一种基于Transformer和图神经网络的交通流量预测方法

本发明涉及智能交通技术领域，具体为一种基于Transformer和图神经网络的交通流量预测方法，包括：获取来自不同交通传感器节点的流量时间序列数据；利用Transformer编码器提取每个节点的时序特征，生成每个交通节点的嵌入向量；基于节点间的嵌入向量，使用余弦相似度计算节点之间的相似性，并构建动态图结构以反映节点间的空间关系；运用图神经网络中的图注意力机制对节点的邻居信息进行聚合，强化空间特征的学习；融合时序特征和空间特征，并通过全连接层对未来的交通流量进行预测，能够有效捕捉交通数据中的复杂时空关系，并通过动态图结构适应现实道路道路结构的变化，从而提升交通流量预测的准确性和鲁棒性。