融合FCM聚类和GA-Bi-GRU的短时交通拥堵预测方法

融合FCM聚类和GA‑Bi‑GRU的短时交通拥堵预测方法，涉及交通安全技术领域，针对现有技术没有充分考虑交通数据的时序特征，进而导致交通拥堵预测准确率低的问题，本申请以交通流量、平均速度和平均车头时距为判别因素进行交通状态识别，然后，建立了交通流预测模型，通过将预测的交通流参数输入到FCM模型中实现交通拥堵等级预测。该预测模型在门控循环单元（GRU）的基础上，设计了前向和后向GRU的时间循环神经网络，以充分挖掘数据特征，为进一步捕捉不同时间步的影响，模型引入了时间注意力机制，深度挖掘数据的时间特征，并结合遗传算法（GA）进行优化。