一种融合外部时间信息和上下文空间信息的交通流预测方法

本发明涉及智能交通领域，具体涉及一种融合外部时间信息和上下文空间信息的交通流量预测方法。首先对多个相似交通流数据集进行预处理，构建结构统一的合并训练集和测试集；将合并数据输入时序特征嵌入模块，生成融合时间与交通流信息的嵌入表示；将嵌入表示输入包含两层编码器和解码器的Transformer模型进行训练，选取合并测试集上性能最佳的模型保存其编码器参数；接着，构建时空预测模型ST‑SDNet；在每个单一数据集上通过反向传播与梯度下降算法进行模型优化；最后，针对每个交通流数据集，采用对应训练得到的最优模型进行交通流预测。本发明有效融合多源时序特征，提升了交通流预测的准确性与泛化能力。