基于POI数据和文本信息关联学习的交通预测方法

本发明公开了基于POI数据和文本信息关联学习的交通预测方法，针对POI数据与交通序列数据在特征维度上的稀疏性和稠密性差异以及时间维度上的静态与动态变化差异，设计了一种即插即用的POI使用组件，用于提取POI数据的内在分布特征。本发明借鉴了推荐系统的深度‑广度模型思路，通过在预测输出层加入门控机制来增强特征表达，并引入了POI数据和文本信息关联学习网络来衡量POI类别语义信息与交通序列特征间的相似度，使静态POI数据能够反映时空特性。步骤1：POI数据和文本信息；步骤2：建立图卷积主干网络；步骤3：建立关联学习网络；步骤4：预测输出；本发明在中国四个城市的交通速度数据集上提高了现有图卷积网络预测模型的效果。