒约束和每一第一节点的流量，确定每一第二节点的初测流量；基于所述流量分布图中各所述第一节点的流量以及各所述第二节点的初测流量，确定所述流量分布图中每一节点的权重，所述权重表征所述每一节点对下游节点的流量贡献度；基于所述每一节点的权重，对所述每一第二节点的初测流量进行修正，确定所述每一第二节点的目标预测流量。基于上述配置，通过粗补流量结合每一节点的权重，完成了对于粗补流量的修正，该权重准确衡量出了每一节点对于下游节点的流量贡献度，由此可以得到精确的目标预测流量，不论是粗补流量的设计还是流量贡献度概念的提出都充分考虑到流量守恒约束，从而可以得到准确的预测结果，并且不受历史流量缺陷或者数据不平滑等因素的影响。
5.在一些可能的实施方式中，所述基于所述流量分布图中各所述第一节点的流量以及各所述第二节点的初测流量，确定所述流量分布图中每一节点的权重，包括：基于所述流量分布图中各所述第一节点的流量以及各所述第二节点的初测流量，并结合所述流量分布图的拓扑，对所述流量分布图进行基于节点空间相关性的信息提取，得到所述每一节点对应的空间相关性信息；对所述每一节点对应的空间相关性信息进行信息聚合，得到所述每一节点的权重。基于上述配置，该基于节点空间相关性的信息提取的目的在于得到流量分布图中每个节点的相关性信息，该相关性信息是充分考虑到该节点在流量分布图中的拓扑位置、该节点及其邻居节点的流量(包括已知流量和初测流量)基础上得到的，该相关性信息体现了节点与邻居节点之间的流量关系，然后基于该相关性信息可以确定节点对下游邻居的流量贡献度，从而从数据角度和拓扑角度来综合确定每一节点对下游节点的流量贡献度，基于该流量贡献度调整初测流量可以得到准确的流量预测值。
6.在一些可能的实施方式中，所述对所述每一节点对应的空间相关性信息进行信息聚合，得到所述每一节点的权重，包括：针对所述每一节点，从所述每一节点的出度方向确定所述每一节点对应的邻居节点；根据所述邻居节点的空间相关性信息的融合结果，确定所述每一节点在出度方向对应的权重。基于上述配置，通过在出度方向确定邻居节点，可以使得下游节点的空间相关性信息被用于影响节点的权重，从而使得节点的权重更能够表达出节点对下游节点的流量贡献度。
7.在一些可能的实施方式中，所述基于所述每一节点的权重，对所述每一第二节点的初测流量进行修正，确定所述每一第二节点的目标预测流量，包括：基于所述每一节点的权重、各所述第一节点的流量和各所述第二节点的初测流量，确定每一节点的信息传播量，所述信息传播量表征所述每一节点接收上游的流量并向下游传播的流量；根据所述每一节点的信息传播量，确定所述每一第二节点的目标预测流量。基于上述配置，通过融合每一节点的流量贡献度、各所述第一节点的真实流量以及各所述第二节点的初测流量，可以确定每一节点接收上游的流量并向下游传播的信息传播量，基于该信息传播量即可准确确定出第二节点的目标预测流量，这一预测过程充分考虑到节点的拓扑分布，相邻节点之间的拓扑、流量以及语义的多重关系，从而得到准确的预测结果。
8.在一些可能的实施方式中，所述根据所述每一节点的信息传播量，确定所述每一第二节点的目标预测流量，包括：确定所述每一节点对应的状态信息，所述状态信息包括下述至少一个：所述每一节点的流量的流向与所述目标时段的关系信息、所述每一节点与流量相关的静态场景信息；基于所述每一节点对应的状态信息和所述每一节点的信息传播量，确定所述每一第二节点的目标预测流量。基于上述配置，可以在进行流量预测的时候不仅考虑到节点之间的拓扑信息、流量流向关系，还可以考虑到静态信息，比如流量与目标时段的关系，节点有关的场景信息，从而进一步提升目标预测流量的准确度。
9.在一些可能的实施方式中，所述方法还包括：基于所述每一第一节点的流量和所述每一第二节点的目标预测流量，确定支路流量，所述支路流量为存在于基于所述流量分布图所确定的范围内的流量，并且所述支路流量不属于所述流量分布图中的节点所对应的流量。基于上述配置，不仅仅可以确定位于流量分布图中的第二节点处的流量，还可以确定出流量分布图中无法表达出的支路的流量情况。
10.在一些可能的实施方式中，所述基于流量守恒约束和所述第一节点的流量，确定所述第二节点的初测流量，包括：确定第三节点，所述第三节点为尚未被赋予初测流量的第二节点；确定每一第三节点每一方向对应的缺失节点和流量参考节点，所述缺失节点为所述每一第三节点在所述每一方向上相邻的其他第三节点，所述流量参考节点为在所述每一方向上与所述每一第三节点相邻并且不属于所述缺失节点的其他节点；将具备最少的缺失节点的第三节点确定为第四节点，以及确定对应于所述最少缺失节点的目标方向；基于所述流量守恒约束和所述第四节点在所述目标方向对应的流量参考节点，确定所述第四节点的初测流量。基于上述配置，通过在每次进行流量初步预测的时候基于流量信息缺失最少原则选择第四节点以及目标方向，然后在目标方向上利用流量守恒约束即可对第四节点进行初步流量预测，可以充分利用已知的流量信息提升初步流量的预测的准确度，而初步流量预测准确有利于最终得到准确的目标预测流量。
11.在一些可能的实施方式中，所述基于所述流量守恒约束和所述第四节点在所述目
标方向对应的流量参考节点，确定所述第四节点的初测流量，包括：基于所述流量守恒约束、预设约束和所述第四节点在所述目标方向对应的流量参考节点，确定所述第四节点的初测流量；所述预设约束包括下述至少一个：限定每一正相关未知邻居的流量为所述目标时段关联的流量平均值的第一约束，所述正相关未知邻居为所述第四节点的、未知流量并且尚未被赋予初测流量的正相关邻居；限定剩余流量在每一负相关未知邻居之间平均分配的第二约束，所述负相关未知邻居为所述第四节点的、未知流量并且尚未被赋予初测流量的负相关邻居，所述剩余流量为流入所述第四节点的总流量与已知流量总和的差值，所述已知流量总和为所述第四节点的负相关已知邻居的流量总和。基于上述配置，通过结合第一约束或者第二约束，可以在目标方向基于第四节点的流量参考节点的流量建立流量守恒等式，从而计算出第四节点的初测流量。第一约束和第二约束的假定有利于推定出合理的初测流量，从而为后续的精准流量预测建立了数据基础。
12.在一些可能的实施方式中，所述基于所述流量分布图中各所述第一节点的流量以及各所述第二节点的初测流量，并结合所述流量分布图的拓扑，对所述流量分布图进行基于节点空间相关性的信息提取，得到所述每一节点对应的空间相关性信息，包括：基于图嵌入算法，根据所述流量分布图中各所述第一节点的流量以及各所述第二节点的初测流量，依照所述流量分布图的拓扑，对所述流量分布图进行基于节点空间相关性的信息提取，得到所述每一节点对应的图嵌入信息，所述图嵌入信息为所述空间相关性信息的表达结果；所述对所述每一节点对应的空间相关性信息进行信息聚合，得到所述每一节点的权重，包括：基于图关注机制对所述每一节点对应的图嵌入信息进行信息聚合，得到所述每一节点的权重。基于上述配置，对流量分布图进行图嵌入信息的提取，可以在充分考虑到流量分布图的拓扑和流量分布的情况下，得到每个节点的空间相关性信息，这一信息有助于准确确定每个节点对其自身下游节点的流量贡献度。
