一种基于多尺度时空图神经网络交通流预测方法、电子设备及计算机可读介质

本发明属于智能交通技术领域，具体涉及一种基于多尺度时空图神经网络交通流预测方法、电子设备及计算机可读介质，使用交通流预测模型对交通流数据序列进行处理，其中交通流预测模型包括时间表征模块，时间表征模块设置有双路并行结构的门控时间卷积网络和多尺度门控时间单元，通过双路并行结构得到时间表征学习过程的输出结果；根据该结果构建动态时空图；本发明基于双流框架，采用动态门融合模块自主学习综合的多尺度时间特征，分别用于提取全局和局部的交通流数据时间相关性。结合多个因素的图结构学习方法，生成的动态图不仅考虑了节点之间的潜在关系，还考虑了动态交通模式和每个节点的空间相关性，从而实现更精准的交通流预测。