一种基于门控循环网络的交通流量预测方法

本发明提供了一种基于门控循环网络的交通流量预测方法，旨在解决传统交通流量预测方法在处理稀疏且复杂的时空模式时的局限性。所述方法通过六层卷积神经网络，提取数据中精细的空间特征，并通过多头注意力机制动态分配关键特征权重，从而实现对复杂时空关系的高效建模和预测。模型特别适用于处理具有长周期性、不规则性和动态特性的交通流量数据，为解决智能交通系统中的路径优化和交通管理提供了更加准确和可靠的解决方案。