13.在一些可能的实施方式中，所述基于图关注机制对所述每一节点对应的图嵌入信息进行信息聚合，得到所述每一节点的权重，包括：获取流量结分布图以及每一流量结对应的图嵌入信息，所述流量结包括交叉口对应的流量结，以及相邻流量结之间的连接关系，所述连接关系表征具备上下游关系的流量结之间的流量流通通路，所述流量结分布图中的流量结与所述流量分布图中的流量具备唯一的空间对应关系；基于每一节点对应的第一图嵌入信息以及下述至少一个图信息，确定所述每一节点的权重；所述图信息包括：所述每一节点的下游邻居对应的第二图嵌入信息、所述每一节点在所述流量结分布图中对应的流量结的图嵌入信息、所述每一节点的下游邻居在所述流量结分布图中对应的流量结的图嵌入信息、基于所述每一节点的下游邻居的流出方向在所述流量结分布图中确定出的流量结的图嵌入信息。基于上述配置，基于上述内容计算得到的每一节点的权重，可以作为流量分布图中该节点出度方向的权重，用于表征该节点对下游节点的流量贡献度，在权重计算过程中综合考虑到各种因素，比如流量或流量结的拓扑分布，在流量粒度和流量结粒度上的流量流向分布，通过综合考虑各种信息提升权重预测的准确度。
14.在一些可能的实施方式中，所述方法还包括：将所述流量分布图中各所述第一节点的流量以及各所述第二节点的初测流量输入第一网络，得到所述流量分布图中所述每一节点的信息传播量；将所述流量分布图和所述目标时段输入第二网络，得到所述每一节点对应的状态信息；将所述每一节点的信息传播量和所述每一节点对应的状态信息输入第三
网络，得到所述每一第二节点的目标预测流量。基于上述配置，通过基于端到端的神经网络可以直接得到节点流量预测结果，并且具备较高的准确度。
15.在一些可能的实施方式中，所述第一网络、所述第二网络和所述第三网络形成端到端网络，所述端到端网络基于下述至少一个损失训练得到：基于任一样本节点的目标预测流量与所述任一样本节点的真实流量之间的差异所确定的第一损失；基于流入任一样本节点的总流量与流出所述任一样本节点的总流量之间的差异所确定的第二损失。基于上述配置，通过上述损失函数训练得到的端到端的网络，可以被用于对持续缺失或间断缺失的流量进行流量补全预测，并且在进行流量补全预测的过程中充分关注了各节点的潜在空间关系与对下游节点的流量影响，具备很好地预测准确度。
16.根据本公开的另一些实施例中，提供了流量预测装置，所述装置包括流量分布图获取模块，用于获取目标时段下的流量分布图，所述流量分布图包括指示交叉口处各方向上流量的节点以及相邻节点之间的连接关系，所述连接关系表征具备上下游关系的节点之间的流量流通通路，所述流量分布图中第一节点和第二节点分别为已知流量的节点和未知流量的节点；初测模块，用于基于流量守恒约束和每一第一节点的流量，确定每一第二节点的初测流量；流量贡献度预测模块，用于基于所述流量分布图中各所述第一节点的流量以及各所述第二节点的初测流量，确定所述流量分布图中每一节点的权重，所述权重表征所述每一节点对下游节点的流量贡献度；修正模块，用于基于所述每一节点的权重，对所述每一第二节点的初测流量进行修正，确定所述每一第二节点的目标预测流量。
17.在一些可能的实施方式中，所述流量贡献度预测模块，用于基于所述流量分布图中各所述第一节点的流量以及各所述第二节点的初测流量，并结合所述流量分布图的拓扑，对所述流量分布图进行基于节点空间相关性的信息提取，得到所述每一节点对应的空间相关性信息；对所述每一节点对应的空间相关性信息进行信息聚合，得到所述每一节点的权重。
18.在一些可能的实施方式中，所述流量贡献度预测模块，用于针对所述每一节点，从所述每一节点的出度方向确定所述每一节点对应的邻居节点；根据所述邻居节点的空间相关性信息的融合结果，确定所述每一节点在出度方向对应的权重。
19.在一些可能的实施方式中，所述修正模块，用于基于所述每一节点的权重、各所述第一节点的流量和各所述第二节点的初测流量，确定每一节点的信息传播量，所述信息传播量表征所述每一节点接收上游的流量并向下游传播的流量；根据所述每一节点的信息传播量，确定所述每一第二节点的目标预测流量。
20.在一些可能的实施方式中，所述修正模块，用于确定所述每一节点对应的状态信息，所述状态信息包括下述至少一个：所述每一节点的流量的流向与所述目标时段的关系信息、所述每一节点与流量相关的静态场景信息；基于所述每一节点对应的状态信息和所述每一节点的信息传播量，确定所述每一第二节点的目标预测流量。
21.在一些可能的实施方式中，所述修正模块，用于基于所述每一第一节点的流量和所述每一第二节点的目标预测流量，确定支路流量，所述支路流量为存在于基于所述流量分布图所确定的范围内的流量，并且所述支路流量不属于所述流量分布图中的节点所对应的流量。
22.在一些可能的实施方式中，所述初测模块，用于确定第三节点，所述第三节点为尚
未被赋予初测流量的第二节点；确定每一第三节点每一方向对应的缺失节点和流量参考节点，所述缺失节点为所述每一第三节点在所述每一方向上相邻的其他第三节点，所述流量参考节点为在所述每一方向上与所述每一第三节点相邻并且不属于所述缺失节点的其他节点；将具备最少的缺失节点的第三节点确定为第四节点，以及确定对应于所述最少缺失节点的目标方向；基于所述流量守恒约束和所述第四节点在所述目标方向对应的流量参考节点，确定所述第四节点的初测流量。
23.在一些可能的实施方式中，所述初测模块，用于基于所述流量守恒约束、预设约束和所述第四节点在所述目标方向对应的流量参考节点，确定所述第四节点的初测流量；所述预设约束包括下述至少一个：限定每一正相关未知邻居的流量为所述目标时段关联的流量平均值的第一约束，所述正相关未知邻居为所述第四节点的、未知流量并且尚未被赋予初测流量的正相关邻居；限定剩余流量在每一负相关未知邻居之间平均分配的第二约束，所述负相关未知邻居为所述第四节点的、未知流量并且尚未被赋予初测流量的负相关邻居，所述剩余流量为流入所述第四节点的总流量与已知流量总和的差值，所述已知流量总和为所述第四节点的负相关已知邻居的流量总和。
24.在一些可能的实施方式中，所述流量贡献度预测模块，用于基于图嵌入算法，根据所述流量分布图中各所述第一节点的流量以及各所述第二节点的初测流量，依照所述流量分布图的拓扑，对所述流量分布图进行基于节点空间相关性的信息提取，得到所述每一节点对应的图嵌入信息，所述图嵌入信息为所述空间相关性信息的表达结果；所述对所述每一节点对应的空间相关性信息进行信息聚合，得到所述每一节点的权重，包括：基于图关注机制对所述每一节点对应的图嵌入信息进行信息聚合，得到所述每一节点的权重。
