摘要
本发明公开了一种交通流量预测模型的训练方法、装置、电子设备及存储介质。该方法包括:获取历史交通流量数据、历史交通密度数据和历史交通网络拓扑结构数据;基于历史交通流量数据、历史交通密度数据和历史交通网络拓扑结构数据进行深度学习预测,得到第一流量预测结果;对历史交通流量数据和历史交通密度数据进行交叉注意力映射,得到第二流量预测结果;基于所述第一流量预测结果和所述第二流量预测结果确定模型损失,基于所述模型损失更新初始神经网络参数,直至满足模型训练停止条件,得到交通流量预测模型。上述技术方案,提升了交通流量预测模型的预测精度的泛化性。
技术关键词
交通流量预测
网络拓扑结构
深度学习预测
门控循环神经网络
神经网络参数
注意力
密度
交通图
卷积特征
车辆轨迹数据
电子设备
可读存储介质
计算机
误差
训练装置
处理器通信
系统为您推荐了相关专利信息
深度生成模型
风险
机器学习器
标识符
神经网络参数
一体化智能控制装置
交通车辆
智能红绿灯
信息通信模块
隐私数据信息
交通流量预测
传感器
退化机制
流量预测模型
隧道
交通流量预测方法
BP神经网络算法
神经网络模型
误差反向传播
引入遗传算法
控制优化方法
渔业生态
监测传感器
事件特征
极值