一种基于深度学习的城市交通拥堵预测方法及系统

本发明公开了一种基于深度学习的城市交通拥堵预测方法及系统，包括：S1：获取交通路网数据，交通路网数据包括数值型数据、道路方向、道路之间的连接关系；并对其中的数值型数据进行标准化，得到标准化后的数值型数据；S2：通过图神经网络与注意力聚合，对节点特征和边信息建模，再进行特征融合后，得到各个时刻的路网空间特征向量；S3：构建交通拥堵预测网络，对路网时间特征建模并与空间特征融合，输出拥堵程度；S4：设定交通拥堵预测网络的输入、输出以及优化目标；S5：基于自适应学习率优化算法优化交通拥堵预测网络参数；本发明解决了目前智能交通技术领域中，未全面考虑交通拥堵的时空依赖关系导致的拥堵预测准确率不足的问题。