摘要
本发明公开了一种基于多时空图融合与动态注意力的交通流预测方法,属于交通技术领域。该方法先收集交通路网传感器数据并预处理,划分数据集。通过交通流数据和节点欧式距离构建距离图、邻接图、功能图和时间模式相似图,融合为多时空图,用图卷积网络提取空间相关性。构建特征提取层,利用长时和短时门控卷积单元挖掘时间特征。借助注意力机制深入挖掘时空特征,实现时空特征全局融合并通过卷积层得到预测结果。最后用训练集训练模型,测试集测试精度。本发明通过多时空图融合与动态注意力机制,有效提取交通流时空特征,提升预测精度,为智能交通系统提供了新技术路径。
技术关键词
交通流预测方法
注意力机制
训练集
动态
空间特征提取
参数
时间序列特征
网络
智能交通系统
周期性特征
注意力模型
优化器
矩阵
数据
节点
距离信息