一种基于自注意力-时间卷积网络-生成对抗网络的交通流混合预测模型

本发明公开了一种基于自注意力‑时间卷积网络‑生成对抗网络的交通流混合预测模型，其构建步骤如下：将历史交通流数据作为输入，传递给GAN的生成器模块；在生成器中，利用自注意机制对输入数据进行处理，以识别并关注其中的关键信息；随后，通过TCN层进一步捕捉交通流数据中的长期依赖关系，基于这些信息和关系，生成器将给出预测数据；将真实数据与生成器生成的预测数据一同传递给判别器；随着生成器和判别器之间的不断博弈和迭代，整个GAN模型将逐渐趋于稳定，并最终获得令人满意的预测结果。提高了预测精度和泛化能力，通过对比实验，SA‑TGAN模型在短时交通流量预测任务中表现出了显著的预测精度提升。