【技术实现步骤摘要】
本专利技术涉及交通预测，具体涉及一种基于时空序列的交通流量预测方法、装置、存储介质及计算设备。
技术介绍
1、随着深度学习技术的不断发展和各种道路检测器等一系列设施普及，深度学习在交通预测领域的应用掀起热潮。过去在交通预测领域提出的许多算法中，大多数基于图神经网络的交通预测研究只构建了固定的图结构，不能及时响应时空变化，导致模型难以准确进行预测；使用简单的图来描述节点对之间的关系在空间维度上进行分析是有问题的，难以准确反映交通网络的复杂关系。
技术实现思路
1、本专利技术的目的在于提出一种基于时空序列的交通流量预测方法、装置、存储介质及计算设备，该方法将时空注意力机制和超图卷积相结合，能够提供高准确度的交通量预测，预测出交通流量的有效变化情况。
2、为达到上述目的，本专利技术采用的技术方案如下：
3、第一方面，本专利技术提供一种基于时空序列的交通流量预测方法，包括：
4、预先训练交通流量预测模型；
5、获取当前时刻的交通流量输入所述交通流量预...
【技术保护点】
1.一种基于时空序列的交通流量预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于时空序列的交通流量预测方法，其特征在于，所述预先训练交通流量预测模型，包括：
3.根据权利要求2所述的一种基于时空序列的交通流量预测方法，其特征在于，对所述交通流量历史数据按照相关的时间关联顺序进行预处理，构建交通流量时空序列数据集，包括：
4.根据权利要求3所述的一种基于时空序列的交通流量预测方法，其特征在于，所述时空注意力机制模块包括空间注意力机制和时间注意力机制；
5.根据权利要求4所述的一种基于时空序列的交通流量预测方法，...
【技术特征摘要】
1.一种基于时空序列的交通流量预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于时空序列的交通流量预测方法，其特征在于，所述预先训练交通流量预测模型，包括：
3.根据权利要求2所述的一种基于时空序列的交通流量预测方法，其特征在于，对所述交通流量历史数据按照相关的时间关联顺序进行预处理，构建交通流量时空序列数据集，包括：
4.根据权利要求3所述的一种基于时空序列的交通流量预测方法，其特征在于，所述时空注意力机制模块包括空间注意力机制和时间注意力机制；
5.根据权利要求4所述的一种基于时空序列的交通流量预测方法，其特征在于，所述时空卷积模块包括超图卷积和标准卷积...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。