考虑数据缺失的图卷积递归神经网络道路交通流预测方法

本发明公开了一种考虑数据缺失的图卷积递归神经网络道路交通流预测方法，涉及智能交通技术领域，包括：数据采集及预处理；构建基于高斯混合模型的节点特征；设计考虑数据丢失的图卷积层；建立时空动力学模型并对其进行优化；对未来交通状态进行预测；建立模型，利用随机梯度下降算法，通过训练不断优化模型超参数，得到交通状态预测方案；本发明能够处理由于稀疏传感器部署、数据丢失和硬件故障等因素导致的数据缺失问题，同时能够有效捕捉交通数据的时空相关性，有效提升了交通状态预测的准确性和可靠性。