25.在一些可能的实施方式中，所述流量贡献度预测模块，用于获取流量结分布图以及每一流量结对应的图嵌入信息，所述流量结包括交叉口对应的流量结，以及相邻流量结之间的连接关系，所述连接关系表征具备上下游关系的流量结之间的流量流通通路，所述流量结分布图中的流量结与所述流量分布图中的流量具备唯一的空间对应关系；基于每一节点对应的第一图嵌入信息以及下述至少一个图信息，确定所述每一节点的权重；所述图信息包括：所述每一节点的下游邻居对应的第二图嵌入信息、所述每一节点在所述流量结分布图中对应的流量结的图嵌入信息、所述每一节点的下游邻居在所述流量结分布图中对应的流量结的图嵌入信息、基于所述每一节点的下游邻居的流出方向在所述流量结分布图中确定出的流量结的图嵌入信息。
26.在一些可能的实施方式中，所述流量贡献度预测模块，用于将所述流量分布图中各所述第一节点的流量以及各所述第二节点的初测流量输入第一网络，得到所述流量分布图中所述每一节点的信息传播量；所述修正模块，用于将所述流量分布图和所述目标时段输入第二网络，得到所述每一节点对应的状态信息；将所述每一节点的信息传播量和所述每一节点对应的状态信息输入第三网络，得到所述每一第二节点的目标预测流量。
27.在一些可能的实施方式中，所述第一网络、所述第二网络和所述第三网络形成端到端网络，所述端到端网络基于下述至少一个损失训练得到：基于任一样本节点的目标预测流量与所述任一样本节点的真实流量之间的差异所确定的第一损失；基于流入任一样本节点的总流量与流出所述任一样本节点的总流量之间的差异所确定的第二损失。
28.根据本公开的另一些实施例中，还提供了一种计算机可读存储介质，所述计算机
可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现上述一些实施例中任意一项所述的一种流量预测方法。
29.根据本公开的另一些实施例中，还提供了计算机程序或指令，该计算机程序或指令被处理器执行时实现上述一些实施例的一种流量预测方法。
30.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
31.根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
32.为了更清楚地说明本说明书实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
33.图1示出根据本公开实施例的一种流量预测方法的流程图；
34.图2示出根据本公开实施例的流量分布场景图；
35.图3示出根据本公开实施例的流量分布图示意图；
36.图4示出根据本公开实施例的流量初步预测方法流程示意图；
37.图5示出根据本公开实施例的目标预测流量确定方法示意图；
38.图6示出根据本公开实施例的基于端到端网络进行路网车流量预测的流程示意图；
39.图7示出根据本公开实施例的流量预测装置框图；
40.图8示出根据本公开实施例的一种电子设备的框图；
41.图9示出根据本公开实施例的另一种电子设备的框图。
具体实施方式
42.下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
43.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
44.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除
非特别指出，不必按比例绘制附图。
45.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
46.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
47.另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
48.相关技术中可以进行流量预测，比如，水流量预测、车流量预测、人流量预测等，以车流量预测为例，在进行预测环节存在下述主要问题：
49.首先，历史信息不可用。交通参数无论是速度还是流量，在时间维度上都具有明显的周期性，表现出如早高峰和晚高峰等周期性的现象，然而，对于缺少观测设备的道路而言，其流量数据是持续缺失的，而相关技术基于神经网络预测这些道路的车流量需要基于这些道路的历史车流量作为基础数据，但是这一基础数据是难以获得的。
50.第二，数据空间不平滑。城市交义口中即便是处于同一个交叉口同一个进口道方向不同转向的流量，也可能会有很大的差异。这表现出了数据在空间上的不平滑性质。而很多相关技术中是通过空间上相邻交叉口的车流量来反推上述道路的交通流量，这类方法是基于空间平滑性质的假设为前提的，也就是说，这类方法在实际使用的时候会由于空间不平滑导致预测准确度的下降。
51.第三，无法观察支路流量。交通流量是守恒的，即车辆在进入一个路段后不会凭空消失，但是有可能会进入道路中的某个车位，或者从该道路的中间的小巷子离开，而这种情况难以预知，这进一步为基于流量守恒原则预测车流量带来了障碍。
52.当然，除去车流预测之外，其他类型的流量预测也可能存在上述的至少一个问题从而导致相关技术中的流量预测方案缺少实施条件或者预测准确度下降，因此，本公开提供一种流量预测方案。
53.图1示出根据本公开实施例的一种流量预测方法的流程图，如图1所示，上述方法包括：
54.s101：获取目标时段下的流量分布图，上述流量分布图包括指示交叉口处各方向上流量的节点以及相邻节点之间的连接关系，上述连接关系表征具备上下游关系的节点之间的流量流通通路，上述流量分布图中第一节点和第二节点分别为已知流量的节点和未知流量的节点。
55.本公开并不限定流量预测的实施场景，其可以应用于各种流量预测，比如液体流量、人流量、车流量、数据流量等，某一方向的流量是本公开中进行流量预测的最小单位，本公开以车流量预测为例进行详述，在车流量预测场景下，路段是一个进行流量管理的空间单位，路段代表了两个相邻交叉口的连接段，为了方便表达，可以以路段s为上游的交叉口c1和下游的交叉口c2之间的连接段为例，对于路段s，其流入下游的交叉口c2的流量存在三个，这三个流量分别为左转方向的流量、直行方向的流量和右转方向的流量，而交叉口是多
路段汇聚的位置，如果该交叉口为十字路口，则表征该交叉口存在四个路段汇聚，则该交叉口处存在3*4＝12个方向的流量，如果该交叉口为丁字路口，则表征该交叉口存在三个路段汇聚，则该交叉口处存在3*3＝9个方向的流量。
56.图2示出根据本公开实施例的流量分布场景图，图3示出根据本公开实施例的流量分布图示意图。图2和图3中仅仅示出了与节点m6有直接关联的节点，而对于其他节点未做展示。图2中包括3个交叉路口和11个流量，每个流量包括流入边和流出边，图2中的每个流量在图3的流量分布图中对应一个节点。
