一种基于注意力的长短时空图神经网络的交通流预测方法

本发明涉及一种基于注意力的长短时空图神经网络的交通流预测方法，属于交通管理与智能交通领域。方法包括以下步骤：S1：获取交通的流量历史数据，包括流量、速度等特征，根据交通网络中的路段或节点关系构建邻接矩阵，以表示节点间的空间依赖，将历史数据按时间窗口分割，并对数据进行归一化处理；S2：将流量历史数据和邻接矩阵输入模型；S3：通过时空模块分别提取时间特征和空间特征，并通过前馈神经网络提高泛化能力；S4：通过空间注意力模块，通过一个三层的空间注意力块实现对共享层中重要特征的差异化提取。注意力机制根据的注意力权重来衡量输出，输出结果合并到LSTM中，并通过LSTM处理密集层的信息，以执行任务的预测。