基于时空状态增强XGBoost-LSTM的车辆位置预测与异常预警方法、系统、设备及介质

本发明公开了一种基于时空状态增强XGBoost‑LSTM的车辆位置预测与异常预警方法、系统、设备及介质，包括：获取路段交通流量序列，构建EM聚类模型，将交通流量序列样本在EM聚类模型中进行分类，构建时间状态矩阵；确定路段间的物理静态邻接矩阵、动态转向比邻接矩阵和路段流量动态相似度矩阵，加权融合后构建空间状态矩阵；构建XGBoost‑LSTM模型及模型训练；将构建的时间状态矩阵、空间状态矩阵输入训练后的XGBoost‑LSTM模型，进行实时车辆位置预测与异常预警。本发明可提高车辆位置预测精度、降低数据采集门槛，扩大预测方法使用场景，同时为异常事件预警提供了新的动态评估标准。