57.具体来说，第一个交叉路口i1处有3个流量，分别为m1、m2、m3，这分别对应于图3中的节点1、节点2和节点3，第二个交叉路口i2处有5个流量，分别为m4、m5、m6、m7、m8，这分别对应于图3中的节点4、节点5、节点6、节点7和节点8，第三个交叉路口i3处有3个流量，分别为图2中的m9、m10、m11，这分别对应于图3中的节点9、节点10和节点11。本公开实施例中对于目标节点，上述目标节点为上述流量分布图中的任意一个节点，可以确定出该目标节点的上游节点和下游节点，本公开实施例将两类节点定义为上游节点，第一类上游节点的流出边与该目标节点的流入边连通并且与该目标节点相邻，第二类上游节点与该目标节点一起分流某个第一类上游节点的流量，下游节点的流入边与该目标节点的流出边连通，因此，目标节点的流量流入下游节点。
58.本公开中目标节点的邻居的概念指的是流量分布图中与目标节点相邻的节点。以图3中的节点6为目标节点为例，节点1、节点2、节点3、节点4和节点5为该目标节点的上游节点并且是上游方向的邻居，而节点1、节点2、节点3的流量汇入目标节点，也就是对目标节点的流量的增加具有正向作用，故节点1、节点2、节点3为目标节点的正相关邻居，节点4和节点5分流目标节点的流量，因此是目标节点的负相关邻居。
59.s102：基于流量守恒约束和每一第一节点的流量，确定每一第二节点的初测流量。
60.为了基于流量分布图中已知流量的节点，对该流量分布图中未知流量的节点进行流量预测，可以在步骤s102中进行初步的流量补全，为每个第二节点(未知流量的节点)初步预测一个流量值，即初测流量，这一过程也称为流量补全。该初测流量的预测虽然考虑到流量守恒约束，但是并未考虑到各个节点之间更为深入的信息流通关系，因此，相较于最终预测得到的目标预测流量而言是不甚精准的，可以认为是粗流量。流量守恒约束在图2和图3对应的场景中可以被理解为流入某个路段的总流量在同一个时段约等于该路段流出的总流量。以图2中的流量m6为例：在上游方向上中有m6+m5+m4≈m1+m2+m3；同样在下游方向上中有m6+m7+m8≈m9+m10+m11。
61.在进行流量补全的过程中，可以对各上述第二节点逐个进行流量初步预测，每次选择各上述第二节点中的其中一个目标进行针对该目标的流量初步预测，直至完成所有第二节点的流量初步预测。具体地，上述流量初步预测的具体方法如图4所示，包括下述步骤：
62.s201：确定第三节点，上述第三节点为尚未被赋予初测流量的第二节点。
63.随着流量补全过程的进行，被赋予初测流量的第二节点会越来越多，在每次进行流量初步预测时，首先需要确定尚未被赋予初测流量的第二节点，即第三节点。
64.s202：确定每一第三节点每一方向对应的缺失节点和流量参考节点，上述缺失节点为上述每一第三节点在上述每一方向上相邻的其他第三节点，上述流量参考节点为在上述每一方向上与上述每一第三节点相邻并且不属于上述缺失节点的其他节点。
65.在流量分布图中，只存在两个方向，上游方向和下游方向，因此，本步骤中需要确定每一第三节点在上游方向对应的缺失节点和流量参考节点，以及确定每一第三节点在下游方向对应的缺失节点和流量参考节点。
66.该缺失节点可以被认为是该每一第三节点在上游方向或者下游方向的未知邻居，即该每一第三节点的邻居中尚未被赋予初测流量的未知流量节点，而流量参考节点是该每一第三节点在上游方向或者下游方向的已知邻居，该流量参考节点可以是已知流量的第一节点，也可以是被赋予过初测流量的第二节点。
67.以图3中的节点6为例，该节点6在上游方向的邻居为节点1至节点5，如果只有节点5已知流量，节点1至节点4均为尚未被赋予初测流量的第二节点，则节点1至节点4就是节点6在上游方向的缺失节点，而节点5是节点6在上游方向的流量参考节点。
68.s203：将具备最少的缺失节点的第三节点确定为第四节点，以及确定对应于上述最少缺失节点的目标方向。
69.以图3中的节点6上游方向存在4个缺失节点，下游方向存在2个缺失节点，而节点11只在上游方向存在1个缺失节点为例，节点11在上游方向的缺失节点数量最少，则可以将该节点11作为第四节点，并且将上游方向确定为该目标方向。
70.s204：基于上述流量守恒约束和上述第四节点在上述目标方向对应的流量参考节点，确定上述第四节点的初测流量。
71.通过在每次进行流量初步预测的时候基于流量信息缺失最少原则选择第四节点以及目标方向，然后在目标方向上利用流量守恒约束即可对第四节点进行初步流量预测，可以充分利用已知的流量信息提升初步流量的预测的准确度，而初步流量预测准确有利于最终得到准确的目标预测流量。
72.本公开并不限定基于上述流量守恒约束和上述第四节点在上述目标方向对应的流量参考节点，确定上述第四节点的初测流量的具体方法，比如，针对以下游方向作为目标方向的情况，如果下游方向存在若干下游负相关邻居也尚未被赋予初测流量，则可以假定上述若干下游负相关邻居平分流量，从而基于上述流量守恒约束确定上述第四节点的初测流量。或者针对上游方向作为目标方向的情况，如果存在若干上游正相关邻居也尚未被赋予初测流量的情况，则可以假定上述若干上游正相关邻居与已知的某个上游邻居同等程度贡献流量，从而基于上述流量守恒约束确定上述第四节点的初测流量。
73.在一个实施例中，上述基于上述流量守恒约束和上述第四节点在上述目标方向对应的流量参考节点，确定上述第四节点的初测流量，包括：基于上述流量守恒约束、预设约束和上述第四节点在上述目标方向对应的流量参考节点，确定上述第四节点的初测流量；上述预设约束包括下述至少一个：
74.限定每一正相关未知邻居的流量为上述目标时段关联的流量平均值的第一约束，上述正相关未知邻居为上述第四节点的、未知流量并且尚未被赋予初测流量的正相关邻居。正相关邻居的概念前文有述，在此不做赘言。
75.限定剩余流量在每一负相关未知邻居之间平均分配的第二约束，上述负相关未知邻居为上述第四节点的、未知流量并且尚未被赋予初测流量的负相关邻居，上述剩余流量为流入上述第四节点的总流量与已知流量总和的差值，上述已知流量总和为上述第四节点的负相关已知邻居的流量总和。负相关已知邻居为已知流量或者已经被赋予初测流量的负
相关邻居，负相关邻居的概念前文有述，在此不做赘言。
76.通过结合第一约束或者第二约束，可以在目标方向基于第四节点的流量参考节点的流量建立流量守恒等式，从而计算出第四节点的初测流量。第一约束和第二约束的假定有利于推定出合理的初测流量，从而为后续的精准流量预测建立了数据基础。
77.s103：基于上述流量分布图中各上述第一节点的流量以及各上述第二节点的初测流量，确定上述流量分布图中每一节点的权重，上述权重表征上述每一节点对下游节点的流量贡献度。
78.本公开实施例并不限定权重的确定方式，比如可以基于经验结合场景进行确定，举个例子，对于车流量预测场景，如果某一节点附近存在学校，则可以判断该节点在放学时段对下游节点的流量贡献度很大，如果某一节点附近有大会堂，而重要会议都会在该大会堂召开，则结束会议的时段该节点对下游的流量贡献度也会很大，如果某一节点附近都是树林没有聚集场所，可以判定该节点对下游节点的流量贡献度很小。
