使用元学习的方式来增强交通预测算法的性能的方法

本申请涉及计算机，特别是涉及一种使用元学习的方式来增强交通预测算法的性能的方法。

背景技术：

1、在执行交通预测领域下的预测任务时，如执行对某个道路段的交通速度预测任务时，目前的交通预测算法主要通过捕获交通预测领域的特定知识（如交通事故、路况等），来确定预测结果。

2、然而，目前的交通预测算法捕获到的交通预测领域特定知识所能表征的影响因素有限，使得确定出的预测结果精度较低，以致算法性能不佳。

技术实现思路

1、本申请实施例的目的是提供一种使用元学习的方式来增强交通预测算法的性能的方法，可以增强交通预测算法的性能。

2、为解决上述技术问题，第一方面，本申请实施例提供一种使用元学习的方式来增强交通预测算法的性能的方法，所述方法包括：

3、获取目标模型融合块；

4、通过将所述交通预测领域下预测任务的采集数据输入至所述目标模型融合块，得到所述交通预测领域下预测任务的预测结果；

5、其中，所述目标模型融合块包括：

6、元模型，用于捕获领域共享知识，所述领域共享知识用于表征包含所述交通预测领域在内的不同城市预测领域的共同影响因素；

7、交通预测领域特定模型，用于捕获交通预测领域特定知识，所述交通预测领域特定知识用于表征所述交通预测领域的特定影响因素；

8、知识融合单元，用于结合所述领域共享知识和所述交通预测领域特定知识，确定所述交通预测领域下预测任务的预测结果。

9、本申请实施例的第二方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如第一方面所述的使用元学习的方式来增强交通预测算法的性能的方法的步骤。

10、本申请实施例的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现如第一方面所述的使用元学习的方式来增强交通预测算法的性能的方法的步骤。

11、本申请实施例的第四方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的使用元学习的方式来增强交通预测算法的性能的方法的步骤。

12、由上述技术方案可以看出，本申请实施例提供了一种目标模型融合块，其能够捕获交通预测领域特定知识、以及包含交通预测领域在内的不同城市预测领域的领域共享知识，并结合所述领域共享知识和所述交通预测领域特定知识来确定交通预测领域下预测任务的预测结果，由此可以减少交通预测领域特定知识所能表征影响因素的局限性对预测结果精度的影响，从而实现对交通预测算法性能的增强。

1.一种使用元学习的方式来增强交通预测算法的性能的方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，获取目标模型融合块，包括：

3.根据权利要求2所述的方法，其特征在于，使用各个所述模型融合块共享的元模型，构建初始模型融合块，包括：

4.根据权利要求1所述的方法，其特征在于，所述目标模型融合块是基于预先训练好的与不同城市预测领域各自相关联的模型融合块得到的，各个所述模型融合块共享元模型和知识融合单元，且各个所述模型融合块各自的领域特定模型所关联的城市预测领域不同，各个所述模型融合块的领域特定模型是以并行方式与各个所述模型融合块共享的元模型连接的，以避免元模型中收集的跨领域元任务的梯度进一步反向传播到领域特定模型；

5.根据权利要求4所述的方法，其特征在于，所述元训练的训练目标表示如下：

6.根据权利要求4所述的方法，其特征在于，所述不同城市预测领域各自关联的元任务集包括：

7.根据权利要求1-6任一所述的方法，其特征在于，在所述目标模型融合块中，所述元模型是基于transformer的编码器架构进行构建的，所述知识融合单元是基于transformer的解码器架构进行构建的，所述交通预测领域特定模型是基于所述交通预测领域的经验模型进行构建的，所述经验模型为使用所述交通预测领域的经验专家知识预先训练得到的模型。

8.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1至7中任一项所述的使用元学习的方式来增强交通预测算法的性能的方法。

9.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如权利要求1至7中任一项所述的使用元学习的方式来增强交通预测算法的性能的方法。

10.一种电子设备，包括存储器、处理器及存储在所述存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1至7中任一项所述的使用元学习的方式来增强交通预测算法的性能的方法。