一种基于因果驱动的层次化时空网络的交通排放预测方法

本发明涉及时空数据建模技术领域，公开了一种基于因果驱动的层次化时空网络的交通排放预测方法，包括：对路网排放序列从节点属性和边属性两个角度进行异质性引导的时空增强；在层次化预测阶段，将原始的排放序列和增强后的序列通过软聚类卷积层映射到特征嵌入空间中，进行时空对比聚类，其中增强序列特征的聚类结果作为原始特征聚类的自监督信号，得到区域级的宏观排放模式；对路段级和区域级的排放分别进行时空编码，得到不同层次的时空表征；在因果学习阶段，基于不同级别的时空表征，学习潜在的因果关联，识别出具有因果关系的宏观排放语义，利用跨尺度的因果融合实现不同级别的信息融合；将层次化的预测阶段和因果学习阶段进行迭代训练，优化时空网络和因果图参数，通过输出层得到路网在未来时间段的排放值。本发明可实现更准确有效的道路级别的交通排放预测。