79.在一个实施例中，可以基于上述流量分布图中各上述第一节点的流量以及各上述第二节点的初测流量，并结合上述流量分布图的拓扑，对上述流量分布图进行基于节点空间相关性的信息提取，得到上述每一节点对应的空间相关性信息；对上述每一节点对应的空间相关性信息进行信息聚合，得到上述每一节点的权重。具体来说，该基于节点空间相关性的信息提取的目的在于得到流量分布图中每个节点的相关性信息，该相关性信息是充分考虑到该节点在流量分布图中的拓扑位置、该节点及其邻居节点的流量(包括已知流量和初测流量)基础上得到的，该相关性信息体现了节点与邻居节点之间的流量关系，然后基于该相关性信息可以确定节点对下游邻居的流量贡献度，从而从数据角度和拓扑角度来综合确定每一节点对下游节点的流量贡献度，基于该流量贡献度调整初测流量可以得到准确的流量预测值。
80.本公开实施例并不限定基于上述流量分布图中各上述第一节点的流量以及各上述第二节点的初测流量，并结合上述流量分布图的拓扑，对上述流量分布图进行基于节点空间相关性的信息提取，得到上述每一节点对应的空间相关性信息的具体方法，比如，基于图嵌入算法，根据上述流量分布图中各上述第一节点的流量以及各上述第二节点的初测流量，依照上述流量分布图的拓扑，对上述流量分布图进行基于节点空间相关性的信息提取，得到上述每一节点对应的图嵌入信息，该图嵌入信息即为上述空间相关性信息的表达结果。上述对上述每一节点对应的空间相关性信息进行信息聚合，得到上述每一节点的权重，包括：基于图关注机制对上述每一节点对应的图嵌入信息进行信息聚合，得到上述每一节点的权重。
81.对于城市交叉口来说，不同的流量之间有较大的流量差异是很常见的，表现为空间不平滑问题，常见于主路和小路汇合的交叉口以及不同功能区域之间的交汇处。为了获得流量节点之间的复杂动态的关联关系，在经过上一步骤后，已知流量节点本身就存在流量，未知流量节点被补充了初测流量，因此对流量分布图，该流量分布图中每个节点都有对应的流量，基于每个节点对应的流量结合节点拓扑，通过图嵌入算法可以获得节点的图嵌入信息，本公开实施例并不限定图嵌入算法具体的内容，可以参考相关技术，比如可以使用node2vec。node2vec是一种结合深度遍历和广度遍历的图表示方法。由于流量节点之间缺乏有区分度的特征，本公开可以选择node2vec这种图嵌入方法。这种图嵌入方法相对于其
他注重节点特征的图嵌入方法而言，会更注重节点之间的关系。基于流量分布图中节点的流量确定node2vec随机游走阶段使用的权重。当然，node2vec可替换为相关技术中的其他图表示算法。对流量分布图进行图嵌入信息的提取，可以在充分考虑到流量分布图的拓扑和流量分布的情况下，得到每个节点的空间相关性信息，这一信息有助于准确确定每个节点对其自身下游节点的流量贡献度。
82.在一个实施例中，还可以基于流量分布图对应得到流量结分布图，上述流量结包括流量的至少两个流入边和至少两个流出边，上述流量结分布图中的流量结与上述流量分布图中的流量具备唯一的空间对应关系，流量结可以被认为是流量的汇聚之处，以图3为例，m1-m11为流量，则i1-i3即为流量结，基于流量分布图，参考空间拓扑和流量流向即可得到流量结分布图，由于在流量分布图中每个节点的流量可以被唯一确定，而流量结是流量的汇聚位置，因此基于流量分布图可以确定流量结分布图中每个流量结的流量，也就是说，流量结分布图中每个流量结的流量也是已知的，基于前文中根据流量分布图计算其每个节点的图嵌入信息的相同构思，也可以计算每个流量结对应的流量结图嵌入信息。
83.针对流量分布图的每一节点，可以从上述每一节点的出度方向确定上述每一节点对应的邻居节点；根据上述邻居节点的空间相关性信息的融合结果，确定上述每一节点在出度方向对应的权重。当然，这一过程可以考虑到每个节点流量，该流量可以通过上采样、全连接等方式被转换为生成上述权重时的有用信息。通过在出度方向确定邻居节点，可以使得下游节点的空间相关性信息被用于影响节点的权重，从而使得节点的权重更能够表达出节点对下游节点的流量贡献度。
84.基于每一节点对应的第一图嵌入信息以及下述至少一个图信息，确定上述每一节点的权重；上述图信息包括：上述每一节点的下游邻居对应的第二图嵌入信息、上述每一节点在上述流量结分布图中对应的流量结的图嵌入信息、上述每一节点的下游邻居在上述流量结分布图中对应的流量结的图嵌入信息、基于上述每一节点的下游邻居的流出方向在上述流量结分布图中确定出的流量结的图嵌入信息。其中，上述流量结分布图中的流量结与上述流量分布图中的流量具备唯一的空间对应关系，每一上述流量结包括流量的至少两个流入边和至少两个流出边。基于上述内容计算得到的每一节点的权重，可以作为流量分布图中该节点出度方向的权重，用于表征该节点对下游节点的流量贡献度，在权重计算过程中综合考虑到各种因素，比如流量或流量结的拓扑分布，在流量粒度和流量结粒度上的流量流向分布，通过综合考虑各种信息提升权重预测的准确度。
85.在一个具体的实施方式中，以图2和图3的场景为例，可以通过以下六个输入确定目标节点的权重，目标节点为流量分布图的任意节点：
86.(1)目标节点的第一图嵌入信息e
mi
；
87.(2)下游邻居对应的第二图嵌入信息e
mj
；
88.(3)目标节点所处的交叉口的流量结的图嵌入信息e
ii
；
89.(4)下游邻居在上述流量结分布图中对应的流量结的图嵌入信息e
ij
；
90.(5)下游邻居所指方向上的下一个交叉口的流量结的图嵌入信息e
inext
；
91.(6)随机初始化的时隙嵌入向量e
t
，时隙嵌入向量的粒度可以自主设定，比如可以为一小时。即属于同一小时的时间间隙会共享同一个时隙嵌入向量。通过将这些输入融合起来可以学习目标节点的权重，当然，本公开不限定融合方式，比如，可以拼接、卷积、加和、
乘积等。加入e
inext
是为了使下游邻居具有区分度的同时增加更多的路径信息，因为在计算来自同一方向的不同邻居的权重时，e
ii
和e
ij
是一样的。此外，增加一个交叉点e
inext
可以使模型更好地捕捉到路网中关键路径的信息。而由于发生数据缺失的位置的流量很可能是持续缺失的，这会导致缺失节点的图嵌入信息难以被模型所感知到，而根据前文方法得到的相关下游邻居对应的图嵌入向量的分布是相似的，这就可以根据从已知流量的节点中学到的相邻关系泛化到存在数据缺失的节点，提高权重的预测能力。
92.s104：基于上述每一节点的权重，对上述每一第二节点的初测流量进行修正，确定上述每一第二节点的目标预测流量。
93.基于上述配置，本公开实施例通过粗补流量结合每一节点的权重，完成了对于粗补流量的修正，该权重准确衡量出了每一节点对于下游节点的流量贡献度，由此可以得到精确的目标预测流量，不论是粗补流量的设计还是流量贡献度概念的提出都充分考虑到流量守恒约束，从而可以得到准确的预测结果，并且不受历史流量缺陷或者数据不平滑等因素的影响。
94.在一个实施例中，如图5所示，其示出目标预测流量确定方法示意图，上述基于上述每一节点的权重，对上述每一第二节点的初测流量进行修正，确定上述每一第二节点的目标预测流量，包括：
