摘要
本发明提供了一种交通流预测方法、系统、设备及介质,属于交通流预测技术领域,其方法包括如下步骤:获取不同时间尺度的交通流量数据及交通网络邻接矩阵;将时间卷积网络TCN和图注意力网络GAT结合,得到交通流预测模型GAT‑TCN;将不同时间尺度的交通流量数据输入GAT‑TCN,使用TCN挖掘交通流量数据在时间序列上的局部动态变化,提取时间特征;将时间特征及交通网络邻接矩阵输入GAT中,使用GAT计算交通网络邻接矩阵中每个节点与邻居节点的注意力系数,根据注意力系数对邻居节点进行聚合,得到交通网络的空间特征;将时间特征和空间特征进行融合,根据融合后的数据对交通流进行预测。本发明能够提高交通流的预测精度。
技术关键词
交通流预测方法
交通流预测模型
属性匹配
场景特征
时间卷积网络
注意力
数据
交通流预测技术
交通流预测系统
邻居
节点
交通流特征
生成对抗网络
可读存储介质
特征提取模块
序列
误差
系统为您推荐了相关专利信息
风险监管方法
区块链智能合约
数据管理平台
身份
能源管理
客流预测
交通流预测系统
交通流预测方法
时间序列特征
高风险
中医数据处理方法
音频特征数据
图像特征数据
脉象数据
舌象图像
内容匹配系统
图像识别单元
匹配模块
分类处理器
视频采集单元