一种基于多维度协同时空注意力模型的交通流量预测方法

本发明公开了一种基于多维度协同时空注意力模型的交通流量预测方法。其核心创新在于：1)构建维度协同时空注意力模型(MCSTA)模型，并行集成局部多通道交叉注意力(LMCEA)模块和跨通道轻量卷积关联(NDLCCA)模块；2)LMCEA模块通过自适应聚焦时空数据中多影响因子间的局部特征交互，增强特征判别力；3)NDLCCA模块利用一维卷积保持通道维度，在降低计算复杂度的同时高效捕捉跨通道关联特征。方法包括：收集并预处理城市交通数据，划分时间窗口后采用预训练与微调结合的方式训练模型，通过消融实验验证模块有效性，最终部署至智能交通系统实现实时预测。该模型通过双模块协同优化时空特征提取，显著提升预测精度与计算效率。