95.s1041：基于上述每一节点的权重、各上述第一节点的流量和各上述第二节点的初测流量，确定每一节点的信息传播量，上述信息传播量表征上述每一节点接收上游的流量并向下游传播的流量。
96.本公开实施例并不限定信息传播量的确定方法，比如，可以将每一节点的权重、各上述第一节点的流量和各上述第二节点的初测流量进行融合，得到每一节点的信息传播量，当然本公开并不对融合方法进行限定，比如，可以进行卷积、求和、加权求和、非线性激活等方式来进行融合。
97.在前文得到每个节点的权重后，还可以将每一节点的权重以及该每一节点的正相关邻居所对应的权重进行融合，将得到的融合后权重与各上述第一节点的流量和各上述第二节点的初测流量继续融合，得到每一节点的信息传播量。对权重的融合过程也可以被理解为对权重的修正过程，其本质上是对来自正相关邻居的流量进行分配，提升权重对于节点流量贡献度的表征能力。本公开实施例并不限定融合的具体方法，比如，其可以通过归一化、加权求和和/或非线性叠加实现。
98.s1042：根据上述每一节点的信息传播量，确定上述每一第二节点的目标预测流量。
99.本公开并不限定基于信息传播量确定目标预测流量的方法，比如，可以直接基于信息传播量得到目标预测流量，或者在信息传播量的基础上叠加一些扰动或者噪声，得到更为平滑的目标预测流量。基于上述配置，通过融合每一节点的流量贡献度、各上述第一节点的真实流量以及各上述第二节点的初测流量，可以确定每一节点接收上游的流量并向下游传播的信息传播量，基于该信息传播量即可准确确定出第二节点的目标预测流量，这一预测过程充分考虑到节点的拓扑分布，相邻节点之间的拓扑、流量以及语义的多重关系，从而得到准确的预测结果。
100.在一个具体的实施例中，上述根据上述每一节点的信息传播量，确定上述每一第
二节点的目标预测流量，包括：
101.s10421：确定上述每一节点对应的状态信息，上述状态信息包括下述至少一个：上述每一节点的流量的流向与上述目标时段的关系信息、上述每一节点与流量相关的静态场景信息。
102.为了进一步提升流量预测准确度，以及基于流量预测结果可以分析出流量分布图范围内不可观测的支路流量，可以引入状态信息以进一步提升流量预测的准确度，本公开并不对状态信息进行限定。比如，该状态信息可以包括节点对应的道路的可能存在支路的兴趣点特征或者车道本身的特征，比如车道数和道路等级等。并且车流量与时间关联度很高，因此，还可以将目标时段这一信息的影响力考虑进去。
103.s10422：基于上述每一节点对应的状态信息和上述每一节点的信息传播量，确定上述每一第二节点的目标预测流量。
104.具体来说，可以基于前文得到每一节点的状态信息，比如，该状态信息可以被表达为该节点的特征向量，将该特征向量与该节点的信息传播量融合，并根据融合的结果预测每个节点的流量，当然，由于第一节点的流量是已知的，因此，可以保留预测到的第二节点的目标预测流量。本公开并不限定融合方法，比如，可以相加、拼接、卷积等。基于前文配置，可以在进行流量预测的时候不仅考虑到节点之间的拓扑信息、流量流向关系，还可以考虑到静态信息，比如流量与目标时段的关系，节点有关的场景信息，从而进一步提升目标预测流量的准确度。
105.进一步地，还可以基于上述每一第一节点的流量和上述每一第二节点的目标预测流量，确定支路流量，上述支路流量为存在于基于上述流量分布图所确定的范围内的流量，并且上述支路流量不属于上述流量分布图中的节点所对应的流量。由于前文预测得到了每个第二节点的目标预测流量，并且已知各上述第一节点的真实流量，基于流量守恒约束可知，针对流量分布图中的某个节点而言，如果流入该某个节点的流量和流出该某个节点的流量不等，则说明该节点所在的通路中间存在支路，从该支路流入或流出了部分流量，基于每个第一节点的真实流量和每个第二节点的目标预测流量，可以确定支路流量。举个例子，对于路段a，流入该路段的流量所对应的节点的真实流量是t1，流出该路段的流量所对应的节点的目标预测流量是t2，而t1明显大于t2，则说明，路段a中存在至少一个支路，存在t1-t2的流量从上述至少一个支路中流出路段a。再比如，对于路段b，流入该路段的流量所对应的节点的目标预测流量是t3，流出该路段的流量所对应的节点的真实流量是t4，而t3明显小于t4，则说明，路段b中存在至少一个支路，存在t4-t3的流量从上述至少一个支路中流入路段b。基于这一配置，不仅仅可以确定位于流量分布图中的第二节点处的流量，还可以确定出流量分布图中无法表达出的支路的流量情况。
106.本公开实施例前文给出了流量预测具体方法，在实际的预测过程中，可以基于端到端的网络来进行流量预测，该端到端的网络至少包括依次连接的第一网络、第二网络、第三网络，具体来说，将上述流量分布图中各上述第一节点的流量以及各上述第二节点的初测流量输入第一网络，得到上述流量分布图中上述每一节点的信息传播量；将上述流量分布图和上述目标时段输入第二网络，得到上述每一节点对应的状态信息；将上述每一节点的信息传播量和上述每一节点对应的状态信息输入第三网络，得到上述每一第二节点的目标预测流量。通过基于端到端的神经网络可以直接得到节点流量预测结果，并且具备较高
的准确度。
107.如图6所示，其示出以路网车流量预测为例的基于上述端到端网络执行本公开方法的具体步骤：
108.步骤一：上述流量分布图中各上述第一节点的流量以及各上述第二节点的初测流量输入第一网络，当然该第一网络还获知流量分布图的拓扑信息。该第一网络输出目标时段内每个节点的信息传播量。当然本公开并不限定目标时段的大小，可以自行设定。
109.在一个实施例中，该第一网络中可以执行下述步骤：
110.(1)使用node2vec为每个节点生成图嵌入信息。
111.(2)对每个节点的流量通过共享的上采样全连接转换为该节点的第一特征向量。
112.(3)每个节点和其邻居的第一特征向量进行特征拼接，还拼接一些其他信息，该其他信息包括node2vec得到的流量结图嵌入信息、节点的图嵌入信息以及目标时段对应的时间向量。
113.(4)将拼接后的向量通过元学习网络得到每个节点对应的权重。
114.(5)按照每个节点的出度方向对权重进行归一化。
115.(6)按照归一化后的权重对前文的第一特征向量进行加权求和以及非线性激活函数的计算，得到每个节点的信息传播量。
116.步骤二：将上述流量分布图和上述目标时段输入第二网络，得到上述每一节点对应的状态信息。
117.步骤三：将上述每一节点的信息传播量和上述每一节点对应的状态信息输入第三网络，得到上述每一第二节点的目标预测流量。
118.在一个实施例中，该第三网络中可以执行下述步骤：
119.(i)输入每个节点的状态信息，通过全连接操作得到状态信息指向的第二特征向量。
120.(ii)对信息传播量以及第二特征向量进行相加。
121.(iii)把相加后的信息输入lstm(长短期记忆人工神经网络，long short-term memory)，预测每一节点在目标时段的目标预测流量，当然，lstm可替换为其他时间序列子网络。
