云边端协同的稀疏交通流预测隐私保护方法及设备

本申请提供了云边端协同的稀疏交通流预测隐私保护方法及设备，包括以下步骤：步骤一：基于Transformer时空自注意力机制的格式塔重要区域选择方法进行自适应采样选择；步骤二：基于动态截断高斯机制的本地w‑event差分隐私保护方法进行动态高斯噪声保护；步骤三：基于动态时空矩阵补全的图卷积神经网络预训练保护方法进行隐私保护；步骤四：基于时空自监督学习的交通流多目标加权预测方法进行稀疏交通流安全预测。本申请基于格式塔重要区域选择方法，减少数据收集成本，通过对稀疏交通数据流进行补全和模型预训练，并对模型梯度进行裁剪和差分隐私保护；基于时空自监督学习的交通流多目标加权预测方法，实现交通流安全预测。