一种基于Transformer自适应对抗图神经网络的交通流预测方法

本发明公开了一种基于Transformer自适应对抗图神经网络的交通流预测方法，包括：将原始数据进行度嵌入算法和距离嵌入算法的嵌入操作，得到交通流数据；将交通流数据输入生成器的TDN模块进行注意力机制操作得到聚合时间信息Y；将Y作为SDGCN图神经网络的输入得到聚合空间信息Z，再将Z输入进一个具有两个隐藏层的MLP得到预测数据获取真实数据Xr，将预测数据与交通流数据X进行连接操作记为Xp，并将Xp和真实数据Xr一同输入到鉴别器中；计算鉴别器和生成器的损失函数Ld和Lg，再计算整个模型的损失函数L，最后通过随机梯度下降来更新模型的参数。本发明提高了在交通流预测上的准确性以及预测结果的全局一致性，并且在收敛速度方面具有一定优势。