摘要
本发明提供一种课程学习引导的时空网络用于交通流预测的方法,采用的时空网络模型通过引入课程学习模块,以评估交通网络中节点的预测难度,并采用训练调度器逐步为所述时空网络模型引入由易到难的训练节点,以提高预测能力;然后采用具有多头时空注意力机制的全局时空编码器,通过层间残差缩放技术缓解原始语义信息在逐层传递过程中被稀释的问题,以捕捉节点的全局时空相关性,从而实现交通流预测。
技术关键词
交通流预测
节点
时空注意力机制
编码器
调度器
网络
缩放技术
非暂态计算机可读存储介质
历史交通数据
测量器
矩阵
缩放模块
多层感知机
融合策略
处理器
语义
邻居
多视角
系统为您推荐了相关专利信息
虚拟阻抗矩阵
台区拓扑识别方法
集中器
台区拓扑识别系统
消除噪声干扰
宏观交通流
车辆通行信息
生成方法
交通流数据库
智能终端