面向城市交通节点模式相似度认知的深度学习方法

本发明涉及智能交通、深度学习、人工智能领域，尤其涉及面向城市交通节点模式相似度认知的深度学习方法。交通速度数据被组织成由特征矩阵和邻接矩阵组成的图数据格式。处理后的速度数据被送入动态多图构造器中，并且将输出的动态邻接矩阵与空间邻接矩阵一同送入多尺度图卷积模块，速度数据在每个时空层经过扩展因果卷积处理后也被送入多尺度图卷积模块，通过跳跃连接从每个时空层中拼接得到最终的结果。最后，对动态多图所反映的交通模式相似性进行分析。本发明能更高效的提取智能交通场景中的时空依赖特征，并解决了图卷积网络中的感受视野受限的问题，以及交通模式相似度分析中对长期交通模式的考虑不足问题。