一种基于自适应语义增强时空图网络的交通预测方法

本发明公开了一种基于自适应语义增强时空图网络的交通预测方法：首先，利用交通传感器数据构建初始空间图，并进行标准化处理；然后，引入自适应节点嵌入方法动态学习交通网络中节点间的空间依赖关系；进一步采用双分支结构，分别使用并行门控网络（PGN）捕捉长期交通模式、采用线性层次化聚合捕捉短期局部模式；最后，融合空间与时间特征进行端到端训练优化预测模型。本方法能有效提高交通预测的准确性和鲁棒性，适用于复杂城市交通环境的智能管理与决策优化。