一种基于Transformer机制的自适应交通流量预测方法及系统

本发明适用于深度学习技术领域，提供了一种基于Transformer机制的自适应交通流量预测方法及系统，所述方法包括以下步骤：S1、数据采集；S2、对采集的数据进行预处理；S3、建立基于Transformer和自适应图卷积的图卷积神经网络模型并训练；S4、对交通流量进行预测。本发明实现了对时变空间依赖性动态且连续的精准建模，能够同时捕捉局部与全局的时空特征，有效突破了传统方法对长程依赖建模不足的局限性，大幅提升了预测精度与模型的泛化能力。