自适应图学习时空神经网络的交通流预测方法和系统

本发明公开了一种自适应图学习时空神经网络的交通流预测方法和系统。本发明提出一个自适应的图结构学习模块，首先，构建一个由预先定义的邻接矩阵与可训练参数直接学习的邻接矩阵组成图邻接矩阵。接着，设计一个时空注意力模块来学习时空注意力矩阵，通过堆叠多个时空层来预测交通状况，其中每个时空层在空间和时间维度上都进行卷积。同时，提出了一种两阶段训练策略来提高模型的性能。该方法能够自适应地从数据中学习交通网络的时空依赖，同时保留对预先定义结构的利用，以增强预测准确性和泛化能力。本发明在交通流预测系统中的应用表明其能够实时准确地预测交通流量，从而有效指导交通控制和优化策略的制定。