基于时空融合的双流学习预测模型

本发明公开了基于时空融合的双流学习预测模型，包括TF在线监测系统、坐标全局卷积网络‑Coord‑GCN和长短时记忆网络‑LSTM，所述TF在线监测系统以TF数据作为输入，通过坐标‑全局卷积网络完成空间位置曲线，学习完整的TF空间特征表示，并采用LSTM捕获TF数据的时间线索，将时‑空曲线导入到历史周期数据训练的ST‑Fusion模块中进行重塑和处理，实现时空信息的无缝融合，捕获TF数据中最重要的模式和长期依赖关系，进而预测最终的TF。本发明公开的基于时空融合的双流学习预测模型利用Coord‑GCN和长短时记忆网络(Long Short‑term Memory，LSTM)分别评估实际车流量的空间位置曲线和时间信息曲线，并采用新型时空融合模块实时预测其时空交互线索，揭示车流量的运行状态。