基于深度学习的路段违停时空预测系统

本发明公开了基于深度学习的路段违停时空预测系统，涉及智能交通管理技术领域，该系统包括：多源数据融合采集模块、时空自注意力特征提取模块、动态粒度参数生成模块、时空混合模型预测模块及违停预警可视化模块；本发明通过实时采集交通摄像头视频流、车载传感器数据、手机信令数据及气象数据，本发明实现了对交通环境的全面感知，这些多源异构数据经过时空坐标校准后，被映射到统一的GIS网格中，构建了多维度违停影响因子数据库，在此基础上，时空自注意力特征提取模块利用时空图自注意力模型，对多源数据进行高效的时空特征提取，生成具有时空关联性的特征向量，解决了传统方法中数据单一、特征提取不充分的问题。