一种基于文本事件与图注意力网络融合的交通流生成方法

本发明公开了一种基于文本事件与图注意力网络融合的交通流生成方法，方法包括：对数据集中的交通特征数据进行数据预处理以及特征维度重塑；通过预训练AutoencoderKL编解码器将交通特征数据压缩编码，并在潜在空间进行扩散与去噪；利用BERT模型将文本事件描述转化为生成交通特征的条件输入，在训练扩散模型时结合这些条件文本输入，逐步去噪并生成符合实际交通状态的特征图像；训练图注意力网络模型捕获交通特征的空间相关性；将扩散模型生成的结果与图注意力网络的输出进行加权融合，最终将融合的交通特征数据解码；模型推理阶段，通过输入未来时刻的事件文本，生成对应的道路交通特征图。该方法能够动态适应突发事件的影响，在长期预测交通任务中表现优异。