一种基于多模动态记忆性图卷积网络的交通流量预测方法

本发明涉及一种基于多模动态记忆性图卷积网络的交通流量预测方法，属于智能交通技术领域。目前图卷积神经网络的方法时空相关特性提取不足、周期性特征考虑不充分、动态演变相关性捕捉不准确。为了解决上述问题，本发明首先建立了时序特征提取模块和双向记忆循环网络模块，并将捕获的时序特征融合形成综合特征向量。然后，在动态图卷积模块中，通过扩散图卷积神经网络、注意力机制和典型交通模式的融合方式，捕捉节点间的空间相关性，并生成新的动态邻接矩阵。该动态邻接矩阵能够反映随时间变化的节点连接关系。本发明通过多模动态记忆性图卷积网络动态更新邻接矩阵，更好地应对突发事件和异常情况，有效提高了交通流量预测的准确性和鲁棒性。