基于时间图卷积网络和注意力机制的交通信息预测方法

本发明属于智能交通技术领域，具体涉及基于时间图卷积网络和注意力机制的交通信息预测方法，该方法能够有效捕捉历史交通数据的时空依赖关系，提升预测模型的自适应能力，进而提高模型的预测准确度。首先，在进行数据预处理时，针对城市道路网络的拓扑结构，设计了邻接‑相似算法来处理数据集中的缺失值和异常值；其次，在构建交通信息预测模型时，分别使用门控循环单元和图卷积网络来捕获数据的时间相关性和空间相关性，此外，还在模型中加入了注意力机制来提取输入数据中的关键信息，使模型能够更好地分析复杂的图结构。通过以上方法，本方案能够基于历史数据对未来一段时间内的交通信息数据进行预测，为智能交通等领域的研究提供帮助。