一种结合动态GCN和微调GPT2的交通预测方法

本发明公开了一种结合动态GCN和微调GPT2的交通预测方法，定义交通道路图结构：以路段作为节点，路段间的车流上下游关系作为边，来构建路网图，进而表示城市道路的空间结构；即，如果两条路段间存在车流，则定义两个路段节点间存在连接边，并设计邻接矩阵；对输入的交通历史数据，进行预处理，包括缺失值填充、异常值检测以及数据标准化；将预处理后的交通路网数据，包括历史数据以及构建的路网图结构到GCN网络中，学习时空关联性；微调基于GPT2的预测模型：结合GCN来微调GPT‑2；本发明方法引入的动态GCN帮助微调GPT2模型关注了交通网图的空间关系，得到了最好的预测精度。