基于时空Patch向量化的交通调度基础大模型训练方法及系统

本发明提供了一种基于时空Patch向量化的交通调度基础大模型训练方法及系统，包括：步骤S1：输入城市交通流数据，形成交通流数据网络，将交通流数据网络Patch化；步骤S2：Patch通过编码器编码，转换为Token Group，形成序列Token Groups；步骤S3：进行Transformer模型的训练与预测；步骤S4：对预测到的Tokens进行解码，面向预设任务进行调整。本发明将当前语言基础大模型训练优势应用到城市交通场景上，构建一个交通基础大模型，充分利用Transformer模型的注意力机制，解决传统深度学习在交通预测和调度问题上的缺陷，有效进行交通调度。