一种基于长短期时空图神经网络的交通流预测方法

本发明涉及一种基于长短期时空图神经网络的交通流预测方法，属于计算机技术领域。该方法为：输入长时间序列的交通流数据，将长时间序列划分成等长的非重叠的子序列，为了提高模型的运行效率，对子序列进行掩码重构；接着将处理后的子序列分别送入长期特征提取器、短期特征提取器与周期特征提取器，再将提取到的特征进行拼接，最终通过多层感知机进一步处理这些拼接的特征，得到最后的预测结果。该方法让子序列成为特征提取的基本单位，并引入掩码机制，使得模型使模型可以从长时间序列中学习压缩的、上下文信息丰富的子序列表示。通过堆叠多层扩张因果卷积进行特征提取，捕捉长时间序列中的趋势特征，避免传统预测算法中面临的梯度消失问题。