基于图卷积模型的路网交通时空状态不确定性计算方法

本发明公开了一种基于图卷积模型的路网交通时空状态不确定性计算方法，包括：采集历史交通时空数据；基于DCRNN模型构建路网交通状态点预测模型；建立描述偶然不确定性的损失函数方法，并利用历史交通时空数据，基于贝叶斯框架的MC‑Dropout对路网交通状态点预测模型进行交通状态不确定性训练，获得训练好的路网交通状态区间范围预测模型；将待预测交通时空数据输入到训练好的路网交通状态区间范围预测模型中得到预测的时间范围内的交通状态。本发明通过结合深度学习技术和贝叶斯框架，更深入有效地量化交通状态的不确定性，为交通管理和调度提供更灵活和全面的决策支持。