【技术实现步骤摘要】
本专利技术涉及交通流数据插补与预测，特别是涉及一种基于多任务预训练微调范式的交通流数据插补与预测方法。
技术介绍
1、对未来交通流态势进行准确预测，合理规划交通流运行，成为缓解交通拥堵的重要途径之一。
2、然而，传统的交通流预测方法往往无法有效应对数据缺失的情况，这限制了它们在实际场景中的应用。数据缺失可能由于各种原因产生，如传感器故障、网络通信问题或数据采集不完整等。
技术实现思路
1、为了解决上述现有技术存在的问题，本专利技术的目的是提供一种基于多任务预训练微调范式的交通流数据插补与预测方法，旨在提高模型对数据缺失的鲁棒性，提交交通流预测的准确性，以更好的帮助交通管理者规划交通流的运行并减少交通拥堵。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于多任务预训练微调范式的交通流数据插补与预测方法，包括：
4、获取交通流数据；分析提取交通流数据的时间特征和空间特征；
5、数据缺失模式归类：根据所述数据缺失模式对所述交...
【技术保护点】
1.一种基于多任务预训练微调范式的交通流数据插补与预测方法，其特征在于，包括：
2.根据权利要求1所述的基于多任务预训练微调范式的交通流数据插补与预测方法，其特征在于，预设所述完全随机缺失模式包括：
3.根据权利要求1所述的基于多任务预训练微调范式的交通流数据插补与预测方法，其特征在于，预设所述点位缺失模式包括：
4.根据权利要求1所述的基于多任务预训练微调范式的交通流数据插补与预测方法，其特征在于，预设所述时间戳缺失模式包括：
5.根据权利要求1所述的基于多任务预训练微调范式的交通流数据插补与预测方法，其特征在于，利用...
【技术特征摘要】
1.一种基于多任务预训练微调范式的交通流数据插补与预测方法，其特征在于，包括：
2.根据权利要求1所述的基于多任务预训练微调范式的交通流数据插补与预测方法，其特征在于，预设所述完全随机缺失模式包括：
3.根据权利要求1所述的基于多任务预训练微调范式的交通流数据插补与预测方法，其特征在于，预设所述点位缺失模式包括：
4.根据权利要求1所述的基于多任务预训练微调范式的交通流数据插补与预测方法，其特征在于，预设所述时间戳缺失模式包括：
5.根据权利要求1所述的基于多任务预训练微调范式的交通流数据插补与预测方法，其特征在于，利用...
【专利技术属性】
技术研发人员：欧居尚，李振龙，曲彦菘，李章熇，
申请(专利权)人：四川警察学院，
类型：发明
国别省市：
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。