基于动态时空图神经网络的长期交通流量预测方法

本发明提供一种基于动态时空图神经网络的长期交通流量预测方法，包括以下步骤：输入历史交通数据及静态邻接矩阵，通过扩散概率模型生成动态图邻接矩阵，包括：利用图卷积网络对静态邻接矩阵和交通特征进行嵌入表示学习，生成初始动态邻接矩阵；通过多步加噪与条件去噪迭代优化初始邻接矩阵，生成反映路网时变特性的动态邻接矩阵；基于静态邻接矩阵与动态邻接矩阵，通过多跳扩散卷积与双向扩散卷积提取局部与远距离节点的空间依赖特征；通过简化的门控循环网络SimGRU对时间序列进行并行化处理，以消除对历史隐藏状态的串行依赖，保留长期趋势与周期性特征；融合空间与时间特征，输出未来时段的交通流量预测结果。