一种不利天气条件下的交通量预测方法

本发明涉及智能交通系统技术领域，具体涉及一种不利天气条件下的交通量预测方法，包括获取目标区域内的道路的多源异构数据并进行预处理，所述多源异构数据包括气象数据、历史交通流数据、实时交通传感器数据、动态道路事件数据和路网拓扑数据；对预处理后的多源异构数据进行时空对齐，确定融合特征矩阵；基于预训练的CNN‑LSTM‑Transformer混合预测模型，输入所述融合特征矩阵，输出未来指定时段的交通量预测结果；根据交通量预测结果生成动态交通管控指令集。解决现有技术存在的数据维度单一、时空特征提取不充分和预测管控脱节的问题的问题。