122.本公开并不限定上述端到端的网络的训练方法，在训练阶段可以预测样本节点的流量，并通过设计该端到端网络的损失函数，结合样本节点的流量的预测结果，计算模型损失，并根据模型损失反馈调节该端到端网络的参数直至达到收敛条件即可，当然，本公开并不限定损失函数的设计方法，只要遵守流量守恒约束即可。
123.在一个实施例中，上述端到端网络基于下述至少一个损失训练得到：
124.基于任一样本节点的目标预测流量与上述任一样本节点的真实流量之间的差异所确定的第一损失。基于流入任一样本节点的总流量与流出上述任一样本节点的总流量之间的差异所确定的第二损失。
125.如果该任一样本节点属于第一样本节点，则可以根据该任一样本节点的目标预测流量与上述任一样本节点的真实流量之间的差异所确定的第一损失。对于支路流量，当在上游或下游方向上所有正负相关的邻居的流量情况都是已知的时候，可以确定出支路流量的真值，从而基于该真值与预测出的支路流量之间的差异调整模型参数。在一些情况下，可
以基于第一损失和第二损失来确定该端到端网络的损失函数，具体来说，可以通过第一损失和第二损失的加权求和的方式得到这一损失函数，权值可以自行设定，经过实验，设定第一损失与第二损失的权重比为8:1的情况下可以得到较好的收敛效果。
126.通过上述损失函数训练得到的端到端的网络，可以被用于对持续缺失或间断缺失的流量进行流量补全预测，并且在进行流量补全预测的过程中充分关注了各节点的潜在空间关系与对下游节点的流量影响，具备很好地预测准确度。并且，本公开的流量预测的方法粒度很小可以适应空间不平滑的问题，并且不依赖于存在流量缺失的节点的真实历史流量，在训练阶段也允许存在不知晓真实流量的样本节点，并不影响模型的预测能力。
127.可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
128.此外，本公开还提供了流量预测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种流量预测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
129.图7示出根据本公开实施例的一种流量预测装置。如图7所示，应用于服务器，上述装置包括：
130.流量分布图获取模块101，用于获取目标时段下的流量分布图，上述流量分布图包括指示交叉口处各方向上流量的节点以及相邻节点之间的连接关系，上述连接关系表征具备上下游关系的节点之间的流量流通通路，上述流量分布图中第一节点和第二节点分别为已知流量的节点和未知流量的节点；
131.初测模块102，用于基于流量守恒约束和每一第一节点的流量，确定每一第二节点的初测流量；
132.流量贡献度预测模块103，用于基于上述流量分布图中各上述第一节点的流量以及各上述第二节点的初测流量，确定上述流量分布图中每一节点的权重，上述权重表征上述每一节点对下游节点的流量贡献度；
133.修正模块104，用于基于上述每一节点的权重，对上述每一第二节点的初测流量进行修正，确定上述每一第二节点的目标预测流量。
134.在一些可能的实施方式中，上述流量贡献度预测模块，用于基于上述流量分布图中各上述第一节点的流量以及各上述第二节点的初测流量，并结合上述流量分布图的拓扑，对上述流量分布图进行基于节点空间相关性的信息提取，得到上述每一节点对应的空间相关性信息；对上述每一节点对应的空间相关性信息进行信息聚合，得到上述每一节点的权重。
135.在一些可能的实施方式中，上述流量贡献度预测模块，用于针对上述每一节点，从上述每一节点的出度方向确定上述每一节点对应的邻居节点；根据上述邻居节点的空间相关性信息的融合结果，确定上述每一节点在出度方向对应的权重。
136.在一些可能的实施方式中，上述修正模块，用于基于上述每一节点的权重、各上述第一节点的流量和各上述第二节点的初测流量，确定每一节点的信息传播量，上述信息传播量表征上述每一节点接收上游的流量并向下游传播的流量；根据上述每一节点的信息传播量，确定上述每一第二节点的目标预测流量。
137.在一些可能的实施方式中，上述修正模块，用于确定上述每一节点对应的状态信
息，上述状态信息包括下述至少一个：上述每一节点的流量的流向与上述目标时段的关系信息、上述每一节点与流量相关的静态场景信息；基于上述每一节点对应的状态信息和上述每一节点的信息传播量，确定上述每一第二节点的目标预测流量。
138.在一些可能的实施方式中，上述修正模块，用于基于上述每一第一节点的流量和上述每一第二节点的目标预测流量，确定支路流量，上述支路流量为存在于基于上述流量分布图所确定的范围内的流量，并且上述支路流量不属于上述流量分布图中的节点所对应的流量。
139.在一些可能的实施方式中，上述初测模块，用于确定第三节点，上述第三节点为尚未被赋予初测流量的第二节点；确定每一第三节点每一方向对应的缺失节点和流量参考节点，上述缺失节点为上述每一第三节点在上述每一方向上相邻的其他第三节点，上述流量参考节点为在上述每一方向上与上述每一第三节点相邻并且不属于上述缺失节点的其他节点；将具备最少的缺失节点的第三节点确定为第四节点，以及确定对应于上述最少缺失节点的目标方向；基于上述流量守恒约束和上述第四节点在上述目标方向对应的流量参考节点，确定上述第四节点的初测流量。
140.在一些可能的实施方式中，上述初测模块，用于基于上述流量守恒约束、预设约束和上述第四节点在上述目标方向对应的流量参考节点，确定上述第四节点的初测流量；上述预设约束包括下述至少一个：限定每一正相关未知邻居的流量为上述目标时段关联的流量平均值的第一约束，上述正相关未知邻居为上述第四节点的、未知流量并且尚未被赋予初测流量的正相关邻居；限定剩余流量在每一负相关未知邻居之间平均分配的第二约束，上述负相关未知邻居为上述第四节点的、未知流量并且尚未被赋予初测流量的负相关邻居，上述剩余流量为流入上述第四节点的总流量与已知流量总和的差值，上述已知流量总和为上述第四节点的负相关已知邻居的流量总和。
141.在一些可能的实施方式中，上述流量贡献度预测模块，用于基于图嵌入算法，根据上述流量分布图中各上述第一节点的流量以及各上述第二节点的初测流量，依照上述流量分布图的拓扑，对上述流量分布图进行基于节点空间相关性的信息提取，得到上述每一节点对应的图嵌入信息，上述图嵌入信息为上述空间相关性信息的表达结果；上述对上述每一节点对应的空间相关性信息进行信息聚合，得到上述每一节点的权重，包括：基于图关注机制对上述每一节点对应的图嵌入信息进行信息聚合，得到上述每一节点的权重。
