一种基于多集成深度学习的实时交通拥堵预测方法及系统

一种基于多集成深度学习的实时交通拥堵预测方法及系统，涉及交通安全技术领域，针对现有交通拥堵预测准确率低的的问题，本申请综合考虑了车速方差、车头间距方差和车头时距方差，避免了聚类结果容易受到原始数据的影响的问题。进而提升了交通拥堵的预测准确性。本申请网络模型结合了多头注意力、在线学习和LSTM网络，能够通过捕捉短期和长期依赖关系，实时有效地预测交通流，并通过在线学习动态调整新数据，同时利用集成方法提高拥堵预测的准确性，进而避免了在具体的行驶路径规划中存在误差，不影响行驶路径规划的准确率的问题。