基于多图时空卷积和动态度量融合的交通流预测方法

本发明公开一种基于多图时空卷积和动态度量融合的交通流预测方法，包括以下步骤：收集交通道路网络信息，构建数据集；构造交通流预测网络，包含MGC模块、DMF模块；MGC模块包含：距离特征时空相关性特征模块Dis，核相关性模块ICNC，拥堵相关性模块TCC，因果相似性模块DG。在ICNC、TCC、DG模块中分别提出了三种新的基于多源基本信息的时空相关矩阵。DMF模块包含残差连接，卷积神经网络，图卷积和注意力机制，用于评估不同特征中每个节点的重要性，并计算出重要性分数，加权融合几种时空特征。MGC‑DMF在设计上更加注重多图的多样性和真实性，以及融合方式的可解释性和平衡性，以此促进交通流预测模型性能的进一步提高。