摘要
本发明的一种基于自监督时空Transformer模型的高速公路短时流量预测方法,包括以下步骤:S1.输入交通流量数据;S2.数据预处理;S3.模型参数设置;S4.构建网络模型,构建由时空Transformer模块、掩码自编码模块构成的自监督时空Transformer模型;S5.训练网络模型,对训练集数据遍历每种缺失方法和缺失率,分别引入缺失数据进行模型训练;S6.测试网络模型,将训练好的网络模型采用验证集数据进行测试和验证,得到最佳模型参数。通过本发明的预测方法能够更好地捕捉交通数据中的时空依赖性,通过本发明的模型增强了对缺失数据的适应能力,提高了交通流量的预测性能。
技术关键词
高速公路短时流量预测方法
编码模块
前馈神经网络
训练集数据
多头注意力机制
训练样本数据
网络模型训练
参数
误差函数
数据编码
非线性
门架
优化器
解码器