142.在一些可能的实施方式中，上述流量贡献度预测模块，用于获取流量结分布图以及每一流量结对应的图嵌入信息，上述流量结包括交叉口对应的流量结，以及相邻流量结之间的连接关系，上述连接关系表征具备上下游关系的流量结之间的流量流通通路，上述流量结分布图中的流量结与上述流量分布图中的流量具备唯一的空间对应关系；基于每一节点对应的第一图嵌入信息以及下述至少一个图信息，确定上述每一节点的权重；上述图信息包括：上述每一节点的下游邻居对应的第二图嵌入信息、上述每一节点在上述流量结分布图中对应的流量结的图嵌入信息、上述每一节点的下游邻居在上述流量结分布图中对应的流量结的图嵌入信息、基于上述每一节点的下游邻居的流出方向在上述流量结分布图中确定出的流量结的图嵌入信息。
143.在一些可能的实施方式中，上述流量贡献度预测模块，用于将上述流量分布图中各上述第一节点的流量以及各上述第二节点的初测流量输入第一网络，得到上述流量分布
图中上述每一节点的信息传播量；上述修正模块，用于将上述流量分布图和上述目标时段输入第二网络，得到上述每一节点对应的状态信息；将上述每一节点的信息传播量和上述每一节点对应的状态信息输入第三网络，得到上述每一第二节点的目标预测流量。
144.在一些可能的实施方式中，上述第一网络、上述第二网络和上述第三网络形成端到端网络，上述端到端网络基于下述至少一个损失训练得到：基于任一样本节点的目标预测流量与上述任一样本节点的真实流量之间的差异所确定的第一损失；基于流入任一样本节点的总流量与流出上述任一样本节点的总流量之间的差异所确定的第二损失。
145.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
146.本公开实施例还提出一种计算机可读存储介质，上述计算机可读存储介质中存储有至少一条指令或至少一段程序，上述至少一条指令或至少一段程序由处理器加载并执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
147.根据本公开的另一些实施例中，还提供了计算机程序或指令，该计算机程序或指令被处理器执行时实现上述的一种流量预测方法。
148.本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，上述处理器被配置为上述方法。
149.电子设备可以被提供为终端、服务器或其它形态的设备。
150.图8示出根据本公开实施例的一种电子设备的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
151.参照图8，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
152.处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
153.存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
154.电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
155.多媒体组件808包括在上述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面
板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。上述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与上述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
156.音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
157.i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
158.传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如上述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
159.通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g、3g、4g、5g或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，上述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
160.在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
161.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
162.图9示出根据本公开实施例的另一种电子设备的框图。例如，电子设备1900可以被提供为一服务器。参照图9，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
163.电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源
管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如windows servertm，mac os xtm，unixtm,linuxtm，freebsdtm或类似。
164.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
165.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
166.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
167.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
168.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标对象代码，上述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
169.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
170.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
171.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
172.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，上述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
173.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。