摘要
本发明涉及流量预测技术领域,具体涉及一种流量预测方法、装置、存储介质和电子设备。方法包括:获取多个数据源的源数据,源数据包括流量数据和流量相关数据;将源数据分别按照时间维度和空间维度进行分层和特征提取,得到多个层级的数据特征;采用交叉注意力机制对不同源数据的特征进行对齐和互补,得到特征交互后的数据;采用强化学习算法对不同源数据的融合权重进行调节,并基于融合权重对源数据进行融合,得到融合后的数据;基于多个层级的数据特征、特征交互后的数据以及融合后的数据,采用预训练的流量预测模型进行流量预测。本发明解决了多源数据简单堆砌、静态融合规则导致的场景适应性差等问题,提高了预测结果的准确性和可靠性。
技术关键词
流量预测模型
流量预测方法
数据
交叉注意力机制
动态回归模型
时间序列特征
强化学习算法
层级
交通流量预测
多尺度特征提取
时间卷积网络
长短期记忆网络
道路单元
数字孪生体
深度学习模型
流量预测技术
统计特征
计算机
分层
系统为您推荐了相关专利信息
动作识别系统
三维模型
数据收集模块
大数据
信息录入系统
面向工业互联网
数据安全共享
学习认证方法
云服务器
群密钥
LSTM模型
变分模态分解算法
序列
量预测方法
粒子群算法优化
溺水报警方法
三维位置信息
可见光相机
红外相机
视角
算法模块
局部路径规划
全局路径规划
航迹优化
无人机航迹